はじめに――答えがもっともらしくても,正しいとは限らない
第3回では,二つの変数を一つに減らすモデルを作りました.第4回では,見えない変数を正確に消去すると,過去の値を使う記憶積分が現れることを学びました.
では,計算しやすい近似モデルを使うとき,出てきた答えをどこまで信用してよいのでしょうか.
「元の答えと近そうだ」と言うだけでなく,どのくらい離れ得るかを数学的に示したい.
今回は,元の方程式が持つ三つの情報――省いた成分,見えない初期値,方程式を満たし切れていない程度――を区別し,一つの誤差評価式にまとめます.
途中で積分が出ますが,第4回と同じ指数関数の掛け算を使うだけです.行列や専門的な数値解析の知識は必要ありません.
1.第3回の一変数縮約を思い出そう
今回も,結合の強さ \(a\geq0\) を持つ二変数系
\[ \boxed{\begin{aligned} x'(t)&=-x(t)+ay(t),\\ y'(t)&=ax(t)-y(t) \end{aligned}} \tag{1} \]を考えます.初期値は \(x(0)=x_0,\ y(0)=y_0\) とします.
平均と差の半分を
\[ u(t)=\frac{x(t)+y(t)}{2},\qquad v(t)=\frac{x(t)-y(t)}{2} \tag{2} \]とすると,
\[ u'(t)=(a-1)u(t),\qquad v'(t)=-(a+1)v(t) \tag{3} \]でした.したがって正確な観測値は
\[ \boxed{x(t)=u_0e^{(a-1)t}+v_0e^{-(a+1)t}} \tag{4} \]です.ただし,
\[ u_0=\frac{x_0+y_0}{2},\qquad v_0=\frac{x_0-y_0}{2} \]です.
第3回では \(v\) を省き,\(u\) を使って観測値 \(x\) を近似しました.今回は,計算した近似値を一般に \(q(t)\) と書きます.以下では,考える時間区間で \(q(t)\) が連続的に微分できると仮定します.\(q(t)\) が厳密に方程式を解いていなくてもよい,という点が新しいところです.
2.近似のずれには,少なくとも三つの原因がある
元の観測値 \(x(t)\) と近似値 \(q(t)\) を比べましょう.主な誤差の原因は,次の三つです.
- 省略誤差:差の半分 \(v(t)\) を計算しないために生じるずれ.
- 初期値誤差:見えない \(y_0\) が分からず,残す \(u\) の最初の値を正確に決められないことによるずれ.
- 残差:計算した \(q(t)\) が,残した方程式 \(u'=(a-1)u\) を完全には満たさないことによるずれ.
ここで三番目の残差(residual)を,
\[ \boxed{r(t)=q'(t)-(a-1)q(t)} \tag{5} \]で定義します.もし \(q\) が方程式を厳密に満たすなら,\(r(t)=0\) です.
残差は元の真の解を知らなくても,近似値 \(q\) と方程式から計算できる量です.ただし,実際の計算機で残差を厳密に評価するには,別途数値誤差への注意が必要です.
3.残差から誤差を表す等式を導こう
本当の平均 \(u(t)\) と近似値 \(q(t)\) の差を
\[ e(t)=u(t)-q(t) \]と置きます.式(3)と(5)から,
\[ \begin{aligned} e'(t) &=u'(t)-q'(t)\\ &=(a-1)u(t)-\bigl((a-1)q(t)+r(t)\bigr)\\ &=(a-1)e(t)-r(t). \end{aligned} \tag{6} \]ここで \(\alpha=a-1\) と書き,両辺に \(e^{-\alpha t}\) を掛けます.積の微分公式から,
\[ \frac{d}{dt}\bigl(e^{-\alpha t}e(t)\bigr) =-e^{-\alpha t}r(t) \tag{7} \]となります.時刻0から \(t\) まで積分すると,
\[ \boxed{ u(t)-q(t) =e^{\alpha t}(u_0-q(0)) -\int_0^t e^{\alpha(t-s)}r(s)\,ds. } \tag{8} \]さらに \(x(t)=u(t)+v(t)\) と式(4)を使えば,
\[ \boxed{\begin{aligned} x(t)-q(t) ={}&v_0 e^{-(a+1)t} +e^{(a-1)t}(u_0-q(0))\\ &-\int_0^t e^{(a-1)(t-s)}r(s)\,ds. \end{aligned}} \tag{9} \]これが今回の出発点となる正確な誤差恒等式です.ここまでは大小関係ではなく,等号が成り立っています.
4.絶対値を取れば「これ以上はずれない」が分かる
三つの数の和について,絶対値はそれぞれの絶対値の和を超えないことを使います.積分の中の指数関数は正なので,式(9)から,
\[ \boxed{\begin{aligned} |x(t)-q(t)|\leq{}& |v_0|e^{-(a+1)t}\\ &+|u_0-q(0)|e^{(a-1)t}\\ &+\int_0^t e^{(a-1)(t-s)}|r(s)|\,ds. \end{aligned}} \tag{10} \]という不等式が得られます.
右辺が0.1以下であると証明できれば,左辺,つまり真の観測値と近似値の差も0.1以下です.これが誤差の上界です.
注意したいのは,式(10)がどんなに正しくても,右辺に入る初期値や残差について分からないことがあれば,ただちに数値的な上界を得られるわけではない,という点です.
また,不等式は近似のずれが右辺以下であることを保証するものです.実際の誤差が常に上界と同じになる,という意味ではありません.
5.(y_0) が分からなくても評価できる条件
観測した \(x_0\) に対して,見えない初期値 \(y_0\) の推定値 \(\widehat y_0\) を持っているとします.そして,推定のずれについて
\[ \boxed{|y_0-\widehat y_0|\leq\eta} \tag{11} \]と分かっているとしましょう.\(\eta\geq0\) は事前に正当化された誤差の上限です.単に「これくらいだろう」と予想して置く数字ではありません.
縮約の初期値を \(q(0)=(x_0+\widehat y_0)/2\) と選ぶと,
\[ |u_0-q(0)|=\frac{|y_0-\widehat y_0|}{2} \leq\frac{\eta}{2} \tag{12} \]です.また三角不等式から,
\[ |v_0|=\frac{|x_0-y_0|}{2} \leq\frac{|x_0-\widehat y_0|+\eta}{2}. \tag{13} \]最後に,考える時間区間 \(0\leq t\leq T\) で
\[ \boxed{|r(t)|\leq\delta} \tag{14} \]という上限 \(\delta\geq0\) が正しく得られているとします.
式(10)に代入すれば,真の \(y_0\) を知らなくても次の評価ができます.
\[ \boxed{\begin{aligned} |x(t)-q(t)|\leq B(t):={}& \frac{|x_0-\widehat y_0|+\eta}{2}e^{-(a+1)t}\\ &+\frac{\eta}{2}e^{(a-1)t} +\delta\,\Phi_a(t), \qquad 0\leq t\leq T, \end{aligned}} \tag{15} \]ここで \(\Phi_a(t)\) は,
\[ \boxed{\Phi_a(t)= \begin{cases} \dfrac{e^{(a-1)t}-1}{a-1},&a\neq1,\\[6pt] t,&a=1 \end{cases}} \tag{16} \]です.\(a<1\) の場合も式(16)は正の値になります.分子も分母も負になるからです.
式(15)は,仮定(11)と(14),元のモデル(1)が正しいという条件の下で,時刻 \(0\leq t\leq T\) に対して成り立つ数学的な上界です.これらの仮定が正当化できない場合には,保証とは呼べません.
6.誤差の上界を実際に計算してみよう
具体例として,
\[ a=\frac12,\quad x_0=1,\quad \widehat y_0=0,\quad \eta=0.2,\quad \delta=0.01 \tag{17} \]とします.これは説明用の仮定であり,\(|y_0-\widehat y_0|\leq0.2\) および \(|r(t)|\leq0.01\) を満たす状況を考えています.
式(15)から,
\[ \boxed{ B(t)=0.6e^{-3t/2} +0.1e^{-t/2} +0.02(1-e^{-t/2}). } \tag{18} \]したがって,時刻 \(t=2\) では
\[ \begin{aligned} B(2)&=0.6e^{-3}+0.1e^{-1}+0.02(1-e^{-1})\\ &\approx 0.0793. \end{aligned} \]つまり,式(17)の誤差上限が正しく満たされているなら,時刻2での予測のずれは約0.0793以下と分かります.四捨五入した0.0793を厳密な上界として使うのではなく,厳密な上界は上の \(B(2)\) の式です.
グラフでは一つの具体的な真の初期値 \(y_0=0.1\) と,残差が常に \(r(t)=0.01\) となる近似
\[ q(t)=\frac12e^{-t/2}+0.02(1-e^{-t/2}) \tag{19} \]を用意し,実際の誤差と上界を比べました.
この例の時刻2での実際の誤差は約0.0282です.上界はその値より大きく,すべての時刻で実際の誤差を覆っています.上界を求めることと,実際の誤差を知ることは違うのです.
7.不安定な成分があれば,小さな誤差も増大する
式(15)の第二項と第三項には,\(e^{(a-1)t}\) が現れています.
\(0\leq a<1\): \(e^{(a-1)t}\) は減衰します.また,\(\Phi_a(t)=(1-e^{-(1-a)t})/(1-a)\leq1/(1-a)\) なので,残差の上限が一定なら,残差による誤差は \(\delta/(1-a)\) 以下に抑えられます.
\(a=1\): 初期値誤差はそのまま残り,残差項は \(\delta t\) になります.小さな残差でも長時間では蓄積する可能性があります.
\(a>1\): 初期値誤差が増幅し,残差による上界も指数的に大きくなり得ます.特に長時間の予測には注意が必要です.
つまり,同じ残差の大きさでも,元の方程式の安定性によって,真の誤差への影響が大きく変わります.
これが,単に計算を速くするだけでなく,安定性を考えたモデル縮約を研究する理由の一つです.
8.数学的な保証と,計算機による確認を区別する
ここで,保証という言葉を慎重に使いましょう.式(15)は数学的に正しい不等式です.しかし,具体的な計算結果に対して「誤差がこれ以下」と主張するには,使用した条件を確かめなければなりません.
- モデルの条件: 本当の対象が式(1)に従うと仮定できるか.モデル化の誤差は式(15)には含まれていません.
- 初期情報: \(|y_0-\widehat y_0|\leq\eta\) の根拠はあるか.根拠がなければ \(\eta\) を保証付きの上限とは呼べません.
- 残差の条件: \(|r(t)|\leq\delta\) を時間区間全体で示したか.少数の時刻で値を計算しただけでは不十分です.
- 数値計算の条件: 端数処理や浮動小数点の丸め誤差を,必要な精度に応じて扱ったか.数学的な不等式そのものと,表示された小数値の厳密性は別です.
この連載では区間演算を用いません.それでも,解析的に証明した不等式と,その成立に必要な前提条件を明確にすることには意味があります.数値結果について無条件の厳密性を主張しないことが大切です.
第4回の記憶積分は影響を捨てない正確な消去でした.今回の近似は影響を省いているので,誤差を別途見積もる必要があります.
9.練習問題――誤差評価を自分で使ってみよう
問題1: \(a=\frac12\),\(q(t)=e^{-t/2}\) のとき,式(5)で定義した残差 \(r(t)\) を求めてください.
問題2: \(a=1\),\(|r(t)|\leq0.01\),\(|u_0-q(0)|\leq0.1\),\(|v_0|\leq0.2\) とします.\(t=3\) での誤差の上界を求めてください.
問題3: \(a=\frac12\),\(|r(t)|\leq0.02\) のとき,残差による誤差の寄与がすべての \(t\geq0\) で0.04以下であることを示してください.ただし,残差の上限がすべての時刻で成立すると仮定します.
問題4(発展): \(a=2\),\(r(t)=0\),\(v_0=0\),\(u_0-q(0)=0.01\) とします.時刻 \(t\) における誤差を求め,\(t\to\infty\) でどうなるか考えてください.
練習問題の解答・計算過程を見る
問題1: \(q'(t)=-\tfrac12e^{-t/2}\),\((a-1)q(t)=-\tfrac12e^{-t/2}\) なので \(r(t)=0\) です.
問題2: \(a=1\) なら式(10)から \(|x(3)-q(3)|\leq0.2e^{-6}+0.1+0.01\times3\approx0.1305\) です.
問題3: 残差の項は \(0.02\Phi_{1/2}(t)=0.04(1-e^{-t/2})\leq0.04\) です.
問題4: 誤差恒等式(9)から \(x(t)-q(t)=0.01e^t\) です.最初は小さくても時間とともに増大します.
おわりに――「信用できる」の意味を明確にする
今回の中心は,次の三つでした.
- 近似の誤差を,省いた成分・初期値の不確かさ・残差の寄与に分けました.
- 残差の上限と初期情報の上限が分かれば,時間に依存する誤差の上界を作れます.
- その上界が信頼できるかどうかは,モデル・初期値・残差に関する仮定が正しく確認されているかにかかっています.
今回の一言:「保証」とは,結論だけでなく,その結論が成立する条件も示すこと.
第6回「変数が100万個あったら?」では,二変数から出発した考え方を,大規模な微分方程式や偏微分方程式につなげます.これまでの5回が,安定縮約の研究にどう結び付くのかを見渡します.