微分方程式の基礎（振動・減衰）

Q: 微分方程式の基礎（振動・減衰）とは何ですか？

未知関数 x(t) とその導関数 x'(t), x''(t), \ldots の関係を記述する方程式を「微分方程式（ODE: 常微分方程式）」と呼ぶ。 代表例として、質量 m の物体がばね定数 k のばねと減衰係数 c のダンパー（抵抗）に接続された系の運動方程式（ニュートンの第二法則 F=ma より）は次の2階線形常微分方程式で表される。 m \frac{d^2 x}{dt^2} + c \frac{dx}{dt} + k x = 0 ここで x(t) は釣り合い位置からの変位である。

Q: 微分方程式の基礎（振動・減衰）は社会やプログラミングでどのように使われていますか？

物理エンジンのばねシミュレーションとUIの「バネのような」アニメーションイージング: ゲームエンジンやモバイルUIの「弾むような」アニメーション（iOSのスプリングアニメーションなど）は、まさにばね-質量-ダンパー系の微分方程式を毎フレーム数値的に解くことで実現されている。厳密解の三角関数を使わず、セミインプリシット・オイラー法で位置と速度を逐次更新するのが実務上の定番手法。

ばね・質量・ダンパー系の運動方程式から学ぶ常微分方程式と、その数値解法（オイラー法）

この単元の発見をシェア

3行要約（Key Takeaways / AIOサマリー）

1: 微分方程式とは、未知関数そのものとその導関数の関係を記述する方程式であり、質点の運動やばねの振動など「変化のルール」から未来の状態を予測するための数学的道具
2: 質量 m・ばね定数 k・減衰係数 c を持つ系の運動方程式 $m x'' + c x' + k x = 0$ は、減衰の強さによって「振動しながら減衰（不足減衰）」「振動せず戻る（過減衰）」「最速で戻る（臨界減衰）」の3種類の挙動に分かれる
3: 厳密解が求まらない複雑な微分方程式でも、時間を微小なステップ $h$ に区切って一次近似を繰り返す「オイラー法」を使えばコンピュータで数値的に解くことができ、これはゲームエンジンの物理シミュレーションの基礎となっている

なぜこれを学ぶのか？ — 現実社会とテクノロジーでの価値

Purpose & Motivation

なぜ生まれたのか？

微分方程式とは、未知関数そのものとその導関数の関係を記述する方程式であり、質点の運動やばねの振動など「変化のルール」から未来の状態を予測するための数学的道具

身につく武器・思考力

質量 m・ばね定数 k・減衰係数 c を持つ系の運動方程式 $m x'' + c x' + k x = 0$ は、減衰の強さによって「振動しながら減衰（不足減衰）」「振動せず戻る（過減衰）」「最速で戻る（臨界減衰）」の3種類の挙動に分かれる

実社会・ITでの活躍現場

•物理エンジンのばねシミュレーションとUIの「バネのような」アニメーションイージング
•ITシステム・アルゴリズム実装における論理設計
•データ分析やシミュレーションにおける数理モデリング

Layer 1 — 直感・シミュレーター

質量 m・ばね定数 k・減衰係数 c のスライダーを動かして、変位 x(t) の時間変化グラフがどう形を変えるか観察しよう。減衰係数を 0 に近づけると永遠に振動し続け、大きくしすぎると振動せずゆっくり（あるいは急速に）静止位置に戻る「過減衰」に切り替わる。減衰比 ζ の値と挙動の分類（不足減衰・臨界減衰・過減衰）が連動して表示される。

質量 m = 1.0ばね定数 k = 6.0減衰係数 c = 1.00初期変位 x₀ = 2.0

固有角振動数 $\omega_0 = \sqrt{k/m}$ ≈ 2.45 rad/s、減衰比 $\zeta = \dfrac{c}{2\sqrt{mk}}$ ≈ 0.204

判定: 不足減衰（振動しながら減衰）

運動方程式: $m x'' + c x' + k x = 0$ （セミインプリシット・オイラー法で数値的に解いています）

↑ 減衰係数 c を 0 に近づけると永遠に振動し続け（不足減衰）、大きくしすぎると振動せず一直線に静止位置へ戻る（過減衰）。 ζ = 1 の臨界減衰がその境目で最も速く収束する。

直感チェック！ミニクイズ

ばね-質量-ダンパー系 $m x'' + c x' + k x = 0$ において、減衰比 $\zeta = \dfrac{c}{2\sqrt{mk}}$ が $\zeta = 0.3$ （ $0 < \zeta < 1$ ）のとき、系の挙動として正しいものはどれか？

Layer 2 — 定義・受験・証明

定義

未知関数 $x(t)$ とその導関数 $x'(t), x''(t), \ldots$ の関係を記述する方程式を「微分方程式（ODE: 常微分方程式）」と呼ぶ。代表例として、質量 $m$ の物体がばね定数 $k$ のばねと減衰係数 $c$ のダンパー（抵抗）に接続された系の運動方程式（ニュートンの第二法則 $F=ma$ より）は次の2階線形常微分方程式で表される。

m \frac{d^2 x}{dt^2} + c \frac{dx}{dt} + k x = 0

ここで $x(t)$ は釣り合い位置からの変位である。

公式・数理モデル

m x'' + c x' + k x = 0, \quad \omega_0 = \sqrt{\dfrac{k}{m}}, \quad \zeta = \dfrac{c}{2\sqrt{mk}}, \quad x(t) = e^{-\zeta \omega_0 t}\left(A\cos(\omega_d t) + B \sin(\omega_d t)\right)

証明・導出

特性方程式による解法：解の形を $x(t) = e^{\lambda t}$ と仮定して方程式に代入すると、

m \lambda^2 e^{\lambda t} + c \lambda e^{\lambda t} + k e^{\lambda t} = 0 \;\Longrightarrow\; m\lambda^2 + c\lambda + k = 0

という「特性方程式」が得られる。これは $\lambda$ に関する2次方程式なので、判別式 $D = c^2 - 4mk$ の符号によって解の性質が3通りに分かれる。

固有角振動数 $\omega_0 = \sqrt{k/m}$ （減衰がないときの振動数）と減衰比 $\zeta = \dfrac{c}{2\sqrt{mk}}$ を導入すると、特性方程式の解は

\lambda = -\zeta\omega_0 \pm \omega_0\sqrt{\zeta^2 - 1}

となる。

1. $0 \le \zeta < 1$ （不足減衰）： $\zeta^2 - 1 < 0$ なので $\lambda$ は複素数となり、減衰角振動数 $\omega_d = \omega_0\sqrt{1-\zeta^2}$ を用いて一般解は $x(t) = e^{-\zeta\omega_0 t}(A\cos\omega_d t + B\sin\omega_d t)$ となる。振幅 $e^{-\zeta\omega_0 t}$ で包絡されながら振動する。 2. $\zeta = 1$ （臨界減衰）：重解 $\lambda = -\omega_0$ を持ち、一般解は $x(t) = (A + Bt)e^{-\omega_0 t}$ となる。振動せず、最も速く釣り合い位置に収束する。 3. $\zeta > 1$ （過減衰）：2つの異なる実数解 $\lambda_{1,2}$ を持ち、一般解は $x(t) = A e^{\lambda_1 t} + B e^{\lambda_2 t}$ となる。振動せず、ゆっくりと釣り合い位置に戻る。

押さえておきたいポイント

固有角振動数 $\omega_0 = \sqrt{k/m}$ は「減衰も外力もないときにこの系が振動する速さ」を表す
減衰比 $\zeta$ の値だけで挙動が完全に分類できる： $\zeta < 1$ 不足減衰、 $\zeta = 1$ 臨界減衰、 $\zeta > 1$ 過減衰
厳密解が困難な非線形の微分方程式でも、時刻 $t$ の状態から微小時間 $h$ 後の状態を $x_{n+1} = x_n + h \cdot x'_n$ と近似的に更新する「オイラー法」を繰り返せば数値的に解を追跡できる
オイラー法は近似誤差が蓄積するため、ゲームエンジンや物理シミュレーションでは速度を先に更新する「セミインプリシット（半陰的）オイラー法」がよく使われ、エネルギーの発散を抑えて安定性を高めている

参照基準・学習指導要領との対応

本トピックの内容・数理モデルは、文部科学省学習指導要領（算数・数学・情報）および国際標準カリキュラムに準拠し、エンジニアリング現場の実装事例と照らし合わせてMath World Lab編集部により検証・作成されています。

Layer 3 — 工学応用・現場実装

物理エンジンのばねシミュレーションとUIの「バネのような」アニメーションイージング

ゲームエンジンやモバイルUIの「弾むような」アニメーション（iOSのスプリングアニメーションなど）は、まさにばね-質量-ダンパー系の微分方程式を毎フレーム数値的に解くことで実現されている。厳密解の三角関数を使わず、セミインプリシット・オイラー法で位置と速度を逐次更新するのが実務上の定番手法。

1// ばね-質量-ダンパー系: m x'' + c x' + k x = 0 のシミュレーション
2interface SpringState {
3  position: number; // 変位 x
4  velocity: number;  // 速度 x'
5}
6
7function stepSpring(
8  state: SpringState,
9  mass: number,
10  stiffness: number, // ばね定数 k
11  damping: number,   // 減衰係数 c
12  dt: number         // 時間刻み h
13): SpringState {
14  // 加速度 a = x'' = -(k x + c x') / m  （F = ma より）
15  const acceleration =
16    (-stiffness * state.position - damping * state.velocity) / mass;
17
18  // セミインプリシット・オイラー法: 先に速度を更新し、その新しい速度で位置を更新する
19  // （通常のオイラー法より数値的に安定し、エネルギーが発散しにくい）
20  const newVelocity = state.velocity + acceleration * dt;
21  const newPosition = state.position + newVelocity * dt;
22
23  return { position: newPosition, velocity: newVelocity };
24}
25
26// 例: UIパネルを x=1 の位置からバネで x=0 (目標位置) へ滑らかに戻すアニメーション
27let state: SpringState = { position: 1, velocity: 0 };
28const mass = 1;
29const stiffness = 170; // 硬いバネ = 素早い収束
30const damping = 20;    // 適度な減衰 = わずかにオーバーシュートして収束
31const dt = 1 / 60;     // 60fps
32
33for (let frame = 0; frame < 90; frame++) {
34  state = stepSpring(state, mass, stiffness, damping, dt);
35  // 実際のアプリでは state.position をUI要素の座標に反映する
36}
37console.log(`90フレーム後の位置: ${state.position.toFixed(4)}`); // ほぼ 0 に収束