수학적 거리 자연수의 산술적 차이

초록

본 논문은 자연수 사이의 거리를 절대값 차이가 아닌 각 수의 소인수 구조를 기반으로 정의한다. 제안된 거리 함수는 메트릭 공리를 만족하며, 소수와 합성수 사이의 관계를 정량화한다. 주요 예시로 11과 12의 거리 계산을 통해 기존 직관과 다른 결과를 보여준다.

상세 분석

논문은 먼저 기존의 “절대값 거리” d(a,b)=|a−b|가 자연수의 산술적 특성을 반영하지 못한다는 점을 지적한다. 이를 보완하기 위해 저자들은 각 자연수를 소인수 분해한 뒤, 소수별 지수 벡터 v_p(n)={v_2(n),v_3(n),v_5(n),…}를 도입한다. 여기서 v_p(n)은 n의 p에 대한 p-진법 지수이다. 제안된 거리 함수는
 D(a,b)=∑_{p∈P} w_p·|v_p(a)−v_p(b)|
이며, w_p는 선택 가능한 가중치(예: w_p=log p 또는 w_p=1)이다. 이 정의는 비음수성, 대칭성, 그리고 삼각 부등식을 만족함을 정리 1에서 증명한다. 특히, w_p=log p를 택하면 D는 두 수의 곱셈적 차이를 로그 스케일로 반영해, 곱셈군의 거리와 동형성을 갖는다.

논문은 또한 D의 특수 경우들을 탐구한다. w_p=1인 경우는 “소인수 차이 거리”라 불리며, 두 수가 공유하는 소인수의 총 지수 차이를 직접적으로 측정한다. 이 경우 D(11,12)=|0−2|+|0−1|+|1−0|=3이 되며, 이는 절대값 거리 1과는 큰 차이를 보인다. 반면 w_p=log p를 사용하면 D(11,12)=2·log 2+1·log 3+1·log 11≈5.1이 된다.

다음으로 저자들은 D가 정의역 전체에 대해 완전한 메트릭 공간을 형성함을 보이며, 군론적 관점에서 ℕ을 자유 아벨 군의 원소 집합으로 보는 시각을 제시한다. 또한, D를 이용한 군집화 실험을 통해 소수, 완전수, 고도로 합성된 수 등이 자연스럽게 서로 다른 클러스터에 배치되는 것을 확인한다.

마지막으로 논문은 D의 응용 가능성을 논의한다. 암호학에서는 두 키의 소인수 구조 유사성을 정량화하는 도구로, 데이터 과학에서는 정수형 특성값을 기반으로 한 거리 기반 학습에 활용될 수 있다. 또한, 수론적 연구에서 “거리” 개념을 도입함으로써 소수 간 간격, 완전수와 친수 사이의 관계 등을 새로운 시각으로 탐구할 수 있다.