맨위로가기

레드헤퍼 행렬

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

1. 개요

레드헤퍼 행렬은 n × n 정사각 행렬로, 행렬식은 메르텐스 함수와 관련이 있다. 이 행렬은 두 개의 (0,1) 행렬의 합으로 표현되며, 램버트 급수와도 관련이 있다. 레드헤퍼 행렬은 디리클레 합성곱 및 역을 표현하는 데 사용되며, 최대공약수(GCD) 합 및 특수한 수론적 합을 표현하는 데에도 활용된다. 행렬의 스펙트럼 반지름과 고유 공간에 대한 특징을 가지며, 고유 벡터는 재귀적으로 계산할 수 있다.

더 읽어볼만한 페이지

  • 행렬 - 스핀 (물리학)
    스핀은 양자역학적 각운동량으로, 양자화된 값을 가지며 자기 쌍극자 모멘트를 유발하여 다양한 분야에 응용되고 스핀트로닉스 기술 발전에 기여하지만, 전자의 스핀 기원은 아직 완전히 밝혀지지 않았다.
  • 행렬 - 파울리 행렬
    파울리 행렬은 양자역학에서 스핀을 나타내는 데 사용되는 에르미트 행렬이자 유니타리 행렬로, 행렬식은 -1이고 대각합은 0이며, 리 대수의 생성원이자 파울리 벡터로 정의되어 다양한 물리학 분야에서 활용된다.
레드헤퍼 행렬
레드헤퍼 행렬
유형정사각행렬
크기n × n
정의a(i, j) = 1 (만약 j가 i를 나누면), 0 (그렇지 않으면)
레드헤퍼 행렬 예시
5x5 레드헤퍼 행렬
속성
행렬식-1, 0, 1
고윳값리만 가설과 관련됨

2. 정의 및 변형

레드헤퍼 행렬은 일반적으로 두 가지 방식으로 정의된다.[1]

12 × 12 레드헤퍼 행렬은 다음과 같다.

:\left(\begin{smallmatrix}

1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 \\

1 & 1 & 0 & 1 & 0 & 1 & 0 & 1 & 0 & 1 & 0 & 1 \\

1 & 0 & 1 & 0 & 0 & 1 & 0 & 0 & 1 & 0 & 0 & 1 \\

1 & 0 & 0 & 1 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 1 \\

1 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 1 & 0 & 0 \\

1 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \\

1 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 \\

1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 \\

1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 \\

1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 \\

1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 \\

1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1

\end{smallmatrix}\right)

2. 1. 기본 정의

''n'' × ''n'' 레드헤퍼 행렬 A_n = [a_{ij}]의 각 원소 a_{ij}는 다음과 같이 정의된다.

:M_j(i) := \begin{cases} 1, & \text{ if j divides i; } \\ 0, & \text{otherwise, } \end{cases},

일반적인 행렬 표기법으로 n차 레드헤퍼 (전치) 행렬은 ''n''x''n'' 정사각 행렬 R_n = [M_j(i)]_{1 \leq i,j \leq n}으로 정의할 수 있다.

2. 2. 구성 행렬을 이용한 정의

레드헤퍼 행렬은 두 개의 (0,1) 행렬의 합으로 표현될 수 있다. 즉, A_n = C_n + D_n으로 나타낼 수 있다.[1] 여기서 C_n := [c_{ij}]j=1이고 i \neq 1일 때만 엔트리(entry)가 1인 (0,1) 행렬이다.[1] A_n에서 나머지 1 값을 갖는 엔트리는 행렬 D_n에 반영된 가분성 조건에 해당한다. 뫼비우스 반전을 적용하면 D_n^{-1} = \left[\mu(j/i) M_i(j)\right]와 같이 D_n은 항상 역행렬을 갖는 가역 행렬임을 알 수 있다.[1] 따라서 \det\left(A_n\right) = \det\left(D_n^{-1}C_n+I_n\right)으로 A_n의 특이성을 나타낼 수 있다.[1]

함수를 다음과 같이 정의한다.[1]

:M_j(i) := \begin{cases} 1, & \text{ if j divides i; } \\ 0, & \text{otherwise, } \end{cases},

이 경우, 일반적인 행렬 표기법으로 n^{th} 레드헤퍼 (전치) 행렬은 ''n''x''n'' 정사각 행렬 R_n = [M_j(i)]_{1 \leq i,j \leq n}으로 정의할 수 있다.[1]

3. 주요 성질

레드헤퍼 행렬은 여러 흥미로운 성질을 가지며, 특히 수론과 깊은 관련이 있다.


  • '''가역성과 메르텐스 함수:''' ''n'' × ''n'' 정사각 레드헤퍼 행렬의 행렬식은 메르텐스 함수 ''M''(''n'')과 같다.[1] 특히, 메르텐스 함수가 0이 될 때 행렬은 가역적이지 않다. 메르텐스 추측이 반증됨에 따라, 메르텐스 함수는 부호를 무한히 바꾸고 0이 되므로, 레드헤퍼 행렬은 무한히 많은 자연수에서 특이 행렬이 된다.
  • '''램버트 급수와의 관계:''' 램버트 급수의 인수분해와 관련하여, 고정된 산술 함수 ''f''에 대해 ''f''의 램버트 급수 전개의 계수는 레드헤퍼 행렬을 통해 표현될 수 있다.[2]
  • '''스펙트럼 반지름과 고유 공간:''' A_n스펙트럼 반지름\rho_n으로 표기하면, 이는 A_n스펙트럼에서 가장 큰 절댓값 고유값이다. 1+\sqrt{n-1} \leq \rho_n < \sqrt{n}+O(\log n)이며, 정밀한 분석을 통해 \rho_n = \sqrt{n} + \log\sqrt{n} + O(1)임을 알 수 있다.[5]
  • A_n은 고유값 1을 중복도 n - \left\lfloor \log_2(n) \right\rfloor - 1로 갖는다.
  • 고유값 \lambda := 1에 해당하는 고유 공간 E_{\lambda}(A_n)의 차원은 \left\lfloor \frac{n}{2} \right\rfloor - 1이다. 따라서 n \geq 5이면 A_n은 대각화 가능하지 않다.
  • A_n의 다른 모든 고유값 \lambda \neq 1에 대해, 해당 고유 공간 E_{\lambda}(A_n)의 차원은 1이다.
  • '''고유 벡터의 특징:''' [a_1, a_2, \ldots, a_n]A_n의 스펙트럼에서 고유값 \lambda \in \sigma(A_n)에 해당하는 A_n^{T}의 고유벡터가 되기 위한 조건을 만족한다.

3. 1. 가역성과 메르텐스 함수

''n'' × ''n'' 정사각 레드헤퍼 행렬의 행렬식은 Mertens 함수 ''M''(''n'')과 같다. 특히, 행렬 A_n은 메르텐스 함수가 0이 될 때 가역적이지 않다. Mertens 추측의 반증[1]으로, 메르텐스 함수는 부호를 무한히 많이 바꾸고 0이 되므로, 레드헤퍼 행렬 A_n은 무한히 많은 자연수에서 특이 행렬이다.

레드헤퍼 행렬의 행렬식은 메르텐스 함수와의 관계 때문에 리만 가설과 연결되는데, 리만 가설은 모든 (충분히 작은) \varepsilon > 0에 대해 M(x) = O\left(x^{1/2+\varepsilon}\right)임을 보이는 것과 동치이기 때문이다.

3. 2. 램버트 급수와의 관계

램버트 급수의 인수분해와 관련하여, 고정된 산술 함수 ''f''에 대해 ''f''의 램버트 급수 전개의 계수는 레드헤퍼 행렬을 통해 표현될 수 있다. 다음 식을 통해 확인할 수 있다.

:\sum_{d|n} f(d) = \sum_{k=1}^n M_k(n) \cdot f(k) = [q^n]\left(\sum_{n \geq 1} \frac{f(n) q^n}{1-q^n}\right).

여기서, 자연수 ''n''의 약수의 집합에 대한 부울(0 또는 1) 값 포함은 약수 합의 특별한 경우로, 위의 전개에서 볼 수 있듯이, 이러한 합을 열거하는 램버트 급수 생성 함수를 재해석할 수 있다. 즉, Merca와 Schmidt (2017-2018)는 이러한 생성 함수를 다음과 같은 형식으로 확장하는 가역 행렬 인수분해를 증명했다.[2]

:\sum_{n \geq 1} \frac{f(n) q^n}{1-q^n} = \frac{1}{(q; q)_{\infty}} \sum_{n \geq 1} \left(\sum_{k=1}^n s_{n,k} f(k)\right) q^n,

여기서 (q; q)_{\infty}는 무한 q-포흐머 기호를 나타내고, 하삼각 행렬 시퀀스는 정확하게 s_{n,k} = [q^n] \frac{q^k}{1-q^k} (q; q)_{\infty}의 계수로 생성되며, 이러한 항은 특수한 짝수(홀수) 인덱스 분할 함수의 차이로도 해석된다.

Merca와 Schmidt (2017)는 또한 암묵적 함수 ''f''를 \ell(n) = (f \ast 1)(n) 형식으로 원래 램버트 급수 생성 함수의 컨볼루션 계수의 합으로 표현할 수 있는 간단한 반전 공식을 증명했다.[3]

:f(n) = \sum_{d|n} \sum_{k=1}^n p(d-k) \mu(n/d) \left[\sum_{j \geq 0 \atop k-j \geq 0} \ell(k - j) [q^j](q; q)_{\infty}\right],

여기서 ''p(n)''는 분할 함수를 나타내고, \mu(n)는 뫼비우스 함수를 나타내며, (q; q)_{\infty}의 계수는 오각수 정리를 통해 ''j''에 대한 2차 의존성을 상속한다.

2018년에 Mousavi와 Schmidt는 이러한 행렬 기반 인수분해 보조 정리를 앤더슨-아포스톨 약수 합 (여기서 라마누잔 합은 주목할 만한 특별한 경우)과 각 ''n''과 서로소인 정수로 인덱싱된 합(예: 오일러 파이 함수로 고전적으로 정의된 합)의 경우로 확장했다.[4]

3. 3. 스펙트럼 반지름과 고유 공간

A_n스펙트럼 반지름\rho_n으로 표기한다. 이는 A_n스펙트럼에서 가장 큰 절댓값 고유값이다.

:\lim_{n \rightarrow \infty} \frac{\rho_n}{\sqrt{n}} = 1,

이 식은 ''n''이 클 때 A_n의 스펙트럼의 점근적 거동을 나타낸다. 1+\sqrt{n-1} \leq \rho_n < \sqrt{n}+O(\log n)이며, 정밀한 분석을 통해 \rho_n = \sqrt{n} + \log\sqrt{n} + O(1)임을 알 수 있다.[5]

  • A_n은 고유값 1을 중복도 n - \left\lfloor \log_2(n) \right\rfloor - 1로 갖는다.
  • 고유값 \lambda := 1에 해당하는 고유 공간 E_{\lambda}(A_n)의 차원은 \left\lfloor \frac{n}{2} \right\rfloor - 1이다. 따라서 n \geq 5이면 A_n은 대각화 가능하지 않다.
  • A_n의 다른 모든 고유값 \lambda \neq 1에 대해, 해당 고유 공간 E_{\lambda}(A_n)의 차원은 1이다.

3. 4. 고유 벡터의 특징

[a_1, a_2, \ldots, a_n]A_n의 스펙트럼에서 고유값 \lambda \in \sigma(A_n)에 해당하는 A_n^{T}의 고유벡터가 되기 위한 필요충분조건은 n \geq 2일 때 다음 두 조건을 만족하는 것이다.

:\lambda a_n = \sum_{d|n} a_d 그리고 \lambda a_1 = \sum_{k=1}^n a_k.

만약 \lambda \neq 1인 "자명하지 않은" 경우로 제한하면, 초기 고유벡터 성분 a_1이 주어졌을 때 다음 공식을 사용하여 나머지 "n-1"개의 성분을 재귀적으로 계산할 수 있다.

:a_j = \frac{1}{\lambda-1} \sum_{d|j \atop d < j} a_d.

이를 염두에 두고, \lambda \neq 1에 대해 다음 수열을 정의할 수 있다.

:v_{\lambda}(n) := \begin{cases} 1, & n = 1; \\ \frac{1}{\lambda-1} \sum_{d|n \atop d \neq n} v_{\lambda}(d), & n \geq 2. \end{cases}

이 수열의 정의와 관련된 몇 가지 흥미로운 함의가 있다. 먼저, 다음이 성립할 때 \lambda \in \sigma(A_n)이다.

:\sum_{k=1}^n v_{\lambda}(k) = \lambda.

둘째, 고정된 \lambda \neq 1에 대한 이 수열의 디리클레 급수 또는 디리클레 생성 함수에 대한 다음 공식이 존재하며, 이는 \Re(s) > 1인 모든 경우에 성립한다.

: \sum_{n \geq 1} \frac{v_{\lambda}(n)}{n^s} = \frac{\lambda-1}{\lambda-\zeta(s)},

여기서 \zeta(s)리만 제타 함수를 나타낸다.

4. 응용 및 일반화

레드헤퍼 행렬은 증가하는 인덱스 집합의 포함 여부를 나타내는 (0,1) 행렬로 해석할 수 있으며, 이는 여러 분야에서 유용하게 사용된다.[7][8] 이러한 해석은 메르텐스 함수와 리만 가설의 동치 명제에 대한 행렬식의 관계를 보여준다. 레드헤퍼 행렬의 일반화는 산술 함수와 관련하여 연구되고 있으며, 역행렬 항은 일반화된 뫼비우스 함수라고 불린다.[9] 또한, 레드헤퍼 행렬은 토플리츠 행렬을 사용하여 잘린 거듭제곱 급수 표현을 나타내는 형태로 볼 수도 있다.

4. 1. 디리클레 합성곱과 디리클레 역

레드헤퍼 행렬은 디리클레 합성곱과 디리클레 역을 표현하는 데 사용될 수 있다. 특히, 행렬 곱셈을 통해 디리클레 역 함수 값을 계산하는 방법이 가능하다.

0이 아닌 서로 다른 두 산술 함수 ''f''와 ''g''가 주어지면, 자연수 n \geq 1, 1 \leq n \leq x로 인덱싱된 행에서 디리클레 합성곱을 다음과 같은 행렬로 표현할 수 있다.

:D_{f,g}(x) := \left[M_d(n) f(d) g(n/d)\right]_{1 \leq d,n \leq x} = \begin{bmatrix} 0 & 0 & \cdots & 0 & g(x) \\ 0 & 0 & \cdots & g(x-1) & g(x) \\ \ldots & \ldots & \ddots & \ddots & \cdots \\ g(1) & g(2) & \cdots & g(x-1) & g(x) \end{bmatrix} \begin{bmatrix} 0 & 0 & \cdots & 0 & f(1) \\ 0 & 0 & \cdots & f(2) & f(1) \\ \ldots & \ldots & \ddots & \ddots & \cdots \\ f(x) & f(x-1) & \cdots & f(2) & f(1) \end{bmatrix} R_x^{T}.

여기서 e^{T} := [1,1,\ldots,1]를 모든 원소가 1인 벡터라고 하면, 행렬-벡터 곱 e^{T} \cdot D_{f,g}(x)n^{th} 행은 다음과 같이 컨볼루션된 디리클레 합을 나타낸다.

:(f \ast g)(n) = \sum_{d|n} f(d) g(n/d),

이때 상한 x \geq 2는 임의의 값이며, 모든 1 \leq n \leq x에 적용된다.

일반적으로 함수 ''f''의 디리클레 역 f^{-1}(n)는 다음을 만족하는 유일하게 정의된 산술 함수이다.

:(f^{-1} \ast f)(n) = \delta_{n,1}

이는 깊이가 1부터 \omega(n)까지 중첩된 약수 합을 포함하며, 여기서 \omega(n)은 ''n''의 서로 다른 소인수의 수를 세는 소수 오메가 함수이다.

이러한 디리클레 역 함수 값은 변형된 레드헤퍼 행렬 R_n을 사용하여 행렬 반전을 통해 구할 수 있다.[9]

4. 2. GCD 합과 특수 행렬

레드헤퍼 행렬은 최대공약수(GCD) 합 및 기타 특수한 수론적 합을 표현하는 데 사용될 수 있다. 앤더슨-아포스톨 약수 합, 오일러 파이 함수, 뫼비우스 함수 등이 이러한 방식으로 표현될 수 있다.[7][8]

:S_{\mathcal{A},f}(n) \mapsto S_f(n) := \sum_{k \in \mathcal{A}_n} f(k).

여기서 \mathcal{A}_n은 인덱스 집합의 수열이고, f는 고정된 산술 함수이다.

Mousavi와 Schmidt는 인덱스 집합을 다음과 같이 설정하여 상대적으로 소수인 제수 합을 정의했다.

:\mathcal{A}_n \mapsto \mathcal{G}_n := \{1 \leq d \leq n: \gcd(d, n) = 1\}.

이 합은 오일러 파이 함수(m := 0으로 정의)를 포함하여 수론적으로 중요한 특수 산술 함수를 표현하는 데 사용될 수 있다.

:\varphi(n) = \sum_{d \in \mathcal{G}_n} d^m,

또한, 뫼비우스 함수는 다음과 같이 이산(유한) 푸리에 변환으로 표현될 수 있다.

:\mu(n) = \sum_{\stackrel{1\le k \le n }{ \gcd(k,\,n)=1}} e^{2\pi i \frac{k}{n}}.

이러한 합을 확장하기 위한 인수 분해 정리와 유사한 처리가 개발되었으며, 원분 다항식을 포함한 다른 예들도 존재한다.[9] 인덱스 집합 \mathcal{A}_n과 관련된 행렬과 그 역행렬을 사용하면 제수 합에 대해 뫼비우스 반전과 유사한 작업을 수행할 수 있다. 이를 통해 좌변 특수 함수 및 역행렬 엔트리에 대한 준 컨볼루션 합으로 피가수 함수 ''f''를 표현할 수 있다.

상위 인덱스 x := 21인 경우에 대해 정의된 관련 행렬은 다음과 같다.

\left(\begin{smallmatrix}\left(\begin{smallmatrix}


5. 예시

다음은 12 × 12 레드헤퍼 행렬이다.

111111111111
110101010101
101001001001
100100010001
100010000100
100001000001
100000100000
100000010000
100000001000
100000000100
100000000010
100000000001



A_{12} := C_{12} + D_{12}에 대한 분할 행렬 합 표기법에서, C_n에서 1의 초기 열에 해당하는 항목은 아래와 같이 파란색으로 표시된다.

111111111111
110101010101
101001001001
100100010001
100010000100
100001000001
100000100000
100000010000
100000001000
100000000100
100000000010
100000000001



뫼비우스 반전 공식을 적용하면 n번째 레드헤퍼 전치 행렬은 항상 가역적이며, 그 역행렬은 다음과 같이 주어진다.

:R_n^{-1} = \left[M_j(i) \cdot \mu\left(\frac{i}{j}\right)\right]_{1 \leq i,j \leq n},

여기서 \mu(n)는 뫼비우스 함수를 나타낸다. 12 × 12 역 레드헤퍼 전치 행렬은 다음과 같다.

100000000000
-110000000000
-101000000000
0-10100000000
-100010000000
1-1-1001000000
-100000100000
000-100010000
00-1000001000
1-100-10000100
-100000000010
010-10-1000001


참조

[1] 논문 Disproof of the Mertens conjecture http://www.dtc.umn.e[...]
[2] 간행물 Factorization Theorems for Generalized Lambert Series and Applications 2018
[3] 간행물 Generating Special Arithmetic Functions by Lambert Series Factorizations
[4] 간행물 Factorization Theorems for Relatively Prime Divisor Sums, GCD Sums and Generalized Ramanujan Sums
[5] 웹사이트 Eigenvalues of the Redheffer matrix and their relation to the Mertens function https://sites.math.w[...] 2018-12-12
[6] 웹사이트 The Jordan l-Structure of a Matrix of Redheffer https://core.ac.uk/d[...] 2018-12-12
[7] 웹사이트 Extending Redheffer's Matrix to Arbitrary Arithmetic Functions https://honors.libra[...] 2018-12-12
[8] 간행물 Divisibility of matrices associated with multiplicative functions https://ac.els-cdn.c[...] 2018-12-12
[9] 서적 Handbook of Number Theory II Kluwer Academic Publishers 2004



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