Fourier Transform of Gaussian Distribution

Overview

Gaussian distribution은 푸리에 변환에 대해 불변인 유일한 함수 형태이다.

유도의 핵심은 적분되는 항의 지수 부분을 완전 제곱식으로 만드는 것이다.
이 특별한 성질은 불확정성 원리의 수학적 기초가 되며, 확산 방정식과 양자역학에서 핵심적인 역할을 한다.

Physical Symbols

기호	의미
	실공간의 가우스 함수
	푸리에 공간의 가우스 함수
	실공간 가우스의 폭 매개변수
	파수 (wave number)
	위치 변수

Key Points

기본 설정

가우스 함수를 다음과 같이 정의한다:

이것의 푸리에 변환은:

유도 과정

1단계: 지수 부분 정리

지수를 하나로 합치면:

2단계: 완전제곱식으로 만들기

지수 부분을 에 대한 완전제곱식으로 변형한다:

완전제곱을 만들기 위해:

3단계: 적분 분리

따라서:

4단계: 변수 치환과 경로 변형

로 치환하면 이고, 적분 경로는 복소평면에서 실수축에서 허수 방향으로 만큼 평행이동한 직선이 된다.

코시 정리(Cauchy’s Theorem)에 의해, 는 전 복소평면에서 해석적(analytic)이므로 이 경로를 실수축으로 변형할 수 있다:+-

(이것은 가우스 적분의 표준 결과이다) Gaussian Integral

5단계: 최종 결과

핵심 결과

가우스 함수의 푸리에 변환은 다시 가우스 함수이다:

• 실공간: (폭 매개변수 )
• 푸리에 공간: (폭 매개변수 )

Physical Insights

폭의 역비례 관계

실공간에서 가우스가 좁을수록 (가 클수록) 푸리에 공간에서는 넓어진다 (가 작아진다). 이것이 Uncertainty Principle의 수학적 표현이다:

왜 가우스가 특별한가?

가우스 분포가 자기 자신으로 변환되는 이유는 완전제곱식의 성질 때문이다. 와 를 곱할 때:

1. 지수 부분을 다시 완전제곱으로 정리할 수 있다
2. 이 과정에서 나오는 “교차항”( 항)이 적분 밖으로 빠져나간다
3. 결과적으로 다시 가우스 형태가 만들어진다

이런 성질을 가진 함수는 가우스 함수가 유일하다.

Questions & Insights

Related Concepts

• Diffusion Equation Gaussian Distribution
• Fourier Transform Solution of Diffusion Equation
• Uncertainty Principle
• Central Limit Theorem
• Cauchy-Schwarz Inequality
• Gaussian Integral

References

• 이 노트는 Claude와의 대화를 통해 작성되었음

Notes from Claude

가우스 분포의 자기 유사성(self-similarity)은 자연에서 가우스 분포가 자주 나타나는 이유 중 하나이다:

이 모든 성질이 하나의 수학적 사실에서 비롯된다는 것이 놀랍다: 완전제곱식의 완결성.