3. 우주의 평균 균형: 산술평균과 기하평균의 절대 법칙

[도입부] 학습 목표 (Learning Objectives)

  • 인류가 자랑하는 3대 평균 중 수학계의 제왕으로 불리는 ‘산술평균(AM)’ 과 ‘기하평균(GM)’ 의 물리적, 기하학적 차이를 분석합니다.
  • 어떤 양수 데이터를 때려 넣어도 “산술평균은 무조건 기하평균보다 등치가 크거나 같다” 는 AM-GM 절대부등식 ($ \frac{a+b}{2} \ge \sqrt{ab} $) 을 증명합니다.
  • 이차함수를 쓰지 않고 오직 이 부등식 조합만으로 2차원 공간 넓이 최적화(Optimization)를 단 1초 만에 해킹하는 원리를 파악합니다.

1. 노가다 덧셈(산술) vs 폭발 곱셈(기하)

  1. 산술평균 (Arithmetic Mean): 우리가 시험을 칠 때 “국어 80점, 영어 100점이면 내 평균 점수는?” 하고 구할 때 쓰는 일상생활의 평균입니다. 두 개를 ‘더해서’ 반으로 가르는 논리입니다. 즉, $ \frac{a + b}{2} $ 입니다.
  2. 기하평균 (Geometric Mean): 반면, 세포 분열처럼 2배에서 8배로 증식폭발하는 비율(곱셈)의 세계에서는 곱셈의 중간 균형점을 찾아야 합니다. “어떤 숫자를 두 번 곱해야 이 둘의 곱과 덩치가 같을까?” 즉, 두 개를 ‘곱해서’ 루트 수식으로 짓누르는 논리입니다. $ \sqrt{a \times b} $ 입니다.

그리고 이 두 세계가 맞붙으면, 우주의 절대 불변 법칙이 하나 폭발합니다! (단, $a>0, b>0$ 양수 조건에서만!)

🌟 산술-기하 평균의 절대부등식 🌟 \(\frac{a+b}{2} \ge \sqrt{ab} \quad \Rightarrow \quad a+b \ge 2\sqrt{ab}\)

더해서 나눈 값이 곱해서 루트 씌운 값보다 무.조.건 무조건!! 크거나 같습니다. 두 값이 온전히 수치가 같을 때는 오직 $a=b$ (둘의 크기가 일치할 때) 뿐입니다.

산술평균과 기하평균의 기하학적 의미와 크기 차이를 보여주는 SVG


2. 최적화의 궁극기: 펜스(울타리) 설치 퀘스트

이 수식이 위대한 이유는 “합($a+b$)이나 곱($ab$) 중 단 하나만 알아도 다른 쪽의 최솟값/최댓값을 미분 없이 단번에 잡아낼 수 있기 때문” 입니다.

[실전 퀘스트] 농부에게 길이 20m 짜리 펜스(합)가 주어졌습니다. 이 펜스를 ‘ㄱ’과 ‘ㄴ’모양으로 둘러싸서 직사각형 밭을 만들 때, 밭의 넓이(가로$\times$세로, 즉 곱)가 제일 넓게 커지는 맥스(Max) 사이즈는 언제인가?

가로 길이를 $x$, 세로를 $y$라 합시다.

  • 둘레의 반 (가로+세로 즉, 합): $x + y = 10$
  • 목표 (넓이 즉, 곱): $x \times y$ 의 최댓값은?

공식에 곧바로 타겟 숫자를 꽂아 넣습니다!

  • $10 = x + y \ge 2\sqrt{xy}$
  • $10 \ge 2\sqrt{xy}$
  • $5 \ge \sqrt{xy}$
  • 양변 제곱 아드레날린 폭발! $\Rightarrow 25 \ge xy$

즉, 넓이 $xy$는 무슨 지랄을 해도 25를 넘을 수 없다는 뜻입니다. 최대 넓이는 25이며, 이때의 조건은 $x=y=5$, 즉 “정사각형”일 공간 효율 효율이 가장 좋다는 위대한 최적화의 결론에 도달합니다!

3. 💻 파이썬(Python)으로 검증하는 산술-기하 렌더링 검사

파이썬의 그래프나 데이터 프레임 없이 바로 배열 루프를 돌려 다양한 가로($x$), 세로($y$) 조합 속에서 산술평균이 항상 기하평균 머리 꼭대기 위에 군림하고 있는지 난수 검증을 때려봅니다.

🐍 파이썬 예제: AM-GM 불패 신화 검증 봇

import math

print("--- ⚔️ AM-GM 평균 데스매치 테스트룸 ---")

print("[SYSTEM] 목표: 어떤 양수 쌍을 넣어도 '산술(합) 렌더링 >= 기하(곱) 렌더링' 이 성립하는가?")

# 무작위 샘플 양수 데이터
test_cases = [ (2, 8), (4, 4), (0.1, 1000), (99, 101) ]

for a, b in test_cases:
    # 1. 산술평균 엔진 (합)
    arithmetic_mean = (a + b) / 2
    
    # 2. 기하평균 엔진 (곱의 루트)
    geometric_mean = math.sqrt(a * b)
    
    # 비교 판정식
    is_absolute = arithmetic_mean >= geometric_mean
    
    # 등호(완전일치) 조건: a == b 일 때만!
    status = "==" if a == b else "> "
    
    print("-" * 50)
    print(f"📡 데이터 (A: {a}, B: {b})")
    print(f" 👉 산술평균: {arithmetic_mean:5.1f}  |  기하평균: {geometric_mean:5.1f} ")
    print(f" [판독] 산술 {status} 기하 : 방어 성공! (Q.E.D: {is_absolute})")

# 결과창:
# --- ⚔️ AM-GM 평균 데스매치 테스트룸 ---
# [SYSTEM] 목표: 어떤 양수 쌍을 넣어도 '산술(합) 렌더링 >= 기하(곱) 렌더링' 이 성립하는가?
# --------------------------------------------------
# 📡 데이터 (A: 2, B: 8)
#  👉 산술평균:   5.0  |  기하평균:   4.0 
#  [판독] 산술 >  기하 : 방어 성공! (Q.E.D: True)
# --------------------------------------------------
# 📡 데이터 (A: 4, B: 4)
#  👉 산술평균:   4.0  |  기하평균:   4.0 
#  [판독] 산술 == 기하 : 방어 성공! (Q.E.D: True)
# --------------------------------------------------
# 📡 데이터 (A: 0.1, B: 1000)
#  👉 산술평균: 500.0  |  기하평균:  10.0 
#  [판독] 산술 >  기하 : 방어 성공! (Q.E.D: True)

결과 코드를 보면 극단적인 언밸런스 숫자 쌍(0.1 과 1000)을 넣어도 산술평균(500)의 크기가 기하평균(10)을 무자비하게 압도합니다. 오직 두 값이 $4, 4$ 로 퍼펙트하게 일치($A=B$) 할 조화 상태에서만 둘의 파워가 동일해지는 마법을 볼 수 있습니다.

[결론] 학습 정리 (Summary)

  1. 산술과 기하의 본질: 이 세상의 늘어나는 템포는 덧셈(산술)과 곱셈(기하) 두 가지 궤도가 있는데, 수학적으로 두 양수를 뽑았을 때는 항상 덧셈 뼈대의 평균이 더 높은 위치 에너지를 갖습니다.
  2. 합과 곱의 연결고리 (AM-GM): $a+b \ge 2\sqrt{ab}$ 수식은, 어떤 문제에서 “$\dots$의 합의 최솟값을 구하라” 거나 “$\dots$의 곱의 최댓값을 구하라” 라고 나오는 순간 무릎을 탁 치며 꺼내 들어야 하는 1티어 권총갑입니다.
  3. 등호 성립의 조건(코어 최적화): $a=b$ 일 때 최대/최적 효율이 난다는 것은, 거대한 비대칭 사각형보다 황금 밸런스를 이룬 ‘정사각형, 정삼각형, 원’ 등 완전한 대칭 도형이 가장 강한 공간 효율을 보여준다는 우주 미학을 대변합니다.
서브목차