선형 근사는 주어진 점 근처에서 함수를 선형 함수로 근사하는 데 사용되는 미분의 핵심 응용 분야입니다. 이 페이지에서는 함수의 선형 근사를 구하는 방법에 대한 상세한 풀이가 포함된 예제를 제공합니다.
선형 근사 공식
\( x = a \)에서의 함수 \( f \)에 대한 선형 근사 \( f_l \)은 \( x = a \)에서의 그래프에 대한 접선의 방정식으로부터 얻습니다:
\( a \)에 가까운 \( x \) 값에 대해, \( f(x) \)와 \( f_l(x) \)의 값은 서로 가깝습니다. \( f_l(x) \)는 선형 함수이므로 \( f \)에 대한 선형 근사 역할을 합니다.
이 기법은 사인, 코사인, 로그, 지수 함수와 같은 비대수 함수를 선형화하여 계산을 단순화하는 데 특히 유용합니다. 아래에 예제가 이어집니다.
단계별 예제
예제 1: \( x = 0 \) 근처에서 \( f(x) = \tan x \)의 선형 근사
먼저 도함수를 구합니다:
\[ f'(x) = \sec^2 x \]\( x = 0 \)에서 평가합니다:
\[ f'(0) = \sec^2(0) = 1 \]따라서 \( x = 0 \)에서의 선형 근사 \( f_l(x) \)는 다음과 같습니다:
\[ f_l(x) = f(0) + f'(0)(x - 0) = 0 + 1 \cdot x = x \]이는 \( x \)가 0에 가까울 때 \(\tan x \approx x\)임을 의미하며, 여기서 \( x \)는 라디안 단위로 측정됩니다.
다음 값들에 대해 \(\tan x\)를 계산하고 \(x\)와 비교해 보세요: \[ x = 0, 0.001, 0.01, 0.1, 0.2, 0.3, 0.5 \] 계산기를 라디안(radians) 모드로 설정하고 근사값을 관찰해 보세요.
예제 2: \( x = 1 \) 근처에서 \( f(x) = \ln x \)의 선형 근사
도함수를 구합니다:
\[ f'(x) = \dfrac{1}{x} \]\( x = 1 \)에서 평가합니다:
\[ f'(1) = 1 \]\( x = 1 \)에서의 선형 근사 \( f_l(x) \)는 다음과 같습니다:
\[ f_l(x) = \ln 1 + 1 \cdot (x - 1) = 0 + (x - 1) = x - 1 \]따라서, \[ \ln x \approx x - 1 \] \( x가 1에 가까울 때 성립합니다. \)
다음 값들에 대해 \(\ln x\)와 \(x - 1\)을 비교해 보세요: \[ x = 1, 1.001, 1.01, 1.1, 1.5 \] 계산기를 사용하여 확인하세요.
예제 3: \( x = 0 \) 근처에서 \( f(x) = e^x \)의 선형 근사
도함수는 다음과 같습니다:
\[ f'(x) = e^x \]\( x = 0 \)에서 평가합니다:
\[ f'(0) = 1 \]\( x = 0 \)에서의 선형 근사 \( f_l(x) \)는 다음과 같습니다:
\[ f_l(x) = e^0 + 1 \cdot (x - 0) = 1 + x \]다음 값들에 대해 \( e^x \)와 \( 1 + x \)를 비교해 보세요: \[ x = 0, 0.001, 0.01, 0.1, 0.5 \] 계산기를 사용하여 확인하세요.
결론 및 추가 학습
선형 근사는 대수적으로 표현할 수 없는 초월 함수를 근사하는 가장 간단한 방법 중 하나입니다. 더 나은 근사를 위한 보다 고급 기법들도 존재합니다.
추가 학습을 위해 미분의 활용을 더 살펴보세요.