기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

미분방정식이란?

미분방정식(Differential Equation)

미분방정식이란

미분 방정식은 미분을 포함하는 모든 방정식(상미분 또는 편미분)입니다. 모두가 알고 있는 미분 방정식이 하나 있는데, 바로 뉴턴의 운동 제2법칙입니다. 질량이 있는 물체의 경우 중 m은 가속도 a로 움직이고 있고 힘 F가 작용한다면 뉴턴의 제2법칙은 다음과 같이 나타냅니다. $$F=ma$$ 위 식을 미분방정식으로 나타내기 위해 가속도 a를 속도(v)의 미분 또는 위치(u)의 2차 미분 형태로 나타냅니다. $$a=\frac{dv}{dt}\; \text{or} \; a=\frac{d^2u}{dt^2}$$ 힘 F는 시간, 속도, 위치의 함수이므로 다음과 같이 미분항을 포함하는 미분방정식으로 나타낼 수 있습니다. $$ F(t, v)=m\frac{dv}{dt} \tag{1}$$ $$ F\left(t, u, \frac{du}{dt}\right)=m\frac{d^2u}{dt^2} \tag{2}$$ 미분방정식의 차수(order)는 식 중에 가장 높은 차수로 결정됩니다. 위의 식 중 첫번째는 1차, 두번째 식은 2차 식이 됩니다. 차수는 미분 방정식에 상미분 또는 편도함수가 있는지 여부에 따라 달라지지 않습니다.

미분(Ordinary differential) 및 편미분(Partial differential) 방정식

미분 방정식에 일반적인 미분항(상미분항)을 가지면 상미분 방정식이라고하며 ode로 축약됩니다. 마찬가지로, 미분 방정식에 편도함수가 있는 경우 미분방정식을 편미분방정식이라고 하며 pde로 축약됩니다. 위에서 소개한 뉴턴 법칙의 미분방정식은 상미분방정식입니다. 다음과 같이 편미분항이 존재할 경우 편미분 방정식(pde)이 됩니다. $$\alpha^2\frac{\partial^2 u}{\partial x^2}=\frac{\partial u}{\partial t}$$

선형미분방정식(Linear Differential Equations)

일반적인 선형미분방정식은 다음과 같은 형태입니다. $$a_n(t)y^{(n)}(t)+a_{n-1}(t)y^{(n-1)}(t)+a_{n-2}(t)y^{(n-2)}(t)+\cdots +a_1(t)y'(t)+a_0y(t)=g(t)$$ 선형방정식의 중요한 특징은 함수와 그 미분 함수 사이의 곱이 없다는 것입니다. 계수 $$a_0(t), \cdots, a_n(t)$$ 그리고 상수 g(t)는 0, 상수, 0이 아닌 함수, 선형함수, 비선형 함수등이 될 수 있습니다. 함수 y(t) 그리고 그 함수의 미분은 그 미분방정식이 선형인지를 결정하기 위해 사용됩니다. 다음 미분방정식의 예는 함수와 미분함수사이의 곱이 존재합니다. 그러므로 비선형(non-linear)입니다. $$\sin(y)\frac{d^y}{dx^2}=(1-y)\frac{dy}{dx}+y^2e^{-5y}$$

예)
$y(x)=x^{-\frac{3}{2}}$가 x>0인 조건에서 미분방정식 $4x^2y''+12xy'+3y=0$ 해임을 결정합니다.

x=symbols("x")
y=x**(-3/2)
dy=y.diff(x)
ddy=y.diff(x, 2)
dy
$\quad \color{navy}{\scriptstyle - \frac{1.5}{x^{2.5}}}$
ddy
$\quad \color{navy}{\scriptstyle \frac{3.75}{x^{3.5}}}$
4*x**2*ddy+12*x*dy+3*y
0
다음 코드는 sympy모듈을 사용하여 위 미분방정식의 해를 결정한 것입니다. 이 과정에서 symbols(), Eq(), dsolve()등의 함수를 사용합니다.
  1. 변수 정의(symbols(기호))
  2. 함수 정의 (symbols(기호, cls=Function)
  3. 미분방정식을 정의(Eq() 적용)
  4. 해 결정 (dsolve() 함수 적용): 미분 방정식의 해는 $y(x)=Cx^2$등과 같이 함수의 형태를 가집니다. 이 형태에서 우항만을 나타내기 위해서는 rhs 속성을 적용합니다.
x=symbols('x')
f=symbols('f', cls=Function)
y=f(x)
eq=Eq(4*x**2*diff(y, x, 2)+12*x*diff(y, x)+3*y, 0)
eq
$\quad \color{navy}{\scriptstyle 4 x^{2} \frac{d^{2}}{d x^{2}} f{\left(x \right)} + 12 x \frac{d}{d x} f{\left(x \right)} + 3 f{\left(x \right)} = 0}$
sol=dsolve(eq, y); sol
$\quad \color{navy}{\scriptstyle f{\left(x \right)} = \frac{C_{1} + \frac{C_{2}}{x}}{\sqrt{x}}}$
sol.rhs
$\quad \color{navy}{\scriptstyle \frac{C_{1} + \frac{C_{2}}{x}}{\sqrt{x}}}$ 위 결과의 $C_1, C_2$는 상수입니다. 그러므로 해는 다양합니다. 이 다양한 해들 중에서 특정한 해를 결정하기 위해서는 이 방정식의 조건(들)이 필요합니다. 이러한 조건들을 초기조건(들), initial condition(s), 라고 합니다. 함수의 특정한 값 또는 그 함수의 미분에서의 특정한 값들이 초기조건이 됩니다. 위 예에서 $y(4)=\frac{1}{8}, \; y'(4)=-\frac{3}{64}$의 초기조건이 주어진다면 위 일반해에서 $C_1, \; C_2$를 결정할 수 있습니다.
c1, c2=symbols('c1, c2')
y=(c1+c2/x)/sqrt(x); y
$\quad \color{navy}{\scriptstyle \frac{c_{1} + \frac{c_{2}}{x}}{\sqrt{x}}}$
eq1=Eq(y.subs(x,4), 1/8); eq1
$\quad \color{navy}{\scriptstyle \frac{c_{1}}{2} + \frac{c_{2}}{8} = 0.125}$
eq2=Eq(diff(y, x).subs(x, 4), -3/64); eq2
$\quad \color{navy}{\scriptstyle - \frac{c_{1}}{16} - \frac{3 c_{2}}{64} = -0.046875}$
solve((eq1, eq2))
{c1: 0.0, c2: 1.00000000000000}
위 결과에 의하면 $\frac{1}{x\sqrt{x}}=x^{-\frac{3}{2}}$가 됩니다. 위 과정은 sympy의 dsolve()함수에 초기조건을 전달하기 위한 인수 ics에 값을 전달하는 것으로 결과를 확인할 수 있습니다. 이 인수에 전달하는 값은 사전(dictionary)형식입니다.
spec=dsolve(eq, y, ics={f(4):1/8, f(x).diff(x).subs(x, 4): -3/64});spec
$\quad\color{navy}{\scriptstyle f{\left(x \right)} = \frac{1.0}{x^{\frac{3}{2}}}}$
y.subs(x, 4)
𝑓(4)
초기조건을 고려하지 않은 경우 해를 특정할 수 없습니다. 이러한 일반적인 해의 형태를 일반해(general solution)이라고 합니다.

예)
2ty'+4y=3의 일반해는 다음과 같습니다. 초기조건 y(1)=-4인 경우의 특정해를 결정할 수 있습니다.

t=symbols('t')
f=Function('f')(t)
eq=Eq(2*t*f.diff(t)+4*f, 3);eq
$\quad \color{navy}{\scriptstyle 2t \frac{d}{d t} f{\left(t \right)} + 4 f{\left(t \right)} = 3}$
sol=dsolve(eq, f); sol
$\quad \color{navy}{\scriptstyle f{\left(t \right)} = \frac{C_{1}}{t^{2}} + \frac{3}{4}}$
C=symbols("C")
y=C/t**2+3/4
C1=solve(y.subs(t, 1)+4, C);C1
[-4.75000000000000]
위를 정리하면 $$f(t)=-4.75\frac{1}{t^2}+\frac{3}{4}$$ 이는 dsolve()함수에 ics에 인수를 전달하여 결과를 반환할 수 있습니다.
dsolve(eq, f, ics={f.subs(t, 1):-4})
$\quad \color{navy}{\scriptstyle f{\left(t \right)} = \frac{3}{4} - \frac{19}{4 t^{2}}}$

암시적/명시적 해(implicity/expliity solution)

$$y'=\frac{t}{y}, \quad y(2)=-1$$ 위 미분방정식의 해가 $y^2=t^2-3$이라고 한다면 부과적인 조사가 필요합니다. 이 해의 함수는 다음을 함께 나타내기 때문입니다. $$y=\pm \sqrt{t^2-3}$$ 위와 같이 실제적인 해를 포함하는 해의 형태를 암시적 해(Implicity solution)이라하며 보다 실제적이고 구체적인 해를 명시적 해(Explicity solution)이라 합니다.
t=symbols('t')
y=Function('f')(t)
eq=Eq(y.diff(t), t/y);eq
$\quad\color{navy}{\scriptstyle \frac{d}{d t} f{\left(t \right)} = \frac{t}{f{\left(t \right)}}}$
dsolve(eq, y, ics={y.subs(t, 2): -1})
$\quad\color{navy}{\scriptstyle f{\left(t \right)} = - \sqrt{t^{2} - 3}}$

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...