对矩阵可对角化的一点理解

下图是对3blue1brown基变换的一点从Linear system角度的理解，因为矩阵是一种线性变换，所以其也可以看作是一个线性系统。视频链接https://www.bilibili.com/video/BV1ys411472E?p=13


上图根据Gilbert Strang教授introduction to linear algebra教材封面所画。

首先任意一个Ax中的x都可以分解成相互正交的$x=x_n+x_r$

1. 当A有r(r为rank，为A的秩)个linear independent 的eigenvector时，说明A是可对角化的，这时我们能对A的行空间进行替换，使得x可以用这些特征向量线性表示，注意前面我们能将x用相互正交的$x_r$和$x_n$线性表示。
2. 我们知道当没有r个时，说明A是degenerate(退化)的。这里不关心A的null space是因为当A有0特征值时，其零空间的basis(基)都是eigenvector，所以不必担心。
3. 当A可对角化时，我们知道$A=P\Lambda P^{-1}$中矩阵P的各列由n个linear independent 的eigenvector组成，根据以上线性表示的变化可以知道P的各列组成了x的一组新的basis。这一点在二次型的标准化过程中体现得非常明显，即令x=Py。从第一幅图或者从x的basis的变化也说明了为什么$Ax$与$\Lambda x=P^{-1}APx$为不同basis下的同一线性变换。