비슈바나트 상수

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 정의
- 2.1. 기본 정의
- 2.2. 행렬 표현
3. 성장률
- 3.1. 비슈바나트 상수
- 3.2. 엠브리-트레페튼 상수
4. 역사적 배경
5. 일반화
- 5.1. 엠브리-트레페튼 상수
6. 한국의 관점
- 6.1. 학술적 의의
- 6.2. 사회적 영향
참조

1. 개요

비슈바나트 상수는 무작위 피보나치 수열의 성장률과 관련된 수학 상수이다. 무작위 피보나치 수열은 각 항이 이전 두 항의 합 또는 차이로 결정되는 수열로, 비슈바나트 상수는 이 수열의 n제곱근이 수렴하는 값이다. 1999년 디바카 비슈바나트에 의해 명시적인 식이 발견되었으며, 엠브리-트레페튼 상수와 같은 관련 개념도 존재한다.

더 읽어볼만한 페이지

피보나치 수 - 레오나르도 피보나치
레오나르도 피보나치는 힌두-아라비아 숫자 체계를 유럽에 소개하고 피보나치 수열을 제시하여 중세 수학 발전에 기여했으며, 상업 발달을 돕는 《산반서》를 저술하고 황금비와 관련된 피보나치 수열이 다양한 분야에서 활용되도록 했다.
피보나치 수 - 피보나치 힙
피보나치 힙은 최소 힙 속성을 가진 트리들의 집합으로, 각 노드의 차수를 특정 로그 값 이하로 유지하여 효율적인 삽입, 병합, 최소값 검색 연산을 지원하며, 다익스트라 알고리즘과 같은 그래프 알고리즘의 성능 향상에 활용된다.
수학 상수 - 허수 단위
허수 단위 i는 i² = −1을 만족하는 수로, 실수 체계에서는 정의되지 않는 음수의 제곱근을 나타내며 복소수 체계의 기본 구성 요소로서 복소평면에서 90° 회전하는 효과를 가지며 1, i, -1, -i를 주기적으로 순환하는 특징을 가진다.
수학 상수 - 실베스터 수열
실베스터 수열은 각 항이 이전 항들의 곱에 1을 더한 값으로 정의되는 정수 수열로서, 재귀적으로 정의되며 이중 지수 함수적으로 증가하고, 이집트 분수 및 탐욕 알고리즘과 관련이 있으며, 역수 합은 1로 수렴한다.

비슈바나트 상수
일반 정보
임의의 피보나치 수열의 성장률을 보여주는 플롯
수열 정보
이름	임의의 피보나치 수열
정의	f(n+2) = ± f(n+1) ± f(n) (각 ±는 50%의 확률로 독립적으로 선택됨)
성장률	지수 함수적
성장 상수	1.13198824... (비슈바나트 상수)
성장 상수 기호	C
관련 수열
관련 수열	피보나치 수열
상수 정보
이름	비슈바나트 상수
값	1.1319882487943...
정의	임의의 피보나치 수열의 성장률
기호	C
발견자	디비야 비슈바나트
발견 연도	1999년
소수 여부	알려지지 않음

2. 정의

무작위 피보나치 수열은 자연수 $n$ 에 대해 $f_n$ 으로 주어지는 정수 무작위 수열이며, $f_1=f_2=1$ 이고, 후속 항은 다음 무작위 재귀 관계에 따라 무작위로 선택된다.

: $f_n = \begin{cases}f_{n-1}+f_{n-2}, & \text{ 확률 } \tfrac12; \\f_{n-1}-f_{n-2}, & \text{ 확률 } \tfrac12.\end{cases}$

무작위 피보나치 수열의 예는 1, 1로 시작하며 각 후속 항의 값은 공정한 동전 던지기에 의해 결정된다. 수열의 두 개의 연속된 요소가 주어지면 다음 요소는 이들의 합 또는 차이이며, 이전의 모든 선택과 독립적으로 확률은 1/2이다. 무작위 피보나치 수열에서 각 단계마다 더하기 기호가 선택되면 해당 예는 피보나치 수열 (''F''_''n'')이다.

: $1,1,2,3,5,8,13,21,34,55,\ldots.$

만약 부호가 마이너스-플러스-플러스-마이너스-플러스-플러스-... 패턴으로 번갈아 나타나면 결과는 다음과 같은 수열이 된다.

: $1,1,0,1,1,0,1,1,0,1,\ldots.$

그러나 이러한 패턴은 무작위 실험에서 사라지는 확률로 발생한다. 전형적인 실행에서 항은 예측 가능한 패턴을 따르지 않는다.

: $1, 1, 2, 3, 1, -2, -3, -5, -2, -3, \ldots\text{ 부호의 경우 } +, +, +, -, -, +, -, -, \ldots.$

결정적 사례와 유사하게, 무작위 피보나치 수열은 행렬을 통해 유용하게 설명할 수 있다.

: ${f_{n-1} \choose f_{n}} = \begin{pmatrix} 0 & 1 \\ \pm 1 & 1 \end{pmatrix} {f_{n-2} \choose f_{n-1}},$

여기서 부호는 서로 다른 ''n''에 대해 + 또는 −에 대해 동일한 확률로 독립적으로 선택된다. 따라서

: ${f_{n-1} \choose f_{n}} = M_{n}M_{n-1}\ldots M_3{f_{1} \choose f_{2}},$

여기서 (''M''_''k'')는 값 ''A'' 또는 ''B''를 확률 1/2로 갖는 독립 동일 분포 무작위 행렬의 수열이다.

: $A=\begin{pmatrix} 0 & 1 \\ 1 & 1 \end{pmatrix}, \quadB=\begin{pmatrix} 0 & 1 \\ -1 & 1 \end{pmatrix}.$

2. 1. 기본 정의

무작위 피보나치 수열은 자연수

n

에 대해

f_n

으로 주어지는 정수 무작위 수열이며,

f_1=f_2=1

이고, 후속 항은 다음 무작위 재귀 관계에 따라 무작위로 선택된다.

:

f_n = \begin{cases}f_{n-1}+f_{n-2}, & \text{ 확률 } \tfrac12; \\f_{n-1}-f_{n-2}, & \text{ 확률 } \tfrac12.\end{cases}

무작위 피보나치 수열의 예는 1, 1로 시작하며 각 후속 항의 값은 공정한 동전 던지기에 의해 결정된다. 수열의 두 개의 연속된 요소가 주어지면 다음 요소는 이들의 합 또는 차이이며, 이전의 모든 선택과 독립적으로 확률은 1/2이다. 무작위 피보나치 수열에서 각 단계마다 더하기 기호가 선택되면 해당 예는 피보나치 수열 (''F''_''n'')이다.

:

1,1,2,3,5,8,13,21,34,55,\ldots.

만약 부호가 마이너스-플러스-플러스-마이너스-플러스-플러스-... 패턴으로 번갈아 나타나면 결과는 다음과 같은 수열이 된다.

:

1,1,0,1,1,0,1,1,0,1,\ldots.

그러나 이러한 패턴은 무작위 실험에서 사라지는 확률로 발생한다. 전형적인 실행에서 항은 예측 가능한 패턴을 따르지 않는다.

:

1, 1, 2, 3, 1, -2, -3, -5, -2, -3, \ldots\text{ 부호의 경우 } +, +, +, -, -, +, -, -, \ldots.

결정적 사례와 유사하게, 무작위 피보나치 수열은 행렬을 통해 유용하게 설명할 수 있다.

:

{f_{n-1} \choose f_{n}} = \begin{pmatrix} 0 & 1 \\ \pm 1 & 1 \end{pmatrix} {f_{n-2} \choose f_{n-1}},

여기서 부호는 서로 다른 ''n''에 대해 + 또는 −에 대해 동일한 확률로 독립적으로 선택된다. 따라서

:

{f_{n-1} \choose f_{n}} =  M_{n}M_{n-1}\ldots M_3{f_{1} \choose f_{2}},

여기서 (''M''_''k'')는 값 ''A'' 또는 ''B''를 확률 1/2로 갖는 독립 동일 분포 무작위 행렬의 수열이다.

:

A=\begin{pmatrix} 0 & 1 \\ 1 & 1 \end{pmatrix}, \quadB=\begin{pmatrix} 0 & 1 \\ -1 & 1 \end{pmatrix}.

2. 2. 행렬 표현

무작위 피보나치 수열은 행렬 곱셈으로 표현할 수 있다.

f_{n-1} \choose f_{n}} = \begin{pmatrix} 0 & 1 \\ \pm 1 & 1 \end{pmatrix} {f_{n-2} \choose f_{n-1}}

와 같이 표현되며, 여기서 부호는 서로 다른 ''n''에 대해 + 또는 −에 대해 동일한 확률로 독립적으로 선택된다.

따라서

{f_{n-1} \choose f_{n}} =  M_{n}M_{n-1}\ldots M_3{f_{1} \choose f_{2}}

로 나타낼 수 있다. 여기서 (''M''_''k'')는 값 ''A'' 또는 ''B''를 확률 1/2로 갖는 독립 동일 분포 무작위 행렬의 수열이다.

:

A=\begin{pmatrix} 0 & 1 \\ 1 & 1 \end{pmatrix}, \quadB=\begin{pmatrix} 0 & 1 \\ -1 & 1 \end{pmatrix}.

3. 성장률

요하네스 케플러는 ''n''이 증가함에 따라 피보나치 수열(''F''_''n'')의 연속된 항들의 비율이 황금비 $\varphi=(1+\sqrt{5})/2,$ 에 수렴하며, 이는 대략 1.61803임을 발견했다. 1765년, 레온하르트 오일러는 오늘날 비네 공식으로 알려진 명시적인 공식을 발표했다.

: $F_n = \over {\sqrt 5}}.$

이 공식은 피보나치 수들이 황금비 ''φ''와 같은 지수적 속도로 성장한다는 것을 보여준다.

1960년, 힐렐 퍼스텐버그와 해리 케스텐은 일반적인 종류의 랜덤 행렬 곱에서 노름이 ''λ''^''n''으로 성장한다는 것을 보였다. 여기서 ''n''은 인수의 개수이다. 그들의 결과는 랜덤 피보나치 수열을 포함하는 광범위한 종류의 랜덤 수열 생성 과정에 적용된다. 결과적으로, |''f''_''n''|의 ''n''제곱근은 상수 값으로 거의 확실하게 또는 확률 1로 수렴한다.

: $\sqrt[n]$

\to 1.1319882487943\dots \text{ as } n \to \infty.

1999년 디바카 비슈바나트에 의해 이 상수에 대한 명시적인 식이 발견되었다. 이는 랜덤 행렬 곱의 랴푸노프 지수에 대한 퍼스텐버그의 공식과 슈테른-브로코 나무에 대한 특정 프랙탈 측도에 대한 적분을 사용한다. 또한, 비슈바나트는 반올림 오차의 분석을 통해 검증된 부동 소수점 산술을 사용하여 위의 수치 값을 계산했다.

3. 1. 비슈바나트 상수

요하네스 케플러는 ''n''이 증가함에 따라 피보나치 수열(''F''_''n'')의 연속된 항들의 비율이 황금비

\varphi=(1+\sqrt{5})/2,

에 수렴하며, 이는 대략 1.61803임을 발견했다. 1765년, 레온하르트 오일러는 오늘날 비네 공식으로 알려진 명시적인 공식을 발표했다.

:

F_n =  \over {\sqrt 5}}.

이 공식은 피보나치 수들이 황금비 ''φ''와 같은 지수적 속도로 성장한다는 것을 보여준다.

1960년, 힐렐 퍼스텐버그와 해리 케스텐은 일반적인 종류의 랜덤 행렬 곱에서 노름이 ''λ''^''n''으로 성장한다는 것을 보였다. 여기서 ''n''은 인수의 개수이다. 그들의 결과는 랜덤 피보나치 수열을 포함하는 광범위한 종류의 랜덤 수열 생성 과정에 적용된다. 결과적으로, |''f''_''n''|의 ''n''제곱근은 상수 값으로 거의 확실하게 또는 확률 1로 수렴한다.

:

\sqrt[n]

\to 1.1319882487943\dots \text{ as } n \to \infty.

1999년 디바카 비슈바나트에 의해 이 상수에 대한 명시적인 식이 발견되었다. 이는 랜덤 행렬 곱의 랴푸노프 지수에 대한 퍼스텐버그의 공식과 슈테른-브로코 나무에 대한 특정 프랙탈 측도에 대한 적분을 사용한다. 또한, 비슈바나트는 반올림 오차의 분석을 통해 검증된 부동 소수점 산술을 사용하여 위의 수치 값을 계산했다.

3. 2. 엠브리-트레페튼 상수

마크 엠브리와 닉 트레페튼은 1999년에 다음 수열

:

f_n=\pm f_{n-1}\pm \beta f_{n-2}

에서 β가 임계값 β* ≈ 0.70258보다 작으면 거의 확실하게 감소하고, 그렇지 않으면 거의 확실하게 증가한다는 것을 보였다. 이 임계값은 엠브리-트레페튼 상수라고 알려져 있다.^[4] 그들은 또한 연속하는 항 사이의 점근적 비율 σ(β)가 모든 β 값에 대해 거의 확실하게 수렴한다는 것을 보였다. σ(β)의 그래프는 프랙탈 구조를 갖는 것으로 보이며, β_min ≈ 0.36747 근처에서 전역 최소값을 가지며, 그 값은 대략 σ(β_min) ≈ 0.89517이다.^[4]

4. 역사적 배경

4. 1. 고전적 피보나치 수열과의 관계

4. 2. 퍼스텐버그와 케스텐의 연구

4. 3. 비슈바나트의 연구

5. 일반화

마크 엠브리와 닉 트레페튼은 1999년에 다음 수열

: $f_n=\pm f_{n-1}\pm \beta f_{n-2}$

이 '''β'''가 임계값 ''β''* ≈ 0.70258보다 작으면 거의 확실하게 감소하고, 그렇지 않으면 거의 확실하게 증가한다는 것을 보였다.^[4] 이 임계값은 엠브리-트레페튼 상수라고 알려져 있다.

그들은 또한 연속하는 항 사이의 점근적 비율 ''σ''(''β'')가 모든 '''β''' 값에 대해 거의 확실하게 수렴한다는 것을 보였다.^[4] ''σ''(''β'')의 그래프는 프랙탈 구조를 갖는 것으로 보이며, ''β''_min ≈ 0.36747 근처에서 전역 최소값을 가지며, 그 값은 대략 ''σ''(''β''_min) ≈ 0.89517이다.^[4]

5. 1. 엠브리-트레페튼 상수

마크 엠브리와 닉 트레페튼은 1999년에 다음 수열

:

f_n=\pm f_{n-1}\pm \beta f_{n-2}

이 '''β'''가 임계값 ''β''* ≈ 0.70258보다 작으면 거의 확실하게 감소하고, 그렇지 않으면 거의 확실하게 증가한다는 것을 보였다.^[4] 이 임계값은 엠브리-트레페튼 상수라고 알려져 있다.

그들은 또한 연속하는 항 사이의 점근적 비율 ''σ''(''β'')가 모든 '''β''' 값에 대해 거의 확실하게 수렴한다는 것을 보였다.^[4] ''σ''(''β'')의 그래프는 프랙탈 구조를 갖는 것으로 보이며, ''β''_min ≈ 0.36747 근처에서 전역 최소값을 가지며, 그 값은 대략 ''σ''(''β''_min) ≈ 0.89517이다.^[4]

6. 한국의 관점

6. 1. 학술적 의의

6. 2. 사회적 영향

참조

_[1] 논문 Random Fibonacci sequences and the number 1.13198824...
_[2] 논문 Interval Computation of Viswanath's Constant
_[3] 논문 An elementary proof that random Fibonacci sequences grow exponentially
_[4] 논문 Growth and decay of random Fibonacci sequences http://people.maths.[...]
_[5] 웹사이트 OEIS-A078416 http://oeis.org/sear[...]
_[6] 웹사이트 OEIS-A118288 http://oeis.org/A118[...]

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com