Darstellung eines normalen linearen Operators (oder einer diagonalisierbaren Matrix) als Summe oder Integral von Projektionen auf invariante Unterräume, indexiert durch sein Spektrum, wodurch eine Zerlegung in Eigenkomponenten im diskreten Fall oder ein projektionswertiges Maß im kontinuierlichen Fall entsteht.

Prinzip

Ausnutzung des spektralen Theorems: Ein normaler (bzw. selbstadjungierter) Operator besitzt eine orthogonale Zerlegung bestimmt durch sein Spektrum, die einen Funktionenkalkül erlaubt, indem skalare Funktionen gegen spektrale Projektionen integriert werden.

Demonstration

Für eine reelle symmetrische Matrix berechne man eine orthonormale Eigenbasis und schreibe die Matrix als ∑ λ_i P_i, wobei λ_i Eigenwerte und P_i orthogonale Projektionen auf die entsprechenden Eigenräume sind; für einen unbeschränkten selbstadjungierten Operator verwendet man die Darstellung durch das Spektralmaß.

Fehlanwendung

Die spektrale Zerlegung auf eine nicht normale Matrix anwenden oder fälschlich von vorhandenen orthogonalen Eigenvektoren ausgehen, wenn der Operator defekt ist; dies führt zu falschen Diagonalisierungsaussagen und vernachlässigt Jordanblöcke oder Anteile des kontinuierlichen Spektrums.

Konsequenz

Eine korrekte spektrale Zerlegung vereinfacht die Analyse: sie diagonalisiert Operatoren dort, wo möglich, erlaubt die Berechnung von Operatorfunktionen (z. B. Exponential), klärt Stabilität und Langzeitverhalten und trennt Moden nach spektralen Werten.

Umkehrung

Das Gegenstück ist die Jordan- (oder Primär-) Zerlegung, die nilpotente und nicht diagonalisierbare Teile hervorhebt statt orthogonaler spektraler Projektionen; bei nicht normalen Operatoren sind verallgemeinerte Eigenvektoren und Jordanketten erforderlich.

Abgrenzung

Erfordert Normalität (oder stärkere Voraussetzungen) in endlichen oder unendlichen Dimensionen für die klassische Projektionszerlegung; viele Operatoren besitzen ein kontinuierliches Spektrum oder sind nicht normal, sodass eine reine orthogonale spektrale Zerlegung als projektionswertiges Integral auftritt oder nicht verfügbar ist.

Semantische Spannung

Wird oft gegenüber der Singulärwertzerlegung (SVD) gestellt: SVD ist auf jede Matrix anwendbar durch orthogonale Faktorisierung in Singulärvektoren und nichtnegative Singulärwerte, während die spektrale Zerlegung von spektralen Eigenschaften (Normalität, Selbstadjungiertheit) abhängt und eigenwertbasierte Projektionen liefert.

Synthese

Die spektrale Zerlegung formuliert einen Operator als Kombination spektraler Projektionen, indexiert durch sein Spektrum, und verwandelt Operatorprobleme in handlichere skalare Probleme über orthogonale Eigenräume im diskreten Fall oder über projektionswertige Integrale bei kontinuierlichem Spektrum.