# 반유계행렬 (Semibounded Matrices)

#### 정의와 기본 성질

반유계행렬(Semibounded Matrix)은 주어진 행렬의 성질 중 하나로, 특정 방향으로 행렬의 모든 고윳값(eigenvalues)이 유계(bounded)임을 나타낸다. 구체적으로, 주어진 Hermitian 행렬 $ A $에 대해 다음과 같은 조건을 만족할 때 $ A $는 반유계행렬이라 한다:

* $ A $의 고윳값 중 적어도 하나는 특정 상수 $ c \in \mathbb{R} $보다 작거나 같고, 나머지 고윳값은 $ c $보다 큰 값을 가지는 경우. 이는 다음 수식으로 표현될 수 있다:

$$
\lambda\_{\min}(A) \leq c \leq \lambda\_{\max}(A)
$$

여기서 $ \lambda\_{\min}(A) $와 $ \lambda\_{\max}(A) $는 각각 $ A $의 최소 및 최대 고윳값을 나타낸다.

반유계행렬은 유계행렬(bounded matrix)과 비유계행렬(unbounded matrix)의 중간 상태를 표현하는데 유용하다. 반유계행렬의 성질은 특정 최적화 문제나 물리적 시스템에서 매우 중요하다.

#### 고윳값의 성질

반유계행렬의 가장 중요한 특징 중 하나는 고윳값의 분포이다. Hermitian 행렬의 경우, 모든 고윳값은 실수(real number)이므로, 이들 고윳값의 유계성을 논의할 수 있다.

* **반유계성**: 반유계행렬의 고윳값들은 특정 상수 $ c $를 기준으로 유계성을 가진다. 만약 $ A $가 아래로 유계(semibounded from below)라면, 모든 고윳값은 $ c $보다 크거나 같다. 반대로 $ A $가 위로 유계(semibounded from above)라면 모든 고윳값은 $ c $보다 작거나 같다.
* **추가 성질**: 만약 행렬 $ A $가 반유계행렬이라면, $ A $의 고윳값 분포는 비슷한 구조를 가진 다른 행렬, 예를 들어 $ A + \alpha I $ (여기서 $ \alpha $는 실수, $ I $는 단위행렬)로부터 쉽게 도출될 수 있다.

#### 대각화와 반유계행렬

Hermitian 행렬의 대각화(diagonalization)는 반유계행렬의 성질을 분석하는 데 중요한 도구이다. 구체적으로, $ A $가 Hermitian 행렬일 때, $ A $는 항상 다음과 같이 대각화될 수 있다:

$$
A = U \Lambda U^\*
$$

여기서 $ U $는 유니타리(unitary) 행렬, $ \Lambda $는 $ A $의 고윳값들로 이루어진 대각행렬이다. 반유계행렬의 경우, $ \Lambda $의 모든 대각 원소들은 특정 상수 $ c $를 기준으로 유계성을 가진다.

대각화된 형태에서 반유계성을 확인하는 것은 매우 간단하다. 이는 반유계행렬의 고윳값이 직접적으로 대각 원소로 나타나기 때문이다.

#### 반유계행렬의 예

가장 간단한 예로는 모든 고윳값이 양수(positive)인 행렬을 들 수 있다. 예를 들어, 단순한 2차원 행렬 $ A $가 다음과 같다고 하자:

$$
A = \begin{pmatrix} 2 & 1 \ 1 & 2 \end{pmatrix}
$$

이 경우, $ A $의 고윳값은 $ 3 $과 $ 1 $로, $ A $는 아래로 $ 1 $에 의해 유계인 반유계행렬이다.

또한, 단순한 대각행렬

$$
B = \begin{pmatrix} -2 & 0 \ 0 & 3 \end{pmatrix}
$$

은 고윳값이 $ -2 $와 $ 3 $이므로, 위로 $ 3 $에 의해 유계인 반유계행렬로 간주될 수 있다.

***

관련 자료:

* Horn, R. A., & Johnson, C. R. (1985). *Matrix Analysis*. Cambridge University Press.
* Bhatia, R. (1997). *Matrix Analysis*. Springer.