Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

演習で使う数学的ツール

この演習で必要となる数学的なツールを整理する.

変数分離で微分方程式を解く

変数分離法は,常微分方程式の最も基本的な解法の一つ.

dxdt=f(x)g(t)\frac{dx}{dt} = f(x) \cdot g(t)

の形に書ける微分方程式に対して,xx を含む項と tt を含む項をそれぞれ左辺・右辺に分離し,両辺を積分する.

例:指数増殖モデル

dxdt=rx\frac{dx}{dt} = rx

変数分離すると,

1xdx=rdt\frac{1}{x} dx = r \, dt

両辺を積分して,

1xdN=rdt\int \frac{1}{x} dN = \int r \, dt
logx=rt+C\log x = rt + C
x(t)=x0ertx(t) = x_0 e^{rt}

ここで x0=eCx_0 = e^C は初期条件 x(0)=x0x(0) = x_0 から決まる.

ヤコビ行列 Jacobian matrix

多変数の連立微分方程式系

dx1dt=f1(x1,x2,,xn),dx2dt=f2(x1,x2,,xn),\frac{dx_1}{dt} = f_1(x_1, x_2, \ldots, x_n), \quad \frac{dx_2}{dt} = f_2(x_1, x_2, \ldots, x_n), \quad \ldots

に対して,各関数の各変数に関する偏微分を並べた行列

J=(f1x1f1x2f2x1f2x2)J = \begin{pmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots \\ \frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots \\ \vdots & \vdots & \ddots \end{pmatrix}

をヤコビ行列という.

平衡点 (x1,x2,,xn)(x_1^*, x_2^*, \ldots, x_n^*) でこのヤコビ行列を評価し,その固有値から平衡点の局所安定性を判定する.

固有値・固有ベクトル

正方行列 AA に対して,

Av=λvA \mathbf{v} = \lambda \mathbf{v}

を満たすスカラー λ\lambda を固有値,ベクトル v\mathbf{v} を固有ベクトルと呼ぶ.

固有値は特性方程式

det(AλI)=0\det(A - \lambda I) = 0

を解くことで求められる.

例:2×2行列

A=(1234)A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}

特性方程式は (1λ)(4λ)6=0(1-\lambda)(4-\lambda) - 6 = 0,すなわち λ25λ2=0\lambda^2 - 5\lambda - 2 = 0 である.

平衡点の局所安定性解析

平衡点におけるヤコビ行列の固有値 λ1,λ2,\lambda_1, \lambda_2, \ldots から,平衡点の安定性がわかる.