레이블이 수학인 게시물을 표시합니다. 모든 게시물 표시
레이블이 수학인 게시물을 표시합니다. 모든 게시물 표시

2014년 5월 20일 화요일

LU 분해, LDU분해

정사각행렬 \( \mathbf{A}_{n \times n} \)에 대해서,
  • LU 분해는 유일하지 않지만, LDU 분해는 유일하다.
    • LDU 분해를 통해 LU분해를 구할 수도 있다.(그럴 필요가 없지만)
    • 즉, \( \mathbf{D} \)를 적당히 \( \mathbf{D_{1}D_{2}} \)로 분해하여 \( \mathbf{(LD_{1})(D_{2}U)} \)로 만들 수 있는 방법은 많으니까.
    • 단, LU의 대각성분이 모두 1이면 당연히 유일하다.
  • 0인 pivot이 존재해서 LU 분해가 불가능하면( \(  \begin{pmatrix}0 & 1 \\1 & 0 \end{pmatrix} \) 처럼) PLU 분해 ( \( \mathbf{PA=LU} \) )로 가능하게 할 수 있다. \( \mathbf{P} \)는 permutation matrix이다. MatLab에 있는 lu 함수에 이 기능이 내장되어 있다.

추가정보는 여기로.

2014년 5월 12일 월요일

평균율 음계

음악의 세상에서는 다음과 같은 약속[1]이 되어있다고 한다.

  1. 1옥타브 라 = piano A4 = 440 Hz
  2. 옥타브 한 단계 차이는 또 440 Hz

이 규칙에 따라서 '라'들은,

  • 1옥타브 라 = piano A4 = 440 Hz
  • 2옥타브 라 = piano A5 = 880 Hz
  • 3옥타브 라 = piano A6 = 1760 Hz
  • 4옥타브 라 = piano A7 = 3520 Hz (피아노 끝에서 세번째 흰 건반)

등으로 정의가 되고,

평균율(Equal temperament)을 따르면, 옥타브 안에서 음들은 12단계로 나뉘되, 연속된 두 음의 주파수 비율은 \( 1:\sqrt[12]{2}\)로 모두 같다. A4 에서 A5까지의 음 주파수는 다음과 같다.

  1. A: 440.000
  2. A#: 466.164
  3. B: 493.883
  4. C: 523.251
  5. C#: 554.365
  6. D: 587.330
  7. D#: 622.254
  8. E: 659.255
  9. F: 698.456
  10. F#: 739.989
  11. G: 783.991
  12. G#: 830.609
  13. A: 880.000


그림 1은 위의 음들의 주파수에 자연로그를 취하여 나타낸 것이다. 피아노의 백건에 해당되는 것은 흰색 동그라미로, 흑건에 해당되는 것은 검은색 동그라미로 나타내었다. (그림 2와 함께 보라)

그림 1

음의 한 단계를 반음, 두 단계를 온음이라고 하는데, '시-도'와 '미-파'는 특별하게도 이름이 바뀌는데도 반음 관계이다. 즉 12계 음에서 8개를 취한 '도레미파솔라시도'는 이가 빠진 등비수열같은 것이었다. 하지만 여기에 이미 익숙해져버린 대다수의 사람들에게 '도레파솔라시'의 6음이나 12음을 전부 차례대로 들려주면 '도레미파솔라시도'처럼 자연스럽게 들리지가 않는다.

그림 2
http://toneme.wikispaces.com/file/view/PianoKeys.png/237531691/PianoKeys.png

MatLab code

n=0:12;
r=2.^(n/12);
A4=440;
freq_notes=A4*r;

우리나라의 경우도 똑같이 12음계가 있다.[2][3] 단지 여기에서 보통 적절히 5음계나 6음계를 선택하여 사용하기 때문에 서양보다 음계가 모자라는 것으로 잘못 알고 있는 경우가 있다.

  1. 황종(黃鍾) D# \( \Rightarrow \) 황
  2. 대려(大呂) E
  3. 태주(太簇) F \( \Rightarrow \) 태
  4. 협종(夾鍾) F#
  5. 고선(姑洗) G
  6. 중려(仲呂) G# \( \Rightarrow \) 중
  7. 유빈(柳濱) A
  8. 임종(林鍾) A# \( \Rightarrow \) 임
  9. 이칙(夷則) B
  10. 남려(南呂) C
  11. 무역(無射) C# \( \Rightarrow \) 무
  12. 응종(應鍾) D



[1] 약속은 이렇게 되어있지만 추세가 442 Hz로 바뀌고 있다고도 한다. 특히 피아노가 빠지는 협주에서.
[2] http://www.gugak.go.kr/site/gugak/menu/1417.do?configNo=202&cmd=read&contentNo=62139
[3] http://blog.naver.com/dud83?Redirect=Log&logNo=10180328568

2014년 5월 9일 금요일

양의 정부호 행렬 positive definite matrix

  • 에르미트 행렬(hermitian matrix)[1]은 정부호행렬(definite matrix)이거나 부정부호행렬(indefinite matrix)이다.
    • 정부호행렬에는 네 종류가 있다.
      • 양의 준정부호행렬(positive semi-definite matrix)
      • 양의 정부호행렬(positive definite matrix)
      • 음의 준정부호행렬(negative semi-definite matrix)
      • 음의 정부호행렬(negative definite matrix)
    • 부정부호행렬
이들은 고윳값의 부호들에 의해 판단된다. 다른 부호끼리 섞여있으면 부정부호행렬, 같은 부호끼리만 있으면 정부호행렬, 0이 포함되면 준정부호행렬이 된다.

양의 정부호행렬로 돌아가자면, 다음 명제들은 동치(equivalent)이다.

  • 행렬이 positive definite
  • 모든 eigenvalue가 양수
  • 모든 sub-matrix들의 det.가 양수
  • 모든 pivot들이 양수
에르미트 행렬은 quadratic formula와 연관이 깊은데, 예를 들어 2원2차방정식(bivariate quadratic equation)은 벡터와 행렬로 보기 좋게 표시할 수 있다.

\(
ax_{1}^2+2bx_{1}x_{2}+cx_{2}^2=
\begin{bmatrix}
x_1 & x_2
\end{bmatrix}
\begin{bmatrix}
a & b \\ b &c
\end{bmatrix}
\begin{bmatrix}
x_1 \\ x_2
\end{bmatrix}
=\mathbf{x}^T\mathbf{A}\mathbf{x}=Q(\mathbf{x})
\)

\( Q(\mathbf{x})=1 \) 를 \( \mathbf{A} \)에 따라 그려보면,

그림 1

그림 1을 보면, pivot들의 부호에 따라 곡선의 모양이 결정된다는 것을 알 수 있다. 이것은 함수값이 특정값 ( \(=1 \) )일 때만 본 것이니까, 모든 함수값에 대해서 그림을 그려보면 그림 2와 같게 된다.

그림 2

\(
\mathbf{A}=\begin{bmatrix}
1 & 0 \\ 0 & -1
\end{bmatrix}\Rightarrow\text{hyperbolic paraboloid}, \quad
\mathbf{A}=\begin{bmatrix}
1 & 0 \\ 0 & 0
\end{bmatrix}, \quad
\mathbf{A}=\begin{bmatrix}
1 & 0 \\ 0 & 1
\end{bmatrix}\Rightarrow\text{elliptic paraboloid}
\)

좌측의 부정부호행렬은 hyperbolic paraboloid[2]를,
중앙의 양의 준정부호행렬은 parabolic cylinder를,
우측의 양의 정부호행렬은 elliptic paraboloid를 만들게 된다.

결국 그림 1은 그림 2를 특정 \( x_1 \)─\(x_2 \) 평면으로 자른 단면이다.

에르미트 행렬은 그 특수성으로 쉽사리 보기 힘들다고 생각할 수 있는데, 실은 공분산행렬(covariance matrix)이 그 좋은 예이다. \( d \)차원 데이터의 차원 사이의 분포가 어떤 상관성을 띠는지 나타내거나, 비용함수의 최적해를 찾아낼 때 쓰인다. 예를 들어 비용함수가 elliptic paraboloid 꼴이라면, gradient를 통해서 유일한 극소값을 찾아낼 수 있다.


[1] Charles Hermite은 프랑스 수학자로, 찰스 허밋이 아니라 샤를 에르미트이다. 그러므로 에르미시앙 행렬로 부르는 게 가장 맞겠으나[3],에르미트 행렬로 부른다. 하지만 많은 사람들이 그냥 영어식으로 허미션 매트릭스라고 부른다.
[2] hyperbolic paraboloid은 hyperboloid와 다른 것이니 혼동 주의.
[3] Bayesian theorem도 한국어로는 베이즈 정리라고 한다.

2014년 5월 8일 목요일

치환행렬 permutation matrix

치환행렬 (permutation matrix) 혹은 순열행렬
치환행렬은 기본 행렬(elementary matrix)의 세 종류 중 하나이다.

어떤 행렬에 곱해지면 그 행렬의 행 또는 열의 순서를 바꿔주는 역할을 한다.


성질

  • 행렬의 앞에 곱해지면 원래 행렬의 행 순서를 바꿔주고 \( \mathbf{P}_{n\times n}\mathbf{A}_{n\times m}\)
    행렬의 뒤에 곱해지면 원래 행렬의 열 순서를 바꿔준다. \( \mathbf{A}_{m\times n}\mathbf{P}_{n\times n}\)
  • 치환행렬이 대칭행렬(symmetric matrix)일 거라고 착각하는 경우가 있는데, 그것은 두 행 사이의 상호 행바꿈만 존재할 때만 그렇다. 대칭행렬인 치환행렬끼리 곱해도 치환행렬인데, 대칭행렬이 아닌 경우가 더 많다.
  • 치환행렬의 전치(transpose)는 치환행렬의 역행렬(inverse matrix)과 같다.
    \( \mathbf{P}^{T}=\mathbf{P}^{-1} \Leftrightarrow \mathbf{P}\mathbf{P}^{T}=\mathbf{I} \) (순서를 바꾸고 또 바꾸면 원래대로 돌아오게 되니까)
  • 원래 위의 성질은 직교행렬의 것이다. 즉, 모든 치환행렬은 직교행렬(orthogonal matrix)이다.

더하면 특정값이 되는 순열 수 찾기 문제

문제

순열 \( \begin{pmatrix}a_1, & a_2, & \cdots, & a_N \end{pmatrix} \) 이 있다. 각 원소는 서로 같을 수도 있다.

\( \sum_{i=1}^{N}{a_i}=K \) 가 되는 모든 순열의 수를 구하여라.

단, \( a_i \in \mathbb{Z},\quad a_i \geq 0,\quad a_i \leq B,\quad N,B,K \in \mathbb{N},\quad N \geq 2,\quad K \leq BN \) 을 만족해야 한다.

힌트

\( K=0 \) 이라면 \( N \)에 관계없이 순열의 수는 \( 1 \)개이다.

\( K=1 \) 이라면 순열의 수는 \( N \)개이다.

\( K=2 \) 이라면 \( K  \leq B \) 와 \( K > B \)로 나누어 생각해야 한다.

\( K\geq 3 \) 이라면.. 여기서부터가 진짜 문제이다. 나는 순열의 최대값 원소를 미리 정해놓고 나머지 원소를 찾은 다음에, 가능한 모든 순열의 개수를 계산하는 방법을 사용했다.

2014년 5월 7일 수요일

Differential entropy

differential entropy = continuous entropy
왜 이름이 differential인지 도통 모르겠다.


원래 엔트로피는 이산확률일 때 정의되는데,

\( H(X) = \sum_{i} {P(x_i)\,I(x_i)} = -\sum_{i} {P(x_i) \log_b P(x_i)} \)


연속확률일 때로 확장하면,

\( h(X) = -\int_\mathbb{X} f(x)\log f(x)\,dx\)


그런데 엔트로피의 성질을 따르지 않을 수도 있다는 문제가 있다. 균등분포 \( \mathcal{U}(a,b) \)을 가정하고 differential entropy를 구하면,

\( f(x)=\frac{1}{b-a}, \\
h(X)=\int_{a}^{b} \frac{1}{b-a}\ln({b-a}) dx =\ln{(b-a)} \)

이므로, 이 때 \( b-a \) 가 1이거나 그보다 작으면 엔트로피가 0 또는 음수가 되어버리는 이상한 일이 발생한다. 만약 균등분포를 가정하고 엔트로피를 구한다면 \( a,b \)의 편차의 최소값이 항상 \( 1 \)보다 크도록 적당히 측정단위를 바꿔서 써야할 듯 하다.

정규분포 \( \mathcal{N}(\mu,\sigma) \)의 경우에는,

\( h(X)=\ln(\sigma\sqrt{2\pi e})\)

이기 때문에, \( \sigma < \frac{1}{\sqrt{2\pi e}}=0.2419\cdots \) 인 경우에는 엔트로피가 \( 0 \) 이하로 떨어질 수 있으니 역시 조심해야 한다.

다른 연속확률분포의 differential entropy는 여기로.

복소로그함수, 복소수의 로그 complex logarithm

고등학교 교과과정에서의 logarithm

\( \log_{a}{b}=c   \Leftrightarrow a^c = b\ \text{where}\ a,b,c \in \mathbb{R} \ , \ a \neq 1 \ , \ a>0 \,\ b>0 \ , \\
\ln{b}=\log_{e}{b} \,\ e=2.71828\cdots. \)


확장 1

\( b \)가 양수여야 한다는 조건을 삭제하고자 한다면, \( b\ (b > 0) \)에 대해서,

\( \ln(-b)=\ln(b\times (-1))=\ln(b)+\ln(-1) \) 와 같이 결국 \( \ln(-1) \)을 정의하는 문제로 귀결되고,

\( -1=e^{j(2n+1)\pi}\ \text{where}\ n \in \mathbb{Z} \) 를 이용하면, \( \ln(-1)=\ln(e^{j(2n+1)\pi})=j(2n+1)\pi \)로 볼 수 있다. 즉,

\(
\ln{b}=\begin{cases}\ln{b} & b > 0\\ \ln{b}+j(2n+1)\pi & b < 0 \\\text{not defined}\ & b=0\end{cases}
\)

확장 2

\( b \in \mathbb{C}\)로 확장한다면,

\( b=x+jy  \Rightarrow \sqrt{x^2+y^2}\exp(j\ \text{atan2}(y,x)) \) 이므로,

\(
\begin{align}
\ln(x+jy)&=\ln\big(\sqrt{x^2+y^2}\exp(j\ \text{atan2}(y,x))\big) \\
&=\ln(\sqrt{x^2+y^2})+j\ \text{atan2}(y,x) \\
\end{align}
\)

확장 3

\( a \in \mathbb{C}\)로도 확장한다면,

\( \log_{a}{b}=\frac{\ln{b}}{\ln{a}} \)에 의하여 무리없이 전개된다.


확장이 완료된 복소로그함수의 정의

\( \begin{align}
\log_{a}{b}&=c   \Leftrightarrow a^c = b\ \text{where}\ a,b,c \in \mathbb{C} \ , \ a \neq 1 \ , \ a\neq0 \,\ b\neq0 \ , \\
\ln{b}&=\log_{e}{b} \,\ e=2.71828\cdots. \\
\ln{z}&=\ln(\sqrt{x^2+y^2})+j\ \text{atan2}(y,x)\ \text{where}\ z=x+jy\ \text{and}\ x,y\in\mathbb{R}\ \text{and}\ j=\sqrt{-1}.
\end{align}
\)

\( \text{Log}(x+jy) \)의 결과를 그래프로 나타내면,




[1] "복소로그함수 Complex logarithm 와 리만 곡면 Riemann surface"

복소로그함수 Complex logarithm 와 리만 곡면 Riemann surface

복소수 \( z=r e^{j\theta}=x+jy\) 에 대하여 다음과 같이 복소로그(complex logarithm) 함수를 정의한다.

\( \text{Log} z := \ln r + j \theta = \ln(z) + j\ \text{arg}(z)=\ln |z| + j(\theta + 2n\pi) = \text{ln}\sqrt{x^2+y^2} + j\ \text{atan2}(y,x)\ \text{where}\ n\in\mathbf{Z} \)

\( \text{Log} \)는 logarithm 이기는 한데, 이렇게 확장하여 정의했으니 대문자 L을 쓴 것이다. 의미 상으로는 밑이 \( e \) 인 logarithm 맞다.

\( z = 1= e^{j0}\) 이라면,

\( \text{Log}1 := \ln(1) + j\ \text{arg}(1) = \cdots, -j4\pi, -j2\pi, 0, j2\pi, j4\pi, \cdots \)

이렇게 답이 무한개가 나오므로[1], 보통은 답의 범위를 \( [-\pi, \pi) \) 처럼 제한하여 다루었다. 하지만 이렇게 공역을 제한하는 것보다는 정의역을 다르게 정의하는 것이 적절하다. 이것이 바로 리만 곡면 Riemann surface이다. 물론 리만 곡면은 함수에 따라 달라진다. 그림 1은 Log함수의 정의역인 복소곡면을 나타낸다. 이 곡면상의 한 점이 함수의 입력에 해당되고, z축의 꼭대기에서 (전체를 관통하여) 복소평면을 바라보았을 때의 그 점의 위치가 출력에 해당된다.

그림 1

참으로 소용돌이 감자가 먹고 싶어지게 하는 곡면이다.

그림 2[2]

[1] 입력은 하나인데, 출력은 여러 개이므로 이것은 다가함수(multivalued function)이고, 함수의 정의에 의하면 함수라고 할 수 없지만, 통상 함수라고 칭한다.
[2] 출처 http://twistpotatomalaysia.blogspot.kr/2010_07_01_archive.html

원주율에 대한 라이프니츠 공식 Leibniz formula for pi

원주율은 다음과 같이 아름답게도 표현할 수 있다.

\( \frac{1}{1} - \frac{1}{3} + \frac{1}{5} - \frac{1}{7} + \frac{1}{9} - \cdots = \frac{\pi}{4} \)

합 공식으로 나타내면 간단하지만 오히려 아름답지가 않다.

\( \sum_{n=0}^\infty \, \frac{(-1)^n}{2n+1} \;=\; \frac{\pi}{4} \)

또는 변형하여,

\( \frac{\pi}{4} = \sum_{n=0}^{\infty} \bigg(\frac{1}{4n+1}-\frac{1}{4n+3}\bigg) = \sum_{n=0}^{\infty} \frac{2}{(4n+1)(4n+3)} \)

단, 이 공식을 이용하여 \( \pi \)를 구하는 것은 조금 바람직하지 않다. 진짜 \( \pi \)로의 수렴속도가 느리기 때문에.

증명은 여기로.

2014년 5월 6일 화요일

행렬거듭제곱 matrix exponential

\( e^{\begin{pmatrix}a & b \\c & d \end{pmatrix}} =? \)

\(
\begin{align}
e^x & = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots \\
& = \sum_{n=0}^\infty \frac{x^{n}}{n!}, \\
\end{align}
\)

이므로, \( \mathbf{A} \in \mathbb{C}^{n \times n} \) 에 대해서는,

\( e^{\mathbf{A}} = \mathbf{I}  + \mathbf{A} + \frac{\mathbf{A}^2}{2!} + \frac{\mathbf{A}^3}{3!} + \cdots. \)

로 구할 수 있다.[1][2]


[1] http://dx.doi.org/10.1137/1.9780898717778.ch10
[2] "행렬의 삼각함수 matrix sine and matrix cosine"도 참조

행렬의 삼각함수 matrix sine and matrix cosine

\( \cos \begin{pmatrix}a & b \\c & d \end{pmatrix} =? \)

\(
\begin{align}
\sin x & = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \cdots \\
& = \sum_{n=0}^\infty \frac{(-1)^n x^{2n+1}}{(2n+1)!}, \\
\cos x & = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \cdots \\
& = \sum_{n=0}^\infty \frac{(-1)^n x^{2n}}{(2n)!}.
\end{align}
\)

이므로, \( \mathbf{A} \in \mathbb{C}^{n \times n} \) 에 대해서는,

\(
\sin \mathbf{A} = \mathbf{A} - \frac{\mathbf{A}^3}{3!} + \frac{\mathbf{A}^5}{5!} - \frac{\mathbf{A}^7}{7!} + \cdots, \\
\cos \mathbf{A} = \mathbf{I} - \frac{\mathbf{A}^2}{2!} + \frac{\mathbf{A}^4}{4!} - \frac{\mathbf{A}^6}{6!} + \cdots.
\)

로 구할 수 있다.[1] 이로 인해,

\(
e^{i \mathbf{A}}=\cos \mathbf{A} + i \sin \mathbf{A}
\) 도 구할 수 있게 된다.


[1] http://dx.doi.org/10.1137/1.9780898717778.ch12

어떤 수의 허수 거듭제곱

\( i \)는 허수단위(imaginary unit)이다. \( a \in \mathbb{Z}, a>0 \)의 허수거듭제곱은,

\(
a^{i}=a^{i\log_{b} b}=a^{\log_{b} b^i}=b^{i\log_{b} a} \\
\Rightarrow a^{i}=e^{i\ln a} \\
\Rightarrow \cos(\ln a)+i\sin(\ln a)
\)

확장하여, 복소수거듭제곱은,

\( a^w=a^{n+im}=e^{(n+im)\ln a}=e^{n}e^{im\ln a} \\
\Rightarrow e^{n}\big( \cos(m\ln a)+i\sin(m\ln a) \big)
\)

logarithm 때문에 \(  a\leq 0 \) 이면 식이 성립하지 않는다. \( a \in \mathbb{Z}) \)로는 어떻게 확장해야할까?

로그함수를 음수는 물론, 복소수에 대해서도 확장시켜 복소로그함수로 간주하면 된다.[1]

예를 들어 \( -1^{i} \)를 구하고자 한다면,

\(
\begin{align}
    -1^{i} &= -1^{\ln{e^i}}\\
&=e^{i\ln{(-1)}}\\
&=e^{i\times i\pi}\\
&=e^{-\pi}
\end{align}
\)

사실 엄밀히 하자면 \( \ln{(-1)}=i(2n+1)\pi,n\in\mathbb{Z} \) 이므로 이것은 답 중 '하나'에 속하지만, 이 답이 가장 간단하므로 주치(principal value)라고 한다.

[1] "복소로그함수 Complex logarithm 와 리만 곡면 Riemann surface"

2014년 5월 1일 목요일

밑변환 change of base

로그 밑변환 (change of base for logarithms)

\(
\log_{a}{b}=x \\
\Rightarrow a^x=b \\
\Rightarrow \log_{c}(a^x)=\log_{c}{b} \\
\Rightarrow x\log_{c}{a}=\log_{c}{b} \\
\Rightarrow x=\frac{\log_{c}{b}}{\log_{c}{a}}
\Rightarrow \log_{a}{b}=\frac{\log_{c}{b}}{\log_{c}{a}}
\)


지수 밑변환 (change of base for exponents)

\(
a^{\log_{c}{b}}=x \\
\Rightarrow \log_{c}(a^{\log_{c}{b}})=\log_{c}x \\
\Rightarrow \log_{c}{b}\times\log_{c}a=\log_{c}x \\
\Rightarrow \log_{c}(b^{\log_{c}{a}})=\log_{c}x \\
\Rightarrow b^{\log_{c}{a}}=x \\
\Rightarrow b^{\log_{c}{a}}=a^{\log_{c}{b}}
\)

거듭제곱의 확장, 그리고 또 확장

거듭제곱은 \( a^n \) 인데, \( n \)이 자연수일 때는 누구나 직관적으로 이해가 된다.

\( a^n\times a^m = a^{n+m} \cdots (1) \\ (a^n)^m=a^{nm} \cdots (2) \\ n,m\in \mathbb{N}  \)

여기까지도 문제없이 이해 가능하면 아래처럼 그림 1을 그릴 수 있다.

그림 1


하지만 옛날 사람들은 \( a^2 \) 와 \( a^3 \) 사이에도 \( a^{2.5} \) 같은 것이 존재해야만 할 것 같았던 것이다.

\( a^{2.5} \) 는 일단 \( a^{2} \)를 구한 다음에 \( a^{0.5} \)를 곱해야 된다. 이것은 자연적으로 거듭제곱(지수,승수)이 1보다 작을 때 어떻게 계산하는지에 대한 문제가 되었을 것이다. 어떤 수를 \( n \)회 거듭해서 곱한다는 거듭제곱수의 정의와 상충되는 게 아닌가?

하지만 \( (2) \)를 조금 확장하여, \( n=\frac{1}{p} , p\in \mathbb{N}\) 이고, \( m=p\) 인 것을 생각해보면,

\(  (a^{\frac{1}{p}})^p=a \Rightarrow a^{\frac{1}{p}} =\sqrt[p]{a} \)

즉, \( p \)제곱근이 된다. 이걸 처음 알아낸 사람은 얼마나 신났을까?  \( a^{2.5} \)이란,  다름아닌 \( a^{2}\times \sqrt{a} \)였던 것이다!

이제 그렇다면  \( a^{0.000000001} \) 같은 것도 (힘들지만) 구할 수는 있는 것이다. \( 1 \)에 가깝게 나오리란 것쯤은 예측 가능하다. 그리고 아직 증거는 없지만,  \( a^{0} \) 이 1이라고 말할 수 있을 것 같다. 여기까지 구할 수 있다면 그림 2을 그릴 수 있다.

그림 2

하지만 이 곡선이 \( 0 \)에서 끊기는 것은 많이 아쉽다. 음수 영역에서도 자연스럽게 곡선이 이어질 것만 같으니까 말이다.

이번에는 \( (1) \)을 변형하여,

\( a^{n+1}/a^1=a^n  \)

을 생각해보고, \( n\leq 0 \)로 확장하면

\(
a^{0+1}/a^1=a^0=1 \\
a^{-1+1}/a^1=a^{-1}=\frac{1}{a^1} \\
a^{-2+1}/a^1=a^{-2}=\frac{1}{a^2}
\)

가 되므로, 거듭제곱(exponent, power)이 \( 0 \) 일 때 모든 \( a \)에 대해서 그 값은 \( 1 \)이 되는 것이 확인되고, 음수인 거듭제곱 \( n \)은 다름아닌 역수를 만들어내는 것이 동시에 확인된다. 이제 그림 3도 그릴 수 있다.

그림 3

이상을 정리하면, 어떤 수 \( a>0 \)[1]의 유리수거듭제곱은 다음과 같다.

\( a^{\frac{p}{q}}=\sqrt[q]{a^p} \ \text{where}\ p \in \mathbb{I}\ \text{and}\ q \in \mathbb{N} \)

이제 좀 더 많은 경우의 \( a \)에 대하여 그래프를 그려보면, 아래 그림 4와 같이 구할 수 있다.

그림 4

그러나 변수가 \( a \) 와 \( n \)로 2-dim.이니, 그림 5처럼 3차원 그래프로 나타내는 게 관계를 파악하는데 더 좋다.

그림 5

이제 거듭제곱이 유리수라도 문제없이 거듭제곱수를 구할 수 있다.


실수로까지 확장하여 구하고 싶다면 어떻게 구할까? 애당초 무리수의 참값은 알 수 없고, 근사치로만 알고있기 때문에 근사치인 실수를 이용하면 된다.

\( a^n=\lim_{r \rightarrow n}a^r\ \text{where}\ r\in\mathbb{Q}\text{and}\ n \in\mathbb{R} \)

조금 얼렁뚱땅이기는 하지만 이렇게 거듭제곱이 실수인 경우까지 구할 수 있게 되었다.


이번에는 복소수까지 확장해보자. [2]에 의하여,

\( a^{n+jm}=e^{(n+jm)\ln a} \)

로 변형될 수 있고, 오일러의 공식 \( e^{jx}=\cos(x)+j\sin(x) \)에 의해 자연상수\( e \)의 허수인 거듭제곱을 계산할 수 있다. 당연하게도 결과는 복소수로 나오게 된다. 그림 6은 \( 2^{n+im} \)에 대하여 그 결과를 색상으로 나타낸 것이다. 애석하게도 실수부와 허수부를 한번에 나타낼 수는 없으므로, 두 그래프로 나누어 나타내었다.

그림 6



[1] \( a=0 \)인 경우에 대해서는 "............"을 참조
[2] "밑변환 change of base"에서 지수 밑변환을 잠조

가장 아름다운 공식, 오일러의 등식 Euler's identity, Euler's equation

오일러의 등식 Euler's identity, Euler's equation

\( e^{j\pi}+1=0 \)

\( e \)는 자연상수,
\( j \)는 허수,(\( i \)로 쓰기도 한다.)
\( \pi \)는 원주율
\( 0 \)과 \( 1 \)은 중요한 숫자.

자연상수에다가 허수와 파이를 곱한 만큼 거듭제곱[1]을 하고 1을 더하니 오묘하게 0이 되었다? 정말로 아름답지 아니할 수 없다.

물론 우연히 나온 결과가 아니라,

\( e^{jx}=\cos(x)+j\sin(x) \)

라는 오일러의 공식 Euler's formula에서 \( x \)가 \( \pi \)인 특이한 경우이다.

이를 복소평면상에서 해석하자면,

\( e^{j\pi}+(1+j0)=(0+j0) \ \Rightarrow \begin{pmatrix} \cos(\pi) \\ \sin(\pi) \end{pmatrix}+\begin{pmatrix} 1 \\ 0 \end{pmatrix}=\begin{pmatrix} 0 \\ 0 \end{pmatrix} \)

작성중..

[1] 거듭제곱을 자연수가 아닌 수로 어떻게 하는지(가능한지) 궁금하면 "거듭제곱의 확장, 그리고 또 확장"을 참조

자연로그의 밑, 자연상수 e

\( \lim_{n \rightarrow \infty} \left(1+\frac{1}{n}\right)^n \)

\( \sum_{n=0}^\infty \frac{1}{n!} \)

황금비 golden ratio

\( \varphi=\frac{1+\sqrt5}{2}=1.61803398874989\cdots=1 + \cfrac{1}{1 + \cfrac{1}{1 + \cfrac{1}{1 + \ddots}}} \)

이 수가 재미있는 것은 한 두 가지가 아니지만,

  • 1을 빼면 역수 \( \varphi-1=\frac{1}{\varphi} \)
  • 1을 더하면 제곱 \( \varphi+1=\varphi^2 \)

으로 특징을 외우기 참 쉽다는 것에 관심이 간다.

황금비 본연의 의미(황금사각형 golden rectangle)에 입각해 말하자면,

"어떤 직사각형의 긴 변쪽에 정사각형을 붙여 만든 새로운 직사각형은 원래의 것과 닮아있어야 한다."


여기서부터는 사족
  • 이 황금비에 따라 많은 건축물들이 만들어졌다..라고 하는데 나는 다소 회의적이다. 많은 (고대) 건축물들의 가로세로 비율이 황금비와 유사한 것은 맞지만, 정확하지는 않다.[1] 차라리, 많은 건축물들 중 황금비를 따르는 건축물들만 찾아낸 것이 아닐까?
  • 수학적으로는 아름다운 게 분명하긴 한데, 심미적으로 황금사각형이 아름다운지에 대해서도 조금 회의적이다. 선험적인 것일까, 아니면 학습된 것일까.
  • 하지만 만약에 외계문명이 있다면, 거기에서도 황금비 사각형은 쓰일 것이라 확신한다.
  • 자연계에서 황금비가 발견되는 것은 확실하다. 그러나 엄밀히 말하자면 피보나치 수열[2]이 발견되는 것이지, 정확한 황금비가 발견되는 것은 아니다. 아무래도 오차가 있기 마련이다. 암모나이트같은 경우도 개체별로 차이가 있다.
  • 컴퓨터 모니터의 비율은 전통적으로 3:4였다. 이는 황금비와 너무나도 다른데, 모니터 비율은 영화필름의 비율에서, 영화필름의 비율은 (사진)필름의 비율에서 따왔기 때문이다. 초기에 코닥에서 정한 비율이 3:4이다. 이는 렌즈를 통해 맺히는 상은 원형인데, 황금비를 따르면 위아래로 잘리는 상의 크기가 너무 커지기 때문에 적당히 3:4로 타협한 게 아닌가 추측된다.


[1] 국기의 비율 2:3=1:1.5, 신용카드 비율 5.35:8.6=1:1.607 도 황금비라고 칭하는데, 솔직히 너무 오차가 크지 않은가?
[2] 피보나치 수열에서 앞 숫자와 뒷 숫자의 비율은 황금비로 수렴한다.

무리수의 무리수거듭제곱이 유리수가 되는 경우

\( (\sqrt[p]m)^{\log_{m}(n^p)}=(n^p)^{\log_{m}(\sqrt[p]m)}=n\ \text{where}\ m,n,p \in \mathbb{N} \)

위 명제는 참[1]이고, '무리수의 무리수거듭제곱'이라는 조건을 만족하려면, \( m,n,p\neq 1\ \text{and}\  \sqrt[p]m \in \mathbb{I}\ and \frac{m}{n}\not\in\mathbb{N} \)이라는 조건이 추가되어야 된다. 그러면, \( \sqrt[p]{m}, \log_{m}(n^p) \in \mathbb{I} \)가 되기 때문이다.

예를 들어, \( (\sqrt{5})^{\log_{5}(9)}=9^{\log_{5}(\sqrt{5})}=3 \)가 성립한다.

\( 5 \)는 거듭제곱수가 아니므로 \( \sqrt{5} \)는 무리수이고, \( \log_{5}{(9)} \)는 자연수가 아니므로, 무리수이다.[2]

아예 다른 조건으로 특이한 경우로는,

\( {\left( \sqrt{2}^{\sqrt{2}} \right)}^{\sqrt{2}}=\sqrt{2}^{2}=2 \)
가 성립한다. 단, \( \sqrt{2}^{\sqrt{2}} \)가 무리수임을 증명해야 하는데 쉽지 않다.[3][4]


[1] "밑변환 change of base"
[2] "자연수의 거듭제곱근은 자연수이거나 무리수"
[3] Gelfond–Schneider theorem를 이용하여 이것이 초월수임을 보이면 된다. 모든 초월수는 무리수이기 때문이다.
[4] 사실 유리수여도 문제를 푸는 데 있어서 상관없기는 하다. 애초에 \( \sqrt{2} \)가 무리수니까.

2014년 4월 30일 수요일

선형대수학 linear algebra

선형대수만 배워서는 쓸데가 없다. 왜 중요한지도 모른다. 예를 들어 행렬식(det., determinant)을 구하는 방법을 배운 다음에, 그게 무엇인지 의미를 스스로 생각해보려고 하면 깨달음을 얻기도 힘들 뿐더러, 아무것도 배운 것 같지 않은 느낌만 남는다. 차라리 실제적인 문제를 푸는데 있어서 행렬식을 모르면 안 풀리는 상황을 가져다놓고, 스스로 궁금해하게 한 다음에 가르치는 게 더 의미있지 않을까 싶다.

선형대수학만 배운다는 것은, 펜을 잡는 법만 배우고 글씨는 한번도 안 써보는 것과 같다.

0의 0제곱(미작성)

미작성