The Multiplicity
Defintion 1. Let T∈L(V)T∈L(V), and let λλ be an eigenvalue of TT with characteristic polynomial f(t)f(t). Then
(a) The algebric multiplicity of λλ is the largest positive integer kk for which (t−λ)k(t−λ)k is a factor of f(t)f(t).
(b) The geometric multiplicity of λλ is dim(Eλ)dim(Eλ) where EλEλ is the eigenspace of T corresponding to λλ.
대수적 중복도는 말 그대로 고유값을 구하기 위해 f(t)=0f(t)=0을 풀 때 특정 고유값이 등장하는 빈도 그 자체를 의미한다. 기하적 중복도는 특정 고유값 λλ에 대응하는 고유공간 EλEλ의 차원이다. 단순하게 λλ에 대응하는 고유벡터들 중 선형 독립인 것들의 최대 개수라고 이해할 수 있다.
Theorem 1
Theorem 1. Let T∈L(V)T∈L(V), and let λλ be an eigenvalue of TT having algebric multiplicity mm where VV is finite-dimensional vector space. Then 1≤dim(Eλ)≤m1≤dim(Eλ)≤m.
즉 고유값 λλ의 대수적 중복도는 기하적 중복도보다 항상 크거나 같다. 생각해보면, 모든 고유벡터는 오직 하나의 고유값에만 대응되지만 하나의 고유값에 대응하는 고유벡터는 무수히 많다. 만약 선형 연산자 TT가 대각화 가능하다면 자명하게 λλ의 대수적 중복도와 기하적 중복도가 같음을 알 수 있다. 그렇지 않을 경우 두 가지 상황이 가능하다. 대수적 중복도가 기하적 중복도보다 크거나, 혹은 작거나.
전자의 경우 [T]β[T]β가 대각 행렬이 되는 것이 불가능한데, ββ는 TT의 고유벡터들로 이루어진 순서 기저이므로 λλ를 대수적 중복도만큼 T(v)=λvT(v)=λv로 표현할 선형 독립인 고유벡터의 개수가 부족하기 때문이다. 후자의 경우는 반대로 오히려 λλ를 대수적 중복도만큼 표현하고도 고유벡터가 남기 때문에 모순이다.
그런데 만일 TT가 대각화 가능하지 않다면, T(v)=λvT(v)=λv로 깔끔하게 표현되는 게 아니라 T(v)=λv+a1v1+⋯(v1,...∈β)T(v)=λv+a1v1+⋯(v1,...∈β) 과 같이 뒤에 뭔가가 더 붙어서 [T]β[T]β가 대각 행렬이 될 수 없게 된다. 그러니까 주어진 고유값 λλ의 개수, 즉 대수적 중복도에 비해 그 고유값을 깔끔하게 T(v)=λvT(v)=λv로 표현해서 대각 행렬로 표현할 수 있게끔 해주는 선형 독립인 고유벡터들이 부족하다는 것이다. 따라서 TT가 어떻든간에 항상 대수적 중복도는 기하적 중복도보다 큰 값을 갖는다.
Proof. Let {v1,...,vp}{v1,...,vp} be an ordered basis for EλEλ. By extending it to an ordered basis ββ for VV, we have β={v1,...,vp,vp+1,...,vn}β={v1,...,vp,vp+1,...,vn}.
Let A=[T]βA=[T]β. Then the characteristic polynomial of TT is f(t)=det(A−tIn)=det(λIp−tIpBOC−tIn−p) where B∈Mp×(n−p)(F), C∈M(n−p)×(n−p)(F). Then f(t)=det((λ−t)Ip)det(C−tIn−p) = (λ−p)p⋅g(t), where g(t)∈P(F). Thus the algebric multiplicity of λ is at least p, i.e., p=dim(Eλ)≤m. ◼