등비급수: 공식, 수렴, 예시

유한·무한합 공식, 수렴 조건, 금융·물리·컴퓨터 과학 등 실제 활용을 다루는 등비급수 실전 가이드.

업데이트됨 2026년 5월 4일 · 8분 읽다

1 + 2 + 4 + 8 + ... 같은 합을 하나의 간단한 공식으로 표현할 수 있다고 궁금해하신 적이 있나요?

급수는 수열의 항들을 더한 합입니다. 매번 같은 수를 곱해가며 항이 커지거나 작아진다면 그것이 등비급수입니다. 그 일정한 곱을 공비라고 하며, 이것이 등비급수의 핵심입니다.

등비급수는 대출 상환, 신호 감쇠, 알고리즘 분석 등 어디에나 나타납니다. 이를 다룰 줄 아는 것은 데이터 작업을 하는 이들에게 필수적인 수학 역량입니다.

이 글에서는 핵심 공식을 정리하고, 무한 등비급수가 실제로 유한한 합을 가질 때를 설명하며, 실제 예시를 통해 살펴보겠습니다.

파이썬 기초를 알고 계시다면 이제 흥미로운 내용을 배울 준비가 되었습니다. 16시간 분량의 Machine Learning Fundamentals in Python 과정에 등록해 보세요.

등비급수란?

등비급수는 각 항이 이전 항에 일정한 비율을 곱해 얻어지는 항들의 합입니다.

예를 들어 1 + 2 + 4 + 8 + 16에서는 각 항이 바로 앞 항의 두 배입니다. 이 두 배가 되는 요인이 등비성을 만듭니다.

모든 등비급수를 정의하는 값은 두 가지입니다:

첫째항(a) - 급수의 시작값
공비(r) - 다음 항을 얻기 위해 각 항에 곱하는 일정한 값

만약 a = 1이고 r = 2라면 1 + 2 + 4 + 8 + ...가 됩니다. a = 3이고 r = 0.5라면 3 + 1.5 + 0.75 + ...가 됩니다. 구조는 항상 같습니다.

이게 전부입니다. 모든 등비급수는 a에서 시작해 각 단계마다 r을 곱하는 반복 곱셈의 합일 뿐입니다.

등비수열 vs 등비급수

두 용어가 자주 혼동되지만, 차이는 한 문장으로 설명됩니다.

등비수열은 1, 2, 4, 8, 16처럼 숫자를 나열한 것이고, 등비급수는 그것들을 더한 1 + 2 + 4 + 8 + 16 = 31입니다.

숫자는 동일하지만 연산이 다릅니다. 수열은 나열하고, 급수는 더합니다.

유한 등비급수의 공식

등비급수의 처음 n개 항의 합은 다음 공식으로 정의됩니다:

처음 n개 항의 합 공식

여기서:

a = 첫째항
r = 공비
n = 항의 개수

간단한 예시를 살펴봅시다. 1 + 2 + 4 + 8의 처음 4개 항을 더하고자 한다고 합시다. 여기서 a = 1, r = 2, n = 4입니다.

간단한 등비급수 예시

직접 확인해 보면 1 + 2 + 4 + 8 = 15입니다. 공식은 한 번에 결과를 줍니다. n이 커질수록 이 차이는 중요해집니다.

무한 등비급수와 수렴

머릿속으로 받아들이기 낯선 개념이지만, 무한 급수도 유한한 합을 가질 수 있습니다.

예를 들어 1 + 0.5 + 0.25 + 0.125 + ...를 보세요. 항을 영원히 더할 수 있지만, 전체 합은 2를 넘지 않습니다. 각 새 항이 이전 항보다 작아지기 때문입니다. 충분히 작아져서 합이 무한히 커지지 않고 어떤 값에 점점 가까워집니다.

이런 성질을 수렴이라 하며, 단 하나의 조건에서만 일어납니다: |r| < 1.

공비가 -1과 1 사이(양끝 제외)에 있으면, 진행할수록 각 항이 작아집니다. 항들이 0에 가까워지므로 더해지는 값이 점점 줄어들고, 합이 안정됩니다.

만약 |r| ≥ 1이면 항이 줄어들지 않습니다. 같거나 커지므로 합은 계속 증가합니다. 이것이 발산 급수이며, 유한한 합이 없습니다.

r에 붙은 절댓값 기호도 중요합니다. 공비가 -0.5여도 수렴합니다. 부호는 번갈아 바뀌지만 항들은 여전히 0을 향해 작아지기 때문입니다.

무한 등비급수의 공식

|r| < 1일 때, 무한 등비급수의 합은 다음 하나의 공식으로 구할 수 있습니다:

무한 등비급수 공식

a는 첫째항, r은 공비입니다. 끝나지 않는 급수이므로 n은 필요 없습니다.

이전 섹션의 예시를 사용해 봅시다: 1 + 0.5 + 0.25 + 0.125 + ... 여기서 a = 1, r = 0.5입니다.

무한 등비급수 예시

무한합은 정확히 2입니다. 항을 계속 더해도 이를 넘지 않습니다.

이 공식은 |r| < 1일 때만 작동한다는 점이 중요합니다. 급수가 발산하면 공식은 더 이상 유효하지 않으며 무의미한 결과를 줍니다. 적용 전에는 항상 수렴 조건을 확인하세요.

수렴이 중요한 이유

모든 무한 급수가 유한한 합에 수렴하는 것은 아닙니다. 어떤 것은 계속 커집니다.

1 + 2 + 4 + 8 + ...를 보세요. 여기서는 r = 2이므로 각 항이 이전 항보다 큽니다. 합에는 한계가 없고, 끝없이 커집니다. 이는 발산 급수이며, 무한합 공식을 적용하면 무의미한 결과를 얻게 됩니다.

r = 1일 때도 마찬가지입니다. 3 + 3 + 3 + 3 + ...은 누적이 멈추지 않으므로 유한한 합이 존재하지 않습니다.

그래서 공식을 쓰기 전 |r| < 1을 확인하는 것이 필수입니다. 급수가 발산하는데도 공식이 눈에 띄게 실패하지는 않습니다. 그럴듯해 보이지만 완전히 잘못된 숫자를 줄 뿐입니다.

파이썬으로 보는 등비급수

지금까지의 내용을 코드로 옮겨 봅시다. 유한합과 무한합 공식을 모두 구현하고, 결과를 검증하며, 항을 더해 갈수록 부분합이 어떻게 변하는지 시각화하겠습니다.

유한 등비급수

유한 등비급수 공식을 구현하는 데 필요한 파이썬 로직은 다음과 같습니다:

def finite_geometric_sum(a, r, n):
    if r == 1:
        return a * n
    return a * (1 - r**n) / (1 - r)

result = finite_geometric_sum(a=1, r=2, n=4)
print(f"Finite sum (a=1, r=2, n=4): {result}")

파이썬으로 구현한 유한 등비급수

무한 등비급수

무한급수도 비슷하지만, 조건을 위반하면 오류를 발생시키면 됩니다:

def infinite_geometric_sum(a, r):
    if abs(r) >= 1:
        raise ValueError(f"Series diverges for |r| >= 1. Got r={r}.")
    return a / (1 - r)

# Example: 1 + 0.5 + 0.25 + ... (a=1, r=0.5)
result = infinite_geometric_sum(a=1, r=0.5)
print(f"Infinite sum (a=1, r=0.5): {result}")

파이썬으로 구현한 무한 등비급수

이 함수는 |r| >= 1일 때 오류를 발생시켜, 조용히 잘못된 답을 내지 않도록 합니다.

수렴 시각화

이제 흥미로워집니다. 수렴하는 급수라면, 부분합은 n이 커질수록 이론적 한계에 가까워져야 합니다. 이를 그래프로 그려봅시다.

import numpy as np
import matplotlib.pyplot as plt

COLOR_DARK = "#1a1a2e"
COLOR_GREEN = "#03EF62"
COLOR_LIGHT_GRAY = "#cccccc"

a, r = 1, 0.5
n_terms = 30
theoretical_limit = infinite_geometric_sum(a, r)

# Compute partial sums
terms = a * r ** np.arange(n_terms)
partial_sums = np.cumsum(terms)

# Plot
fig, ax = plt.subplots(figsize=(10, 5), facecolor=COLOR_DARK)
ax.set_facecolor(COLOR_DARK)

ax.plot(range(1, n_terms + 1), partial_sums, color=COLOR_GREEN, linewidth=2, label="Partial sums")
ax.axhline(y=theoretical_limit, color=COLOR_LIGHT_GRAY, linewidth=1, linestyle="--", label=f"Limit = {theoretical_limit}")

ax.scatter(range(1, n_terms + 1), partial_sums, color=COLOR_LIGHT_GRAY, s=30, zorder=3)

# Style
for spine in ax.spines.values():
    spine.set_visible(False)
ax.spines["bottom"].set_visible(True)
ax.spines["bottom"].set_color(COLOR_LIGHT_GRAY)
ax.spines["bottom"].set_alpha(0.3)

ax.tick_params(colors=COLOR_LIGHT_GRAY)
ax.xaxis.label.set_color(COLOR_LIGHT_GRAY)
ax.yaxis.label.set_color(COLOR_LIGHT_GRAY)
ax.set_xlabel("Number of terms")
ax.set_ylabel("Partial sum")
ax.set_title("Convergence of geometric series (a=1, r=0.5)", color=COLOR_LIGHT_GRAY, pad=15)

legend = ax.legend(facecolor=COLOR_DARK, edgecolor=COLOR_LIGHT_GRAY, labelcolor=COLOR_LIGHT_GRAY)
legend.get_frame().set_alpha(0.3)

plt.tight_layout()
plt.show()

수렴하는 급수 시각화

부분합은 2.0에 가까워지며 평평해집니다. 실제로 이것이 수렴의 모습입니다. 추가되는 각 항의 기여가 이전보다 작아지고, 곡선은 이론적 한계에 안착합니다.

등비급수의 대표적 활용

등비급수는 금융, 물리, 컴퓨터 과학 전반에서 나타나는 실제 패턴을 모델링합니다.

가장 익숙한 예는 금융입니다. 일정 이자율로 투자하면 각 기간의 잔액은 이전 잔액에 일정한 배수를 곱한 값입니다. 시간에 따라 복리 수익이 누적된 총액은 등비급수입니다. 대출 상환과 연금 계산도 같은 구조를 따릅니다.

물리학에서는 감쇠 과정을 모델링할 때 등비급수를 사용합니다. 방사성 붕괴, 신호 감쇠, 에너지 소산은 각 단계에서 일정 비율만큼 양이 줄어드는 패턴을 따릅니다. 무한한 시간 동안 붕괴되는 총량을 수렴하는 등비급수로 볼 수 있습니다.

컴퓨터 과학에서는 알고리즘 분석에서 등비급수가 나타납니다. 각 단계에서 문제 크기를 절반으로 줄이는 재귀 알고리즘(이진 탐색, 병합 정렬 등)은 전체 단계에서 수행되는 총 작업량을 합산하면 등비급수를 이룹니다. 또한 용량이 일정 배수로 증가하는 메모리 할당 방식이나 자료구조 크기 조정 전략에서도 등장합니다.

등비급수에서 자주 하는 실수

등비급수에서 발생하는 대부분의 오류는 몇 가지 정의를 잘못 읽거나 공식을 잘못 적용해서 생깁니다.

수열과 급수를 혼동

가장 흔한 실수입니다. 수열은 나열, 급수는 합입니다. 누군가 "등비급수"를 묻는데 항만 나열하면 엉뚱한 답을 한 것입니다. 특히 답이 하나의 숫자로 기대될 때 구분이 중요합니다.

|r| ≥ 1인데 무한합 공식을 적용

눈에 띄지 않는 실수입니다. 공식 S = a / (1 - r)는 급수가 수렴할 때만 유효합니다. r = 2를 넣어 그럴듯한 숫자가 나와도, 그 숫자는 무의미합니다. 항상 먼저 |r| < 1을 확인하세요.

공비를 잘못 파악

생각보다 까다로운 부분입니다. 공비 r은 다음 항을 얻기 위해 곱하는 값입니다. 항들 간의 차이도 아니고, 첫째항을 둘째항으로 나눈 값도 아닙니다. 3 + 6 + 12 + 24에서 공비는 2이지 3이 아닙니다. 임의의 항을 그 바로 앞 항으로 나누어 r을 구하고, 몇 쌍을 더 확인해 값이 실제로 일정한지 점검하세요.