상수계수 미분방정식 해결 절차

일반적인 형태와 초기조건

상수계수를 갖는 선형 미분방정식은 시간영역에서 다음과 같은 일반형으로 표현된다.

$$a_n \frac{d^n y(t)}{dt^n} + a_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} + \cdots + a_1 \frac{dy(t)}{dt} + a_0 y(t) = f(t)$$

여기서 모든 계수들은 시간 $t$와 무관한 상수이며 $a_n \neq 0$이다. 주어진 문제에는 특정한 초기조건이 포함될 수 있다. 예를 들어 이차미분방정식의 경우

$$y(0) = y_0,\quad \frac{dy}{dt}(0) = y_1$$

와 같은 형태를 취한다.

이 방정식을 라플라스 변환 기법으로 풀기 위해서는 우선 양변에 라플라스 변환을 취한다. 라플라스 변환의 핵심 개념은 미분연산이 $s$-영역에서 다항식 곱으로 간단하게 표현되는 점이다. 초기조건이 주어질 때, 미분항의 라플라스 변환은 다음과 같이 표현된다.

$$\mathcal{L}\Big\{\frac{d^n y(t)}{dt^n}\Big\} = s^n Y(s) - s^{n-1} y(0) - s^{n-2} \frac{dy}{dt}(0) - \cdots - \frac{d^{n-1} y}{dt^{n-1}}(0)$$

이 결과를 이용하면, $n$차 상수계수 미분방정식을 $s$-영역에서 $Y(s)$에 대한 대수방정식으로 바꿀 수 있다.

상수계수 미분방정식의 라플라스 변환

위 예시 방정식에 라플라스 변환을 직접 적용하면 다음과 같은 형태가 나온다.

$$a_n \bigl[s^n Y(s) - s^{n-1}y(0) - \cdots - \frac{d^{n-1} y}{dt^{n-1}}(0)\bigr] + \\ a_{n-1} \bigl[s^{n-1} Y(s) - s^{n-2}y(0) - \cdots\bigr] + \\ \cdots + a_1 \bigl[s Y(s) - y(0)\bigr] + a_0 Y(s) = F(s)$$

여기서 $F(s) = \mathcal{L}{f(t)}$이다. 방정식의 모든 항을 전개하고 초기조건 항들을 묶은 뒤 $Y(s)$에 대해 정리하면, 일반적으로

$$\bigl(a_n s^n + a_{n-1} s^{n-1} + \cdots + a_1 s + a_0 \bigr) Y(s) - \text{(초기조건에 대한 항들의 합)} = F(s)$$

이라는 형태를 얻는다. 이를

$$P(s) \, Y(s) - Q(s) = F(s)$$

로 요약할 수 있다. 여기서

$$P(s) = a_n s^n + a_{n-1} s^{n-1} + \cdots + a_1 s + a_0$$

이고,

$$Q(s)$$

는 초기값을 포함한 항들의 합이다. 이어서 $Y(s)$에 대해 풀면

$$Y(s) = \frac{Q(s) + F(s)}{P(s)}.$$

분할정리와 역변환

일반적으로 $P(s)$와 $Q(s) + F(s)$는 유리함수 형태로 존재한다. 라플라스 변환을 이용하여 해를 구하려면 $Y(s)$에 대한 역라플라스 변환 $\mathcal{L}^{-1}{Y(s)}$을 구해야 한다. 이를 위해서는 $Y(s)$를 부분분수 분해(partial fraction decomposition)하거나, 이미 알려진 라플라스 쌍을 활용하여 변환표를 참고한다. 예를 들어, 2차 상수계수 미분방정식에서는

$$Y(s) = \frac{b_1 s + b_0}{(s-\alpha)(s-\beta)}$$

꼴로 나타날 수 있으며, 이를 적절히 분해하면 표준 라플라스 역변환 식을 이용해 시간영역의 해 $y(t)$를 찾을 수 있다.

해의 구조

초기조건이 주어진 문제에서, 위 과정을 통해 얻은 $y(t)$는 동특성해(homogeneous solution)와 특수해(particular solution)의 합으로 구성된다. 라플라스 변환 기법에서는 일련의 단계를 거쳐 $s$-영역에서 해를 구한 뒤 역변환을 함으로써 자동으로 두 해가 결합된 형태가 나타난다. 만약 $f(t)=0$이라면 오직 동특성해만 남으며, 이는 고유값(eigenvalue) 및 고유벡터(eigenvector) 개념과도 관련된다.

라플라스 변환으로 얻어지는 해는 대부분 시간영역에서 지수함수, 사인, 코사인, 혹은 이들의 조합 형태로 표현된다. 예를 들어, 이차 미분방정식의 경우

$$y(t) = C_1 e^{\lambda_1 t} + C_2 e^{\lambda_2 t} + y_p(t)$$

와 같은 구조를 취할 수 있는데, 여기서 $y_p(t)$는 비제차항이 존재할 때 발생하는 특수해이다.

도해적 관점

시간영역에서 직접 해를 구하는 방식(예: 미분연산자 해법, 지수함수 꼴 가정법 등)과 달리, 라플라스 변환은 $s$-영역이라는 보조공간에서 문제를 다룬 뒤 최종적으로 역변환을 통해 답을 얻는다. 이는 미분연산을 대수연산으로 바꾸는 강력한 방식이어서, 초기조건 처리가 편리해지고, 외부입력이 임의의 시간함수로 주어져도 쉽게 적용할 수 있다는 장점이 있다.

중근이 있을 경우의 해법

라플라스 변환을 통한 상수계수 미분방정식 해법에서 주특성방정식의 근이 중복되는 경우, 부분분수 분해 과정과 그에 따른 역변환이 더 복잡해질 수 있다. 시간영역에서 직접 특성방정식을 푸는 경우에도 중근이 발생하면 일반해의 형태가 $e^{\lambda t}$, $t e^{\lambda t}$, $t^2 e^{\lambda t}$ 같은 항들을 포함하게 된다. 라플라스 변환에서도 이러한 구조는 동일하게 반영되며, 중근이 2차 이상일 경우에는 $Y(s)$의 부분분수 항에서 $(s-\lambda)^k$와 같은 형태가 나타난다. 이를 정확히 역변환하기 위해서는 중근에 해당하는 라플라스 쌍을 정확히 기억하거나, 공식을 유도하여 사용해야 한다. 예를 들어,

$$\frac{1}{(s-\lambda)^2}$$

의 역변환은

$$\mathcal{L}^{-1}\bigl\{\frac{1}{(s-\lambda)^2}\bigr\} = t e^{\lambda t}$$

이 되고, 고차 중근일수록 $t^m e^{\lambda t}$ 형태가 등장한다.

중근 문제를 체계적으로 다루기 위해서는 먼저 $P(s)$를 인수분해하여 반복근을 파악한 뒤, 부분분수 분해를 할 때 $(s - \lambda)^k$ 꼴에 대해

$$\frac{A_1}{(s-\lambda)} + \frac{A_2}{(s-\lambda)^2} + \cdots + \frac{A_k}{(s-\lambda)^k}$$

같은 표현을 만들어준다. 여기서 $A_1, A_2, \dots, A_k$를 찾는 과정이 필수적이며, 각각은 $Q(s) + F(s)$를 $P(s)$로 나눈 결과에 따라 정해진다.

초기조건 처리와 병행

계수확정 과정에서 초기조건에 따른 항들이 $Y(s)$의 부분분수 항에 추가적으로 영향을 주게 된다. 특히 고차 미분방정식에서 초기조건이 다양하게 주어지면, $(s-\lambda)^{-m}$ 형태의 항들이 모두 역변환 과정에서 $t^{m-1} e^{\lambda t}$ 식으로 매칭되므로, 각 항이 시간영역에서 어떤 역할을 하는지 명확히 인지해야 한다. 라플라스 변환 방정식에서 초기조건 항이 적절히 반영되었는지 재확인하는 것은 해결 과정에서 매우 중요하다.

일반화: 고차 방정식

$n$차 상수계수 미분방정식에서 $P(s) = 0$이라는 특성방정식을 풀었을 때, 근이 $\lambda_1, \lambda_2, \dots, \lambda_n$으로 주어진다고 가정하면, 해는 보통

$$y_h(t) = C_1 e^{\lambda_1 t} + C_2 e^{\lambda_2 t} + \cdots + C_n e^{\lambda_n t}$$

의 형태로 나타난다. 만약 어떤 근이 중복하여 $\lambda_k$가 $m$중근이라면

$$e^{\lambda_k t},\ t e^{\lambda_k t},\ t^2 e^{\lambda_k t},\ \dots,\ t^{m-1} e^{\lambda_k t}$$

을 모두 포함한 선형 결합이 동특성해에 포함된다. 라플라스 변환에서는 이를 부분분수 분해 과정에서 자연스럽게 반영하게 된다. 최종 해는 동특성해와 비제차항에 의해 결정되는 특수해를 더한 형태로 완성된다.

특수해 구하기

비제차항 $f(t)$가 주어지면, 라플라스 변환에서 $F(s) = \mathcal{L}{f(t)}$가 오른쪽 변에 등장한다. 이를 $P(s)$로 나눈 뒤 생기는 항은 시간영역에서의 특수해에 해당한다. 간단한 입력인 경우(예: $f(t)=e^{\alpha t}$, $\sin(\omega t)$, $\cos(\omega t)$, 다항식, 단위계단함수를 곱한 형태 등)에는 표준 라플라스 쌍만 정확히 알고 있어도 쉽게 해를 구할 수 있다.

만약 $f(t)$가 더 복잡한 형태라면 부분분수 분해 이전에 미리 $F(s)$를 단순화하거나, 분해가 용이하도록 변형하여 문제를 접근한다. 라플라스 변환 문제에서 $U(t-a)f(t-a)$ 형태(지연된 입력) 또는 $\delta(t-a)$ 형태(디랙 델타 입력)가 등장하는 경우에도 같은 방식으로 해결이 가능하며, 그때는 $e^{-as}F(s)$ 꼴의 항이 생긴다.

상수계수 방정식과 전달함수

시스템 해석 이론에서는 상수계수 선형 미분방정식을 해석하기 위해 전달함수라는 개념을 자주 사용한다. 전달함수 $G(s)$는 출력의 라플라스 변환을 입력의 라플라스 변환으로 나눈 값이다. 즉,

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

에 해당한다. 상수계수 미분방정식

$$a_n \frac{d^n y}{dt^n} + \cdots + a_1 \frac{dy}{dt} + a_0 y = b_m \frac{d^m u}{dt^m} + \cdots + b_1 \frac{du}{dt} + b_0 u$$

의 경우에, 양변에 라플라스 변환을 취하고 초기조건이 없다고 가정할 때,

$$Y(s)\bigl(a_n s^n + \cdots + a_1 s + a_0 \bigr) = U(s)\bigl(b_m s^m + \cdots + b_1 s + b_0 \bigr)$$

가 된다. 이를

$$\frac{Y(s)}{U(s)} = \frac{b_m s^m + \cdots + b_1 s + b_0}{a_n s^n + \cdots + a_1 s + a_0}$$

로 정리하면,

$$G(s) = \frac{b_m s^m + \cdots + b_1 s + b_0}{a_n s^n + \cdots + a_1 s + a_0}$$

가 전달함수가 된다. 이 때 $G(s)$를 부분분수 분해해서 역라플라스 변환을 취함으로써 시간영역에서의 임펄스응답과 같은 다양한 해석이 가능하다.

라플라스 변환을 이용한 예제 해석

상수계수 미분방정식을 라플라스 변환으로 푸는 과정을 실제 예제를 통해 살펴보면 해법의 메커니즘을 보다 명료하게 이해할 수 있다. 예를 들어,

$$\frac{d^2 y(t)}{dt^2} + 3 \frac{dy(t)}{dt} + 2y(t) = e^{-t}, \quad y(0) = 1,\quad \frac{dy}{dt}(0) = -1$$

를 풀어보자. 먼저 좌변과 우변에 각각 라플라스 변환을 취한다. 좌변에 포함된 미분항은 초기조건을 포함하는 형태로 변환되므로,

$$\mathcal{L}\Bigl\{\frac{d^2 y(t)}{dt^2}\Bigr\} = s^2 Y(s) - s y(0) - \frac{dy}{dt}(0) \\ \mathcal{L}\Bigl\{\frac{dy(t)}{dt}\Bigr\} = s Y(s) - y(0)$$

을 활용하여 전개하면,

$$\bigl[s^2 Y(s) - s \cdot 1 - (-1)\bigr] + 3\bigl[s Y(s) - 1\bigr] + 2Y(s) = \mathcal{L}\{e^{-t}\}.$$

오른쪽 항은

$$\mathcal{L}\{e^{-t}\} = \frac{1}{s+1}$$

이므로, 이를 합산하여

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

로 정리할 수 있다. 이어서 $Y(s)$를 묶으면,

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

좌변에서 $-s - 2$는 초기조건에 의해 형성된 항이다. 이후 $Y(s)$에 대해 풀면,

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

부분분수 분해 과정

이제

$$s^2 + 3s + 2 = (s+1)(s+2)$$

이므로,

$$Y(s) = \bigl(s + 2 + \frac{1}{s+1}\bigr) \frac{1}{(s+1)(s+2)}.$$

분배하여 항들을 분리하면,

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

여기서 $1/(s+1)(s+1)$ 형태는 $(s+1)^2$가 아니라 $(s+1)$이 2번 등장하는 것으로 표현될 수 있으므로 중첩에 유의해야 한다. 실제로는

$$\frac{1}{(s+1)} \times \frac{1}{(s+1)(s+2)} = \frac{1}{(s+1)^2 (s+2)}$$

가 아니라

$$\frac{1}{(s+1)} \cdot \frac{1}{(s+1)(s+2)} = \frac{1}{(s+1)(s+1)(s+2)},$$

즉 $(s+1)$ 요인이 중첩되어 있음을 주의 깊게 살펴야 한다.

그런데 실질적으로 간단히 표현하려면 부분분수 분해를 단계적으로 진행한다. 먼저

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

이에 따라

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

이제 $(s+1)^2 (s+2)$를 분해하는 과정을 진행하면서 계수를 찾는다.

분해 플로우차트

아래는 부분분수 분해 및 역변환 과정을 시각화한 흐름도 예시이다.

각 단계에서 사용되는 핵심 아이디어는 상수계수 미분방정식을 $s$-공간에서 대수적으로 해결한다는 것이고, 부분분수 분해는 역라플라스 변환을 가능케 하기 위한 표준 절차이다.

컨볼루션 정리를 이용한 해법

라플라스 변환에서는 곱셈이 시간영역의 컨볼루션(권적)을 의미한다는 중요한 정리가 있다. 즉,

$$\mathcal{L}\{x(t) * y(t)\} = X(s) \cdot Y(s), \quad x(t)*y(t) = \int_0^t x(\tau)\,y(t-\tau)\,d\tau$$

가 성립한다. 상수계수 미분방정식을 해석할 때 이 정리를 활용하면, 특정한 외부입력(비제차항)이 임펄스응답과 곱셈관계로 이어지는 과정을 관찰할 수 있다. 예컨대 계수가 상수인 $n$차 선형 미분방정식의 해를 구한 뒤, 해당 시스템에 가해진 입력 함수를 임펄스열로 분해하면, 실제 출력은 임펄스응답과 입력의 컨볼루션으로 나타난다.

시스템론 관점에서, 임펄스응답 $h(t)$를 알아두면 임의의 입력 $x(t)$에 대한 출력 $y(t)$는

$$y(t) = x(t)*h(t)$$

형태로 표현 가능하다. 이를 라플라스 변환 영역에서는

$$Y(s) = X(s) \cdot H(s)$$

로 간단히 나타낼 수 있다. 여기서 $H(s)$는 시스템의 전달함수(또는 임펄스응답의 라플라스 변환)이다. 상수계수 미분방정식을 만족하는 물리계나 제어계는 대부분 이러한 방식으로 해석할 수 있다.

계단입력 및 임펄스응답

외부입력이 단위계단함수(step function) $u(t)$나 디랙 델타함수 $\delta(t)$인 경우는 라플라스 해석에서 매우 중요하다. 단위계단함수의 라플라스 변환은

$$\mathcal{L}\{u(t)\} = \frac{1}{s},$$

임펄스(델타함수)의 라플라스 변환은

$$\mathcal{L}\{\delta(t)\} = 1$$

이다. 상수계수 방정식에 $\delta(t)$가 입력으로 들어온다면, 해는 시스템의 임펄스응답 그 자체가 된다. 예를 들어,

$$\frac{d^2 y}{dt^2} + 5\frac{dy}{dt} + 6y = \delta(t)$$

에 대해 라플라스 변환을 취하면,

$$\bigl(s^2 + 5s + 6\bigr)Y(s) = 1$$

이 되고,

$$Y(s) = \frac{1}{s^2 + 5s + 6}$$

이다. 이를 역변환하면 실제 시간영역에서 임펄스가 입력될 때의 계 출력, 즉 임펄스응답이 얻어진다.

한편, 단위계단함수 입력은

$$\frac{1}{s}$$

이 오른쪽 변에 곱해진 형태를 만들어 주며, 라플라스 변환 해결과정에서 $s$가 분모에 들어가기 때문에, 실제 시간영역 해에서는 적분성분이나 일정상태값(steady-state value)이 드러날 수 있다.

지연된 입력과 시프트 정리

주어진 외부입함수가 $u(t-a)f(t-a)$ 형태로 지연(shifting)되어 있을 때, 라플라스 변환은

$$\mathcal{L}\{u(t-a)f(t-a)\} = e^{-as}F(s), \quad F(s) = \mathcal{L}\{f(t)\}$$

으로 나타난다. 상수계수 미분방정식에서 이러한 항이 등장하면, 적절히 $e^{-as}$ 배가 곱해진 상태로 $Y(s)$에 영향을 주게 된다. 결국 $y(t)$의 역변환에서 $t \ge a$ 구간에만 작동하는 항이 포함되며, 이는 물리적으로 지연된 입력으로 인해 응답이 지연되어 나타난다는 해석과 일치한다.

시스템 해석에서 지연항이 포함된 방정식을 풀 때 라플라스 변환 기법이 크게 유용하다. 시간영역에서 복잡하게 계단함수 곱과 시프트 연산을 고려하는 대신, $e^{-as}$ 인자를 도입해 비교적 직관적으로 처리할 수 있기 때문이다. 초기조건 역시 동일한 방식으로 반영 가능하다.

일반화: 범함수와 분포

상수계수 미분방정식 문제에서 종종 등장하는 $\delta(t-a)$ 같은 분포(distribution) 입력은 시간영역 해석에 불연속(혹은 급격한 변화)을 일으킨다. 라플라스 변환 관점에서는

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

로 단순히 표현된다. 이는 지연된 임펄스 입력과 같은 의미이며, 시간영역에서 $t=a$ 시점에 순간적으로 계에 충격이 가해짐을 반영한다. 상수계수 미분방정식에 이를 적용하면, $t=a$ 이후 해의 형태가 달라지거나, 특정 구간별로 방정식을 나누어 풀어야 하는 상황이 발생하지만, 라플라스 영역에서는 $e^{-as}$ 항으로 깔끔하게 나타나므로 전체 해석이 훨씬 편리해진다.

안정성과 극점(Poles)

상수계수 미분방정식을 풀어 얻은 전달함수나 특성방정식의 근은 해의 거동과 밀접하게 연결된다. 예를 들어, $s$-영역에서의 극점(pole)이 모두 음의 실부분을 갖는다면, 시간영역 해는 감쇠하는 지수함수 형태가 되어 시스템이 안정하다는 결론을 내릴 수 있다. 반대로 양의 실부분을 갖는 극점이 존재하면 출력이 무한정 증폭될 수 있어 불안정성이 나타난다. 이처럼 상수계수 선형 미분방정식을 라플라스 영역에서 해석하면 단순히 해를 구하는 것뿐 아니라, 극점들의 분포를 기반으로 해의 시간적 거동 및 안정성까지 평가할 수 있다.

복소근과 공진현상

특성방정식의 해가 복소수로 나타날 때, 시간영역 해에서는 사인 및 코사인 항이 지수함수와 결합된 형태

$$e^{\sigma t}\bigl(A\cos(\omega t) + B\sin(\omega t)\bigr)$$

로 표현된다. 여기서 $\sigma$는 감쇠나 성장률을 나타내고, $\omega$는 진동수(각주파수)이다. 특히 $\sigma=0$일 때에는 감쇠나 성장이 없고 순수진동성분만 남아 공진현상(resonance)을 보여준다. 이는 고전적인 2차 미분방정식 계에서 발생하는 진동해석, 스프링-질량-댐퍼 계 해석 등과 정확히 일치한다.

초기조건 영향과 해의 분할

상수계수 미분방정식에서 초기조건의 영향은 해를 구분하는 핵심 요소가 된다. 물리계나 제어계 관점에서, 초기상태는 외부입력이 없어도 어떤 과도응답을 유발한다. 라플라스 영역에서 이를 가장 명확히 볼 수 있는 이유는 미분연산이 $s$의 다항식 형태로 치환될 때, $\bigl[s^{n-1}y(0) + \cdots + y^{(n-1)}(0)\bigr]$ 같은 항이 등장해서 $Y(s)$에 직접 더해지거나 빼지는 식으로 반영되기 때문이다. 그 결과 시간영역에서 $t=0$ 직후에 어떤 내부에너지(초기변위, 초기속도, 축적에너지 등)가 있으면, 그에 따른 지수응답이나 진동응답이 자연히 포함된다.

시간영역에서 해를

$$y(t) = y_{\text{zi}}(t) + y_{\text{zs}}(t)$$

같이 분할하여 해석할 때가 많다. 여기서 $y_{\text{zi}}(t)$는 초기조건만 주어졌을 때의 자유응답(zero input response), $y_{\text{zs}}(t)$는 초기조건이 모두 0일 때 외부입력에 의해 발생하는 강제응답(zero state response)이다. 라플라스 변환으로 문제를 풀면, 이 두 해가 자동으로 합쳐진 형태로 나타난다.

영역별 풀기와 라플라스 변환

상수계수 방정식에 구간별로 다른 입력이 주어지는 경우, 시간영역에서 구간마다 해를 구하고 적합조건(continuity condition)을 만족하도록 맞추는 전형적 절차가 필요하다. 그러나 라플라스 변환을 사용하면 각 구간의 입력에 대응하는 항들을 단위계단함수로 표현하여 하나의 식으로 묶을 수 있으며, 결과적으로 $s$-영역에서 한 번에 해석이 가능하다. 예컨대

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

와 같은 구간별 정의 함수를 가지고 있으면,

$$F(s) = \mathcal{L}\{u(t)\} - \mathcal{L}\{u(t-a)\} = \frac{1}{s} - \frac{e^{-as}}{s}.$$

이 식을 사용해 방정식을 풀고, 최종적으로 역변환하면 구간별로 서로 다른 해결책을 일괄적으로 얻는다.

선형성과 중첩원리

상수계수 선형미분방정식은 중첩원리가 성립하므로, 서로 다른 입력에 대한 해를 중첩하여도 결과가 동일하다. 라플라스 변환 관점에서는, 입력의 합에 대한 라플라스 변환이 각 입력의 라플라스 변환 합과 같으므로, 대응하는 해 역시 $Y(s)$ 항을 선형적으로 더해 얻을 수 있다. 시간영역에서 간단히

$$f_1(t)\rightarrow y_1(t), \quad f_2(t)\rightarrow y_2(t)$$

라 할 때,

$$f_1(t) + f_2(t)\rightarrow y_1(t) + y_2(t)$$

가 성립한다. 이는 초기조건 해석과도 결합되어, 모든 항을 겹쳐 해석해도 동일해진다는 것을 의미한다.

고차 시스템 예시

$4$차 이상의 미분방정식도 원리는 동일하다. 예를 들어,

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

같은 문제를 라플라스 변환으로 푼다고 하면, 먼저 왼쪽 항을 모두 변환한 뒤 $F(s) = \mathcal{L}{t^2} = \frac{2}{s^3}$를 우변에 놓고 식을 정리한다. 그 다음 $s$다항식 형태의 분모를 인수분해하거나 부분분수 분해를 시도하여 $Y(s)$를 찾는다. 고차 미분방정식이라 해도, 절차 자체는 전혀 달라지지 않고, 단지 인수분해와 부분분수 분해가 복잡해질 뿐이다. 특히 4차 이상에서 중근이 겹치거나 복소근이 섞여 있으면 분해 과정에서 세심한 계수 계산이 필요하다.

라플라스 변환과 연산자 해석

라플라스 변환으로 미분을 $s$로 치환하는 것은 사실상 연산자 $D = \frac{d}{dt}$를 $s$로 대체하는 관점과 맥이 닿는다. 즉, 시간영역 방정식을

$$(a_n D^n + \cdots + a_1 D + a_0)\,y(t) = f(t)$$

로 본 뒤, 연산자 $D$를 $s$로 바꾸어

$$(a_n s^n + \cdots + a_1 s + a_0)\,Y(s) = F(s) + \text{(초기조건 항)},$$

라고 기술하는 방식이다. 이때 초기조건 항은 $D^k y(0)$ 꼴들에 의해 결정된다. 이를 더욱 일반화하면, 시간영역에서의 합성곱(컨볼루션) 연산이 $s$영역에서 곱셈으로 간주된다는 사실과 결합되어, 다채로운 선형시스템 분석법이 성립하게 된다.

응용: 전기회로 및 기계시스템

상수계수 미분방정식은 전기회로나 기계계 시스템에서 주로 접하게 된다. 전기회로에서 커패시터 전류-전압 관계 $i=C,dv/dt$, 인덕터 전압-전류 관계 $v=L,di/dt$ 등이 모두 선형미분방정식을 형성하며, 계수 $C$, $L$, $R$ 등은 시간에 대해 상수로 간주되면 상수계수 방정식이 성립한다. 마찬가지로 기계시스템에서 질량, 감쇠, 스프링 상수를 일정한 값으로 보면, 뉴턴의 운동방정식이 상수계수 2차(또는 고차) 방정식으로 표현된다. 이런 상황에서 라플라스 변환은 입력신호(힘, 전압 등)를 손쉽게 변환하고, 초기운동에너지나 초기전하량을 반영할 수 있어 매우 직관적이다.

블록선도 해석

제어이론에서 라플라스 변환은 블록선도를 단순화하고 해를 구하는 핵심 수단이 된다. 각 블록은 전형적으로 $G(s) = \frac{\text{출력}}{\text{입력}}$ 형태의 전달함수를 지니고, 블록들이 직렬, 병렬, 피드백 등으로 연결된다. 병렬연결은 전달함수 합으로, 직렬연결은 곱으로, 단순환형 피드백은

$$\frac{G(s)}{1 + G(s)H(s)}$$

로 표현된다. 이렇게 전역 전달함수를 구한 뒤, 필요한 신호에 대한 라플라스 변환식을 만든 후 역변환하면 시간영역 응답이 도출된다. 이 전 과정은 사실상 상수계수 미분방정식을 간접적으로 푸는 절차와 동일하며, 시스템이 거대한 차수를 갖더라도 블록연산 규칙이 표준화되어 있어 손쉽게 접근할 수 있다.

연립 상수계수 미분방정식

하나 이상의 미지함수를 포함하는 다수의 상수계수 선형 미분방정식을 동시에 풀어야 하는 상황이 자주 발생한다. 예를 들어,

$$\frac{dx(t)}{dt} = 2x(t) + 3y(t), \quad \frac{dy(t)}{dt} = -x(t) + 4y(t)$$

와 같은 1차 연립방정식을 생각해보자. 이를 라플라스 변환으로 풀이하려면,

$$s X(s) - x(0) = 2X(s) + 3Y(s), \quad s Y(s) - y(0) = -X(s) + 4Y(s),$$

와 같은 형태로 전환할 수 있다. 이후 $X(s)$, $Y(s)$에 대한 연립 대수방정식을 풀어 해를 찾고, 각각 역라플라스 변환을 취하면 $x(t)$, $y(t)$를 얻게 된다. 초기조건이 구체적으로 주어져 있다면, 그에 맞춰 상수항들을 식에 포함시켜 최종 시간을 도출한다.

라플라스 변환은 여러 변수에 대해 동시에 적용해도 각 미분항이 선형적으로 변환되므로, 연립 방정식을 효율적으로 해결할 수 있다. 행렬 연산과 결합하여 풀 때는 더욱 체계적으로 접근할 수 있다.

행렬 형태와 고유값 문제

연립 미분방정식을 일반화하여,

$$\frac{d\mathbf{x}(t)}{dt} = A\,\mathbf{x}(t) + \mathbf{f}(t)$$

와 같은 행렬 형태로 기술할 수 있다. 여기서 $\mathbf{x}(t)$는 상태변수 벡터, $A$는 상수행렬, $\mathbf{f}(t)$는 외부입력 벡터에 해당한다. 초기조건 $\mathbf{x}(0) = \mathbf{x}_0$가 주어져 있을 때, 이 시스템을 라플라스 영역에서 나타내면

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

의 형태가 된다. 이때 $X(s)$, $F(s)$는 각각 $\mathbf{x}(t)$, $\mathbf{f}(t)$의 라플라스 변환 벡터다. 이를 정리하면,

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

따라서

$$X(s) = (sI - A)^{-1} \bigl[\mathbf{x}_0 + F(s)\bigr].$$

만약 외부입력 $\mathbf{f}(t)$가 0이라면,

$$X(s) = (sI - A)^{-1} \mathbf{x}_0$$

가 된다. 행렬 $(sI - A)^{-1}$를 부분분수 분해하거나, 행렬식과 소여 다항식을 이용하여 인수분해하면, 시간영역에서의 해 $\mathbf{x}(t)$를 역변환으로 구할 수 있다.

행렬 $A$의 고유값이 $\lambda_i$들이라면, $(sI - A)$의 극점(pole)은 $s=\lambda_i$들에 대응된다. 즉, $\det(sI - A) = 0$ 식이 특성방정식을 이루고, 이 근들이 시간영역 해의 지수항이나 진동항을 결정한다. 고유값이 중복되거나 복소수 형태로 나타나면, 이전에 단일함수 케이스에서 논의했던 중근 처리나 복소지수 해석과 같은 절차가 마찬가지로 적용된다.

라플라스 변환을 통한 행렬 방정식 해

구체적인 예시를 들어,

$$\frac{d}{dt} \begin{pmatrix} x(t) \\ y(t) \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} x(t) \\ y(t) \end{pmatrix}, \quad \begin{pmatrix} x(0) \\ y(0) \end{pmatrix} = \begin{pmatrix} x_0 \\ y_0 \end{pmatrix}$$

와 같은 형태라면, 라플라스 영역에서는

$$s \begin{pmatrix} X(s) \\ Y(s) \end{pmatrix} - \begin{pmatrix} x_0 \\ y_0 \end{pmatrix} = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} X(s) \\ Y(s) \end{pmatrix}.$$

즉,

$$\bigl(sI - A\bigr) \begin{pmatrix} X(s) \\ Y(s) \end{pmatrix} = \begin{pmatrix} x_0 \\ y_0 \end{pmatrix}.$$

이를 전개하면

$$\begin{pmatrix} s - 1 & -2 \\ -3 & s - 4 \end{pmatrix} \begin{pmatrix} X(s) \\ Y(s) \end{pmatrix} = \begin{pmatrix} x_0 \\ y_0 \end{pmatrix}.$$

역행렬을 구한 뒤 곱해주면

$$\begin{pmatrix} X(s) \\ Y(s) \end{pmatrix} = \frac{1}{(s-1)(s-4) - (-2)(-3)} \begin{pmatrix} s-4 & 2 \\ 3 & s-1 \end{pmatrix} \begin{pmatrix} x_0 \\ y_0 \end{pmatrix}.$$

분모는 $\det(sI - A)$에 해당하고, 분자는 수반행렬(adj) 형태를 사용한 표현이다. 이후 필요하면 부분분수 분해와 역라플라스 변환을 통해 시간영역에서 $x(t)$, $y(t)$를 구할 수 있다.

복소 평면에서의 해석

상수계수 미분방정식을 라플라스 영역에서 분석한다는 것은 결국 복소평면에서의 극점을 관찰하는 일과도 직접적으로 연결된다. 시스템행렬 $A$를 지녔든, 스칼라 상수계수 다항식을 지녔든, 그 특성방정식의 근(극점)들의 위치가 해의 안정성과 진동성 등을 결정한다. 복소평면에서 실부분이 음수인 지점에 극점이 위치하면 해가 감쇠하며, 실부분이 양수인 경우 해가 발산하기 쉽다. 순허수축 근들은 영감쇠 진동을 일으킨다.

라플라스 변환을 이용하면 문제를 푸는 과정에서 자동적으로 극점들의 구조를 파악하게 된다. 부분분수 분해가 이루어지는 방식이 곧 $P(s)$ 다항식을 인수분해하는 것이기 때문이다. 고차일수록 극점들의 분포가 다양해질 수 있으나, 해석 논리는 동일하다.

주파수응답 관점

라플라스 변환은 시영역 미분방정식을 직류성분($s=0$)을 포함한 전체 복소주파수 영역으로 확장해 이해하는 강력한 도구가 된다. 특히 $s = j\omega$로 대입하여 주파수응답을 구할 수 있다는 점이, 푸리에 변환이나 보드선도(Bode plot) 등의 개념과 연결된다. 상수계수 미분방정식의 해석에서 $\omega$가 변함에 따라 시스템의 응답크기와 위상 등이 어떻게 변하는지를 평가함으로써, 공진주파수나 감쇠특성, 위상변화를 한눈에 파악할 수 있다.

주파수응답을 찾고자 할 때, 일차적으로 전달함수 $G(s)$를 구한 뒤, $s = j\omega$를 대입하면 $G(j\omega)$라는 주파수응답 특성을 얻는다. 이 관점은 시간영역 해석과는 다른 각도에서, 상수계수 시스템의 진동거동 및 안정성을 분석할 수 있게 해준다.

초기값 정리와 최종값 정리

라플라스 변환 해석에서 자주 활용되는 두 가지 중요한 정리가 있다. 초기값 정리(initial value theorem)는

$$\lim_{t \to 0} y(t) = \lim_{s \to \infty} s\,Y(s)$$

으로, 미분방정식 해 $y(t)$가 $t=0$ 근처에서 어떤 값을 취하는지 라플라스 영역에서 빠르게 확인할 수 있게 해준다. 이 정리는 $y(t)$가 적절히 연속이거나 특정 구간에서 정의되어 있다는 전제 아래 적용된다. 특이점이 있는 경우, 예컨대 초기치 불연속 상황이거나 델타입 입력이 가해진 상황에서는 신중하게 해석해야 한다.

최종값 정리(final value theorem)는

$$\lim_{t \to \infty} y(t) = \lim_{s \to 0} s\,Y(s)$$

으로 나타난다. 이는 $t \to \infty$에서 시스템 출력이 어떤 값을 수렴하거나 혹은 발산하는지 가늠하는 데 유용하다. 다만 실제로 $y(t)$가 유한 값을 갖고 수렴해야만 이 정리가 성립한다. 만약 극점이 우반평면에 존재하여 해가 발산한다면, 최종값 정리를 사용할 수 없다. 또한 진동성분 때문에 극한이 존재하지 않는 경우에도 적용이 불가능하다. 따라서 최종값 정리를 적용하기 전에, 먼저 특성방정식의 근이나 전달함수의 극점 위치를 확인하여 시스템이 안정적으로 수렴하는지 살펴봐야 한다.

라플라스 변환표와 표준 쌍

라플라스 변환을 이용해 상수계수 미분방정식을 푸는 과정에서 핵심이 되는 것은, 결국 필요한 변환과 역변환을 빠르게 찾아내는 일이다. 이를 위해 보통은 표준 라플라스 변환표를 참조하게 된다. 예를 들어,

$$\mathcal{L}\{1\} = \frac{1}{s},\quad \mathcal{L}\{t\} = \frac{1}{s^2},\quad \mathcal{L}\{e^{at}\} = \frac{1}{s-a}, \quad \mathcal{L}\{\sin(\omega t)\} = \frac{\omega}{s^2 + \omega^2}$$

등이 대표적인 기본 쌍에 해당한다. 고차 미분항이 포함된 문제에서도, 모든 항은 이 표준쌍의 조합을 통해 역변환할 수 있게 된다.

변환표는 미분 및 적분연산, 지연연산, 적분함수(예: $\operatorname{Ei}$ 함수) 같은 좀 더 복잡한 항목까지 확장된다. 문제에 따라선 특별한 보함수나 특수함수가 등장할 수도 있으나, 상수계수 미분방정식 범위 내에서는 주로 다항식, 지수함수, 삼각함수, 단위계단함수, 델타함수 정도의 조합이면 충분하다.

시간영역 해석과 비교

상수계수 미분방정식을 시간영역에서 직접 푸는 방법(예: 지수함수 해 가정, 미분연산자 기법, 특성방정식 근 해법 등)과 라플라스 영역에서 푸는 방법은 서로 같은 결과를 준다. 라플라스 변환의 장점은, 초기조건을 넣어 문제를 한 번에 풀 수 있고, 외부입력이 복잡한 계단함수 조합이거나 델타함수 형태여도 쉽게 접근한다는 것이다. 반면, 시간영역 해석법은 해가 어떤 수학적 형태로 구성되는지 직관적으로 파악하기 더 쉬울 수 있다.

아직 해석하지 않은 구간별 입력이거나, 불연속점이 여러 개 있는 입력 신호를 다루어야 하는 경우에도, 라플라스 변환 기법을 쓰면 전역적으로 하나의 식 안에서 문제를 정리할 수 있다. 컨볼루션 정리를 이용해 임펄스응답과 입력을 곱하는 식으로 해를 구해도 되고, 전달함수를 활용해 시스템 차원에서 접근할 수도 있다.

복잡계로의 확장

선형 영역을 넘어, 실제 시스템에는 비선형항이 포함되거나 시변계수(time-varying coefficient)가 등장할 때도 많다. 이 경우엔 라플라스 변환을 직접 적용하기 어렵거나 불가능해질 수 있다. 그러나 계수가 상수이고 시스템이 선형이라는 제한하에서는 라플라스 변환이 매우 강력한 도구가 된다. 여기에 잡음이나 추가 외란이 선형 범주 내에서 모델링 가능하다고 보면, 라플라스 변환을 활용해 필터링, 추정, 제어와 같은 분야에도 응용할 수 있다.

물리적으로나 공학적으로나, 상수계수 미분방정식은 핵심 현상을 가장 근본적으로 설명하는 모델이기도 하다. 예를 들어 저차 회로나 간단한 기계계에서 시작해, 관성-감쇠-스프링 등으로 구성된 모든 선형계 해석에 라플라스 변환이 적용된다. 주파수응답, 군지연, 공진, 위상여유 등의 개념은 모두 여기서 발전된 것이다.

한눈에 보는 해결 절차

상수계수 미분방정식을 라플라스 변환으로 해결할 때, 전형적으로 다음과 같은 순서를 밟는다 (단, 아래 단계는 절차적 가이드를 나타낼 뿐, 실제 계산 과정은 문제 특성에 따라 적절히 변형 가능하다).

라플라스 변환을 취할 때에는 미분항 변환 공식에 따라 초기조건 항을 명확히 분리해야 한다. 그 뒤 $Y(s)$를 묶어내어 대수방정식 형태로 해결하고, 필요한 경우 부분분수 분해를 수행한다. 마지막으로 역라플라스 변환을 통해 시간영역 해 $y(t)$를 구하고, 필요하다면 초기값 정리나 최종값 정리를 사용해 특이점을 점검한다.

이로써 상수계수 미분방정식에서의 라플라스 변환 기법을 모두 개관했다. 미분연산의 선형성과 중첩원리를 기반으로, 복잡해 보이는 여러 문제를 간결하고 통합적으로 다룰 수 있음이 최대 장점이다. 다양한 물리계나 제어계에도 동일한 방식으로 적용할 수 있으며, 시스템의 극점 구조와 안정성, 주파수응답 특성까지 파악할 수 있다.