공간 채움 곡선

공간 채움 곡선은 그 상이 더 높은 차원의 영역을 덮는 연속적인 매핑입니다. 이는 물리적 두께를 가진 선이 아니며, 그 결과는 무한한 수학적 극한에 속합니다.

힐베르트 곡선의 첫 세 차수는 한 차원 선이 극한 과정에서 정사각형을 어떻게 촘촘하게 가로지르는지를 보여줍니다.이미지: Geoff Richards (Qef) · Wikimedia Commons · Public Domain

페아노의 놀라움

1890에서 주세페 페아노는 구간에서 정사각형으로의 연속적인 전사 함수를 최초로 구성했습니다. 힐베르트는 곧 기하학적으로 명료한 재귀적 버전을 제시했는데, 이 버전의 다각형 근사치는 점점 더 정밀한 격자를 탐색합니다.

페아노의 함수는 단위 구간에서 정사각형으로의 연속적이고 전사적인 함수입니다. 이는 중간값 정리와 모순되지 않지만, 연속성이 차원을 보존한다는 단순한 기대와는 모순됩니다. 유한 근사값은 정해진 순서대로 점점 더 미세한 셀을 방문하며, 오직 균일한 극한 함수만이 모든 점에 도달합니다. 또한 이 함수는 일대일 함수가 아닐 수밖에 없습니다. 즉, 여러 매개변수 값이 정사각형 내의 동일한 점을 나타낼 수 있습니다.

차원은 질문에 따라 다릅니다.

도메인은 위상학적 의미에서 1차원 구간으로 남아 있는 반면, 이미지는 2차원 정사각형을 덮고 있습니다. 따라서 공간 채움 곡선은 위상학, 측도 및 스케일링 차원이 서로 바꿔 쓸 수 없는 이유를 보여줍니다.

매개변수 영역의 위상 차원은 1인 반면, 그 상은 2차원 영역입니다. 따라서 논의되는 정의와 대상에 따라 차원이 다르게 표현될 수 있습니다. 모든 유한 다각형 근사치는 여전히 일반적인 선처럼 행동하며, 극한 상황에서만 채워집니다. 이 예시는 특히 매개변수, 상, 근사치가 하나의 도표에 함께 나타날 때, 대상과 정의를 명시하지 않고 “차원”이라는 용어를 사용하는 것을 경계하도록 경고합니다.

실용적인 이점으로서의 ‘로컬리티’

유한 힐베르트 순서 및 관련 순서들은 1차원 횡단 경로를 따라 인접한 격자 셀들을 가깝게 유지하는 경향이 있습니다. 이로 인해 공간 인덱싱, 캐시 인식 처리 및 이미지 알고리즘에 유용하게 활용될 수 있지만, 실제 구현에서는 수학적 한계점에 훨씬 미치지 못하는 수준에서 중단됩니다.

힐베르트 순서와 모튼 순서는 순서상 인접한 위치가 공간적으로도 인접한 셀에 해당하기 때문에 실용적인 가치가 있습니다. 보존성은 완벽하지는 않지만 캐시, 데이터베이스 및 이미지 처리에는 유용합니다. 2차원 타일 세트는 메모리 간을 반복적으로 이동하지 않고도 1차원 시퀀스로 처리될 수 있습니다. 따라서 역사적인 호기심은 현대적인 스토리지 계층 구조를 위한 구체적인 전략으로 자리 잡게 됩니다.