곡선의 한 점을 확대하면 먼저 위치와 기울기를 맞춘 직선이 보인다. 굽어지는 정도까지 맞추면 이차곡선으로 더 자세히 따라갈 수 있다. 더 많은 정보를 맞추더라도 얼마나 멀리까지 정확한지는 남은 차이로 확인해야 한다.
맞추는 정보는 한 점의 도함수값, 남은 차이는 나머지다. 도함수의 차수는 고계도함수에서 다룬다. 이 글의 근사는 유한 다항식이며 아직 무한급수와 함수가 같다고 가정하지 않는다. 테일러다항식을 쓰면 4.1 같은 값을 덧셈과 곱셈만으로 근사하고, 그 오차의 한도까지 말할 수 있다.
테일러다항식은 중심에서 여러 도함수를 맞춘 다항식이다
함수 f가 중심 a에서 n차까지 미분가능할 때, n차까지의 테일러다항식(테일러 다항식)을 다음과 같이 정의한다. n은 0 이상의 정수다.
Pn(x)=f(a)+k=1∑nk!f(k)(a)(x−a)k.(1)
정의
기호
이름
원어
뜻
a
중심
center
함수와 다항식의 도함수값을 맞추는 점
n
차수 한도
order
맞추는 도함수의 최고 차수
f(k)
k계도함수
kth derivative
f를 k번 미분한 함수
k!
팩토리얼
factorial
1⋅2⋯k, 0!=1
Pn
테일러다항식
Taylor polynomial
차수가 n 이하인 근사 다항식
Rn
나머지
remainder
실제값 f(x)에서 Pn(x)를 뺀 차이
M
도함수 상계
derivative bound
필요한 구간에서 ∣f(n+1)∣의 상계
n=0이면 식 (1)의 합은 비어 있고 P0(x)=f(a)다. 중심이 0이면 매클로린다항식이라고도 한다. 최고차 계수가 0일 수 있으므로 실제 차수가 반드시 n일 필요는 없다.
왜 계수를 k!로 나눌까? Q(x)=c0+c1(x−a)+⋯+cn(x−a)n을 k번 미분해 x=a를 넣자. k보다 낮은 차수는 이미 0이 되고, 높은 차수에는 (x−a)가 남아 0이 된다. 오직 k!ck만 남는다. 따라서 Q(k)(a)=f(k)(a)를 요구하면 ck=f(k)(a)/k!로 유일하게 정해진다.
그림 1 삼차식 Q를 0번부터 3번까지 미분한 각 항. 대각선 칸 c0, c1, 2c2, 6c3만 (x−a)를 갖지 않으므로, x=a를 넣으면 k번째 줄에는 k!ck만 남는다. figures/coefficient_diagonal.py
그림 1의 아래 왼쪽 0은 낮은 차수 항이 미분으로 사라진 자리이고, 위 오른쪽 칸은 x=a에서 0이 되는 자리다. 예를 들어 f(x)=x, a=4이면 f(4)=2다. f′(x)=1/(2x)에서 f′(4)=1/4, f′′(x)=−1/(4x3/2)에서 f′′(4)=−1/32이다. 이차항 계수는 −1/32을 2!로 나눈 −1/64이므로
P2(x)=2+4x−4−64(x−4)2.(2)
그림 2에서 P0은 높이만, P1은 높이와 기울기를, P2는 굽은 정도까지 맞춘다. 중심 4의 양옆에서는 맞춘 정보가 많을수록 곡선에 더 가깝다.
그림 2x와 중심 4의 테일러다항식. P0은 함숫값 2, P1은 기울기 1/4의 접선, P2는 이계도함수까지 맞춘 포물선이며, 3≤x≤5에서 P2가 곡선에 가장 가깝다. figures/sqrt_matching.py
나머지는 왜 적분으로 나타낼 수 있을까?
오차를 보장할 때는 중심에서의 미분만으로 끝내지 않는다. 이제 a와 평가점 x를 포함하는 구간에서 f가 n+1번 연속미분가능하다고 가정한다. 이 충분조건 아래
식 (3)의 n=0은 미적분의 기본정리다. 일반적인 n≥1에서는 식 (3)의 오른쪽 식 전체, 곧 1/n!까지 곱한 적분을 In이라 하고 부분적분을 한다. f(n+1)을 적분하고 (x−t)n/n!을 미분하면
In=−n!f(n)(a)(x−a)n+In−1.(4)
식 (4)를 n에서 1까지 반복하면 I0=f(x)−f(a)에서 각 다항식 항이 차례로 빠져 In=f(x)−Pn(x)가 된다. 이는 x<a일 때도 적분 방향을 그대로 두면 성립한다.
이 구간에서 ∣f(n+1)(t)∣≤M이면 적분의 절댓값을 비교하여
∣Rn(x)∣≤(n+1)!M∣x−a∣n+1.(5)
x<a인 경우에도 두 끝 사이에서 ∣x−t∣n을 적분한 값이 ∣x−a∣n+1/(n+1)이므로 같은 상계다. x=a에서는 나머지가 정확히 0이다. M은 중심의 도함수값 하나가 아니라 두 점 사이 전체 구간에서 정해야 한다.
테일러 나머지의 라그랑주 꼴은 평균값정리와 어떻게 이어지나?
라그랑주 꼴은 식 (3)의 적분을 한 점의 도함수값 하나로 바꾼 표현이다. 식 (3)과 같은 조건에서 x=a이면 a와 x 사이의 어떤 수 c가 있어
Rn(x)=(n+1)!f(n+1)(c)(x−a)n+1.(6)
이유는 (x−t)n의 부호가 a와 x 사이에서 바뀌지 않는다는 데 있다. x>a일 때 연속인 f(n+1)의 그 구간 최솟값을 m1, 최댓값을 m2라 하자. (x−t)n/n!을 a부터 x까지 적분하면 (x−a)n+1/(n+1)!이므로, 식 (3)의 나머지는 m1(x−a)n+1/(n+1)!과 m2(x−a)n+1/(n+1)! 사이에 놓인다. 사잇값 정리로 f(n+1)이 그 사이의 값을 정확히 내는 c가 있고, x<a에서도 같은 논리가 성립한다.
n=0이면 식 (6)은 f(x)=f(a)+f′(c)(x−a)로, 평균값정리 그 자체다. 테일러다항식의 나머지는 평균값정리를 높은 차수로 늘린 셈이다. 다만 c의 정확한 위치는 모르므로, 실제 계산에서는 ∣f(n+1)(c)∣≤M을 써서 식 (5)의 상계로 바꾼다.
테일러다항식의 근삿값은 어느 정도 정확한가?
f(x)=ex, a=0이면 모든 차수의 도함수가 ex여서 중심값은 모두 1이다. 따라서
P3(x)=1+x+2x2+6x3.(7)
식 (7)에 x=0.1을 넣으면 1+0.1+0.005+1/6000=6631/6000≈1.105166667이다. 0≤t≤0.1에서 f(4)(t)=et≤e0.1이므로 식 (5)의 오차 상계는 e0.1(0.1)4/24<4.605×10−6다. 이 상계는 반올림 전 다항식 값과 실제 함수값의 차이에 대한 것이다. 실제 오차는 약 4.25×10−6으로 상계 아래에 있다.
그림 3 0 중심에서 지수함수와 일차·삼차 테일러다항식을 비교한다. 아래 패널은 −1≤x≤1에서 삼차 근사의 실제 절대오차와 도함수 상계로 얻은 오차 한도를 보여 준다. figures/taylor_error_bounds.py
그림 3의 아래 패널에서는 각 x와 0 사이의 도함수 상계로 emax(0,x)를 쓴다. 그래프의 일치는 확인 자료이며 식 (3)부터 식 (5)가 일반적인 오차 보장의 근거다.
식 (5)의 상계는 중심과의 거리의 n+1제곱에 비례한다. 삼차 근사에서 평가점을 0.1에서 0.2로 두 배 멀리 두면 실제 오차는 약 6.94×10−5로, 약 16배 커진다. 24=16이므로 중심 가까이에서 근사할수록 이득이 크다.
중심이 0이 아닌 식 (2)도 같은 방법으로 보장한다. x=4.1을 넣으면 P2(4.1)=2+0.025−0.01/64=2.02484375다. 세 번째 도함수 f′′′(t)=3/(8t5/2)은 4≤t≤4.1에서 감소하므로, 그 구간의 최댓값이 마침 중심에서 나와 M=f′′′(4)=3/256이다.
식 (5)에 넣으면 오차는 2563⋅6(0.1)3=5120001≈1.95×10−6 이하다. 실제 오차는 약 1.92×10−6이어서 이 상계가 꽤 촘촘하다.
핵심
테일러다항식은 중심의 도함수값으로 계수를 정한다. 오차는 중심과 평가점 사이의 다음 차수 도함수에 대한 상계로 제한한다.
Q. 테일러다항식의 n차 항 계수는 n계도함수값 그대로인가요?
아니다. 테일러다항식의 n차 항 계수는 n계도함수값을 n!로 나눈 값이다. 식 (2)의 이차항 계수는 f′′(4)=−1/32을 2로 나눈 −1/64다. 팩토리얼을 빼고 이차항 계수를 −1/32로 두면, 두 번 미분한 값이 −1/16이 되어 맞추려던 값의 2배가 된다.
Q. 1차 테일러다항식은 접선과 같은가요?
그렇다. 1차 테일러다항식 P1(x)=f(a)+f′(a)(x−a)는 점 (a,f(a))에서의 접선의 방정식이다. x의 중심 4에서는 y=2+(x−4)/4이고, 이 접선으로 4.1≈2.025를 얻는다. 이차항을 더하면 굽은 정도까지 맞춘다(그림 2).
오차를 정해 두면 테일러다항식은 몇 차까지 필요한가?
오차 한도를 먼저 정하면 식 (5)를 거꾸로 써서 필요한 차수를 찾는다. e=e1을 중심 0의 Pn(1)=∑k=0n1/k!로 근사하고, 오차를 10−3 아래로 보장해 보자. 0≤t≤1에서 f(n+1)(t)=et≤e<3이므로
∣Rn(1)∣≤(n+1)!3<10−3⟺(n+1)!>3000.(8)
6!=720, 7!=5040이므로 식 (8)을 만족하는 가장 작은 n은 6이다. n=5일 때의 실제 오차도 약 0.0016으로 10−3보다 크므로 5차로는 부족하다. 그림 4는 차수별 상계와 실제 오차를 로그 눈금으로 비교한다.
그림 4e를 Pn(1)로 근사할 때 차수 n에 따른 오차 상계 3/(n+1)!(막대)와 실제 오차(점). 세로축은 로그 눈금이며, 상계가 처음 점선 10−3 아래로 내려가는 차수는 6이다. figures/degree_needed.py
Q. 사인의 테일러다항식 오차는 한 차수 높은 나머지로 제한해도 되나요?
n이 홀수일 때만 된다. sinx의 짝수계도함수는 ±sinx라서 0 중심의 짝수 차 계수가 0이고, 홀수 n에서는 Pn=Pn+1, 곧 Rn=Rn+1이다. 그래서 P3=P4의 오차는 식 (5)를 n=4, M=1로 써서 ∣x∣5/120 이하이고, x=0.1에서 이 상계 약 8.33×10−8은 n=3으로 얻는 약 4.17×10−6보다 50배 작다. P4처럼 다음 계수가 0이 아니면 쓸 수 없어서, sin0.5에서 P4의 실제 오차 약 2.59×10−4는 한 차수 높은 상계 0.56/720≈2.17×10−5보다 크다.
Q. 중심에서 도함수가 작으면 테일러다항식의 오차도 작다고 할 수 있나요?
아니다. 중심의 도함수값 하나만으로는 구간 전체의 오차 상계를 정할 수 없다. ex의 네 번째 도함수는 0에서 1이지만 [0,1]에서는 e까지 커진다. 실제로 x=1에서 P3의 오차 e−8/3≈0.0516은 M=1로 계산한 1/24≈0.0417보다 크다.
Q. 테일러다항식의 차수를 높이면 모든 점에서 더 정확한가요?
아니다. 차수를 하나 올려도 오차가 그대로이거나, 중심에서 먼 점에서는 아크탄젠트의 예처럼 오히려 커질 수 있다. cosx는 3차 계수가 0이어서 P2와 P3이 같은 다항식이고, x=1의 오차는 둘 다 약 0.0403이다. 무한히 차수를 높였을 때 원래 함수에 도달하는지는 테일러급수에서 나머지의 극한으로 확인한다.
테일러다항식의 흔한 오해
테일러 근삿값은 원래 함수값과 정확히 같다. — 일반적으로는 나머지가 남는다. f=Pn+Rn의 등호와 f≈Pn을 구별한다.
중심이 2여도 xk에 도함수 계수를 붙이면 된다. — 중심이 a이면 (x−a)k를 쓴다. 그래야 그 점에서 높은 차수 항들이 0이 된다.
Pn의 오차 상계에는 n계도함수의 최댓값을 쓴다. — 한 차수 높은 (n+1)계도함수가 필요하다. 식 (7)의 삼차 근사 오차는 네 번째 도함수 et로 제한했다.
직접 해보기
f(x)=lnx의 중심 a=1인 P2(x)를 구하자.
f(x)=cosx의 중심 0인 P4(x)를 구하자. 각은 라디안이다.
f(x)=x2를 중심 2에서 P2(x)로 나타내고 나머지를 구하자.
e−0.2를 중심 0의 P2로 근사하자. [−0.2,0]에서 도함수 상계 M=1을 써서 오차 한도도 구하자.
sin0.5를 중심 0의 Pn(0.5)로 근사할 때, 식 (5)와 M=1로 오차를 10−4 아래로 보장하는 가장 작은 n을 구하자.
답과 풀이
f(1)=0, f′(1)=1, f′′(1)=−1이다. 따라서 P2(x)=(x−1)−(x−1)2/2다. 로그의 정의역 x>0 안에서 근사한다.
0에서 도함수값은 순서대로 1,0,−1,0,1이다. P4(x)=1−x2/2+x4/24다.
f(2)=4, f′(2)=4, f′′(2)=2이므로 P2(x)=4+4(x−2)+(x−2)2=x2다. 세 번 미분하면 0이므로 식 (3)의 나머지도 모든 실수에서 0이다.
P2(−0.2)=1−0.2+0.04/2=0.82다. 세 번째 도함수 et는 [−0.2,0]에서 1 이하이므로 오차는 (0.2)3/6=1/750≈0.001333333 이하이다. 이 수치는 실제 오차를 정확히 구한 값이 아니라 보장된 상한이다.
사인의 모든 도함수는 절댓값이 1 이하이므로 M=1이고, 필요한 조건은 0.5n+1/(n+1)!<10−4다. n=4이면 0.55/120≈2.6×10−4로 부족하고, n=5이면 0.56/720≈2.17×10−5다. 답은 n=5이고 P5(0.5)=0.5−0.53/6+0.55/120이다.