Processing math: 2%

대수학/선형대수학2018. 12. 13. 08:00
반응형

[선형대수학] 18. 행렬의 대각화



앞에서는 일반적인 행렬에 대한 고유값과 고유벡터를 구했다. 


A가 대각행렬이면, A의 대각선 성분들은 모두 A의 고유값이다. 그 이유는det이기 때문이다.(A가 하삼각행렬이거나 상삼각행렬이어도 성립한다)

이 사실은 행렬 A의 형태가 삼각행렬 또는 대각행렬이면 대각선 성분이 곧 고유값임을 뜻한다. 삼각행렬은 고유값을 구하는데 있어서는 편리하나 고유벡터를 구하는데 있어서는 복잡할 수 있다. 


n\times n행렬 A에 대하여 정칙행렬 Q가 존재해서 Q^{-1}AQ가 대각행렬이면, A를 대각화가능(diagonalizable)이라고 한다.


AB를 서로 닮음행렬이라 하자. 그러면 정칙행렬 Q^{-1}가 존재해서 B=Q^{-1}AQ이고,\begin{align*}\det(\lambda I-B)&=\det(Q^{-1}(\lambda I)Q-Q^{-1}AQ)\\&=\det(Q^{-1})\det(\lambda I-A)\det Q\\&=\det(\lambda I-A)\end{align*}이므로 AB는 같은 고유값을 가진다. 


An\times n행렬이라 하자. 그러면 A가 대각화가능할 필요충분조건은 An개의 선형독립인 고유벡터를 갖는 것이다.


증명:

(\Rightarrow): A를 대각화가능하다고 하자. 그러면 정칙행렬 Q가 존재해서 Q^{-1}AQ는 대각행렬 D이다. 이를 다음과 같이 나타내자.Q^{-1}AQ=D=\begin{pmatrix}\lambda_{1}&0&\cdots&0\\0&\lambda_{2}&\cdots&0\\ \vdots&\vdots&\ddots&\vdots\\0&0&\cdots&\lambda_{n}\end{pmatrix}\mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{n}Q의 열벡터라고 하자.\begin{align*}AQ&=[A\mathbf{x}_{1}\,A\mathbf{x}_{2}\,\cdots\,A\mathbf{x}_{n}]\\QD&=[\lambda\mathbf{x}_{1}\,\lambda_{2}\mathbf{x}_{2}\,\cdots\,\lambda_{n}\mathbf{x}_{n}]\end{align*}이고, AQ=QD이므로 A\mathbf{x}_{i}=\lambda_{i}\mathbf{x}_{i}\,(i=1,\,\cdots,\,n)이고, Q가 정칙행렬이므로 Q의 열벡터들은 모두 일차독립이다. 이것은 \mathbf{x}_{i}들이 An개의 일차독립 고유벡터임을 뜻한다.

(\Leftarrow): An개의 \lambda_{1},\,\cdots,\,\lambda_{n}에 대응하는 선형독립 고유벡터 \mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{n}들을 갖는다고 하자. 그러면 A\mathbf{x}_{i}=\lambda_{i}\mathbf{x}_{i}\,(i=1,\,\cdots,\,n)이고, 행렬 Q를 열벡터가 \mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{n}인 행렬, 즉Q=[\mathbf{x}_{1}\,\cdots\,\mathbf{x}_{n}]으로 정의하면, A\mathbf{x}_{i}=\lambda_{i}\mathbf{x}_{i}이므로 AQ=QD이고 여기서 D는 대각선 성분이 고유값 \lambda_{1},\,\cdots,\,\lambda_{n}인 대각행렬이다. Q의 열벡터들은 선형독립이므로 역행렬을 갖고 따라서 Q^{-1}AQ=D이다.


다음의 행렬A=\begin{pmatrix}3&-2&0\\-2&3&0\\0&0&5\end{pmatrix}의 고유값은 \lambda_{1}=1, \lambda_{2}=5(중복도는 2이다)이고, 고유벡터는\mathbf{x}_{1}=\begin{pmatrix}1\\1\\0\end{pmatrix},\,\mathbf{x}_{2}=\begin{pmatrix}-1\\1\\0\end{pmatrix},\,\mathbf{x}_{3}=\begin{pmatrix}0\\0\\1\end{pmatrix}이다.Q=\begin{pmatrix}1&-1&0\\1&1&0\\0&0&1\end{pmatrix}라 하면,Q^{-1}=\frac{1}{2}\begin{pmatrix}1&1&0\\-1&1&0\\0&0&1\end{pmatrix}이므로Q^{-1}AQ=\begin{pmatrix}1&0&0\\0&5&0\\0&0&5\end{pmatrix}이고, Q^{-1}AQ는 대각행렬이고, 대각선 성분은 모두 고유값이다. 또한 이 대각행렬과 행렬 A는 닮음행렬이다.


다음의 행렬B=\begin{pmatrix}t&1&0\\0&t&1\\0&0&t\end{pmatrix}\,(t\in\mathbb{R})은 대각화가능하지 않다. 그 이유는\det(\lambda I-B)=\det\begin{pmatrix}\lambda-t&1&0\\0&\lambda-t&1\\0&0&\lambda-t\end{pmatrix}=(\lambda-t)^{3}이므로 고유값은 중복도가 3\lambda =t뿐이다. 또한 다음의 동차방정식\begin{pmatrix}0&1&0\\0&0&1\\0&0&0\end{pmatrix}\begin{pmatrix}x_{1}\\x_{2}\\x_{3}\end{pmatrix}=\begin{pmatrix}0\\0\\0\end{pmatrix}의 해는 x_{2}=x_{3}=0이므로\mathbf{x}=\begin{pmatrix}x_{1}\\0\\0\end{pmatrix}=x_{1}\begin{pmatrix}1\\0\\0\end{pmatrix}이고 이 \mathbf{x}만이 B의 고유벡터이다. 따라서 B는 대각화가능하지 않다.


\lambda_{1},\,\lambda_{2},\,\cdots,\,\lambda_{k}를 행렬 A의 서로 다른 고유값들이라 하고, 이에 대응되는 고유벡터들을 \mathbf{x}_{1},\,\mathbf{x}_{2},\,\cdots,\,\mathbf{x}_{k}라 하자. 그러면 \{\mathbf{x}_{1},\,\mathbf{x}_{2},\,\cdots,\,\mathbf{x}_{k}\}는 선형독립이다.


증명: r\mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{r}이 선형독립이 되게 하는 최대의 정수라 하자. r=k이면, 증명할 필요가 없다. 그러므로 1\leq r<k라 하자. 그러면 \{\mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{r+1}\}는 종속이고, c_{1},\,\cdots,\,c_{r+1}(\neq0)이 존재해서 c_{1}\mathbf{x}_{1}+c_{2}\mathbf{x}_{2}+\cdots+c_{r+1}\mathbf{x}_{r+1}=\mathbf{0}\,(1)이다. 이 식의 양변에 행렬 A를 곱하고 \mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{r+1}A의 고유벡터라는 사실을 이용하면c_{1}\lambda_{1}\mathbf{x}_{1}+c_{2}\lambda_{2}\mathbf{x}_{2}+\cdots+c_{r+1}\lambda_{r+1}\mathbf{x}_{r+1}=\mathbf{0}\,(2)이다. 식 (1)에 \lambda_{r+1}을 곱한 다음 식 (2)로 빼면c_{1}(\lambda_{r+1}-\lambda_{1})\mathbf{x}_{1}+c_{2}(\lambda_{r+1}-\lambda_{2})\mathbf{x}_{2}+\cdots+c_{r}(\lambda_{r+1}-\lambda_{r})\mathbf{x}_{r}=\mathbf{0}이고 \{\mathbf{x}_{1},\,\cdots,\,\mathbf{x}_{r}\}이 선형독립이고 \lambda_{1},\,\lambda_{2},\,\cdots,\,\lambda_{r+1}은 서로 다른 값이므로 c_{1}=c_{2}=\cdots=c_{r}=0이고, \mathbf{x}_{r+1}\neq\mathbf{0}이므로 c_{r+1}=0이 되는데 이는 c_{r+1}\neq0이라는 사실에 모순이다.


앞의 정리와 이 정리를 종합해서 n\times n행렬 An개의 고유값을 가지면 A는 대각화가능하다고 할 수 있다.


행렬 \displaystyle A=\begin{pmatrix}1&4\\3&2\end{pmatrix}에 대하여 A^{n}을 구하자. 행렬 A를 대각화하면 쉽게 구할 수 있다.\det(\lambda I-A)=\det\begin{pmatrix}\lambda-1&-4\\-3&\lambda-2\end{pmatrix}=(\lambda-1)(\lambda-2)-(-3)(-4)=(\lambda+2)(\lambda-5)이므로 고유값은 \lambda_{1}=5, \lambda_{2}=-2이고 이에 대응하는 고유벡터를 구하면\begin{pmatrix}4&-4\\-3&3\end{pmatrix}\begin{pmatrix}x_{1}\\x_{2}\end{pmatrix}=\begin{pmatrix}0\\0\end{pmatrix},\,\mathbf{x}_{1}=\begin{pmatrix}1\\1\end{pmatrix}이고\begin{pmatrix}-3&-4\\-3&-4\end{pmatrix}\begin{pmatrix}x_{1}\\x_{2}\end{pmatrix}=\begin{pmatrix}0\\0\end{pmatrix},\,\mathbf{x}_{2}=\begin{pmatrix}-4\\3\end{pmatrix}이므로 행렬 Q\displaystyle Q=\begin{pmatrix}1&-4\\1&3\end{pmatrix}이라 하면, \displaystyle Q^{-1}=\frac{1}{7}\begin{pmatrix}3&4\\-1&3\end{pmatrix}이므로Q^{-1}AQ=\begin{pmatrix}5&0\\0&-2\end{pmatrix},\,A=Q\begin{pmatrix}5&0\\0&-2\end{pmatrix}Q^{-1}이므로\begin{align*}A^{n}&=Q\begin{pmatrix}5^{n}&0\\0&(-2)^{n}\end{pmatrix}Q^{-1}\\&=\frac{1}{7}\begin{pmatrix}3\cdot5^{n}+4\cdot(-2)^{n}&4\cdot5^{n}-4\cdot(-2)^{n}\\3\cdot5^{n}-3\cdot(-2)^{n}&4\cdot5^{n}+3\cdot(-2)^{n}\end{pmatrix}\end{align*}이다.


참고자료:

Linear Algebra, Jinho Kwak, sungpyo Hong, Birkhauser

이공학도를 위한 선형대수학, 김명재, 휴먼싸이언스

반응형
Posted by skywalker222