기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

[Linear Algebra] 코시-슈바르츠와 삼각부등식

코시-슈바르츠와 삼각부등식

코시-슈바르츠 부등식(Cauchy-Schwarz Inequality)

임의의 두 벡터 a와 b의 곱의 크기는 각 벡터의 노름(norm)의 곱보다 크지 않습니다. 이 관계를 코시-슈바르츠 부등식(Cauchy-Schwarz Inequality)이라 하며 식 1과 같이 나타낼 수 있습니다.

|aTb|ab(식 1)

식 1을 벡터의 요소별로 풀어 쓰면 식 2와 같습니다.

|a1b1++anbn|a12++an2b12++bn2(식 2)

식 2에서 두 벡터가 a, b 모두 0일 경우에만 등호가 성립합니다. 그러므로 두 벡터 모두 0이 아닌 조건에서 코시-슈바르츠 부등식을 증명할 수 있습니다(식 3).

가정:a0,b0,α=a,β=b0βaαa2=βa22(βa)Tαb+αb2=β2a22αβ(aTb)+α2b2=b2a22ab(aTb)+a2b2=2b2a22ab(aTb)ab(aTb)b2a2|aTb|ba(식 3)

a ≠ 0, b ≠ 0의 조건하에서 Cauchy-Schwarz 부등식에서 좌항과 우항이 같은 경우는 ‖βa − αb‖ = 0, 즉 βa = αb인 경우에만 발생합니다. 이는 벡터 a ≠ b이라면 각 벡터가 서로의 스칼라 배수임을 의미합니다. 따라서 Cauchy-Schwarz 부등식은 벡터 중 하나가 다른 벡터의 배수일 때 동등하게 유지됩니다. 다른 모든 경우에는 엄격한 부등식으로 유지됩니다.

iner
u=np.array([-1,2])
v=np.array([4, -2])
iner=u@v
print(abs(iner))
8
norm_u=la.norm(u)
norm_v=la.norm(v)
(norm_u*norm_v).round(3)
10.0

삼각 부등식(triangle inequality)

임의의 두 벡터에 대해 식 4가 성립됩니다. 즉, 두 벡터 합의 노름은 각 벡터 노름의 합보다 작거나 같습니다. 이 관계를 삼각부등식(triangle inequality)이라고 합니다.

a+b2a2+2ab+b2(a+b)2a+ba+b(식 4)
la.norm(u+v)
3.0
(norm_u+norm_v).round(2)
6.71

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...