Una matrice quadrata A è diagonalizzabile se può essere rappresentata, dopo un cambio di base, come una matrice diagonale. Formalmente esistono una matrice invertibile P e una matrice diagonale D tali che:
Le colonne di P sono autovettori di A e gli elementi diagonali di D sono i relativi autovalori. La diagonalizzazione non cambia l’applicazione lineare rappresentata da A: cambia il sistema di coordinate in cui la si osserva. Nella base degli autovettori, l’azione della matrice diventa semplice: ogni direzione propria viene solo moltiplicata per il proprio autovalore.
Criterio fondamentale
Il criterio pratico è:
In uno spazio di dimensione n, servono quindi n autovettori linearmente indipendenti. Se esistono, si dispongono come colonne di P e la matrice diagonale D contiene gli autovalori nello stesso ordine.
In termini di molteplicità, per ogni autovalore \lambda la molteplicità geometrica, cioè la dimensione dell’autospazio:
deve uguagliare la molteplicità algebrica, cioè la molteplicità di \lambda come radice del polinomio caratteristico. Se anche un solo autovalore ha molteplicità geometrica minore della molteplicità algebrica, la matrice non è diagonalizzabile.
Autovalori distinti
Una condizione sufficiente molto utile è: se una matrice n\times n ha n autovalori distinti, allora è diagonalizzabile. Infatti autovettori associati ad autovalori distinti sono linearmente indipendenti.
La condizione non è però necessaria. Una matrice può essere diagonalizzabile anche con autovalori ripetuti, purché ogni autovalore ripetuto abbia abbastanza autovettori indipendenti. Per esempio, la matrice identità ha un solo autovalore, ma è diagonalizzabile perché ogni vettore non nullo è autovettore.
Perché semplifica i calcoli
La diagonalizzazione rende immediate molte operazioni. Se:
allora:
Poiché D è diagonale, calcolare D^k significa elevare alla potenza i singoli elementi diagonali. Lo stesso principio vale per funzioni di matrice, quando definite:
con e^D diagonale e valori e^{\lambda_i} sulla diagonale. Questo è il motivo per cui la diagonalizzazione è centrale nello studio di sistemi dinamici lineari, equazioni differenziali, catene di Markov finite, vibrazioni e circuiti.
Interpretazione geometrica
Una matrice diagonalizzabile è una trasformazione che, in una base adatta, non mescola le coordinate: scala ogni asse proprio separatamente. Gli autovettori individuano le direzioni invarianti; gli autovalori dicono di quanto quelle direzioni vengono allungate, compresse o invertite.
Se una matrice non è diagonalizzabile, esistono componenti che non possono essere separate in direzioni proprie indipendenti. In questi casi la forma di Jordan, o altre decomposizioni numeriche come Schur, descrivono la parte non diagonalizzabile tramite blocchi che includono anche termini di accoppiamento.
Matrici simmetriche e caso complesso
Nel caso reale, ogni matrice simmetrica è diagonalizzabile tramite una matrice ortogonale:
Questa è una situazione particolarmente stabile e importante: gli autovettori possono essere scelti ortonormali e gli autovalori sono reali. In meccanica, analisi strutturale, ottimizzazione e statistica, questa proprietà rende trattabili matrici di rigidezza, inerzia, covarianza e Hessiane.
Nel campo complesso, molte matrici reali che non sono diagonalizzabili su \mathbb R possono esserlo su \mathbb C se hanno una base complessa di autovettori. La scelta del campo è quindi parte del problema: diagonalizzabilità reale e complessa non coincidono sempre.
Uso ingegneristico
La diagonalizzazione semplifica potenze, esponenziali di matrice, sistemi dinamici lineari, modi normali di vibrazione e problemi agli autovalori. In un sistema dinamico:
gli autovalori governano crescita, decadimento e oscillazione delle componenti modali. In un sistema continuo:
l’esponenziale di matrice determina l’evoluzione temporale. Se A è diagonalizzabile, la soluzione si decompone in modi indipendenti.
Errori comuni
Il primo errore è pensare che ogni matrice con autovalori sia diagonalizzabile. Ogni matrice quadrata ha autovalori nel campo complesso, ma non necessariamente abbastanza autovettori. Il secondo errore è confondere matrice diagonale e diagonalizzabile: una matrice diagonalizzabile può non essere diagonale nella base originale.
Il terzo errore è affidarsi solo agli autovalori numerici senza controllare il condizionamento della base di autovettori. Se P è mal condizionata, la diagonalizzazione può essere teoricamente valida ma numericamente instabile. Nei calcoli scientifici si preferiscono spesso decomposizioni più robuste quando la matrice è quasi difettiva.