फैक्टोरियल का लघुगणकीय पैमाना
स्टर्लिंग का सन्निकटन एक गुणनफल को योग में परिवर्तित करता है, जो वह मौलिक कदम है जो बड़े-n गणित को ट्रैक्टेबल बनाता है:
ln(n!) ≈ n·ln(n) − n + 0.5·ln(2πn)
यह सूत्र योग Σ ln(k) को k=1..n के लिए ln(x) के समाकलन द्वारा अनुमानित करने, फिर त्रुटि को सीमित करने के लिए ट्रेपेज़ॉइड नियम लागू करने से आता है।
यह ज्यामितीय रूप से क्यों महत्वपूर्ण है
n-आयामी गोलक आयतन सूत्र में Γ(n/2 + 1) शामिल है, जो पूर्णांक n के लिए (n/2)! या आधे-पूर्णांकों के गुणनफल के बराबर है। स्टर्लिंग हमें बड़े n के लिए प्रत्येक मान की सीधे गणना किए बिना इनका अनुमान लगाने देता है।
स्टर्लिंग का सन्निकटन log(n!) ≈ n·log(n) − n·log(e) देता है आधार-10 संकेतन में, परिमाण के क्रम के अनुमान के लिए उपयोगी।
n = 10 के लिए: ln(10!) ≈ 10·2.303 − 10 + 0.5·ln(62.83) ≈ 23.03 − 10 + 2.08 = 15.10 (सही: 15.104)।
n = 100 के लिए: ln(100!) ≈ 100·4.605 − 100 + 0.5·ln(628.3) ≈ 460.5 − 100 + 3.24 = 363.7 (सही: 363.74)।
n=20 पर स्टर्लिंग
एक सीधी गणना: ln(20) ≈ 2.996। ln(2π·20) = ln(125.66) ≈ 4.833।
आयतन सूत्र
त्रिज्या r के n-आयामी गोलक का आयतन:
V_n(r) = C_n · r^n where C_n = π^(n/2) / Γ(n/2 + 1)
छोटे n के लिए C_n मान Γ(1/2) = √π और अपचयन सूत्र का उपयोग करके एक पैटर्न का पालन करते हैं:
- n=1: C_1 = π^(1/2)/Γ(3/2) = √π/(√π/2) = 2
- n=2: C_2 = π^1/Γ(2) = π/1 = π
- n=3: C_3 = π^(3/2)/Γ(5/2) = π^(3/2)/(3√π/4) = 4π/3
- n=4: C_4 = π²/Γ(3) = π²/2
- n=5: C_5 = π^(5/2)/Γ(7/2) = π^(5/2)/(15√π/8) = 8π²/15
ध्यान दें: C_n n=5 के पास शीर्ष (≈ 5.264) तक पहुंचता है फिर घटता है। बड़े n के लिए, C_n → 0।
n=5 पर अधिकतम
C_5 = 8π²/15। π² ≈ 9.870 के साथ:
C_5 = 8·9.870/15 = 78.96/15 ≈ 5.264
यह सत्यापित करने के लिए कि यह अधिकतम है: C_6 = π³/6 ≈ 31.006/6 ≈ 5.168। तो C_6 < C_5 — शीर्ष n=5 पर हुआ।
कोनों में आयतन का भिन्न
कोने का विरोधाभास परिमाणित: n-आयामी यूनिट हाइपरक्यूब [−1,1]^n का कितना भिन्न त्रिज्या 1 के उत्कीर्ण गोलक के बाहर स्थित है?
कोने का भिन्न = 1 − C_n / 2^n
| n | C_n | 2^n | गोलक भिन्न | कोने भिन्न | |---|---|---|---|---| | 2 | 3.14 | 4 | 78.5% | 21.5% | | 3 | 4.19 | 8 | 52.4% | 47.6% | | 4 | 4.93 | 16 | 30.8% | 69.2% | | 5 | 5.26 | 32 | 16.4% | 83.6% | | 6 | 5.17 | 64 | 8.1% | 91.9% | | 10 | 2.55 | 1024 | 0.25% | 99.75% |
अनुकूलन के लिए निहितार्थ
कोने का विरोधाभास उच्च-आयामी स्पेस में अनुकूलन के लिए सीधे परिणाम हैं:
यादृच्छिक खोज विफल होती है। n-आयामी पैरामीटर स्पेस में एक यादृच्छिक बिंदु लगभग निश्चित रूप से एक कोने में गिरता है — मूल से दूर, चरम पैरामीटर मानों के साथ। यदि अच्छे समाधान मध्यम पैरामीटर मानों के पास क्लस्टर करते हैं, तो यादृच्छिक खोज लगभग कभी उन्हें नहीं खोजेगी।
ग्रेडिएंट डिसेंट सफल होता है। स्थानीय ग्रेडिएंट का अनुसरण करके, आप ज्यामिति को अंधाधुंध नमूने के बजाय व्यवस्थित रूप से नेविगेट करते हैं। आयामीता का अभिशाप यादृच्छिक तरीकों को प्रभावित करता है; संरचित तरीके अनुकूल होते हैं।
दूरी केंद्रित होती है। उच्च आयामों में, यादृच्छिक बिंदुओं के बीच सभी जोड़ीदार दूरियां एक ही मान के चारों ओर केंद्रित होती हैं: [0,1]^n में एकसमान बिंदुओं के लिए वे सभी लगभग √(2n/3) बन जाते हैं। निकटतम-पड़ोसी विधियां विफल हो जाती हैं क्योंकि 'निकटतम' और 'सबसे दूर' अप्रभेद्य हो जाते हैं।
हैमिंग की सलाह: अपने अंतर्ज्ञान पर भरोसा करने से पहले ज्यामिति को समझें। उच्च-आयामी स्पेस में, ज्यामिति ही प्रति-सहज है, और गणित ही एकमात्र विश्वसनीय मार्गदर्शक है।