(문서 당 평균 편집수를 줄여봅시다) |
(고유벡터 구하기는 귀찮아서 나중에...) |
||
2번째 줄: | 2번째 줄: | ||
{{토막글}} | {{토막글}} | ||
== 정의 == | == 정의 == | ||
[[벡터공간]] ''V''가 주어지고 <math>\mathbf{v}\in V</math>를 영이 아닌 임의의 벡터라고 하자. [[선형사상]] <math>L:V\to V</math>에 대해 | [[체 (수학)|체]] ''F'' 위의 [[벡터공간]] ''V''가 주어지고 <math>\mathbf{v}\in V</math>를 영이 아닌 임의의 벡터라고 하자. [[선형사상|선형연산자]] <math>L:V\to V</math>에 대해 | ||
: <math>L(\mathbf{v})=\lambda \mathbf{v}</math> | : <math>L(\mathbf{v})=\lambda \mathbf{v}</math> | ||
인 [[스칼라]] λ가 존재하면 <math>\mathbf{v}</math>를 ''L''의 '''고유벡터(Eigenvector)'''라고 하고, λ를 '''고유값(Eigenvalue)'''이라고 한다. | 인 [[스칼라]] λ가 존재하면 <math>\mathbf{v}</math>를 ''L''의 '''고유벡터(Eigenvector)'''라고 하고, λ를 '''고유값(Eigenvalue)'''이라고 한다. | ||
선형연산자 ''L''을 나타내는 [[행렬 (수학)|행렬]]을 ''A''라고 하자. 그러면 [[방정식]]은 | |||
: <math>A\mathbf{v}=\lambda \mathbf{v}</math> | : <math>A\mathbf{v}=\lambda \mathbf{v}</math> | ||
가 된다. 즉, | 가 된다. 즉, | ||
13번째 줄: | 13번째 줄: | ||
: <math>\det(A-\lambda I)=0</math> | : <math>\det(A-\lambda I)=0</math> | ||
이다. | 이다. | ||
''x''를 체 ''F''의 원소라고 하자. <math>A-xI</math>를 ''A''의 '''특성행렬(characteristic matrix)''', <math>\det(A-xI)</math>를 ''A''의 '''특성다항식(characteristic polynomial)''', 방정식 <math>\det(A-xI)=0</math>을 ''A''의 '''특성방정식(characteristic equation)'''이라고 한다. 특성방정식의 근의 집합은 ''A''의 '''스펙트럼(spectrum)'''이라 한다. | |||
== 예시 == | |||
선형연산자 ''L''을 만족하는 행렬 ''A''가 다음과 같이 주어졌다고 하자. | |||
: <math>A=\begin{bmatrix} | |||
8 & 5 & 6 & 0\\ | |||
0 & -2 & 0 & 0\\ | |||
-10 & -5 & -8 & 0\\ | |||
2 & 1 & 1 & 2 | |||
\end{bmatrix}</math> | |||
그러면 ''A''의 특성다항식은 | |||
: <math>\det(A-xI)=\begin{vmatrix} | |||
8-x & 5 & 6 & 0\\ | |||
0 & -2-x & 0 & 0\\ | |||
-10 & -5 & -8-x & 0\\ | |||
2 & 1 & 1 & 2-x | |||
\end{vmatrix}=x^4-8x^2+16</math> | |||
이므로 특성방정식 <math>\det(A-xI)=0</math>를 만족하는 ''x''는 <math>x=\pm 2</math>이다. 따라서 ''A''의 고유값은 2와 -2이다. | |||
[[분류:선형대수학]] | [[분류:선형대수학]] |
2015년 6월 1일 (월) 23:11 판
정의
체 F 위의 벡터공간 V가 주어지고 [math]\displaystyle{ \mathbf{v}\in V }[/math]를 영이 아닌 임의의 벡터라고 하자. 선형연산자 [math]\displaystyle{ L:V\to V }[/math]에 대해
- [math]\displaystyle{ L(\mathbf{v})=\lambda \mathbf{v} }[/math]
인 스칼라 λ가 존재하면 [math]\displaystyle{ \mathbf{v} }[/math]를 L의 고유벡터(Eigenvector)라고 하고, λ를 고유값(Eigenvalue)이라고 한다.
선형연산자 L을 나타내는 행렬을 A라고 하자. 그러면 방정식은
- [math]\displaystyle{ A\mathbf{v}=\lambda \mathbf{v} }[/math]
가 된다. 즉,
- [math]\displaystyle{ (A-\lambda I)\mathbf{v}=O }[/math]
이고 이 방정식이 영이 아닌 근을 가지므로
- [math]\displaystyle{ \det(A-\lambda I)=0 }[/math]
이다.
x를 체 F의 원소라고 하자. [math]\displaystyle{ A-xI }[/math]를 A의 특성행렬(characteristic matrix), [math]\displaystyle{ \det(A-xI) }[/math]를 A의 특성다항식(characteristic polynomial), 방정식 [math]\displaystyle{ \det(A-xI)=0 }[/math]을 A의 특성방정식(characteristic equation)이라고 한다. 특성방정식의 근의 집합은 A의 스펙트럼(spectrum)이라 한다.
예시
선형연산자 L을 만족하는 행렬 A가 다음과 같이 주어졌다고 하자.
- [math]\displaystyle{ A=\begin{bmatrix} 8 & 5 & 6 & 0\\ 0 & -2 & 0 & 0\\ -10 & -5 & -8 & 0\\ 2 & 1 & 1 & 2 \end{bmatrix} }[/math]
그러면 A의 특성다항식은
- [math]\displaystyle{ \det(A-xI)=\begin{vmatrix} 8-x & 5 & 6 & 0\\ 0 & -2-x & 0 & 0\\ -10 & -5 & -8-x & 0\\ 2 & 1 & 1 & 2-x \end{vmatrix}=x^4-8x^2+16 }[/math]
이므로 특성방정식 [math]\displaystyle{ \det(A-xI)=0 }[/math]를 만족하는 x는 [math]\displaystyle{ x=\pm 2 }[/math]이다. 따라서 A의 고유값은 2와 -2이다.