코시-아다마르 정리

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

1. 개요

코시-아다마르 정리는 복소수 수열의 거듭제곱 급수의 수렴반경을 결정하는 정리이다. 이 정리는 수렴반경 R을 급수 계수의 상극한을 사용하여 다음과 같이 나타낸다: 1/R = limsup(n→∞) |c_n|^(1/n). 다변수 복소 변수에 대한 확장도 존재하며, 이는 다변수 멱급수의 수렴 반경을 결정하는 데 사용된다. 이 정리는 극한 계산을 용이하게 하는 따름정리를 포함하며, 급수 계수의 비율의 극한을 사용하여 수렴반경을 계산할 수 있게 한다.

코시-아다마르 정리
📚 더 읽어볼만한 페이지
  • 급수 - 테일러 급수
    테일러 급수는 매끄러운 함수를 무한 멱급수로 나타내는 방법으로, 함수의 미분 계수를 사용하여 함수를 근사하며, a=0일 때의 테일러 급수를 매클로린 급수라고 한다.
  • 급수 - 멱급수
    멱급수는 실수 또는 복소수 체에서 정의되며, 수렴 영역과 반지름을 가지며 미분, 적분, 사칙연산이 가능하고 해석 함수와 관련되어 상미분 방정식의 해를 구하는 데 활용된다.
  • 복소해석학 정리 - 리만 사상 정리
    리만 사상 정리는 복소해석학에서 단일 연결 열린 진부분집합 사이의 각도를 보존하는 정칙함수, 즉 등각 사상의 존재를 보장하는 중요한 정리이다.
  • 복소해석학 정리 - 리만-로흐 정리
    리만-로흐 정리는 콤팩트 리만 곡면에서 인자의 차수, 유리형 함수 공간의 차원, 곡면의 종수 사이의 관계를 나타내는 정리로서, 유리형 함수를 구성하는 문제에 대한 해답을 제시하며 다양한 분야에서 중요한 역할을 한다.

2. 공식화

코시-아다마르 정리는 다음과 같이 공식화할 수 있다. 복소수 수열 {cn}에 대한 거듭제곱 급수

:\sum_{k=1}^{\infty} c_kz^k

의 수렴 반경 R은 다음 식으로 주어진다.

:\frac{1}{R} = \limsup_{n \to \infty} \sqrt[n]

👆
좌우로 밀어서 보기


좀 더 일반적인 경우, 복소변수 z에 대한 형식적 멱급수

:f(z) = \sum_{n = 0}^{\infty} c_{n} (z-a)^{n}

(여기서 a, c_n \in \Complex.)

에서 점 a에서 f의 수렴반경 R은 다음과 같이 주어진다.

:\frac{1}{R} = \limsup_{n \to \infty} \left( | c_{n} |^{1/n} \right)

여기서 lim sup는 상극한을 나타내며, n번째 위치 이후 수열 값의 상한의 극한, 즉 n이 무한대로 접근할 때의 극한이다.

2.1. 증명

a_n := c_nz^n으로 두고 근 판정법을 적용하면 다음과 같이 바로 증명할 수 있다.

:\limsup_{n \to \infty} \sqrt[n]

👆
좌우로 밀어서 보기
= |z| \limsup_{n \to \infty} \sqrt[n]
👆
좌우로 밀어서 보기
= \frac
👆
좌우로 밀어서 보기
{R}.

일반성을 잃지 않고a=0이라고 가정한다. 먼저 거듭제곱 급수 \sum_n c_n z^n|z|에서 수렴함을 보이고, 그 다음 |z|>R에서 발산함을 보이겠다.

먼저 |z|이라고 가정한다. t=1/R0 또는 \pm\infty가 아니라고 하자. 임의의 \varepsilon > 0에 대해, \sqrt[n]
👆
좌우로 밀어서 보기
\geq t+\varepsilon을 만족하는 n은 유한 개만 존재한다. 이제 |c_n| \leq (t+\varepsilon)^n은 유한 개의 c_n을 제외한 모든 c_n에 대해 성립하므로, |z| < 1/(t+\varepsilon)이면 급수 \sum_n c_n z^n은 수렴한다. 이것으로 첫 번째 부분을 증명했다.

반대로, \varepsilon > 0에 대해 |c_n|\geq (t-\varepsilon)^n은 무한히 많은 c_n에 대해 성립하므로, 만약 |z|=1/(t-\varepsilon) > R이면, 급수의 n번째 항이 0으로 수렴하지 않기 때문에 급수가 수렴할 수 없음을 알 수 있다.

2.2. 따름정리

극한 계산을 용이하게 하는 따름정리를 유도할 수 있다. 수열의 비와 근 사이에 성립하는 다음의 일반적인 부등식을 고려하면 다음과 같다.

:\liminf_{n \to \infty} |\frac{c_{n+1}}{c_n}| \le \liminf_{n \to \infty} \sqrt[n]

👆
좌우로 밀어서 보기
\le \limsup_{n \to \infty} \sqrt[n]
👆
좌우로 밀어서 보기
\le \limsup_{n \to \infty} |\frac{c_{n+1}}{c_n}|

다음 극한이 존재할 경우,

:\lim_{n \to \infty} |\frac{c_{n+1}}{c_n}|

위 부등식에서 바깥의 두 상극한과 하극한이 같아져서 네 식이 모두 같아지므로 코시-아다마르 정리에 의해 다음이 성립한다.

:\frac{1}{R} = \lim_{n \to \infty} |\frac{c_{n+1}}{c_n}|.

3. 다변수 복소 변수에 대한 정리

\alpha를 자연수로 구성된 n차원 벡터, 즉 \alpha = (\alpha_1, \cdots, \alpha_n) \in \N^n로 정의하고, \|\alpha\| = \alpha_1 + \cdots + \alpha_n라고 하자. 그러면 함수 f(x)는 수렴 반경 \rho = (\rho_1, \cdots, \rho_n) \in \R^n을 가지며, \rho^\alpha = \rho_1^{\alpha_1} \cdots \rho_n^{\alpha_n}일 때 다음 식이 성립한다.

:\limsup_{\|\alpha\|\to\infty} \sqrt[\|\alpha\|]{|c_\alpha|\rho^\alpha}=1

이는 아래의 다변수 멱급수에 적용된다.

:\sum_{\alpha\geq0}c_\alpha(z-a)^\alpha := \sum_{\alpha_1\geq0,\ldots,\alpha_n\geq0}c_{\alpha_1,\ldots,\alpha_n}(z_1-a_1)^{\alpha_1}\cdots(z_n-a_n)^{\alpha_n}.

3.1. 증명

z = a + t\rho (z_i = a_i + t\rho_i)로 놓는다. 그러면
:\sum_{\alpha \geq 0} c_\alpha (z - a)^\alpha = \sum_{\alpha \geq 0} c_\alpha \rho^\alpha t^{\|\alpha\|} = \sum_{\mu \geq 0} \left( \sum_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha \right) t^\mu.
이것은 |t| < 1에서 수렴하고 |t| > 1에서 발산하는 하나의 변수 t에 대한 거듭제곱 급수이다. 따라서 하나의 변수에 대한 코시-아다마르 정리에 의해
:\limsup_{\mu \to \infty} \sqrt[\mu]{\sum_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha} = 1.
|c_m| \rho^m = \max_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha로 놓으면 추정치를 얻는다.
:|c_m| \rho^m \leq \sum_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha \leq (\mu + 1)^n |c_m| \rho^m.
\sqrt[\mu]{(\mu + 1)^n} \to 1\mu \to \infty이므로
:\sqrt[\mu]{|c_m| \rho^m} \leq \sqrt[\mu]{\sum_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha} \leq \sqrt[\mu]{|c_m| \rho^m} \implies \sqrt[\mu]{\sum_{\|\alpha\| = \mu} |c_\alpha| \rho^\alpha} = \sqrt[\mu]{|c_m| \rho^m} \qquad (\mu \to \infty).
따라서
:\limsup_{\|\alpha\|\to\infty} \sqrt[\|\alpha\|]{|c_\alpha|\rho^\alpha} = \limsup_{\mu \to \infty} \sqrt[\mu]{|c_m| \rho^m} = 1.

본 사이트는 AI가 위키백과와 뉴스 기사, 정부 간행물, 학술 논문 등을 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.