이 단원 목차
불변량은 무엇을 유지하는가
실수 평면에 네 번의 90도 회전으로 이루어진 C4가 작용한다고 합시다. 함수 F가 모든 회전에서 같은 값을 내면 불변입니다. 점 자체가 회전하지 않는다는 뜻이 아니라 함수 출력이 같다는 뜻입니다. 원래 특징 φ는 x, x², xy 중 선택합니다. 네 회전 위치의 특징을 실제로 계산해 평균하면 새 불변 함수를 만들 수 있습니다.
평균이 불변인 이유
입력을 한 번 회전하면 합의 순서만 한 칸 이동하고 마지막 회전은 첫 항으로 돌아옵니다. 따라서 총합은 같습니다. 일반적인 유한군에서도 g를 gh로 바꾸는 것이 군 원소들의 순열이라 같은 논증이 됩니다. 이 평균은 실수 계수에서 수행하며 군 크기로 나눌 수 있다는 조건을 사용합니다. 유한체의 표수가 군 크기를 나누면 이 식의 분모가 가역이 아닐 수 있습니다.
예측하고 숫자로 확인하기
v=(1,2)와 φ=x²이면 특징은 1,4,1,4이고 평균은 2.5입니다. 일반 좌표에서도 평균은 (x²+y²)/2입니다. φ=x 또는 xy를 고르면 양·음 항이 상쇄되어 0입니다. 파랑 막대는 각 회전의 특징 값, 주황 막대는 같은 평균 값입니다. 이산 회전 번호 사이를 연속 시간이나 각도 함수로 보간하지 않습니다.
정보 손실과 등변성의 차이
궤도의 평균 좌표는 항상 (0,0)이므로 원점이 아닌 입력도 사라집니다. 불변량이라는 성질만으로 모든 궤도를 구분하는 완전한 특징이 되는 것은 아닙니다. 예를 들어 같은 원 위의 서로 다른 C4 궤도는 같은 x² 평균을 가질 수 있습니다. 분류에서 방향을 지우는 것이 적절할 수 있지만 위치를 예측하는 작업에서는 출력도 함께 회전하는 등변성이 더 적합할 수 있습니다.
모든 C4 궤도를 구분하는 특징을 직접 만들기
방사형 평균은 (1,2)와 (2,1)을 구분하지 못하지만 두 점은 서로의 90도 회전 결과가 아닙니다. 실수 점을 복소수 z=x+iy로 읽으면 90도 회전은 i를 곱하는 연산입니다. 따라서 네제곱은 바뀌지 않습니다. 네제곱의 실수부와 허수부를 모두 보존합니다.
| 입력 | x²의 평균 | 네제곱 특징 (A,B) |
|---|---|---|
| (1,2) | 5/2 | (−7,−24) |
| (2,1) | 5/2 | (−7,24) |
이 특징은 두 예제뿐 아니라 모든 C4 궤도를 구분합니다. 영이 아닌 z,z′의 네제곱이 같다면 (z′/z)⁴=1입니다. 이 방정식의 복소수 근은 1,i,−1,−i이므로 두 점의 차이는 90도 회전의 반복입니다. z=0인 경우도 네제곱의 일치가 z′=0을 강제합니다. 역방향은 불변성에서 바로 따릅니다. 반사는 일반적으로 B의 부호를 바꿉니다. 따라서 이들은 C4 불변량이며 D4 불변량은 아닙니다. 특히 표의 두 입력은 좌표를 맞바꾸는 정사각형 반사로 연결되므로 D4 불변 특징이라면 둘을 같게 보아야 합니다.
궤도 구분과 다항식환 생성은 다른 주장
s=x²+y²도 불변량입니다. A,B가 궤도를 구분하더라도 s를 A,B의 다항식으로 쓸 수는 없습니다. A,B로 만든 비상수 단항식의 차수는 양의 4의 배수지만 s는 2차 동차식이기 때문입니다. 더 직접적으로 (x,y)=(t,0)에 다항식 항등식을 제한하면 t²을 t⁴의 다항식으로 표현해야 하며 계수 비교로 불가능합니다. 함수로서의 s는 다항식이 아닌 근을 사용하면 복원할 수 있습니다.
따라서 궤도를 구분한다는 것과 불변 다항식환 전체를 생성한다는 것은 서로 다릅니다. 여기서는 이 특징의 전자를 증명했으며 일반 불변량 생성 알고리즘을 구현했다고 주장하지 않습니다.
정보를 구분해도 gradient의 크기는 나쁠 수 있다
입력 v를 실수 t배 하면 F4(v)는 t⁴배 됩니다. 원점에서는 모든 일차 미분이 0입니다. x축에서 입력 이동 ε은 특징 이동 ε⁴만 만들므로, C4로 같은 입력을 식별한 뒤에도 원점 부근에서 역방향 Lipschitz 상계를 줄 수 없습니다. 정확한 궤도 구분이 잡음이 있는 특징에서의 안정적 복원이나 유용한 gradient를 보장하지는 않습니다. s 같은 낮은 차수의 불변 특징을 함께 쓰면 이 예제의 방사형 스케일은 개선할 수 있지만 실제 예측 성능은 과제에 따라 평가해야 합니다.
특징과 유한 예제를 독립적으로 검산하기
다음 표준 라이브러리 코드는 정수와 정확한 분수 스케일을 사용합니다. 25점 정사각 격자는 C4 작용에 닫혀 있고, 특징이 같은 일곱 집합은 정확히 일곱 궤도입니다. 이 유한 열거는 앞의 일반 증명을 예시합니다. 현재 페이지의 실습 막대는 여전히 x,x²,xy 중 선택한 특징의 평균을 보여주며, 네제곱 특징은 아래에서 별도로 실행하는 확장 예제입니다.
from fractions import Fraction as Q
from itertools import product
def turn(v):
x, y = v
return (-y, x)
def orbit(v):
points = []
for _ in range(4):
points.append(v)
v = turn(v)
return set(points)
def feature(v):
x, y = v
return (x**4 - 6*x*x*y*y + y**4, 4*x*y*(x*x-y*y))
def radial(v):
x, y = v
return Q(x*x + y*y) / 2
v, w = (1, 2), (2, 1)
assert radial(v) == radial(w) == Q(5, 2)
assert w not in orbit(v)
assert feature(v) == (-7, -24) and feature(w) == (-7, 24)
groups = {}
for point in product(range(-2, 3), repeat=2):
key = feature(point)
groups.setdefault(key, set()).add(point)
assert all(feature(q) == key for q in orbit(point))
x, y = point
assert sum(a*a for a in key) == (x*x+y*y)**4
assert len(groups) == 7
assert all(points == orbit(next(iter(points))) for points in groups.values())
for t in [Q(1, 2), Q(1, 8)]:
assert feature(tuple(t*a for a in v)) == tuple(t**4*a for a in feature(v))
print("scale:", t, "quartic feature:", feature(tuple(t*a for a in v)))
print("radial:", radial(v), radial(w), "quartic:", feature(v), feature(w))
print("grid points:", 25, "orbits:", len(groups))
추가 문제와 연구 연결
- A만 남겨도 표의 두 입력을 구분하나요? 둘 다 −7이므로 구분하지 못하며 B의 값이 필요합니다.
- 불변 특징이 원래 방향을 보존하나요? 선택한 군으로 연결되는 방향은 의도적으로 같게 보고 궤도를 보존합니다.
- 학습 실험에서는 무엇을 따로 보고해야 하나요? 선택한 군, 특징의 구분 성질, 원점 부근의 거동, 예측 결과입니다. 유한 격자의 검사만으로 일반 구분 정리가 증명되지는 않습니다.
네제곱 증명의 복소수 좌표와 출력도 함께 변하는 대수적 표현을 연결해 복습하세요.
확인 문제와 해설
- 입력 (2,1)의 x² 평균은? 2.5로 같습니다.
- 평균이 0이면 입력도 0인가요? 아니요. 선형 특징이 반례입니다.
- 불변화 후 두 번 평균하면? 같은 결과이며 P²=P입니다.
설명할 수 있나요?
실험 설정과 무관한 기준 예제를 묻습니다. 답을 고르고 설명을 확인해보세요.
선택한 답과 학습 표시는 이 브라우저에 저장됩니다. 다시 풀거나 표시를 해제할 수 있습니다.