선형대수행렬의 대각화#384

행렬의 대각화

Matrix Diagonalization

행렬의 대각화는 독립인 고유벡터들을 좌표축으로 골라 정사각행렬을 대각행렬로 표현하는 일이다. 실수 2×2·3×3에서 네 단계로 기저행렬과 대각행렬을 구하고, 서로 다른 고윳값이면 가능한 이유와 중복 고윳값의 가능·불가능 사례를 비교한다.

주인공 기호
P
읽는 시간
약 7분
선수 개념
고윳값과 고유벡터행연산으로 구하는 역행렬기저에 따른 좌표

직관 — 변형에 맞는 좌표축 고르기

직관

같은 물체도 비스듬히 놓인 방향을 기준으로 재면 움직임이 단순해질 수 있다. 행렬이 각 방향을 따로 늘리게 만드는 축을 고른다. 새 좌표에서 계산한 뒤 원래 좌표로 돌아오는 것이 대각화다.

새 축은 고유벡터이고, 그것들을 열로 모은 행렬이 기저행렬 PP다. 단순히 행렬의 비대각성분을 지우는 작업과는 다르다. 대각화해 두면 같은 행렬을 여러 번 곱하는 계산이 고윳값의 거듭제곱으로 줄어든다.

행렬의 대각화는 가역인 기저행렬로 표현을 바꾸는 것이다

행렬의 대각화는 정사각행렬 AA에 대해 가역행렬 PP와 대각행렬 DD를 찾아 다음 관계를 만드는 것이다. 여기서는 실수 2×22\times2, 3×33\times3 행렬을 실수 고유벡터로 대각화한다.

P−1AP=D⟺A=PDP−1.(1)P^{-1}AP=D\quad\Longleftrightarrow\quad A=PDP^{-1}.\tag{1}
정의
기호이름원어뜻
AA주어진 행렬given matrix원래 좌표에서의 변환
PP기저행렬basis matrix독립 고유벡터를 열로 모은 행렬
DD대각행렬diagonal matrix대응하는 고윳값을 같은 순서로 둔 행렬
x,c\mathbf x,\mathbf c좌표열coordinate columnsx=Pc\mathbf x=P\mathbf c로 연결되는 두 표현
vj,λj\mathbf v_j,\lambda_j고유벡터·고윳값eigenvector, eigenvaluePP의 jj번째 열과 DD의 jj번째 대각

AA를 대각화할 수 있으면 '대각화 가능하다'고 한다. 대각행렬은 주대각 밖의 성분이 모두 0인 행렬이고, 곱하면 각 성분을 따로 늘리기만 한다.

D=(λ100λ2),D(c1c2)=(λ1c1λ2c2).(2)D=\begin{pmatrix}\lambda_1&0\\0&\lambda_2\end{pmatrix},\qquad D\begin{pmatrix}c_1\\c_2\end{pmatrix}=\begin{pmatrix}\lambda_1c_1\\\lambda_2c_2\end{pmatrix}.\tag{2}

성분이 서로 섞이지 않으므로 거듭제곱도 각 대각성분의 거듭제곱이다. 그림 1은 대표 행렬 A=(2112)A=\begin{pmatrix}2&1\\1&2\end{pmatrix}가 고유벡터 v1=(1,1)T\mathbf v_1=(1,1)^{\mathsf T}, v2=(1,−1)T\mathbf v_2=(1,-1)^{\mathsf T}로 만든 격자를 바꾸는 모습이다. 격자의 칸은 v1\mathbf v_1 방향으로만 3배 늘고 v2\mathbf v_2 방향은 그대로여서, 이 좌표에서 AA는 식 (2)의 diag⁡(3,1)\operatorname{diag}(3,1)처럼 움직인다.

A=(beginsmallmatrix2&1\\1&2endsmallmatrix)를 곱하기 전(위)과 후(아래)의 고유벡터 격자. 색칠한 칸은 mathbf v_1,mathbf v_2가 만든 평행사변형에서 3mathbf v_1,mathbf v_2가 만든 평행사변형으로 바뀐다.
그림 1 A=(2112)A=\left(\begin{smallmatrix}2&1\\1&2\end{smallmatrix}\right)를 곱하기 전(위)과 후(아래)의 고유벡터 격자. 색칠한 칸은 v1,v2\mathbf v_1,\mathbf v_2가 만든 평행사변형에서 3v1,v23\mathbf v_1,\mathbf v_2가 만든 평행사변형으로 바뀐다. figures/eigen_grid.py

PP는 직교행렬일 필요는 없다. 열들이 일차독립이어서 역행렬을 가지기만 하면 된다.

독립인 고유벡터가 왜 필요한가?

식 (1)의 첫 등식 양변에 왼쪽부터 PP를 곱하면 AP=PDAP=PD다. 이 행렬 등식의 jj번째 열을 읽으면 다음을 얻는다.

Avj=λjvj(j=1,…,n).(3)A\mathbf v_j=\lambda_j\mathbf v_j\quad(j=1,\ldots,n).\tag{3}

APAP의 jj번째 열은 AvjA\mathbf v_j이고, PDPD의 jj번째 열은 vj\mathbf v_j에 λj\lambda_j를 곱한 것이기 때문이다. PP가 가역이면 열들은 영벡터가 아니고 독립이므로, PP의 열은 독립인 고유벡터 nn개다. 거꾸로 독립인 고유벡터 nn개를 열로 모으면 PP가 가역이고 식 (3)이 모든 열에서 성립하므로 AP=PDAP=PD다. 따라서 실수에서 대각화 가능할 필요충분조건은 독립인 실수 고유벡터가 nn개 있다는 것이다.

새 좌표 c\mathbf c를 먼저 PP로 원래 좌표에 옮긴 뒤 AA를 작용시키고, 마지막에 P−1P^{-1}로 돌아온 결과가 DcD\mathbf c다. 곱의 오른쪽부터 동작한다는 순서를 잊지 않는다.

행렬을 대각화하는 순서는 네 단계다

대각화는 고윳값 → 고유벡터 → 개수 확인 → 행렬 조립의 순서로 한다. 각 단계에서 무엇을 확인하는지는 다음과 같다.

  1. 특성방정식 det⁡(tI−A)=0\det(tI-A)=0을 풀어 실수 고윳값을 모두 구한다.
  2. 고윳값마다 (A−λI)v=0(A-\lambda I)\mathbf v=\mathbf0을 풀어 고유공간의 독립인 벡터를 고른다.
  3. 고른 벡터가 모두 nn개인지 센다. 모자라면 대각화되지 않는다.
  4. 벡터를 열로 모아 PP를, 같은 순서의 고윳값으로 DD를 만들고 AP=PDAP=PD로 검산한다.

대표 AA는 pA(t)=(t−1)(t−3)p_A(t)=(t-1)(t-3)이고 고윳값 3, 1의 고유벡터로 (1,1)T(1,1)^{\mathsf T}, (1,−1)T(1,-1)^{\mathsf T}를 고른다. 독립인 벡터가 2개이므로 대각화된다. PP의 행렬식은 −2-2이므로 2×2 역행렬 공식으로 P−1P^{-1}도 바로 구한다.

P=(111−1),D=(3001),P−1=12(111−1).(4)P=\begin{pmatrix}1&1\\1&-1\end{pmatrix},\quad D=\begin{pmatrix}3&0\\0&1\end{pmatrix},\quad P^{-1}=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}.\tag{4}

APAP와 PDPD는 모두 (313−1)\begin{pmatrix}3&1\\3&-1\end{pmatrix}로 같다. 입력 x=(2,0)T\mathbf x=(2,0)^{\mathsf T}의 새 좌표는 P−1x=(1,1)TP^{-1}\mathbf x=(1,1)^{\mathsf T}이고, DD를 곱하면 (3,1)T(3,1)^{\mathsf T}, 다시 PP를 곱하면 (4,2)T(4,2)^{\mathsf T}다. 직접 계산한 AxA\mathbf x와 같다. 그림 2는 두 좌표에서 이 한 동작을 보여 준다.

위는 원래 좌표의 (2,0)↦(4,2), 아래는 고유벡터 기저 좌표의 (1,1)↦(3,1)이다. 같은 점의 표현이 달라지는 것이며 두 패널의 좌표 이름을 구별한다.
그림 2 위는 원래 좌표의 (2,0)↦(4,2)(2,0)\mapsto(4,2), 아래는 고유벡터 기저 좌표의 (1,1)↦(3,1)(1,1)\mapsto(3,1)이다. 같은 점의 표현이 달라지는 것이며 두 패널의 좌표 이름을 구별한다. figures/basis_coordinates.py

서로 다른 고윳값이면 왜 대각화될까?

서로 다른 고윳값에 속한 고유벡터는 언제나 일차독립이기 때문이다. 그래서 n×nn\times n 실수 행렬에 서로 다른 실수 고윳값이 nn개 있으면 고유벡터 nn개가 바로 기저가 된다.

2×2에서 λ1≠λ2\lambda_1\ne\lambda_2의 고유벡터 v1,v2\mathbf v_1,\mathbf v_2가 c1v1+c2v2=0c_1\mathbf v_1+c_2\mathbf v_2=\mathbf0을 만족한다고 하자. 양변에 A−λ2IA-\lambda_2I를 곱하면 v2\mathbf v_2의 항은 사라지고 v1\mathbf v_1의 항에는 λ1−λ2\lambda_1-\lambda_2가 곱해진다.

c1(λ1−λ2)v1=0.(5)c_1(\lambda_1-\lambda_2)\mathbf v_1=\mathbf0.\tag{5}

λ1−λ2≠0\lambda_1-\lambda_2\ne0이고 v1≠0\mathbf v_1\ne\mathbf0이므로 c1=0c_1=0이다. 그러면 c2v2=0c_2\mathbf v_2=\mathbf0에서 c2=0c_2=0이어서 두 벡터는 독립이다. 대표 AA에서 A−IA-I는 v1\mathbf v_1을 2v12\mathbf v_1로, v2\mathbf v_2를 영벡터로 보낸다.

3×3에서도 같은 방법이 통하는 이유

서로 다른 λ1,λ2,λ3\lambda_1,\lambda_2,\lambda_3의 고유벡터에 대해 c1v1+c2v2+c3v3=0c_1\mathbf v_1+c_2\mathbf v_2+c_3\mathbf v_3=\mathbf0이라 하자. 양변에 (A−λ2I)(A−λ3I)(A-\lambda_2I)(A-\lambda_3I)를 곱하면 v2,v3\mathbf v_2,\mathbf v_3의 항이 사라지고 c1(λ1−λ2)(λ1−λ3)v1=0c_1(\lambda_1-\lambda_2)(\lambda_1-\lambda_3)\mathbf v_1=\mathbf0이 남아 c1=0c_1=0이다. 남은 두 항은 위의 2개짜리 논증으로 c2=c3=0c_2=c_3=0이 된다.

고윳값이 모두 달라야 대각화되나요?

고윳값이 모두 달라야 대각화되는 것은 아니다. n×nn\times n 실수 행렬에 서로 다른 실수 고윳값이 nn개 있으면 대각화되지만, 이것은 충분조건이다. 중복된 경우에도 다음 절 식 (6)의 B′B'처럼 독립인 고유벡터를 nn개 고를 수 있으면 대각화된다.

3×3의 반복 고윳값도 대각화될 수 있다

고윳값 글의 B=(210020003)B=\begin{pmatrix}2&1&0\\0&2&0\\0&0&3\end{pmatrix}는 중근 2의 고유공간이 직선 하나였다. 첫 행의 1을 셋째 열로 옮긴 B′=(201020003)B'=\begin{pmatrix}2&0&1\\0&2&0\\0&0&3\end{pmatrix}도 pB′(t)=(t−2)2(t−3)p_{B'}(t)=(t-2)^2(t-3)을 갖지만, 고윳값 2의 동차식은 z=0z=0 하나뿐이므로 (1,0,0)T(1,0,0)^{\mathsf T}, (0,1,0)T(0,1,0)^{\mathsf T}를 고를 수 있다. 고윳값 3에서는 z=xz=x, y=0y=0이므로 (1,0,1)T(1,0,1)^{\mathsf T}를 고른다.

P3=(101010001),D3=diag⁡(2,2,3),P3−1=(10−1010001).(6)P_3=\begin{pmatrix}1&0&1\\0&1&0\\0&0&1\end{pmatrix},\quad D_3=\operatorname{diag}(2,2,3),\quad P_3^{-1}=\begin{pmatrix}1&0&-1\\0&1&0\\0&0&1\end{pmatrix}.\tag{6}

P3P_3의 행렬식이 1이라 세 열은 독립이다. B′P3B'P_3의 열은 (2,0,0)T(2,0,0)^{\mathsf T}, (0,2,0)T(0,2,0)^{\mathsf T}, (3,0,3)T(3,0,3)^{\mathsf T}이고 P3D3P_3D_3도 같아 대각화가 확인된다.

반대로 J=(2102)J=\begin{pmatrix}2&1\\0&2\end{pmatrix}에서는 고윳값 2의 고유공간이 y=0y=0 한 직선뿐이다. 그림 3에서 JJ는 (1,0)T(1,0)^{\mathsf T}를 (2,0)T(2,0)^{\mathsf T}로 보내 같은 직선 위에 두지만, (0,1)T(0,1)^{\mathsf T}와 (1,1)T(1,1)^{\mathsf T}는 (1,2)T(1,2)^{\mathsf T}, (3,2)T(3,2)^{\mathsf T}로 기울어진다. 두 번째 독립 열을 만들 수 없어 대각화되지 않는다.

J=(beginsmallmatrix2&1\\0&2endsmallmatrix)가 세 입력(회색)을 옮긴 결과. x_1축(점선) 위의 (1,0)만 같은 직선 위의 (2,0)으로 가고, 나머지 출력은 원래 직선을 벗어난다.
그림 3 J=(2102)J=\left(\begin{smallmatrix}2&1\\0&2\end{smallmatrix}\right)가 세 입력(회색)을 옮긴 결과. x1x_1축(점선) 위의 (1,0)(1,0)만 같은 직선 위의 (2,0)(2,0)으로 가고, 나머지 출력은 원래 직선을 벗어난다. figures/shear_one_line.py

따라서 근의 반복 자체가 아니라 각 고유공간에서 얻는 독립 방향의 총수를 확인해야 한다. 그림 4는 이 글의 행렬들에서 그 수를 크기 nn과 비교한다. AA와 B′B'는 nn개를 채우고, JJ는 2개 중 1개, 아래 해보기의 KK는 3개 중 2개, 90° 회전행렬 R=(0−110)R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}는 실수 고유벡터가 없어 0개다11 특성다항식의 근이 모두 실수이고, 고윳값마다 근으로 나온 횟수(대수적 중복도)와 고유공간의 차원(기하적 중복도)이 같으면 실수에서 대각화된다고도 말한다..

행렬마다 필요한 독립 고유벡터 수 n(테두리)과 실제로 고를 수 있는 독립인 실수 고유벡터 수(채운 막대). 두 수가 같은 A, B'만 실수에서 대각화된다.
그림 4 행렬마다 필요한 독립 고유벡터 수 nn(테두리)과 실제로 고를 수 있는 독립인 실수 고유벡터 수(채운 막대). 두 수가 같은 AA, B′B'만 실수에서 대각화된다. figures/eigenvector_count.py

대각화하면 거듭제곱이 왜 쉬워질까?

중간의 P−1PP^{-1}P가 단위행렬로 사라지기 때문이다. A2=PDP−1PDP−1=PD2P−1A^2=PDP^{-1}PDP^{-1}=PD^2P^{-1}이고, 같은 방식으로 양의 정수 kk에 대해 다음이 성립한다.

Ak=PDkP−1,Dk=diag⁡(λ1k,…,λnk).(7)A^k=PD^kP^{-1},\qquad D^k=\operatorname{diag}(\lambda_1^k,\ldots,\lambda_n^k).\tag{7}

대표 AA에서 D4=diag⁡(81,1)D^4=\operatorname{diag}(81,1)이므로 A4=PD4P−1=(41404041)A^4=PD^4P^{-1}=\begin{pmatrix}41&40\\40&41\end{pmatrix}다. 케일리–해밀턴 정리로 얻는 40A−39I40A-39I와 같다. AkA^k의 고윳값이 λjk\lambda_j^k라는 것도 DkD^k의 대각에서 바로 읽힌다. 지수의 범위와 계산은 대각화와 행렬의 거듭제곱에서, 활용은 피보나치 수열과 마르코프 체인에서 이어진다.

핵심

행렬의 대각화가 실수에서 가능하다는 것은 독립인 실수 고유벡터 nn개로 기저를 만들 수 있다는 것과 같다. 기저행렬의 열 순서와 대각행렬의 고윳값 순서를 맞춘다.

가역행렬이면 반드시 대각화되나요?

가역행렬이라도 대각화되지 않을 수 있다. 위 JJ는 행렬식이 4로 가역이지만 대각화되지 않는다. 반대로 diag⁡(0,1)\operatorname{diag}(0,1)은 이미 대각행렬이지만 역행렬이 없으므로 두 성질은 따로 판정한다.

대각화에서 고유벡터 순서나 길이를 바꾸어도 되나요?

대각화의 PP는 하나로 정해지지 않으며, 순서와 길이를 바꾸어도 된다. 열 순서를 바꾸면 DD의 대각 순서도 함께 바꾸고, 열을 0이 아닌 수로 곱하면 바뀐 PP의 역행렬을 쓴다. 대표 AA는 D=diag⁡(1,3)D=\operatorname{diag}(1,3)로도 대각화된다.

대각행렬 D만 구하라는 문제는 고유벡터를 안 구해도 되나요?

대각화가 가능하다는 것을 안 뒤라면 대각행렬 DD는 고윳값만으로 정해진다. 서로 다른 실수 고윳값이 nn개면 가능성이 바로 보장되므로 대표 AA의 DD는 diag⁡(3,1)\operatorname{diag}(3,1)이다. 고윳값이 겹치면 JJ처럼 불가능할 수 있으므로 고유공간의 독립 방향 수를 먼저 센다.

행렬의 대각화의 흔한 오해

  • 대각성분만 남기면 대각화다. — 대표 AA에서 비대각성분을 지운 2I2I는 고윳값이 2, 2여서 고윳값 3, 1을 가진 AA의 다른 좌표 표현이 될 수 없다.
  • 실수 행렬은 실수에서 모두 대각화된다. — 90° 회전행렬 RR은 실수 고윳값이 없어 실수 고유벡터 기저를 만들 수 없다. 복소수까지 허용하는 문제는 따로 구분한다.
  • 고유벡터를 PP의 행으로 넣어도 된다. — 해보기 1의 CC에서 고유벡터를 행으로 넣은 Q=(101−2)Q=\begin{pmatrix}1&0\\1&-2\end{pmatrix}는 Q−1CQ=(5−23/21)Q^{-1}CQ=\begin{pmatrix}5&-2\\3/2&1\end{pmatrix}로 대각행렬이 아니다. 고유벡터는 열에 넣는다.
  • DD의 순서는 PP와 따로 정해도 된다. — 같은 CC에서 열 순서는 그대로 두고 D=diag⁡(2,4)D=\operatorname{diag}(2,4)로 바꾸면 PDP−1=(2−104)PDP^{-1}=\begin{pmatrix}2&-1\\0&4\end{pmatrix}가 되어 CC로 돌아오지 않는다.

직접 해보기

  1. C=(4102)C=\begin{pmatrix}4&1\\0&2\end{pmatrix}를 대각화하라.
  2. diag⁡(5,5,0)\operatorname{diag}(5,5,0)은 실수에서 대각화 가능한가? 가역인가?
  3. K=(300011001)K=\begin{pmatrix}3&0&0\\0&1&1\\0&0&1\end{pmatrix}는 대각화 가능한가?
  4. Ta=(2a0020003)T_a=\begin{pmatrix}2&a&0\\0&2&0\\0&0&3\end{pmatrix}가 대각화 가능하도록 하는 실수 aa의 값을 구하라.
  5. 고윳값 글에서 구한 고윳값과 고유공간을 이용해 M=(211121112)M=\begin{pmatrix}2&1&1\\1&2&1\\1&1&2\end{pmatrix}를 대각화하라.
답
  1. 고윳값 4, 2의 벡터 (1,0)T(1,0)^{\mathsf T}, (1,−2)T(1,-2)^{\mathsf T}를 열로 두면 P=(110−2)P=\begin{pmatrix}1&1\\0&-2\end{pmatrix}, D=diag⁡(4,2)D=\operatorname{diag}(4,2)다. P−1=(11/20−1/2)P^{-1}=\begin{pmatrix}1&1/2\\0&-1/2\end{pmatrix}이며 두 열을 곱해 CP=PDCP=PD를 확인할 수 있다.
  2. P=IP=I로 두고 DD를 원래 행렬로 택하면 되므로 대각화 가능하다. 세 표준기저가 독립 고유벡터다. 그러나 고윳값 0이 있고 행렬식도 0이므로 가역은 아니다.
  3. 고윳값 3에서는 (x,0,0)T(x,0,0)^{\mathsf T}, 고윳값 1에서는 (0,y,0)T(0,y,0)^{\mathsf T}만 나온다. 고윳값 1이 중근인데 독립 방향이 하나라 모두 두 방향뿐이므로 3차원 기저를 만들지 못해 불가능하다.
  4. 고윳값은 2, 2, 3이다. 고윳값 2에서 (Ta−2I)v=0(T_a-2I)\mathbf v=\mathbf0은 ay=0ay=0, z=0z=0이다. a=0a=0이면 x,yx,y가 자유로워 두 방향이 생겨 대각화되고, a≠0a\ne0이면 y=0y=0이 더해져 한 방향뿐이라 대각화되지 않는다. 답은 a=0a=0이다. T1T_1이 고윳값 글의 BB다.
  5. 고윳값 4의 (1,1,1)T(1,1,1)^{\mathsf T}와 고윳값 1의 평면에서 고른 (1,−1,0)T(1,-1,0)^{\mathsf T}, (1,0,−1)T(1,0,-1)^{\mathsf T}를 열로 두면 P=(1111−1010−1)P=\begin{pmatrix}1&1&1\\1&-1&0\\1&0&-1\end{pmatrix}, D=diag⁡(4,1,1)D=\operatorname{diag}(4,1,1)이다. det⁡P=3≠0\det P=3\ne0이라 세 열이 독립이고, MPMP의 열이 (4,4,4)T(4,4,4)^{\mathsf T}, (1,−1,0)T(1,-1,0)^{\mathsf T}, (1,0,−1)T(1,0,-1)^{\mathsf T}로 PDPD와 같다.

영상 노트

영상 노트
  • 00:00 원래 좌표와 변형에 맞춘 좌표 비교, 그림 1의 격자
  • 00:50 식 (2) 대각행렬이 단순한 이유
  • 01:40 식 (1)에서 식 (3)의 열 관계 얻기
  • 02:40 네 단계와 식 (4), 그림 2의 세 단계 계산
  • 04:00 식 (5)로 서로 다른 고윳값의 독립 증명
  • 05:00 식 (6)의 성공과 그림 3의 실패, 그림 4의 개수 비교
  • 06:30 식 (7)로 거듭제곱 잇기, 해보기 4번

더 읽기

지도에서의 위치

이 페이지의 기록
  1. 2026-11-16 · DG1 — 서로 다른 고윳값의 대각화 충분조건에 실수 범위와 개수를 명시
  2. 2026-11-16 · 에이전트 초안
  3. 2026-11-17 · 전수 검수 반영 — 대각행렬이 단순한 이유와 고유벡터 격자, 대각화의 네 단계, 서로 다른 고윳값의 고유벡터가 독립인 증명, 고윳값 글의 대각화되지 않는 B와 이름을 가른 중근 3×3, 독립 방향 수 비교와 한 직선만 남기는 반례, 거듭제곱으로 잇는 쓰임, 행·순서 실수 오해, 숫자 앞 띄어쓰기, 해보기 5문항 (에이전트 수정, 그림 1→4)
  4. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림