# 고차 미분방정식으로의 확장

라플라스 변환은 1차 및 2차 미분방정식뿐 아니라 $n$차($n \ge 3$) 이상의 일반 선형 미분방정식에도 유용하게 적용할 수 있다. 일반적인 $n$차 선형 미분방정식은 다음과 같은 형태로 주어진다.

$$
a\_n \frac{d^n y(t)}{dt^n} + a\_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} + \cdots + a\_1 \frac{dy(t)}{dt} + a\_0 y(t) = f(t),
$$

여기서 계수 $a\_k$는 상수이고, $f(t)$는 독립변수 $t$에 대한 함수이다. 종종 초기값 문제로서

$$
y(0) = y\_0, \quad y'(0) = y\_1, \quad \dots, \quad y^{(n-1)}(0) = y\_{n-1}
$$

와 같은 초기조건이 주어지면, 이 방정식을 완전하게 풀기 위해서는 초기조건까지 고려한 해 $y(t)$를 구해야 한다.

#### 라플라스 변환을 통한 일반화

고차 미분방정식을 다룰 때에는 1차나 2차의 경우와 유사하게 미분 연산에 대한 라플라스 변환의 성질을 이용한다. $y(t)$의 $k$차 미분에 대해,

$$
\mathcal{L}{y^{(k)}(t)} = s^k Y(s) - s^{k-1} y(0) - s^{k-2} y'(0) - \cdots - y^{(k-1)}(0),
$$

를 적용하면, $n$차 선형 미분방정식이 $s$ 영역에서 $Y(s)$에 대한 대수 방정식 형태로 변환된다. 이를 요약하면,

$$
a\_n \Bigl\[s^n Y(s) - s^{n-1}y(0) - s^{n-2}y'(0) - \cdots - y^{(n-1)}(0)\Bigr] + \\
\cdots + a\_1 \Bigl\[s Y(s) - y(0)\Bigr] +  a\_0 Y(s) = F(s),
$$

로 나타낼 수 있다. 여기서 $F(s) = \mathcal{L}{f(t)}$이다.

위 식은 $Y(s)$만을 포함하는 선형 대수방정식이므로, 항들을 전개하고 정리한 뒤 $Y(s)$를 명시적으로 구할 수 있다. 즉,

$$
Y(s) = \frac{G(s) + F(s)}{H(s)},
$$

와 같은 꼴로 표현될 텐데, 여기서 $G(s)$는 초기값 항들을 라플라스 변수 $s$에 따라 정리한 것이고, $H(s)$는 $a\_n s^n + a\_{n-1} s^{n-1} + \cdots + a\_1 s + a\_0$에 해당한다. 결국,

$$
Y(s) = \frac{\text{(초기값으로 인한 항)} + \mathcal{L}{f(t)}}{a\_n s^n + a\_{n-1} s^{n-1} + \cdots + a\_1 s + a\_0}.
$$

이후에는 $Y(s)$에 대해 부분분수 분해 등을 수행하여 역라플라스 변환을 취함으로써 $y(t)$를 구할 수 있다.

#### 고차 미분방정식에서의 특성방정식

일반 해를 구하는 과정을 좀 더 구조적으로 이해하기 위해, 라플라스 변환을 취하기 전에 흔히 사용하는 특성방정식을 생각해볼 수 있다. 예를 들어,

$$
a\_n r^n + a\_{n-1} r^{n-1} + \cdots + a\_1 r + a\_0 = 0
$$

는 미분방정식 $a\_n y^{(n)} + \cdots + a\_1 y' + a\_0 y = 0$의 해 구조를 결정하는 역할을 한다. 이 선형 동차방정식의 해는 상기 특성방정식의 근을 토대로 지수함수, 또는 중근일 때는 다항식을 곱한 형태, 혹은 복소근일 때는 삼각함수로 표현되는 형태가 된다. 비동차항 $f(t)$가 주어지면, 그에 맞는 특수해를 더하여 최종해를 구성한다.

라플라스 변환 접근 역시 유사한 결과를 산출한다. 동차방정식 부분은 $H(s)=0$의 근을 통해 나타나며, 그에 대응하는 항들이 일반해를 구성한다. 독립항(비동차항)으로부터는 $F(s)$가 들어가며, 이로 인해 특수해가 추가된다. 따라서 특정 구간에서 해석적 표현을 구할 때는 특성방정식 관점과 라플라스 변환 관점을 서로 비교하여 확인하거나, 특정 항들에서 구조적 대응 관계를 탐색해볼 수도 있다.

#### 초기값과 해의 분석

고차 미분방정식의 초기조건이 많아지는 것은 자연스러운 현상이다. $n$차 미분방정식이면 초기조건 역시 $n$개(혹은 경계조건 같은 다른 형식의 조건)가 필요하다. 라플라스 변환을 통해 해를 구할 때는 변환 과정에서 초기값이 모두 포함되어, 결과적으로 $Y(s)$에 다양한 항이 섞여 나오게 된다. 이를 단계별로 정리하면, 고차수에서도 단계를 체계적으로 밟아나가면 기계적으로 해를 구할 수 있음을 알 수 있다.

아래는 라플라스 변환 과정을 개략적으로 나타낸 것이다.

{% @mermaid/diagram content="graph TD
A((고차<br>미분방정식)) --> B(라플라스 변환)
B --> C("대수 방정식에서 Y(s) 도출")
C --> D(역라플라스 변환)
D --> E(("해 y(t) 획득"))" %}

이 그림에서처럼, 라플라스 변환은 고차 미분 연산을 상수배 곱으로 바꾸어주고, 초기값들을 쉽게 포함시켜준다. 그 결과 $Y(s)$의 대수방정식을 풀기만 하면 해를 구할 수 있게 된다.

#### 변환 영역에서의 규명

고차 미분방정식에서 $s$-영역 해석이 더 복잡해질 수 있으나, 근본적으로는 1차나 2차에서 했던 방법과 같은 논리 구도가 확장된 것일 뿐이다. 라플라스 변환의 기본 성질과 부분분수 분해 기법이 고차항으로 늘어날 뿐이고, 뿌리가 되는 아이디어는 동일하다. 따라서 계산 과정에서 오류를 줄이기 위해서는 변환 후 단계별로 항을 세심하게 정리하는 것이 중요하다.

고차 미분방정식에서도, 특성방정식의 근이 단순근인지, 중근 혹은 복소수 근인지에 따라 역변환의 형태가 달라진다. 이러한 요소를 제대로 처리하기 위해서는 부분분수 분해 과정에서 동일 인수의 거듭제곱이 존재하는지, 혹은 복소근이 유도되는지를 철저히 확인해야 한다. 예를 들어 중근이 $m$차까지 존재하면 대응하는 항이 $(t^k e^{\alpha t})$와 같은 꼴로 발전하게 된다.

#### 예제: 3차 미분방정식의 해석

고차 미분방정식의 전형적인 사례로 3차 방정식을 살펴본다. 예를 들어 다음과 같은 초기치 문제를 가정한다.

$$
\frac{d^3 y(t)}{dt^3} + 3 \frac{d^2 y(t)}{dt^2} + 3 \frac{dy(t)}{dt} + y(t) = e^{-t}
$$

초기조건은 다음과 같다.

$$
y(0) = 0, \quad y'(0) = 0, \quad y''(0) = 0
$$

이 문제를 풀기 위해 라플라스 변환을 취한다. $y(t)$의 라플라스 변환을 $Y(s)$라 할 때, 3차 미분에 대한 라플라스 변환 공식을 적용하면

$$
\mathcal{L}{y^{(3)}(t)} = s^3 Y(s) - s^2 y(0) - s,y'(0) - y''(0)
$$

다음과 같이 각각에 대응하는 항이 있다.

$$
\mathcal{L}{y^{(2)}(t)} = s^2 Y(s) - s,
y(0) - y'(0)
\\
\mathcal{L}{y^{(1)}(t)} = s Y(s) - y(0)
$$

이제 미분방정식의 각 항에 라플라스 변환을 취하여 대입한다.

$$
\mathcal{L}\left{\frac{d^3 y}{dt^3}\right} + 3\mathcal{L}\left{\frac{d^2 y}{dt^2}\right} + 3\mathcal{L}\left{\frac{dy}{dt}\right} + \mathcal{L}{y(t)} = \mathcal{L}{e^{-t}}
$$

이를 전개하면

$$
\bigl\[s^3 Y(s) - s^2 y(0) - s,y'(0) - y''(0)\bigr] + \ 3\bigl\[s^2 Y(s) - s,y(0) - y'(0)\bigr] + \ 3\bigl\[s Y(s) - y(0)\bigr] + Y(s) = \frac{1}{s+1}.
$$

문제의 초기조건에 따라 $y(0)=0$, $y'(0)=0$, $y''(0)=0$이므로, 위 식에서 초기조건에 대응하는 항들은 모두 사라진다. 결국

$$
s^3 Y(s) + 3 s^2 Y(s) + 3 s Y(s) + Y(s) = \frac{1}{s+1}.
$$

왼쪽의 공통인자 $Y(s)$를 묶어내면

$$
(s^3 + 3s^2 + 3s + 1) , Y(s) = \frac{1}{s+1}.
$$

인수분해를 고려하면, $s^3 + 3s^2 + 3s + 1$은 $(s+1)^3$과 동일하다. 따라서

$$
(s+1)^3 Y(s) = \frac{1}{s+1}.
$$

이를 풀면

$$
Y(s) = \frac{1}{(s+1)^4}.
$$

다음 단계는 이 $Y(s)$에 대해 역라플라스 변환을 취하는 것이다. 잘 알려진 공식에 따르면

$$
\mathcal{L}^{-1}\left{\frac{1}{(s + a)^{n}}\right} = \frac{t^{n-1}}{(n-1)!} e^{-a t}.
$$

여기서 $a = 1$, $n = 4$를 대입하면

$$
y(t) = \frac{t^{3}}{3!} e^{-t}.
$$

단순화하면 $3! = 6$이므로

$$
y(t) = \frac{t^{3}}{6} e^{-t}.
$$

이렇게 3차 미분방정식은 라플라스 변환을 통해 비교적 간단히 풀 수 있다. 물론 비선형항이 포함되거나 특수한 계수 구성이 있는 경우에는 문제 양상이 달라지지만, 선형 정수계수 미분방정식에 대해서는 이와 같은 기법이 일반적으로 그대로 적용된다.

#### 중근 및 복소근 처리의 구체화

상기 예제는 단순근을 갖는 경우였기에 $(s+1)^3$ 형태로 일치했다. 만약 계수 배열로 인해 동일 인수가 여러 번 반복되면, 부분분수 분해에서 $1/(s-\alpha)^m$ 꼴이 등장하게 되고, 그에 대한 역라플라스 변환으로 $t^{m-1} e^{\alpha t} / (m-1)!$ 등이 나타난다. 중근이 여러 차례 겹치는 고차 미분방정식일수록 이와 같은 다항식 인자가 지수함수에 곱해지는 형태가 일반해를 구성한다. 복소근이 등장하는 경우에는 오일러 공식을 통해 삼각함수와 지수함수가 혼합된 꼴의 해가 산출된다.

라플라스 변환은 변환 단계에서 이미 $(s-\alpha + j\beta)$ 꼴을 마주치게 되므로, 역변환 과정에서 $\sin$ 또는 $\cos$ 형태의 항을 확인할 수 있다. 고차 미분방정식에서 복소근이 늘어나면, 해당 근들의 조합이 서로 짝을 이루어 실수부와 허수부에 대응되는 지수함수와 삼각함수 형태를 만들어낸다. 이 과정을 이해하는 데 있어 가장 중요한 점은, 라플라스 변환을 적용할 때 나타나는 인자 $(s^2 + \omega^2)$와 같은 형태가 부분분수 분해를 통해 $\frac{A s + B}{s^2 + \omega^2}$ 등으로 표현되면, 그에 대한 역변환이 $\sin(\omega t)$, $\cos(\omega t)$ 꼴로 직접 이어진다는 사실이다.

#### 고차방정식 접근 요령

계산이 복잡한 경우에는 각 항의 라플라스 변환을 한꺼번에 취하기보다 단계적으로 변환식을 세우고, 초기조건에서 오는 항들을 정리한 뒤, 차수에 따라 항을 구분하고 묶어내는 식으로 접근할 수 있다. 특히 $n$차 방정식에서 $s^n Y(s)$과 같이 가장 높은 차수 항부터 먼저 정리한 다음, 그 이하 차수의 항들을 순서대로 서술하는 방식으로 전개하면 체계성을 유지하기 쉽다. 부분분수 분해 역시 고차 계수를 가지는 다항식에 대해서는 인수분해가 용이한지, 복소수가 근으로 등장하는지에 따라 분해 전략이 조금씩 달라질 수 있다.

$H(s)$가 이미 인수분해되거나, 잘 알려진 다항식 패턴에 해당한다면 빠르게 부분분수 전개를 진행할 수 있다. 반면 완전히 분해가 어려운 고차식이라면, 복소근 혹은 실근을 찾는 과정에서 부정방정식을 풀어야 할 수도 있다. 이렇게 기본 접근이 복잡해 보일지라도, 라플라스 변환의 장점은 한 번 $Y(s)$로 변환한 뒤에는 초기조건 처리가 한결 깔끔하다는 점에 있다.

#### 구간별 정의 함수를 포함하는 고차방정식

라플라스 변환을 활용하여 고차 미분방정식을 풀 때, 강제항(비동차항) $f(t)$이 단순한 지수함수나 다항함수가 아니라, 구간별로 정의된 함수이거나 디ラック 델타(Dirac delta) 등과 같은 분포(distribution)일 수도 있다. 실제 물리계나 제어계에서 흔히 등장하는 예로는 단위 계단함수 $u(t - t\_0)$가 특정 시점 이후에 입력을 주는 경우, 또는 충격신호 $\delta(t - t\_0)$가 순간적으로 시스템에 영향을 주는 경우 등이 있다. 이러한 경우에도 고차 미분방정식은 라플라스 변환을 통해 거의 동일한 틀로 해석이 가능하다.

예를 들어, $n$차 선형 미분방정식

$$
a\_n \frac{d^n y(t)}{dt^n} + \cdots + a\_1 \frac{dy(t)}{dt} + a\_0 y(t) = f(t)
$$

에서 $f(t)$가 구간별로 달라지는 함수라면, 이를 라플라스 변환 영역에서 $F(s)$로 나타낼 때, 흔히 부분분수 분해 및 역변환 과정에서 구간별 해석이 필요하다. 스텝함수가 등장하는 경우 라플라스 변환에서 $e^{-a s}$ 인자가 곱해져 나타난다. 그 결과

$$
\mathcal{L}{u(t - a)g(t - a)} = e^{-as} \mathcal{L}{g(t)}
$$

와 같은 공식이 고차 미분방정식 해에도 동일하게 적용되어, 최종적으로 역변환 시점을 기준으로 구간별 해가 형성된다.

초기치 문제에서 $t=0$ 이후에 추가적인 외력이 발생한다면, 그 시점 이후에만 특정 입력이 작용하기 때문에 해가 구간에 따라 다른 형태를 가질 수 있다. 하지만 라플라스 변환에서는 이러한 불연속적, 구간별 정의 신호도 $s$ 영역에서 하나의 대수적 표현으로 통합되므로, $Y(s)$에서 단순 부분분수 분해를 수행한 뒤, 역변환 과정에서 $e^{-as}$ 항을 식별해내면, 시함수(Shifting Function) 등을 통해 시간을 기준으로 해를 나누어 표현할 수 있다.

#### 콘볼루션 정리에 따른 해석

선형 시스템 이론에서 고차 미분방정식은 입력신호와 임펄스응답의 콘볼루션(convolution)으로도 설명 가능하다. $n$차 시스템의 임펄스응답 함수를 $h(t)$라고 할 때, 임의의 입력 $f(t)$에 대한 출력은

$$
y(t) = h(t) \* f(t) = \int\_{0}^{t} h(\tau) f(t - \tau), d\tau
$$

와 같은 형태로 표현된다. 라플라스 변환에서는 곱셈 정리(Convolution Theorem)에 의해

$$
\mathcal{L}{h(t) \* f(t)} = H(s) \cdot F(s)
$$

이 성립하므로, 고차 미분방정식의 해를 구할 때도

1. 동차방정식에 대응하는 해(특성방정식에 의해 결정되는 고유 응답)를 라플라스 영역에서 $H(s)$라고 두고,
2. 주어진 $f(t)$에 대한 라플라스 변환 $F(s)$를 곱하여,
3. 그 결과에 대해 역변환을 취함으로써 전체 해를 구할 수 있다.

$n$차 미분방정식의 경우에도 마찬가지로, 특성방정식의 근을 통해 임펄스응답 $h(t)$가 지수함수 혹은 지수에 다항식이 곱해진 형태, 또는 삼각함수 결합 형태 등으로 나타난다. 결과적으로

$$
Y(s) = H(s) , F(s)
$$

에서 $H(s)$는 $(a\_n s^n + \cdots + a\_1 s + a\_0)^{-1}$와 연관되고, $F(s)$는 입력신호 변환이다. 여러 근이 중복되거나 복소근을 갖더라도, 라플라스 영역에서 곱셈이 단순 대수 연산인 이상, 고차수가 되었다고 해서 원론적인 해석에 큰 차이가 생기지는 않는다.

#### 해의 구조와 부분분수 항의 복잡성

고차 미분방정식에서 해가 복잡해지는 이유 중 하나는 부분분수 분해 과정에서 다항식 차수가 높아지면서 인수가 다양하게 나타나기 때문이다. 예컨대

$$
a\_n s^n + \cdots + a\_1 s + a\_0
$$

가 완전히 인수분해될 수 있다면, 각각의 인수 $(s - \alpha\_k)^{m\_k}$ 또는 $(s^2 + b s + c)$ 형태(복소근)에 대해 표준화된 라플라스 역변환 공식을 적용하면 된다. 하지만 완전분해가 난해한 경우, 근을 직접 수치적으로 구해서 나열한 뒤, 각 근에 대응하는 부분분수를 구성해야 하므로 계산이 장황해질 수 있다.

이러한 계산적 복잡성을 다루기 위해서는

1. 고유벡터, 고유값 개념을 확장하여 문제를 선형 연산자 이론으로 바라보거나,
2. 미분연산자의 다항식을 스펙트럼(고유값)에 대응하는 방법으로 해석하여,
3. 시스템 이론에서의 극(pole)과 영점(zero)에 해당하는 분석 툴을 사용할 수도 있다.

그러나 책의 맥락에서 고차 미분방정식의 해석 목적이 해의 닫힌형 표현(closed-form expression)을 얻는 것이라면, 전통적인 부분분수 분해와 역라플라스 변환의 단계를 충실히 따르는 것이 여전히 유효하다.

#### 점화방정식적 접근

라플라스 변환 외에도, 초기값들이 주어졌을 때 매 순간의 고차 미분방정식을 직접 점화식으로 전개하여 해를 추적하는 방법을 생각해볼 수도 있다. 예를 들어, 어떤 $n$차 미분방정식을

$$
y^{(n)}(t) = \phi\bigl(t, y(t), y'(t), \dots, y^{(n-1)}(t)\bigr)
$$

와 같은 형태로 해석한다면, 적분 혹은 수치적 방법을 통해 단계별로 근사해를 구해낼 수 있다. 하지만 이 방식은 폐회로 해석(closed-form)보다는 수치해석에 가깝고, 라플라스 변환의 직접적인 장점을 사용하지 않는다. 따라서 해의 분석과정이 복잡해질 수 있고, 일반해의 형태를 간결하게 표현하기도 쉽지 않다.

라플라스 변환을 쓰면, 단 한 번의 변환으로 모든 초기조건이 반영되는 $Y(s)$를 얻고, 역변환을 통해 $y(t)$를 손쉽게 구할 수 있다는 이점이 크다. 특히 고차가 되더라도 초기값이 여러 개 필요하다는 사실 외에는 해석 절차가 본질적으로 동일하므로, 2차 방정식을 풀 때 배운 방법을 단순히 확장 적용하면 된다.

#### 응용: 계단함수나 델타함수를 포함하는 예시

구체적인 예시로, 4차 미분방정식

$$
\frac{d^4 y(t)}{dt^4} + \omega^4 y(t) = \delta(t - t\_0)
$$

를 생각해볼 수 있다. 초기조건을 모두 0으로 가정한다고 하면, 라플라스 변환 후에는

$$
s^4 Y(s) + \omega^4 Y(s) = e^{-t\_0 s}
$$

로 나타난다. 왼쪽을 묶으면

$$
(s^4 + \omega^4), Y(s) = e^{-t\_0 s}.
$$

따라서

$$
Y(s) = \frac{e^{-t\_0 s}}{s^4 + \omega^4}.
$$

역라플라스 변환 단계에서는 $e^{-t\_0 s}$가 시이동 연산에 해당하므로, 결과적으로 $t < t\_0$ 구간에서는 해가 0이고, $t \ge t\_0$ 구간에서는 원점에서의 해가 $g(t-t\_0)$ 형태로 나타난다. 부분분수 분해와 역변환을 통해 구체적인 식을 전개하면, $\sin(\omega t)$ 및 $\cos(\omega t)$ 형태의 조합이 나타날 수 있는데, 차수에 따라 삼각함수의 급수나 하이퍼볼릭함수가 포함될 수도 있다.

이렇듯 델타신호 하나만으로도 고차 미분방정식이 특정 시점에서의 급격한 변위를 일으키는 해를 보이게 되고, 그 해를 묘사하는 데는 라플라스 영역의 $e^{-t\_0 s}$ 인자가 핵심 역할을 한다.

#### 고차 시스템의 과도 응답 해석

라플라스 변환을 고차 미분방정식에 적용할 때, 물리계나 제어계 관점에서는 과도 응답과 정상 응답을 구분하여 분석할 수 있다. 일반적으로 $n$차 선형계의 해는 고유해(동차해)와 강제해(비동차해)로 구성되며, 고유해(동차해)는 특성방정식의 근에 의해 결정되는 지수함수, 지수함수에 다항식이 곱해진 항, 또는 삼각함수 결합 형태의 과도 응답을 나타낸다. 이 부분은 시간이 지남에 따라 (감쇠 계수가 양수라면) 사라지거나 주기적 진동을 보일 수 있다. 반면, 강제해(비동차해)는 시스템에 가해진 입력 $f(t)$에 따라 달라지며, 특정 입력이 주기적이면 정상상태에서의 주기적 응답이 남기도 한다.

라플라스 변환에서는 이 두 가지 해가 자연스럽게 합쳐진 형태로 $Y(s)$가 표현된다. 변환된 특성 다항식 $H(s)$의 역수 부분이 동차해를, 입력신호 $\mathcal{L}{f(t)} = F(s)$가 곱해진 항이 강제해를 결정한다. 따라서

$$
Y(s) = \frac{\text{초기값 반영 항}}{H(s)} + \frac{F(s)}{H(s)}
$$

형태로 나타내면, 앞쪽 항이 초기값에 의해 결정되는 동차해, 뒤쪽 항이 강제입력에 의해 유도되는 해를 나타낸다. 초기값이 모두 0이면 첫 항은 사라지고, 나머지 항만 남게 된다. 라플라스 역변환을 거쳐 시간영역으로 돌아오면, 이 두 부분이 합쳐진 형태의 해 $y(t)$가 나타난다.

#### 편의 함수의 라플라스 변환 적용

고차 미분방정식을 실제 다룰 때 가장 빈번히 접하는 입력 중 하나는 스텝함수 $u(t-a)$와 같은 편의 함수들이다. 예를 들어

$$
f(t) = u(t-a)
$$

가 $t=a$ 이후에만 1의 값을 갖는 단위 계단함수라면, 라플라스 변환은

$$
F(s) = \mathcal{L}{u(t-a)} = \frac{e^{-as}}{s}.
$$

이를 $n$차 미분방정식에 대입하면,

$$
Y(s) = \frac{F(s)}{H(s)} = \frac{e^{-as}}{s , H(s)},
$$

형태를 얻게 된다. 그 결과 역변환 과정에서 $e^{-as}$ 항은 시간영역에서 $(t-a)$만큼의 시이동에 대응한다. 즉, $t < a$ 구간에서는 해가 0(또는 동차해만 남는)이고, $t \ge a$ 구간에서는 $t-a$에 대한 함수로 전개되는 해가 나타난다. 이는 주로 물리적 문제에서 “시간 $a$에 시스템이 기동한다” 혹은 “시간 $a$ 이후에 외력이 가해진다” 같은 상황을 수식으로 표현하는 데 매우 유용하다.

델타함수 $\delta(t-a)$ 역시 비슷한 맥락으로 해석된다. 라플라스 변환에서

$$
\mathcal{L}{\delta(t-a)} = e^{-as}.
$$

이 되므로, 그것을 대입하면 $Y(s) = \frac{e^{-as}}{H(s)}$가 된다. 그리고 역변환 시 구간별로 해석하면, $t < a$에서는 충격이 발생하기 전이므로 영향이 없고, $t \ge a$에서는 $t=a$ 시점의 충격이 반영된 과도 응답이 반영된 해가 형성된다.

#### 미분방정식 해에서의 극(pole) 해석

라플라스 변환의 해 $Y(s)$에서, 분모에 해당하는 $H(s) = a\_n s^n + \dots + a\_0$가 0이 되는 근들을 극(pole)이라고 부른다. 이는 물리적으로 시스템의 고유진동모드나 고유지수(감쇠 계수 및 주파수)를 의미한다. $n$차 방정식에서는 최대 $n$개의 극이 등장하며, 각각이 실수 근이면 지수함수적 과도응답으로, 복소 근이면 진동성분을 가진 과도응답으로 귀결된다. 극이 중복될 경우에는, 지수함수에 $t$나 $t^2$ 등의 다항식이 곱해져 나타나는 형태의 과도응답 항이 생긴다.

라플라스 변환 측면에서는

$$
Y(s) = \frac{G(s)}{\prod\_{k=1}^{r} (s - \alpha\_k)^{m\_k}} \quad \text{(또는 복소근 포함)}
$$

형태로 부분분수 분해되는 결과를 통해, 각 극점 $(s = \alpha\_k)$마다 대응하는 항을 식별할 수 있다. 이러한 극들을 시간영역에 가져오면, $e^{\alpha\_k t}$나 $t^p e^{\alpha\_k t}$, 그리고 복소근인 경우 $e^{\alpha\_k t} \cos(\beta\_k t)$ 혹은 $e^{\alpha\_k t} \sin(\beta\_k t)$와 같이 다양한 결합이 가능하다. 시스템의 응답 특성을 빠르게 파악하기 위해, 라플라스 변환에서 이 극들을 찾고 그 실부와 허부를 조사하는 방식이 많이 쓰인다.

#### 완전해(동차해+비동차해)의 체계화

고차 미분방정식의 해는 일반적으로 동차해와 비동차해의 합으로 나타난다. 라플라스 변환을 할 때는 이 두 부분이 하나의 식으로 합쳐지지만, 실제 역변환 과정에서 항을 분리해서 보면 구조를 쉽게 파악할 수 있다.

$$
y(t) = y\_{\text{동차}}(t) + y\_{\text{비동차}}(t).
$$

동차해는 초기값 없이

$$
a\_n y^{(n)} + \cdots + a\_1 y' + a\_0 y = 0
$$

를 만족하는 해들의 조합이며, 비동차해는 강제항 $f(t)$로부터 파생된다. 특히 분모가 고차 다항식으로 전개될 때, $\frac{F(s)}{H(s)}$를 부분분수 분해하면 각각의 항들이 고유한 형태의 역라플라스 변환 공식을 갖는다. 동차해는 $F(s)$를 0으로 놓았을 때의 해와 동일한 형태이므로, 사실상 $H(s)^{-1}$의 부분분수 항에서 나타나는 지수, 삼각함수, 또는 그 결합을 통해 유추할 수 있다.

비동차해는 $F(s)$ 자체가 어떤 형태인지(스텝, 램프, 델타, 임의 파형 등)에 따라 달라지고, 그 결과 역시 부분분수 분해나 시이동 공식, 혹은 합성곱 정리를 사용하여 구하게 된다.

#### 계수행렬을 통한 라플라스 변환: 고차방정식의 연립방정식화

고차 미분방정식은 상태방정식 형태로 바꾸면 연립 1차 미분방정식으로 표현될 수 있다. 예를 들어 $n$차 미분방정식

$$
y^{(n)}(t) + a\_{n-1} y^{(n-1)}(t) + \cdots + a\_1 y'(t) + a\_0 y(t) = f(t)
$$

을 상태변수

$$
x\_1(t) = y(t), \quad x\_2(t) = y'(t), \quad \dots, \quad x\_n(t) = y^{(n-1)}(t)
$$

로 설정하면

$$
\begin{cases} x\_1'(t) = x\_2(t),\ x\_2'(t) = x\_3(t),\ ,\vdots\ x\_{n-1}'(t) = x\_n(t),\ x\_n'(t) = -a\_0 x\_1(t) - a\_1 x\_2(t) - \cdots - a\_{n-1} x\_n(t) + f(t). \end{cases}
$$

이러한 연립시스템을 행렬 형태로 쓰면

$$
\mathbf{x}'(t) = \mathbf{A},\mathbf{x}(t) + \mathbf{b} f(t),
$$

같은 꼴이 되며, 초기조건 또한 $\mathbf{x}(0) = \mathbf{x}\_0$로 표현할 수 있다. 라플라스 변환을 벡터나 행렬 단위로 적용하면,

$$
s \mathbf{X}(s) - \mathbf{x}\_0 = \mathbf{A},\mathbf{X}(s) + \mathbf{b} F(s),
$$

와 같은 대수방정식이 되고, 이를 풀면

$$
\mathbf{X}(s) = (s \mathbf{I} - \mathbf{A})^{-1} \mathbf{x}\_0 + (s \mathbf{I} - \mathbf{A})^{-1} \mathbf{b} F(s).
$$

이후 각 성분에 대해 역라플라스 변환을 취하면, $x\_1(t) = y(t)$ 등을 통해 원래의 $y(t)$를 구할 수 있다. 고차 미분방정식을 직접 변환하는 방식과 본질적으로 동등하지만, 상태공간 표현을 통해 시스템 행렬 $\mathbf{A}$의 고유값과 고유벡터를 살펴보면서 해의 구조를 해석할 수도 있다는 이점이 있다.

#### 불연속 계수나 비정상 조건

고차 미분방정식에서 계수 $a\_k$가 시간에 따라 달라지는(비정상 계수) 경우나, 구간마다 다른 상수를 갖는 경우에는 직접적인 라플라스 변환 접근이 까다로워진다. 기본적으로 라플라스 변환은 선형이고 시불변(시간 불변) 계수 방정식에 이상적으로 적용된다. 만약 계수가 구간별로 달라진다면, 문제를 각 구간에서 시간 불변으로 취급한 뒤, 경계조건을 이어붙이는 방식을 취해야 할 수도 있다.

예를 들어

$$
\begin{cases} y''(t) + p(t) y'(t) + q(t) y(t) = 0, & t < t\_0,\ y''(t) + \tilde{p}(t) y'(t) + \tilde{q}(t) y(t) = 0, & t \ge t\_0, \end{cases}
$$

와 같이 계수함수가 $t\_0$에서 변경된다면, $0 \le t < t\_0$ 구간에서의 해와 $t \ge t\_0$ 구간에서의 해를 따로 구한 후, $t=t\_0$에서 연속성( $y$, $y'$, … 등)을 보장하는 연결 조건을 부과해야 한다. 라플라스 변환 자체로 한 번에 단순화하기 어려울 수 있으므로, 일반해를 구간별 해로 쪼개어 구하고, 그 사이 경계조건을 통해 적절히 파라미터를 결정하는 방식이 보다 직관적일 때가 많다.

이렇듯 계수가 상수일 때는 가장 이상적이고, 고차 방정식이라 할지라도 단일 라플라스 변환으로 수월하게 해가 구해지지만, 시간에 따라 달라지거나, 어떤 분포 형태의 계수를 갖는 경우에는 별도의 구간 해석, 분포 이론, 또는 그린 함수(Green’s function) 기법 등 다양한 방법을 병행해야 한다.

#### 연산자 기법과 그린 함수 접근

고차 미분방정식에 대한 해석을 더욱 일반화하기 위해, 선형연산자 이론 또는 그린 함수(Green's function)를 활용할 수 있다. 예를 들어 $n$차 선형 연산자

$$
L\[y(t)] = a\_n \frac{d^n y(t)}{dt^n} + a\_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} + \cdots + a\_1 \frac{dy(t)}{dt} + a\_0 y(t)
$$

가 주어졌을 때, 비동차 방정식

$$
L\[y(t)] = f(t)
$$

에 대한 해는, 그린 함수 $G(t,\tau)$를 통해

$$
y(t) = \int\_{0}^{t} G(t,\tau), f(\tau), d\tau + \text{(동차해의 부분)},
$$

로 표현될 수 있다. 여기서 그린 함수 $G(t,\tau)$는 임펄스형 입력 $\delta(t-\tau)$에 대한 계의 응답을 의미하며,

$$
L\[G(t,\tau)] = \delta(t-\tau)
$$

를 만족한다. 동시에 초기조건 또는 경계조건을 충족하도록 정의된다. 라플라스 변환 관점에서 보면,

$$
\mathcal{L}{G(t,\tau)\ \big|\ t} = \frac{1}{a\_n s^n + \cdots + a\_0},
$$

형태가 되어, $\tau$에 대한 시이동 또는 다른 적분 변수가 고려될 때도 동일한 구조를 유지한다. 이처럼 그린 함수 해법은 비선형 상황이나 특정 경계값 문제에서도 확장할 여지가 크다. 하지만 상수 계수를 갖는 선형 미분방정식의 경우에는 라플라스 변환이 매우 손쉽고 빠른 해결책이 되므로, 대부분의 응용에서는 라플라스 변환이 선호된다.

#### 고차 미분방정식에서의 특성방정식 해석

상수 계수 선형 미분방정식에서, 특성방정식의 근이 해의 지수적·삼각함수적 형태를 결정한다는 사실은 가장 핵심적인 이론이다. 라플라스 변환은 이를 $s$ 영역에서 극(pole)로 파악한다. 예를 들어

$$
a\_n s^n + a\_{n-1} s^{n-1} + \cdots + a\_1 s + a\_0 = 0
$$

의 근을 $\alpha\_k$($k=1,\dots,n$)라 하면, 중근 여부와 복소 근 여부에 따라 시간영역 해가 달라진다. 실제 예시로

1. 모두 상이한 실근 $\alpha\_1,\dots,\alpha\_n$: 해는 $c\_1 e^{\alpha\_1 t} + \cdots + c\_n e^{\alpha\_n t}$ 꼴로 구성된다.
2. 중근이 존재하는 실근 $\alpha\_1$이 $m$번 중복: 해는 $e^{\alpha\_1 t}\bigl(c\_1 + c\_2 t + \cdots + c\_m t^{m-1}\bigr)$ 형태가 포함된다.
3. 복소근 $\alpha \pm j\beta$: 해는 $e^{\alpha t}\bigl(C\_1 \cos(\beta t) + C\_2 \sin(\beta t)\bigr)$ 꼴이 포함된다.

라플라스 변환에서는 이 각각이 $(s-\alpha)^{m}$, $(s^2 + 2\alpha s + \alpha^2 + \beta^2)$ 등으로 나타나며, 부분분수 분해를 통해 역변환하는 단계가 바로 특성방정식의 해와 대응되는 것이다.

#### 차수가 올라갈 때의 해 표현

차수가 높아지면, 초기조건이 $n$개 필요할 뿐 아니라, 부분분수 분해에서 고려해야 할 항이 많아진다. 하지만 계산 절차 자체는 동일 패턴을 반복한다.

1. 라플라스 변환 시행.
2. $s$ 영역에서 $Y(s)$에 대한 대수방정식 형성.
3. 초기조건 대입 후 $Y(s)$를 명시적으로 구함.
4. 부분분수 분해 및 역라플라스 변환.

이 과정에서 $n$차 이상이 될수록

* 중근이 여러 겹 있는 항,
* 복소 근이 여러 짝으로 나타나는 항,
* 스텝함수나 델타함수의 시이동 인자,

등이 혼합되면 수작업 계산이 복잡해진다. 그럼에도 불구하고 라플라스 변환의 기저 원리는 바뀌지 않는다. 따라서 고차 미분방정식 역시, “2차 방정식을 라플라스 변환으로 푸는 방법”을 숙지했다면 동일한 방식을 확장해서 적용 가능하다.

#### 해의 유일성과 존재성

선형 미분방정식 $a\_n y^{(n)} + \cdots + a\_0 y = f(t)$에 대해 초기조건이 모두 주어지면, 이 해는 유일하다. 라플라스 변환 관점에서도, 변환 후 $Y(s)$가 단 하나로 결정되므로 역변환된 해 역시 유일하게 정해진다. 이는 해석함수 해석(analytic function theory)의 차원에서도, 극점이 정해진 이상 해의 표현은 부분분수 분해를 통해 단 하나의 해로 귀결된다는 사실과 부합한다.

다만, 분포(예: 델타함수)가 포함되거나 특이함수를 다룰 때는 해가 일반화해(generalized function) 형태를 가질 수 있으며, 경계조건의 해석도 세심하게 해야 한다. 하지만 고차가 된다고 해서 유일성이나 존재성의 원리가 깨지는 것은 아니며, 선형성 하에서 동일한 논리가 적용된다.

#### 예시: 4차 미분방정식에서의 다중 중근

예를 들어,

$$
\frac{d^4 y}{dt^4} - 2 \frac{d^3 y}{dt^3} + \frac{d^2 y}{dt^2} - 2 \frac{dy}{dt} + y(t) = 0
$$

와 같은 방정식을 가정해보자. 특성방정식은

$$
r^4 - 2 r^3 + r^2 - 2 r + 1 = 0
$$

이 된다. 만약 이것이 $(r-1)^2(r+1)^2$와 같이 인수분해된다면, 근은 $r=1$에서 2중근, $r=-1$에서 2중근이다. 따라서 동차해는

$$
y\_{\text{동차}}(t) = C\_1 e^{t} + C\_2 t e^{t} + C\_3 e^{-t} + C\_4 t e^{-t}.
$$

비동차항이 있었다면 라플라스 변환에서 분모에 $(s-1)^2 (s+1)^2$ 형태가 나타나고, 부분분수 항에 $1/(s-1)$, $1/(s-1)^2$, $1/(s+1)$, $1/(s+1)^2$ 등이 등장하게 된다. 역변환 과정에서 $t e^{\alpha t}$ 항이 발생할 때는, “중근”에 대한 표준 공식에 의해 바로 결정된다.

#### 복잡한 입력을 가진 고차 계의 시뮬레이션

현대 시뮬레이션 도구(예: MATLAB, Python + Sympy 등)를 이용하면, 고차 방정식에 대해 라플라스 변환으로 해를 구하거나, 직접 수치적 방법(Odeint, Runge-Kutta 등)을 써서 해를 구할 수 있다. 라플라스 변환은 해의 닫힌형(closed-form) 표현을 얻는 데 강점을 지니지만, 복잡한 입력이나 분산 파라미터가 결합된 문제, 또는 비선형 항이 들어간 문제에서는 수치 시뮬레이션이 대안이 된다.

그럼에도 순수 선형·상수계수·유한 차수의 미분방정식이라면, 라플라스 변환으로 해를 충분히 구할 수 있다. 오히려 수치해만으로는 해의 구조적 이해가 어려울 수 있으므로, 라플라스 변환과 특성방정식을 함께 사용해 체계적으로 극(pole)과 영점(zero)을 파악하고, 시스템 안정성이나 응답특성을 분석하는 접근이 더욱 직접적이다.

\---부를 생략하고 본 장에서 살펴본 사항 요약

고차 미분방정식의 라플라스 변환 해석은, 1차 혹은 2차 방정식에서 이미 확립된 방법이 자연스럽게 확장된 것이다. 모든 초기조건이 변환 후에 선형 대수항으로 편입되고, 그 결과 $Y(s)$에 대한 방정식을 간단히 푸는 방식으로 해에 도달한다. 해가 복잡해지는 주된 요인은 차수가 올라가면서 특성방정식의 근이 중첩되거나 복소 근이 늘어나는 것, 그리고 입력 $f(t)$가 구간별·시변·특이함수 형태를 가질 수 있기 때문이다. 그러나 라플라스 변환 자체는 이를 견고하게 다룰 수 있는 통일된 틀을 제공한다.