기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

복소수 (Complex Number)

복소수(complex number)

import numpy as np

제곱근의 경우 제곱근내의 수는 양수이어야 계산이 이루어집니다.

9=912=3

그러나 아래와 같이 음수의 제곱근일 경우 실수로 계산할 수 없습니다. 수학에서 1=i로 정의 하며 i를 포함하는 수는 복소수(complex number)라고 합니다. 파이썬에서는 j로 표현합니다.

9=91=9121=3i

복소수

(식 1)a+bi또는a+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 z¯과 같이 객체 위의 선(overline)으로 나타냅니다. 즉 a+bi의 켤레복소수는 abi가 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

7i(5+2i)=35i+14i2=1435ii=1i2=(1)2=1

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.

(식 2)(a+b)(ab)=a2b2(a+bi)(abi)=a2b2i2=a2+b2

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.

3i2+7i

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

3i2+7i=(3i)(27i)(2+7i)(27i)=623i74+49=1532353i

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.

z=a+bi|z|2=zz=(a+bi)(abi)=a2+b2|z|=a2+b2

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. (1)A=PBP1P1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)BλI=P1APλP1P=P1(APλP)=P1(AλI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(BλI)=det(P1(APλP))=det(P1)det((AλI))det(P)=det(P1)det(P)det((AλI))=det(AλI)det(P1)det(P)=det(P1P)=det(I) 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a sin2(x)+cos2(x) simplify(a) 1 simplify(b) x3+x2x1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x2) simplify(c) (x2)(x1) 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. (식 1)Γ(n)={(n1)!n:자연수0xn1exdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 6 factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 x2=1의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x21=0 import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. x21=0(x+1)(x1)=0x=1or1x4=1의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. x41=(x2+1)(x+1)(x1)=0x=±1,±1=±i,±1 실수...