미적분시그마 (수열의 합)#006

시그마 (수열의 합)

Sigma Notation

시그마(Σ)는 수열의 항을 첫 번호부터 끝 번호까지 더하라는 기호다. 3, 1, 4, 1, 5의 합은 14다. 손실의 평균·내적·소프트맥스의 분모가 모두 Σ이며, 시그마의 성질 다섯 가지와 1부터 n까지의 합 n(n+1)/2를 같은 숫자와 코드로 확인한다.

읽는 시간
약 5분

시그마는 첫 번호부터 끝 번호까지 항을 더하라는 기호다

∑i=1nai\sum_{i=1}^{n} a_i는 수열의 첫째 항 a1a_1부터 nn째 항 ana_n까지 모두 더한 값이다. 아래의 i=1i = 1은 시작, 위의 nn은 끝이다. 소리 내어 읽으면 '시그마 ii는 1부터 nn까지 aia_i'다. AI 수식에서는 손실의 평균, 내적, 소프트맥스의 분모가 모두 이 시그마 기호로 적힌다.

∑i=1nai=a1+a2+⋯+an(1)\sum_{i=1}^{n} a_i = a_1 + a_2 + \cdots + a_n \tag{1}
정의
기호이름원어뜻
∑\sum시그마 (합의 기호)summation, sigma notation번호를 바꿔 가며 항을 모두 더하라는 기호
ii, jj더미 인덱스dummy index더할 항을 가리키는 번호. 시그마 안에서만 뜻이 있다
11, nn아래끝, 위끝lower limit, upper limit시작과 끝 번호(둘 다 포함). nn은 항의 수
aia_i, bib_iii번째 항term더할 수열의 ii번째 값
SkS_k부분합 (누적합)partial sum첫 항부터 kk번째 항까지의 합
cc상수constant번호가 바뀌어도 그대로인 수
AijA_{ij}격자의 칸entry격자의 ii행 jj열에 놓인 수(ii는 1부터 mm, jj는 1부터 nn)

수열 3, 1, 4, 1, 5를 a1a_1부터 a5a_5로 두자(n=5n = 5). 앞에서부터 하나씩 더하면 3, 4, 8, 9, 14이고, 이 중간값이 부분합 SkS_k다. 마지막 S5=14S_5 = 14가 식 (1)의 값이다(그림 1).

수열 a_1, …, a_5 = 3, 1, 4, 1, 5의 부분합 S_k. 파란 칸이 그 차례에 더한 항 a_k, 회색이 그 전까지의 합 S_k-1이다.
그림 1 수열 a1,…,a5=3,1,4,1,5a_1, \dots, a_5 = 3, 1, 4, 1, 5의 부분합 SkS_k. 파란 칸이 그 차례에 더한 항 aka_k, 회색이 그 전까지의 합 Sk−1S_{k-1}이다. figures/cumsum_bars.py

그림 1의 막대 하나가 for 문 한 바퀴다. 합을 0에서 시작해 번호를 하나씩 올리며 항을 더한다. NumPy로는 np.sum(a) 하나다('코드로 확인하기' §).11 이 페이지는 수열의 번호를 a1a_1부터 붙이고, 파이썬은 a[0]부터 센다. 코드의 a[0]이 수식의 a1a_1이다(식 (4)). 급수 페이지도 수식은 a1a_1부터 센다.

시그마 안의 i를 k로 바꿔 써도 돼?

바꿔 써도 되고, 고등학교 교과서는 보통 kk를 쓴다. 수열 3, 1, 4, 1, 5에서 ∑i=15ai\sum_{i=1}^{5} a_i와 ∑k=15ak\sum_{k=1}^{5} a_k는 둘 다 14다. ii는 항을 가리키는 이름일 뿐 다 더하면 남지 않는다. 다만 이미 쓰는 글자(nn, 이중합의 다른 번호)로 바꾸면 뜻이 섞인다.

시그마의 성질 다섯 가지로 합을 계산한다

다섯 성질은 상수배·덧셈 꺼내기, 상수 nn번 더하기, 번호 옮기기, 이중합 순서 바꾸기, 합의 곱 펼치기다. 숫자 예시에는 둘째 수열 b1,…,b5=2,0,1,3,1b_1, \dots, b_5 = 2, 0, 1, 3, 1(합 7)도 쓴다.

상수배와 덧셈은 시그마 밖으로 나온다

∑i=1n(c ai+bi)=c∑i=1nai+∑i=1nbi(2)\sum_{i=1}^{n} (c\,a_i + b_i) = c \sum_{i=1}^{n} a_i + \sum_{i=1}^{n} b_i \tag{2}

항마다 곱한 cc는 다 더한 뒤 한 번 곱해도 같다. c=2c = 2면 왼쪽은 8, 2, 9, 5, 11의 합 35이고, 오른쪽은 2×14+7=352 \times 14 + 7 = 35다. 이 성질을 선형성이라 한다.

같은 수를 n번 더하면 n배다

∑i=1nc=nc(3)\sum_{i=1}^{n} c = nc \tag{3}

항에 ii가 없어도 번호는 nn번 돈다. 그래서 ∑i=152=10\sum_{i=1}^{5} 2 = 10이다.

교과서의 '시그마의 성질' 넷(덧셈·뺄셈·상수배·상수의 합)이 식 (2)와 식 (3)이다. 뺄셈은 식 (2)의 bib_i 자리에 −bi-b_i를 넣은 것이다.

1부터 n까지 더하면 왜 n(n+1)/2야?

1부터 nn까지의 합을 거꾸로 한 번 더 써서 더하면 짝마다 n+1n + 1이 되기 때문이다. ∑k=1nk+∑k=1n(n+1−k)=∑k=1n(n+1)=n(n+1)\sum_{k=1}^{n} k + \sum_{k=1}^{n} (n+1-k) = \sum_{k=1}^{n} (n+1) = n(n+1)이고(식 (2)·(3)), 두 합은 더하는 순서만 다른 같은 값이라 반으로 나눈다. n=5n = 5면 1+2+3+4+5=15=5×6/21 + 2 + 3 + 4 + 5 = 15 = 5 \times 6 / 2다. 이것이 교과서의 시그마 공식 가운데 첫째이고, 제곱의 합 같은 나머지 공식은 이 페이지에서 다루지 않는다.

번호를 옮겨도 합은 같다

∑i=1nai=∑j=0n−1aj+1(4)\sum_{i=1}^{n} a_i = \sum_{j=0}^{n-1} a_{j+1} \tag{4}

j=i−1j = i - 1로 바꾸면 시작과 끝은 하나씩 줄고 첨자는 하나 는다. 파이썬 range(5)가 도는 j=0,…,4j = 0, \dots, 4의 a[j]가 바로 aj+1a_{j+1}이다.

이중합은 어느 쪽부터 더해도 같다

∑i=1m∑j=1nAij=∑j=1n∑i=1mAij(5)\sum_{i=1}^{m} \sum_{j=1}^{n} A_{ij} = \sum_{j=1}^{n} \sum_{i=1}^{m} A_{ij} \tag{5}

격자의 칸은 행부터 더하든 열부터 더하든 합이 같다.22 칸이 유한개일 때 이야기다. 끝없이 더하는 합(급수)은 순서를 바꾸면 값이 달라질 수 있다. 그림 2는 Aij=aibjA_{ij} = a_i b_j인 5행 5열 격자다. 행 합 21, 7, 28, 7, 35를 더해도, 열 합 28, 0, 14, 42, 14를 더해도 98이다.

a_1, …, a_5 = 3, 1, 4, 1, 5(왼쪽 열)와 b_1, …, b_5 = 2, 0, 1, 3, 1(맨 위 행)로 만든 격자. 칸은 a_i b_j, 오른쪽 열은 행 합, 맨 아래 행은 열 합이다. 어느 쪽을 모아도 98이고, 강조한 대각선만 더하면 18이다.
그림 2 a1,…,a5=3,1,4,1,5a_1, \dots, a_5 = 3, 1, 4, 1, 5(왼쪽 열)와 b1,…,b5=2,0,1,3,1b_1, \dots, b_5 = 2, 0, 1, 3, 1(맨 위 행)로 만든 격자. 칸은 aibja_i b_j, 오른쪽 열은 행 합, 맨 아래 행은 열 합이다. 어느 쪽을 모아도 98이고, 강조한 대각선만 더하면 18이다. figures/double_sum_grid.py

곱의 합은 보통 합의 곱과 다르다

(∑i=1nai)(∑j=1nbj)=∑i=1n∑j=1naibj(6)\Big(\sum_{i=1}^{n} a_i\Big)\Big(\sum_{j=1}^{n} b_j\Big) = \sum_{i=1}^{n} \sum_{j=1}^{n} a_i b_j \tag{6}

식 (6)처럼 두 합을 곱하면 모든 짝 aibja_i b_j가 나와 그림 2의 격자 전체가 된다. 곱의 합 ∑i=1naibi\sum_{i=1}^{n} a_i b_i는 번호가 같은 짝, 곧 대각선뿐이다(6+0+4+3+5=186 + 0 + 4 + 3 + 5 = 18).

그래서 14×7=9814 \times 7 = 98과 18은 다르고, 차이 80은 대각선 밖 20칸의 합이다. 둘이 같아지는 것은 대각선 밖 칸의 합이 0일 때뿐이다.

코드로 확인하기

그림 1과 그림 2를 NumPy로 계산한다.

수식
Sn=∑j=0n−1aj+1(4)\sym{total}{S_n} = \sum_{\sym{j}{j}=0}^{n-1} \sym{a}{a_{j+1}} \tag{4}
코드 figures/sigma_sum.py
import numpy as np

a = np.array([3, 1, 4, 1, 5])   # a[0] 이 수식의 a₁
total = 0
for j in range(len(a)):         # j = 0 … n-1
    total += a[j]               # 식 (4): a[j] 가 a_{j+1}
print("for 문 합 :", total)
print("np.sum(a) :", np.sum(a))
print("누적합    :", np.cumsum(a))
print("평균      :", np.sum(a) / len(a))

b = np.array([2, 0, 1, 3, 1])
grid = np.outer(a, b)           # 5 × 5 격자, 칸은 a_i × b_j
print("axis=1 (행 합):", np.sum(grid, axis=1))
print("axis=0 (열 합):", np.sum(grid, axis=0))
print("전체 합 :", np.sum(grid))     # 식 (5)
print("곱의 합 :", np.sum(a * b))    # 식 (6) 대각선
$ python sigma_sum.py
for 문 합 : 14
np.sum(a) : 14
누적합    : [ 3  4  8  9 14]
평균      : 2.8
axis=1 (행 합): [21  7 28  7 35]
axis=0 (열 합): [28  0 14 42 14]
전체 합 : 98
곱의 합 : 18

np.sum에서 axis=0과 axis=1은 뭐가 달라?

axis는 어느 번호를 따라 더해 없앨지 정한다. aibja_i b_j 격자(그림 2)에서 axis=1은 열 번호 jj로 더해 행마다 21, 7, 28, 7, 35를 남기고, axis=0은 행 번호 ii로 더해 28, 0, 14, 42, 14를 남긴다. 다시 더하면 어느 쪽이든 98이다(식 (5)). PyTorch에서는 이 인자를 dim이라 부른다.

시그마의 흔한 오해

  • 시그마를 계산한 답에 ii가 남는다 — ∑i=15ai\sum_{i=1}^{5} a_i는 14라는 수 하나다. 5ai5a_i로 쓰면 a1a_1이면 15, a5a_5면 25라 값이 정해지지 않는다.
  • 곱의 합은 합의 곱과 같다 — 그림 2처럼 18과 98로 다르다. 합의 곱에는 대각선 밖의 짝도 들어간다.
  • ∑i=1n1\sum_{i=1}^{n} 1은 1이다 — 1을 nn번 더하니 nn이다. 식 (3)에서 c=1c = 1인 경우이고, n=5n = 5면 5다.
  • 수식처럼 코드에서도 1부터 센다 — range(1, 5)로 돌면 a[1]~a[4]만 더해 11, 첫 항 3이 빠진다. 식 (4)처럼 0부터 센다.

시그마는 어디서 쓰이나 — 평균과 손실부터

평균은 1n∑i=1nai\frac{1}{n}\sum_{i=1}^{n} a_i다(이 수열은 14/5=2.814/5 = 2.8). AI 수식의 Σ도 대부분 데이터·성분·클래스마다 더하라는 뜻이다.

선택 확장: 다음 표부터는 합 기호를 AI 수식에 적용한다. 교과의 합 기호와 성질을 공부할 때는 건너뛰어도 된다.

어디식무엇을 더하나
손실L=1n∑i=1nℓiL = \frac{1}{n}\sum_{i=1}^{n} \ell_i데이터마다의 손실 ℓi\ell_i의 평균. PyTorch 손실의 기본 reduction='mean'
내적∑i=1nxiyi\sum_{i=1}^{n} x_i y_i두 벡터의 성분끼리 곱해 더한다(곱의 합). aa와 bb면 18
소프트맥스 분모∑j=1Kezj\sum_{j=1}^{K} e^{z_j}확률의 합을 1로 맞추는 분모. e≈2.718e \approx 2.718은 자연상수
기댓값∑ipixi\sum_{i} p_i x_i값 xix_i마다 그 확률 pip_i를 곱해 더한다

미분도 식 (2)처럼 합과 상수배를 통과해, 손실의 그래디언트는 데이터마다의 그래디언트의 평균이다. 경사하강법은 그 반대로 걷고, 미니배치는 이 합을 일부 ii로 어림한다. 모멘텀의 속도도 지난 그래디언트를 줄여 가며 더한 합이다.

표의 기호는 벡터와 내적, 소프트맥스, 기댓값 페이지에서 정의한다.

곱하라는 기호는 ∏\prod(곱의 기호, 대문자 파이, product notation)다. ∏i=15ai=3×1×4×1×5=60\prod_{i=1}^{5} a_i = 3 \times 1 \times 4 \times 1 \times 5 = 60이다. 모든 항이 양수면 로그를 씌워 곱을 합으로 바꾼다: log⁡∏iai=∑ilog⁡ai\log \prod_i a_i = \sum_i \log a_i. 로그 함수 페이지에서 다룬다.

더 읽기

  • Concrete Mathematics, 2장 Sums — Graham·Knuth·Patashnik, 2판 1994. 시그마 표기, 합의 조작(2.3절), 이중합과 순서 바꾸기(2.4절)를 정리한 교과서 장이다. '시그마의 성질 다섯 가지로 합을 계산한다' §가 기댄다. 링크는 저자(Knuth)의 책 소개 페이지다.
  • numpy.sum — NumPy 공식 문서. axis 인자로 어느 축을 따라 더할지 정하는 법과 예제가 있다. 'np.sum에서 axis=0과 axis=1은 뭐가 달라' 질문과 코드랩이 기댄다.
  • Deep Learning, 2장 Linear Algebra — Goodfellow·Bengio·Courville, 2016. 2.2절이 행렬 곱의 성분을 시그마로 쓰고, 내적을 그 행렬 곱으로 정의한다. '시그마는 어디서 쓰이나' §의 내적 행이 기댄다.
  • Deep Learning, 3장 Probability and Information Theory — Goodfellow·Bengio·Courville, 2016. 3.8절이 이산 확률변수의 기댓값을 시그마로 정의한다. '시그마는 어디서 쓰이나' §의 기댓값 행이 기댄다.

지도에서의 위치

완성예정이 페이지까지 온 길전체 지도에서 보기 →
이 페이지의 기록
  1. 2026-11-04 · 에이전트 초안 (수식 6, 그림 2, 코드랩 1)
  2. 2026-11-05 · 검수 — 더 읽기 URL 4개 확인, Wikidata Q218005, 그림(SVG·OG 이미지)을 로컬 글꼴로 다시 생성
  3. 2026-11-05 · 소프트맥스 페이지 링크 연결
  4. 2026-11-05 · 벡터 페이지 링크 연결
  5. 2026-11-05 · 영어판 번역
  6. 2026-11-05 · 받은 질문은 소프트맥스 페이지에만 남김 (홈 '질문에서 페이지로' 중복 정리)
  7. 2026-11-05 · 남은 질문(급수의 수렴과 더하는 순서)을 급수 페이지(예정)로 넘김 (영어판도)
  8. 2026-11-05 · 직접 검토 — 완성으로 올림
  9. 2026-11-12 · 급수 페이지 링크와 다음 개념 연결
  10. 2026-11-13 · 독자 패널 리뷰 반영 — 첫 문단에 AI에서의 쓰임, 교과서의 '시그마의 성질' 다리와 1부터 n까지의 합 질문, 미분·미니배치·급수 페이지 연결, § 제목과 머리말(hook·summary·aliases) (에이전트 수정, 다시 검토 전)
  11. 2026-11-15 · 교과 검수 반영 — AI 활용에 선택 안내를 더하고 별칭 정리 (에이전트 수정, 다시 검토 전)
  12. 2026-11-16 · 급수 페이지가 첫 항을 a₁부터 세도록 바뀐 데 맞춰 여백 메모의 번호 설명을 고침 (에이전트 수정, 한국어·영어)
  13. 2026-11-16 · 확률·통계 교과 글 작성에 맞춰 예정 안내를 실제 개념 링크로 갱신 (에이전트 수정)