문서:노름(수학)

문서의 이전 버전(r11)을 보고 있습니다.

역사 raw
대문 랜덤 문서 최근 토론
분류
1. 개요2. 정의3. 성질4. 예시
4.1. 절댓값 노름4.2. lp 노름
4.2.1. 유클리드 노름4.2.2. 택시 노름4.2.3. 상한 노름
5. 내적 및 거리함수와의 관계6. 바나하 공간(Banach Space)7. 관련 문서

1. 개요[편집]

Norm

수학 용어로 노음이라고 하는 경우도 있으며 대한수학회의 표준용어로는 노름이지만 대부분은 그냥 '놈'이라고 읽는다. 본 문서에서는 대한수학회의 표준용어를 따라 노름으로 표기하기로 한다.

거리의 일반화가 거리함수(distance function, 혹은 metric)라면 노름은 크기의 일반화다. 실수의 크기(절댓값)를 ∣x∣\lvert x \rvert 라고 표현하듯, 벡터의 크기(노름)은 일반적으로 ∥x∥\lVert\bold{x}\rVert 라고 표현한다. 단, 저자에 따라서는 유클리드 공간의 노름을 ∣x∣\lvert\bold{x}\rvert로 쓰기도 한다. 노름과 거리함수, 그리고 내적과의 관계는 아래를 참조.

2. 정의[편집]

VV가 복소수체 FF 위의 벡터공간이고 함수 f:V→Rf:V \rightarrow \mathbb{R}가 다음을 모두 만족시킬 때,
복소수체 FF의 임의의 원소 aa와 벡터공간 VV의 임의의 원소 u,v\bold{u}, \bold{v}에 대하여
  1. f(au)=∣a∣⋅f(u)f(a\bold{u}) = |a| \cdot f(\bold{u})
  2. f(u+v)≤f(u)+f(v)f(\bold{u} + \bold{v}) \le f(\bold{u}) + f(\bold{v})[1]
  3. 만약 f(u)=0f(\bold{u})=0이면 u\bold{u}는 영벡터이다.
이 함수 ff를 (V 위에서의) 노름(a norm on V)라고 부른다. 노름을 나타내는 함수는 ff보다는 ∥⋅∥\left\| \cdot \right\|로 표기하는 경우가 많다. 즉, f(u)=∥u∥f(\bold{u}) = \left\| \bold{u} \right\| 로 표기.

세가지 성질 중 1,2번만 만족하는 경우는 반노름(seminorm)이라고 한다.[2]

3. 성질[편집]

노름의 중요한 성질 중 하나는 물론 그 값이 항상 0보다 크거나 같다는 것이다. 이는 다음과 같이 정의의 1번과 2번 공리로부터 유도된다. 따라서 3번 공리를 따르지 않는 반노름도 f(u)≥0f(\bold{u})\geq 0이 항상 설립한다.

우선 정의 문단의 1번 공리에 의해 f(0)=f(0⋅0)=0f(0)=0f(\bold{0})= f(0\cdot\bold{0})= 0f(\bold{0})= 0 이다.[3] 다시 1번 공리에 의해, 임의의 u∈V\bold{u}\in V에 대해 f(−u)=∣−1∣f(u)=f(u)f(\bold{-u})= \lvert -1\rvert f(\bold{u})= f(\bold{u})가 성립한다. 이제 임의의 u∈V\bold{u}\in V를 생각하면, 0=f(0)=f(u−u)≤f(u)+f(−u)=f(u)+f(u)=2f(u)0= f(\bold{0})= f(\bold{u}- \bold{u})\leq f(\bold{u})+ f(-\bold{u})= f(\bold{u})+ f(\bold{u})= 2f(\bold{u}) 이다. 여기서 부등식은 2번 공리, 즉 삼각부등식이다. 양변을 2로 나누면 결과를 얻는다.

4. 예시[편집]

4.1. 절댓값 노름[편집]

우리가 흔히 알고 있는 a의 절댓값 ∣a∣|a|은 1차원 유클리드 공간(=수직선)에서의 노름으로 볼 수 있다.[4]

4.2. lp 노름[편집]

p가 1이상일 때,
∥x∥p=∣x1∣p+∣x2∣p+⋯+∣xn∣pp=(∑k=1n∣xk∣p)1/p\displaystyle \left\|\bold{x}\right\|_p = \sqrt[p]{|x_1|^p + |x_2|^p + \cdots + |x_n|^p} = \left( \sum_{k=1}^{n} |x_k|^p \right)^{1/p}

4.2.1. 유클리드 노름[편집]

n차원 유클리드 공간(=좌표평면)에서의 노름은 유클리드 노름(Euclidean norm)이라고 부르고 다음과 같이 정의한다.
∥x∥2=x12+x22+⋯+xn2=∑k=1nxk2\displaystyle \left\|\bold{x}\right\|_2 = \sqrt{{x_1}^2 + {x_2}^2 + \cdots + {x_n}^2} = \sqrt{ \sum_{k=1}^{n} {x_k}^2 }
lp 노름에서 p=2의 꼴이다.

어디서 많이 본 듯한 모양이라면 정답이다. 평면좌표(n=2)나 공간좌표(n=3)에서 원점과 점 x=(x1,x2,⋯ ,xn)\bold{x} = \left( x_1, x_2, \cdots, x_n \right) 사이의 거리이다. 이 노름에서 유도되는 거리 함수가 유클리드 공간에서 일반적으로 정해지는 거리 함수이며, 유클리드 거리 함수(Euclidean metric)라고 칭한다. 옛 문헌에는 피타고라스 거리 함수(Pythagorean metric)라고 표기된 문헌도 존재하지만 지금은 사장된 표현.

4.2.2. 택시 노름[편집]

Taxicab norm. 다른 이름은 맨해튼 노름(Manhattan norm)으로, 다음과 같이 정의한다.
∥x∥1=∣x1∣+∣x2∣+⋯+∣xn∣=∑k=1n∣xk∣\left\|\bold{x}\right\|_1 = |x_1| + |x_2| + \cdots + |x_n| = \displaystyle\sum_{k=1}^{n} {|x_k|}
lp 노름에서 p=1의 꼴이다.

덧붙여 설명하자면, (0, 0)에서 (1, 1)까지 움직이고 싶을 때 대각선으로 가로질러 가는 거리는 유클리드 노름으로 계산하지만, 만약에 그 사이에 밑면의 한 변의 크기가 1인 정사각형 모양의 빌딩이 있고 田자 모양의 도로망이 있을 때에는 ㄱ자 형태로 가로 1, 세로 1만큼, 총 2의 거리를 가야 한다. 이 거리를 계산하는 방법이 택시 노름이다. 맨해튼의 도로 구조가 위와 같이 격자 모양에 가까워 다른 이름이 맨해튼 노름인 것. 당연히 여기서 유도되는 거리함수 이름은 택시 거리 함수(Taxicab metric) / 맨해튼 거리 함수(Manhattan metric)이다.

이름만 봐서는 재미로 만든 노름으로 생각할 수 있지만, 머신러닝이나 통계학을 전공한다면 L1 정규화(L1 regularization)라는 개념으로 자주 마주치게 될 것이다.

4.2.3. 상한 노름[편집]

lp 노름에서 p를 무한대로 보내면 얻는 노름으로
∥x∥∞=max⁡(∣x1∣,∣x2∣,⋯ ,∣xn∣)\left\|\bold{x}\right\|_{\infty} = \max(|x_1|, |x_2|, \cdots, |x_n|)
즉 주어진 성분 중 최대값을 노름으로 삼는 방식이다. 상한 거리 함수, 혹은 최대 거리 함수(max metric)가 이 노름에서 정의된다.

5. 내적 및 거리함수와의 관계[편집]

내적이 정의되면 노름은 그 내적에서 ∥x∥:=⟨x,x⟩\lVert\bold{x}\rVert:= \sqrt{\langle\bold{x},\bold{x}\rangle}에 의해 자연스럽게 정의된다.[5] 그 역은 성립하지 않는다. 즉, 노름이 있다고 해서 그에 자연스럽게 대응되는 내적이 항상 존재하는 것은 아니다.

한편, 노름이 정의되면 거리함수(distance function 혹은 metric) d(⋅,⋅):V×V→Rd(\cdot, \cdot): V\times V\to\mathbb{R}가 다음에 의해 자연스럽게[6] 정의된다. d(x,y):=∥x−y∥d(\bold{x}, \bold{y}):= \lVert \bold{x}- \bold{y}\rVert. 그 역은 성립하지 않는다. 즉, 거리함수가 있다고 해서 그에 자연스럽게 대응하는 노름이 항상 존재하는 것은 아니다. 심지어 거리함수는 벡터공간이 아니라도 정의될 수 있다.[7]

노름은 위와 같은 '자연스러운' 거리함수(the norm-induced metric) 뿐만 아니라 다른 거리함수도 만들 수 있다. d(x,y):=∥x∥+∥y∥d(\bold{x}, \bold{y}):= \lVert \bold{x}\rVert + \lVert \bold{y} \rVert 라 정의하고, 단 x=y\bold{x}= \bold{y}일 때 d(x,y)=0d(\bold{x}, \bold{y})= 0라 하면, 이것도 거리함수의 공리를 만족하며, 흔히 우체국 거리(post office metric)라고 불린다. 왜 이 이름이 붙었는지 이해하려면, 원점에 단 하나의 우체국이 있고, x\bold{x}에서 y\bold{y}로 편지를 보낼 때 우체국을 거쳐 편지가 이동하는 거리가 d(x,y)d(\bold{x}, \bold{y})라고 생각해보자.

6. 바나하 공간(Banach Space)[편집]

노름 공간 VV 가 다음 조건을 만족할 때 이를 바나하 공간(혹은 바나흐 공간)이라 한다.
완비성(Completeness) : 노름공간의 임의의 코시수열이 그 노름공간 상의 한 점으로 수렴한다.

이에 관련된 아재수학개그가 있다.[8]
Q: 노랗고, 선형이며, 노름이 있는 완비공간은?
A: 바나나하 공간.
참고로 선형공간은 벡터공간을 의미하며, 노름이 정의된 벡터공간은 노름공간이며, 완비 노름공간은 바나하 공간이다.

7. 관련 문서[편집]


[1] 흔히 '삼각부등식'이라고 부르는 것.[2] 반노름의 예로는 ∥u∥=0 ∀u\lVert\bold{u}\rVert= 0~\forall\bold{u}라는 자명한 경우가 있다. 또한, 비가역행렬 (정확히는 rank-deficient) AA를 고정하고 ∥u∥∗=∥Au∥\lVert\bold{u}\rVert^* = \lVert A\bold{u}\rVert라고 정의한다면 새로운 함수 ∥⋅∥∗\lVert\cdot\rVert^*는 반노름이 된다.[3] 3번은 이것의 역일 뿐, 이것을 함의하지 않음에 유의하자.[4] 어떻게 보면 노름은 절댓값의 개념을 확장시켰다고 볼 수도 있기 때문에 당연하다고 볼 수 있다.[5] "∥⋅∥\lVert\cdot\rVert is the norm induced by ⟨⋅,⋅⟩\langle\cdot,\cdot\rangle. 유일성을 의미하는 the 가 붙었음을 유의하자. 이는 해당 내적과 관련된 노름이 유일하다는 의미가 아니라, ∥⋅∥\lVert\cdot\rVert가 딱 이 유명한 노름을 가리킨다는 의미다.[6] 이 문단과 윗 문단의 '자연스럽다'는 말은 사실 '2, 3차원 유클리드 공간의 직관을 확장했다'는 말이라는 것을 깨달을 수 있을 것이다.[7] 예컨대 임의의 집합에서 함수 d(x,y)d(x, y)를 x=yx= y라면 0, 그 외에는 1의 값을 가지도록 한다면, 이는 거리함수의 공리를 만족한다. 이를 이산거리함수(discrete metric)이라 부른다.[8] 링크 7번 항목