fronnyaА если бы там посередине была не диагональная матрица, а какая-то ещё из разобранных вами в предыдущей теме, вы бы могли решить?
-- 06.07.2014 19:58:15 --Среди всевозможных матриц, есть пара типов матриц, для которых считать

-е степени особенно легко и удобно. Это ортогональные и симметрические матрицы. Их определение можно дать через понятие транспонирования - это "отражение" матрицы вокруг главной диагонали, перемена мест элементов

и

Если обозначить транспонирование как

то симметрическая матрица после транспонирования равна самой себе:

то есть она просто "симметрична" относительно главной диагонали; а ортогональная матрица после транспонирования становится собственной обратной:

Это уже сложнее себе представить, это не так очевидно проявляется в элементах матрицы.
Чтобы понять смысл понятий ортогональной и симметрической матрицы, потребуется геометрический смысл матрицы. Геометрических смыслов можно для матриц назвать несколько, но один из главных - это линейное преобразование пространства, или как ещё иногда говорят, линейный оператор. Если у нас есть матрица

то говорят, что она совершает преобразование (слева) над пространством векторов, если каждый вектор

переходит в вектор

- здесь вектор записывается как столбец. Оказывается, матрицами можно описать любые преобразования пространства, которые сохраняют линии линиями, и оставляют на месте выделенную точку - начало координат. Например, это: растяжение или сжатие вдоль какого-то направления, поворот, отражение, "перекос" (сдвиг), превращающий прямоугольники в параллелограммы. Есть и такие преобразования, как проекция пространства на плоскость, плоскости - на прямую, прямой - в точку. И точно так же, как умножение матриц даёт матрицу, последовательные линейные преобразования пространства (композиция преобразований) тоже даёт линейное преобразование.
Так вот. Симметрическая матрица подобна диагональной, в том смысле, что она проделывает независимые растяжения или сжатия вдоль нескольких перпендикулярных направлений. Просто эти направления могут быть невыровнены по осям координат.

-я степень означает просто растяжение в

раз.
А ортогональная матрица осуществляет чистый поворот, без каких-либо искажений формы. Она содержит в себе направление и угол поворота. Очевидно, что можно проделать точно такой же поворот на

-кратный угол.