ფაქტორიალების ლოგარითმული მასშტაბი
სტირლინგის მიახლოება ნამრავლს ჯამად გარდაქმნის, რომელიც ფუნდამენტური ნაბიჯია, რომელიც დიდი n-ის მათემატიკას პრაქტიკულად გამოთვლადს ხდის:
ln(n!) ≈ n·ln(n) − n + 0.5·ln(2πn)
ეს ფორმულა მოდის Σ ln(k) ჯამის (k=1..n) მიახლოებიდან ln(x)-ის ინტეგრალით, შემდეგ ტრაპეციის წესის გამოყენებით შეცდომის შესაზღვრავად.
რატომ აქვს მნიშვნელობა გეომეტრიულად
n-განზომილებიანი სფეროს მოცულობის ფორმულა მოიცავს Γ(n/2 + 1), რომელიც მთელი n-ის შემთხვევაში უტოლდება (n/2)! ან ნახევარ-მთელი რიცხვების ნამრავლს. სტირლინგი გვაძლევს საშუალებას შევაფასოთ ეს დიდი n-ის შემთხვევაში თითოეული მნიშვნელობის პირდაპირი გამოთვლის გარეშე.
სტირლინგის მიახლოება იძლევა log(n!) ≈ n·log(n) − n·log(e) ფორმულას 10-ის ფუძით, სასარგებლო რიგის სიდიდის შეფასებებისთვის.
n = 10-ის შემთხვევაში: ln(10!) ≈ 10·2.303 − 10 + 0.5·ln(62.83) ≈ 23.03 − 10 + 2.08 = 15.10 (ჭეშმარიტი: 15.104).
n = 100-ის შემთხვევაში: ln(100!) ≈ 100·4.605 − 100 + 0.5·ln(628.3) ≈ 460.5 − 100 + 3.24 = 363.7 (ჭეშმარიტი: 363.74).
სტირლინგი n=20-ის შემთხვევაში
პირდაპირი გამოთვლა: ln(20) ≈ 2.996. ln(2π·20) = ln(125.66) ≈ 4.833.
მოცულობის ფორმულა
n-განზომილებიანი სფეროს მოცულობა რადიუსით r:
V_n(r) = C_n · r^n სადაც C_n = π^(n/2) / Γ(n/2 + 1)
C_n მნიშვნელობები მცირე n-ის შემთხვევაში მიჰყვებიან ნიმუშს, რომელიც იყენებს Γ(1/2) = √π და რედუქციის ფორმულას:
- 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
შენიშვნა: C_n მიღწევს მაქსიმუმს n≈5-ის ახლოს (≈ 5.264) შემდეგ მცირდება. დიდი n-ის შემთხვევაში, C_n → 0.
მაქსიმუმი n=5-ის შემთხვევაში
C_5 = 8π²/15. π² ≈ 9.870-ის შემთხვევაში:
C_5 = 8·9.870/15 = 78.96/15 ≈ 5.264
ამის გადამოწმებლად, რომ ეს მაქსიმუმია: C_6 = π³/6 ≈ 31.006/6 ≈ 5.168. ისე რომ C_6 < C_5 — პიკი n=5-ზე მოხდა.
მოცულობის წილი კუთხეებში
კუთხეების პარადოქსი რიცხობრივად: n-განზომილებიანი ერთეული ჰიპერკუბის რა წილი [−1,1]^n დევს გარეთ ჩაწერილი სფეროს რადიუსით 1?
კუთხეების წილი = 1 − C_n / 2^n
| n | C_n | 2^n | სფეროს წილი | კუთხეების წილი | |---|---|---|---|---| | 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% |
ოპტიმიზაციის გავლენა
კუთხეების პარადოქსი აქვს პირდაპირი შედეგები ოპტიმიზაციაზე მაღალი განზომილებიანი სივრცეებში:
შემთხვევითი ძებნა ვერ ხერხდება. n-განზომილებიანი პარამეტრის სივრცის შემთხვევითი წერტილი თითქმის დარწმუნებით ხვდება კუთხეში — შორს წარმოშობიდან, ექსტრემალური პარამეტრის მნიშვნელობებით. თუ კარგი გამოსავალი ჯგუფდება მოდერატული პარამეტრის მნიშვნელობების ახლოს, შემთხვევითი ძებნა თითქმის არასოდეს იპოვის მათ.
გრადიენტის დაღმავალი წარმატება. ლოკალური გრადიენტის მიყოლებით, თქვენ სისტემატიურად ნავიგაციას უკეთებთ გეომეტრიას, ვიდრე ბნელი ნიმუშის აღება. განზომილების წაბინძურება დაარტყამს შემთხვევით მეთოდებს; სტრუქტურირებული მეთოდები ადაპტაციას უკეთებენ.
მანძილი კონცენტრირდება. მაღალი განზომილებებში, შემთხვევითი წერტილებს შორის ყველა წყვილი მანძილი კონცენტრირდება ერთი და იგივე მნიშვნელობის ირგვლივ: ისინი ყველა ხდება დაახლოებით √(2n/3) [0,1]^n-ში ერთიანი წერტილებისთვის. უახლოესი მეზობელი მეთოდები ჰქრება, რადგან „უახლოესი" და „ყველაზე შორეული" უპიროვნდებიან.
ჰამინგის რეცეპტი: გაიგეთ გეომეტრია თქვენი ინტუიციას სანდოობამდე. მაღალი განზომილებიანი სივრცეებში, გეომეტრია არის ინტუიციის მოპირდაპირე, და მათემატიკა ერთადერთი საიმედო სახელმძღვანელოა.