고윳값과 고유벡터, 방향이 안 변하는 벡터는 왜 특별할까?

계산은 되는데 의미를 모르겠다

$\det(A - \lambda I) = 0$ 을 풀어 $\lambda$ 를 구하고, 대입해서 벡터를 찾는 절차는 익숙합니다. 그런데 "그래서 이게 뭔데?"라는 질문에는 답하기 어렵죠.

한 문장으로 시작하면 훨씬 쉬워집니다. 고유벡터는 그 변환이 방향을 바꾸지 못하는 방향입니다.

한 줄 정의

$A\vec{v} = \lambda \vec{v}, \qquad \vec{v} \ne \vec{0}$

행렬 $A$ 를 곱했는데 결과가 원래 벡터의 상수배가 되는 경우입니다. 방향은 그대로고 길이만 $\lambda$ 배 변합니다.

• $\vec{v}$ — 고유벡터(eigenvector)
• $\lambda$ — 고윳값(eigenvalue)

직접 구해 보기

$A = \begin{bmatrix} 2 & 1 \\ 1 & 2 \end{bmatrix}$

① 특성방정식을 세웁니다.

$\det(A - \lambda I) = \begin{vmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \end{vmatrix} = (2-\lambda)^2 - 1 = 0$

$\lambda^2 - 4\lambda + 3 = 0 \;\Rightarrow\; \lambda = 3,\ 1$

② 각 $\lambda$ 에 대해 벡터를 찾습니다.

$\lambda = 3$ 일 때 $(A - 3I)\vec{v} = 0$ 에서 $-v_1 + v_2 = 0$, 즉 $\vec{v} = (1, 1)$.

$\lambda = 1$ 일 때 $v_1 + v_2 = 0$, 즉 $\vec{v} = (1, -1)$.

이 두 방향은 아무리 $A$ 를 곱해도 기울기가 안 바뀝니다. $(1,1)$ 은 3배로 늘어나고, $(1,-1)$ 은 그대로 남습니다.

그래서 무엇이 쉬워지는가

가장 큰 이득은 거듭제곱에서 나옵니다. $A^{10}$ 을 직접 곱하려면 끔찍하지만, 고유벡터 방향에서는 그냥

$A^{10}\vec{v} = \lambda^{10}\vec{v}$

입니다. 행렬 곱이 스칼라 거듭제곱이 됩니다.

일반 벡터도 고유벡터들의 합으로 쪼갤 수 있다면 같은 이득을 봅니다. 이것이 대각화입니다.

$A = PDP^{-1} \;\Rightarrow\; A^n = PD^nP^{-1}$

$D$ 는 고윳값을 대각선에 놓은 행렬이라 거듭제곱이 각 성분의 거듭제곱일 뿐입니다.

어디에 쓰이나

공통점이 보입니다. 전부 **"이 시스템이 스스로 가지고 있는 방향과 배율"**입니다. 외부에서 넣은 게 아니라 행렬 자체에 내재된 성질이라 "고유(eigen-)"라는 이름이 붙었습니다.

정리

• 고유벡터는 그 변환이 방향을 바꾸지 못하는 방향, 고윳값은 그때의 배율입니다
• $\det(A-\lambda I)=0$ 인 이유는 0이 아닌 해가 존재해야 하기 때문입니다
• 고유벡터 방향에서는 행렬 거듭제곱이 스칼라 거듭제곱이 됩니다
• 대각화 $A = PDP^{-1}$ 가 그 이득을 일반 벡터로 확장합니다
• 대각화가 항상 되는 건 아니지만 대칭행렬은 항상 되고 고유벡터가 직교합니다
• 고유진동수·안정성·주성분은 전부 같은 개념의 다른 얼굴입니다

계산이 겉돌았던 건 절차를 몰라서가 아니라, 무엇을 찾고 있는지 몰랐기 때문입니다.