Pythonで微分方程式を解く方法を徹底解説！｜自作で機械学習モデル・AIの使い方を学ぶ

Pythonによる微分方程式解法の重要性

微分方程式は、物理学や工学、経済学などの様々な分野で用いられる重要な数学の分野です。Pythonを使うことで、微分方程式を簡単に解くことができます。Pythonには、微分方程式を解くためのライブラリがいくつかあります。以下で、Pythonを使った微分方程式の解き方を解説します。

Pythonを用いた微分方程式の基本的な解き方

Pythonを使って微分方程式を解くためには、まず微分方程式を数値的に解く必要があります。具体的には、微分方程式を差分方程式に変換して、数値的に解く方法があります。

import numpy as np
# 微分方程式を定義する
def function(y, t):
    return -y
# 初期条件を設定する
y0 = 1
# 時間の範囲を設定する
t = np.linspace(0, 5, 100)
# 微分方程式を数値的に解く
from scipy.integrate import odeint
y = odeint(function, y0, t)
# 結果をプロットする
import matplotlib.pyplot as plt
plt.plot(t, y)
plt.xlabel('t')
plt.ylabel('y')
plt.show()

上記のプログラムでは、微分方程式を数値的に解くために、odeint関数を使っています。この関数は、微分方程式を数値的に解いて、結果を返します。また、linspace関数を使って、時間の範囲を指定しています。

Pythonライブラリ「NumPy」を活用した微分方程式の解き方

Pythonライブラリ「NumPy」を使って、微分方程式を解くこともできます。以下のプログラムでは、「NumPy」のodeint関数を使って微分方程式を解いています。

import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt
# 微分方程式を定義する
def function(y, t):
    return -y
# 初期条件を設定する
y0 = 1
# 時間の範囲を設定する
t = np.linspace(0, 5, 100)
# 微分方程式を数値的に解く
y = odeint(function, y0, t)
# 結果をプロットする
plt.plot(t, y)
plt.xlabel('t')
plt.ylabel('y')
plt.show()

上記のプログラムでは、odeint関数を使って微分方程式を数値的に解いています。また、linspace関数を使って、時間の範囲を指定しています。

Pythonライブラリ「SciPy」を活用した微分方程式の解き方

Pythonライブラリ「SciPy」を使って、微分方程式を解くこともできます。以下のプログラムでは、「SciPy」のode関数を使って微分方程式を解いています。

import numpy as np
from scipy.integrate import ode
import matplotlib.pyplot as plt
# 微分方程式を定義する
def function(t, y):
    return [-2*y[0] + y[1], y[0] - 2*y[1]]
# 初期条件を設定する
y0 = [1, 0]
# 時間の範囲を設定する
t = np.linspace(0, 5, 100)
# 微分方程式を数値的に解く
solver = ode(function)
solver.set_initial_value(y0, t[0])
y = np.zeros((len(t), 2))
y[0, :] = y0
for i in range(1, len(t)):
    y[i, :] = solver.integrate(t[i])
# 結果をプロットする
plt.plot(t, y[:, 0], 'b', label='y1')
plt.plot(t, y[:, 1], 'g', label='y2')
plt.xlabel('t')
plt.ylabel('y')
plt.legend(loc='best')
plt.show()

上記のプログラムでは、ode関数を使って微分方程式を解いています。また、初期条件と時間の範囲を指定しています。

Pythonでの微分方程式のグラフ化

Pythonを使って微分方程式を解いた結果をグラフ化することができます。以下のプログラムでは、matplotlibライブラリを使って微分方程式を解いた結果をグラフ化しています。

import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt
# 微分方程式を定義する
def function(y, t):
    return -y
# 初期条件を設定する
y0 = 1
# 時間の範囲を設定する
t = np.linspace(0, 5, 100)
# 微分方程式を数値的に解く
y = odeint(function, y0, t)
# 結果をプロットする
plt.plot(t, y)
plt.xlabel('t')
plt.ylabel('y')
plt.title('Solution of y’ = -y')
plt.grid()
plt.show()

上記のプログラムでは、matplotlibライブラリを使って微分方程式を解いた結果をグラフ化しています。また、title関数を使ってグラフにタイトルを付け、grid関数を使ってグリッドを表示しています。

Pythonによる微分方程式解法の応用例

Pythonを使って微分方程式を解くことで、様々な応用例があります。以下では、例としてロトカ・ヴォルテラ方程式を解いてみます。

import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt
# ロトカ・ヴォルテラ方程式を定義する
def function(y, t, a, b, c, d):
    x, y = y
    dxdt = a*x - b*x*y
    dydt = -c*y + d*x*y
    return [dxdt, dydt]
# パラメータを設定する
a = 1.5
b = 1
c = 3
d = 1
# 初期条件を設定する
x0 = 10
y0 = 2
# 時間の範囲を設定する
t = np.linspace(0, 20, 1000)
# ロトカ・ヴォルテラ方程式を数値的に解く
y = odeint(function, [x0, y0], t, args=(a, b, c, d))
# 結果をプロットする
plt.plot(t, y[:, 0], 'b', label='x')
plt.plot(t, y[:, 1], 'g', label='y')
plt.xlabel('t')
plt.ylabel('Population')
plt.title('Lotka-Volterra Model')
plt.legend(loc='best')
plt.grid()
plt.show()

上記のプログラムでは、ロトカ・ヴォルテラ方程式をodeint関数を使って数値的に解いています。また、args引数を使ってパラメータを指定しています。