1. Цель: что такое диагонализация
Простыми словами: Мы хотим записать квадратную матрицу $A$ в виде произведения
$$A = P\,D\,P^{-1}$$
где $P$ — обратимая матрица, столбцами которой являются собственные векторы, а $D$ — диагональная матрица, на диагонали которой стоят соответствующие собственные значения.
Почему это важно?
Представьте $A$ как линейное преобразование. Разложение $A = PDP^{-1}$ означает:
- Смена координат — умножаем на $P^{-1}$, чтобы перейти в базис из собственных векторов.
- Масштабирование каждой оси по отдельности — умножаем на $D$, которая просто умножает каждую координату на соответствующее собственное значение.
- Возврат обратно — умножаем на $P$, чтобы вернуться в исходные координаты.
Замена базиса — напоминание
Вспомните из нашей предыдущей работы с базисами, что одно и то же линейное отображение может выглядеть совершенно по-разному в разных системах координат. Диагонализация — это наилучшая возможная замена базиса: в базисе собственных векторов преобразование сводится к простому масштабированию вдоль осей. Любое сложное вращение-и-растяжение, которое выполняет $A$, оказывается простым растяжением вдоль особых направлений.
Результат — зачем изучать этот аппарат?
- Степени матрицы: $A^k = PD^kP^{-1}$, а возведение диагональной матрицы в степень — тривиальная операция: просто возводим каждый диагональный элемент в эту степень.
- Разделение переменных: Системы уравнений, в которых переменные переплетены, превращаются в независимые задачи с одной переменной в базисе собственных векторов.