선형대수대각화와 행렬의 거듭제곱#385

대각화와 행렬의 거듭제곱

Matrix Powers by Diagonalization

대각화와 행렬의 거듭제곱은 A=PDP⁻¹에서 Aᵏ=PDᵏP⁻¹을 이용해 반복되는 행렬 곱을 고윳값의 거듭제곱으로 바꾸는 방법이다. 2×2·3×3의 일반항과 Aᵏx, 0·음의 지수의 허용 범위, 케일리–해밀턴 정리와의 비교를 다룬다.

주인공 기호
k
읽는 시간
약 7분
선수 개념
행렬의 대각화케일리–해밀턴 정리

직관 — 축을 바꾸는 일은 처음과 마지막에 한 번씩

직관

같은 변형을 여러 번 적용할 때 매번 좌표를 바꿀 필요는 없다. 변형에 맞춘 좌표로 한 번 들어가서 각 성분을 반복해 늘린다. 마지막에만 원래 좌표로 돌아온다.

대각화의 기저행렬 PP가 입구와 출구를 맡는다. 그 사이에서는 대각행렬 DD의 각 성분을 따로 곱한다. 이 절차가 피보나치 수열과 행렬, 마르코프 체인의 계산으로 이어진다.

대각화와 행렬의 거듭제곱은 중간 역행렬을 소거한다

행렬의 거듭제곱 AkA^k는 정사각행렬 AA를 양의 정수 kk번 곱한 행렬이고, A0=IA^0=I로 정한다. 실수 정사각행렬이 A=PDP−1A=PDP^{-1}로 대각화되면 다음이 성립한다.

Ak=PDkP−1(k=0,1,2,…).(1)A^k=PD^kP^{-1}\qquad(k=0,1,2,\ldots).\tag{1}
정의
기호이름원어뜻
kk지수exponent곱하는 횟수. 음의 지수는 아래에서 따로 다룬다
PP기저행렬basis matrix독립인 고유벡터를 열로 모은 가역행렬
DD대각행렬diagonal matrix고윳값을 PP의 열 순서대로 둔 행렬
λj\lambda_j고윳값eigenvalueDD의 jj번째 대각성분
II단위행렬identity matrix같은 크기의 곱셈 항등원

두 번 곱하면 가운데의 P−1PP^{-1}P가 단위행렬이 되어 사라진다.

A2=(PDP−1)(PDP−1)=PD(P−1P)DP−1=PD2P−1.(2)A^2=(PDP^{-1})(PDP^{-1})=PD(P^{-1}P)DP^{-1}=PD^2P^{-1}.\tag{2}

kk번에서 식 (1)이 맞으면 Ak+1=AkA=PDkP−1PDP−1=PDk+1P−1A^{k+1}=A^kA=PD^kP^{-1}PDP^{-1}=PD^{k+1}P^{-1}이다. 같은 소거를 되풀이하므로 모든 양의 정수에서 성립한다. k=0k=0에서는 PD0P−1=PIP−1=IPD^0P^{-1}=PIP^{-1}=I로 정의와 맞는다.

대각행렬끼리 곱하면 서로 다른 위치의 성분이 섞이지 않으므로 Dk=diag⁡(λ1k,…,λnk)D^k=\operatorname{diag}(\lambda_1^k,\ldots,\lambda_n^k)다. 행렬을 kk번 곱하는 일이 고윳값마다 수를 kk번 곱하는 일로 바뀐다. 고윳값 0이 있어도 D0=ID^0=I이므로 그 자리의 성분은 1이다. 수 000^0의 값을 따로 정하지 않아도 행렬의 0제곱 정의에서 나온다.

2×2 행렬의 거듭제곱 일반항은 어떻게 구할까?

A=(2112)A=\begin{pmatrix}2&1\\1&2\end{pmatrix}는 고윳값 3, 1과 고유벡터 v1=(1,1)T\mathbf v_1=(1,1)^{\mathsf T}, v2=(1,−1)T\mathbf v_2=(1,-1)^{\mathsf T}를 갖는다. 대각화 글에서 구한 대로 P=(111−1)P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}, D=diag⁡(3,1)D=\operatorname{diag}(3,1), P−1=12PP^{-1}=\frac12P로 둔다. 식 (1)을 왼쪽부터 곱한다.

PDk=(3k13k−1)(3)PD^k=\begin{pmatrix}3^k&1\\3^k&-1\end{pmatrix}\tag{3} Ak=PDk⋅12P=12(3k+13k−13k−13k+1)(k≥0).(4)A^k=PD^k\cdot\frac12P=\frac12\begin{pmatrix}3^k+1&3^k-1\\3^k-1&3^k+1\end{pmatrix}\quad(k\ge0).\tag{4}

일반항은 작은 kk로 먼저 검산한다. k=1k=1을 넣으면 12(4224)=A\frac12\begin{pmatrix}4&2\\2&4\end{pmatrix}=A이고, k=0k=0이면 II다. k=4k=4이면 34=813^4=81이므로 대각성분은 (81+1)/2=41(81+1)/2=41, 비대각성분은 (81−1)/2=40(81-1)/2=40이다.

벡터 하나에 곱할 때도 같은 세 단계를 거친다. x=(1,0)T\mathbf x=(1,0)^{\mathsf T}의 새 좌표는 c=P−1x=(12,12)T\mathbf c=P^{-1}\mathbf x=(\frac12,\frac12)^{\mathsf T}이다. D4D^4는 첫 성분만 81배 해 (812,12)T(\frac{81}2,\frac12)^{\mathsf T}를 만들고, PP로 돌아오면 (41,40)T(41,40)^{\mathsf T}다. AA를 네 번 직접 곱한 값과 같다. 그림 1은 이 두 길을 나란히 놓는다.

mathbf x=(1,0)^mathsf T에 A^4를 곱하는 두 길. 위의 점선은 A를 네 번 직접 곱하는 길이고, 아래로 도는 길은 P^-1로 고유벡터 좌표 mathbf c를 읽고 D^4로 첫 성분만 81배 한 뒤 P로 돌아온다. 두 길 모두 (41,40)^mathsf T에 닿는다.
그림 1 x=(1,0)T\mathbf x=(1,0)^{\mathsf T}에 A4A^4를 곱하는 두 길. 위의 점선은 AA를 네 번 직접 곱하는 길이고, 아래로 도는 길은 P−1P^{-1}로 고유벡터 좌표 c\mathbf c를 읽고 D4D^4로 첫 성분만 81배 한 뒤 PP로 돌아온다. 두 길 모두 (41,40)T(41,40)^{\mathsf T}에 닿는다. figures/diagonal_pipeline.py

음의 지수와 0제곱은 어디까지 허용될까?

음의 정수 지수는 AA가 가역일 때만 쓴다. det⁡A=det⁡Pdet⁡Ddet⁡P−1=det⁡D\det A=\det P\det D\det P^{-1}=\det D이므로, 대각화된 행렬이 가역이라는 것은 모든 고윳값이 0이 아니라는 것과 같다. 그때 D−1=diag⁡(1/λ1,…,1/λn)D^{-1}=\operatorname{diag}(1/\lambda_1,\ldots,1/\lambda_n)이 있다.

A−1=PD−1P−1,A−k=(A−1)k=PD−kP−1.(5)A^{-1}=PD^{-1}P^{-1},\qquad A^{-k}=(A^{-1})^k=PD^{-k}P^{-1}.\tag{5}

대표 AA는 고윳값 3, 1이 모두 0이 아니므로 식 (4)가 음의 정수에서도 맞는다. k=−2k=-2이면 3−2=193^{-2}=\frac19을 넣는다.

A−2=12(19+119−119−119+1)=19(5−4−45).(6)A^{-2}=\frac12\begin{pmatrix}\frac19+1&\frac19-1\\[2pt]\frac19-1&\frac19+1\end{pmatrix}=\frac19\begin{pmatrix}5&-4\\-4&5\end{pmatrix}.\tag{6}

A2=(5445)A^2=\begin{pmatrix}5&4\\4&5\end{pmatrix}와 곱하면 대각은 (25−16)/9=1(25-16)/9=1, 비대각은 (20−20)/9=0(20-20)/9=0이 되어 역행렬임이 확인된다.

고윳값 0이 있으면 사정이 다르다. K=A−I=(1111)K=A-I=\begin{pmatrix}1&1\\1&1\end{pmatrix}는 같은 PP로 D=diag⁡(2,0)D=\operatorname{diag}(2,0)이 되어, k≥1k\ge1에서 Kk=2k−1KK^k=2^{k-1}K다. 이 일반항에 k=0k=0을 넣으면 12K\frac12K가 나오지만 실제 K0=IK^0=I다. 0k=00^k=0으로 줄인 단계가 k≥1k\ge1에서만 맞기 때문이다. 또 det⁡K=0\det K=0이라 K−1K^{-1}은 없다.

초기 벡터를 고유벡터로 나누면 무엇이 보일까?

AkxA^k\mathbf x는 x\mathbf x를 고유벡터의 합으로 쓰면 바로 보인다. 고유벡터 v\mathbf v에 AA를 한 번 곱하면 λv\lambda\mathbf v이고, 다시 곱할 때마다 λ\lambda가 하나씩 붙기 때문이다.

Akv=λkv(7)A^k\mathbf v=\lambda^k\mathbf v\tag{7} x=c1v1+c2v2 ⟹ Akx=c1λ1kv1+c2λ2kv2(8)\mathbf x=c_1\mathbf v_1+c_2\mathbf v_2\ \Longrightarrow\ A^k\mathbf x=c_1\lambda_1^k\mathbf v_1+c_2\lambda_2^k\mathbf v_2\tag{8}

식 (8)의 계수 c1,c2c_1,c_2가 그림 1의 좌표 c\mathbf c다. x=(1,0)T=12v1+12v2\mathbf x=(1,0)^{\mathsf T}=\frac12\mathbf v_1+\frac12\mathbf v_2이므로 Akx=12⋅3kv1+12v2A^k\mathbf x=\frac12\cdot3^k\mathbf v_1+\frac12\mathbf v_2이다. v1\mathbf v_1 방향 부분만 한 번에 3배가 되고, 고윳값 1인 12v2=(12,−12)T\frac12\mathbf v_2=(\frac12,-\frac12)^{\mathsf T}는 그대로다.

A=(beginsmallmatrix2&1\\1&2endsmallmatrix)를 k번 곱한 A^k(1,0)^mathsf T의 두 성분, k=0,1,2,3,4. 강조색 x_1과 회색 x_2는 함께 커지지만 두 성분의 차이는 매번 1이다. 선은 정수 단계를 잇는 안내다.
그림 2 A=(2112)A=\left(\begin{smallmatrix}2&1\\1&2\end{smallmatrix}\right)를 kk번 곱한 Ak(1,0)TA^k(1,0)^{\mathsf T}의 두 성분, k=0,1,2,3,4k=0,1,2,3,4. 강조색 x1x_1과 회색 x2x_2는 함께 커지지만 두 성분의 차이는 매번 1이다. 선은 정수 단계를 잇는 안내다. figures/power_components.py

그림 2에서 두 성분은 1, 2, 5, 14, 41과 0, 1, 4, 13, 40으로 자라지만 차이는 늘 1이다. v1=(1,1)T\mathbf v_1=(1,1)^{\mathsf T} 방향 부분은 두 성분에 같은 값을 더해 차이를 바꾸지 못하고, 차이를 만드는 12v2\frac12\mathbf v_2는 변하지 않기 때문이다. 그림 3은 같은 점들을 평면에 찍는다. 가역인 AA에서는 식 (5)에 의해 식 (8)이 음의 정수에도 맞으므로 k=−1k=-1의 점 (23,−13)(\frac23,-\frac13)도 함께 그렸다.

A^kmathbf x, mathbf x=(1,0)^mathsf T를 k=-1,0,1,2에 대해 찍은 점. 모든 점이 직선 x_1-x_2=1 위에 있다. 주황색 화살표 1/2mathbf v_2는 고정되고, mathbf v_1 방향 계수 1/2·3^k만 1/6,1/2,3/2,9/2로 3배씩 바뀐다.
그림 3 AkxA^k\mathbf x, x=(1,0)T\mathbf x=(1,0)^{\mathsf T}를 k=−1,0,1,2k=-1,0,1,2에 대해 찍은 점. 모든 점이 직선 x1−x2=1x_1-x_2=1 위에 있다. 주황색 화살표 12v2\frac12\mathbf v_2는 고정되고, v1\mathbf v_1 방향 계수 12⋅3k\frac12\cdot3^k만 16,12,32,92\frac16,\frac12,\frac32,\frac92로 3배씩 바뀐다. figures/eigen_line_powers.py

식 (7)은 AkA^k의 고윳값도 알려 준다. AA의 고유벡터는 AkA^k의 고유벡터이고, 고윳값은 λk\lambda^k다. 예를 들어 A4=(41404041)A^4=\begin{pmatrix}41&40\\40&41\end{pmatrix}의 특성다항식은 (t−41)2−402=(t−81)(t−1)(t-41)^2-40^2=(t-81)(t-1)이어서 고윳값이 34=813^4=81과 14=11^4=1이다.

여러 번 곱하면 왜 큰 고윳값의 방향만 남을까?

절댓값이 가장 큰 고윳값이 하나뿐이면, 식 (8)에서 그 항과 나머지 항의 크기 비가 곱할 때마다 커진다. 그래서 kk가 커질수록 AkxA^k\mathbf x의 방향은 그 고유벡터 쪽으로 기운다.

대표 예에서 두 성분의 비 x2/x1=3k−13k+1x_2/x_1=\frac{3^k-1}{3^k+1}은 k=1,2,3,4k=1,2,3,4일 때 12, 45, 1314, 4041≈0.976\frac12,\ \frac45,\ \frac{13}{14},\ \frac{40}{41}\approx0.976으로 1에 다가간다. 방향이 v1=(1,1)T\mathbf v_1=(1,1)^{\mathsf T}에 가까워지는 것이다. 단, 처음 벡터에서 그 고유벡터의 계수가 0이 아니어야 한다. x=v2\mathbf x=\mathbf v_2에서 시작하면 Akx=v2A^k\mathbf x=\mathbf v_2로 방향이 그대로다.

이 성질이 대각화 활용의 바탕이다. 피보나치 수열과 행렬에서는 절댓값이 1보다 큰 고윳값 하나가 항의 크기를 이끈다. 마르코프 체인에서는 고윳값 1의 성분이 남고 고윳값 12\frac12의 성분은 곱할수록 줄어든다. 고윳값이 음수이면 그 성분의 부호가 곱할 때마다 바뀐다.

3×3에서는 어느 성분이 섞일까?

B=(201020003)B=\begin{pmatrix}2&0&1\\0&2&0\\0&0&3\end{pmatrix}는 대각화 글에서 P3=(101010001)P_3=\begin{pmatrix}1&0&1\\0&1&0\\0&0&1\end{pmatrix}, D3=diag⁡(2,2,3)D_3=\operatorname{diag}(2,2,3)으로 대각화된다. P3−1P_3^{-1}은 오른쪽 위의 1만 −1-1로 바꾼 행렬이다.

P3D3k=(2k03k02k0003k)(9)P_3D_3^k=\begin{pmatrix}2^k&0&3^k\\0&2^k&0\\0&0&3^k\end{pmatrix}\tag{9} Bk=P3D3kP3−1=(2k03k−2k02k0003k)(10)B^k=P_3D_3^kP_3^{-1}=\begin{pmatrix}2^k&0&3^k-2^k\\0&2^k&0\\0&0&3^k\end{pmatrix}\tag{10}

식 (9)에 P3−1P_3^{-1}을 오른쪽에 곱하면 셋째 열에서 첫째 열을 빼게 되어, 오른쪽 위에 3k−2k3^k-2^k가 생긴다. 따라서 B3B^3의 첫 행은 (8,0,19)(8,0,19)이고 나머지 대각은 8, 27이다. 직접 곱한 B2B^2의 첫 행 (4,0,5)(4,0,5)에 BB를 곱해도 셋째 성분이 4⋅1+5⋅3=194\cdot1+5\cdot3=19로 맞는다. 비대각성분 1을 세제곱한 1이 아니다.

BB는 주대각선 아래가 모두 0인 위삼각행렬이라 BkB^k의 대각에 고윳값의 거듭제곱 2k,2k,3k2^k,2^k,3^k가 그대로 놓인다. 식 (7)에 따라 B3B^3의 고윳값은 8, 8, 27이다.

케일리–해밀턴 정리와 대각화는 언제 각각 쓸까?

정해진 지수 하나의 거듭제곱이나 대각화되지 않는 행렬에는 케일리–해밀턴 정리가 짧고, 모든 kk의 일반항이나 AkxA^k\mathbf x에는 대각화가 편하다. 두 방법은 같은 행렬을 준다. 2×2에서 케일리–해밀턴 정리는 Ak=ukA+vkIA^k=u_kA+v_kI 꼴을 주는데, 그 계수는 고윳값에서 바로 나온다.

λk=ukλ+vk(λ=3, 1)(11)\lambda^k=u_k\lambda+v_k\qquad(\lambda=3,\ 1)\tag{11}

고유벡터에 Ak=ukA+vkIA^k=u_kA+v_kI를 곱하면 왼쪽은 λkv\lambda^k\mathbf v, 오른쪽은 (ukλ+vk)v(u_k\lambda+v_k)\mathbf v이기 때문이다. 거꾸로 두 고윳값에서 식 (11)이 맞으면 Dk=ukD+vkID^k=u_kD+v_kI이므로 식 (1)에서 Ak=P(ukD+vkI)P−1=ukA+vkIA^k=P(u_kD+v_kI)P^{-1}=u_kA+v_kI다. 대표 AA에서는 3k=3uk+vk3^k=3u_k+v_k, 1=uk+vk1=u_k+v_k를 풀어 uk=3k−12u_k=\frac{3^k-1}2, vk=3−3k2v_k=\frac{3-3^k}2를 얻는다. k=4k=4이면 u4=40u_4=40, v4=−39v_4=-39로, 케일리–해밀턴 정리 글이 점화식으로 얻은 A4=40A−39IA^4=40A-39I와 같다.

이 방법은 고윳값이 서로 다른 2×2에서 쓴다. 중복 고윳값이면 식 (11)이 하나뿐이라 두 계수를 정하지 못한다.

케일리–해밀턴 정리대각화
먼저 구할 것특성다항식고윳값, 독립 고유벡터, P−1P^{-1}
대각화되지 않는 행렬쓸 수 있다쓸 수 없다
잘 맞는 질문정해진 kk 하나의 AkA^k모든 kk의 일반항, AkxA^k\mathbf x, AkA^k의 고윳값
음의 지수A−1A^{-1}을 따로 구해 거듭제곱한다가역이면 식 (5)로 같은 일반항
핵심

대각화와 행렬의 거듭제곱의 핵심은 Ak=PDkP−1A^k=PD^kP^{-1}에서 가운데 DkD^k만 계산하는 것이다. 같은 고유벡터 위에서 고윳값만 λk\lambda^k로 바뀌며, 0제곱은 단위행렬이고 음의 지수는 모든 고윳값이 0이 아닐 때만 쓴다.

대각화되지 않는 행렬의 거듭제곱은 어떻게 구하나요?

대각화되지 않는 행렬의 거듭제곱도 직접 곱하거나 케일리–해밀턴 정리로 차수를 낮추어 구한다. G=(2102)G=\begin{pmatrix}2&1\\0&2\end{pmatrix}는 고윳값 2의 고유벡터 방향이 하나뿐이라 대각화되지 않지만, pG(t)=(t−2)2p_G(t)=(t-2)^2에서 G2=4G−4IG^2=4G-4I이다. 한 번 더 곱해 정리하면 G3=12G−16I=(81208)G^3=12G-16I=\begin{pmatrix}8&12\\0&8\end{pmatrix}이다.

고유벡터를 다르게 고르면 행렬의 거듭제곱도 달라지나요?

아니다. AkA^k는 AA를 곱하기만 해서 정해지므로 어떤 PP를 써도 같다. 예를 들어 열을 2v12\mathbf v_1, −v2-\mathbf v_2로 바꾼 P′=(2−121)P'=\begin{pmatrix}2&-1\\2&1\end{pmatrix}와 P′−1=14(11−22)P'^{-1}=\frac14\begin{pmatrix}1&1\\-2&2\end{pmatrix}로 계산해도 A4=(41404041)A^4=\begin{pmatrix}41&40\\40&41\end{pmatrix}이다. 열의 순서를 바꿀 때만 DD의 대각 순서를 함께 바꾼다.

행렬의 제곱근도 고윳값에 제곱근을 붙이면 되나요?

대각화된 A=PDP−1A=PDP^{-1}의 고윳값이 모두 0 이상이면 D=diag⁡(λ1,…,λn)\sqrt D=\operatorname{diag}(\sqrt{\lambda_1},\ldots,\sqrt{\lambda_n})으로 둔 PD P−1P\sqrt D\,P^{-1}이 AA의 제곱근 하나가 된다. 제곱하면 식 (2)처럼 가운데 P−1PP^{-1}P가 사라져 PDP−1=APDP^{-1}=A이고, 대표 AA에서는 12(3+13−13−13+1)\frac12\begin{pmatrix}\sqrt3+1&\sqrt3-1\\ \sqrt3-1&\sqrt3+1\end{pmatrix}이다. 다만 제곱근은 하나로 정해지지 않아, diag⁡(4,1)\operatorname{diag}(4,1)만 해도 대각성분마다 부호를 고른 diag⁡(±2,±1)\operatorname{diag}(\pm2,\pm1) 네 행렬이 모두 제곱해서 diag⁡(4,1)\operatorname{diag}(4,1)이 된다. 고윳값에 −1-1이 있으면 −1-1의 실수 제곱근이 없으므로 이 방법은 실수 범위에서 쓸 수 없다.

행렬 거듭제곱의 흔한 오해

  • 각 성분을 거듭제곱하면 된다 — 대표 AA의 A2A^2는 (5445)\begin{pmatrix}5&4\\4&5\end{pmatrix}이고, 성분마다 제곱한 (4114)\begin{pmatrix}4&1\\1&4\end{pmatrix}가 아니다.
  • AkA^k의 대각성분이 고윳값의 거듭제곱이다 — A4A^4의 대각성분은 41이고, 고윳값의 거듭제곱 81과 1은 D4D^4에만 나타난다. 위삼각행렬 BB에서 둘이 일치한 것은 대각 아래가 모두 0이기 때문이다.
  • 곱의 거듭제곱은 따로 나누어 거듭제곱해도 된다 — N=(0100)N=\begin{pmatrix}0&1\\0&0\end{pmatrix}이면 (AN)2=(0201)(AN)^2=\begin{pmatrix}0&2\\0&1\end{pmatrix}이지만 N2=ON^2=O라 A2N2=OA^2N^2=O다. (AN)2=ANAN(AN)^2=ANAN이고, 식 (2)의 소거는 이웃한 P−1PP^{-1}P가 단위행렬이라서 가능했다.

직접 해보기

  1. C=(230−1)C=\begin{pmatrix}2&3\\0&-1\end{pmatrix}를 대각화해 CkC^k와 C3C^3을 구하라.
  2. 1번의 CC에 대해 고윳값으로 Ck=ukC+vkIC^k=u_kC+v_kI의 uk,vku_k,v_k를 구하고, k=3k=3에서 1번 답과 비교하라.
  3. 대표 AA와 y=(1,3)T\mathbf y=(1,3)^{\mathsf T}에 대해 y\mathbf y를 v1,v2\mathbf v_1,\mathbf v_2로 나누어 A5yA^5\mathbf y를 구하라.
  4. E=diag⁡(0,−2,1)E=\operatorname{diag}(0,-2,1)의 E0E^0, E4E^4, E−1E^{-1}을 판단하라.
  5. J=(1101)J=\begin{pmatrix}1&1\\0&1\end{pmatrix}의 J7J^7을 대각화 없이 구하라.
답
  1. 고윳값 2, −1-1에 대해 (1,0)T(1,0)^{\mathsf T}, (1,−1)T(1,-1)^{\mathsf T}를 열로 모으면 P=(110−1)P=\begin{pmatrix}1&1\\0&-1\end{pmatrix}이고 P2=IP^2=I라 P−1=PP^{-1}=P다. 식 (1)로 곱하면 Ck=(2k2k−(−1)k0(−1)k)C^k=\begin{pmatrix}2^k&2^k-(-1)^k\\0&(-1)^k\end{pmatrix}, k≥0k\ge0이다. k=3k=3이면 (890−1)\begin{pmatrix}8&9\\0&-1\end{pmatrix}다.
  2. 식 (11)처럼 2k=2uk+vk2^k=2u_k+v_k, (−1)k=−uk+vk(-1)^k=-u_k+v_k를 푼다. uk=2k−(−1)k3u_k=\frac{2^k-(-1)^k}3, vk=2k+2(−1)k3v_k=\frac{2^k+2(-1)^k}3이다. k=3k=3이면 u3=3u_3=3, v3=2v_3=2이고 3C+2I=(890−1)3C+2I=\begin{pmatrix}8&9\\0&-1\end{pmatrix}로 1번과 같다.
  3. y=2v1−v2\mathbf y=2\mathbf v_1-\mathbf v_2이다. 식 (8)에서 A5y=2⋅35v1−15v2=(486−1, 486+1)T=(485,487)TA^5\mathbf y=2\cdot3^5\mathbf v_1-1^5\mathbf v_2=(486-1,\ 486+1)^{\mathsf T}=(485,487)^{\mathsf T}다. 식 (4)의 A5=(122121121122)A^5=\begin{pmatrix}122&121\\121&122\end{pmatrix}를 직접 곱해도 같다.
  4. E0=IE^0=I이고 E4=diag⁡(0,16,1)E^4=\operatorname{diag}(0,16,1)이다. 고윳값 0이 있어 첫 번째 표준기저가 영벡터로 가므로 역행렬이 없고 E−1E^{-1}은 정의되지 않는다.
  5. N=J−I=(0100)N=J-I=\begin{pmatrix}0&1\\0&0\end{pmatrix}는 N2=ON^2=O다. (I+kN)(I+N)=I+(k+1)N(I+kN)(I+N)=I+(k+1)N이므로 귀납적으로 Jk=I+kNJ^k=I+kN이고, J7=(1701)J^7=\begin{pmatrix}1&7\\0&1\end{pmatrix}다.

영상 노트

영상 노트
  • 00:00 반복마다 좌표를 바꾸지 않아도 되는 이유
  • 00:50 식 (2)의 중간 역행렬 소거와 식 (1)
  • 02:00 식 (3)·(4)의 일반항과 그림 1의 두 길
  • 03:20 식 (5)·(6)의 음의 지수, KK에서 일반항이 깨지는 k=0k=0
  • 04:40 식 (7)·(8)의 고유벡터 분해와 그림 2·3의 직선 x1−x2=1x_1-x_2=1
  • 05:40 큰 고윳값의 방향: x2/x1=12,45,1314,4041x_2/x_1=\frac12,\frac45,\frac{13}{14},\frac{40}{41}
  • 06:40 식 (10)의 3×3 계산과 식 (11)의 케일리–해밀턴 비교표

더 읽기

지도에서의 위치

이 페이지의 기록
  1. 2026-11-16 · 에이전트 초안
  2. 2026-11-17 · 전수 검수 반영 — 벡터에 곱하는 세 단계, 음의 지수와 고윳값 0의 경계(일반항이 k=0에서 깨지는 예), 고유벡터 분해로 구하는 Aᵏx와 Aᵏ의 고윳값, 케일리–해밀턴 정리와의 비교표, 질문·오해를 숫자로 보강하고 해보기 5문항으로 확대, 행렬 제곱근 답의 판정과 거듭제곱의 고유벡터 범위를 바로잡고 첫 그림의 분수를 좁은 화면에서 읽히게 고침 (에이전트 수정, 그림 1→3)
  3. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림