[공통수학1 시리즈 2편] 다항식의 연산과 배열

1편에서 공통수학1의 전체 구조를 살펴 보았다면, 이번 편에서는 첫 번째 단원인 다항식의 덧셈과 뺄셈을 배열 관점에서 살펴봅니다. 특히 다항식을 컴퓨터의 계수 배열로 표현했을 때, 왜 교환법칙과 결합법칙이 자연스럽게 성립하는지 이해하고, 이 생각이 2변수 다항식으로 어떻게 이어지는지 맛보기까지 보겠습니다.

1. 다항식과 배열의 만남

고등학교에서 다항식의 덧셈과 뺄셈을 배울 때, "교환법칙과 결합법칙이 성립한다"는 사실을 당연하게 받아들이는 경우가 많습니다. 하지만 왜 성립하는지, 그리고 이것이 컴퓨터에서 어떻게 표현되는지 이해하면 수학의 구조를 더 깊이 파악할 수 있습니다.

1.1 다항식을 배열로 표현하기

다항식을 배열(array)로 표현하면 연산의 본질이 명확해집니다. 각 배열의 인덱스는 차수를, 값은 계수를 나타냅니다.

예시:

• $P(x) = 3x^2 + 2x + 5$ → 최고차항부터 [3, 2, 5]
• $Q(x) = x^2 + 4x + 1$ → [1, 4, 1]

배열 표현의 핵심은 같은 차수의 계수가 같은 위치에 저장된다는 것입니다. 이를 통해 덧셈, 뺄셈, 곱셈 등의 연산을 단순한 배열 연산으로 처리할 수 있습니다.

1차원 배열의 의미:

다항식을 배열 [3, 2, 5]로 표현하는 것은 수학적으로 순서쌍(ordered tuple) 또는 벡터 (vector)로 볼 수 있습니다.

• 순서쌍: $(3, 2, 5)$ - 각 위치가 특정 의미를 가짐
• 벡터: $\vec{v} = (3, 2, 5)$ - 공간에서의 점 또는 방향을 표현

이 관점에서 다항식의 덧셈은 벡터의 덧셈과 동일합니다: $\vec{a} + \vec{b} = (a_1 + b_1, a_2 + b_2, a_3 + b_3)$

컴퓨터 과학에서는 이러한 1차원 배열을 리스트(list) 또는 배열(array)라고 부릅니다.

🎯 직접 실습해보기: 아래 도구에서 다항식을 입력하고 배열로 변환되는 과정을 실시간으로 확인할 수 있습니다.

1.2 배열로 덧셈하기

왜 배열로 덧셈을 할까요?

전통적인 다항식 덧셈은 "동류항끼리 모아서 더한다"는 규칙을 따릅니다. 예를 들어:

이를 풀려면:

1. $3x^2$과 $x^2$를 찾아 더하기 → $4x^2$
2. $2x$와 $4x$를 찾아 더하기 → $6x$
3. $5$와 $1$을 더하기 → $6$

배열에서는 이 과정이 훨씬 단순해집니다.

각 항의 차수(제곱의 수)가 배열의 인덱스가 되고, 계수가 값이 됩니다. 따라서 같은 인덱스 위치의 값끼리 더하기만 하면 됩니다.

• 첫 번째 원소: $3 + 1 = 4$ ($x^2$의 계수)
• 두 번째 원소: $2 + 4 = 6$ ($x$의 계수)
• 세 번째 원소: $5 + 1 = 6$ (상수항)

즉, 배열의 덧셈은 같은 위치(인덱스)에 있는 숫자끼리 더하는 것입니다.

이 결과는 $4x^2 + 6x + 6$에 해당합니다.

이 방식의 장점:

• 컴퓨터가 처리하기 쉬움: 배열은 메모리에 연속으로 저장되므로 빠른 접근 가능
• 병렬 처리 가능: 각 위치의 덧셈이 독립적이라 GPU 등으로 동시 계산 가능
• 일반화 용이: 3차, 4차, n차 다항식 모두 동일한 방식으로 처리

NumPy는 Python의 과학 계산 라이브러리로, 배열 연산을 효율적으로 처리합니다. 아래 코드에서는 np.array()로 다항식을 배열로 표현하고, + 연산자로 자동으로 요소별 덧셈을 수행합니다.

# NumPy 배열로 다항식 표현 (더 효율적)
P = np.array([3, 2, 5])  # 3x² + 2x + 5
Q = np.array([1, 4, 1])  # x² + 4x + 1

# NumPy의 벡터화 연산 (자동으로 요소별 덧셈)
result = P + Q
print(f"P + Q = {result}")  # [4 6 6] → 4x² + 6x + 6
print(f"결과 다항식: {result[0]}x² + {result[1]}x + {result[2]}")

# np.polyadd() 함수 사용 (다항식 덧셈 전용)
result2 = np.polyadd(P, Q)
print(f"np.polyadd 결과: {result2}")  # [4 6 6]

2. 연산법칙의 비밀

2.1 왜 교환법칙·결합법칙이 성립할까?

교환법칙 ($A + B = B + A$):

배열 덧셈은 요소별(element-wise)로 이루어집니다. 각 위치의 계수끼리 더할 때, 순서가 $p_i + q_i$이든 $q_i + p_i$이든 결과는 같습니다.

이것이 성립하는 이유는 실수의 교환법칙에서 비롯됩니다. 각 계수가 실수이므로, 실수 덧셈의 교환법칙이 보장됩니다.

결합법칙 ($(A + B) + C = A + (B + C)$):

배열 연산의 결합적 성질 역시 실수의 결합법칙에서 유래합니다.

NumPy의 array_equal() 함수를 사용하면 두 배열이 같은지 쉽게 검증할 수 있습니다. 벡터화 연산으로 인해 $(A + B) + C$와 $A + (B + C)$가 동일한지 직접 확인할 수 있습니다.

A = np.array([2, 3, -1, 4])  # 2x³ + 3x² - x + 4
B = np.array([1, -2, 3, 1])  # x³ - 2x² + 3x + 1
C = np.array([0, 1, 0, 2])   # x² + 2

# (A + B) + C
left = (A + B) + C

# A + (B + C)
right = A + (B + C)

# NumPy의 array_equal로 검증
print(np.array_equal(left, right))  # True
print(f"(A + B) + C = {left}")
print(f"A + (B + C) = {right}")

# 교환법칙도 동시에 검증
print(f"A + B == B + A: {np.array_equal(A + B, B + A)}")  # True

수학적 근거 정리:

2.2 예시 문제로 검증하기

문제 1: 다음 두 다항식을 배열로 표현하고 덧셈하시오.

• $A(x) = 2x^3 + 3x^2 - x + 4$
• $B(x) = x^3 - 2x^2 + 3x + 1$

해설:

• $A$ → 최고차항부터: [2, 3, -1, 4]
• $B$ → [1, -2, 3, 1]
• $A + B$ → [2+1, 3+(-2), -1+3, 4+1] = [3, 1, 2, 5]
• 다항식으로 환원: $3x^3 + x^2 + 2x + 5$

문제 2: 다음 등식이 성립함을 배열 연산으로 설명하시오. $(2x^2 + 3x + 1) + (x^2 - 2x + 4) = (x^2 - 2x + 4) + (2x^2 + 3x + 1)$

해설:

• 좌변: [2, 3, 1] + [1, -2, 4] = [3, 1, 5]
• 우변: [1, -2, 4] + [2, 3, 1] = [3, 1, 5]
• 배열 덧셈의 교환법칙에 의해 성립

🧠 직접 풀어보기: 아래 퀴즈에서 다항식 배열 변환을 연습할 수 있습니다.

3. 뺄셈의 원리

3.1 -(배열) = (-1) × 배열

뺄셈은 사실 덧셈의 특수한 형태입니다. 다항식의 뺄셈은 음수를 곱한 후 덧셈하는 것과 같습니다.

핵심 개념:

$P(x) - Q(x) = P(x) + (-Q(x))$

배열로 표현하면:

• $Q(x) = [q_2, q_1, q_0]$일 때
• $-Q(x) = [-q_2, -q_1, -q_0]$

즉, 배열의 각 원소에 -1을 곱하면 됩니다.

구체적 예시:

$P(x) = 3x^2 + 2x + 5$ → [3, 2, 5]

$Q(x) = x^2 + 4x + 1$ → [1, 4, 1]

$P(x) - Q(x)$ 계산 과정:

1. Q의 부호 반전:

   • $-Q(x) = -x^2 - 4x - 1$
   • 배열로: -[1, 4, 1] = [-1, -4, -1]

2. 덧셈 수행:

   P:      [3,  2,  5]
   -Q:  + [-1, -4, -1]
   ------------------
   결과:   [2, -2,  4]
   

3. 다항식으로 변환:

   • [2, -2, 4] → $2x^2 - 2x + 4$

왜 이렇게 하는가?

이 방식의 장점은 뺄셈도 덧셈과 동일한 알고리즘으로 처리할 수 있다는 것입니다. 컴퓨터는 복잡한 뺄셈 연산 대신, 간단한 "부호 바꾸기 + 덧셈" 두 가지 기본 연산만으로 뺄셈을 구현합니다.

NumPy에서는 - 연산자나 np.polysub() 함수를 사용하여 간단하게 뺄셈을 수행할 수 있습니다. -Q는 배열의 각 원소에 -1을 곱한 것과 동일합니다.

P = np.array([3, 2, 5])  # 3x² + 2x + 5
Q = np.array([1, 4, 1])  # x² + 4x + 1

# NumPy의 뺄셈 연산자
result = P - Q
print(f"P - Q = {result}")  # [ 2 -2  4] → 2x² - 2x + 4

# 또는 np.polysub() 함수 사용
result2 = np.polysub(P, Q)
print(f"np.polysub 결과: {result2}")  # [ 2 -2  4]

# -Q는 자동으로 각 원소에 -1을 곱함
negative_Q = -Q
print(f"-Q = {negative_Q}")  # [-1 -4 -1]

# P + (-Q)로도 동일한 결과
result3 = P + (-Q)
print(f"P + (-Q) = {result3}")  # [ 2 -2  4]

3.2 직접 연습하기

문제 3: $A(x) = x^2 + 3x - 2$, $B(x) = 2x^2 - x + 5$일 때, $2A - B$를 배열 연산으로 구하시오.

해설:

• $A$ → [1, 3, -2]
• $B$ → [2, -1, 5]
• $2A$ → [2, 6, -4]
• $2A - B$ → [2-2, 6-(-1), -4-5] = [0, 7, -9]
• 결과: $7x - 9$

NumPy를 사용하면 뺄셈도 마찬가지로 간단하게 처리할 수 있습니다. 스칼라 곱셈(예: 2A)도 * 연산자로 자동으로 수행됩니다.

# 다항식 뺄셈
P = np.array([3, 2, 5])  # 3x² + 2x + 5
Q = np.array([1, 4, 1])  # x² + 4x + 1

diff = P - Q
print(f"P - Q = {diff}")  # [ 2 -2  4] → 2x² - 2x + 4

# 문제 3: 2A - B 계산
A = np.array([1, 3, -2])   # x² + 3x - 2
B = np.array([2, -1, 5])   # 2x² - x + 5

# 스칼라 곱셈 (2 * A)도 자동 수행
result = 2 * A - B
print(f"2A - B = {result}")  # [0 7 -9] → 7x - 9

💡 핵심 정리: 다항식의 연산 법칙(교환법칙, 결합법칙, 분배법칙)이 성립하는 이유는 각 계수가 실수이고, 실수의 연산 법칙이 성립하기 때문입니다. 배열 표현은 이 사실을 직관적으로 보여줍니다.

🎯 연습하기: 아래 도구에서 두 다항식의 덧셈과 뺄셈을 직접 연습할 수 있습니다.

4. 다음 단계: 2변수로의 확장

지금까지 1변수 다항식을 배열로 표현하고, 교환법칙과 결합법칙이 성립하는 이유를 살펴 보았습니다. 이제 이 개념을 2변수, 3변수로 확장할 준비가 되었습니다.

4.1 왜 2변수가 필요한가?

현실 세계의 많은 현상은 단순히 하나의 변수로 설명할 수 없습니다. 예를 들어:

4.2 2변수 다항식의 배열 표현

$P(x, y) = 3x^2y + 2xy^2 + 5x + 7y + 1$처럼 두 개의 변수를 가진 다항식은 **2차원 배열(행렬)**로 표현됩니다.

행렬 표현:

• 행: $x^0, x^1, x^2$ 순서
• 열: $y^0, y^1, y^2$ 순서

핵심 인사이트: 1변수 다항식이 1차원 배열(벡터)로 표현된다면, 2변수 다항식은 2차원 배열(행렬)로 표현됩니다.

4.3 다음 편에서 계속

**공통수학1 시리즈 3편: 2변수 다항식과 행렬**에서:

• 2변수 다항식의 구조와 행렬 표현
• 행렬 덧셈을 통한 다항식 연산
• 이미지 처리, 물리 시뮬레이션 등 실제 활용 사례

를 심도 있게 다루겠습니다.

5. 마치며

이번 편에서는 다항식을 배열로 표현했을 때 왜 덧셈과 뺄셈이 자연스럽게 처리되는지, 그리고 왜 교환법칙과 결합법칙이 성립하는지 살펴 보았습니다. 다항식의 덧셈·뺄셈 법칙은 결국 실수의 연산 법칙을 따르기 때문이며, 배열 표현은 이 사실을 직관적으로 시각화해 줍니다.

이제 1변수 다항식의 배열 표현과 기본 연산 구조를 이해했고, 마지막 섹션에서 2변수 확장의 모양도 살짝 확인했습니다. 다음 편에서는 이 확장을 본격적으로 다루며, 행렬을 통한 다항식 표현과 연산을 배워 보겠습니다.

다음 편: 2변수 다항식과 행렬 →