Processing math: 100%
본문 바로가기

Mathematics

가우스 적분

728x90

이번 글에서는 자주 쓰이는 적분값 exp(x2) dx=π를 증명할 것이다. 이 적분은 가우스 적분(Gaussian Integral; 高斯积分)이라고 부르며 확률과 통계를 공부하다보면 자주 만나는 적분이므로 따로 정리할 필요가 있다.

exp(x2) dx=exp(y2) dy이므로, I:=exp(x2) dx으로 두면,

I2=exp(x2) dxexp(y2) dy

여기서 exp(x2) dxy입장에서 상수이다. 집어넣자.

I2=(exp(x2) dx)exp(y2) dy

또, exp(y2)x입장에서 상수이다. 또 집어넣자.

I2=(exp(x2) dxexp(y2)) dy=exp(x2)exp(y2) dxdy=exp((x2+y2)) dxdy

여기서 (x,y)=(rcosθ,rsinθ)로 변환하면, 변환의 야코비 행렬(Jacobian Matrix; 雅可比矩阵) J에 대해 다음이 성립한다.

|J|=xrxθyryθ=r

그러므로 dxdy=r drdθ이다. 한편, (x,y)R2이므로 r[0,), θ[0,2π]이다. 따라서 다음과 같이 계산할 수 있다.

I2=2π00exp(r2)r drdθ=2π0120exp(u) dudθ, u:=r2=2π012 dθ=π

I>0이어야 하므로 I=π이다. 즉, 다음이 성립한다.

exp(x2) dx=π

가우스 적분의 좀 더 일반화된 형태는 다음과 같다.

exp(a(x+b)2) dx=πa

일반화라고 해봤자 선형변환이기 때문에 증명은 쉽다.

exp(a(x+b)2) dx=exp(ay2) dy, y:=x+b=exp(z2) dz1a, z:=ya=π1a=πa

728x90

'Mathematics' 카테고리의 다른 글

감마분포  (0) 2022.10.22
지수분포  (0) 2022.10.21
정규분포  (0) 2022.10.18
균등분포  (0) 2022.10.18
연속확률변수와 연속분포  (2) 2022.10.14