기본 콘텐츠로 건너뛰기

[seaborn] seaborn의 함수에 사용하는 속성(인수)들

복소수 (Complex Number)

복소수(complex number)

import numpy as np

제곱근의 경우 제곱근내의 수는 양수이어야 계산이 이루어집니다.

$$\sqrt{9}=9^\frac{1}{2}=3$$

그러나 아래와 같이 음수의 제곱근일 경우 실수로 계산할 수 없습니다. 수학에서 $\sqrt{-1}=i$로 정의 하며 i를 포함하는 수는 복소수(complex number)라고 합니다. 파이썬에서는 j로 표현합니다.

$$\sqrt{-9}=\sqrt{9}\sqrt{-1}=9^\frac{1}{2}\sqrt{-1}=3i$$

복소수

$$\tag{식 1}a+bi\;\text{또는}\; a+bj$$

  • a: 실수부분(real part)
  • b: 허수부분 (imaginary part)
  • a,b는 정수, 유리수, 분수 등 다양한 형태의 수입니다.

또한 복소수의 허수부분 부호가 반대인 경우를 켤레복소수(conjugate complex number)라고 하며 일반적으로 복소수 z의 켤레복소수는 $\bar{z}$과 같이 객체 위의 선(overline)으로 나타냅니다. 즉 $a+bi$의 켤레복소수는 $a-bi$가 됩니다.

파이썬에서 복소수는 j로 표시하며 complex(실수, 허수) 함수로 생성합니다.

A=complex(2,3)
A
(2+3j)

클래스 complex()로 생성되는 객체(복소수)는 그 객체의 실수부와 허수부를 각각 반환하는 속성(attribute)으로 객체.real, 객체.imag를 포함합니다.

A.real
2.0
A.imag
3.0

A의 켤레복소수는 complex()클래스의 메서드인 객체.conjugate()로 계산됩니다.

A.conjugate()
(2-3j)

복소수의 덧셈과 뺄셈은 실수부 사이, 허수부 사이에서 이루어집니다.

예 1)

두 복소수의 덧셈을 계산합니다.

A=-4+7i, B=5-10i

A=complex(-4, 7)
B=complex(5,-10)
A, B
((-4+7j), (5-10j))
A+B
(1-3j)
A.real+B.real
1.0
A.imag+B.imag
-3.0

예 2)

두 복소수의 뺄셈을 계산합니다.

A=5i, B=-9+i

A=complex(0, 5)
B=complex(-9, 1)
A, B
(5j, (-9+1j))
A+B
(-9+6j)
A.real+B.real
-9.0
A.imag+B.imag
6.0

곱셈은 일반적인 수의 곱연산과 같습니다.

예 3)

두 복소수의 곱셈을 계산합니다.

A=7i, B=-5+2i

\begin{align}7i(-5+2i)&=-35i+14i^2\\&=-14-35i\\ \because\,i=\sqrt{-1} &\rightarrow i^2=(\sqrt{-1})^2=-1\end{align}

A=complex(0, 7)
B=complex(-5, 2)
A, B
(7j, (-5+2j))
A*B
(-14-35j)

예 4)

두 복소수의 곱셈을 계산합니다.

A=1-8i, B=1+8i

A=complex(1,-8)
B=complex(1,8)
A, B
((1-8j), (1+8j))
A*B
(65+0j)

위 두 복소수는 서로 켤레복소수 관계로서 계산 결과는 실수입니다. 어떤 복소수의 켤레복소수는 허수부의 부호만 다르므로 그 둘의 곱은 식 2와 같이 계산됩니다.

\begin{align}\tag{식 2}(a+b)(a-b)&=a^2-b^2\\ &(a+bi)(a-bi)&=a^2-b^2i^2\\&=a^2+b^2\end{align}

그러므로 켤레복소수의 곱은 실수가 됩니다. 이러한 관계는 복소수의 나눗셈에 적용되어 보다 간단한 형태로 나타낼 수 있습니다. 복소수의 나눗셈(분수)은 분모를 실수로 만드는 것으로 표준형태(a+bi)로 나타낼 수 있습니다. 즉, 복소수의 나눗셈은 연산에 참여되는 두개이상의 복소수를 그 표준형태로 나타내는 과정입니다.

예 5)

다음을 계산합니다.

$$\frac{3-i}{2+7i}$$

분모를 실수로 만들면 식 1과 같은 표준형을 나타낼 수 있습니다. 실수로 만들기 위해서는 식 2와 같이 켤레복소수를 곱하면 됩니다.

\begin{align}\frac{3-i}{2+7i}&=\frac{(3-i)(2-7i)}{(2+7i)(2-7i)}\\&=\frac{6-23i-7}{4+49}\\&=-\frac{1}{53}-\frac{23}{53}i\end{align}

A=complex(3,-1)
B=complex(2, 7)
A, B
((3-1j), (2+7j))
np.around(A/B, 3)
(-0.019-0.434j)
BBc=B*B.conjugate()
BBc
(53+0j)
ABc=A*B.conjugate()
ABc
(-1-23j)
np.around(ABc/BBc, 3)
(-0.019-0.434j)

복소수는 실수부와 허수부를 각기 다른 축으로 하여 시각화 할 수 있습니다. 다음 그림은 2+3i를 나타낸 것입니다.

z=complex(2, 3)
z
(2+3j)
x, y=z.real, z.imag
plt.figure(figsize=(2,2))
col=['b','r', 'g']
plt.arrow(0,0, x, 0, color=col[0])
plt.arrow(0,y, x,0, color=col[0], ls="dotted")
plt.arrow(0,0, 0, y, color=col[1])
plt.arrow(x,0, 0, y, color=col[1], ls="dotted")
plt.arrow(0, 0, x, y, color=col[2])
cod=[(1, 0.2), (0.1, 2), (0.8, 1)]
nme=['z.real=2', "z.imag=3", r'$|z|=\sqrt{2^2+3^2}$']
for i in range(3):
    plt.text(cod[i][0], cod[i][1], nme[i], color=col[i])
plt.xlabel("실수부")
plt.ylabel("허수부")
plt.show()

위 그림에서 나타낸 것과 같이 복소수를 두 벡터로 나타낼 수 있으며 그 벡터들에 의한 크기 역시 표시할 수 있습니다. 이를 복소수의 절대값이라합니다. 이 절대값은 복소수와 켤레복소수와의 곱으로 계산됩니다.

\begin{align} z&=a+bi\\ |z|^2 &= z\cdot \overline{z}\\&=(a+bi)(a-bi)\\&=a^2+b^2\\ |z|&=\sqrt{a^2+b^2}\end{align}

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b