Diagonalização

Geometria e álgebra de aplicações lineares, vetores e matrizes

Diagonalização reescreve uma matriz em seu próprio sistema de coordenadas mais natural, o construído a partir de seus autovetores. Naquele sistema a matriz é diagonal: ela não faz nada além de escalar cada eixo de autovalor por seu autovalor. Uma transformação emaranhada se torna simples.

Aqui P tem os autovetores como colunas e D é diagonal com os autovalores. Leia o produto da direita para esquerda como uma receita de três passos: P⁻¹ rotaciona para coordenadas de autovalor, D escala cada eixo, e P rotaciona de volta. Uma transformação confusa, expressa como um estiramento puro entre duas mudanças de vista.

Diagonalização torna potências de matriz quase gratuitas. Porque os P⁻¹P do meio se cancelam, Aᵏ = P Dᵏ P⁻¹, e elevar uma matriz diagonal a uma potência apenas eleva cada entrada diagonal àquela potência. Sem multiplicação matricial repetida necessária.

Onde isso aparece no MLDiagonalização explica o comportamento de longo prazo de aplicações lineares repetidas, e quase todo algoritmo iterativo é uma aplicação repetida perto de um ponto fixo. Se as dinâmicas de treinamento convergem ou explodem se resume a se os autovalores relevantes estão dentro ou fora do círculo unitário. A mesma ideia, aplicada a matrizes simétricas, se torna a decomposição espectral que alimenta…
▶ Diagonalização
← Autovetores & AutovaloresMatrizes Simétricas →