6.38 일반화된 고유값 문제

1. 일반화된 고유값 문제의 정의

표준적인 고유값 문제는 단일 행렬 $A$ 에 대하여 $A\mathbf{v} = \lambda \mathbf{v}$ 를 만족하는 스칼라 $\lambda$ 와 비영벡터 $\mathbf{v}$ 를 찾는 문제이다. 일반화된 고유값 문제(generalized eigenvalue problem)는 두 정사각 행렬 $A, B \in \mathbb{C}^{n \times n}$ 가 주어졌을 때 다음을 만족하는 스칼라 $\lambda$ 와 비영벡터 $\mathbf{v}$ 를 찾는 문제이다.

$A\mathbf{v} = \lambda B \mathbf{v}$

이때 행렬 쌍 $(A, B)$ 를 행렬 다발(matrix pencil)이라 하며, 종종 $A - \lambda B$ 로 표기한다. $\lambda$ 를 일반화된 고유값(generalized eigenvalue), $\mathbf{v}$ 를 일반화된 고유벡터(generalized eigenvector)라 한다.

표준 고유값 문제는 $B = I$ 인 특수한 경우에 해당한다. 일반화된 형식은 자연 과학과 공학에서 두 개의 물리적 양 사이의 비율로 표현되는 문제들을 자연스럽게 표현한다.

2. 일반화된 특성 방정식

일반화된 고유값은 다음의 특성 방정식의 근이다.

$p(\lambda) = \det(A - \lambda B) = 0$

이 방정식을 일반화된 특성 방정식(generalized characteristic equation)이라 한다. 행렬 다발 $A - \lambda B$ 가 정칙(regular)이라 함은 어떤 $\lambda$ 에 대하여 $\det(A - \lambda B) \neq 0$ 인 경우를 말한다. 정칙 다발에 대해서는 다음의 분류가 가능하다.

$B$ 가 가역인 경우: $p(\lambda)$ 는 $n$ 차 다항식이며, 정확히 $n$ 개의 일반화된 고유값(중복 포함)이 존재한다.
$B$ 가 특이인 경우: $p(\lambda)$ 의 차수는 $n$ 보다 작을 수 있으며, 이는 일부 일반화된 고유값이 무한대로 발산함을 의미한다. 무한 고유값의 개수는 $n - \mathrm{rank}(B)$ 와 관련된다.

비정칙 다발(singular pencil)의 경우 모든 $\lambda$ 에 대하여 $\det(A - \lambda B) = 0$ 이며, 이론적 처리가 별도로 요구된다.

3. 표준 형식으로의 변환

$B$ 가 가역인 경우, 일반화된 고유값 문제는 표준 고유값 문제로 변환될 수 있다. 가장 단순한 변환은 다음과 같다.

$B^{-1}A \mathbf{v} = \lambda \mathbf{v}$

이 변환을 통하여 $B^{-1}A$ 의 고유값과 고유벡터가 원래 문제의 일반화된 고유값과 고유벡터가 된다. 그러나 이 접근법은 다음의 두 가지 문제점을 가진다.

$B^{-1}$ 의 명시적 계산은 수치적으로 비용이 크고 오차에 취약하다.
$A$ 와 $B$ 가 가지는 대칭성과 같은 구조적 성질이 $B^{-1}A$ 에서는 일반적으로 보존되지 않는다.

따라서 실제 수치 계산에서는 $B$ 의 가역성에 의존하지 않는 직접적인 알고리듬이 선호된다.

4. 대칭 양정치 행렬에 대한 일반화된 고유값 문제

특히 중요한 경우는 $A$ 가 대칭 행렬이고 $B$ 가 대칭 양정치 행렬인 경우이다. 이 경우 다음의 정리가 성립한다.

정리. $A \in \mathbb{R}^{n \times n}$ 가 대칭 행렬이고 $B \in \mathbb{R}^{n \times n}$ 가 대칭 양정치 행렬이라 하자. 그러면 일반화된 고유값 문제 $A\mathbf{v} = \lambda B \mathbf{v}$ 에 대하여 다음이 성립한다.

모든 일반화된 고유값은 실수이다.
일반화된 고유벡터는 $B$ 가중 내적 $\langle \mathbf{x}, \mathbf{y} \rangle_B = \mathbf{x}^\top B \mathbf{y}$ 에 대하여 직교하는 정규 직교 기저를 이룬다. 즉, 적절히 정규화하면 $\mathbf{v}_i^\top B \mathbf{v}_j = \delta_{ij}$ 가 성립한다.
동일한 고유벡터들에 대하여 $\mathbf{v}_i^\top A \mathbf{v}_j = \lambda_i \delta_{ij}$ 가 성립한다.

이 정리는 $A$ 와 $B$ 가 동시에 대각화될 수 있음을 의미한다. 일반화된 고유벡터들을 열로 가지는 행렬 $V = (\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n)$ 에 대하여

$V^\top A V = \mathrm{diag}(\lambda_1, \lambda_2, \ldots, \lambda_n), \qquad V^\top B V = I$

가 성립한다.

5. 촐레스키 분해를 이용한 변환

$B$ 가 대칭 양정치이면 촐레스키 분해 $B = LL^\top$ 이 존재한다. 이 분해를 활용하여 다음과 같이 표준 고유값 문제로 변환할 수 있다. $\mathbf{w} = L^\top \mathbf{v}$ 로 치환하면

$A \mathbf{v} = \lambda B \mathbf{v} \iff L^{-1} A L^{-\top} \mathbf{w} = \lambda \mathbf{w}$

가 된다. 여기서 변환된 행렬 $\tilde{A} = L^{-1} A L^{-\top}$ 는 대칭성을 보존한다. 이 접근법은 대칭 구조를 유지하면서 표준 형식으로 환원시키므로 수치적 성질이 우수하다. 일반화된 고유값을 구한 후 원래 고유벡터는 $\mathbf{v} = L^{-\top} \mathbf{w}$ 로 복원된다.

6. 변분 표현

대칭 양정치 다발에 대한 일반화된 고유값은 일반화된 레일리 몫(generalized Rayleigh quotient)의 임계값으로 표현된다.

$R(\mathbf{x}) = \frac{\mathbf{x}^\top A \mathbf{x}}{\mathbf{x}^\top B \mathbf{x}}$

가장 작은 일반화된 고유값과 가장 큰 일반화된 고유값은 각각

$\lambda_{\min} = \min_{\mathbf{x} \neq \mathbf{0}} R(\mathbf{x}), \qquad \lambda_{\max} = \max_{\mathbf{x} \neq \mathbf{0}} R(\mathbf{x})$

로 주어지며, 더 일반적으로 쿠란트-피셔 정리의 일반화된 형태가 성립한다. 이 변분 표현은 진동 해석과 좌굴 해석에서 핵심적인 역할을 수행한다.

7. QZ 알고리듬

수치 선형대수학에서 일반화된 고유값 문제를 풀기 위한 표준 알고리듬은 QZ 알고리듬이다. 이 알고리듬은 $B$ 의 가역성에 의존하지 않으며, 두 행렬을 동시에 직교 변환하여 일반화된 슈어 형식(generalized Schur form)으로 변환한다.

$Q^* A Z = T_A, \qquad Q^* B Z = T_B$

여기서 $Q$ 와 $Z$ 는 유니타리 행렬이고, $T_A$ 와 $T_B$ 는 상삼각 행렬이다. 이 형식에서 일반화된 고유값은 대각 성분의 비 $T_{A,ii}/T_{B,ii}$ 로 직접 계산된다. QZ 알고리듬은 수치적으로 안정하며 LAPACK과 같은 표준 선형대수 라이브러리에 구현되어 있다.

8. 무한 고유값과 영 고유값의 처리

일반화된 고유값 문제에서는 고유값이 무한대가 되거나 정확히 영이 되는 특수한 경우가 발생할 수 있다.

$\det B = 0$ 인 경우, 적어도 하나의 일반화된 고유값은 무한대로 정의된다. 이는 $B$ 의 영 공간에 속하는 비영벡터 $\mathbf{v}$ 에 대하여 $B\mathbf{v} = \mathbf{0}$ 이 성립하기 때문이다.
$\det A = 0$ 인 경우, 일반화된 고유값 $\lambda = 0$ 이 존재한다.

이러한 특수 고유값들은 QZ 알고리듬에서 자연스럽게 처리되며, $T_{A,ii} \neq 0, T_{B,ii} = 0$ 또는 $T_{A,ii} = 0, T_{B,ii} \neq 0$ 의 형태로 검출된다.

9. 행렬 다발의 동치성

두 행렬 다발 $A_1 - \lambda B_1$ 과 $A_2 - \lambda B_2$ 가 동치(equivalent)라 함은 가역 행렬 $P, Q$ 가 존재하여

$P A_1 Q = A_2, \qquad P B_1 Q = B_2$

가 성립하는 경우를 말한다. 동치인 행렬 다발은 동일한 일반화된 고유값을 가진다. 이 동치 관계를 통하여 일반화된 고유값 문제의 표준형으로 환원할 수 있으며, 크로네커 표준형(Kronecker canonical form)이 가장 일반적인 표준형이다.

10. 일반화된 고유값 문제의 응용 영역

일반화된 고유값 문제는 다음과 같은 다양한 영역에서 자연스럽게 발생한다.

진동 해석: 질량 행렬과 강성 행렬이 형성하는 다발에서 고유 진동수를 추출하는 문제
좌굴 해석: 강성 행렬과 기하학적 강성 행렬이 형성하는 다발에서 임계 하중을 결정하는 문제
선형 판별 분석: 클래스 간 산포 행렬과 클래스 내 산포 행렬이 형성하는 다발에서 판별 방향을 추출하는 문제
양정치 시스템의 안정성 해석: 시스템 행렬과 가중 행렬이 형성하는 다발에서 안정성 마진을 평가하는 문제
모달 해석과 시스템 식별: 측정된 응답 데이터로부터 시스템 행렬을 추정하는 부분 공간 식별 기법

11. 로봇공학에서의 응용

11.1 로봇 구조물의 진동 해석

로봇 구조물의 자유 진동 방정식 $M\ddot{\mathbf{q}} + K\mathbf{q} = \mathbf{0}$ 에서 조화 해 $\mathbf{q} = \mathbf{v}e^{i\omega t}$ 를 가정하면

$K\mathbf{v} = \omega^2 M \mathbf{v}$

의 일반화된 고유값 문제가 얻어진다. 일반화된 고유값 $\omega^2$ 는 자연 진동수의 제곱이며, 일반화된 고유벡터는 진동 모드 형상을 나타낸다. 이 분석은 로봇 매니퓰레이터, 보행 로봇, 비행체, 그리고 우주 구조물의 동특성 평가에 필수적으로 사용된다.

11.2 유연 매니퓰레이터의 모달 해석

링크가 유연한 매니퓰레이터의 동역학은 가정 모드법이나 유한 요소법을 통하여 이산화되며, 이로부터 얻어진 질량 및 강성 행렬에 대한 일반화된 고유값 문제를 풀어 진동 모드와 진동수를 추출한다. 이는 잔류 진동을 최소화하는 입력 정형 설계, 진동 보상 제어기 합성, 그리고 작업 정밀도 평가에 활용된다.

11.3 좌굴 안정성 평가

긴 매니퓰레이터의 링크나 케이블 구동 로봇의 케이블이 압축 하중을 받는 경우, 좌굴 안정성 평가는 강성 행렬 $K$ 와 기하학적 강성 행렬 $K_G$ 가 형성하는 일반화된 고유값 문제

$K \mathbf{v} = \lambda K_G \mathbf{v}$

를 통하여 수행된다. 가장 작은 양의 고유값이 임계 좌굴 하중에 비례한다.

11.4 시스템 식별과 부분 공간 기법

데이터 기반 모델링에서 한켈 행렬에 대한 일반화된 고유값 분해는 시스템의 차수와 극점을 추정하는 데 활용된다. 부분 공간 식별(subspace identification) 기법은 측정 데이터로부터 직접 상태 공간 모델을 추출하며, 그 핵심 단계에서 일반화된 고유값 문제가 사용된다.

11.5 가시야 결정과 컴퓨터 비전

다중 뷰 기하학에서 본질 행렬과 기본 행렬의 추정은 종종 일반화된 고유값 문제로 정식화된다. 또한 스테레오 보정과 카메라 내부 파라미터 자동 추정에서도 일반화된 고유값 분해가 활용된다.

11.6 모드 결합 제어 설계

다축 로봇의 모드 결합 제어에서 폐루프 시스템의 원하는 동특성을 달성하기 위하여 일반화된 고유값 할당 기법이 사용된다. 이 기법은 시스템 행렬과 입력 행렬이 형성하는 일반화된 고유값 문제를 통하여 제어 이득을 결정한다.

11.7 칼만 필터의 정상 상태 해

선형 시변 시스템의 칼만 필터에서 정상 상태 오차 공분산은 대수 리카치 방정식의 해로 주어지며, 이 방정식은 해밀턴 행렬에 대한 일반화된 고유값 문제를 통하여 풀 수 있다. 안정 부분 공간을 추출하기 위하여 음의 실수부를 가지는 일반화된 고유값에 대응하는 고유벡터들이 사용된다.

참고문헌

Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.
Stewart, G. W., & Sun, J. G. (1990). Matrix Perturbation Theory. Academic Press.
Trefethen, L. N., & Bau, D. (2022). Numerical Linear Algebra (25th Anniversary ed.). SIAM.
Saad, Y. (2011). Numerical Methods for Large Eigenvalue Problems (Revised ed.). SIAM.
Bathe, K.-J. (2014). Finite Element Procedures (2nd ed.). Prentice Hall.
Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.

Version: 1.0