"N차원 가우시안 적분"의 두 판 사이의 차이
Pythagoras0 (토론 | 기여) |
Pythagoras0 (토론 | 기여) |
||
14번째 줄: | 14번째 줄: | ||
\int f(\vec x) \, \exp\left( - \frac 1 2 \sum_{i,j=1}^{n}A_{ij} x_i x_j \right) d^nx=\sqrt{(2\pi)^n\over \det A} \, \left. \exp\left({1\over 2}\sum_{i,j=1}^{n}(A^{-1})_{ij}{\partial \over \partial x_i}{\partial \over \partial x_j}\right)f(\vec{x})\right|_{\vec{x}=0} | \int f(\vec x) \, \exp\left( - \frac 1 2 \sum_{i,j=1}^{n}A_{ij} x_i x_j \right) d^nx=\sqrt{(2\pi)^n\over \det A} \, \left. \exp\left({1\over 2}\sum_{i,j=1}^{n}(A^{-1})_{ij}{\partial \over \partial x_i}{\partial \over \partial x_j}\right)f(\vec{x})\right|_{\vec{x}=0} | ||
$$ | $$ | ||
+ | |||
+ | |||
+ | |||
+ | ==가우스 변환 증명== | ||
+ | |||
+ | :<math>\int_{-\infty}^\infty\prod_{i=1}^N d\sigma_i\exp\left(-\frac{1}{2}\sum_{i,j=1}^N\sigma_iA_{ij}\sigma_j+\sum_{i=1}^N h_i\sigma_i\right)\\=\frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_{i,j=1}^Nh_iA_{ij}^{-1}h_j\right)</math> | ||
+ | |||
+ | 이게 가우스 변환인데요, [[이징 모형의 범함수 적분 형태]]에서 증명 없이 이용한 적이 있습니다. | ||
+ | |||
+ | |||
+ | |||
+ | ===증명=== | ||
+ | A는 대칭행렬이므로 대각화가 가능하고 A의 고유값과 고유벡터를 구한 후 고유벡터로 이루어진 행렬 U를 이용해서 다음처럼 쓸 수 있습니다. | ||
+ | :<math>A=U\lambda U^{-1},\ \lambda=diag(\lambda_1,\cdots,\lambda_N)</math> | ||
+ | |||
+ | 위 두번째 식은 행렬 λ가 A의 고유값들로 이루어진 대각 행렬이라는 걸 말합니다. 즉 λ의 대각 요소만 0이 아니며 이 요소들 각각이 A의 고유값이라는 거죠. σ<sub>i</sub>들로 이루어진 벡터를 편의상 σ으로 쓰고 h<sub>i</sub>들로 이루어진 벡터를 편의상 h로 쓰겠습니다. 위의 U를 이용해서 σ와 h도 변환시켜줍니다. | ||
+ | :<math>\sigma=U\tau,\ h=Ux</math> | ||
+ | |||
+ | 이제 위 가우스 변환의 좌변을 벡터와 행렬로 다시 쓰고... 블라블라... 해주면 아래와 같습니다. | ||
+ | :<math> | ||
+ | \begin{aligned} | ||
+ | \int\prod_{i}d\sigma_i\exp\left(-\frac{1}{2}\sigma^TA\sigma+h^T\sigma\right) &= \int\prod_id\tau_i\exp\left(-\frac{1}{2}\tau^T\lambda\tau+x^T\tau\right)\\ | ||
+ | &=\int\prod_id\tau_i\exp\left(-\frac{1}{2}\sum_i\lambda_i\tau_i^2+\sum_ix_i\tau_i\right)\\ | ||
+ | &= \prod_i\int d\tau_i \exp\left(-\frac{1}{2}\lambda_i\tau_i^2+x_i\tau_i\right)=\prod_i\sqrt{\frac{2\pi}{\lambda_i}}\exp\left(x_i^2/2\lambda_i\right)\\ | ||
+ | &= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_ix_i\lambda_i^{-1}x_i\right)= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}x^T\lambda^{-1}x\right) \\ | ||
+ | &= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_{i,j=1}^Nh_iA_{ij}^{-1}h_j\right) | ||
+ | \end{aligned} | ||
+ | </math> | ||
+ | |||
+ | |||
+ | 증명의 아이디어는 A를 대각화하여 얽혀 있는 σ<sub>i</sub>들을 서로 떼어놓음으로써 각 σ<sub>i</sub>에 대한 적분이 가능해진다는 거죠. | ||
+ | |||
24번째 줄: | 56번째 줄: | ||
* [[안장점 근사]] | * [[안장점 근사]] | ||
* [[헤세 판정법]] | * [[헤세 판정법]] | ||
− | + | ||
34번째 줄: | 66번째 줄: | ||
* http://en.wikipedia.org/wiki/Gaussian_integral | * http://en.wikipedia.org/wiki/Gaussian_integral | ||
* http://en.wikipedia.org/wiki/Common_integrals_in_quantum_field_theory | * http://en.wikipedia.org/wiki/Common_integrals_in_quantum_field_theory | ||
+ | |||
+ | |||
[[분류:원주율]] | [[분류:원주율]] | ||
[[분류:적분]] | [[분류:적분]] | ||
+ | [[분류:통계물리]] | ||
+ | [[분류:평형 통계물리]] |
2013년 4월 5일 (금) 16:40 판
개요
- 1차원 가우시안 적분 의 n차원에서의 일반화
- A : 양의 정부호인 nxn 대칭행렬
- 가우시안 적분
\[\int_{\mathbb{R}^n}e^{-\frac{1}{2}\mathbf{x}^t A\mathbf{x}}d\mathbf{x}=\sqrt{\frac{(2\pi)^n}{\det{A}}}\]
- 1차항이 있는 경우는 다음과 같이 주어진다
$$ \int_{\mathbb{R}^n} e^{-\frac{1}{2}\sum_{i,j=1}^{n}A_{ij} x_i x_j+\sum_{i=1}^{n}b_i x_i} d^nx=\sqrt{ \frac{(2\pi)^n}{\det{A}} }e^{\frac{1}{2}\mathbf{b}^{t}A^{-1}\mathbf{b}} $$
일반화
- 적당한 decay 조건을 만족시키는 함수 $f$에 대하여, 다음이 성립한다
$$ \int f(\vec x) \, \exp\left( - \frac 1 2 \sum_{i,j=1}^{n}A_{ij} x_i x_j \right) d^nx=\sqrt{(2\pi)^n\over \det A} \, \left. \exp\left({1\over 2}\sum_{i,j=1}^{n}(A^{-1})_{ij}{\partial \over \partial x_i}{\partial \over \partial x_j}\right)f(\vec{x})\right|_{\vec{x}=0} $$
가우스 변환 증명
\[\int_{-\infty}^\infty\prod_{i=1}^N d\sigma_i\exp\left(-\frac{1}{2}\sum_{i,j=1}^N\sigma_iA_{ij}\sigma_j+\sum_{i=1}^N h_i\sigma_i\right)\\=\frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_{i,j=1}^Nh_iA_{ij}^{-1}h_j\right)\]
이게 가우스 변환인데요, 이징 모형의 범함수 적분 형태에서 증명 없이 이용한 적이 있습니다.
증명
A는 대칭행렬이므로 대각화가 가능하고 A의 고유값과 고유벡터를 구한 후 고유벡터로 이루어진 행렬 U를 이용해서 다음처럼 쓸 수 있습니다. \[A=U\lambda U^{-1},\ \lambda=diag(\lambda_1,\cdots,\lambda_N)\]
위 두번째 식은 행렬 λ가 A의 고유값들로 이루어진 대각 행렬이라는 걸 말합니다. 즉 λ의 대각 요소만 0이 아니며 이 요소들 각각이 A의 고유값이라는 거죠. σi들로 이루어진 벡터를 편의상 σ으로 쓰고 hi들로 이루어진 벡터를 편의상 h로 쓰겠습니다. 위의 U를 이용해서 σ와 h도 변환시켜줍니다. \[\sigma=U\tau,\ h=Ux\]
이제 위 가우스 변환의 좌변을 벡터와 행렬로 다시 쓰고... 블라블라... 해주면 아래와 같습니다. \[ \begin{aligned} \int\prod_{i}d\sigma_i\exp\left(-\frac{1}{2}\sigma^TA\sigma+h^T\sigma\right) &= \int\prod_id\tau_i\exp\left(-\frac{1}{2}\tau^T\lambda\tau+x^T\tau\right)\\ &=\int\prod_id\tau_i\exp\left(-\frac{1}{2}\sum_i\lambda_i\tau_i^2+\sum_ix_i\tau_i\right)\\ &= \prod_i\int d\tau_i \exp\left(-\frac{1}{2}\lambda_i\tau_i^2+x_i\tau_i\right)=\prod_i\sqrt{\frac{2\pi}{\lambda_i}}\exp\left(x_i^2/2\lambda_i\right)\\ &= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_ix_i\lambda_i^{-1}x_i\right)= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}x^T\lambda^{-1}x\right) \\ &= \frac{(2\pi)^{N/2}}{|A|^{1/2}}\exp\left(\frac{1}{2}\sum_{i,j=1}^Nh_iA_{ij}^{-1}h_j\right) \end{aligned} \]
증명의 아이디어는 A를 대각화하여 얽혀 있는 σi들을 서로 떼어놓음으로써 각 σi에 대한 적분이 가능해진다는 거죠.
메모
- William O. Straub, A Brief Look at Gaussian Integrals
관련된 항목들
계산 리소스