6.34 대각화 가능 조건과 대각화 과정

1. 대각화의 정의

정사각 행렬 $A \in \mathbb{R}^{n \times n}$ 이 어떤 가역 행렬 $P$ 에 대하여

$P^{-1} A P = D$

를 만족하는 대각 행렬 $D$ 가 존재할 때, 행렬 $A$ 는 대각화 가능(diagonalizable)하다고 말한다. 이때 $A$ 와 $D$ 는 서로 닮은 행렬(similar matrices)이며, $P$ 를 닮음 변환 행렬이라 한다. 대각화는 본질적으로 적절한 기저를 선택함으로써 선형 변환의 행렬 표현을 가장 단순한 형태로 변환하는 절차이다.

2. 대각화 가능 조건

2.1 일차 독립 고유벡터의 존재

행렬 $A \in \mathbb{R}^{n \times n}$ 이 대각화 가능할 필요충분조건은 $A$ 가 $n$ 개의 일차 독립인 고유벡터를 가지는 것이다. 이 고유벡터들을 열로 가지는 행렬 $P$ 를 구성하면 대각화가 실현된다.

정리. 행렬 $A \in \mathbb{R}^{n \times n}$ 의 고유값을 $\lambda_1, \lambda_2, \ldots, \lambda_n$ (중복 포함)이라 하고, 이에 대응하는 일차 독립인 고유벡터를 $\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n$ 이라 하자. 그러면

$P = \begin{pmatrix} \mathbf{v}_1 & \mathbf{v}_2 & \cdots & \mathbf{v}_n \end{pmatrix}, \qquad D = \begin{pmatrix} \lambda_1 & & \\ & \ddots & \\ & & \lambda_n \end{pmatrix}$

에 대하여 $AP = PD$ , 즉 $P^{-1}AP = D$ 가 성립한다.

증명. 각 $i$ 에 대하여 $A\mathbf{v}_i = \lambda_i \mathbf{v}_i$ 이다. 행렬 곱 $AP$ 의 $i$ 번째 열은 $A\mathbf{v}_i = \lambda_i \mathbf{v}_i$ 이며, 이는 $PD$ 의 $i$ 번째 열인 $\mathbf{v}_i \lambda_i$ 와 일치한다. 따라서 $AP = PD$ 이다. 고유벡터들이 일차 독립이므로 $P$ 는 가역이며, 양변에 $P^{-1}$ 을 곱하여 $P^{-1}AP = D$ 를 얻는다. $\blacksquare$

2.2 중복도 일치 조건

대각화 가능성의 또 다른 동치 조건은 모든 고유값에 대하여 대수적 중복도와 기하학적 중복도가 일치하는 것이다.

$m_a(\lambda_i) = m_g(\lambda_i), \quad i = 1, 2, \ldots, k$

여기서 $\lambda_1, \lambda_2, \ldots, \lambda_k$ 는 서로 다른 고유값들이다. 이 조건이 성립하면 각 고유 공간에서 추출한 기저들의 합집합이 $\mathbb{R}^n$ 의 기저를 이루므로, 일차 독립 고유벡터의 총 개수가 $n$ 과 일치한다.

2.3 충분조건

다음 조건들은 대각화 가능성을 보장하는 충분조건이다.

행렬 $A$ 가 $n$ 개의 서로 다른 고유값을 가지는 경우, $A$ 는 대각화 가능하다. 이는 서로 다른 고유값에 대응하는 고유벡터들이 항상 일차 독립이라는 사실에서 따른다.
행렬 $A$ 가 실대칭 행렬인 경우, 스펙트럼 정리에 의하여 $A$ 는 직교 행렬에 의하여 대각화 가능하다.
행렬 $A$ 가 정규 행렬, 즉 $A^\top A = A A^\top$ 을 만족하는 경우, $A$ 는 유니타리 행렬에 의하여 대각화 가능하다.

다만 첫 번째 조건은 충분조건일 뿐 필요조건은 아니다. 단위 행렬과 같이 모든 고유값이 동일하면서도 대각화 가능한 행렬이 존재한다.

3. 대각화 불가능한 경우

행렬이 결함 고유값을 가지면 대각화가 불가능하다. 예를 들어 다음 행렬을 고려해보자.

$A = \begin{pmatrix} 3 & 1 \\ 0 & 3 \end{pmatrix}$

특성 다항식은 $(t-3)^2$ 이므로 고유값 $\lambda = 3$ 의 대수적 중복도는 $2$ 이다. 그러나 $A - 3I$ 의 랭크가 $1$ 이므로 기하학적 중복도는 $1$ 이다. 두 중복도가 일치하지 않으므로 이 행렬은 대각화 불가능하며, 조르단 표준형을 통하여 분석하여야 한다.

4. 대각화 절차

행렬 $A \in \mathbb{R}^{n \times n}$ 의 대각화 절차는 다음의 단계로 구성된다.

특성 다항식 구성. 특성 다항식 $p_A(t) = \det(tI - A)$ 를 계산한다.
고유값 계산. $p_A(t) = 0$ 의 근을 구하여 고유값 $\lambda_1, \lambda_2, \ldots, \lambda_k$ 를 결정한다.
고유 공간 계산. 각 고유값 $\lambda_i$ 에 대하여 동차 연립 방정식 $(A - \lambda_i I)\mathbf{v} = \mathbf{0}$ 을 풀어 고유 공간 $E_{\lambda_i}$ 의 기저를 구한다.
중복도 검사. 모든 고유값에 대하여 대수적 중복도와 기하학적 중복도가 일치하는지 확인한다. 일치하지 않는 고유값이 존재하면 대각화는 불가능하다.
변환 행렬 구성. 모든 고유 공간의 기저 벡터들을 모아 가역 행렬 $P$ 를 구성한다.
대각 행렬 구성. 대각 성분이 고유값들로 이루어진 대각 행렬 $D$ 를 구성한다. 이때 고유값의 배치 순서는 $P$ 의 열 벡터 순서와 일치하여야 한다.
검증. $AP = PD$ 또는 $P^{-1}AP = D$ 가 성립하는지 확인한다.

5. 대각화 예제

다음 행렬을 대각화하여 보자.

$A = \begin{pmatrix} 5 & -2 \\ -2 & 5 \end{pmatrix}$

특성 다항식은

$p_A(t) = \det \begin{pmatrix} t-5 & 2 \\ 2 & t-5 \end{pmatrix} = (t-5)^2 - 4 = (t-3)(t-7)$

이므로 고유값은 $\lambda_1 = 3$ , $\lambda_2 = 7$ 이다.

$\lambda_1 = 3$ 에 대하여 $(A - 3I)\mathbf{v} = \mathbf{0}$ 을 풀면 $\mathbf{v}_1 = (1, 1)^\top$ 을 얻는다.

$\lambda_2 = 7$ 에 대하여 $(A - 7I)\mathbf{v} = \mathbf{0}$ 을 풀면 $\mathbf{v}_2 = (1, -1)^\top$ 을 얻는다.

따라서

$P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}, \qquad D = \begin{pmatrix} 3 & 0 \\ 0 & 7 \end{pmatrix}$

이며, $P^{-1}AP = D$ 가 성립한다. 또한 $\mathbf{v}_1$ 과 $\mathbf{v}_2$ 가 직교하므로 적절히 정규화하면 직교 대각화도 수행할 수 있다.

6. 대각화의 응용 공식

대각화 가능 행렬 $A = PDP^{-1}$ 에 대하여 다음의 공식들이 성립한다.

6.1 행렬의 거듭제곱

$A^k = P D^k P^{-1}, \qquad D^k = \mathrm{diag}(\lambda_1^k, \lambda_2^k, \ldots, \lambda_n^k)$

이 공식은 행렬의 고차 거듭제곱을 효율적으로 계산하게 한다.

6.2 행렬 함수

해석 함수 $f(t)$ 에 대하여

$f(A) = P f(D) P^{-1}, \qquad f(D) = \mathrm{diag}(f(\lambda_1), f(\lambda_2), \ldots, f(\lambda_n))$

이 성립한다. 특히 행렬 지수 함수는

$e^{At} = P \, \mathrm{diag}(e^{\lambda_1 t}, e^{\lambda_2 t}, \ldots, e^{\lambda_n t}) \, P^{-1}$

로 표현되며, 선형 상미분 방정식의 해법에서 핵심적으로 활용된다.

6.3 행렬식과 대각합

$\det(A) = \prod_{i=1}^{n} \lambda_i, \qquad \mathrm{tr}(A) = \sum_{i=1}^{n} \lambda_i$

이 공식들은 대각화의 직접적인 결과이며, 대각화 가능 여부와 무관하게 일반적으로 성립한다.

7. 동시 대각화

두 정사각 행렬 $A$ 와 $B$ 가 동일한 가역 행렬 $P$ 에 의하여 동시에 대각화될 필요충분조건은 두 행렬이 모두 대각화 가능하면서 서로 가환( $AB = BA$ )인 것이다. 동시 대각화는 결합된 시스템의 분리 해석을 가능하게 하는 중요한 도구이다.

8. 직교 대각화

실대칭 행렬 $A$ 에 대해서는 직교 행렬 $Q$ ( $Q^\top Q = I$ )를 사용하여

$Q^\top A Q = D$

의 형태로 직교 대각화가 가능하다. 직교 대각화의 가장 큰 장점은 닮음 변환 행렬의 역행렬을 계산할 필요 없이 전치 행렬로 대체할 수 있다는 점이다. 이는 수치적 안정성과 계산 효율성을 크게 개선한다.

9. 로봇공학에서의 응용

9.1 다관절 로봇의 진동 분리

다관절 로봇의 선형화된 운동 방정식 $M\ddot{\mathbf{q}} + K\mathbf{q} = \mathbf{0}$ 은 질량 행렬 $M$ 과 강성 행렬 $K$ 의 동시 대각화를 통하여 모달 좌표계로 변환된다. 모달 좌표계에서는 각 모드가 독립적인 단일 자유도 진동 방정식을 따르며, 이를 통하여 진동 응답의 해석적 해를 얻을 수 있다.

9.2 관성 텐서의 주축 변환

강체의 관성 텐서는 실대칭 양정치 행렬이므로 직교 대각화가 가능하다. 주축 좌표계에서 회전 운동 방정식인 오일러 방정식은 가장 단순한 형태로 표현되며, 자세 추정과 비행체 자세 제어에서 필수적으로 활용된다.

9.3 선형 시스템의 모드 해석

선형화된 로봇 시스템 $\dot{\mathbf{x}} = A\mathbf{x}$ 에서 시스템 행렬 $A$ 가 대각화 가능하면, 상태 변수는 고유 모드의 일차 결합으로 분해된다. 각 모드의 시간 응답은 $e^{\lambda_i t}$ 형태로 표현되며, 시스템의 안정성과 응답 특성이 명확하게 드러난다.

9.4 칼만 필터의 공분산 행렬 처리

칼만 필터의 공분산 행렬은 대칭 양반정치 행렬이므로 직교 대각화가 가능하다. 대각화를 통하여 공분산 행렬의 주축과 주성분 분산을 추출할 수 있으며, 이는 추정 불확실성의 기하학적 해석과 적응적 측정 계획에 활용된다.

9.5 회전 행렬의 분석

회전 행렬은 직교 행렬의 일종이며, 복소수 영역에서 대각화 가능하다. 회전축은 고유값 $1$ 에 대응하는 고유벡터이며, 회전 각도는 복소 고유값의 편각으로부터 추출된다. 이러한 분해는 자세 표현과 보간에 활용된다.

9.6 자코비안 분석과 조작성 평가

자코비안 행렬 $J$ 의 그람 행렬 $JJ^\top$ 은 대칭 양반정치 행렬이므로 직교 대각화 가능하다. 대각화를 통하여 얻은 고유값은 가조작성 타원체의 주축 길이의 제곱과 같으며, 로봇의 운동 능력을 정량적으로 평가하는 지표를 제공한다.

참고문헌

Strang, G. (2023). Introduction to Linear Algebra (6th ed.). Wellesley-Cambridge Press.
Horn, R. A., & Johnson, C. R. (2013). Matrix Analysis (2nd ed.). Cambridge University Press.
Meyer, C. D. (2023). Matrix Analysis and Applied Linear Algebra (2nd ed.). SIAM.
Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.
Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2010). Robotics: Modelling, Planning and Control. Springer.

Version: 1.0