미분방정식 (Differential Equations)

미분방정식은 미지 함수와 그 도함수 사이의 관계를 나타내는 방정식입니다. 물리학, 공학, 생물학, 경제학 등 자연현상을 수학적으로 모델링하는 핵심 도구이며, 뉴턴 이래 과학의 발전과 함께 성장해온 수학 분야입니다.

미분방정식이란? — "미지의 함수를 찾는 방정식"

보통의 방정식은 미지의 숫자를 찾습니다. 예를 들어 $x^2 - 5x + 6 = 0$의 답은 $x = 2$ 또는 $x = 3$이라는 숫자입니다.

미분방정식은 미지의 함수를 찾습니다. 예를 들어 $y' = 2y$의 답은 $y = Ce^{2t}$라는 함수입니다. "변화율($y'$)이 현재 값($y$)에 비례한다"는 조건을 만족하는 함수를 찾는 것입니다.

이런 곳에 쓰여요

선수 지식: 미적분학

난이도: ★★★★☆ (대학교)

미분방정식의 분류

미분방정식을 체계적으로 공부하려면, 먼저 여러 가지 분류 기준을 명확히 이해해야 합니다. 분류에 따라 풀이 방법이 완전히 달라지기 때문입니다.

ODE vs PDE

• 상미분방정식(Ordinary Differential Equation, ODE): 독립변수가 하나인 미분방정식입니다. 예: $\frac{dy}{dx} + 2y = 0$
• 편미분방정식(Partial Differential Equation, PDE): 독립변수가 둘 이상인 미분방정식입니다. 예: $\frac{\partial u}{\partial t} = k\frac{\partial^2 u}{\partial x^2}$

계(Order)와 차수(Degree)

계란 방정식에 나타나는 가장 높은 도함수의 미분 횟수입니다. 차수란 가장 높은 계의 도함수가 몇 제곱인지를 나타냅니다. 단, 차수가 정의되려면 방정식이 도함수에 대해 다항식 형태여야 합니다.

선형(Linear) vs 비선형(Nonlinear)

$n$계 선형 ODE의 일반형은 다음과 같습니다:

여기서 핵심 조건은 두 가지입니다:

1. 미지 함수 $y$와 그 도함수들이 모두 1차로만 나타나야 합니다 (제곱이나 세제곱 등이 없어야 합니다).
2. $y$와 도함수들의 곱이 없어야 합니다 (예: $y \cdot y'$ 같은 항이 없어야 합니다).

동차(Homogeneous) vs 비동차(Nonhomogeneous)

선형 ODE에서 우변 $f(x) = 0$이면 동차, $f(x) \neq 0$이면 비동차입니다.

• 동차: $y'' + 3y' + 2y = 0$
• 비동차: $y'' + 3y' + 2y = \sin x$

비동차 방정식의 일반해는 동차해(여해, complementary solution) $y_h$와 특수해(particular solution) $y_p$의 합입니다:

상미분방정식 개요

상미분방정식(Ordinary Differential Equation, ODE)은 하나의 독립변수에 대한 미분방정식입니다.

기본 용어

해의 종류

• 일반해(General Solution): 임의 상수를 포함한 해 ($n$계 ODE는 $n$개의 상수)
• 특수해(Particular Solution): 초기 조건(IC) 또는 경계 조건(BC)으로 상수가 결정된 해
• 특이해(Singular Solution): 일반해에 포함되지 않는 해

초기값 문제(Initial Value Problem, IVP)와 경계값 문제(Boundary Value Problem, BVP)

미분방정식의 해를 유일하게 결정하려면 추가 조건이 필요합니다.

• 초기값 문제(IVP): 한 점에서의 함수값과 도함수값을 지정합니다. 예: $y'' + y = 0$, $y(0) = 1$, $y'(0) = 0$
• 경계값 문제(BVP): 서로 다른 두 점에서의 조건을 지정합니다. 예: $y'' + y = 0$, $y(0) = 0$, $y(\pi) = 0$

IVP는 시간 진행에 따른 문제(물체의 운동 등)에, BVP는 공간의 양 끝 조건이 주어진 문제(정상 상태 열분포 등)에 주로 등장합니다.

존재성과 유일성 정리

미분방정식을 풀기 전에, "해가 존재하는가?"와 "해가 유일한가?"라는 근본적인 질문에 답해야 합니다. 이 두 질문은 수학적으로 매우 중요합니다.

피카르-린델뢰프 정리 (Picard-Lindelof Theorem)

립시츠 조건(Lipschitz Condition)이란?

립시츠 조건은 직관적으로 "$f$가 $y$ 방향으로 너무 급격하게 변하지 않는다"는 것을 의미합니다. 만약 $f$가 $y$에 대해 편미분 가능하고 $\frac{\partial f}{\partial y}$가 $R$ 위에서 유계(bounded)이면, 립시츠 조건이 자동으로 만족됩니다.

립시츠 조건이 실패하는 예: $y' = 3y^{2/3}$, $y(0) = 0$을 생각합시다.

여기서 $f(x,y) = 3y^{2/3}$이고, $\frac{\partial f}{\partial y} = 2y^{-1/3}$입니다. $y = 0$ 근방에서 이 편도함수는 무한대로 발산하므로 립시츠 조건이 만족되지 않습니다.

실제로 이 방정식은 $y = 0$ (자명한 해)과 $y = (x - c)^3$ (비자명한 해) 두 종류의 해를 가집니다. 유일성이 보장되지 않는 것입니다.

피카르 반복법 (Picard Iteration)

피카르-린델뢰프 정리의 증명에 사용되는 피카르 반복법은 해를 구성적으로 찾는 방법이기도 합니다. 초기값 문제 $y' = f(x,y)$, $y(x_0) = y_0$을 적분 방정식으로 바꾸면:

이 식으로부터 반복적으로 근사해를 구합니다:

예시: $y' = y$, $y(0) = 1$에 피카르 반복법을 적용합니다.

$y_0(x) = 1$

$y_1(x) = 1 + \int_0^x 1\,dt = 1 + x$

$y_2(x) = 1 + \int_0^x (1+t)\,dt = 1 + x + \frac{x^2}{2}$

$y_3(x) = 1 + \int_0^x \left(1 + t + \frac{t^2}{2}\right)dt = 1 + x + \frac{x^2}{2} + \frac{x^3}{6}$

패턴을 보면 $y_n(x) = \sum_{k=0}^{n} \frac{x^k}{k!}$이며, $n \to \infty$에서 $y(x) = e^x$에 수렴합니다. 이것이 정확한 해입니다.

1계 ODE

변수 분리형 (Separable)

$\frac{dy}{dx} = f(x)g(y)$ 형태:

예시 1 (인구 성장 모델): $\frac{dP}{dt} = 0.03P$, $P(0) = 1000$ (초기 인구 1000명, 연 증가율 3%)

1단계: 변수를 분리합니다.

2단계: 양변을 적분합니다.

3단계: 양변에 지수를 취합니다.

4단계: 초기조건 $P(0) = 1000$을 대입합니다. $A = 1000$.

이 결과에 의하면, 23년 후($t=23$) 인구는 약 $1000 \times e^{0.69} \approx 2000$명으로 두 배가 됩니다.

예시 2 (로지스틱 방정식): $\frac{dP}{dt} = rP\left(1 - \frac{P}{K}\right)$, $P(0) = P_0$

이 방정식은 환경의 수용력(Carrying Capacity) $K$를 고려한 더 현실적인 인구 모델입니다. 인구가 $K$에 가까워질수록 성장률이 0에 가까워집니다.

1단계: 변수를 분리합니다.

2단계: 좌변을 부분분수 분해합니다.

3단계: 양변을 적분합니다.

4단계: 정리하면 시그모이드(S자) 곡선을 얻습니다.

$t \to \infty$에서 $P(t) \to K$이므로, 인구는 수용력 $K$에 수렴합니다.

1계 선형 ODE

$y' + P(x)y = Q(x)$ 형태. 적분인자(Integrating Factor) $\mu(x) = e^{\int P(x)\,dx}$를 사용합니다.

예시 (단계별 풀이): $y' + 2y = e^{-x}$, $y(0) = 1$

1단계: $P(x) = 2$를 확인합니다. (이미 표준형입니다)

2단계: 적분인자를 구합니다. $\mu = e^{\int 2\,dx} = e^{2x}$

3단계: 양변에 $\mu = e^{2x}$를 곱합니다.

좌변은 곱의 미분법에 의해 $(e^{2x}y)' = e^x$가 됩니다.

4단계: 양변을 적분합니다. $e^{2x}y = e^x + C$

5단계: $y$에 대해 풀고, 초기조건을 적용합니다.

$y(0) = 1$에서 $1 = 1 + C$이므로 $C = 0$. 따라서 $\boxed{y = e^{-x}}$.

완전미분방정식 (Exact Equation)

$M(x,y)\,dx + N(x,y)\,dy = 0$에서 $\frac{\partial M}{\partial y} = \frac{\partial N}{\partial x}$이면 완전미분방정식입니다.

$F(x,y) = c$인 $F$를 찾습니다: $\frac{\partial F}{\partial x} = M$, $\frac{\partial F}{\partial y} = N$.

예시: $(2xy + 3)\,dx + (x^2 + 4y)\,dy = 0$

1단계: 완전성을 확인합니다. $M = 2xy + 3$, $N = x^2 + 4y$.

$M_y = N_x$이므로 완전합니다.

2단계: $\frac{\partial F}{\partial x} = M = 2xy + 3$을 $x$에 대해 적분합니다.

여기서 $g(y)$는 $y$만의 함수(적분 상수 역할)입니다.

3단계: $\frac{\partial F}{\partial y} = N$을 이용하여 $g(y)$를 결정합니다.

4단계: 해는 다음과 같습니다.

완전하지 않은 경우 — 적분인자

$M_y \neq N_x$일 때, 적절한 적분인자 $\mu$를 곱하여 완전하게 만들 수 있습니다.

• $\frac{M_y - N_x}{N}$이 $x$만의 함수이면, $\mu(x) = e^{\int \frac{M_y - N_x}{N}\,dx}$
• $\frac{N_x - M_y}{M}$이 $y$만의 함수이면, $\mu(y) = e^{\int \frac{N_x - M_y}{M}\,dy}$

베르누이 방정식 (Bernoulli Equation)

$y' + P(x)y = Q(x)y^n$ ($n \neq 0, 1$) 형태. $v = y^{1-n}$으로 치환하면 1계 선형으로 변환됩니다:

상세 풀이 예시: $y' + y = y^3$, $y(0) = \frac{1}{2}$

여기서 $P(x) = 1$, $Q(x) = 1$, $n = 3$입니다.

1단계: $v = y^{1-3} = y^{-2}$로 놓으면 $v' = -2y^{-3}y'$입니다.

2단계: 원래 방정식 양변을 $y^3$으로 나눕니다.

$v = y^{-2}$, $v' = -2y^{-3}y'$이므로 $y^{-3}y' = -\frac{1}{2}v'$.

3단계: 이것은 1계 선형 ODE입니다. 적분인자 $\mu = e^{-2x}$.

4단계: $v = y^{-2}$로 되돌립니다.

5단계: 초기조건 $y(0) = 1/2$: $4 = 1 + C$이므로 $C = 3$.

동차방정식 (Homogeneous Type)

$\frac{dy}{dx} = F\left(\frac{y}{x}\right)$ 형태. $v = y/x$로 치환하면 변수 분리형이 됩니다.

예시: $\frac{dy}{dx} = \frac{x + y}{x}$

우변을 정리하면 $1 + \frac{y}{x} = 1 + v$이므로 $F(v) = 1 + v$입니다.

$y = vx$이므로 $y' = v + xv'$. 대입하면:

1계 ODE 분류 요약

2계 선형 ODE

일반형: $a(x)y'' + b(x)y' + c(x)y = f(x)$

선형 독립과 론스키안(Wronskian)

2계 동차 선형 ODE의 일반해는 두 개의 선형 독립인 해 $y_1$, $y_2$의 일차결합으로 표현됩니다:

두 함수 $y_1$, $y_2$가 선형 독립인지는 론스키안(Wronskian)으로 판별합니다:

$W \neq 0$이면 $y_1$, $y_2$는 선형 독립이며, $\{y_1, y_2\}$는 해공간의 기본해집합(Fundamental Set of Solutions)을 이룹니다.

아벨 공식 (Abel's Formula)

$y'' + P(x)y' + Q(x)y = 0$의 두 해 $y_1$, $y_2$에 대하여:

이 공식은 론스키안이 한 점에서 0이 아니면 모든 점에서 0이 아니라는 것을 보여줍니다. 즉 "기본해집합"의 성질은 구간 전체에 걸쳐 성립합니다.

상수계수 동차방정식

$ay'' + by' + cy = 0$에서 $y = e^{rx}$를 대입하면 특성방정식(Characteristic Equation)이 나옵니다:

중근인 경우의 유도 — 왜 $xe^{rx}$가 해입니까?

특성방정식이 중근 $r$을 가지면, 하나의 해 $y_1 = e^{rx}$만 얻을 수 있습니다. 두 번째 독립해를 찾기 위해 계수내림법(Reduction of Order)을 사용합니다. $y_2 = v(x)e^{rx}$로 놓고 원래 방정식에 대입하면:

$e^{rx}$로 나누고, $ar^2 + br + c = 0$ (중근 조건)과 $2ar + b = 0$ (중근이므로)을 이용하면:

따라서 $y_2 = xe^{rx}$가 두 번째 독립해가 됩니다.

복소근인 경우의 유도 — 오일러 공식의 역할

복소근 $r = \alpha \pm \beta i$를 대입하면 복소수 해 $e^{(\alpha+\beta i)x}$, $e^{(\alpha-\beta i)x}$를 얻습니다. 오일러 공식(Euler's Formula) $e^{i\theta} = \cos\theta + i\sin\theta$를 적용하면:

실수 해를 얻기 위해 이 두 복소수 해의 합과 차를 취합니다:

단계별 풀이 예제: 서로 다른 실근

문제: $y'' - 3y' + 2y = 0$, $y(0) = 5$, $y'(0) = 4$

1단계: 특성방정식을 세웁니다. $r^2 - 3r + 2 = 0$

2단계: 인수분해합니다. $(r-1)(r-2) = 0$ → $r_1 = 1$, $r_2 = 2$

3단계: 일반해를 씁니다. $y = C_1 e^x + C_2 e^{2x}$

4단계: 초기조건을 적용합니다.

연립하면 $C_2 = -1$, $C_1 = 6$.

단계별 풀이 예제: 중근

문제: $y'' - 4y' + 4y = 0$, $y(0) = 2$, $y'(0) = 5$

1단계: 특성방정식: $r^2 - 4r + 4 = 0 \implies (r-2)^2 = 0$, 중근 $r = 2$.

2단계: 일반해: $y = (C_1 + C_2 x)e^{2x}$

3단계: 도함수: $y' = C_2 e^{2x} + 2(C_1 + C_2 x)e^{2x} = (2C_1 + C_2 + 2C_2 x)e^{2x}$

4단계: 초기조건 적용:

단계별 풀이 예제: 복소근 (진동 문제)

문제: $y'' + 4y' + 13y = 0$, $y(0) = 1$, $y'(0) = 0$

1단계: 특성방정식: $r^2 + 4r + 13 = 0$

2단계: 근의 공식: $r = \frac{-4 \pm \sqrt{16 - 52}}{2} = \frac{-4 \pm \sqrt{-36}}{2} = -2 \pm 3i$

따라서 $\alpha = -2$, $\beta = 3$입니다.

3단계: 일반해: $y = e^{-2x}(C_1 \cos 3x + C_2 \sin 3x)$

4단계: 초기조건을 적용합니다.

이 해는 $e^{-2x}$ 때문에 진폭이 줄어들면서 $\cos 3x$, $\sin 3x$로 진동하는, 감쇠 진동을 나타냅니다.

비동차방정식의 풀이

일반해 = 동차해(여해) $y_h$ + 특수해 $y_p$

미정계수법 (Method of Undetermined Coefficients)

$f(x)$의 형태에 따라 특수해를 추정합니다:

미정계수법 상세 예시 1: $y'' - 3y' + 2y = 4e^{3x}$

1단계: 동차해를 구합니다. 특성방정식 $r^2 - 3r + 2 = 0 \implies (r-1)(r-2) = 0$. $y_h = C_1 e^x + C_2 e^{2x}$.

2단계: $f(x) = 4e^{3x}$이므로 $y_p = Ae^{3x}$로 추정합니다. ($3$은 특성근이 아니므로 수정 불필요)

3단계: 대입합니다. $y_p' = 3Ae^{3x}$, $y_p'' = 9Ae^{3x}$.

4단계: 일반해: $\boxed{y = C_1 e^x + C_2 e^{2x} + 2e^{3x}}$

미정계수법 상세 예시 2 (수정 규칙 적용): $y'' - 2y' + y = 3e^x$

1단계: 특성방정식 $(r-1)^2 = 0$, 중근 $r = 1$. $y_h = (C_1 + C_2 x)e^x$.

2단계: $f(x) = 3e^x$이므로 처음에는 $y_p = Ae^x$로 추정하지만, 이것은 $y_h$에 포함됩니다. $Axe^x$도 포함됩니다(중근이므로). 따라서 $y_p = Ax^2 e^x$로 수정합니다.

3단계: $y_p = Ax^2 e^x$를 대입합니다.

4단계: $\boxed{y = (C_1 + C_2 x)e^x + \frac{3}{2}x^2 e^x}$

매개변수 변환법 (Variation of Parameters)

동차해 $y_1$, $y_2$가 알려져 있을 때:

여기서 $W = y_1 y_2' - y_2 y_1'$는 론스키안(Wronskian)입니다.

매개변수 변환법 상세 예시: $y'' + y = \sec x$

$f(x) = \sec x$는 미정계수법으로 처리할 수 없으므로 매개변수 변환법을 사용합니다.

1단계: 동차해: $y_1 = \cos x$, $y_2 = \sin x$. 론스키안: $W = \cos x \cdot \cos x - \sin x \cdot (-\sin x) = 1$.

2단계: $u_1'$과 $u_2'$를 구합니다.

3단계: 적분합니다.

4단계: 특수해를 구합니다.

5단계: 일반해:

예시: 감쇠 진동 — 자동차 서스펜션의 수학

용수철-질량-댐퍼 시스템: $my'' + cy' + ky = 0$

여기서 $m$은 질량, $c$는 감쇠 계수(마찰), $k$는 스프링 상수입니다. 특성방정식 $mr^2 + cr + k = 0$의 판별식 $c^2 - 4mk$에 따라 세 가지 경우가 나타납니다:

• 과감쇠 ($c^2 > 4mk$): 마찰이 너무 강하여 진동 없이 느릿느릿 원래 위치로 돌아갑니다. 무거운 문의 도어클로저처럼 천천히 닫힙니다.
• 임계감쇠 ($c^2 = 4mk$): 진동 없이 가장 빠르게 원래 위치로 돌아옵니다. 자동차 서스펜션이 이 상태를 목표로 설계됩니다.
• 부족감쇠 ($c^2 < 4mk$): 진동하면서 서서히 멈춥니다. 충격을 받은 트램펄린처럼 출렁이다가 안정됩니다.

고계 상수계수 선형 ODE

$n$계 상수계수 선형 ODE $a_n y^{(n)} + a_{n-1}y^{(n-1)} + \cdots + a_1 y' + a_0 y = 0$의 특성방정식은 $n$차 다항식입니다:

특성방정식의 근에 따른 일반해 구성 규칙:

예시: $y^{(4)} - 2y'' + y = 0$

특성방정식: $r^4 - 2r^2 + 1 = 0 \implies (r^2 - 1)^2 = 0 \implies r = \pm 1$ (각각 중복도 2)

급수 해법

변수계수 ODE $y'' + P(x)y' + Q(x)y = 0$은 급수 해법으로 풀 수 있습니다.

정칙점(Ordinary Point)에서의 멱급수 해

$x = x_0$가 정칙점이면 (즉, $P(x_0)$와 $Q(x_0)$가 모두 유한하면) $y = \sum_{n=0}^{\infty} a_n (x - x_0)^n$으로 놓고 계수를 결정합니다.

상세 예시: 에어리 방정식(Airy Equation) $y'' - xy = 0$을 $x_0 = 0$에서 풉니다.

1단계: $y = \sum_{n=0}^{\infty} a_n x^n$으로 놓으면 $y'' = \sum_{n=2}^{\infty} n(n-1)a_n x^{n-2}$.

2단계: 대입합니다.

3단계: 지수를 맞추기 위해, 첫 번째 급수에서 $m = n - 2$ ($n = m + 2$)로, 두 번째에서 $m = n + 1$ ($n = m - 1$)로 치환합니다.

4단계: $m = 0$ 항: $2 \cdot 1 \cdot a_2 = 0 \implies a_2 = 0$. $m \ge 1$에서 점화식:

5단계: $a_0$과 $a_1$을 자유 상수로 두고 계수를 결정합니다.

$a_2 = 0$, $a_3 = \frac{a_0}{3 \cdot 2}$, $a_4 = \frac{a_1}{4 \cdot 3}$, $a_5 = \frac{a_2}{5 \cdot 4} = 0$, $a_6 = \frac{a_3}{6 \cdot 5} = \frac{a_0}{6 \cdot 5 \cdot 3 \cdot 2}$, ...

정칙 특이점(Regular Singular Point)과 프로베니우스 방법

$x = x_0$가 정칙 특이점이면 (즉, $(x-x_0)P(x)$와 $(x-x_0)^2 Q(x)$는 $x_0$에서 해석적이지만, $P(x)$ 또는 $Q(x)$ 자체는 특이점을 가지면) 프로베니우스 방법(Frobenius Method)을 사용합니다:

여기서 $r$은 지표 방정식(Indicial Equation)에서 결정됩니다.

프로베니우스 방법의 절차:

1. $y = x^r \sum a_n x^n$을 방정식에 대입합니다.
2. 가장 낮은 차수($x^r$)의 계수를 0으로 놓아 지표 방정식을 얻습니다.
3. 지표 방정식의 근 $r_1$, $r_2$ ($r_1 \ge r_2$)를 구합니다.
4. $r = r_1$을 사용하여 점화식으로 계수 $a_n$을 결정합니다.
5. $r_1 - r_2$의 값에 따라 두 번째 독립해의 형태가 달라집니다.

두 번째 해의 형태:

특수 함수

많은 물리 문제의 미분방정식은 이름 있는 특수 함수를 해로 가집니다:

라플라스 변환

라플라스 변환(Laplace Transform)은 미분방정식을 대수방정식으로 변환하여 푸는 강력한 도구입니다. 초기 조건이 자동으로 반영됩니다.

주요 라플라스 변환 쌍

라플라스 변환의 성질

라플라스 변환의 유도 — 기본 공식의 증명

라플라스 변환이 어디서 나오는지 $f(t) = e^{at}$의 경우를 직접 계산하여 확인합니다.

$s > a$이면 $t \to \infty$에서 $e^{-(s-a)t} \to 0$이므로:

미분 성질의 유도: 라플라스 변환의 가장 중요한 성질은 미분이 곱셈으로 바뀐다는 것입니다.

부분적분($u = e^{-st}$, $dv = f'(t)\,dt$)을 적용하면:

라플라스 변환을 이용한 풀이 예시

문제: $y'' + 4y = 0$, $y(0) = 1$, $y'(0) = 0$

1단계 (변환): 양변에 라플라스 변환을 적용합니다.

$\mathcal{L}\{y''\} = s^2 Y(s) - sy(0) - y'(0) = s^2 Y - s$

$\mathcal{L}\{4y\} = 4Y(s)$

따라서: $s^2 Y - s + 4Y = 0$

2단계 (대수적으로 풀기): $Y(s)$에 대해 정리합니다.

3단계 (역변환): 변환표에서 $\frac{s}{s^2 + \omega^2} \leftrightarrow \cos(\omega t)$이므로:

초기조건을 확인합니다: $y(0) = \cos 0 = 1$, $y'(0) = -2\sin 0 = 0$. 올바릅니다.

라플라스 변환 풀이 예시 2 — 비동차 방정식

문제: $y'' + 3y' + 2y = e^{-t}$, $y(0) = 0$, $y'(0) = 0$

1단계 (변환):

2단계 (부분분수 분해):

양변에 $(s+1)^2(s+2)$를 곱합니다: $1 = A(s+1)(s+2) + B(s+2) + C(s+1)^2$

$s = -1$: $1 = B(1)$, $B = 1$.

$s = -2$: $1 = C(-1)^2 = C$, $C = 1$.

$s = 0$: $1 = 2A + 2B + C = 2A + 3$, $A = -1$.

3단계 (역변환):

역변환 예제 — 부분분수 분해

실전에서는 $Y(s)$가 변환표에 바로 있는 형태가 아닌 경우가 많습니다. 이때 부분분수 분해를 사용합니다.

문제: $\displaystyle Y(s) = \frac{3s + 5}{(s+1)(s+2)}$의 역변환을 구하십시오.

1단계 (부분분수 분해):

$s = -1$을 대입: $A = \frac{3(-1)+5}{(-1)+2} = 2$

$s = -2$를 대입: $B = \frac{3(-2)+5}{(-2)+1} = 1$

2단계 (역변환): 변환표에서 $\frac{1}{s-a} \leftrightarrow e^{at}$이므로:

단위 계단 함수와 불연속 강제력

단위 계단 함수(Heaviside Function) $u(t-a)$는 $t < a$에서 0, $t \ge a$에서 1인 함수입니다. 라플라스 변환에서는 "갑자기 켜지는" 힘을 모델링할 때 사용합니다.

더 일반적으로, $t$-이동 성질: $\mathcal{L}\{f(t-a)u(t-a)\} = e^{-as}F(s)$.

예시: $y'' + y = u(t - \pi)$, $y(0) = 0$, $y'(0) = 1$ (시각 $t = \pi$에서 외력이 갑자기 켜지는 상황)

1단계: 변환합니다.

2단계: 두 번째 항을 부분분수로 분해합니다.

3단계: 역변환합니다. 시간 이동 성질을 적용합니다.

이 해는 $t < \pi$에서는 단순 진동($\sin t$)이고, $t = \pi$에서 외력이 켜진 후에는 새로운 항이 추가됩니다.

합성곱(Convolution)과 적분 방정식

합성곱 정리는 역변환이 어려운 곱 $F(s) \cdot G(s)$를 다룰 때 유용합니다:

예시: $\mathcal{L}^{-1}\left\{\frac{1}{(s^2+1)^2}\right\}$을 합성곱으로 구합니다.

$\frac{1}{s^2+1} \cdot \frac{1}{s^2+1} = F(s) \cdot G(s)$에서 $f(t) = g(t) = \sin t$.

적분합을 이용하여 계산하면:

연립 미분방정식

연립 1계 ODE: $\mathbf{x}' = A\mathbf{x}$ ($A$는 상수 행렬)

연립 ODE가 중요한 이유

모든 $n$계 ODE는 $n$개의 1계 연립 ODE로 변환할 수 있습니다. 예를 들어 2계 ODE $y'' + 3y' + 2y = 0$은 $x_1 = y$, $x_2 = y'$로 놓으면:

따라서 연립 ODE의 이론은 모든 선형 ODE를 통합적으로 다루는 틀을 제공합니다. 이를 위해 선형대수학의 고유값/고유벡터가 핵심 도구가 됩니다.

고유값 방법

$A$의 고유값 $\lambda_i$와 고유벡터 $\mathbf{v}_i$를 이용하면:

상세 예시: $\mathbf{x}' = \begin{pmatrix} 1 & 3 \\ 1 & -1 \end{pmatrix}\mathbf{x}$

1단계: 고유값을 구합니다.

2단계: 고유벡터를 구합니다.

$\lambda_1 = 2$: $(A - 2I)\mathbf{v} = 0 \implies \begin{pmatrix} -1 & 3 \\ 1 & -3 \end{pmatrix}\mathbf{v} = 0 \implies \mathbf{v}_1 = \begin{pmatrix} 3 \\ 1 \end{pmatrix}$

$\lambda_2 = -2$: $(A + 2I)\mathbf{v} = 0 \implies \begin{pmatrix} 3 & 3 \\ 1 & 1 \end{pmatrix}\mathbf{v} = 0 \implies \mathbf{v}_2 = \begin{pmatrix} 1 \\ -1 \end{pmatrix}$

3단계: 일반해:

복소 고유값의 경우

$A$가 복소 고유값 $\lambda = \alpha \pm \beta i$를 가지고, 대응하는 복소 고유벡터가 $\mathbf{v} = \mathbf{a} + i\mathbf{b}$이면, 두 실수 해는:

예시: $\mathbf{x}' = \begin{pmatrix} 0 & 1 \\ -1 & 0 \end{pmatrix}\mathbf{x}$

특성방정식: $\lambda^2 + 1 = 0 \implies \lambda = \pm i$. $\alpha = 0$, $\beta = 1$.

$\lambda = i$의 고유벡터: $\mathbf{v} = \begin{pmatrix} 1 \\ i \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} + i\begin{pmatrix} 0 \\ 1 \end{pmatrix}$

이 해는 원점 주위를 도는 원 궤도를 그리며, 중심점(Center)에 해당합니다.

행렬 지수 함수

$\mathbf{x}' = A\mathbf{x}$의 해는 형식적으로 행렬 지수 함수(Matrix Exponential)로 쓸 수 있습니다:

$A$가 대각화 가능하면 ($A = PDP^{-1}$), $e^{At} = Pe^{Dt}P^{-1}$입니다.

정성적 이론과 위상 평면

비선형 미분방정식은 대부분 명시적인 해를 구할 수 없습니다. 대신 정성적 이론(Qualitative Theory)을 사용하여 해의 장기적 행동을 분석합니다.

자율계와 고정점

2차원 자율계(Autonomous System):

여기서 우변이 $t$에 명시적으로 의존하지 않습니다. 고정점(Fixed Point, Equilibrium)은 $f(x^*, y^*) = 0$이고 $g(x^*, y^*) = 0$인 점입니다.

고정점의 선형화와 분류

고정점 $(x^*, y^*)$ 근방에서 $u = x - x^*$, $v = y - y^*$로 놓고 야코비 행렬(Jacobian Matrix)을 구합니다:

선형화된 시스템: $\begin{pmatrix} u' \\ v' \end{pmatrix} = J \begin{pmatrix} u \\ v \end{pmatrix}$

$J$의 고유값 $\lambda_1$, $\lambda_2$에 따라 고정점이 분류됩니다:

비선형 예시: 로트카-볼테라 포식자-피식자 모델

토끼($x$)와 여우($y$)의 개체수 변화를 모델링합니다:

여기서 $\alpha$는 토끼 자연 증가율, $\beta$는 포식률, $\delta$는 포식 이득, $\gamma$는 여우 자연 감소율입니다.

고정점: $(0, 0)$과 $(\gamma/\delta, \alpha/\beta)$

비자명한 고정점 $(\gamma/\delta, \alpha/\beta)$에서의 야코비 행렬:

고유값: $\lambda = \pm i\sqrt{\alpha\gamma}$ (순허수). 따라서 이 고정점은 중심점이며, 해는 주기적인 궤도를 그립니다. 실제로 토끼와 여우의 개체수는 주기적으로 증감을 반복합니다.

리아프노프 안정성 (Lyapunov Stability)

리아프노프 함수(Lyapunov Function)는 에너지 함수의 일반화입니다. $V(\mathbf{x})$가 다음을 만족하면 고정점은 안정합니다:

1. $V(\mathbf{x}^*) = 0$이고 $\mathbf{x} \neq \mathbf{x}^*$에서 $V(\mathbf{x}) > 0$ (양정치)
2. $\dot{V} = \frac{dV}{dt} = \nabla V \cdot \mathbf{f}(\mathbf{x}) \le 0$ (시간에 따라 감소하지 않음)

만약 $\dot{V} < 0$ (엄격히 감소)이면, 고정점은 점근 안정(Asymptotically Stable)입니다.

스투름-리우빌 이론

스투름-리우빌 문제(Sturm-Liouville Problem)는 다음 형태의 경계값 문제입니다:

여기서 $p(x) > 0$, $w(x) > 0$ (가중함수), $\lambda$는 매개변수입니다. 적절한 경계 조건 하에서, 이 문제는 특정 $\lambda$ 값(고유값)에서만 비자명한 해(고유함수)를 가집니다.

스투름-리우빌 정리

예시: 가장 단순한 스투름-리우빌 문제는 $y'' + \lambda y = 0$, $y(0) = 0$, $y(L) = 0$입니다.

$\lambda > 0$일 때 ($\lambda = \mu^2$으로 놓으면) 해는 $y = A\sin\mu x + B\cos\mu x$.

$y(0) = 0 \implies B = 0$. $y(L) = 0 \implies A\sin\mu L = 0$.

$A \neq 0$이려면 $\sin\mu L = 0$, 즉 $\mu = \frac{n\pi}{L}$ ($n = 1, 2, 3, \ldots$).

이것은 바로 푸리에 사인 급수의 기초입니다. 임의의 함수를 사인 함수들의 합으로 표현하는 것이 스투름-리우빌 이론으로 정당화됩니다.

스투름-리우빌 이론의 핵심 의의

푸리에 급수가 "왜" 작동하는지를 설명합니다. $\sin\frac{n\pi x}{L}$ 함수들이 직교하고 완비적이라는 사실이 바로 스투름-리우빌 정리의 결과입니다. 더 일반적으로, 베셀 함수 전개, 르장드르 다항식 전개 등도 모두 스투름-리우빌 이론의 특수한 경우입니다.

그린 함수

그린 함수(Green's Function)는 미분방정식의 단위 충격 응답을 나타내는 함수입니다. 경계값 문제의 해를 적분 형태로 표현할 수 있게 해 줍니다.

그린 함수의 개념

경계값 문제 $Ly = f(x)$ (여기서 $L$은 미분 연산자)를 생각합니다. 그린 함수 $G(x, \xi)$는 다음을 만족합니다:

여기서 $\delta(x - \xi)$는 디랙 델타 함수(Dirac Delta Function)로, 점 $\xi$에서 단위 충격을 나타냅니다. 그린 함수를 알면 임의의 $f(x)$에 대한 해를 다음과 같이 구할 수 있습니다:

그린 함수의 구성

$y'' + p(x)y' + q(x)y = f(x)$, $y(a) = 0$, $y(b) = 0$의 그린 함수는:

여기서 $y_1$은 $y_1(a) = 0$을 만족하는 동차해, $y_2$는 $y_2(b) = 0$을 만족하는 동차해, $W$는 론스키안입니다.

예시: $y'' = f(x)$, $y(0) = 0$, $y(1) = 0$의 그린 함수를 구합니다.

동차방정식 $y'' = 0$의 일반해는 $y = Ax + B$.

$y_1(0) = 0$을 만족: $y_1 = x$. $y_2(1) = 0$을 만족: $y_2 = 1 - x$.

론스키안: $W = y_1 y_2' - y_2 y_1' = x(-1) - (1-x)(1) = -1$.

즉, $G(x, \xi) = -\min(x, \xi)(1 - \max(x, \xi))$. 이 그린 함수는 $x$와 $\xi$에 대해 대칭입니다: $G(x, \xi) = G(\xi, x)$. 이 대칭성은 자기수반(Self-adjoint) 연산자의 일반적인 성질입니다.

편미분방정식

편미분방정식(Partial Differential Equation, PDE)은 둘 이상의 독립변수에 대한 편도함수를 포함하는 방정식입니다.

세 가지 대표적인 PDE — 무엇을 모델링합니까?

분류

2계 선형 PDE $Au_{xx} + 2Bu_{xy} + Cu_{yy} + \cdots = 0$은 판별식 $B^2 - AC$에 따라:

변수 분리법

$u(x,t) = X(x)T(t)$로 놓고 PDE를 두 개의 ODE로 분리합니다.

예시 (열 방정식): $u_t = k u_{xx}$, $u(0,t) = u(L,t) = 0$

$X(x)T'(t) = kX''(x)T(t)$를 정리하면:

이로부터 두 ODE를 얻습니다:

• $X'' + \lambda X = 0$, $X(0) = 0$, $X(L) = 0$ → 스투름-리우빌 문제
• $T' + k\lambda T = 0$ → 1계 선형 ODE

고유값 $\lambda_n = (n\pi/L)^2$에서 $X_n = \sin(n\pi x/L)$, $T_n = e^{-k(n\pi/L)^2 t}$.

푸리에 급수와의 관계

변수 분리법의 계수 $B_n$은 푸리에 급수의 계수입니다:

달랑베르 공식 (파동 방정식)

무한 현의 파동 방정식 $u_{tt} = c^2 u_{xx}$의 해:

여기서 $f(x) = u(x,0)$ (초기 변위), $g(x) = u_t(x,0)$ (초기 속도).

이 공식은 초기 파형이 좌우 양방향으로 속도 $c$로 전파되는 것을 보여줍니다.

물리적 응용

역학적 응용

전기회로 응용 — RC 회로

저항(Resistance) $R$과 축전기(Capacitor) $C$로 이루어진 직렬 RC 회로에서, 축전기의 전압 $V_C(t)$는 다음을 만족합니다:

여기서 $E(t)$는 전원 전압입니다. $\tau = RC$를 시간 상수(Time Constant)라 합니다.

충전 ($E(t) = E_0$ 일정, 초기 $V_C(0) = 0$):

$t = \tau$에서 전압은 최종값의 약 63.2%에 도달합니다. $t = 5\tau$이면 99.3%에 도달하여 거의 완전히 충전됩니다.

방전 ($E(t) = 0$, 초기 $V_C(0) = E_0$):

SIR 전염병 모델

SIR 모델은 전염병의 확산을 세 그룹으로 나누어 기술합니다:

• $S(t)$: 감염 가능자 (Susceptible)
• $I(t)$: 감염자 (Infected)
• $R(t)$: 회복자 (Recovered)

여기서 $\beta$는 감염률, $\gamma$는 회복률입니다. 기초 감염 재생산 수(Basic Reproduction Number) $R_0 = \frac{\beta S_0}{\gamma}$이 1보다 크면 전염병이 확산됩니다.

이 연립 비선형 ODE는 해석적 해를 구하기 어렵지만, 위상 평면 분석과 수치적 방법으로 전염병의 정점 시기, 최대 감염자 수 등을 예측할 수 있습니다.

생태학 — 경쟁 모델

두 종이 같은 자원을 놓고 경쟁하는 상황:

여기서 $\alpha_{12}$, $\alpha_{21}$은 종간 경쟁 계수입니다. 위상 평면 분석을 통해 공존, 경쟁 배제, 쌍안정성 등의 결과를 예측할 수 있습니다.

수치적 풀이법 개관

대부분의 미분방정식은 해석적(닫힌 형태의) 해를 구할 수 없습니다. 이때 수치적 방법(Numerical Methods)으로 근사해를 구합니다. 자세한 내용은 수치해석을 참조하십시오.

오일러 방법 (Euler's Method)

가장 단순한 수치적 방법으로, 접선을 따라 한 스텝씩 전진합니다:

여기서 $h$는 스텝 크기입니다. 1차 정확도를 가집니다 (전역 오차 $O(h)$).

룽게-쿠타 방법 (Runge-Kutta Method)

4차 룽게-쿠타(RK4)는 가장 널리 사용되는 수치적 방법입니다:

여기서:

4차 정확도를 가집니다 (전역 오차 $O(h^4)$). 같은 스텝 수에서 오일러 방법보다 훨씬 정확합니다.

핵심 요약

참고자료

• Boyce, W. E. & DiPrima, R. C. — Elementary Differential Equations, Wiley
• Zill, D. G. — A First Course in Differential Equations, Cengage
• Tenenbaum, M. & Pollard, H. — Ordinary Differential Equations, Dover
• Coddington, E. A. & Levinson, N. — Theory of Ordinary Differential Equations, McGraw-Hill
• Strogatz, S. H. — Nonlinear Dynamics and Chaos, Westview Press
• Evans, L. C. — Partial Differential Equations, AMS
• Strauss, W. A. — Partial Differential Equations, Wiley
• 미적분학 — 미분방정식의 기초
• 선형대수학 — 연립 ODE와 행렬
• 수치해석 — 수치적 풀이 방법
• 해석학 — 존재성과 유일성의 엄밀한 기초