라플라스 방정식

수치해석 계산물리 마지막 수정: 2026-07-10 04:11:20

1. 개요[편집]

라플라스 방정식(Laplace’s equation)은 미지 함수 $\phi$ 의 라플라시안이 0이 되는 2계 선형 편미분방정식, 즉 $\nabla^2 \phi = 0$ 을 말한다. 이름은 이 방정식을 천체역학에 본격적으로 써먹은 피에르시몽 라플라스(Pierre-Simon Laplace)에게서 왔다. 우변에 소스 항 $f$ 가 붙으면 포아송 방정식 $\nabla^2\phi = -f$ 가 되므로, 라플라스 방정식은 “소스가 없는(source-free) 포아송 방정식”이라고 봐도 무방하다.

생김새는 소박하지만 이 방정식이 등장하는 무대는 광범위하다. 전하가 없는 공간의 전위, 열원이 없는 물체의 정상상태 온도 분포, 비점성·비회전 유동의 속도 포텐셜(포텐셜 유동)이 전부 라플라스 방정식을 만족한다. 물리적으로 서로 전혀 상관없어 보이는 현상들이 같은 방정식으로 수렴한다는 점에서, 이 방정식은 수리물리학의 국룰 같은 존재다.¹

2. 조화함수와 최대원리[편집]

라플라스 방정식의 해를 조화함수(harmonic function)라고 부른다. 조화함수에는 유별나게 예쁜 성질들이 딸려 온다. 그중 가장 유명한 것이 평균값 성질(mean value property)이다. 조화함수의 어떤 점에서의 값은 그 점을 중심으로 하는 구(2차원이면 원) 표면에서의 평균값과 정확히 같다.

\phi(\mathbf{x}_0) = \frac{1}{|\partial B_r|} \oint_{\partial B_r} \phi \, dS

여기서 곧바로 최대원리(maximum principle)가 따라 나온다. 조화함수는 영역 내부에서 최댓값이나 최솟값을 가질 수 없고, 극값은 반드시 경계에서 나타난다.² 직관적으로 보면 당연하다. 어떤 점이 주변 평균과 같아야 한다면, 그 점만 유독 뾰족하게 높거나 낮을 수 없기 때문이다. 정상상태 온도장으로 생각하면 “내부에 열원이 없으면 가장 뜨거운 곳은 경계에 있다”는 지극히 상식적인 이야기다.

이 최대원리는 실무에서도 든든하다. 수치해석으로 라플라스 방정식을 풀었는데 내부 어딘가에서 경계값을 넘어서는 값이 튀어나왔다면, 그건 물리가 아니라 버그다. 공짜로 얻는 검산 도구인 셈.

3. 경계값 문제[편집]

라플라스 방정식은 그 자체로는 해가 무수히 많다. 유일한 해를 뽑아내려면 경계 조건이 반드시 필요하다. 대표적인 두 가지는 다음과 같다.

디리클레(Dirichlet) 조건: 경계에서 함수값 $\phi$ 를 지정한다. 예: 도체 표면의 전위, 벽면의 온도.
노이만(Neumann) 조건: 경계에서 법선 방향 미분 $\partial\phi/\partial n$ 을 지정한다. 예: 단열 벽(열유속 0), 유동에서 벽면 관통 속도 0.

디리클레 조건이 주어지면 해는 유일하게 결정된다. 반면 노이만 조건만 주어지면 상수만큼의 자유도가 남아 해가 임의의 상수 차이까지만 결정된다.³ 전위에 기준점(접지)을 하나 잡아줘야 하는 이유가 바로 이것이다.

4. 이산화 — 5점 스텐실[편집]

컴퓨터로 라플라스 방정식을 풀려면 연속 영역을 격자로 쪼개고 미분을 차분으로 바꿔야 한다. 2차원 균일 격자에서 유한차분법을 쓰면, 중심차분으로 라플라시안을 근사한 그 유명한 5점 스텐실(5-point stencil)이 나온다.

\frac{\phi_{i+1,j} + \phi_{i-1,j} + \phi_{i,j+1} + \phi_{i,j-1} - 4\phi_{i,j}}{h^2} = 0

정리하면 각 격자점의 값은 상하좌우 네 이웃의 평균이 된다.

\phi_{i,j} = \frac{1}{4}\left(\phi_{i+1,j} + \phi_{i-1,j} + \phi_{i,j+1} + \phi_{i,j-1}\right)

앞서 나온 평균값 성질의 이산 버전이다. 방정식이 자기 성질을 이산화 단계에서도 고스란히 물려준다는 게 아름답다. 이 관계식을 모든 내부 격자점에 대해 세우면 커다란 선형 연립방정식 $A\phi = b$ 가 되고, 계수 행렬 $A$ 는 대각선 근처만 채워진 희소행렬이 된다. 경계값은 우변 $b$ 로 넘어간다.

5. 반복법으로 풀기[편집]

5점 스텐실이 “이웃 평균”이라는 형태이므로, 굳이 행렬을 직접 다루지 않고 반복법으로 자연스럽게 풀 수 있다. 가장 단순한 야코비(Jacobi) 반복은 매 스텝마다 모든 격자점을 이웃의 평균으로 갱신하는 것이 전부다.

\phi_{i,j}^{(k+1)} = \frac{1}{4}\left(\phi_{i+1,j}^{(k)} + \phi_{i-1,j}^{(k)} + \phi_{i,j+1}^{(k)} + \phi_{i,j-1}^{(k)}\right)

이걸 물리적으로 보면 경계에서 시작된 정보가 격자를 타고 확산되며 스며드는 과정이다. 다만 수렴이 굼떠서, 실무에서는 가우스-자이델(Gauss-Seidel), SOR(과이완법), 그리고 다중격자법이나 크리로프 부분공간법 같은 가속 기법을 얹는다. 라플라스 방정식은 특히 다중격자법의 성능이 극적으로 빛나는 대표적인 벤치마크 문제다.⁴

6. 응용[편집]

라플라스 방정식이 등장하는 대표적인 자리를 정리하면 다음과 같다.

분야	물리량 $\phi$	소스가 없다는 뜻
정전기학	전위	전하 밀도 0인 영역
열전달	온도	내부 열원 없는 정상상태
포텐셜 유동	속도 포텐셜	비압축·비회전 유동
확산	농도	정상상태 확산

포텐셜 유동에서는 비회전 조건에서 속도를 $\mathbf{u} = \nabla\phi$ 로 놓고 연속 방정식 $\nabla\cdot\mathbf{u}=0$ 에 대입하면 곧장 $\nabla^2\phi = 0$ 이 튀어나온다. 점성과 회전을 무시한 대가로 나비에-스토크스 방정식이라는 괴물이 이렇게 순한 방정식으로 축소되는 것이다. 물론 그 대가로 항력이 0이 되는 달랑베르의 역설 같은 부작용도 딸려 온다.

7. 해석적 풀이 — 변수분리법[편집]

수치적으로 가기 전에, 단순한 형상에서는 라플라스 방정식이 손으로도 풀린다. 대표적인 무기가 변수분리법(separation of variables)이다. 직사각형 영역에서 해를 $\phi(x,y) = X(x)Y(y)$ 처럼 각 변수의 함수의 곱으로 가정하고 방정식에 대입하면, 하나의 편미분방정식이 두 개의 상미분방정식으로 쪼개진다. 한쪽은 삼각함수, 다른 쪽은 지수함수(또는 쌍곡선함수) 꼴의 해를 내놓고, 경계 조건에 맞춰 이들을 무한급수로 합치면 푸리에 급수(Fourier series)가 자연스럽게 등장한다.

원통이나 구 좌표계로 넘어가면 각각 베셀 함수(Bessel function)와 구면조화함수(spherical harmonics)가 튀어나온다. 특히 구면조화함수는 원자 오비탈의 각도 부분을 기술하는 바로 그 함수라서, 슈뢰딩거 방정식을 배운 사람이라면 이미 구면 라플라시안과 구면조화함수의 인연을 겪은 셈이다. 이렇게 해석적으로 얻은 해는 수치 코드를 검증하는 기준해(reference solution)로도 요긴하게 쓰인다.⁵

8. 관련 문서[편집]

라플라스 연산자 $\nabla^2$ 는 물리학 방정식이라면 거의 어디에나 얼굴을 내민다. 확산방정식, 파동방정식, 슈뢰딩거 방정식까지 전부 라플라시안이 핵심이다. “물리는 사실상 라플라시안학이다”라는 농담이 괜히 나온 게 아니다. ↩
단, 상수 함수는 예외다. 함수가 어디서나 같은 값이면 내부에서도 최댓값이자 최솟값이니까. 이런 뻔한 예외를 빼놓고 정리를 서술하면 수학자한테 등짝을 맞는다. ↩
게다가 노이만 문제는 소스와 경계 유속의 총합이 맞아떨어져야만(적합성 조건, compatibility condition) 해가 존재한다. 들어오고 나가는 양이 안 맞으면 정상상태가 성립할 수 없다는 물리적 상식의 수학적 표현이다. ↩
다중격자법은 라플라스 방정식 같은 타원형 문제에서 격자점 개수 $N$ 에 대해 거의 $O(N)$ 의 계산량으로 수렴한다. 반복법 중에선 사실상 넘사벽. 다만 코딩 난이도가 정신 건강을 갉아먹는다는 소문이 있다. ↩
코드가 삼각형·사각형 같은 단순 형상에서 해석해를 재현하지 못하면, 복잡한 실제 형상에서 내놓는 결과는 볼 것도 없다. 검증 및 확인의 정신이 여기서도 통한다. 해석해가 존재한다는 건 수치해석러에게 몇 안 되는 축복이다. ↩