행렬이 고유값 문제는 다음 형태의 연립방정식과 관련된다.
$Ax = \lambda x$ (1)
$A$는 정행방렬(2×2,3×3,n×n), $x$, $\lambda$는 구하려는 미지의 벡터, 스칼라
$x=0$, $0=0$ $\lambda$와 관계없이 식(1)을 만족
$\Rightarrow$ 식(1)의 $x \neq 0$인 해, 행렬 $A$의 고유 벡터
$\Rightarrow$ $x \neq 0$인 해, 어떤 특정한 $\lambda$에 대해서만 존재, 이 값을 행렬 $A$의 고유값
식(1)을 푸는 것은 벡터 $x$에 행렬 $A$를 곱하는 것이 벡터 $x$에 스칼라 $\lambda$를 곱하는 것과 같은 영향을 갖는 $x$를 찾는 것
$\Rightarrow$ 얻어지는 스칼라 곱 $\lambda x$는 $x$의 성분에 비례하는 성분을 가지며 $\lambda$는 비례상수
■ 고유값, 고유벡터
주어진 $n \times n$ 행렬 $A[a_{jk} ]$에 대하여 다음의 벡터 방정식을 고려
$Ax = \lambda x$, $x$ : 벡터, $\lambda$ : 스칼라
$\Rightarrow$ $0$벡터 : 모든 $x$의 해(실용적으로 무의미)
$x \neq 0$ 인 해, $\lambda$ : 고유값, $x$ : 고유벡터
■ 고유값과 고유벡터 계산법
ex 1)
$A = \begin{bmatrix} -5 & 2 \\ 2 & -2 \end{bmatrix}$
a) 고유값 : 우선적으로 결정되어야 한다.
$Ax = \begin{bmatrix} -5 & 2 \\ 2 & -2 \end{bmatrix} \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix} = \lambda \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix}$
성분별로 풀어쓰면
$-5x_{1} + 2x_{2} = \lambda x_{1}$
$2x_{1} - 2x_{2} = \lambda x_{2}$
우변을 좌변으로 옮기면
$(-5-\lambda ) x_{1} + 2 x_{2} = 0$ (2*)
$2x_{1} + (-2-\lambda) x_{2} = 0$
행렬 표기
$\left ( \begin{bmatrix} -5-\lambda & 2 \\ 2 & -2-\lambda \end{bmatrix} - \lambda \begin{bmatrix} 1 & 0 \\ 0 & 1\end{bmatrix}\right ) \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix}$
$(A- \lambda I) x = 0$
Crammer 정리에 의해 자명하지 않은 해 $x \neq 0$을 가진 필요충분조건은 행렬식이 0
$D(\lambda) = \text{det} (A - \lambda I) = 0$
$= \begin{vmatrix} -5-\lambda & 2 \\ 2 & -2-\lambda \end{vmatrix} = (-5-\lambda)(-2-\lambda) - 2 \times 2$
$= \lambda^{2} + 7\lambda + 6 = 0$
$\lambda = \frac{-7 \pm \sqrt{7^{2} - 4 \times 1 \times 6}}{2 \times 1} = \frac{-7 \pm \sqrt{49 - 24}}{2}$
∴ $\lambda_{1} = -1$, $\lambda_{2} = -6$ ($A$의 고유값)
b1) $\lambda_{1}$에 대응하는 $A$의 고유벡터
식(2*), $\lambda = \lambda_{1} = -1$
$\left.\begin{matrix} -4x_{1} + 2x_{2} = 0 \\ 2x_{1} - x_{2} = 0 \end{matrix}\right\} \Rightarrow x_{2} = 2x_{1}$
$\Rightarrow$ 이 식에서 $\lambda_{1} =-1$에 대응하는 $A$ 의 고유벡터가 상수배까지 결정
만일 $x_{1} = 1$을 택하면 $x_{2} = 2$ 따라서 $\lambda = -1 $에 대응하는 의 고유벡터는
$x_{1} = \begin{bmatrix} 1 \\ 2\end{bmatrix}$ $Ax = \lambda x$
검증
$A$ $x$ $\lambda x$
$Ax_{1} = \begin{bmatrix} -5 & 2 \\ 2 & -2\end{bmatrix} \begin{bmatrix} 1 \\ 2 \end{bmatrix} = \begin{bmatrix} -1 \\ -2\end{bmatrix} = (-1)x_{1} = \lambda_{1} x_{1}$
b2) $\lambda_{2}$에 대응하는 $A$의 고유벡터
$\lambda = \lambda_{2} = -6$ 식(2*)는
$(-5-x)x_{1} - 2 x_{2} = 0$
$2x_{1} + (-2-\lambda)x_{2} = 0$에 대입
$\left.\begin{matrix} x_{1} + 2x_{2} = 0 \\ 2x_{1} + 4x_{2} = 0 \end{matrix}\right\} \Rightarrow x_{2} = -x_{1}/2$
만일 $x_{1} = 2$를 택하면 $x_{2} = -1$
$\lambda_{2} = -6$에 대응하는 $A$의 고유벡터는
$x_{2} = \begin{bmatrix} -2 \\ -1 \end{bmatrix}$
일반화
$\begin{matrix} a_{11} x_{1} + a_{12} x_{2} + \cdots + a_{1n} x_{n} = \lambda x_{1} \\ a_{21} x_{1} + a_{22} x_{2} + \cdots + a_{2n} x_{n} = \lambda x_{2} \\ \vdots \\ a_{n1} x_{1} + a_{n2} x_{2} + \cdots + a_{nn} x_{n} = \lambda x_{n} \end{matrix}$
$\begin{matrix} (a_{11} - \lambda) x_{1} + a_{12} x_{2} + \cdots + a_{1n} x_{n} = 0 \\ a_{21} x_{1} + (a_{22} - \lambda ) x_{2} + \cdots + a_{2n} x_{n} = 0 \\ \vdots \\ a_{n1} x_{1} + a_{n2} x_{2} + \cdots + (a_{nn} -\lambda) x_{n} = 0 \end{matrix}$
행렬식 표현
$(A-\lambda I) x = 0$
Crammer 정리에서 $x \neq 0 \Rightarrow \text{det} A = 0$ (필요충분 조건)
$D(\lambda) = \text{det}(A-\lambda I) = \begin{vmatrix} a_{11} - \lambda & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{21} - \lambda & \cdots & a_{2n} \\ \vdots &&& \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} - \lambda \end{vmatrix}$ 특성방정식
$D(\lambda)$ 전개 → $A$의 특성 방정식
정리 1 (고유값)
정방행렬 $A$의 고유값은 $A$의 특성방정식의 근이다. 따라서, $n \times n$ 행렬은 적어도 하나 이상, 만아야 $n$개의 서로 다른 고유값을 갖는다.
정리 2 (고유벡터)
만일 $x$가 행렬 $A$의 고유값 $\lambda$에 대응하는 고유벡터인 경우, 임의의 $k \neq 0$에 대하여 $kx$도 고유벡터가 된다.
$Ax = \lambda x$
$k(Ax) = A(kx) = \lambda(kx)$
○ 조립제법
$x^{3} - 4x^{2} + 3x + 1 = (x-2) \square + \triangle$ ($\square $ : 몪, $\triangle$ : 나머지)
'Study materials > Mathematics' 카테고리의 다른 글
행렬(Matrix) 9. 역행렬을 이용한 연립방정식 풀이 (1) | 2021.03.31 |
---|---|
행렬(Matrix) 8. Gauss-Jordan 소거법(행 연산법) (0) | 2021.03.30 |
행렬(Matrix) 7. 역행렬 (0) | 2021.03.29 |
행렬(Matrix) 6. Cramer 법칙 (0) | 2021.03.29 |
행렬(Matrix) 5. 행렬식의 성질 (0) | 2021.03.29 |