행렬의 대각화 (Diagonalization)
쉽게 풀면
어떤 변환을 나타내는 행렬은 좌표축을 어떻게 잡느냐에 따라 복잡해 보이기도, 아주 단순해 보이기도 합니다. 예를 들어 비스듬히 놓인 타원을 보면 계산이 복잡하지만, 타원의 긴 축과 짧은 축 방향으로 좌표축을 새로 잡으면 "가로로 3배, 세로로 2배 늘리기"처럼 아주 단순하게 설명됩니다. 대각화란 바로 이렇게 고유값과 고유벡터 방향으로 좌표축을 바꿔서, 원래 행렬을 "축마다 정해진 배율만큼 늘리거나 줄이기만 하는" 대각행렬로 표현하는 작업입니다. 이렇게 하면 행렬을 여러 번 곱하는 계산(거듭제곱)이나 성질 분석이 훨씬 쉬워집니다.
왜 중요한가
복잡한 행렬 연산을 반복해야 하는 문제에서 대각화는 계산을 극적으로 단순화시켜주기 때문에, 데이터 차원을 줄이는 주성분분석부터 동역학 시스템의 장기적 거동 예측, 양자역학의 상태 분석까지 여러 분야에서 핵심 도구로 쓰입니다. 특히 행렬의 거듭제곱이나 지수함수를 계산해야 하는 미분방정식·시계열 모델에서는 대각화를 거치면 계산이 훨씬 간단해지기 때문에, 이론 전개나 수치 계산의 효율성을 설명하는 대목에서 자주 언급됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 데이터의 분산-공분산 구조를 대각화 과정을 통해 단순한 형태로 바꾸고, 그 결과로 나온 고유값·고유벡터를 주성분분석(PCA)에 활용했다는 뜻입니다. 대각화는 안정성 분석, 마르코프 체인의 장기 거동 예측 등에도 널리 쓰입니다.
제어공학에서 복잡하게 얽힌 시스템을 대각화를 통해 서로 독립적인 단순한 요소들로 분리해 분석했다는 의미다.
양자역학 계산에서 물리계의 에너지 준위를 구하기 위해 관련 행렬을 대각화하는 표준적인 절차를 설명한 것이다.
조금 더 깊게 보면
대각화 가능 여부는 행렬의 고유값이 중복되는 정도(대수적 중복도와 기하적 중복도가 일치하는지)에 따라 갈리며, 이 둘이 어긋나는 경우에는 대각화 대신 "조르당 표준형(Jordan canonical form)"이라는 대안적 단순화 형태를 사용합니다. 논문에서 대칭행렬이나 에르미트 행렬이 다뤄질 때는 항상 대각화가 가능하고 고유벡터들이 서로 직교한다는 성질이 자주 활용되는데, 이 덕분에 계산의 안정성과 해석의 명확성이 크게 높아집니다. 대각화된 형태는 원래 행렬과 "닮음(similar)" 관계에 있다고 표현하며, 이 관계를 나타내는 변환행렬이 바로 고유벡터들을 열로 모은 행렬입니다.
주의할 점
모든 정사각행렬이 대각화 가능한 것은 아닙니다. 서로 독립인 고유벡터를 행렬의 크기만큼 충분히 찾을 수 없으면 대각화할 수 없습니다. 다만 대칭행렬은 항상 대각화가 가능하며, 이때 고유벡터들을 직교행렬로 구성할 수 있다는 사실이 알려져 있습니다.