고윳값과 고유벡터

 


고유벡터와 고윳값이 물어보는 것:
“벡터 x에 어떠한 선형변환 A를 했을 때, 그 크기만 변하고 원래 벡터와 평행한 벡터 x는 무엇인가요?”
“그렇다면, 그 크기는 얼마만큼 변했나요?”

벡터에 행렬 연산을 취해준다는 것은?

행렬은 선형 변환 연산이다. ‘선형’이라는 말이 어렵게 들릴 수 있으니, 일단 변환이라고 하자. 무엇을 변환시켜 준 것일까? 행렬은 벡터를 변환시켜 다른 벡터를 출력해준다1.


그림 1. 행렬은 벡터를 변환시켜주는 연산자이다.

그림 1에서 볼 수 있듯이 행렬을 이용해 벡터를 변환 시켜 주면, 변환 후의 벡터($A\vec{x}$)는 변환 전의 벡터($\vec{x}$)와 비교했을 때, 크기도 방향도 모두 변할 수 있다. 아래의 애플릿을 이용해 임의의 벡터와 행렬을 이용한 선형 변환 결과를 확인해보자.

고윳값과 고유벡터의 의미

그림 1과 위 애플릿이 말하는 것은, 벡터에 행렬 연산을 취해주면 원래 것과 다른 벡터가 나온다는 것이었다. 그런데, 특정한 벡터와 행렬은 선형 변환을 취해주었을 때, 크기만 바뀌고 방향은 바뀌지 않을 수도 있다2. 예를 들어, 위의 애플릿에서 vector에는

\[\left[ \begin{array}{c} 1\\ 1 \end{array} \right] \notag\]

을 입력으로 넣어주고, matrix에는

\[\left[ \begin{array}{c} 2 & 1\\ 1 & 2 \end{array} \right] \notag\]

를 입력으로 넣어준 뒤 결과를 확인해보자.


그림 2. 어떤 벡터와 행렬은 변환시키면 평행하지만 크기만 바뀐 벡터를 출력한다.

즉, 입력 벡터 $\vec{x}$를 $A$로 선형변환 시킨 결과($A\vec{x}$)가 상수배라는 것이다.

\[A\vec{x} = \lambda \vec{x}\]


그림 3. 어떤 벡터와 행렬은 변환시키면 평행하지만 크기만 바뀐 벡터를 출력한다.

고윳값, 고유벡터의 정의

DEFINITION 1. 고윳값, 고유벡터
임의의 $n\times n$ 행렬 $A$ 에 대하여, 0이 아닌 솔루션 벡터 $\vec{x}$ 가 존재한다면 숫자 $\lambda$ 는 행렬 $A$ 의 고윳값라고 할 수 있다.
$$A\vec{x}=\lambda \vec{x}$$
이 때, 솔루션 벡터 $\vec{x}$ 는 고윳값 $\lambda$ 에 대응하는 고유벡터이다.

이 때, 식 (2)는 행렬의 성질에 의해서 다음과 같이 바꿀 수 있다.

\[(A-\lambda I)\vec{x}=0\]

이 때, $I$ 는 identity matrix이다.

여기서 식 (3)이 성립하기 위한 조건은 두 가지인데 괄호 안의 식이 0이 되는 경우와 $\vec{x} = 0$인 경우이다. 첫 번째 조건만 성립하는 경우라면 우리는 적절한 $\lambda$와 0이 아닌 $\vec{x}$를 구할 수 있겠지만, 두 번째 조건이 만족되는 경우에는 아무런 $\lambda$와 $\vec{x} =0$이라는 솔루션을 얻게 된다.

따라서, 식 (3)의 괄호안에 있는 식으로 부터 얻는 행렬은 역행렬을 가지지 않아야만 아무런 $\lambda$와 $\vec{x}=0$라는 ‘trivial solution’을 얻게되는 결과를 피할 수 있다. 따라서, 가 nontrivial solution을 가지기 위한 필요충분 조건은

\[det(A-\lambda I)=0\]

이다.

예시를 통한 고유벡터와 고윳값 계산하기

다음과 같은 행렬 A를 생각해보자.

\[A = \left[ \begin{array}{c} 2 & 1\\ 1 & 2 \end{array} \right]\]

이 행렬에 대해 고윳값과 고유벡터를 구해보도록 하자.

고윳값과 고유벡터의 정의에 따라, 고윳값 $\lambda$와 고유벡터 $\vec{x}$는 다음과 같은 식을 만족한다.

\[A\vec{x} = \lambda\vec{x}\]

그러므로, 행렬의 성질에 의해 $(A-\lambda I)\vec{x}=0$이다. 또한, $\vec{x}$가 nontrivial solution을 갖기 위해서는 다음이 만족해야 한다.

\[det(A-\lambda I) = 0\]

그러므로,

\[det(A-\lambda I) = det \left( \left[ \begin{array}{c} 2 - \lambda& 1\\ 1 & 2 -\lambda \end{array} \right] \right) = 0\] \[\Rightarrow (2-\lambda)^2-1\] \[= (4-4\lambda + \lambda ^2)-1\] \[=\lambda ^2 -4\lambda + 3 = 0\]

그러므로, $\lambda_1=1$, $\lambda_2=3$이다.

즉, 선형변환 $A$의 고윳값는 $1$과 $3$이다. 바꿔 말하면, 선형 변환을 했을 때 그 크기는 변하고 방향이 변하지 않는 벡터가 있다고 할 때, 그 벡터의 크기는 각각 1배와 3배가 된다는 의미이다. 이제, 고유벡터를 찾아보도록 하자.

다시 한번 식 (2)는 고윳값 $\lambda_1=1$, $\lambda_2=3$에 대해서 모두 만족해야 한다. 그러므로, $\lambda_1=1$인 경우에 대해,

\[A\vec{x} = \lambda_1 \vec{x}\] \[\Rightarrow \left[ \begin{array}{c} 2 & 1\\ 1 & 2 \end{array} \right] \left[ \begin{array}{c} x_1\\ x_2 \end{array} \right] = 1\left[ \begin{array}{c} x_1\\ x_2 \end{array} \right]\]

를 만족해야 하므로 아래의 연립방정식이 성립되어야 한다.

\[2x_1+x_2=x_1\] \[x_1+2x_2=x_2\]

그러므로, $\lambda_1=1$인 경우의 고유벡터는

\[\left[ \begin{array}{c} x_1\\ x_2 \end{array} \right] = \left[ \begin{array}{c} 1\\ -1 \end{array} \right]\]

이며,

같은 방식으로 $\lambda_2=3$인 경우의 고유벡터는

\[\left[ \begin{array}{c} x_1\\ x_2 \end{array} \right] = \left[ \begin{array}{c} 1\\ 1 \end{array} \right]\]

이다.

그러므로 기하학적으로 이것을 다시 설명하면, $\vec{x} = [1,1]$ 벡터는 선형변환 $A$ 를 취해주면 그 방향은 변하지 않고, 크기가 3배가 된다. 또, $\vec{x} = [1, -1]$ 벡터는 선형변환 $A$ 를 취해주게 되면 그 방향은 변하지 않고 크기는 1배가 된다는 의미이다.

  1. 일반적으로는 벡터공간에 대한 선형 변환 연산이라고 할 수 있다. 

  2. 여기서 크기는 음수를 포함한다.