수열의 극한 (Limit of Sequence)

한 줄 정의: 수열의 극한이란 수열의 번호(항의 순서)가 한없이 커질 때, 그 항의 값이 특정한 하나의 수에 한없이 가까워지는 경우 그 수를 가리킵니다.

쉽게 풀면

결승선을 향해 달리는 육상 선수를 떠올려 보세요. 남은 거리의 절반을 매번 좁혀 나간다고 하면, 첫 번째 구간에서 절반을 줄이고, 다음엔 남은 거리의 또 절반을, 그다음엔 또 그 절반을 줄여 나갑니다. 이 과정을 계속 반복하면 선수는 결승선에 한없이 가까워지지만, 이론적으로는 몇 번을 반복해도 정확히 결승선 "위"에 서는 순간은 없습니다. 그래도 우리는 "이 선수는 결국 결승선에 도달한다"고 자신 있게 말할 수 있습니다. 이때 그 결승선의 위치가 바로 수열의 극한값입니다. 즉 수열의 극한은 항의 값이 실제로 그 수에 도달하는지 여부보다, 항의 번호를 계속 키워 나갈 때 값이 특정 수 주변으로 한없이 몰려든다는 사실 자체에 주목하는 개념입니다.

왜 중요한가

수열의 극한은 미분과 적분을 비롯한 미적분학 전체를 엄밀하게 정의하는 출발점일 뿐 아니라, 통계학·수치해석·경제학 등 반복 계산이나 표본을 점점 늘려가는 상황을 다루는 거의 모든 정량적 분야의 이론적 토대이기도 합니다. 추정량이 표본이 커질수록 참값에 가까워지는지(일치성), 알고리즘이 반복될수록 정답에 수렴하는지를 논할 때 수열의 극한 개념이 그 판단 기준을 제공하기 때문에, 방법론의 이론적 정당성을 설명하는 부분에서 자주 등장합니다.

논문에서는 이렇게 쓰입니다

"표본의 크기 n을 무한히 늘려감에 따라 추정량의 분포는 참값으로 수렴하는 극한적 성질을 보였으며, 이는 해당 추정량이 일치추정량임을 뒷받침한다."

이 문장은 데이터를 점점 더 많이 모을수록 통계적으로 계산한 추정값이 실제 참값에 한없이 가까워진다는 뜻으로, 수열의 극한 개념을 이용해 추정 방법의 신뢰성을 설명하고 있습니다.

"반복 알고리즘에서 생성되는 해의 수열이 반복 횟수가 늘어남에 따라 최적해로 수렴함을 수학적으로 증명하였다."

최적화·수치해석 논문에서는 알고리즘이 반복될수록 만들어내는 값들의 수열이 원하는 답(최적해)에 극한으로 수렴한다는 것을 증명해 알고리즘의 타당성을 보인다는 예시입니다.

"경제성장률의 시계열이 시간이 지남에 따라 특정 균제상태(steady state) 값으로 수렴하는지를 검토하였다."

경제학 논문에서도 시간에 따라 변하는 경제지표를 하나의 수열로 보고, 그것이 장기적으로 어떤 값으로 수렴하는지를 분석하는 데 같은 개념이 쓰인다는 것을 보여줍니다.

조금 더 깊게 보면

수열의 극한은 엡실론-N(ε-N) 논법으로 엄밀하게 정의되는데, 이는 "항의 번호가 어떤 수 N보다 커지기만 하면, 항의 값이 극한값과 원하는 만큼(ε보다 작게) 가까워진다"는 조건을 부등식으로 표현한 것입니다. 실무에서는 이 정의를 직접 쓰기보다, 여러 극한을 사칙연산처럼 계산할 수 있게 해주는 극한의 성질 (사칙연산)을 활용해 값을 구하는 경우가 대부분입니다. 또한 수열이 극한값을 갖는다는 것(수렴)과, 값이 점점 커지거나 진동해 특정 값에 다가가지 않는 것(발산)을 구분하는 것도 이 개념의 중요한 부분입니다.

주의할 점

극한값은 수열이 "무한히 많은 항을 거친 뒤" 가까워지는 값이지, 어느 특정 항이 실제로 그 값과 같다는 뜻이 아닙니다. 이 개념은 미분과 적분을 정의하는 데도 그대로 쓰이는 미적분학의 출발점이므로, 함께 이해하면 도움이 됩니다.