私たちの身の回りには、複雑な現象が溢れています。これらをありのままの状態で理解し、予測や制御を行うのは容易ではありません。そこで、対象から重要な要素だけを抽出し、数式や図、関数などで抽象化したものを「数学的モデル」と呼びます。
実物を忠実に再現するのではなく、目的に応じて「本質」だけを抜き出すことが重要です。このモデルを活用することで、現象の要因分析や将来予測、さらにはシステムの最適化が可能になるのです。
シリーズについて
本サイトのメインテーマは「暮らしの背後にある仕組みを読み解く」こと。中学・高校理科の知識をベースに、特定の専門に偏らず、物事の骨子を見抜く力を養います。記事は「歴史的背景」「科学的原理」「フィールド（実社会での応用）」の3層構造で構成しています。「なぜそうなったか」「どんな仕組みか」「現実で何が見えるか」。この3視点を揃えることで、断片的な知識を「線や面」へとつなげ、社会を生き抜くための判断の源泉を提供します。
パターン認識とモデル化
数学的モデル化の第一歩は、複雑な現象の中に規則性（パターン）を見つけることです。たとえば、気温の周期的な上下や曜日ごとの売上変動、身長と体重の相関関係などは、データをグラフに描くことで可視化され、「どんな数式で表せそうか」というモデル化の方向性を与えてくれます。
人類が最初にモデル化に成功した代表例が、天体の運動です。古代の人々は太陽や月の動きにパターンを見出して暦を作り、のちにケプラーが惑星の軌道を楕円と突き止め、最終的にニュートンが万有引力の法則という美しい数式に落とし込みました。このように、観察からパターンを見つけ、それを単純な法則へと還元していくプロセスは、複雑な世界を読み解くための科学の基本アプローチです。
現実と数学を往復する基本プロセス
実際の数学的モデル化は、このアプローチをさらに一歩進め、現実と数学の世界を何度も往復しながら洗練させていく作業です。
まず「何を予測したいのか」という具体的な問いを立てたのち、最も重要になるのが「適切な単純化」です。たとえば振り子の運動を考える際、空気抵抗や糸の伸縮をあえて無視するように、影響の小さい要因を大胆に削ぎ落とします。すべての要素を網羅しようとすると、モデルが複雑になりすぎて計算不能に陥るため、この大胆な単純化が欠かせません。
こうして要素を絞り込んで初めて、現象は数式や関数といった「計算可能な形」へと変換され、シミュレーションや未来の予測が可能になります。
しかし、モデルは一度作れば完成というわけではありません。導き出した予測を実際のデータと比較し、もしズレがあれば、先ほど無視した要素を足し戻したり、数式を組み立て直したりといった改善を繰り返します。数学的モデルとは、こうした現実との対話を重ねることで、より実用的な「社会を生き抜く道具」へと進化していくものなのです。
比例・反比例
数学的モデル化において、最初に学ぶべき重要なモデルが比例と反比例です。
比例とは、一方が2倍になるともう一方も2倍になる関係を指し、数式では $y = ax$ （$a$は比例定数）と表されます。身近な例では、商品の個数と合計金額の関係が挙げられます。たとえば1個100円の品物なら、10個で1000円になるといった具合です。また、一定の速度で移動する際の時間と距離の関係や、オームの法則における電流と電圧の関係も比例モデルの代表例です。
一方、反比例は一方が2倍になるともう一方が2分の1になる関係であり、数式では y = axと表現されます。これは、一定の仕事量を複数人で分担するときの人数と作業時間の関係によく現れます。10時間かかる仕事を2人で分担すれば5時間で済むといったケースです。他にも、一定の距離を移動する際の速度と時間の関係や、ボイルの法則における圧力と体積の関係などが反比例のモデルに該当します。
これらのモデルは現実のすべてを完全に記述できるわけではありませんが、条件を限定すれば非常によい近似となります。モデル化において重要なのは、「どこまでが比例や反比例として成り立つか」という適用限界を正しく見極めることです。
たとえば「走る速度と心拍数は比例する」というモデルは、ある程度の運動強度までは正しく機能しますが、最大心拍数に近づけばその関係は破綻します。このように、あらゆる数理モデルには必ず前提条件が存在し、その有効範囲を理解した上で活用することが求められます。
関数とグラフによる表現
比比例や反比例をより一般化した概念が関数です。関数を用いることで、入力という「原因」と出力という「結果」の関係性や、変化の速さ、あるいは数値が増減する様子を一目で理解できるようになります。特にグラフは、こうしたモデルを把握するために欠かせない道具です。
たとえば、距離と時間の関係をグラフに描いた場合を考えてみましょう。このときグラフの傾きは速度を意味しており、グラフが直線ではなく曲線を描いていれば、それは加速や減速によって速度が変化していることを示します。また、グラフが水平であれば、移動が止まり停止している状態であることが分かります。このように、グラフという視覚的な表現を通して読み解くことで、数式だけでは捉えにくい現象の動きを直感的に理解することにつながるのです。
科学で使われる重要な関数
単純な比例関係だけでは説明できないことが多々あります。そこで、現象の特性に合わせて様々な関数が使い分けられます。
三角関数——自然界の「繰り返し」を捕まえた道具
耳に届く音、スマホに届く電波、海岸に打ち寄せる波、心電図の波形。いずれも波の種類ですが、数学で見ると同じく三角関数で記述されます。
もともと三角関数は「角度と辺の比」を調べる測量の道具として生まれました。紀元前の天文学者が星の位置を測るために使っていたものが、数千年後に電気回路の設計や医療機器の画像処理に使われるようになっています。
「繰り返す」ことの本質
バネに重りをぶら下げて、少し引っ張って離す。重りは上下に揺れ続けます。この動きを横から観察して、時間の流れとともに位置を記録していくと——そこに現れるのが、三角関数の形そのものになります。振り子も、音叉が空気を振動させるときも、光が波として進むときも同じです。
自然界における「繰り返し」は一様にこの形に帰着します。これは偶然ではありません。「ある点を中心にして一定のリズムで往復する」という運動が円の回転と深く結びついているのです。
ここで「変化の速さ」という概念がそっと顔を出します。バネの重りが端に達したとき、速度はゼロになります。真ん中を通過するとき、速度は最大になります。この「位置の変化の速さ」を追いかけると、また三角関数の形をしているのです。
力を「分解する」という発想
三角関数のもう一つの顔は、力の分解です。斜面の上に置かれた荷物には、重力が真下に働いています。しかし、荷物が実際に動こうとするのは斜面に沿った方向です。「真下への力」を「斜面方向の力」と「斜面に垂直な力」に分ける——この操作を支えているのが三角関数です。橋の設計も、航空機の飛行も、この「力の分解」なしには語れません。現実の力を複数の方向に分けて考える。これは次章のベクトルへとつながる発想です。
ベクトル——「向き」を持った世界の記述
今日の気温は25度。これは一つの数字で完結する情報です。しかし風は違います。風速10メートルというだけでは不十分で、北から吹いているのか南から吹いているのかでまったく変わってきます。数学はこの違いを「スカラー」と「ベクトル」という二つの概念で整理しています。大きさだけを持つ量がスカラー、大きさと向きの両方を持つ量がベクトルです。物理の世界で扱う量の多くは、実はベクトルです。力、速度、加速度、電場、磁場——これらはすべて「どちらへ、どれだけ」という情報を持っています。
合わさると、何が起きるか
二つの力が同時に一つの物体に働くとき、その物体は実際にどちらへ動くのか。真横から押す力と、斜め上から押す力が同時にかかったとき、物体は両者の「合力」の方向へ動きます。この合力を求める操作が、ベクトルの足し算となります。数字の足し算とは根本的に違ります。1と1を足しても、向きによっては2になりません。真逆から同じ力で押せば、合力はゼロになります。川を渡るボートの着岸地点や、横風を受ける飛行機の進路。すべてベクトルの合成が答えを出します。
分解という逆の操作
前章で、三角関数が「力の分解」に使われると書きました。なぜ分解するのでしょうか。現実の力は斜め向きで働いていても、「横方向の成分」と「縦方向の成分」に分けてしまえば、それぞれを独立して計算できるからです。複雑な問題を、扱いやすいシンプルな問題に分割する。これはベクトルが教えてくれる問題解決の基本的な型といえます。
ここでも「変化」が登場します。速度はベクトルだが、その速度が時間とともに変化するとき、その変化の方向と大きさもまたベクトルになる——それが加速度です。静止した物体を動かす力、カーブを曲がるときに感じる力、これらはすべて「ベクトルがどう変化しているか」という問いへの答えです。
複素数——数学の「バグ」が道具になった
17世紀、哲学者であり数学者でもあったデカルトは、ある種の数に「虚数」という名前をつけました。その数とは「二乗するとマイナスになる数」です。正の数を二乗すれば正になる。負の数を二乗しても正になる。ならば二乗してマイナスになる数などあり得ない。しかし数学者たちは、この「あり得ない数」を計算に使い続けました。使うと答えが出るから。そして数百年後、この「想像上の数」は文明を支える道具になりました。
2次元の回転を、一つの数で表す
通常の数は一本の線の上でプラスとマイナスしかないが、複素数はそこに「直角の方向」を一本加えます。縦と横、二つの軸を持つ平面の上で、数が存在できるようになります。この拡張が何をもたらすかというと、「回転」を扱えるようになることです。物体を90度回転させる操作が、単純な掛け算一つで表現できる。ベクトルが「向きを持った量」を記述するなら、複素数はそれを一歩進めて、「向きの変化（回転）」そのものを数として扱えるようにしました。
複素数が現代社会に効いているのは、電気回路の世界です。家庭に届く交流電力は、電圧が波のように変化し続けています。この波を扱う際、コイルやコンデンサーを含む回路では電圧と電流の間に「ズレ」が生じます。この「ズレ」を計算するために複素数は不可欠です。実部が「今この瞬間の値」を、虚部が「ズレの情報」を担います。電力会社がインフラを設計するとき複素数が使われています。
さらに量子力学の世界があります。電子一個の振る舞いを記述する方程式は、複素数なしでは書けません。これは計算の便宜上使っているのではなく、自然の根本的な記述に複素数が組み込まれているから。なぜ自然界の最も小さなスケールが複素数で動いているのか——これは現代物理学においても、まだ問われ続けている問いです。
微積分
これまでの章を通じて、「変化」という言葉が何度か顔を出してきています。三角関数では位置の変化の速さが再び三角関数になり、ベクトルでは速度の変化として加速度が生まれ、複素数とオイラーの章では連続的な変化として e が登場した。
これらの背後にあった道具が微積分です。微積分は「変化を捕まえる」ための言語であり、すべてが微積分と深く結びついています
指数関数
現実の多くの成長現象は、単純な増加ではなく指数関数的成長として現れます。指数関数の大きな特徴は、最初は緩やかな変化であっても、ある地点から急激に増加する点にあります。これが、日常的に「指数関数的」という言葉が「爆発的」という意味で使われる理由です。
細菌やウイルスの増殖はその典型例です。1つの細菌が2つに分裂し、それぞれがまた2つに分裂を繰り返すと、個体数は 1, 2, 4, 8, 16 と加速度的に増えていきます。一方で、指数関数的に値が減っていく「指数関数的減衰」という現象も存在します。放射性物質の崩壊などがこれに当たり、一定の時間（半減期）ごとに量が半分に減衰していきます。
対数スケール：pHやデシベル
科学の世界では、値の幅が非常に大きい量を扱うことが多く、そのままの数値では比較が困難な場合があります。そこで用いられるのが、対数という考え方です。対数は「ある数を何乗すればその数になるか」という指標であり、たとえば10を底とした場合、100は 2、1000 は 3 と変換されます。対数スケールを用いる最大の利点は、「10倍」「100倍」といった巨大な倍率の差を、加減算という扱いやすい尺度に変換できる点にあります。
この仕組みは、私たちの身近な指標に数多く組み込まれています。酸性・アルカリ性の度合いを示す pH は水素イオン濃度を対数で表したもので、pH 7 の中性から pH 6 の弱酸性に変化したとき、水素イオンは10倍に増加しています。音の強さを表すデシベル（dB）も同様で、音圧が10倍になれば数値は 20 dB 増加します。静かな図書館が 40 dB で普通の会話が 60 dB であれば、会話は図書館の100倍もの音圧を持っていることになります。
地震のマグニチュードや天体の明るさ（等級）も対数に基づいています。マグニチュードが 1 増えるとエネルギーは約32倍になり、M7 の地震は M5 の地震の約1000倍ものエネルギーを有します。また、人間の視覚や聴覚といった感覚は、刺激の強さの対数に比例して反応するとことが知られています。対数スケールは、広大な自然界の現象を記述するだけでなく、人間の感覚に即した表現方法でもあるのです。
ガウス関数（正規分布）
ガウス関数は f(x) = exp(-x^2)という形を持ち、自然界で最も頻繁に現れる釣鐘型の形状をしています。誤差や測定値のばらつき、身長や体重の分布など、多くの現象がこの正規分布に従います。これは、多数の独立な要因が重なり合うと分布が正規分布に近づくという「中心極限定理」によるものです。この関数は統計学の基礎となります。
ロジスティック関数（シグモイド関数）
ロジスティック関数は f(x) = 1/{1 + e^-(x)}と表される関数です。最初は指数関数的に急成長しますが、ある上限に近づくと成長が鈍化し、一定の値に収束するという特徴があります。現実の成長は資源の枯渇などの理由で無限には続かないため、指数関数よりも現実を反映したモデルとして重宝されます。具体的な活用例としては、資源の制約を考慮した人口成長の予測、感染症の流行曲線などが挙げられます。
べき乗則（パレートの法則、ジップの法則）
べき乗則は f(x) = x^{-a}という形で表される関係です。「上位20%の要素が全体の80%を占める」というパレートの法則は、このべき乗則の一種です。この法則は、都市の人口分布や、地震の規模と発生頻度の関係（大きな地震ほど稀であること）、所得の分布、インターネットのリンク構造、さらには言語における単語の出現頻度など、社会や自然界の至る所で見出すことができます。正規分布が「平均」を中心にまとまる性質を持つのに対し、べき乗則は一部の極端な値が全体に大きな影響を与える現象を記述するのに適しています。
複雑な関数を簡単な式で近似する
現実の現象はしばしば複雑な関数で表されますが、そのままでは計算が困難なことも少なくありません。そこで役立つのがテーラー展開という技術です。テーラー展開は、どのような複雑な関数（三角関数でも）であっても「多項式の和」として近似する手法です。この近似技術は、振れ角が小さい振り子の運動方程式を単純化する際や、レンズの近軸近似といった光学の設計、さらには統計学における確率分布の近似計算、工学での制御理論や信号処理の線形近似など、多岐にわたる分野で応用されています。テーラー展開の本質は、複雑な対象を単純な要素の組み合わせとして捉え直すという、数学的モデル化の精神そのものにあるといえます。
周期的な現象を分解する：フーリエ変換
音楽や電波、振動、画像など、私たちの身の回りには周期的に変化する現象が溢れています。こうした現象を深く理解するための道具がフーリエ変換です。フーリエ変換は、複雑な波形を「単純な波（正弦波）の重ね合わせ」として分解する技術です。
たとえばピアノで「ド」の音を弾いたとき、その音には基音となる周波数だけでなく、その2倍、3倍といった周波数の音、すなわち倍音が複雑に混ざり合っています。フーリエ変換を用いることで、その音にどのような周波数成分がどれくらいの割合で含まれているかを正確に抽出できます。
この技術は現代社会の基盤を支えています。音楽配信のMP3や画像形式のJPEGでは、フーリエ変換によって人間が感知しにくい周波数成分をカットすることでデータを圧縮しています。また、地震波の解析による揺れの性質推定、医療現場でのMRIによる画像化などにも活用されています。
同じ現象を違う「言葉」で表す：座標系と表現の多様性
数理モデルには「唯一の正解」があるわけではありません。同じ現象であっても、見方を変えれば異なる数式で表現することができます。これは数学が持つ大きな柔軟性であり、強みでもあります。
極座標：円や回転を扱うために
通常、位置を特定するには「横にどれだけ、縦にどれだけ」というデカルト座標 $(x, y)$ を使いますが、円運動や回転を扱う場合には極座標 $(r, \theta)$ を用いる方が遥かに便利です。
極座標では、中心となる原点からの距離 $r$ と、基準線からの角度 $\theta$ で位置を表します。たとえば、デカルト座標では $x^2 + y^2 = r^2$ と記述される円の方程式も、極座標であれば単に $r = \text{一定}$ という非常にシンプルな形で表現できます。また、美しい渦巻き模様も、極座標で $r = a\theta$ と書くことで容易に描くことが可能です。台風の進路予測や天体の軌道計算、あるいはレーダーの探知範囲など、中心からの距離と方向が鍵となる現象においては、極座標こそが最も自然な表現方法となります。
球座標：宇宙や地球を扱うために
地球上の位置を示す際に使われる緯度と経度は、極座標を3次元に拡張した球座標の一種です。GPSによる位置測定や気象衛星の運用、天文観測など、球面上の現象を扱う際にはこの球座標が欠かせません。どのような座標系を選択するかは、解こうとしている問題の性質によって決まります。適切な座標系を選ぶことで、一見複雑に見える問題が驚くほど単純に解決できることもあるのです。
編集後記
私は理系の人間ではありますが、数学という学問そのものを純粋に愛好しているかといえば、そうではありません。工学を学んできた身として、数学が自然科学を記述する「言語」として機能する瞬間にこそ、強い魅力を感じています。大学で「物理数学」という学問がありますが、あれこそ、自然現象を記述するために数学が構成された姿だといえます。
いかに優れた数理モデルであっても、必ず「限界」が存在することを忘れてはなりません。モデルとは現実を単純化したものですから、切り捨てられた要素が結果を左右することは避けられないのです。例えば、天気予報のモデルにおいて、初期条件のわずかな誤差が将来の予測を大きく狂わせる「カオス」の問題などはその典型です。
モデルの精度を向上させるには、データの収集量を増やす、無視されていた要素を組み込む、あるいはより高度な数式を用いるといったアプローチがあります。しかし、モデルを複雑にしすぎれば「計算コストの増大」や「結果の解釈の困難さ」といったトレードオフに直面します。
情報を受け取る側として重要なのはモデルにはこうした限界があることを理解した上で、情報を鵜呑みにしないことではないでしょうか。
おわりに
最後までお読みいただき、ありがとうございました。本記事を通じて、暮らしの背後にある仕組みを読み解くヒントは得られましたでしょうか。もし「このテーマをもっと深く知りたい」と感じていただけましたら、ぜひ関連の解説記事もあわせてご覧ください。
本サイトではトピックをできるだけ「歴史・科学・フィールド」の3層構造で体系化しています（教育とキャリアを除く）。一つの事象を多角的に捉えることで、断片的な知識を「線や面」へとつなげることができます。多彩なテーマを用意していますので、ぜひサイト内の記事一覧から、あなたの知的好奇心を刺激するトピックを覗いてみてください。
