[공통수학1 시리즈 3편] 2변수 다항식과 행렬

1. 1변수에서 2변수로

1.1 왜 2변수가 필요한가?

현실 세계의 많은 현상은 여러 변수의 관계로 표현됩니다. 단순히 하나의 변수만으로는 설명하기 어려운 복잡한 관계를 다루기 위해 2변수 다항식이 필요합니다.

실제 적용 예시:

2변수 다항식은 이러한 다차원적 관계를 수학적으로 정형화하는 강력한 도구입니다.

1.2 2변수 다항식의 구조

2변수 다항식의 일반적인 형태는 다음과 같습니다:

$P(x, y) = 3x^2y + 2xy^2 + 5x + 7y + 1$

구성 요소 분석:

핵심 특징:

• 각 항은 $x$와 $y$의 차수를 각각 가짐
• 2차원 [coefficient-array|계수 배열] 형태로 자연스럽게 표현 가능
• $y$의 차수 → 행(row), $x$의 차수 → 열(column)로 매핑

2. 2변수 다항식의 배열 표현

2.1 2차원 배열의 개념

$y$의 차수를 행(row)로, $x$의 차수를 열(column)로 하는 2차원 배열로 표현합니다.

2차원 배열 = 행렬(Matrix):

2변수 다항식을 2차원 배열로 표현하는 것은 수학적으로 행렬(matrix)로 볼 수 있습니다.

행렬의 의미:

• 행(row): $y$의 차수에 따른 분류 ($y^2, y^1, y^0$)
• 열(column): $x$의 차수에 따른 분류 ($x^2, x^1, x^0$)
• 원소: 해당 $x^i y^j$ 항의 계수

행렬 연산과의 연결: 다항식의 덧셈은 행렬의 덧셈과 정확히 동일합니다: $C = A + B \Leftrightarrow c_{ij} = a_{ij} + b_{ij}$

이는 고등학교 공통수학1에서 배우는 행렬 단원과 직결됩니다.

예시: $P(x, y) = 3x^2y + 2xy^2 + 5x + 7y + 1$

행렬 표현 (행=y, 열=x):

행렬 형태:

인덱스 해석 (행=y, 열=x):

• $P[2, 2] = 1$: $x^0y^0$의 계수 (상수항)
• $P[1, 2] = 7$: $x^0y^1$의 계수 ($7y$)
• $P[2, 1] = 5$: $x^1y^0$의 계수 ($5x$)
• $P[0, 1] = 2$: $x^1y^2$의 계수 ($2xy^2$)
• $P[1, 0] = 3$: $x^2y^1$의 계수 ($3x^2y$)

시각화:

아래 도구에서 2변수 다항식을 입력하고 행렬로 변환되는 과정을 실시간으로 확인할 수 있습니다.

2.2 행렬로 보는 다항식

행렬은 2변수 다항식의 가장 자연스러운 표현 방식입니다.

왜 행렬이 적합한가?

1. 구조적 대응: 행과 열이 두 변수의 차수를 직접 표현
2. 연산의 일치: 행렬 연산이 다항식 연산과 정확히 대응
3. 컴퓨터 효율: 2차원 배열은 메모리에서 효율적으로 접근 가능

Python (NumPy)으로 표현:

# P(x, y) = 3x²y + 2xy² + 5x + 7y + 1
# 행(row): y 차수 (y², y¹, y⁰)
# 열(col): x 차수 (x², x¹, x⁰)
P = np.array([
    [0, 2, 0],   # y² 행: 0·x²y² + 2·xy² + 0·y²
    [3, 0, 7],   # y¹ 행: 3·x²y + 0·xy + 7·y
    [0, 5, 1]    # y⁰ 행: 0·x² + 5·x + 1
])

print(f"행렬 shape: {P.shape}")  # (3, 3)
print(f"P[1, 0] (x²y 계수): {P[1, 0]}")  # 3
print(f"P[0, 1] (xy² 계수): {P[0, 1]}")  # 2

3. 2변수 다항식의 연산

3.1 행렬의 덧셈

2변수 다항식의 덧셈은 행렬의 요소별 덧셈과 동일합니다.

예시:

$P(x, y) = 2x^2 + xy + 3y + 1$

$Q(x, y) = x^2 - xy + 2y^2 + 4$

행렬 표현:

요소별 덧셈:

결과 다항식: $P + Q = 3x^2 + 2y^2 + 3y + 5$

Python 코드:

P = np.array([
    [0, 0, 0],   # y² 행: x², x¹, x⁰
    [0, 1, 3],   # y¹ 행: x²(0), xy(1), 3y(3)
    [2, 0, 1]    # y⁰ 행: 2x²(2), x(0), 상수(1)
])

Q = np.array([
    [0, 0, 2],   # y² 행: 2y²는 x⁰y²
    [0, -1, 0],  # y¹ 행: -xy는 -1*x¹y¹
    [1, 0, 4]    # y⁰ 행: x²(1), x(0), 상수(4)
])

# 행렬 덧셈 (요소별)
result = P + Q
print("P + Q 결과:")
print(result)
# [[0 0 2]   ← 2y²
#  [0 0 3]   ← 3y (xy 항은 소거)
#  [3 0 5]]  ← 3x² + 5

3.2 실제 활용

2변수 다항식과 행렬 표현은 다양한 실제 문제에 적용됩니다.

이미지 처리:

• RGB 이미지: 각 채널을 2차원 배열로 표현
• 필터링: 커널(행렬)과의 곱셈으로 흐림/선명 효과 적용

# 이미지 밝기 조정 (단순화 예시)
image = np.array([...])  # 2D brightness array
brightness_adjusted = image + 20  # 행렬 스칼라 덧셈

물리 시뮬레이션:

• 공간의 각 점 $(x, y)$에서의 물리량 표현
• 열 분포, 압력 분포 등을 2D 그리드로 모델링

경제 모델링:

• 두 재료의 사용량에 따른 비용 함수
• 생산량과 가격의 관계 분석

3.3 연습 문제

아래 퀴즈에서 2변수 다항식을 행렬로 변환하고 연산하는 연습을 할 수 있습니다.

추가 연습 문제:

문제 1: 다음 다항식을 행렬로 표현하시오.

$P(x, y) = 2x^2 + 3xy - y^2 + 5x - 2y + 4$

문제 2: 위 $P(x, y)$와 $Q(x, y) = x^2 - xy + 2y^2 - 3x + y - 1$의 합을 행렬 덧셈으로 구하시오.

🎯 직접 연습하기:

아래 도구에서 두 2변수 다항식의 덧셈과 뺄셈을 직접 연습할 수 있습니다.

4. 마치며

2변수로 확장하면서 수학의 표현력이 크게 늘어났습니다. 단순한 직선의 세계를 넘어 곡면과 복잡한 관계를 다룰 수 있게 되었습니다.

핵심 정리:

• 2변수 다항식은 현실의 다차원적 관계를 표현하는 강력한 도구
• 행렬이라는 도구를 통해 복잡한 다변수 관계를 체계적으로 다룰 수 있음
• 행렬 연산은 다항식 연산과 완벽하게 대응

이제 행렬을 통한 다항식 표현의 기초를 이해했습니다. 이 개념은 선형대수학, 컴퓨터 그래픽스, 머신러닝 등 더 넓은 분야로 확장됩니다.

다음 편 예고: 3변수, 4변수... n변수로의 확장과 텐서의 개념

n변수로 확장하면 3차원, 4차원 배열이 필요해지며, 이를 일반화한 개념이 텐서 (Tensor)입니다. 텐서는 현대 AI와 딥러닝의 핵심 수학적 도구로, 다음 편에서 살펴 보겠습니다.