Hits


용어 정리

  • conjugate - 짝으로 결합한 , 켤례
  • conjugate complex numbers - 켤례복소수


Matrix Eigenvalue-Eigenvector Theory for Cn - 복소수 공간에서 행렬의 고유치-고유벡터 이론

  • 우린 여태껏 Rn 공간, 즉 실수 공간에서의 고유값-고유벡터를 살펴보았다. 그렇다면 복소수 공간인 Cn 에서는 어떨까?
  • 사실 실수 공간에 있는 이론이 그대로 다 적용이 된다. 단지 eigenvalue 가 complex value 를 갖게 될 뿐이다.


A complex scalar λ satisfies det(AλI)=0
if and only if there is a nonzero vector x in Cn such that Ax=λx

복소수 scalar λdet(AλI)=0 을 만족하면 Ax=λx 에서 Cn space 에 존재하는 nonzero vector x 가 존재한다.


  • 예시 문제1
  • A 가 다음과 같이 주어졌을 때, A 의 eigenvalue 는 다음과 같다.
A=[01 10]
  • characteristic equation 으로 λ 를 구할 수 있다.
λ2+1=0
  • 여기서 λ=i,i 가 되고 이는 conjugate(켤례 복소수) 관계에 있게된다.
  • eigenvalue 에 해당되는 eigenvector 를 구하면 다음과 같다.
[1 i]and[1 i]
  • 여기서 eigenvector 도 conjugate 관계에 있다.

  • 이처럼 eigenvalue 와 eigenvector 에서 complex 부분이 conjugate 관계에 있다는 특징을 확인할 수 있다.


  • 예시 문제2
  • complex eigenvalue 가 존재하는 행렬 A 로 linear transformation 을 했을 때, 기하학적으로 어떻게 변하는지 파악해보자.
A=[0.50.6 0.751.1]
  • A 가 위와 같이 주어졌을 때 eigenvalue 를 찾고 eigenspace 에서의 basis를 찾아보자. 우선, A 의 characteristic equation 으로 eigenvalue 를 찾는다.
0=det[0.5λ0.6 0.751.1λ]=(0.5λ)(1.1λ)(0.6)(0.75)=λ21.6λ+1 λ=12[1.6±(1.6)24]=0.8±0.6i
  • AλI 로 eigenvalue 에 해당하는 eigenvector 를 찾을 수 있다.
A(0.80.6i)I=[0.50.6 0.751.1][0.80.6i0 00.80.6i] =[0.3+0.6i0.6 0.750.3+0.6i]
  • row reduction 을 통해 general solution 을 구하자.
  • 여기서 두 가지 방법이 존재하는데, 첫번째는 정직하게 row reduction 을 푸는 행위인데, 여기서는 분수와 복소수가 존재하기 때문에 계산실수가 발생할 수도 있으니 다음과 같은 방법을 싸보자.
  • 결과로 나온 행렬을 선형방정식으로 풀어서 표현하면 다음과 같다.
(0.3+0.6i)x10.6x2=0 0.75x1+(0.3+0.6i)x2=0
  • 여기서 x_1 의 coefficient 로 복소수가 없는 두 번째 식을 x1 을 기준으로 general solution 을 표현하면 다음과 같다.
0.75x1=(0.30.6i)x2 x1=(0.40.8i)x2
  • x2=5 일 때 x1=24i 가 된다.
  • 이것이 λ=0.80.6i 일 때의 eigenvector 이다.
v1=[24i 5]
  • 또한 λ=0.80.6i 일 때의 eigenvector 는 conjugate 관계에 있으므로 다음과 같다.
v2=[2+4i 5]
  • x=(2,0) 일 때 Ax 를 반복수행하면 다음과 같다.
x1=Ax0=[0.50.6 0.751.1][2 0]=[1.0 1.5] x2=Ax1=[0.50.6 0.751.1][1.0 1.5]=[0.4 2.4] x3=Ax2=
  • 이것을 기하학적으로 표현하면 다음과 같다.
  • 타원 형태가 나타난다. 이것이 complex eigenvalue 의 특성이다.

Desktop View



Eigenvalue and Eigenvectors of Real Matrix That Acts on Cn - 복소수 공간에서 작동하는 실수 행렬의 고유치와 고유벡터

  • entires 가 real 인 n×n 행렬 A 가 있을 때, λ 가 complex space 에 존재하면 다음 식이 성립한다.
Ax=Ax=λx=λx
  • 여기서 A,x,λ 는 conjugate 를 의미한다.

  • 행렬 A 에 complex eigenvalue 가 주어지면 complex 의 conjugate 도 eigenvalue 가 되고 그에 해당하는 conjugate vector 도 eigenvector 가 된다.


When A is real, its complex eigenvalues occur in conjugate pairs.
A 가 real 일 때, A 의 complex eigenvalues 는 conjugate pair 이다.


  • 예시 문제 1
  • C 가 다음과 같이 주어졌을 때, 이것의 eigenvalue 와 C 로 인한 transformation 이 어떻게 작동되는지 확인해보자.

Desktop View


C=[ab ba]
  • C 의 eigenvalues 는 다음과 같다.
λ=a±bi
  • C 를 다음과 같이 표현할 수 있다.
C=r[a/rb/r b/ra/r]=[r0 0r][cosφsinφ sinφcosφ]
  • r=a2+b2 이며, 이는 transformation 을 했을 때 scaling 한 값이 된다.
  • 이제 complex eigenvalue 를 갖는 행렬 Cx 를 transformation 하면 다음과 같다.

Desktop View

  • rotation 과 scaling 이 된것을 확인할 수 있다. a 와 b 에 따라서 scaling 크기가 다르다.


  • 예시 문제 2
  • complex eigenvalue 를 갖고 있는 행렬 A 는 eigenvalue 의 real part 와 imaginary part 로 구성된 행렬 C 와 similar 관계에 있다.

  • 행렬 A 가 다음과 같이 주어졌을 때, eigenvalue 와 eigenvector 를 구해보자.
A=[0.50.6 0.751.1] λ=0.80.6i v1=[24i 5]
  • A 와 similar 관계에 있는 matrix 를 찾기 위해 P 를 다음과 같이 구할 수 있다.
P=[Rev1Imv1]=[24 50]
  • 이제 C=P1AP 를 해보면 A 와 similar 관계에 있는 행렬 C 를 구할 수 있다.
C=P1AP=120[04 52][0.50.6 0.751.1][24 04]=[0.80.6 0.60.8]
  • C 의 entries 는 eigenvalue 의 real part 와 imaginary part 가 된다. 또한 C 행렬으로 transformation 을 적용하면 r=1 이므로 순수한 회전 동작만 작동한다.

Desktop View



Theorem8.

Let A be a real 2×2 matrix with a complex eigenvalue λ=abi(b0) and an associated eigenvector v in C2 . Then

A=PCP1,whereP=[RevImv]andC=[abba]

  • P 는 eigenvector 의 real part, imaginary part 가 되고 C 는 eigenvalue 의 real part, imaginary part 가 된다.


  • 증명
  • 우선 RevImv 가 linearly dependent 라고 가정하고 임의의 벡터 u 가 존재한다고 하면
Imv=uRev=cu
  • v 벡터를 conjugate pair 로 나타내면
v=cu+iuv=cuiu
  • 여기에 각각 해당되는 eigenvalue 는 다음과 같다.
λ=a+biλ=abi
  • Av=λv 성질을 이용하면 다음과 같이 나타낼 수 있다.
Av=λvAv=λv
  • 여기서 위의 두개의 conjugate pair 를 더해보면
Acu=(a+bi)(cu+iu)+(abi)(cuiu)=(acb)u


  • (i) c=0 인 경우
  • c 가 0이면 0=bu 가 되고 여기서 u 는 nonzero vector 이기 때문에 b=0 이 되어야한다.
  • 하지만, b=0 이면 eigenvalue λ=a+0i=a 가 되어버리고 이는 eigenvalue 가 real value 실수라는 의미이다.
  • complex space 에서 eigenvalue 가 real value 인것은 매우 모순적이므로, c 가 0이 되어서는 안된다.


  • (ii) c0 인 경우 다음과 같이 정리할 수 있다.
Au=(acb)cu
  • 여기서 u 는 real vector 이고, (acb)c 는 scalar 값이다.
  • 이말인즉슨, A 의 eigenvalue 는 (acb)c 이고, eigenvector 는 u 라는 의미인데,
  • 위에서 eigenvalue 는 λ=a+biλ=abi 이렇게 두 가지 밖에 없어야 하는데, 위에서 새롭게 구한 eigenvalue 까지 합치면 세 개이므로 모순이 된다.

  • 따라서, RevImv 는 반드시 linearly independent 하다.
  • 따라서, C 행렬은 회전을 시킨다고 해석을 할 수 있다.


회전한다는 것을 보이는 기하학적 예시

  • 예제 1
|λ|1.023>1C=[1.010.05 0.051.01]
  • 여기서 eigenvalue 는 1보다 크다고 하면

Desktop View


  • 예제 2
|λ|0.983<1C=[0.990.05 0.050.99]
  • 여기서 eigenvalue 는 1보다 작다고 하면

Desktop View