常微分方程式
Ordinary Differential Equations
このシリーズについて
常微分方程式（ODE）は、物理・工学・生物学などあらゆる分野で「変化」を記述する基本言語である。本シリーズでは、「解を計算する」技法だけでなく、「系の振る舞いを理解し、数値結果を判断し、設計・説明できる」能力を身につけることを目指す。
数値的に解けるのになぜ理論を学ぶのか？それは、存在・一意性、安定性、分岐といったメタ情報を一般的に理解し、数値結果を正しく解釈するには理論が欠かせないからである。理論と数値解法は相補的であり、数値解法は「ODE が正しく立ったあと」の話から始まる。
レベル別学習
学習の流れ
主な学習内容
解法技法
変数分離、積分因子、定数変化法など、古典的な解法を意味付きで理解。
存在・一意性
適切な条件のもとで、Picard–Lindelöf 定理が初期値問題の解の局所的な存在と一意性を保証することを学ぶ。
安定性理論
平衡点の分類、Lyapunov 関数、線形化による安定性解析。
分岐とカオス
パラメータ変化による質的変化、Hopf 分岐、初期値鋭敏性。
なぜ理論を学ぶのか
数値解法（Runge–Kutta など）は非常に強力だが、以下の問いには直接答えてくれない：
- 解は存在するのか・一意なのか
- 初期値を変えたとき解はどれくらい変わるか
- 長時間後にどのような振る舞いを示すか（平衡点への収束、周期軌道、カオス、発散）
- パラメータを変えると振る舞いが質的に変わるか（分岐）
- 数値計算結果はどこまで信頼できるか（数値安定性・剛性）
これらを理解するには、ODE の理論と数値解析の両方が要る。
応用分野
- 物理学：運動方程式、振動、非線形力学
- 工学：制御理論、回路解析、構造力学
- 生物学：人口モデル、感染症モデル（SIR）
- 経済学：成長モデル、動的最適化
- 化学：反応速度論
- 機械学習：Neural ODE、連続時間モデル
よくある質問
常微分方程式とは何か
常微分方程式（ODE: Ordinary Differential Equations）は、1つの独立変数（多くは時間 $t$）に関する未知関数とその導関数の関係式である。例えば $\dfrac{dy}{dt} = f(t, y)$ という形で表され、物理・工学・生物学などで変化を記述するのに用いられる。
常微分方程式と偏微分方程式はどう違うのか
常微分方程式（ODE）は独立変数が1つだけ（通常は時間 $t$）であるのに対し、偏微分方程式（PDE）は複数の独立変数（時間と空間座標など）を持つ。熱伝導方程式や波動方程式は PDE の典型例で、ODE よりも複雑な解析を必要とする。
数値解法があるのに常微分方程式の理論を学ぶ理由は何か
Runge–Kutta などの数値解法は強力だが、解の存在・一意性、長時間挙動の安定性、パラメータ変化による分岐などは理論なしには判断できない。理論と数値解法は相補的であり、信頼できる解析のために両方が必要である。