서론
수학과 물리학, 심지어 컴퓨터 과학의 세계에서 테일러 급수(Taylor series)와 매클로린 급수(Maclaurin series)는 믿을 수 없을 정도로 강력한 도구입니다. 이들은 지수 함수와 삼각 함수 같은 “계산하기 어려운 복잡한 함수"를 “덧셈과 곱셈만을 사용하여 계산할 수 있는 간단한 다항식"의 무한 합으로 표현하는 방법입니다.
계산기와 컴퓨터가 $\sin(37^\circ)$ 또는 $e^{2.5}$와 같은 값을 즉시 계산할 수 있는 이유는 내부적으로 이러한 전개를 적용하여 근사 계산을 수행하기 때문입니다. 이 글에서는 이 마법 같은 수학적 기법에 대해 직관적인 의미부터 엄밀한 공식, 그리고 실제 응용까지 자세히 설명하겠습니다.
왜 다항식으로 함수를 근사하는가?
애초에 왜 함수를 다항식( $a + bx + cx^2 + \dots$ )으로 표현해야 할까요?
flowchart LR
A["복잡한 함수"] -->|"테일러 전개"| B["다항식의 무한 합"]
B -->|"유한 항에서 절단"| C["다항식 근사"]
C -->|"기본 사칙연산만"| D["고속 컴퓨터 계산"]
자연 현상을 설명하는 많은 함수는 비선형이며, 손으로 직접 계산하거나 컴퓨터의 CPU 명령어만으로 계산하기 어렵습니다. 그러나 다항식은 덧셈과 곱셈으로만 구성되어 있기 때문에 컴퓨터가 처리하기 매우 쉽다는 장점이 있습니다.
매클로린 급수의 직관적 이해
먼저, 특정 점 $x = 0$ 주변에서 함수를 근사하는 매클로린 급수를 고려해 봅시다. 알려지지 않은 함수 $f(x)$가 있다고 가정합니다. 우리는 이 함수를 $x = 0$ 근처에서 다음과 같은 다항식 $P(x)$로 근사하고자 합니다.
$$ P(x) = c_0 + c_1 x + c_2 x^2 + c_3 x^3 + \dots $$근사의 정확도를 향상시키기 위한 조건은 다음과 같습니다.
- 0차 근사 : $x=0$에서의 함수 값이 일치합니다( $P(0) = f(0)$ ). 이로 인해 $c_0 = f(0)$이 됩니다.
- 1차 근사 : $x=0$에서의 기울기(1차 도함수)가 일치합니다( $P'(0) = f'(0)$ ). 이로 인해 $c_1 = f'(0)$이 됩니다. 그래프 상에서 이는 $x=0$에서 함수 $f(x)$의 접선입니다.
- 2차 근사 : $x=0$에서의 곡률(2차 도함수)이 일치합니다( $P''(0) = f''(0)$ ). $P''(x) = 2 c_2$이므로 $c_2 = \frac{f''(0)}{2}$가 됩니다.
- $n$차 근사 : 일반적으로 $n$차 도함수까지 일치시킴으로써 $x=0$ 주변의 동작을 더 정확하게 모방할 수 있습니다.
매클로린 급수의 공식과 유도
위의 직관적인 조건을 무한히 반복하면, 함수의 각 차수 미분 계수를 사용하는 아름다운 급수를 얻게 됩니다. 이를 매클로린 급수라고 합니다.
$$ f(x) = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f^{(3)}(0)}{3!}x^3 + \dots $$시그마 표기법을 사용하여 작성하면 다음과 같습니다.
$$ f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n $$여기서 $f^{(n)}(0)$는 함수 $f(x)$를 $n$번 미분하고 $x=0$을 대입하여 얻은 값이며, $n!$는 $n$의 팩토리얼( $n \times (n-1) \times \dots \times 1$ )을 나타냅니다.
대표적인 함수의 매클로린 급수
여기서는 자주 등장하는 중요한 함수의 매클로린 급수를 소개합니다.
1. 지수 함수 $e^x$
지수 함수 $f(x) = e^x$는 아무리 여러 번 미분해도 $e^x$로 유지됩니다. 따라서 $x=0$을 대입하면 모든 차수의 미분 계수가 $1$이 됩니다( $f^{(n)}(0) = 1$ ).
$$ e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \dots = \sum_{n=0}^{\infty} \frac{x^n}{n!} $$2. 삼각 함수 $\sin x$와 $\cos x$
$\sin x$를 반복해서 미분하면 $\cos x, -\sin x, -\cos x, \sin x, \dots$ 와 같이 주기적으로 변합니다. $x=0$을 대입하면 홀수 차수의 미분 계수만 남고 짝수 차수는 $0$이 됩니다.
$$ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)!} x^{2n+1} $$마찬가지로 $\cos x$의 경우 짝수 차수의 항만 남습니다.
$$ \cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n)!} x^{2n} $$테일러 급수로의 확장
매클로린 급수는 $x=0$ 주변의 근사이지만, 이를 임의의 점 $x=a$ 주변의 근사로 일반화한 것이 테일러 급수입니다.
$$ f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \dots = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!} (x-a)^n $$이 공식은 $x=a$에서 약간 떨어진 위치( $x = a + \Delta x$ )에서 함수의 값을 예측하고자 할 때 그 힘을 발휘합니다.
테일러 급수의 응용
물리학에서의 선형 근사
물리학에서는 운동 방정식을 더 쉽게 풀기 위해 테일러 급수를 이용한 근사가 자주 사용됩니다. 예를 들어 진자의 운동에서 스윙 각도 $\theta$가 충분히 작은 경우, $\sin \theta$에 대한 매클로린 급수의 1차 항만을 추출하여 다음과 같이 근사합니다.
$$ \sin \theta \approx \theta \quad (\theta \text{가 충분히 작을 때}) $$이는 복잡한 비선형 미분 방정식을 쉽게 풀 수 있는 선형 미분 방정식으로 변환하여 단순 진자의 등시성을 유도합니다.
프로그래밍과 수치 계산
컴퓨터의 표준 라이브러리(math 모듈 등) 내부에서는 함수를 계산하기 위해 테일러 급수(또는 체비쇼프 근사와 같은 개선된 버전)가 활용됩니다. 다음은 파이썬에서 $\sin x$를 근사 계산하는 간단한 예입니다.
| |
수렴 반경과 테일러 정리
모든 함수가 모든 $x$에서 테일러 급수로 정확하게 표현될 수 있는 것은 아닙니다. 무한 급수가 유한한 값으로 수렴하는 범위를 수렴 반경이라고 합니다. 예를 들어 $\ln(1+x)$에 대한 매클로린 급수는 $-1 < x \le 1$ 범위에서만 유효합니다.
또한 테일러 정리(나머지 항의 평가)는 유한 항( $n$차까지)에서 절단할 때 실제 값과 근사값 사이에 얼마나 많은 오차가 있을지 추정하는 정리입니다. 이를 통해 우리는 “필요한 정확도에 따라 몇 차까지 전개해야 하는지"를 수학적으로 보장할 수 있습니다.
결론
테일러 급수와 매클로린 급수는 복잡한 세계를 다항식이라는 다루기 쉬운 형태로 번역하는 일종의 “수학 번역기"입니다. 미분의 개념에서 출발하여 무한한 덧셈을 통해 원래 함수를 완전히 복원하는 과정은 수학의 아름다움을 상징합니다. 물리학의 근사부터 AI의 최적화 알고리즘에 이르기까지 그 응용 범위는 헤아릴 수 없습니다. 꼭 이 강력한 도구를 활용하여 수학과 프로그래밍에 대한 이해를 심화시켜 보시기 바랍니다.