대각화

1. 선형대수학의 기초_(18) 대각화 가능성By 서울대의 감자

이전 글 보러 가기 선형대수학의 기초 마지막 시간입니다! 지금까지 길고 긴 글 읽어주셔서 감사하고요, 유종의 미를 거두어 봅시다. 이번 시간에는 대각화 가능성에 대해 다룹니다. 본격적으로 오늘의 주제를 다루기 전에 잠시 지난 시간 복습을 해봅시다. 지난 시간에 $$A=\begin{pmatrix} 1 & 1 \\ 5 & -3 \end{pmatrix}$$ 의 고윳값과 고유벡터가 각각 $\lambda_1 = -4$, $v_1 = \begin{pmatrix} 1 \\ -5 \end{pmatrix}$, $\lambda_2 = 2$, $v_2 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}$임을 확인했습니다. 그리고 두 고유벡터 $v_1$, $v_2$가 일차독립이어서 대각화가능하다는 것도 확인..

1. 선형대수학의 기초_(17) 고윳값과 고유벡터By 서울대의 감자

이전 글 보러 가기 드디어 선형대수학의 기초의 마지막 파트입니다. 선형대수학의 기초 마지막 파트에서는 대각화를 다루겠습니다. 선형변환 $\mathsf{T}: \mathsf{V} \rightarrow \mathsf{V}$에 대하여 $[\mathsf{T}]_{\beta}$가 대각행렬이 되게 하는 순서기저 $\beta$를 찾는 것이 대각화의 핵심이라고 할 수 있습니다. 굳이 대각행렬을 찾으려고 하는 이유는 대각행렬이 간단하기 때문입니다. 특히 행렬의 곱에서는 대각행렬이 일반적인 행렬보다 훨씬 계산이 편리한 것은 말할 것도 없습니다. (1-29) 벡터공간 $\mathsf{V}$의 선형연산자 $\mathsf{T}$에 대하여 영벡터가 아닌 벡터 $v \in \mathsf{V}$가 어떤 스칼라 $\lambda$에 대..