미적분테일러다항식#499

테일러다항식

Taylor Polynomials and Remainders

테일러다항식은 한 점에서 함수값과 도함수들을 맞춘 유한 다항식이다. 계수가 도함수값을 팩토리얼로 나눈 값인 이유를 밝히고, 충분한 미분 조건 아래 적분 나머지·라그랑주 나머지와 구간의 도함수 상계로 오차를 제한하며 필요한 차수를 정한다.

읽는 시간
약 7분
선수 개념
고계도함수평균값 정리부분적분

직관 — 한 점에서 출발 방향과 굽음을 맞춘다

직관

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\sqrt{4.1} 같은 값을 덧셈과 곱셈만으로 근사하고, 그 오차의 한도까지 말할 수 있다.

테일러다항식은 중심에서 여러 도함수를 맞춘 다항식이다

함수 ff가 중심 aa에서 nn차까지 미분가능할 때, nn차까지의 테일러다항식(테일러 다항식)을 다음과 같이 정의한다. nn은 0 이상의 정수다.

Pn(x)=f(a)+∑k=1nf(k)(a)k!(x−a)k.(1)P_n(x)=f(a)+\sum_{k=1}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k.\tag{1}
정의
기호이름원어뜻
aa중심center함수와 다항식의 도함수값을 맞추는 점
nn차수 한도order맞추는 도함수의 최고 차수
f(k)f^{(k)}kk계도함수kth derivativeff를 kk번 미분한 함수
k!k!팩토리얼factorial1⋅2⋯k1\cdot2\cdots k, 0!=10!=1
PnP_n테일러다항식Taylor polynomial차수가 nn 이하인 근사 다항식
RnR_n나머지remainder실제값 f(x)f(x)에서 Pn(x)P_n(x)를 뺀 차이
MM도함수 상계derivative bound필요한 구간에서 ∣f(n+1)∣\lvert f^{(n+1)}\rvert의 상계

n=0n=0이면 식 (1)의 합은 비어 있고 P0(x)=f(a)P_0(x)=f(a)다. 중심이 0이면 매클로린다항식이라고도 한다. 최고차 계수가 0일 수 있으므로 실제 차수가 반드시 nn일 필요는 없다.

왜 계수를 k!k!로 나눌까? Q(x)=c0+c1(x−a)+⋯+cn(x−a)nQ(x)=c_0+c_1(x-a)+\cdots+c_n(x-a)^n을 kk번 미분해 x=ax=a를 넣자. kk보다 낮은 차수는 이미 0이 되고, 높은 차수에는 (x−a)(x-a)가 남아 0이 된다. 오직 k!ckk!c_k만 남는다. 따라서 Q(k)(a)=f(k)(a)Q^{(k)}(a)=f^{(k)}(a)를 요구하면 ck=f(k)(a)/k!c_k=f^{(k)}(a)/k!로 유일하게 정해진다.

삼차식 Q를 0번부터 3번까지 미분한 각 항. 대각선 칸 c_0, c_1, 2c_2, 6c_3만 (x-a)를 갖지 않으므로, x=a를 넣으면 k번째 줄에는 k!c_k만 남는다.
그림 1 삼차식 QQ를 0번부터 3번까지 미분한 각 항. 대각선 칸 c0c_0, c1c_1, 2c22c_2, 6c36c_3만 (x−a)(x-a)를 갖지 않으므로, x=ax=a를 넣으면 kk번째 줄에는 k! ckk!\,c_k만 남는다. figures/coefficient_diagonal.py

그림 1의 아래 왼쪽 0은 낮은 차수 항이 미분으로 사라진 자리이고, 위 오른쪽 칸은 x=ax=a에서 0이 되는 자리다. 예를 들어 f(x)=xf(x)=\sqrt x, a=4a=4이면 f(4)=2f(4)=2다. f′(x)=1/(2x)f'(x)=1/(2\sqrt x)에서 f′(4)=1/4f'(4)=1/4, f′′(x)=−1/(4x3/2)f''(x)=-1/(4x^{3/2})에서 f′′(4)=−1/32f''(4)=-1/32이다. 이차항 계수는 −1/32-1/32을 2!2!로 나눈 −1/64-1/64이므로

P2(x)=2+x−44−(x−4)264.(2)P_2(x)=2+\frac{x-4}{4}-\frac{(x-4)^2}{64}.\tag{2}

그림 2에서 P0P_0은 높이만, P1P_1은 높이와 기울기를, P2P_2는 굽은 정도까지 맞춘다. 중심 4의 양옆에서는 맞춘 정보가 많을수록 곡선에 더 가깝다.

√ x와 중심 4의 테일러다항식. P_0은 함숫값 2, P_1은 기울기 1/4의 접선, P_2는 이계도함수까지 맞춘 포물선이며, 3≤ x≤5에서 P_2가 곡선에 가장 가깝다.
그림 2 x\sqrt x와 중심 4의 테일러다항식. P0P_0은 함숫값 2, P1P_1은 기울기 1/41/4의 접선, P2P_2는 이계도함수까지 맞춘 포물선이며, 3≤x≤53\le x\le5에서 P2P_2가 곡선에 가장 가깝다. figures/sqrt_matching.py

나머지는 왜 적분으로 나타낼 수 있을까?

오차를 보장할 때는 중심에서의 미분만으로 끝내지 않는다. 이제 aa와 평가점 xx를 포함하는 구간에서 ff가 n+1n+1번 연속미분가능하다고 가정한다. 이 충분조건 아래

f(x)=Pn(x)+Rn(x),Rn(x)=1n!∫axf(n+1)(t)(x−t)n dt.(3)f(x)=P_n(x)+R_n(x),\qquad R_n(x)=\frac1{n!}\int_a^x f^{(n+1)}(t)(x-t)^n\,dt.\tag{3}

식 (3)의 n=0n=0은 미적분의 기본정리다. 일반적인 n≥1n\ge1에서는 식 (3)의 오른쪽 식 전체, 곧 1/n!1/n!까지 곱한 적분을 InI_n이라 하고 부분적분을 한다. f(n+1)f^{(n+1)}을 적분하고 (x−t)n/n!(x-t)^n/n!을 미분하면

In=−f(n)(a)n!(x−a)n+In−1.(4)I_n=-\frac{f^{(n)}(a)}{n!}(x-a)^n+I_{n-1}.\tag{4}

식 (4)를 nn에서 1까지 반복하면 I0=f(x)−f(a)I_0=f(x)-f(a)에서 각 다항식 항이 차례로 빠져 In=f(x)−Pn(x)I_n=f(x)-P_n(x)가 된다. 이는 x<ax<a일 때도 적분 방향을 그대로 두면 성립한다.

이 구간에서 ∣f(n+1)(t)∣≤M|f^{(n+1)}(t)|\le M이면 적분의 절댓값을 비교하여

∣Rn(x)∣≤M∣x−a∣n+1(n+1)!.(5)|R_n(x)|\le\frac{M|x-a|^{n+1}}{(n+1)!}.\tag{5}

x<ax<a인 경우에도 두 끝 사이에서 ∣x−t∣n|x-t|^n을 적분한 값이 ∣x−a∣n+1/(n+1)|x-a|^{n+1}/(n+1)이므로 같은 상계다. x=ax=a에서는 나머지가 정확히 0이다. MM은 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≠ax\ne a이면 aa와 xx 사이의 어떤 수 cc가 있어

Rn(x)=f(n+1)(c)(n+1)!(x−a)n+1.(6)R_n(x)=\frac{f^{(n+1)}(c)}{(n+1)!}(x-a)^{n+1}.\tag{6}

이유는 (x−t)n(x-t)^n의 부호가 aa와 xx 사이에서 바뀌지 않는다는 데 있다. x>ax>a일 때 연속인 f(n+1)f^{(n+1)}의 그 구간 최솟값을 m1m_1, 최댓값을 m2m_2라 하자. (x−t)n/n!(x-t)^n/n!을 aa부터 xx까지 적분하면 (x−a)n+1/(n+1)!(x-a)^{n+1}/(n+1)!이므로, 식 (3)의 나머지는 m1(x−a)n+1/(n+1)!m_1(x-a)^{n+1}/(n+1)!과 m2(x−a)n+1/(n+1)!m_2(x-a)^{n+1}/(n+1)! 사이에 놓인다. 사잇값 정리로 f(n+1)f^{(n+1)}이 그 사이의 값을 정확히 내는 cc가 있고, x<ax<a에서도 같은 논리가 성립한다.

n=0n=0이면 식 (6)은 f(x)=f(a)+f′(c)(x−a)f(x)=f(a)+f'(c)(x-a)로, 평균값정리 그 자체다. 테일러다항식의 나머지는 평균값정리를 높은 차수로 늘린 셈이다. 다만 cc의 정확한 위치는 모르므로, 실제 계산에서는 ∣f(n+1)(c)∣≤M|f^{(n+1)}(c)|\le M을 써서 식 (5)의 상계로 바꾼다.

테일러다항식의 근삿값은 어느 정도 정확한가?

f(x)=exf(x)=e^x, a=0a=0이면 모든 차수의 도함수가 exe^x여서 중심값은 모두 1이다. 따라서

P3(x)=1+x+x22+x36.(7)P_3(x)=1+x+\frac{x^2}{2}+\frac{x^3}{6}.\tag{7}

식 (7)에 x=0.1x=0.1을 넣으면 1+0.1+0.005+1/6000=6631/6000≈1.1051666671+0.1+0.005+1/6000=6631/6000\approx1.105166667이다. 0≤t≤0.10\le t\le0.1에서 f(4)(t)=et≤e0.1f^{(4)}(t)=e^t\le e^{0.1}이므로 식 (5)의 오차 상계는 e0.1(0.1)4/24<4.605×10−6e^{0.1}(0.1)^4/24<4.605\times10^{-6}다. 이 상계는 반올림 전 다항식 값과 실제 함수값의 차이에 대한 것이다. 실제 오차는 약 4.25×10−64.25\times10^{-6}으로 상계 아래에 있다.

0 중심에서 지수함수와 일차·삼차 테일러다항식을 비교한다. 아래 패널은 −1≤x≤1에서 삼차 근사의 실제 절대오차와 도함수 상계로 얻은 오차 한도를 보여 준다.
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 xx와 0 사이의 도함수 상계로 emax⁡(0,x)e^{\max(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+1n+1제곱에 비례한다. 삼차 근사에서 평가점을 0.1에서 0.2로 두 배 멀리 두면 실제 오차는 약 6.94×10−56.94\times10^{-5}로, 약 16배 커진다. 24=162^4=16이므로 중심 가까이에서 근사할수록 이득이 크다.

중심이 0이 아닌 식 (2)도 같은 방법으로 보장한다. x=4.1x=4.1을 넣으면 P2(4.1)=2+0.025−0.01/64=2.02484375P_2(4.1)=2+0.025-0.01/64=2.02484375다. 세 번째 도함수 f′′′(t)=3/(8t5/2)f'''(t)=3/(8t^{5/2})은 4≤t≤4.14\le t\le4.1에서 감소하므로, 그 구간의 최댓값이 마침 중심에서 나와 M=f′′′(4)=3/256M=f'''(4)=3/256이다.

식 (5)에 넣으면 오차는 3256⋅(0.1)36=1512000≈1.95×10−6\frac{3}{256}\cdot\frac{(0.1)^3}{6}=\frac1{512000}\approx1.95\times10^{-6} 이하다. 실제 오차는 약 1.92×10−61.92\times10^{-6}이어서 이 상계가 꽤 촘촘하다.

핵심

테일러다항식은 중심의 도함수값으로 계수를 정한다. 오차는 중심과 평가점 사이의 다음 차수 도함수에 대한 상계로 제한한다.

테일러다항식의 n차 항 계수는 n계도함수값 그대로인가요?

아니다. 테일러다항식의 nn차 항 계수는 nn계도함수값을 n!n!로 나눈 값이다. 식 (2)의 이차항 계수는 f′′(4)=−1/32f''(4)=-1/32을 2로 나눈 −1/64-1/64다. 팩토리얼을 빼고 이차항 계수를 −1/32-1/32로 두면, 두 번 미분한 값이 −1/16-1/16이 되어 맞추려던 값의 2배가 된다.

1차 테일러다항식은 접선과 같은가요?

그렇다. 1차 테일러다항식 P1(x)=f(a)+f′(a)(x−a)P_1(x)=f(a)+f'(a)(x-a)는 점 (a,f(a))(a,f(a))에서의 접선의 방정식이다. x\sqrt x의 중심 4에서는 y=2+(x−4)/4y=2+(x-4)/4이고, 이 접선으로 4.1≈2.025\sqrt{4.1}\approx2.025를 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=e1e=e^1을 중심 0의 Pn(1)=∑k=0n1/k!P_n(1)=\sum_{k=0}^{n}1/k!로 근사하고, 오차를 10−310^{-3} 아래로 보장해 보자. 0≤t≤10\le t\le1에서 f(n+1)(t)=et≤e<3f^{(n+1)}(t)=e^t\le e<3이므로

∣Rn(1)∣≤3(n+1)!<10−3  ⟺  (n+1)!>3000.(8)|R_n(1)|\le\frac{3}{(n+1)!}<10^{-3} \iff (n+1)!>3000.\tag{8}

6!=7206!=720, 7!=50407!=5040이므로 식 (8)을 만족하는 가장 작은 nn은 6이다. n=5n=5일 때의 실제 오차도 약 0.0016으로 10−310^{-3}보다 크므로 5차로는 부족하다. 그림 4는 차수별 상계와 실제 오차를 로그 눈금으로 비교한다.

e를 P_n(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.
그림 4 ee를 Pn(1)P_n(1)로 근사할 때 차수 nn에 따른 오차 상계 3/(n+1)!3/(n+1)!(막대)와 실제 오차(점). 세로축은 로그 눈금이며, 상계가 처음 점선 10−310^{-3} 아래로 내려가는 차수는 6이다. figures/degree_needed.py

사인의 테일러다항식 오차는 한 차수 높은 나머지로 제한해도 되나요?

nn이 홀수일 때만 된다. sin⁡x\sin x의 짝수계도함수는 ±sin⁡x\pm\sin x라서 0 중심의 짝수 차 계수가 0이고, 홀수 nn에서는 Pn=Pn+1P_n=P_{n+1}, 곧 Rn=Rn+1R_n=R_{n+1}이다. 그래서 P3=P4P_3=P_4의 오차는 식 (5)를 n=4n=4, M=1M=1로 써서 ∣x∣5/120|x|^5/120 이하이고, x=0.1x=0.1에서 이 상계 약 8.33×10−88.33\times10^{-8}은 n=3n=3으로 얻는 약 4.17×10−64.17\times10^{-6}보다 50배 작다. P4P_4처럼 다음 계수가 0이 아니면 쓸 수 없어서, sin⁡0.5\sin0.5에서 P4P_4의 실제 오차 약 2.59×10−42.59\times10^{-4}는 한 차수 높은 상계 0.56/720≈2.17×10−50.5^6/720\approx2.17\times10^{-5}보다 크다.

중심에서 도함수가 작으면 테일러다항식의 오차도 작다고 할 수 있나요?

아니다. 중심의 도함수값 하나만으로는 구간 전체의 오차 상계를 정할 수 없다. exe^x의 네 번째 도함수는 0에서 1이지만 [0,1][0,1]에서는 ee까지 커진다. 실제로 x=1x=1에서 P3P_3의 오차 e−8/3≈0.0516e-8/3\approx0.0516은 M=1M=1로 계산한 1/24≈0.04171/24\approx0.0417보다 크다.

테일러다항식의 차수를 높이면 모든 점에서 더 정확한가요?

아니다. 차수를 하나 올려도 오차가 그대로이거나, 중심에서 먼 점에서는 아크탄젠트의 예처럼 오히려 커질 수 있다. cos⁡x\cos x는 3차 계수가 0이어서 P2P_2와 P3P_3이 같은 다항식이고, x=1x=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+Rnf=P_n+R_n의 등호와 f≈Pnf\approx P_n을 구별한다.
  • 중심이 2여도 xkx^k에 도함수 계수를 붙이면 된다. — 중심이 aa이면 (x−a)k(x-a)^k를 쓴다. 그래야 그 점에서 높은 차수 항들이 0이 된다.
  • PnP_n의 오차 상계에는 nn계도함수의 최댓값을 쓴다. — 한 차수 높은 (n+1)(n+1)계도함수가 필요하다. 식 (7)의 삼차 근사 오차는 네 번째 도함수 ete^t로 제한했다.

직접 해보기

  1. f(x)=ln⁡xf(x)=\ln x의 중심 a=1a=1인 P2(x)P_2(x)를 구하자.
  2. f(x)=cos⁡xf(x)=\cos x의 중심 0인 P4(x)P_4(x)를 구하자. 각은 라디안이다.
  3. f(x)=x2f(x)=x^2를 중심 2에서 P2(x)P_2(x)로 나타내고 나머지를 구하자.
  4. e−0.2e^{-0.2}를 중심 0의 P2P_2로 근사하자. [−0.2,0][-0.2,0]에서 도함수 상계 M=1M=1을 써서 오차 한도도 구하자.
  5. sin⁡0.5\sin0.5를 중심 0의 Pn(0.5)P_n(0.5)로 근사할 때, 식 (5)와 M=1M=1로 오차를 10−410^{-4} 아래로 보장하는 가장 작은 nn을 구하자.
답과 풀이
  1. f(1)=0f(1)=0, f′(1)=1f'(1)=1, f′′(1)=−1f''(1)=-1이다. 따라서 P2(x)=(x−1)−(x−1)2/2P_2(x)=(x-1)-(x-1)^2/2다. 로그의 정의역 x>0x>0 안에서 근사한다.

  2. 0에서 도함수값은 순서대로 1,0,−1,0,11,0,-1,0,1이다. P4(x)=1−x2/2+x4/24P_4(x)=1-x^2/2+x^4/24다.

  3. f(2)=4f(2)=4, f′(2)=4f'(2)=4, f′′(2)=2f''(2)=2이므로 P2(x)=4+4(x−2)+(x−2)2=x2P_2(x)=4+4(x-2)+(x-2)^2=x^2다. 세 번 미분하면 0이므로 식 (3)의 나머지도 모든 실수에서 0이다.

  4. P2(−0.2)=1−0.2+0.04/2=0.82P_2(-0.2)=1-0.2+0.04/2=0.82다. 세 번째 도함수 ete^t는 [−0.2,0][-0.2,0]에서 1 이하이므로 오차는 (0.2)3/6=1/750≈0.001333333(0.2)^3/6=1/750\approx0.001333333 이하이다. 이 수치는 실제 오차를 정확히 구한 값이 아니라 보장된 상한이다.

  5. 사인의 모든 도함수는 절댓값이 1 이하이므로 M=1M=1이고, 필요한 조건은 0.5n+1/(n+1)!<10−40.5^{n+1}/(n+1)!<10^{-4}다. n=4n=4이면 0.55/120≈2.6×10−40.5^5/120\approx2.6\times10^{-4}로 부족하고, n=5n=5이면 0.56/720≈2.17×10−50.5^6/720\approx2.17\times10^{-5}다. 답은 n=5n=5이고 P5(0.5)=0.5−0.53/6+0.55/120P_5(0.5)=0.5-0.5^3/6+0.5^5/120이다.

더 읽기

영상 노트

영상 노트
  • 00:00 그림 1로 kk번 미분한 뒤 중심을 대입해 계수 찾기.
  • 00:50 식 (2)와 그림 2에서 높이·기울기·굽음을 차례로 맞추기.
  • 01:40 부분적분으로 나머지를 한 단계 낮추기.
  • 02:40 식 (6)의 라그랑주 꼴과 평균값정리 연결하기.
  • 03:30 도함수의 중심값과 구간 상계 구별하기, 지수함수와 제곱근의 오차 한도.
  • 04:30 식 (8)과 그림 4로 필요한 차수 정하기.

지도에서의 위치

이 페이지의 기록
  1. 2026-11-17 · 에이전트 초안 — 계수와 나머지의 일반 이유, 오차와 새 연습 작성
  2. 2026-11-17 · 전수 검수 반영 — 중심 4의 제곱근 예제와 근삿값 오차, 라그랑주 나머지와 평균값정리 연결, 필요한 차수 구하기, 접선 질문 추가, 질문 답에 반례 수치 보강, 사인의 한 차수 높은 나머지를 홀수 차수로 한정, 나머지 점화식의 기호 정리, 새 문항 1개 (에이전트 수정, 그림 1→4)
  3. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림