| '''이론 컴퓨터 과학 {{{#!wiki style="display: inline-block; font-family:Times New Roman, serif;font-style:italic"''' | |||||
| {{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -5px -1px -11px" | <colbgcolor=#a36> 이론 | ||||
| 기본 대상 | 수학기초론{수리논리학(논리 연산) · 계산 가능성 이론 · 범주론 · 집합론} · 이산수학(그래프 이론) · 수치해석학 · 확률론 및 통계학 · 선형대수학 | ||||
| 다루는 대상과 주요 토픽 | |||||
| 계산 가능성 이론 | 재귀함수 · 튜링 머신 · 람다대수 · 처치-튜링 명제 · 바쁜 비버 | ||||
| 오토마타 이론 | FSM · 푸시다운 · 튜링 머신(폰노이만 구조) · 정규 표현식 · 콘웨이의 생명 게임 · 형식언어 | ||||
| 계산 복잡도 이론 | 점근 표기법 · 튜링 기계^고전, 양자, 비결정론적, 병렬 임의접근 기계^ · 알고리즘 · 자료구조 · 알고리즘 패러다임(그리디 알고리즘, 동적 계획법) | ||||
| 정보이론 | 데이터 압축(무손실 압축 포맷 · 손실 압축 포맷) · 채널 코딩(채널 용량) · 알고리즘 정보 이론(AIT) · 양자정보과학 | ||||
| 프로그래밍 언어이론 | 프로그래밍 언어(함수형 언어 · 객체 지향 프로그래밍 · 증명보조기) · 메타 프로그래밍 · 유형 이론 · 프로그래밍 언어 의미론 · 파싱 · 컴파일러 이론 | ||||
| 주요 알고리즘 및 자료구조 | |||||
| 기초 | 정렬 알고리즘 · 순서도 · 탐색 알고리즘 | ||||
| 추상적 자료형 및 구현 | 배열^벡터^ · 리스트^연결 리스트^ · 셋(set)^레드-블랙 트리, B-트리^ · 우선순위 큐^힙, 피보나치 힙^ | ||||
| 수학적 최적화 | 조합 최적화 | 외판원 순회 문제 · 담금질 기법 · 유전 알고리즘 · 기계학습 | |||
| 볼록 최적화 | 내부점 방법 · 경사하강법 | ||||
| 선형계획법 | 심플렉스법 | ||||
| 계산 수론 및 암호학 | 밀러-라빈 소수판별법 · Pollard-rho 알고리즘 · 쇼어 알고리즘 · LLL 알고리즘 · 해시(MD5 · 암호화폐 · 사전 공격(레인보우 테이블) · SHA) · 양자 암호 | ||||
| 대칭키 암호화 방식 | 블록 암호 알고리즘(AES · ARIA · LEA · Camellia) · 스트림 암호 알고리즘(RC4) | ||||
| 공개키 암호화 방식 | 공개키 암호 알고리즘(타원 곡선 암호 · RSA) · 신원 기반 암호 알고리즘(SM9) | ||||
| 계산기하학 | 볼록 껍질 · 들로네 삼각분할 및 보로노이 도형^Fortune의 line-sweeping 알고리즘^ · 범위 탐색^vp-tree, R-tree^ · k-NN | ||||
| 그래프 이론 | 탐색^BFS, DFS, 다익스트라 알고리즘, A* 알고리즘^ · 에드몬드-카프 · 크루스칼 알고리즘 · 위상 정렬 · 네트워크 이론 | ||||
| 정리 | |||||
| 정지 문제대각선 논법 · 암달의 법칙 · P-NP 문제미해결 · 콜라츠 추측미해결 | |||||
| 틀:이산수학 · 틀:수학기초론 · 틀:컴퓨터공학 | }}}}}}}}} | ||||
1. 개요 및 정의
漸近 表記法 / asymptotic notation수리과학의 여러 분야에서 함수의 증감 추세를 비교하는 표기법이다. 란다우 표기법(Landau notation)이라 부르기도 한다.[1]
점근 표기법(asymptotic notation)
실함수 [math(f,\,g: [0,\,\infty) \rightarrow \mathbb{R})]에 대해
1. 상수 [math(M>0,\,c>0)]가 존재하여 [math(x>M \Rightarrow |f(x)| \le c g(x) )]를 만족시킬 때, 이를 "[math(x \rightarrow \infty)]에 대해 [math(f(x) = O(g(x)) )]"라 표기한다.
1. 상수 [math(\epsilon>0,\,c>0)]가 존재하여 [math(|x-a|<\epsilon \Rightarrow |f(x)| \le c g(x) )]를 만족시킬 때, 이를 "[math(x \rightarrow a)]에 대해 [math(f(x) = O(g(x)) )]"라 표기한다.
무한대 점근의 정의는 실수열 [math(f,g : \mathbb{N} \rightarrow \mathbb{R})]에 대해서도 동일하게 정의될 수 있고, 이 편이 훨씬 많이 쓰인다.실함수 [math(f,\,g: [0,\,\infty) \rightarrow \mathbb{R})]에 대해
1. 상수 [math(M>0,\,c>0)]가 존재하여 [math(x>M \Rightarrow |f(x)| \le c g(x) )]를 만족시킬 때, 이를 "[math(x \rightarrow \infty)]에 대해 [math(f(x) = O(g(x)) )]"라 표기한다.
1. 상수 [math(\epsilon>0,\,c>0)]가 존재하여 [math(|x-a|<\epsilon \Rightarrow |f(x)| \le c g(x) )]를 만족시킬 때, 이를 "[math(x \rightarrow a)]에 대해 [math(f(x) = O(g(x)) )]"라 표기한다.
수식 입력 편의상 이탤릭체를 사용하는 경우가 대부분이나, 흘림체인 [math(\mathcal{O})]를 사용하는 경우도 많이 있다.[2] 다만, [math(O)]를 처음 사용한 바흐만, 란다우의 서적이나 이를 컴퓨터 과학에 본격적으로 들여온 도널드 커누스의 노트도 딱히 글꼴을 지정하진 않았다.
1.1. 연관된 표기법
커누스는 란다우의 표기법을 종합해 다음의 4가지 표기법을 같이 정리하였다.- [math(f(x) = o(g(x)) )]: 임의의 [math(c>0)]에 대해 [math(M)]이 존재하여 [math(x>M \Rightarrow |f(x)| \le c g(x) )]
- [math(f(x) = \Omega(g(x)) )]: [math(M,c>0)]이 존재하여 [math(x>M \Rightarrow |f(x)| > c g(x) )]
- [math(f(x) = \omega(g(x)) )]: 임의의 [math(c>0)]에 대해 [math(M)]이 존재하여 [math(x>M \Rightarrow |f(x)| > c g(x) )]
- [math(f(x) = \Theta(g(x)) )]: [math(f(x)>0)] 중에서 [math(f(x)=O(g(x)) )]이며 [math(f(x)=\Omega(g(x)) )]
이외에도 점근을 나타내는 다음의 다양한 표기가 있다.
- 표기 [math(f \ll g)]는 [math(f=O(g) )]와 동치이다.
- 표기 [math(f \asymp g)]는 [math(f = \Theta(g) )]와 동치이다.
- 표기 [math(f \sim g)]는 [math(\lim_{x\to\infty}\limits (f/g)=1)]과 동치이다.
2. 해석학에서의 활용법
극한과 비슷하게 생각할 수 있지만 세부적인 성질은 달라지는 것들이 많다. 예를 들어서[math(\lim_{x\to\infty}\limits \left|\dfrac fg\right| < \infty \Rightarrow f = O(g) )]
이 명제의 역은 성립하지 않는데, [math((f,\,g) = (\sin(x),\,1) )] 같은 예시처럼 극한이 진동할 수도 있기 때문이다. 다만, 다음은 성립한다.
[math(\displaystyle f =O(g) \Leftrightarrow \limsup \left| \frac{f}{g} \right| < \infty )]
[math(\displaystyle )]
해석학에서의 점근 표기법은 단순히 [math(f=O(g))]꼴뿐만 아니라 굉장히 자유롭게 쓰이는데, 예를 들어서[math(\displaystyle \sum_{i=1}^N \frac1i = \log N + \gamma + O(N^{-1}) )] ([math(N \rightarrow \infty)]일 때)
혹은
[math(e^x = 1 + x + \dfrac{x^2}{2!} + \dfrac{x^3}{3!} + \cdots + \dfrac{x^k}{k!} + O(x^{k+1}) )] ([math(k)]는 고정된 자연수이고 [math(x \rightarrow 0)]일 때)
와 같은 표기법은 좌우변의 차이인 오차항이 O-표기법을 따르는 함수라는 것을 의미한다. 이런 표기법이 빈번하게 쓰이는 이유 중 하나는 O-표기법이 사칙연산에 비해 비교적 잘 행동하기 때문이다. 예를 들어서 [math(f_1 = O(g_1))], [math(f_2=O(g_2))]이면 [math(f_1 + g_1 = O(g_1+g_2))], [math(f_1 f_2 = O(g_1 g_2))] 등이 성립한다. 다만, 사칙연산에 대해서만 성립할 뿐이고, [math(e^f = O(e^g))] 등이 성립하지는 않는다. 이런 경우에는 [math(f=e^{O(x)})] 같은 표현이 쓰이는데, 이는 [math(g=O(x))]인 함수 [math(g)]가 존재해서 [math(f = e^g)]가 된다는 것을 의미한다.
O-표기법은 다변수함수, 벡터함수, 복소함수 등에서 쓰이기도 한다. 예를 들어서, 다변수 테일러 정리의 표현식을 다음처럼 쓸 수 있다.
[math(\displaystyle f(x+h) = \sum_{|\alpha| \le m} \frac{\partial^{\alpha} f(x)}{\alpha_1! \cdots \alpha_n!}h^{\alpha} + O(\|h\|^{m+1}) )]
3. 컴퓨터 과학에서의 점근 표기법
일반적으로 알고리즘의 시간복잡도를 나타내는데 사용된다. Big-O 표기법은 알고리즘이 해당 차수이거나 그보다 낮은 차수의 시간 복잡도를 가진다는 의미이다. 물론 공간 복잡도에 대해서도 사용될 수 있다. 사실 공간복잡도의 이론적인 상한은 시간복잡도이기 때문에 [3] 시간 복잡도가 공간 복잡도보다 조금 더 중요하게 취급받는다.사실 현업에서는 알고리즘이 2배, 3배, 상수배 빨라지는 것도 의미가 있고, 당연히 계산 Step의 개수를 정확히 센 결과가 Asymptotic보다 더 정확한 지식이다.
하지만 이걸 쓰는 이유는 [math(n)]이 커지면 커질수록 언젠가는 Big-O 복잡도가 큰 알고리즘이 Big-O 복잡도가 작은 알고리즘을 역전한다는 수학적인 사실이 있기 때문에 생기는 원론적인 구분이 가능하다는 것이다.
예를 들면 극단적으로 [math(9999n)]개의 step이 필요한 알고리즘이 [math(0.001n^2)] 보다 느려 보이더라도 [math(n)]이 커질 때 언젠가는 [math(0.001n^2)]의 알고리즘이 역전한다는 것이다. 이건 다항 알고리즘과 지수 알고리즘의 차이에서도 존재하고 [math(2^{0.001n})]처럼 아무리 상수항이 작은 지수 알고리즘이라도 언젠가는 [math(n^{9999})]보다 빨라지는 시점이 올 수밖에 없다.
이 때문에 수많은 수학자들이 최대한 선형 알고리즘을 찾거나 그게 아니더라도 다항 알고리즘을 찾으려고 고생하는 이유이기도 하고, P-NP 문제가 중요한 이유이기도 하다.
Big-O 계산의 예시로는 [math(O(5n+7)=O(5n)=O(n))]이 되고, [math(O(n^2+25)=O(n^2))]을 들 수 있다. 여기서 등호 기호([math(=)])를 '같다(equals)'는 뜻이 아니라 '~이다(is)', '~쯤 된다(approx)'라고 해석하면 기호의 혼란을 피할 수 있다. 경우에 따라 [math(O(g(n)) )]을 하나의 집합으로 보고 [math(f(n) \in O(g(n)) )]으로 표기하기도 하는데, 과거보다 현대로 올수록 많은 알고리즘, 미적분학, 해석학 교과서들이 이 집합 개념을 사용하고 있다. 보다 수학적으로 엄밀해지고, asymptotic tight bound를 정확히 특정하는 Big-θ 표기법에서는 [math(\theta(g(n)) )]을 간단히 [math(O(g(n))\cap\Omega(g(n)) )]으로 정의할 수 있다. [math(f(n)=O(g(n)) )]에서 등호는 [math(\in)]의 의미를 imply하며 동시에 직관성을 얻는다. 이 '같다'의 직관성은 Big-O notation의 오용을 초래[4]했고, Big-Theta notation을 탄생하게 한 배경이 되었다.
간단한 예를 한번 들어보자. 디스크에 있는 파일을 다른 지역에 살고 있는 친구에게 보낸다고 가정해보자. 그림에서 파일 크기가 작다면, 즉 [math(n)]이 작다면 [math(O(n))]의 시간이 걸리는 온라인 전송이 빠르다. 하지만 파일이 아주 크다면 비행기를 통해 물리적으로 배달하는 게 더 빠를 수 있다(비용은 고려하지 않는다면).[5] 파일이 아무리 커도, 즉 [math(n)]이 아무리 커도 비행기를 통한 파일 전송은 [math(O(1))]로 항상 일정한 시간이 소요되기 때문이다. 이것이 바로 점근적 실행 시간이며, 빅오는 점근적 실행 시간을 표기하는 방법 중 하나다.
4. 참고
5. 관련 문서
[1] 이 표기법을 처음 사용한 것은 파울 바흐만이었으나, 실제로 이 표기법이 수학계에서 대중화된 것은 란다우가 자신의 책에서 지속적으로 이 표기법을 사용하였기 때문에 란다우 표기법이라는 별칭으로도 불린다.[2] 괴상하게도 보통 컴퓨터 과학에서 후술할 Big-O Notation을 사용할 때 [math(\mathcal{O})]를 사용하는 경우가 많다.[3] 메모리를 할당하는 것도 일종의 명령어이기 때문에 컴퓨터는 시간을 초월한 넓이의 공간을 접근하지 못한다. 튜링 머신에서 테이프를 옮기는 동작과 연산을 하는 동작 사이에 원론적이 구분이 없다는 점을 들어 이해할 수 있다.[4] 선형대수학에서 생성기저에 대해 다루는 경우에도 이와 같은 등호 기호의 오남용을 볼 수 있다.[5] 실제로 구글 및 NASA 등 PB 단위로 데이터를 취급하는 단체, 업체들이 이렇게 데이터를 항공 운반하는 경우가 자주 있다.