고윳값과 고유벡터: 초보자를 위한 친절한 입문

고윳값과 고유벡터는 처음 보면 신비롭게 느껴지지만, 그 밑에 깔린 아이디어는 직관적입니다: 행렬이 벡터를 변환할 때 대부분의 벡터는 회전되고 늘어납니다. 고유벡터는 회전되지 않고 늘어나기만 하는 특별한 방향입니다. 그 늘어남의 배율이 고윳값입니다.

정의

$n \times n$ 행렬 $A$ 가 주어졌을 때, 0이 아닌 벡터 $\mathbf{v}$ 가 다음을 만족하면 그것은 고윳값 $\lambda$ 를 갖는 고유벡터입니다:

$A \mathbf{v} = \lambda \mathbf{v}$

기하적으로: $A$ 가 $\mathbf{v}$ 에 작용하면 $\lambda$ 배의 $\mathbf{v}$ 가 나옵니다 — 같은 방향이고, 단지 크기만 조정될 뿐입니다.

구하는 방법 — 특성다항식

식을 정리하면 $(A - \lambda I)\mathbf{v} = \mathbf{0}$ 가 됩니다. 자명하지 않은 $\mathbf{v}$ 가 존재하려면 행렬 $A - \lambda I$ 가 특이행렬이어야 합니다. 즉:

$\det(A - \lambda I) = 0$

이것은 $\lambda$ 에 대한 다항식으로 전개되며, 이를 차수 $n$ 의 특성다항식이라고 부릅니다. 그 근이 고윳값입니다.

$2 \times 2$ 풀이 예제

$A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}$

1. $A - \lambda I = \begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix}$.
2. $\det = (4-\lambda)(3-\lambda) - 2 = \lambda^2 - 7\lambda + 10$.
3. $\lambda^2 - 7\lambda + 10 = 0$ 을 풀면: $\lambda = 5$ 또는 $\lambda = 2$.

$\lambda = 5$ 일 때: $(A - 5I)\mathbf{v} = 0$, 즉 $\begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\mathbf{v} = 0$ 을 풀면 고유벡터 $\mathbf{v}_1 = (1, 1)$ 가 나옵니다.

$\lambda = 2$ 일 때: 비슷한 과정으로 $\mathbf{v}_2 = (1, -2)$ 가 나옵니다.

고유벡터가 중요한 이유

• 주성분분석(PCA): 공분산행렬의 고유벡터는 데이터에서 변동의 주된 방향입니다.
• Google PageRank: 랭크 벡터는 웹 링크 행렬의 지배적인 고유벡터입니다.
• 양자역학: 관측가능량은 연산자이며, 그 고윳값은 측정할 수 있는 유일한 결과입니다.
• 미분방정식: 시스템 행렬의 고윳값은 해가 감쇠하는지 발산하는지를 알려 줍니다.

기하적 의미 요약

2차원 행렬에서 고유벡터는 특별한 축입니다. 좌표계를 그것에 맞추면 $A$ 는 대각행렬이 됩니다 — 회전 없이 각 축을 따라 순수하게 크기만 조정됩니다. 그것이 대각화이며, 수십 가지 알고리즘의 기초입니다.

흔한 실수

• 고유벡터가 스칼라 배를 제외하고 정의된다는 것을 잊는 것 — 고유벡터의 0이 아닌 임의의 배수도 고유벡터입니다.
• 특성방정식을 건너뛰고 추측하려는 것.
• $\det(A - \lambda I)$ 를 $\det(A) - \lambda$ 로 취급하는 것 — 그렇지 않습니다.

AI 행렬 솔버로 해 보기

행렬 계산기에 행렬을 넣고 고윳값을 요청하세요 — 모든 단계가 표시됩니다.

관련 참고:

• 행렬식 계산기 — 특성다항식에 필요
• 이차방정식 솔버 — $2\times 2$ 특성방정식의 경우에
• 벡터 계산기 — 고유벡터는 본질적으로 벡터