| 특수함수 Special Functions | ||
| {{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -5px -1px -11px; word-break: keep-all" | 적분 | 오차함수(error function)(가우스 함수 · 가우스 적분 함수) · 베타 함수(불완전 베타 함수) · 감마 함수(불완전 감마 함수 · 로그 감마 함수) · 타원 적분 · 야코비 타원 함수 · 지수 적분 함수 · 로그 적분 함수 · 삼각 적분 함수 · 쌍곡선 적분 함수 · 프레넬 적분 함수 · 구데르만 함수 |
| 미분방정식 | 르장드르 함수[math(^\ast)] (구면 조화 함수) · 베셀 함수 · 에르미트 함수 · 라게르 함수 · 에어리 함수 | |
| 역함수 | 브링 근호 · 람베르트 W 함수 · 역삼각함수 | |
| 급수 | 제타 함수 · 후르비츠 제타 함수 · 세타 함수 · 초기하함수 · 폴리로그함수 · 폴리감마 함수 · 바이어슈트라스 타원 함수 | |
| 정수론 | 소수 계량 함수 · 소인수 계량 함수 · 뫼비우스 함수 · 최대공약수 · 최소공배수 · 약수 함수 · 오일러 피 함수 · 폰 망골트 함수 · 체비쇼프 함수 · 바쁜 비버 함수 | |
| 기타 | 헤비사이드 계단함수 · 부호 함수(절댓값) · 테트레이션(무한 지수 탑 함수) · 지시함수 · 바닥함수 / 천장함수 · 허수지수함수 · 혹 함수 | |
| [math(^\ast)] 특수함수가 아니라 특정 조건을 만족시키는 다항함수이지만, 편의상 이곳에 기술했다. | ||
1. 개요
指示函數 / indicator function특수함수의 하나로, 특성 함수(特性函數, characteristic function)[1]라고도 한다. 가끔 정의와 그 성질에 의해 "집합 판별 함수"로도 불린다. 보통 [math(\bm1_A(x))][2]로 표기하는데, 가끔 characteristic function의 머리글자인 'ch'에 해당하는 그리스 문자 χ를 사용하여 [math(\chi_A)]로 표기하기도 한다.
정의는 다음과 같다.
| [math(\bm1_A(x)\coloneqq \begin{cases} 1 & (x \in A) \\ 0 & (x \notin A) \end{cases} \quad )] (단, [math(A)]는 집합) |
다시 말해서, [math(x)]가 집합 [math(A)] 안에 포함되면 함숫값이 1이 되고 포함되지 않으면 0이 되는, 의외로 간단한 함수이다. 예를 들어서, 자연수 전체의 집합을 [math(\N)]이라고 하면, [math(5)]는 자연수이므로 [math(\bm1_\N(5)=1)]이고, [math(\sqrt2)]는 자연수가 아니므로 [math(\bm1_\N(\sqrt2)=0)]인 것이다.
아래는 몇몇 예시를 나타낸 표이다.
| 함수 | 함숫값 |
| [math(\bm1_\N(7))] | [math(1)] |
| [math(\bm1_\N(-3))] | [math(0)] |
| [math(\bm1_\Z(-3))] | [math(1)] |
| [math(\bm1_{\Bbb Q}(7))] | [math(1)] |
| [math(\bm1_{\Bbb Q}(\sqrt2))] | [math(0)] |
| [math(\bm1_{\{3,\,4,\,5\}}(4))] | [math(1)] |
| [math(\bm1_{\{3,\,4,\,5\}}(6))] | [math(0)] |
여기서 [math(\N)]은 자연수 집합, [math(\Z)]는 정수 집합, [math(\Bbb Q)]는 유리수 집합이다.
한편 소수 [math(\Bbb P)]를 판별하는 소수 판별 함수 [math(\bm1_{\Bbb P})]도 생각해볼 수 있는데, [math(\bm1_{\Bbb P}(x) = 1)]을 만족시키는 수를 찾는 과정이 다름 아닌 에라토스테네스의 체이다.
2. 성질
집합판별함수는 특히 측도와 적분을 이어주는 데 자주 사용된다.- 측도 [math(\mu)]와 집합 [math(A)]에 대해 다음이 성립한다.
[math(\displaystyle \int\bm1_A{\rm\,d}\mu= \int_A 1{\rm\,d}\mu = \mu(A))]
- 고등학교 수학에서는, 구간 [math(A=[a,\,b])]에 대해 다음이 성립한다.
[math(\displaystyle \int_{-\infty}^\infty\bm1_A(x){\rm\,d}x = \int_a^b1{\rm\,d}x= b-a)]
또한 기댓값이 본질적으로 적분이고 확률이 측도임을 생각하면, 다음처럼 확률과 기댓값을 이어주는 데 사용된다는 것도 바로 알 수 있다.
- 확률 변수 [math(X)]가 확률 분포 [math(P)]를 따른다면, 사건 [math(A)]에 대해 다음이 성립한다.
[math(\begin{aligned} \Bbb E[ \bm1_A(X) ] &= \int_A1{\rm\,d}P = P(A) \\ \Bbb E[X] &= \int_AX{\rm\,d}P = \sum_{i=1}^ra_iP(A_i)\end{aligned})]
3. 디리클레 함수(유리수 판별 함수)
| 삼각함수 · 쌍곡선함수 Trigonometric Functions · Hyperbolic Functions | ||
| {{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -5px -1px -11px" | <colbgcolor=#b04271,#b04271> 기하학 | 평면기하학(삼각형 · 삼각비 · 원 · 쌍곡선) |
| 해석학 | 좌표계 · 복소평면 · 함수(초월함수 · 특수함수) · 바이어슈트라스 분해 정리 · 미타그레플레르 정리 · 오일러 공식 · 푸리에 해석(푸리에 변환) | |
| 삼각함수 | 사인곡선(위상수학자의 사인곡선) · 역삼각함수 · 도함수 · 역도함수 · 관련 함수 · 삼각함수의 덧셈정리 · 삼각 적분 함수 · 구데르만 함수 · 프레넬 적분 함수 · 디리클레 함수 · 바이어슈트라스 함수 · 볼테라 함수 · 에어리 함수 · 야코비 타원 함수 | |
| 쌍곡선함수 | 현수선 · 쌍곡선 적분 함수 · 구데르만 함수 | }}}}}}}}} |
개중에 유리수 집합 [math(\Bbb Q)]를 판별하는 디리클레 함수(Dirichlet function)[3] [math(\bm1_{\Bbb Q}(x))]라는 것이 있는데, 집합 판별 함수 중 아래와 같은 특이한 성질을 보이기 때문에 실해석학에서 주로 다뤄진다.
- 모든 실수에서 불연속인 완전 불연속 함수로, 병리적 함수의 일종이다. 그래서 해석기하학적 그래프를 그릴 수 없다.
- 짝함수이다. [math(\bm1_{\Bbb Q}(x) = \bm1_{\Bbb Q}(-x))]
- 이 지시함수에 [math(x)]를 곱한 함수 [math(x\bm1_{\Bbb Q}(x))]는 오로지 [math(\bm{x=0})] 한 점에서만 연속이다.
- 리만 적분[4][5]으로는 적분이 불가능하고, 르베그 적분으로 적분할 수 있으며 그 값은 0이다.
- 오일러-마스케로니 상수, 브룬 상수, 카탈랑 상수 등 특이점이 무수히 많이 존재한다.[6]
- 삼각함수로 정의가 가능하다: [math(\bm1_{\Bbb Q}(x) = \lim\limits_{m \to \infty}{\left[ \lim\limits_{n \to \infty} \cos^{2n}( m! \cdot \pi x )\right]})] (단, [math(m)], [math(n)]은 정수)
이 항등식은 현실적으로는 거의 쓸모없으며 단지 학문적 유희를 위한 식이다. 그러나 유리수, 팩토리얼, 삼각함수, 지수, 그리고 극한 등 중요 개념들을 제대로 이해하고 있는지를 테스트할 수 있는 매우 좋은 식이므로, 수학에 관심이 있다면 이 항등식 증명에 도전해보자.
주어진 식의 우변이 [math(x)]가 유리수일 때는 [math(1)], 무리수일 때는 [math(0)]의 값을 가짐을 증명하면 된다.
우선 [math(x)]가 유리수인 경우를 생각하자. 그러면 [math(x=p/q)] 로 나타낼 수 있다. (단, [math(p)], [math(q)]는 정수, [math(q>0)]이며, 증명을 위해선 서로소일 필요는 없다.)
극한이 중첩되어 있어 혼란스러울 수 있으나, [math(f(m)\coloneqq \lim\limits_{n \to \infty} \cos^{2n}(m! \cdot \pi x))] 와 같이 안쪽 극한의 값을 [math(m)]의 함수로 생각하면 편하다. 즉, 우리의 목적은 수열 [math(\{f(m)\}_{m=1}^\infty)]의 극한을 구하는 것.
[math(m)]이 충분히 큰 경우, 특히 [math(m\ge q)]인 경우 [math(m)]을 고정하고 [math(f(m))]의 값을 살펴보자. 이 경우 제일 안쪽의 식에서 [math(\pi)]를 제외한 부분은
| [math(m!\cdot x = m!\times\dfrac pq = p\times\dfrac{m!}q)] |
| [math(f(m) = \lim\limits_{n\to\infty}\cos^{2n}(m!\cdot\pi x) = \lim\limits_{n\to\infty}1 = 1)] |
| [math(\lim\limits_{m \to \infty}{\left[\lim\limits_{n \to \infty} \cos^{2n}(m! \cdot \pi x)\right]} = \lim\limits_{m\to\infty}f(m) = 1)] |
무리수의 경우도 유사하게 증명하면 된다. 이 경우 무리수의 성질에 의해 [math(m)]이 어떤 값이든지 [math(m!\cdot x)]는 정수가 될 수 없다. 코사인의 성질에 의해 [math(\cos(m!\cdot\pi x)\in(-1,\,1))]이고, 이를 [math(2n)]제곱을 해나가면 [math(n)]이 커짐에 따라 [math(0)]으로 수렴한다. 즉, [math(\lim\limits_{n\to\infty}\cos^{2n}(m!\cdot\pi x) = 0)]이다. 따라서 [math(x)]가 무리수인 경우, 수열 [math(\{f(m)\}_m^\infty)]는 0으로만 이루어진 수열이고, 이 수열이 [math(0)]으로 수렴함은 자명하다.
}}} ||
- 자연수의 제곱근을 합성하면 약수 개수의 홀짝을 판별할 수 있다.
4. 활용
집합 판별 함수는 여러 변수들의 범위에 따라 함수식이 달라지는 복잡한 함수를 한 번에 나타낼 수 있게 해 준다. 이러한 테크닉을 사용하면 결합확률밀도함수를 인수분해하여 충분통계량을 찾아내거나, Lindeberg's condition과 같이 르벡-스틸체스 적분을 계산할 때 집합 판별 함수를 사용하는 등 다양한 곳에서 요긴하게 사용되는 수학 개념이다.예를 들어 보자. 확률 변수 [math(X_1,\,\cdots,\,X_n)]의 확률밀도함수가 [math(i = 1,\,\cdots,\,n)]에 대하여 각각
| [math(f(x_i\mid\theta) = \theta {x_i}^{-2} \quad (0 < \theta \le x_i < \infty))] |
우선 해당 확률변수들의 결합확률밀도함수는 다음과 같다.
| [math(f(x_1,\,\cdots,\,x_n\mid\theta) = \begin{cases}\displaystyle \prod_{i=1}^n f(x_i\mid\theta) \quad &\theta \le x_1,\,\cdots,\,x_n \\ 0 \quad &{\sf otherwise} \end{cases})] |
| [math(f(x_1,\,\cdots,\,x_n\mid\theta) = \begin{cases}\displaystyle \prod_{i=1}^n f(x_i\mid\theta) \quad &\theta \le \min_i x_i \\ 0 \quad &\theta > \min_i x_i \end{cases})] |
| [math(\bm1_{[\theta,\,\infty)} (\min_i x_i) = \begin{cases} 1 \quad &\theta \le \min_i x_i \\ 0 \quad &\theta > \min_i x_i \end{cases})] |
| [math(\begin{aligned} f(x_1,\,\cdots,\,x_n\mid\theta) &= \prod_{i=1}^n f(x_i\mid\theta) \times \bm1_{[\theta,\,\infty)}(\min\nolimits_i x_i) \\ &= \theta^n \prod_{i=1}^n{x_i}^{-2} \times \bm1_{[\theta,\,\infty)}(\min\nolimits_i x_i) \end{aligned})] |
| [math(\begin{aligned} f(x_1,\,\cdots,\,x_n\mid\theta) &= \textcolor{red}{g(T(x)\mid\theta)}\textcolor{blue}{h(x)} \\ &= \textcolor{red}{\theta^n \times \bm1_{[\theta,\,\infty)}(\min\nolimits_i x_i)}\textcolor{blue}{\prod_{i=1}^n{x_i}^{-2}} \end{aligned})] |
5. 관련 문서
[1] 다만 '특성 함수'라는 말은 다른 개념을 일컫기도 한다. 적률생성함수와 유사하게, 확률 분포를 특정해 주는 역할을 하는 함수를 뜻하기도 하는 것이다. 특히 이 특성함수는 적률생성함수가 없는 확률 분포도 특정해줄 수 있다.[2] 숫자 [math(1)]과 구별하기 위해 볼드체로 표기한다. indicator function의 머리글자인 I를 사용하여 [math(\Bbb I_A)], [math(I_A)] 혹은 1의 칠판체를 이용해서 [math(\char120793_A)]로 쓰기도 한다.[3] 고안자인 페터 구스타프 르죈 디리클레의 이름을 따왔다.[4] 고등학교 때 배우는 적분법을 미분적분학 기준 대학교 1학년 및 해석학 기준 대학교 2학년 수준에서 확장한 것. 주어진 구간을 [math(n)]등분하는 대신 아무렇게나 쪼개고, 오른쪽 값이나 왼쪽 값 등을 고르는 것이 아니라 각 구간에서의 최댓값과 최솟값을 고르는 정도의 차이가 존재한다.[5] 리만 적분과 달리 고등학교식으로 0부터 1까지 적분하면 각 구간의 끝점마다 [math(\bm1_{\Bbb Q}{\left(\dfrac kn\right)}=1)]이 돼서 1로 적분된다고 오해할 수 있는데 아니다. 고등학교 과정에서는 닫힌 구간에서 연속인 함수에 정적분의 대상을 한정하므로, 고등학교식 적분에서도 디리클레 함수의 정적분은 불가능한(애초에 논외인) 것으로 본다.[6] 사실 당연한 것이, 이들은 유리수인지 무리수인지가 아직 밝혀지지 않았기 때문이다. 언젠가는 저 점들도 특이점이 아닐 날이 올 것이다.[7] 왜 쓸모없는 [math(n)]이 들어있는지 궁금하다면, 추후에 무리수인 경우를 마저 따져보자.