권찡's 공학이야기

미분방정식의 라플라스 변환 본문

mathematics/engineering math

미분방정식의 라플라스 변환

권찡 2019. 1. 8. 19:05

본격적으로 미분방정식에 라플라스 변환을 적용시켜봅시다.




가장 먼저 알아야될 내용은 아래 내용입니다.



%5CL%20%5C%7By''(t)%5C%7D%3D%5Ccombi%20%5E%7B%202%20%7D%7B%20Y(s)s%20%7D-y(0)s-y'(0)%20



t에 관한 함수 y를 미분 했을시 위와 같은 형태로 나열됩니다.


보면 2번 미분한 함수를 라플라스 변환하였는데, 변환된 s함수의 최대 차수가 미분한 횟수와 같습니다.


만약 1번 미분한 함수를 변환할시에는 


%5CL%20%5C%7By'(t)%5C%7D%3DY(s)s-y(0)%20 


이런 식이 되는 것입니다.









이를 이용해서 간단한 미분 방정식을 풀어보겠습니다.


y''%2B4y'%2B4y%3D2%5Ccombi%20%5E%7B%202t%20%7D%7B%20e%20%7D%20 



위 미분 방정식을 푸는 것은 간단합니다.



앞서 정리한 homogeneous해와 particular해를 구하는 방법으로 구하면 됩니다.


특성방정식을 이용해 homogeneous해 , 특수해를 원하는 방식으로 구할수 있죠 




그렇지만 라플라스 변환을 하게되면 더 쉽게 풀수 있습니다. 


또한 일반적인 풀이법에 해당하지 않는 미분방정식의 경우, 라플라스 변환으로 풀릴수도 있습니다.













직접 한번 풀어보겟습니다.



%EC%9C%84%5Cquad%20%EB%AF%B8%EB%B6%84%EB%B0%A9%EC%A0%95%EC%8B%9D%EC%9D%80%5Cquad%20%EB%AF%B8%EB%B0%A9%5Cquad%20%ED%92%80%EC%9D%B4%EB%A1%9C%EB%8F%84%5Cquad%20%ED%92%80%EC%88%98%5Cquad%20%EC%9E%88%EC%9C%BC%EB%82%98%5Cquad%20%EB%A7%8C%EC%95%BD%EC%97%90%5Cquad%20%EC%B4%88%EA%B8%B0%EA%B0%92y(0)%EC%99%80%5Cquad%20y'(0)%EA%B0%80%5Cquad%20%5C%5C%20%EC%A3%BC%EC%96%B4%EC%A1%8C%EB%8B%A4%EB%A9%B4%5Cquad%20%EB%9D%BC%ED%94%8C%EB%9D%BC%EC%8A%A4%5Cquad%20%ED%92%80%EC%9D%B4%EB%A1%9C%5Cquad%20%ED%95%98%EB%8A%94%5Cquad%20%EA%B2%83%EC%9D%B4%5Cquad%20%ED%8E%B8%ED%95%A9%EB%8B%88%EB%8B%A4.%5C%5C%20%5C%5C%20%EB%9D%BC%ED%94%8C%EB%9D%BC%EC%8A%A4%EB%A5%BC%5Cquad%20%EC%9D%B4%EC%9A%A9%ED%95%9C%5Cquad%20%ED%92%80%EC%9D%B4(y(0)%3D0%2Cy'(0)%3D0%5Cquad%20%EC%9D%BC%EB%95%8C)%5C%5C%20y''%2B4y'%2B4y%3D%5Ccombi%20%5E%7B%202t%20%7D%7B%202e%20%7D%EC%97%90%5Cquad%20%EC%96%91%EB%B3%80%EC%97%90%5Cquad%20%EB%9D%BC%ED%94%8C%EB%9D%BC%EC%8A%A4%5C%5C%20%5C%5C%20%5CL%20%5C%7By''%2B4y'%2B4y%5C%7D%3D2%5CL%20%5C%7B%5Ccombi%20%5E%7B%202t%20%7D%7B%20e%20%7D%5C%7D%5C%5C%20%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7DY(s)-sy(0)-y'(0)%2B4%5BsY(s)-y(0)%5D%2B4Y(s)%3D%5Cfrac%20%7B%202%20%7D%7B%20s-2%20%7D%5C%5C%20%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7DY(s)%2B4sY(s)%2B4Y(s)%3D%5Cfrac%20%7B%202%20%7D%7B%20s-2%20%7D%5C%5C%20(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%2B4s%2B4)Y(s)%3D%5Cfrac%20%7B%202%20%7D%7B%20s-2%20%7D%5C%5C%20Y(s)%3D%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%2B4s%2B4)%20%7D%5C%5C%20%EC%9D%B4%EC%A0%9C%5Cquad%20%EB%8B%A4%EC%8B%9C%5Cquad%20%EC%97%AD%5Cquad%20%EB%B3%80%ED%99%98%EC%9D%84%5Cquad%20%EC%B7%A8%ED%95%B4%5Cquad%20%EB%B4%85%EC%8B%9C%EB%8B%A4%20

%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7BY(s)%5C%7D%3D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%2B4s%2B4)%20%7D%5C%7D%5C%5C%20%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%2B4s%2B4)%20%7D%5C%7D%3D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B2)%20%7D%20%7D%5C%7D%5C%5C%20%EC%9D%B4%EC%A0%9C%EA%B9%8C%EC%A7%80%5Cquad%20%EB%B0%B0%EC%9A%B4%5Cquad%20%EB%9D%BC%ED%94%8C%EB%9D%BC%EC%8A%A4%5Cquad%20%EC%97%AD%EB%B3%80%ED%99%98%ED%95%98%EB%8A%94%5Cquad%20%EB%B2%95%EC%9D%84%5Cquad%20%EB%AA%A8%EB%91%90%EC%82%AC%EC%9A%A9%ED%95%B4%EC%84%9C%5Cquad%20%ED%92%80%EC%96%B4%5Cquad%20%EB%B4%85%EC%8B%9C%EB%8B%A4%5Cquad%20%5C%5C%20%5C%5C%20%EB%8B%A8%EC%88%9C%ED%9E%88%5Cquad%20%EB%B6%84%EB%AA%A8%EC%9D%98%5Cquad%20%EC%9D%B8%EC%9E%90%EB%A1%9C%5Cquad%20%EB%82%98%EB%88%A0%EC%84%9C%5C%5C%20%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B2)%20%7D%20%7D%3D%5Cfrac%20%7B%201%2F8%20%7D%7B%20s-2%20%7D-%5Cfrac%20%7B%201%2F8%20%7D%7B%20s%2B2%20%7D-%5Cfrac%20%7B%201%2F2%20%7D%7B%20%5Ccombi%20%5E%7B%202%20%7D%7B%20(s%2B2)%20%7D%20%7D%EC%9D%B4%5Cquad%20%EB%A0%87%EA%B2%8C%5Cquad%20%ED%95%B4%EC%84%9C%5Cquad%20%EC%97%AD%EB%B3%80%ED%99%98%5Cquad%20%ED%95%B4%EB%8F%84%5Cquad%20%EB%90%A9%EB%8B%88%EB%8B%A4.%5C%5C%20%5C%5C%20%EA%B7%B8%EB%9F%AC%EB%82%98%5Cquad%20%EB%B3%B5%EC%8A%B5%5Cquad%20%EC%B0%A8%EC%9B%90%EC%9C%BC%EB%A1%9C%5Cquad%20%5C%5C%20%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20s-2(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B2)%20%7D%20%7D%5C%7D%EC%97%90%EC%84%9C%5Cquad%20%EC%A0%9C%5Cquad%201%EB%B3%80%EC%9D%B4%5Cquad%20%EA%B3%B5%EC%8B%9D%EC%9D%98%5Cquad%20%EC%97%AD%EB%B3%80%ED%99%98%EC%9D%84%5Cquad%20%EC%82%AC%EC%9A%A9%ED%95%B4%5C%5C%20%5Ccombi%20%5E%7B%202t%20%7D%7B%20e%20%7D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20s(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B4)%20%7D%20%7D%5C%7D%EB%A1%9C%5Cquad%20%EB%B0%94%EA%BE%B8%EA%B3%A0%2C%5Cquad%20%EC%97%AD%EB%B3%80%ED%99%98%5Cquad%20%EB%82%B4%EB%B6%80%EC%97%90%5Cquad%201%2Fs%5Cquad%20%EA%B0%80%5Cquad%20%EC%9E%88%EC%9C%BC%EB%8B%88%20

%5C%5C%20%EC%A0%81%EB%B6%84%ED%98%95%ED%83%9C%EB%A1%9C%5Cquad%20%EB%B3%80%ED%99%98%ED%95%A9%EC%8B%9C%EB%8B%A4.%5C%5C%20%5Cint%20_%7B%200%20%7D%5E%7B%20t%20%7D%7B%20%5Ccombi%20%5E%7B%202t%20%7D%7B%20e%20%7D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B4)%20%7D%20%7D%5C%7Ddt%20%7D%5C%5C%20%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20(%5Ccombi%20%5E%7B%202%20%7D%7B%20s%2B4)%20%7D%20%7D%5C%7D%3D%5Cquad%20%5Ccombi%20%5E%7B%20-4t%20%7D%7B%20e%20%7D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%20%7D%5C%7D%5C%5C%20%EB%94%B0%EB%9D%BC%EC%84%9C%5C%5C%20%5Cint%20_%7B%200%20%7D%5E%7B%20t%20%7D%7B%20%5Ccombi%20%5E%7B%202t%20%7D%7B%20e%20%7D%5Cquad%20%5Ccombi%20%5E%7B%20-4t%20%7D%7B%20e%20%7D%5Ccombi%20%5E%7B%20-1%20%7D%7B%20%5CL%20%20%7D%5C%7B%5Cfrac%20%7B%202%20%7D%7B%20%5Ccombi%20%5E%7B%202%20%7D%7B%20s%20%7D%20%7D%5C%7Ddt%20%7D%3D%5Cint%20_%7B%200%20%7D%5E%7B%20t%20%7D%7B%202t%5Ccombi%20%5E%7B%20-2t%20%7D%7B%20e%20%7Ddt%20%7D%5C%5C%20%5Cint%20_%7B%200%20%7D%5E%7B%20t%20%7D%7B%202t%5Ccombi%20%5E%7B%20-2t%20%7D%7B%20e%20%7Ddt%20%7D%3D%5Cfrac%20%7B%201%20%7D%7B%202%20%7D-t%5Ccombi%20%5E%7B%20-2t%20%7D%7B%20e%20%7D-%5Cfrac%20%7B%20%5Ccombi%20%5E%7B%20-2t%20%7D%7B%20e%20%7D%20%7D%7B%202%20%7D%20




초기 값이 주어졌을때 보다 간단히 해를 구할수 있습니다.


중간에 연습한다고 삼천포로 빠져서 그렇지 분수 형태로 나누고 나서 하시면 가장 편합니다.




좀 더 내용 심화를 해서 이변수 함수의 라플라스 변환에 대해서도 알고 넘어갑시다.


예를 들어봅시다.


%EC%9D%B4%EB%B3%80%EC%88%98%5Cquad%20%ED%95%A8%EC%88%98%5Cquad%20u(x%2Ct)%EB%A5%BC%5Cquad%20%EA%B0%81%EA%B0%81%5Cquad%20%EB%B3%80%EC%88%98%EB%A1%9C%5Cquad%20%ED%8E%B8%EB%AF%B8%EB%B6%84%ED%95%98%EB%A9%B4%5C%5C%20%5Cquad%20%5Cquad%20%5Ccombi%20_%7B%20x%20%7D%7B%20u%20%7D(x%2Ct)%2C%5Cquad%20%5Ccombi%20_%7B%20t%20%7D%7B%20u%20%7D(x%2Ct)%EA%B0%80%5Cquad%20%EB%90%A9%EB%8B%88%EB%8B%A4.%5C%5C%20%EB%9D%BC%ED%94%8C%EB%9D%BC%EC%8A%A4%5Cquad%20%EB%B3%80%ED%99%98%EC%9D%B4%5Cquad%20t%5Cto%20s%EB%A1%9C%5Cquad%20%ED%95%98%EB%8A%94%5Cquad%20%EB%B3%80%ED%99%98%EC%9D%B4%EB%9D%BC%EA%B3%A0%5Cquad%20%EB%B3%B4%EB%A9%B4%5Cquad%20x%EB%8A%94%5Cquad%20%EC%83%81%EC%88%98%5Cquad%20%EC%B7%A8%EA%B8%89%ED%95%B4%EB%8F%84%5Cquad%20%EB%AC%B8%EC%A0%9C%EC%97%86%EC%8A%B5%EB%8B%88%EB%8B%A4.%5C%5C%20%5CL%20%5C%7B%5Ccombi%20_%7B%20t%20%7D%7B%20u%20%7D(x%2Ct)%5C%7D%3Ds%5CL%20%5C%7Bu(x%2Ct)%5C%7D-u(x%2C0)%3DsU(x%2Cs)-u(x%2C0)%5C%5C%20%5CL%20%5C%7B%5Ccombi%20_%7B%20x%20%7D%7B%20u%20%7D(x%2Ct)%5C%7D%3D%5Cfrac%20%7B%20dU(x%2Cs)%20%7D%7B%20dx%20%7D%20



위 내용과 같이 변수가 t에 관해 미분되어있는 경우만이 이전의 미분된 함수의 라플라스 변환 공식에 따르게 되고,


 x에 관해 미분되있을 경우는 영향을 주지 못합니다.



이런 이변수함수 혹은 다변수 함수의 라플라스 변환은 편미분 방정식을 푸는 하나의 툴로써 사용되니 알아두면 좋겟죠