7.40 1차 상미분 방정식의 해법

1. 차 상미분 방정식의 일반 형태

1차 상미분 방정식(first-order ODE)의 일반적인 양함수 형태는

$\frac{dy}{dt} = f(t, y)$

이며, 초기 조건 $y(t_0) = y_0$ 이 주어지면 초기값 문제(initial value problem, IVP)를 구성한다. 이하에서는 해석적(analytic) 해법이 존재하는 주요 유형을 다룬다.

2. 변수 분리형

2.1 형태와 풀이

우변이 $t$ 만의 함수와 $y$ 만의 함수의 곱으로 분리되는 방정식을 변수 분리형(separable equation)이라 한다.

$\frac{dy}{dt} = g(t) h(y)$

$h(y) \neq 0$ 인 영역에서 양변을 $h(y)$ 로 나누고 $t$ 에 대해 적분하면

$\int \frac{1}{h(y)} \, dy = \int g(t) \, dt + C$

를 얻는다.

2.2 예시: RC 회로의 방전

DC 모터 구동 회로에서 캐패시터 전압 $v(t)$ 의 방전 과정은

$\frac{dv}{dt} = -\frac{v}{RC}$

로 모형화된다. 변수 분리를 적용하면

$\int \frac{dv}{v} = -\frac{1}{RC} \int dt \implies \ln \lvert v \rvert = -\frac{t}{RC} + C_1$

초기 조건 $v(0) = V_0$ 을 적용하면

$v(t) = V_0 \exp\left(-\frac{t}{RC}\right)$

이다. 이 지수 감쇠(exponential decay)는 로봇 전기 시스템의 과도 응답(transient response) 해석에 기본이 된다.

3. 차 선형 방정식

3.1 형태와 적분 인자법

1차 선형 ODE는

$\frac{dy}{dt} + p(t) y = q(t)$

의 형태이다. 적분 인자(integrating factor) $\mu(t) = \exp\left(\int p(t) \, dt\right)$ 를 양변에 곱하면

$\frac{d}{dt}\bigl[\mu(t) y\bigr] = \mu(t) q(t)$

가 되어, 양변을 적분하면 일반해를 얻는다.

$y(t) = \frac{1}{\mu(t)} \left[\int \mu(t) q(t) \, dt + C\right]$

3.2 상수 계수의 경우

$p(t) = a$ (상수), $q(t) = b(t)$ 인 경우

$\frac{dy}{dt} + ay = b(t)$

의 일반해는

$y(t) = e^{-at} \left[y_0 + \int_{t_0}^t e^{a\tau} b(\tau) \, d\tau\right]$

이다. $b(t) = b_0$ (상수)이면

$y(t) = \frac{b_0}{a} + \left(y_0 - \frac{b_0}{a}\right) e^{-a(t-t_0)}$

이 되어, 해는 정상 상태(steady state) $b_0/a$ 에 지수적으로 수렴한다.

3.3 예시: 모터 전류의 과도 응답

DC 모터의 전기자 회로에서 전류 $i(t)$ 의 동역학은

$L \frac{di}{dt} + Ri = V - K_e \omega$

이다. 여기서 $L$ 은 인덕턴스, $R$ 은 저항, $V$ 는 인가 전압, $K_e \omega$ 는 역기전력이다. $\omega$ 가 상수라 가정하면 이것은 상수 계수 1차 선형 ODE이며, 시정수(time constant) $\tau_e = L/R$ 과 정상 상태 전류 $i_{ss} = (V - K_e \omega)/R$ 에 의해

$i(t) = i_{ss} + (i_0 - i_{ss}) e^{-t/\tau_e}$

로 해가 결정된다.

4. 완전미분 방정식

4.1 형태와 판정

$M(t, y) \, dt + N(t, y) \, dy = 0$ 형태의 방정식에서

$\frac{\partial M}{\partial y} = \frac{\partial N}{\partial t}$

이 성립하면 완전미분 방정식(exact equation)이라 한다. 이 조건은 스칼라 함수 $\Phi(t, y)$ 가 존재하여

$\frac{\partial \Phi}{\partial t} = M, \quad \frac{\partial \Phi}{\partial y} = N$

을 만족함을 의미한다. 해는 $\Phi(t, y) = C$ (상수)로 주어지는 음함수 형태이다.

4.2 $\Phi$ 의 구성

$\Phi$ 는 다음의 과정으로 구성된다.

$\Phi(t, y) = \int M(t, y) \, dt + g(y)$

여기서 $g(y)$ 는 $\partial \Phi / \partial y = N$ 으로부터 결정된다.

$\frac{\partial}{\partial y} \int M(t, y) \, dt + g'(y) = N(t, y)$

을 $g'(y)$ 에 대해 풀면 $g(y)$ 가 구해진다.

4.3 완전미분이 아닌 경우의 적분 인자

완전미분 조건이 성립하지 않는 경우, 적분 인자 $\mu(t, y)$ 를 곱하여 완전미분 방정식으로 변환할 수 있다. $\mu$ 가 $t$ 만의 함수인 경우

$\mu(t) = \exp\left(\int \frac{M_y - N_t}{N} \, dt\right)$

$(M_y - N_t)/N$ 이 $t$ 만의 함수일 때 이 적분 인자가 존재한다.

5. 베르누이 방정식

5.1 형태와 변환

베르누이 방정식(Bernoulli equation)은

$\frac{dy}{dt} + p(t) y = q(t) y^n, \quad n \neq 0, 1$

의 형태이다. $v = y^{1-n}$ 으로 치환하면 $dv/dt = (1-n) y^{-n} dy/dt$ 이므로

$\frac{dv}{dt} + (1-n) p(t) v = (1-n) q(t)$

가 되어 $v$ 에 대한 1차 선형 ODE로 변환된다.

5.2 예시

$\dot{y} + y = y^2$ 에서 $n = 2$ 이므로 $v = y^{-1}$ 로 치환하면

$-\dot{v} + v = 1 \implies \dot{v} - v = -1$

이 되어 적분 인자법으로 풀 수 있다.

6. 리카티 방정식

리카티 방정식(Riccati equation)은

$\frac{dy}{dt} = a(t) y^2 + b(t) y + c(t)$

의 형태이다. 일반적으로 닫힌 형태의 해가 존재하지 않으나, 하나의 특수해 $y_1(t)$ 가 알려져 있으면 $y = y_1 + 1/v$ 치환에 의해 $v$ 에 대한 1차 선형 ODE로 환원된다. 리카티 방정식은 최적 제어 이론에서 리카티 대수 방정식(algebraic Riccati equation)의 미분 형태로 나타나며, 선형 이차 조절기(LQR)의 시간 변화 이득(time-varying gain) 계산에 활용된다.

7. 자율 방정식과 평형점

7.1 자율 방정식

우변이 $t$ 에 명시적으로 의존하지 않는 1차 ODE

$\frac{dy}{dt} = f(y)$

를 자율 방정식(autonomous equation)이라 한다. 자율 방정식의 해는 시간 이동에 불변(time-shift invariant)이다. 즉, $y(t)$ 가 해이면 $y(t - t_0)$ 도 임의의 $t_0$ 에 대해 해이다.

7.2 평형점과 안정성

$f(y^*) = 0$ 인 점 $y^*$ 를 평형점(equilibrium point) 또는 고정점(fixed point)이라 한다. 평형점의 안정성은 $f'(y^*)$ 의 부호로 판정된다.

$f'(y^*) < 0$ : 점근적 안정(asymptotically stable) — 미소 교란이 시간에 따라 감쇠
$f'(y^*) > 0$ : 불안정(unstable) — 미소 교란이 시간에 따라 증폭
$f'(y^*) = 0$ : 고차 분석 필요

이 안정성 판정은 $y^*$ 근방에서의 선형화(linearization) $\delta y' \approx f'(y^*) \delta y$ 에 기반한다.

8. 로봇공학에서의 1차 ODE

로봇공학에서 나타나는 대표적인 1차 ODE를 정리하면 다음과 같다.

물리 시스템	방정식	유형
RC 회로 방전	$\dot{v} + v/(RC) = 0$	변수 분리형 / 선형
DC 모터 전류	$L\dot{i} + Ri = V - K_e\omega$	1차 선형 (상수 계수)
열 방산	$\dot{T} + h(T - T_{\text{env}}) = P/C$	1차 선형
지수 평활 필터	$\dot{\hat{x}} = \alpha(x_{\text{meas}} - \hat{x})$	자율 선형
로지스틱 모형	$\dot{y} = ry(1 - y/K)$	비선형 변수 분리형

지수 평활 필터(exponential smoothing filter)는 센서 데이터 $x_{\text{meas}}$ 를 평활화하는 1차 저역 통과 필터(low-pass filter)로, 이산화하면 $\hat{x}_{k+1} = \hat{x}_k + \alpha \Delta t (x_{\text{meas},k} - \hat{x}_k)$ 의 형태가 된다.

9. 참고 문헌

Boyce, W. E., & DiPrima, R. C. (2012). Elementary Differential Equations and Boundary Value Problems. 10th ed. Wiley.
Zill, D. G. (2017). A First Course in Differential Equations with Modeling Applications. 11th ed. Cengage Learning.
Ogata, K. (2010). Modern Control Engineering. 5th ed. Prentice Hall.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.

v 0.2