Summary

Taylor’s Theorem(테일러 정리)은 어떤 점 $a$ 근처에서 충분히 매끄러운 함수 $f$를, 그 점에서의 도함수 정보만으로 다항식으로 근사하는 방법이다. 항을 더할수록 근사가 원래 함수에 더 밀착하며, 근사와 진짜 값의 차이는 나머지항(remainder) $R_n$으로 정확히 표현된다.

용어 설명

• Taylor polynomial (테일러 다항식): 함수를 흉내 내는 $n$차 다항식 $T_n(x)$.
• remainder (나머지항) $R_n(x)$: 진짜 함수와 다항식의 차이(=오차). $f(x)=T_n(x)+R_n(x)$.
• Maclaurin series (매클로린 급수): 기준점을 $a=0$으로 잡은 테일러 급수.
• Taylor’s inequality (테일러 부등식): 나머지항 $|R_n|$의 크기에 상한(최대 오차)을 씌우는 도구.
• center (중심점) $a$: 근사의 기준이 되는 한 점.

Taylor’s Theorem

1. 직관 (도함수 정보로 다항식 근사; 항이 많을수록 정확)

한 점 $a$에서 함수의 “현재 상태”만 알면 그 근처를 흉내 낼 수 있다는 아이디어다. 마치 자동차의 한 순간을 보고 다음 위치를 예측하는 것과 같다.

• 0차(함숫값): 지금 어디 있나? → 그냥 상수, 평평한 선.
• 1차(1차 도함수, 기울기): 어느 방향으로 얼마나 빨리 가나? → 접선 근사 (tangent line).
• 2차(2차 도함수, 곡률): 휘는 정도는? → 곡선이 위/아래로 굽는 걸 반영.
• 3차, 4차, …: 더 미세한 모양까지 흉내.

항(term)을 많이 쓸수록 다항식이 원래 함수에 점점 더 착 달라붙는다. 다항식은 더하기·곱하기만으로 계산되니, 복잡한 함수를 계산하기 쉬운 다항식으로 바꿔치기하는 셈이다.

2. 정식 진술 (테일러 다항식 + 나머지항 $R_n$, Taylor’s inequality)

$a$ 근처에서 $n+1$번 미분 가능한 함수 $f$에 대해:

$$f(x)=\underset{\text{Taylor polynomial }{T}_n(x)}{\underbrace{\sum _{k=0}^n\frac{f^{(k)}(a)}{k!}(x-a{)}^k}}+R_n(x)$$

풀어 쓰면:

$$f(x)=f(a)+f^{\prime }(a)(x-a)+\frac{f^{\prime \prime }(a)}{2!}(x-a{)}^2+\cdots +\frac{f^{(n)}(a)}{n!}(x-a{)}^n+R_n(x)$$

나머지항 (Lagrange form): 어떤 $c$ ($a$와 $x$ 사이)가 존재하여

$$R_n(x)=\frac{f^{(n+1)}(c)}{(n+1)!}(x-a{)}^{n+1}$$

Taylor’s inequality (테일러 부등식): 구간에서 $|f^{(n+1)}(x)|\le M$ 이면

$$|R_n(x)|\le \frac{M}{(n+1)!}|x-a{|}^{n+1}$$

즉 오차가 이 값보다 클 수 없다는 안전한 상한을 준다.

$a=0$이면 Maclaurin

중심점을 $a=0$으로 잡으면 식이 깔끔해진다. 이것이 Maclaurin series:
$f(x)={\sum }_{k=0}^{\infty }\frac{f^{(k)}(0)}{k!}{x}^k$

3. 왜 성립하나 (직관)

다항식 $T_n(x)$를 “점 $a$에서 $f$와 0차~$n$차 도함수가 전부 똑같아지도록” 억지로 맞춰 만든 것이다. 그래서 $a$ 바로 근처에서는 둘이 거의 구별이 안 된다. 떨어진 곳에서 생기는 오차가 $R_n$인데, 평균값 정리(MVT)를 반복 적용하는 식의 논리로 “$a$와 $x$ 사이 어떤 점 $c$의 $(n+1)$차 도함수”로 그 오차를 정확히 붙잡을 수 있다.

4. 예시 ($e^x$, $\sin x$ 전개)

지수함수 (모든 도함수가 $e^x$, $e^0=1$):

$$e^x=1+x+\frac{x^2}{2!}+\frac{x^3}{3!}+\frac{x^4}{4!}+\cdots$$

사인함수 (홀수항만, 부호 교대):

$$\sin x=x-\frac{x^3}{3!}+\frac{x^5}{5!}-\frac{x^7}{7!}+\cdots$$

코사인함수 (참고):

$$\cos x=1-\frac{x^2}{2!}+\frac{x^4}{4!}-\cdots$$

예: $x$가 0에 가까울 때 $\sin x\approx x$ (1차 근사), 조금 더 정밀하게는 $\sin x\approx x-\frac{x^3}{6}$.

5. 어디에 쓰나 / 흔한 함정

어디에 쓰나

• 함수 근사·수치계산: 계산기/컴퓨터가 $\sin$, $e^x$, $\ln$ 등을 다항식으로 계산.
• 급수(series): 함수를 무한급수로 표현.
• 극한 계산: ${\lim }_{x\to 0}\frac{\sin x}{x}=1$ 같은 걸 전개로 바로 확인 (L’Hopital의 대안).
• 물리 근사: 진자에서 $\sin \theta \approx \theta$ (소각 근사) 등.
• 머신러닝/최적화: 1차 항 = gradient(경사하강법), 2차 항 = Hessian 기반 최적화(뉴턴법)는 곧 2차 테일러 근사다.

흔한 함정

• 수렴 반경(radius of convergence): 근사가 통하는 범위가 있다. 중심점에서 너무 멀어지면 항을 아무리 더해도 빗나갈 수 있다.
• 나머지항 무시 금지: $R_n$을 그냥 버리면 오차가 생긴다. 정밀도가 필요하면 Taylor’s inequality로 오차를 통제해야 한다.
• MVT는 특수 경우: $n=0$일 때 $f(x)=f(a)+f^{\prime }(c)(x-a)$ → 이게 바로 **평균값 정리(Mean Value Theorem)**다. 테일러 정리는 MVT의 고차 일반화.

6. 30초 요약

• 이름: Taylor’s Theorem = 테일러 정리. 한 점 $a$의 도함수 정보로 함수를 다항식 근사.
• 핵심 식: $f(x)={\sum }_{k=0}^n\frac{f^{(k)}(a)}{k!}(x-a{)}^k+R_n(x)$.
• 나머지항(Lagrange): $R_n=\frac{f^{(n+1)}(c)}{(n+1)!}(x-a{)}^{n+1}$, $c$는 $a$와 $x$ 사이.
• 오차 상한: Taylor’s inequality $|R_n|\le \frac{M}{(n+1)!}|x-a{|}^{n+1}$.
• $a=0$ → Maclaurin. 대표 전개: $e^x$, $\sin x$, $\cos x$.
• 항 많을수록 정확, 단 수렴 반경 안에서. MVT는 $n=0$ 특수 경우.
• 교과서: Stewart §11.10–11.11.

관련 노트

• Calculus Theorems (index)
• Mean Value Theorem
• L’Hopital’s Rule