고유값과 고유벡터 계산기: 단계별 가이드
고유값과 고유벡터 계산기는 정사각행렬 A에 대해 Av = λv를 만족하는 스칼라 λ와 0이 아닌 벡터 v를 찾습니다. 특성방정식 det(A - λI) = 0을 사용하여 고유값을 해결한 후 역대입하여 각 고유벡터를 구합니다. 고유값과 고유벡터는 선형변환이 공간을 어떻게 확장, 축소 또는 반사하는지를 보여주며, 주성분분석에서 구조 진동 분석, 그리고 Google의 PageRank 알고리즘에 이르는 많은 기법의 기초가 됩니다. 이 가이드는 실제 계산을 통해 완전한 방법을 단계별로 설명하며, 일반적인 2×2 행렬과 대각/삼각행렬 바로가기를 모두 다루고, 완전한 해결책이 있는 연습 문제를 제시합니다.
목차
고유값과 고유벡터란 무엇인가?
고유값과 고유벡터 계산기는 하나의 핵심 방정식을 중심으로 구축됩니다. n×n 정사각행렬 A에 대해, A에 v를 곱한 결과가 v와 같은 방향을 가리키는 벡터가 되는 0이 아닌 벡터 v를 고유벡터라고 합니다. 그 결과는 스칼라배일 뿐입니다. 그 스칼라를 λ(람다)로 나타냅니다. 즉, Av = λv (v ≠ 0)입니다. 식을 정리하면 (A - λI)v = 0이 됩니다. 여기서 I는 A와 같은 크기의 항등행렬입니다. 이는 동차 선형시스템이며, 행렬 (A - λI)가 특이행렬(행렬식이 0)일 때만 0이 아닌 해 v를 갖습니다. 이 유일한 요구사항인 det(A - λI) = 0을 특성방정식이라 하며, 이를 푸는 것이 A의 모든 고유값을 찾는 첫 번째 단계입니다. 행렬 A가 n개의 선형독립 고유벡터를 가질 때, 이 고유벡터들을 행렬 P의 열로 조립할 수 있으며, A는 A = PDP⁻¹로 다시 쓸 수 있습니다. 여기서 D는 대응하는 고유값을 포함하는 대각행렬입니다. 이 과정을 대각화라 하며, 고유값과 고유벡터를 따로가 아닌 함께 연구하는 주된 이유입니다. A의 "고유분해"는 이 두 부분을 모두 가질 때만 가능합니다.
Av = λv: 고유벡터 v는 변환 A 아래에서 방향을 유지합니다. 스칼라 고유값 λ에 의해서만 확장, 축소 또는 뒤집혀집니다.
고유값과 고유벡터 계산기는 단계별로 어떻게 구하는가?
단계별 고유값과 고유벡터 계산기는 행렬이 2×2이든 6×6이든 항상 같은 4단계 과정을 따릅니다. 크기에 따라 변하는 것은 각 단계에 필요한 계산의 양뿐입니다. 모든 행렬이 이렇게 깔끔하게 작동하지는 않습니다. 반복되는 고유값은 완전한 독립 고유벡터 세트를 가지거나 예상보다 적은 독립 고유벡터를 가질 수 있습니다. 이를 결함 행렬이라 합니다. 비대칭 실행렬은 복소수 공액 고유값 쌍을 생성할 수 있으며 복소 고유벡터를 갖습니다. 고유값과 고유벡터 계산기는 동일한 특성방정식 방법으로 이 3가지 경우를 모두 처리합니다. 2단계에 도달한 후 결과의 해석만 변경됩니다.
1. 단계 1 — 특성방정식 구성
A의 각 대각 원소에서 λ를 빼서 (A - λI)를 형성하고, 그 행렬식을 0으로 설정합니다: det(A - λI) = 0. 이 행렬식을 전개하면 특성다항식이라 불리는 λ에 대한 다항식을 얻습니다.
2. 단계 2 — 특성다항식을 λ에 대해 풀기
인수분해 또는 이차공식(2×2 행렬의 경우) 또는 다항식 인수분해 기법(더 큰 행렬의 경우)을 사용하여 모든 근을 찾습니다. 각 근은 A의 하나의 고유값입니다. n×n 행렬은 중복도를 포함하여 정확히 n개의 고유값을 가지며, 반복되거나 복소수를 포함할 수 있습니다.
3. 단계 3 — 각 고유값을 역대입하여 고유벡터 찾기
각 고유값 λ에 대해, (A - λI)v = 0에 대입하고 결과 선형시스템을 v에 대해 풀립니다. 구성상 det(A - λI) = 0이므로, 이 시스템은 항상 무한히 많은 해를 갖습니다. 이를 만족하는 가장 간단한 0이 아닌 벡터를 선택하세요.
4. 단계 4 — Av = λv로 검증
원래 행렬 A에 찾은 고유벡터 v를 곱하고 그 결과가 λ곱하기 v와 같은지 확인합니다. 이 검사는 산술 오류가 최종 답에 전파되기 전에 이를 포착합니다.
5. 단계 5 — 여인수 전개를 사용하여 더 큰 행렬 처리
3×3 이상의 행렬의 경우, det(A - λI)는 행 또는 열을 따라 여인수(소행렬식) 전개를 사용하여 전개되며, 이는 행렬식을 λ를 포함하는 부호가 있는 더 작은 행렬식의 합으로 변환합니다. 결과는 λ에 대한 n차 다항식입니다. 대각선 또는 삼각형 바로가기가 적용되지 않을 때, 전개된 다항식의 상수항을 사용하여 먼저 유리근을 찾고, 찾은 각 근을 인수분해한 후 남은 이차 또는 일차 인수를 풀립니다.
모든 고유값 문제는 두 단계로 축소됩니다: λ에 대해 det(A - λI) = 0을 풀고, v에 대해 (A - λI)v = 0을 풀기.
실제 예시: 2×2 행렬의 고유값과 고유벡터 구하기
A = [[4, 1], [2, 3]]을 생각해봅시다. 이는 두 개의 서로 다른 실수 고유값을 가진 표준 2×2 행렬로, 완전한 방법의 깔끔한 첫 번째 예시를 제공합니다.
1. 단계 1 — 특성방정식 설정 및 전개
(A - λI) = [[4-λ, 1], [2, 3-λ]] det(A - λI) = (4-λ)(3-λ) - (1)(2) = λ² - 7λ + 12 - 2 = λ² - 7λ + 10
2. 단계 2 — 인수분해하고 고유값 풀기
λ² - 7λ + 10 = (λ - 5)(λ - 2) = 0, 따라서 λ₁ = 5 그리고 λ₂ = 2.
3. 단계 3 — λ₁ = 5의 고유벡터 찾기
(A - 5I) = [[-1, 1], [2, -2]] 첫 번째 행은 -x + y = 0을 주고, y = x입니다. x = 1을 선택하면 고유벡터 v₁ = (1, 1)을 얻습니다.
4. 단계 4 — λ₂ = 2의 고유벡터 찾기
(A - 2I) = [[2, 1], [2, 1]] 첫 번째 행은 2x + y = 0을 주고, y = -2x입니다. x = 1을 선택하면 고유벡터 v₂ = (1, -2)를 얻습니다.
5. 단계 5 — 두 결과 검증
Av₁ = [4(1)+1(1), 2(1)+3(1)] = [5, 5] = 5(1, 1) ✓ Av₂ = [4(1)+1(-2), 2(1)+3(-2)] = [2, -4] = 2(1, -2) ✓ 두 고유쌍이 확인되었습니다.
6. 단계 6 — 행렬이 대각화 가능함을 확인
두 고유값이 실수이고 서로 다르므로, A는 대각화 가능합니다. v₁과 v₂를 P = [[1, 1], [1, -2]]의 열로 조립하고 D = [[5, 0], [0, 2]]를 사용하면 원래 행렬이 A = PDP⁻¹을 통해 복원됩니다. 두 개의 서로 다른 고유값을 가진 모든 2×2 행렬은 이 방식으로 대각화 가능함이 보장됩니다.
7. 단계 7 — 대각합과 행렬식을 사용한 교차 검증
두 가지 빠른 검산은 모든 정사각행렬에 대해 작동합니다. 고유값의 합은 항상 A의 대각합(대각 원소의 합)과 같고, 고유값의 곱은 항상 det(A)와 같습니다. 여기서 5 + 2 = 7은 대각합(A) = 4 + 3 = 7과 일치하고, 5 × 2 = 10은 det(A) = (4)(3) - (1)(2) = 10과 일치합니다. 이는 두 고유값이 모두 올바름을 확인합니다.
결과: A = [[4,1],[2,3]]는 고유값 λ₁ = 5(고유벡터 (1, 1))와 λ₂ = 2(고유벡터 (1, -2))를 가집니다.
대각행렬 또는 삼각행렬의 고유값은 어떻게 구하는가?
대각행렬과 삼각행렬은 특성방정식 계산을 완전히 건너뛸 수 있는 바로가기를 제공합니다. 이들의 고유값은 단순히 주대각선상의 항목입니다. 이는 λ를 삼각행렬의 대각선에서 빼도 삼각 형태로 유지되고, 삼각행렬의 행렬식은 단순히 그 대각 항목의 곱이기 때문입니다.
1. 단계 1 — 대각행렬에서 고유값 직접 읽기
D = [[3, 0, 0], [0, -1, 0], [0, 0, 5]]에 대해, det(D - λI) = (3-λ)(-1-λ)(5-λ)이므로, 고유값은 단순히 λ = 3, λ = -1, λ = 5입니다. 소거가 필요 없습니다. 대응하는 고유벡터는 표준 기저벡터 (1,0,0), (0,1,0), (0,0,1)입니다.
2. 단계 2 — 상삼각행렬에 동일한 바로가기 적용
T = [[2, 4, 1], [0, 5, 3], [0, 0, -3]]에 대해, λ를 뺀 후에도 행렬이 상삼각 형태로 유지되므로, det(T - λI) = (2-λ)(5-λ)(-3-λ)입니다. 고유값은 대각 항목입니다: λ = 2, λ = 5, λ = -3.
3. 단계 3 — 삼각행렬의 고유벡터를 역대입으로 찾기
T에서 λ = 5일 때: (T - 5I) = [[-3, 4, 1], [0, 0, 3], [0, 0, -8]]. 두 번째 행은 3z = 0을 주고, z = 0입니다. 첫 번째 행은 -3x + 4y + z = 0을 주고, -3x + 4y = 0입니다. y = 3을 선택하면 x = 4가 되어, v = (4, 3, 0)입니다.
4. 단계 4 — 삼각행렬 고유벡터 검증
Tv = [2(4)+4(3)+1(0), 5(3), -3(0)] = [20, 15, 0] = 5(4, 3, 0) ✓, 이는 λ = 5가 고유벡터 (4, 3, 0)과 올바르게 대응됨을 확인합니다.
5. 단계 5 — 바로가기가 속도 이상의 의미를 갖는 이유 이해
이 바로가기는 단순한 편의 이상입니다. A를 삼각 또는 대각행렬 D로 변환할 수 있다면, A의 큰 거듭제곱을 계산하는 것(점화식과 미분방정식 시스템 해결에 필요)은 D의 거듭제곱을 계산하는 것으로 축소되며, 이는 단순히 각 대각 항목을 그 거듭제곱으로 올리는 것을 의미합니다.
바로가기: 모든 대각 또는 삼각행렬에 대해, 고유값은 정확히 대각 항목입니다 — det(A - λI) = (d₁-λ)(d₂-λ)⋯(dₙ-λ).
고유값과 고유벡터가 기하학적으로 의미하는 바는 무엇인가?
행렬 A를 공간의 모든 점을 이동시키는 변환으로 생각해봅시다. 대부분의 벡터는 A를 적용할 때 새로운 방향으로 밀려나가지만, 고유벡터는 A가 회전하지 않는 특수한 방향입니다. 고유벡터 방향을 따른 벡터는 확장, 압축 또는 뒤집혀질 뿐 절대로 회전되지 않습니다. 고유값 λ는 정확히 얼마나 그런지를 말해줍니다. |λ| > 1은 고유벡터 방향을 확장하고, 0 < |λ| < 1은 그것을 원점을 향해 압축하며, 음수 λ는 같은 직선 위에 있으면서도 반대 방향으로 뒤집습니다. 위의 2×2 예시에서, (1, 1)을 지나는 원점으로부터의 직선을 따른 모든 벡터는 A 아래에서 계수 5만큼 확장되고, (1, -2)를 지나는 직선을 따른 모든 벡터는 계수 2만큼 확장됩니다. 평면의 다른 벡터는 이 두 방향의 조합이므로, A를 반복 적용한 경로는 더 큰 고유값에 의해 점점 더 지배됩니다. 이는 Markov 체인 수렴과 PageRank 같은 반복 알고리즘을 지배하는 동일한 아이디어입니다. 모든 행렬이 전체 공간에 걸칠 수 있을 만큼 충분한 독립적인 고유벡터 방향을 갖지는 않습니다. 그럴 때는 대각행렬 D로 정확히 표현할 수 없으며, 수학자들은 대신 Jordan 형식이라 불리는 관련 구조를 다룹니다. 이것이 반복 고유값이 때때로 문제를 일으키는 기하학적 이유입니다. 두 방향이 하나의 축으로 붕괴되어 n×n 행렬이 대각화할 수 있는 독립 방향이 n개 미만이 됩니다.
1. 간단한 예 — 반사 행렬
A = [[0, 1], [1, 0]]에 대해, det(A - λI) = λ² - 1 = 0을 풀면 λ = 1과 λ = -1을 얻습니다. λ = 1의 고유벡터는 (1, 1) — 직선 y = x로, A가 완전히 그대로 놔둡니다. λ = -1의 고유벡터는 (1, -1)로, A가 끝에서 끝으로 반사시키는 직선입니다. 이것이 정확히 행렬이 그 기하학적 이름을 어떻게 얻는지입니다. 그것은 직선 y = x를 가로질러 평면을 반사시키며, 두 고유값(1과 -1)은 '유지'와 '반사' 방향을 정확히 포착합니다.
기하학적으로, 고유벡터는 변환이 존중하는 축이고; 고유값은 각 축을 따라 얼마나 확장, 축소 또는 반사하는지입니다.
고유값과 고유벡터가 실제 응용에서 어떻게 나타나는가?
고유값과 고유벡터는 단순한 선형대수 연습이 아니라, 공학, 데이터 과학, 물리학에서 매일 사용되는 여러 도구의 수학적 기초입니다. 아래의 각 경우에, 위 섹션의 동일한 특성방정식 방법이 출발점입니다. 분석되는 행렬만 바뀝니다.
1. 주성분분석 (PCA)
데이터 과학자들은 데이터셋의 공분산행렬의 고유벡터를 계산하여 최대 분산 방향을 찾고, 그 다음 가장 큰 고유값을 사용하여 어떤 방향(주성분)이 차원 축소를 위해 가장 많은 정보를 포착하는지를 결정합니다.
2. 구조 및 기계 진동 분석
엔지니어들은 구조의 자연 진동 주파수를 강성/질량 시스템의 고유값으로 모델링하고, 고유벡터는 대응하는 모드 형태를 설명합니다 — 각 주파수에서 구조가 물리적으로 어떻게 굽는지를 나타냅니다.
3. 검색 순위 알고리즘
Google의 원래 PageRank 알고리즘은 웹의 링크 구조로부터 구성된 행렬의 지배적인 고유벡터를 사용하여 웹 페이지를 순위 매깁니다. 그 고유벡터는 무작위 방문자의 장기 정상 상태 분포를 나타냅니다.
4. 동역학 시스템의 안정성
미분방정식 및 제어 이론에서, 시스템의 고유값의 부호와 크기는 시스템이 평형으로 돌아가는지, 진동하는지, 또는 시간이 지남에 따라 제한 없이 성장하는지를 결정합니다.
이 모든 응용은 이 가이드가 답하는 동일한 질문으로 축소됩니다: 어떤 방향이 행렬을 존중하고, 각각을 얼마나 스케일합니까?
고유값과 고유벡터를 계산할 때의 일반적인 실수
손으로 계산한 고유값과 고유벡터 계산의 대부분의 오류는 소수의 실수로 인합니다. 최종 답을 믿기 전에 특히 이 5가지를 주의하세요.
1. 실수 1 — 모든 항목에서 λ를 빼기 (대각선만이 아니라)
A - λI를 형성할 때, A의 대각 원소만 λ를 빼서 변경됩니다. 원래 행렬의 대각 이외의 항목은 정확히 그대로입니다.
2. 실수 2 — 고유벡터를 유일하다고 취급
고유벡터는 0이 아닌 스칼라배까지만 정의됩니다 — (1, 1), (2, 2), (-3, -3)은 모두 같은 고유값의 유효한 고유벡터입니다. 올바른 고유벡터가 없으며, 올바른 방향만 있습니다.
3. 실수 3 — 더 큰 행렬식을 전개할 때의 부호 오류
3×3 이상의 행렬의 경우, 여인수 전개는 교대 부호를 포함합니다. 마이너스 부호를 빠뜨리거나 잘못 배치하는 것이 잘못된 특성다항식의 가장 일반적인 원인입니다.
4. 실수 4 — 비삼각 행렬에 대각선 바로가기 적용
"고유값은 대각 항목과 같다"는 바로가기는 대각 및 삼각행렬에만 적용됩니다. [[4,1],[2,3]] 같은 일반 행렬의 경우, 대각 항목 4와 3은 고유값이 아닙니다 — 여전히 완전한 특성방정식이 필요합니다.
5. 실수 5 — 고유값이 실수여야 한다고 가정
비대칭 행렬은 복소수 공액 고유값 쌍을 가질 수 있으며, 원래 행렬의 모든 항목이 실수일지라도 복소 항목의 고유벡터를 갖습니다. 이는 회전 같은 행렬에서 가장 자주 나타나므로, 특성다항식이 실근을 갖지 않는다고 해서 결과를 버리지 마세요 — 대신 복소수에서 풀어보세요.
고유벡터 실수를 잡는 가장 빠른 방법은 Av를 다시 계산하고 진정으로 λv와 같은지 확인하는 것입니다.
연습 문제: 고유값과 고유벡터 이해도 테스트
이 3가지 문제를 풀고, 아래 답변과 단계를 비교하세요.
1. 문제 1 — A = [[1, 2], [2, 1]]의 고유값과 고유벡터 구하기
답: det(A-λI) = (1-λ)² - 4 = λ² - 2λ - 3 = (λ-3)(λ+1) = 0, 따라서 λ₁ = 3과 λ₂ = -1. λ₁ = 3에 대해: (A-3I) = [[-2,2],[2,-2]]는 x = y를 주므로, v₁ = (1,1). λ₂ = -1에 대해: (A+I) = [[2,2],[2,2]]는 x = -y를 주므로, v₂ = (1,-1).
2. 문제 2 — 상삼각행렬 U = [[6, 2], [0, -2]]의 고유값 구하기
답: U는 삼각이므로 그 고유값은 대각선에서 직접 읽습니다: λ₁ = 6과 λ₂ = -2. 특성방정식 계산이 필요 없습니다.
3. 문제 3 — v = (2, 1)이 A = [[3, 4], [0, 1]]의 고유벡터인가?
답: Av = [3(2)+4(1), 0(2)+1(1)] = (10, 1). v가 고유벡터이려면, (10, 1)이 (2, 1)의 스칼라배여야 합니다. 하지만 10/2 = 5인 반면 1/1 = 1입니다 — 비율이 맞지 않으므로, v = (2, 1)은 A의 고유벡터가 아닙니다.
4. 문제 4 — 상삼각행렬 M = [[2, 1, 0], [0, 2, 5], [0, 0, 7]]의 고유값 구하기
답: M은 상삼각이므로 그 고유값은 대각 항목입니다: λ = 2 (대각선의 두 위치에 나타나므로 중복도 2)와 λ = 7. λ = 2 같은 반복 고유값은 정확히 λ = 2에 대해 두 개의 독립 고유벡터가 존재하는지 또는 하나만 존재하는지를 별도로 확인해야 할 때입니다 — 이 구별이 M이 대각화 가능한지를 결정합니다.
주어진 벡터가 고유벡터인지 확인하는 것은 간단합니다: Av를 계산하고 모든 성분이 같은 상수로 스케일되는지 확인하세요.
단계별 연습을 위해 고유값과 고유벡터 계산기를 사용하는 이유는?
손으로 고유값을 계산하는 것은 2×2 행렬에서는 빠르지만, 3×3 이상의 시스템에서는 계산이 빠르게 증가하며, 특성다항식의 단 하나의 부호 오류가 그 다음의 모든 고유값과 고유벡터를 망쳐버립니다. 각 단계를 보여주는 고유값과 고유벡터 계산기(특성방정식, 인수분해된 다항식, 그리고 모든 고유벡터의 역대입)를 사용하면, 최종 답이 일치하는지만 확인하는 것 대신 자신의 작업을 한 줄씩 확인할 수 있습니다. Solvify의 단계별 해결기와 AI 수학 튜터는 이 가이드가 하는 것과 같은 방식으로 특성방정식, 행렬식, 고유벡터 역대입을 설명하므로, 숙제를 검증하거나, 시험을 준비하거나, 특정 행렬에서 막혔을 때 각 단계 뒤의 추론을 잃지 않고 확인할 수 있습니다. 이는 특히 선형대수 과정의 중간에 유용합니다. 고유값 문제가 관련 가이드에서 다루는 행렬 연산, 행렬식, 행 축소 위에 직접 구축되기 때문입니다.
관련 게시물
관련 수학 풀이
단계별 해결책
최종 답만이 아닌 모든 단계의 상세한 설명을 얻으세요.
스마트 스캔 해결기
수학 문제의 사진을 찍고 즉시 단계별 해결책을 받으세요.
AI 수학 튜터
후속 질문을 하고 24시간 맞춤형 설명을 받으세요.