7.1 극한과 연속성의 정의

1. 함수의 극한

미적분학의 출발점은 극한(limit)의 개념이다. 로봇공학에서 사용되는 모든 미분과 적분의 정의는 극한에 기초하므로, 그 엄밀한 정의를 이해하는 것이 중요하다.

1.1 직관적 정의

실변수 함수 $f(x)$ 에 대해, $x$ 가 $a$ 에 한없이 가까워질 때 $f(x)$ 의 값이 특정한 값 $L$ 에 한없이 가까워지면, $f(x)$ 의 극한이 $L$ 이라고 한다. 이를 다음과 같이 표기한다.

$\lim_{x \to a} f(x) = L$

1.2 엡실론-델타 정의 ( $\varepsilon$ - $\delta$ 정의)

극한의 엄밀한 정의는 코시(Cauchy)와 바이어슈트라스(Weierstrass)에 의해 확립되었다. 함수 $f: D \to \mathbb{R}$ 에 대해, $a$ 가 $D$ 의 집적점(accumulation point)일 때 다음이 성립한다.

$\lim_{x \to a} f(x) = L \iff \forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; 0 < \lvert x - a \rvert < \delta \implies \lvert f(x) - L \rvert < \varepsilon$

이 정의의 핵심은, 아무리 작은 오차 $\varepsilon > 0$ 을 허용하더라도, $x$ 를 $a$ 에 충분히 가깝게 잡으면 ( $\delta$ 이내) $f(x)$ 와 $L$ 사이의 차이를 $\varepsilon$ 미만으로 만들 수 있다는 것이다.

1.3 좌극한과 우극한

$x$ 가 $a$ 보다 작은 값에서 접근하는 경우와 큰 값에서 접근하는 경우를 구별할 수 있다.

좌극한 (left-hand limit):

$\lim_{x \to a^-} f(x) = L^- \iff \forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; a - \delta < x < a \implies \lvert f(x) - L^- \rvert < \varepsilon$

우극한 (right-hand limit):

$\lim_{x \to a^+} f(x) = L^+ \iff \forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; a < x < a + \delta \implies \lvert f(x) - L^+ \rvert < \varepsilon$

극한이 존재하기 위한 필요충분조건은 좌극한과 우극한이 모두 존재하고 서로 같은 것이다.

$\lim_{x \to a} f(x) = L \iff \lim_{x \to a^-} f(x) = \lim_{x \to a^+} f(x) = L$

1.4 무한대에서의 극한

$x$ 가 무한대로 발산할 때의 극한은 다음과 같이 정의한다.

$\lim_{x \to \infty} f(x) = L \iff \forall \varepsilon > 0, \; \exists M > 0 \;\text{such that}\; x > M \implies \lvert f(x) - L \rvert < \varepsilon$

1.5 극한의 연산 법칙

$\lim_{x \to a} f(x) = L_1$ , $\lim_{x \to a} g(x) = L_2$ 일 때, 다음의 연산 법칙이 성립한다.

$\lim_{x \to a} [f(x) + g(x)] = L_1 + L_2$

$\lim_{x \to a} [f(x) \cdot g(x)] = L_1 \cdot L_2$

$\lim_{x \to a} \frac{f(x)}{g(x)} = \frac{L_1}{L_2} \quad (L_2 \neq 0)$

$\lim_{x \to a} [c \cdot f(x)] = c \cdot L_1 \quad (c \in \mathbb{R})$

$\lim_{x \to a} [f(x)]^n = L_1^n \quad (n \in \mathbb{N})$

1.6 조임 정리 (Squeeze Theorem)

어떤 점 $a$ 의 근방에서 $g(x) \leq f(x) \leq h(x)$ 이고, $\lim_{x \to a} g(x) = \lim_{x \to a} h(x) = L$ 이면 다음이 성립한다.

$\lim_{x \to a} f(x) = L$

이 정리는 로봇 제어에서 오차 한계를 분석할 때 유용하게 활용된다. 예를 들어, 추종 오차(tracking error) $e(t)$ 가 $0 \leq \lvert e(t) \rvert \leq M e^{-\alpha t}$ ( $\alpha > 0$ )를 만족하면, $t \to \infty$ 일 때 $e(t) \to 0$ 임을 보장할 수 있다.

2. 함수의 연속성

2.1 연속의 정의

함수 $f$ 가 점 $a$ 에서 연속(continuous)이라 함은 다음 세 가지 조건을 모두 만족하는 것이다.

$f(a)$ 가 정의되어 있다.
$\lim_{x \to a} f(x)$ 가 존재한다.
$\lim_{x \to a} f(x) = f(a)$ 이다.

$\varepsilon$ - $\delta$ 언어로 표현하면 다음과 같다.

$f \text{가 } a \text{에서 연속} \iff \forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; \lvert x - a \rvert < \delta \implies \lvert f(x) - f(a) \rvert < \varepsilon$

2.2 구간에서의 연속

함수 $f$ 가 열린 구간 $(a, b)$ 의 모든 점에서 연속이면, $f$ 는 $(a, b)$ 에서 연속이라 한다. 닫힌 구간 $[a, b]$ 에서의 연속은 $(a, b)$ 에서의 연속에 더하여 다음 조건을 요구한다.

$\lim_{x \to a^+} f(x) = f(a), \qquad \lim_{x \to b^-} f(x) = f(b)$

2.3 연속함수의 성질

연속함수들 사이에는 다음의 연산이 성립한다. $f$ 와 $g$ 가 점 $a$ 에서 연속이면:

$f + g$ , $f - g$ , $f \cdot g$ 는 $a$ 에서 연속이다.
$g(a) \neq 0$ 이면 $f/g$ 도 $a$ 에서 연속이다.
$g$ 가 $a$ 에서 연속이고 $f$ 가 $g(a)$ 에서 연속이면, 합성함수 $f \circ g$ 도 $a$ 에서 연속이다.

2.4 중간값 정리 (Intermediate Value Theorem)

$f$ 가 닫힌 구간 $[a, b]$ 에서 연속이고 $f(a) \neq f(b)$ 이면, $f(a)$ 와 $f(b)$ 사이의 임의의 값 $c$ 에 대해

$f(\xi) = c$

를 만족하는 $\xi \in (a, b)$ 가 적어도 하나 존재한다. 이 정리는 로봇공학에서 비선형 방정식의 해의 존재성을 보장하는 데 사용된다. 예를 들어, 역기구학 방정식 $f(\mathbf{q}) = \mathbf{x}_d$ 의 해가 존재하는지를 판별할 때 활용된다.

2.5 최대-최소 정리 (Extreme Value Theorem)

$f$ 가 닫힌 구간 $[a, b]$ 에서 연속이면, $f$ 는 $[a, b]$ 에서 최댓값과 최솟값을 가진다. 즉, 다음을 만족하는 $x_{\max}, x_{\min} \in [a, b]$ 가 존재한다.

$f(x_{\min}) \leq f(x) \leq f(x_{\max}), \quad \forall x \in [a, b]$

이 정리는 최적화 문제에서 유한한 탐색 영역 내에서 최적해가 반드시 존재함을 보장하는 이론적 근거가 된다.

3. 다변수 함수에서의 극한과 연속

로봇공학의 함수는 대부분 다변수이므로, 다변수 함수로의 확장이 필요하다.

3.1 다변수 함수의 극한

함수 $f: \mathbb{R}^n \to \mathbb{R}$ 에 대해 다음과 같이 정의한다.

$\lim_{\mathbf{x} \to \mathbf{a}} f(\mathbf{x}) = L \iff \forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; 0 < \lVert \mathbf{x} - \mathbf{a} \rVert < \delta \implies \lvert f(\mathbf{x}) - L \rvert < \varepsilon$

여기서 $\lVert \cdot \rVert$ 는 유클리드 노름(Euclidean norm)이다. 일변수 함수와 달리, 다변수 함수에서는 $\mathbf{x}$ 가 $\mathbf{a}$ 에 접근하는 경로가 무한히 많으므로, 극한이 존재하려면 모든 경로에 대해 동일한 값에 수렴해야 한다.

3.2 다변수 함수의 연속

함수 $f: \mathbb{R}^n \to \mathbb{R}$ 가 점 $\mathbf{a}$ 에서 연속이라 함은 다음이 성립하는 것이다.

$\lim_{\mathbf{x} \to \mathbf{a}} f(\mathbf{x}) = f(\mathbf{a})$

로봇의 순기구학 함수 $f: \mathbb{R}^n \to \mathbb{R}^m$ 은 삼각함수의 합성으로 구성되므로 관절 공간 전체에서 연속이다. 이는 로봇 궤적 계획에서 관절 변수의 연속적 변화가 말단장치 위치의 연속적 변화를 보장함을 의미한다.

4. 균등 연속과 리프시츠 연속

4.1 균등 연속 (Uniform Continuity)

함수 $f$ 가 집합 $D$ 에서 균등 연속이라 함은, $\delta$ 가 점 $a$ 에 의존하지 않고 $\varepsilon$ 에만 의존하도록 선택될 수 있는 것이다.

$\forall \varepsilon > 0, \; \exists \delta > 0 \;\text{such that}\; \forall x, y \in D, \;\; \lvert x - y \rvert < \delta \implies \lvert f(x) - f(y) \rvert < \varepsilon$

4.2 리프시츠 연속 (Lipschitz Continuity)

함수 $f: D \to \mathbb{R}$ 가 리프시츠 연속이라 함은, 상수 $K \geq 0$ 이 존재하여 모든 $x, y \in D$ 에 대해 다음이 성립하는 것이다.

$\lvert f(x) - f(y) \rvert \leq K \lvert x - y \rvert$

여기서 $K$ 를 리프시츠 상수(Lipschitz constant)라 한다. 리프시츠 연속성은 로봇 제어 이론에서 매우 중요한데, 미분방정식 $\dot{\mathbf{x}} = f(\mathbf{x}, t)$ 의 해의 존재성과 유일성을 보장하는 피카르-린델뢰프 정리(Picard-Lindelof theorem)의 핵심 조건이기 때문이다. 로봇의 상태 방정식이 리프시츠 조건을 만족하면, 주어진 초기 조건에 대한 궤적이 유일하게 결정된다.

참고 문헌

Rudin, W. (1976). Principles of Mathematical Analysis. 3rd ed. McGraw-Hill.
Apostol, T. M. (1974). Mathematical Analysis. 2nd ed. Addison-Wesley.
Khalil, H. K. (2002). Nonlinear Systems. 3rd ed. Prentice Hall.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.

v 0.1