最大値原理

同義語:maximum principle

概要

最大値原理(maximum principle)とは、ある種の微分不等式や差分不等式をみたす関数が領域の内部に山の頂上をもてず、最大値が境界の値で抑えられるという形の主張の総称である。弱最大値原理(最大値は境界でとられる)、強最大値原理(連結な領域の内部で最大値をとれば定数)、比較原理(境界で小さく作用素の値で大きければ全体で小さい)の形があり、定数を消す線形な作用素では弱最大値原理と比較原理は同値で、境界値問題の解の一意性と評価を与える。調和関数・正則関数・楕円型方程式・熱方程式・グラフの離散ラプラシアンで成り立つ。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 調和関数, Hesse行列, Markov連鎖

最大値原理(maximum principle)とは、ある種の微分不等式や差分不等式をみたす関数は領域の内部に「山の頂上」をもてず、最大値が境界の値で抑えられる、という形の主張の総称である。典型は、ラプラシアンが $0$ 以上の関数 $u$($\Delta u\ge0$)について、有界な領域の上の最大値が境界の上の最大値に等しいこと
$$ \max_{\overline\Omega}u=\max_{\partial\Omega}u $$
である。同じ形の主張が、調和関数・劣調和関数、正則関数の絶対値、一般の 2 階楕円型作用素、熱方程式、グラフや格子の上の離散ラプラシアンについて成り立つ。どれも「内部の最大点では、関数は周りの値の(重みつきの)平均以上になれない」という共通の仕組みによる。
最大値原理は主に 3 つの形で使われる。弱最大値原理は最大値が境界でとられることを、強最大値原理は内部で最大値をとるなら定数であることを、比較原理は境界で小さく作用素を施した値で大きい関数が全体でも小さいことを述べる。比較原理から境界値問題の解の一意性と、データに対する解の連続的な依存が出る。最適制御の Pontryaginの最大原理 は名前が似ているが別の定理であり、コンパクト集合の上の連続関数が最大値をもつという 最大値・最小値の定理 とも別である。
この記事では、最大値原理の 3 つの形を抽象的な設定で定義し、弱最大値原理と比較原理の同値、障壁関数による解の評価、強い不等式からの摂動による弱最大値原理の導き方を証明する。次に、グラフの上の離散ラプラシアンについて強・弱の最大値原理と Dirichlet 問題の解の存在と一意性を完全に証明する。個別の場合の詳しい定理は、下の分担の表の記事にある。

定義:最大値原理の 3 つの形

以下の設定を 境界値の設定 とよぶ。$X$ を集合、$\Omega$ と $\Gamma$ を $X$ の交わらない部分集合で $X=\Omega\cup\Gamma$、$\Gamma\ne\emptyset$ とする($\Omega$ を内部、$\Gamma$ を境界と考える)。$\mathcal{C}$ を $X$ 上の実数値関数のなす実ベクトル空間で、定数関数を含み、各 $u\in\mathcal{C}$ が $X$ と $\Gamma$ の上で最大値と最小値をとるものとする。$\mathcal{L}$ を、$\mathcal{C}$ から $\Omega$ 上の実数値関数への線形写像で、定数関数 $1$ について $\mathcal{L}1=0$ をみたすものとする。
代表例は、$\Omega\subset\mathbb{R}^n$ が有界な開集合、$\Gamma=\partial\Omega$、$X=\overline\Omega$、$\mathcal{C}=C^2(\Omega)\cap C(\overline\Omega)$、$\mathcal{L}=\Delta$ の場合である。この記事では 2 階の部分が正の符号の作用素($\Delta$ の側)で書く。楕円型偏微分方程式 と 最大値原理(楕円型偏微分方程式) の記事は $-\Delta$ の側の作用素 $L$ を使うので、そこでの $Lu\le0$ がここでの $\mathcal{L}u\ge0$ にあたる。

弱最大値原理・比較原理・Dirichlet 問題の一意性

境界値の設定で、$\Omega$ の上で $\mathcal{L}u\ge0$ をみたす $u\in\mathcal{C}$ を 劣解 とよぶ。

  1. すべての劣解 $u$ について $\max_Xu=\max_\Gamma u$ が成り立つとき、$(\mathcal{C},\mathcal{L})$ は 弱最大値原理 をみたすという。
  2. $u,v\in\mathcal{C}$ が $\Omega$ で $\mathcal{L}u\ge\mathcal{L}v$、$\Gamma$ で $u\le v$ をみたせば $X$ で $u\le v$ となるとき、比較原理 をみたすという。
  3. $\mathcal{L}u=\mathcal{L}v$($\Omega$ 上)かつ $u=v$($\Gamma$ 上)なら $u=v$ となるとき、Dirichlet 問題の解は一意 であるという。

強最大値原理 は「劣解が $X$ の上の最大値を $\Omega$ の点でとるなら、その点を含む連結な部分の上で定数である」という形の主張で、「連結」の意味は設定ごとに定める($\mathbb{R}^n$ の開集合では位相的な連結性、グラフでは道でつながること)。$-u$ に当てはめれば、$\mathcal{L}u\le0$ をみたす 優解 についての最小値の形(最小値原理)が得られる。

抽象的な設定での基本命題

弱最大値原理と比較原理の同値

境界値の設定で、弱最大値原理と比較原理は同値であり、どちらからも Dirichlet 問題の解の一意性が従う。

差をとる・定数と比べる

弱最大値原理 $\Rightarrow$ 比較原理:$w:=u-v$ は $\mathcal{L}w=\mathcal{L}u-\mathcal{L}v\ge0$ なので劣解で、$\max_Xw=\max_\Gamma w\le0$ である。
比較原理 $\Rightarrow$ 弱最大値原理:劣解 $u$ について $M:=\max_\Gamma u$ とし、定数関数 $v:=M$ をとる。$\mathcal{L}v=M\,\mathcal{L}1=0\le\mathcal{L}u$、$\Gamma$ で $u\le v$ なので、$X$ で $u\le M$ である。逆向きの $\max_Xu\ge\max_\Gamma u$ は $\Gamma\subset X$ から明らかである。
一意性:$\mathcal{L}u=\mathcal{L}v$、$\Gamma$ で $u=v$ なら、比較原理を $(u,v)$ と $(v,u)$ に当てて $u\le v$ かつ $v\le u$ である。$\square$

逆に、一意性から弱最大値原理は出ない(反例の表の 1 行目)。最大値原理は一意性よりも強く、解の大小の順序まで保つ主張である。

障壁関数による解の評価

境界値の設定で弱最大値原理が成り立ち、$\Omega$ で $\mathcal{L}w\ge1$ をみたす $w\in\mathcal{C}$ があるとする。$\operatorname{osc}w:=\max_Xw-\min_Xw$ とおく。このとき、$F:=\sup_\Omega\lvert\mathcal{L}u\rvert< \infty$ をみたすすべての $u\in\mathcal{C}$ について
$$ \max_X\lvert u\rvert\le\max_\Gamma\lvert u\rvert+F\cdot\operatorname{osc}w $$
が成り立つ。とくに、$\mathcal{L}u_i=f_i$($\Omega$ 上)、$u_i=g_i$($\Gamma$ 上)の解 $u_1,u_2$ について $\max_X\lvert u_1-u_2\rvert\le\max_\Gamma\lvert g_1-g_2\rvert+\operatorname{osc}w\cdot\sup_\Omega\lvert f_1-f_2\rvert$ である。

障壁を足して劣解にする

$\mathcal{L}(u+Fw)=\mathcal{L}u+F\mathcal{L}w\ge-F+F=0$ なので $u+Fw$ は劣解であり、弱最大値原理から、$X$ の各点 $x$ で
$$ u(x)+Fw(x)\le\max_\Gamma(u+Fw)\le\max_\Gamma u+F\max_Xw $$
である。$w(x)\ge\min_Xw$ なので $u(x)\le\max_\Gamma u+F\operatorname{osc}w$ である。$-u$ にも同じことを当てると $-u(x)\le\max_\Gamma(-u)+F\operatorname{osc}w$ で、合わせて主張を得る。後半は $u=u_1-u_2$ に当てればよい。$\square$

$\mathcal{L}w\ge1$ をみたす $w$ を 障壁関数 とよぶことにする。たとえば $\Omega\subset\mathbb{R}^n$ が半径 $R$ の球 $B(0,R)$ に含まれる有界な開集合、$\mathcal{L}=\Delta$ のとき、$w(x)=\frac{\lvert x\rvert^2}{2n}$ は $\Delta w=1$、$0\le w\le\frac{R^2}{2n}$ をみたす。$\Delta$ の弱最大値原理(楕円型偏微分方程式 の定理「弱最大値原理」の $L=-\Delta$ の場合)と合わせると、$u\in C^2(\Omega)\cap C(\overline\Omega)$ について
$$ \max_{\overline\Omega}\lvert u\rvert\le\max_{\partial\Omega}\lvert u\rvert+\frac{R^2}{2n}\sup_\Omega\lvert\Delta u\rvert $$
を得る。Poisson 方程式 $\Delta u=f$ の解の大きさが、境界値と右辺の上限だけで抑えられる。
多くの場合、弱最大値原理は次の 2 段階で示される。まず 強い不等式 $\mathcal{L}u>0$ をみたす関数が内部で最大値をとれないことを、内部の最大点での微分の符号から示し、次に小さい摂動で一般の劣解に移す。

強い不等式からの摂動

境界値の設定で、次の 2 条件を仮定する。

  1. $\Omega$ の各点で $\mathcal{L}v>0$ をみたす $v\in\mathcal{C}$ は、$X$ の上の最大値を $\Omega$ の点でとらない。
  2. $\Omega$ の各点で $\mathcal{L}w>0$ をみたす $w\in\mathcal{C}$ が存在する。
    このとき $(\mathcal{C},\mathcal{L})$ は弱最大値原理をみたす。
$\varepsilon w$ を足して $\varepsilon\to0$

$u$ を劣解、$\varepsilon>0$ とし、$v:=u+\varepsilon w$ とおく。$\mathcal{L}v=\mathcal{L}u+\varepsilon\mathcal{L}w>0$ なので、条件 1 により $v$ の $X$ の上の最大値は $\Gamma$ の点でとられる。よって
$$ \max_Xu+\varepsilon\min_Xw\le\max_Xv=\max_\Gamma v\le\max_\Gamma u+\varepsilon\max_Xw $$
であり、$\max_Xu\le\max_\Gamma u+\varepsilon\operatorname{osc}w$ である。$\varepsilon\to0$ として $\max_Xu\le\max_\Gamma u$ を得る。逆向きは明らかである。$\square$

条件 1 は 2 階の作用素では次のように確かめられる。$\mathcal{L}=\sum_{i,j}a^{ij}\partial_i\partial_j+\sum_ib^i\partial_i$($(a^{ij})$ は各点で半正定値な 対称行列)とし、$v\in C^2(\Omega)$ が $x_0\in\Omega$ で最大になるとすると、$\nabla v(x_0)=0$ で Hesse行列 は半負定値なので $\mathcal{L}v(x_0)=\sum a^{ij}\partial_i\partial_jv(x_0)\le0$ である(楕円型偏微分方程式 の補題「内部の最大点での符号」)。よって $\mathcal{L}v>0$ の関数は内部で最大にならない。条件 2 の $w$ としては、$a^{11}\ge\theta>0$ かつ $\lvert b\rvert\le\beta$ なら $\gamma>\beta/\theta$ について $e^{\gamma x_1}$ がとれ、これが 楕円型偏微分方程式 の定理「弱最大値原理」の証明である。熱方程式では、$X=\overline\Omega\times[0,T]$、$\Gamma$ を放物境界(底面と側面)、内部を $\Omega\times(0,T]$、$\mathcal{L}u=\Delta u-\partial_tu$ とすると、$\Omega\times(0,T]$ の最大点では $\partial_tu\ge0$ かつ $\Delta u\le0$ なので条件 1 が成り立ち、$w=-t$($\mathcal{L}w=1$)が条件 2 をみたす(熱方程式 の定理「弱最大値原理」の証明は $u-\varepsilon t$ を使うこの形である)。

グラフの上の最大値原理

離散の場合は、最大値原理の仕組みが最もはっきり見える。
設定:$X$ を有限集合とし、$X=\Omega\cup\Gamma$(交わらない、$\Gamma\ne\emptyset$)とする。各 $x\in\Omega$ に $X$ 上の確率分布 $p(x,\cdot)$($p(x,y)\ge0$、$\sum_{y\in X}p(x,y)=1$)が与えられているとし、$X$ 上の関数 $u$ に対して
$$ (\Delta_pu)(x):=\sum_{y\in X}p(x,y)\,u(y)-u(x)=\sum_{y\in X}p(x,y)\bigl(u(y)-u(x)\bigr)\qquad(x\in\Omega) $$
とおく。$\Delta_pu(x)=0$ は「$u(x)$ が重み $p(x,\cdot)$ による周りの値の平均に等しい」ことを意味し、このとき $u$ は $x$ で 調和 であるという。$p(x,y)>0$ のとき $x\to y$ と書き、$x_0\to x_1\to\cdots\to x_m$ で $x_0,\dots,x_{m-1}\in\Omega$ となる列を $\Omega$ を通る道とよぶ。$\mathcal{C}$ を $X$ 上の実数値関数の全体とすると、これは境界値の設定であり、$\Delta_p1=0$ である。

グラフの上の最大値原理と Dirichlet 問題
  1. (強最大値原理)$\Omega$ で $\Delta_pu\ge0$ とし、$u$ が $X$ の上の最大値 $M$ を $x_0\in\Omega$ でとるとする。このとき、$x_0$ から $\Omega$ を通る道で行けるすべての点 $y$ で $u(y)=M$ である。
  2. (弱最大値原理)すべての $x\in\Omega$ から $\Omega$ を通る道で $\Gamma$ の点へ行けるとする。このとき、$\Omega$ で $\Delta_pu\ge0$ ならば $\max_Xu=\max_\Gamma u$ である。
  3. (Dirichlet 問題)2 の仮定のもとで、任意の $f\colon\Omega\to\mathbb{R}$、$g\colon\Gamma\to\mathbb{R}$ に対し、$\Omega$ で $\Delta_pu=f$、$\Gamma$ で $u=g$ をみたす $u$ がただ 1 つ存在する。
平均が最大値に等しければ周りもすべて最大値

1:$x\in\Omega$ で $u(x)=M$ なら、
$$ 0\le\Delta_pu(x)=\sum_{y}p(x,y)\bigl(u(y)-M\bigr)\le0 $$
である(各項は $p(x,y)\ge0$ と $u(y)\le M$ から $0$ 以下)。よって各項は $0$ で、$p(x,y)>0$ なら $u(y)=M$ である。$\Omega$ を通る道 $x_0\to x_1\to\cdots\to x_m$ について、$x_0,\dots,x_{m-1}\in\Omega$ なので、$i$ についての帰納法で $u(x_i)=M$($0\le i\le m$)が従う。
2:$X$ は有限なので $u$ は最大値 $M$ をある点 $x^\ast$ でとる。$x^\ast\in\Gamma$ なら $\max_\Gamma u=M$ である。$x^\ast\in\Omega$ なら、仮定の道 $x^\ast\to\cdots\to x_m$($x_m\in\Gamma$)をとると、1 により $u(x_m)=M$ なので、やはり $\max_\Gamma u=M$ である。逆向きは明らかである。
3:一意性は 2 と prop-mp-equivalence による。存在:$\Omega$ 上の関数の空間 $\mathbb{R}^\Omega$ から自身への線形写像 $T$ を、$\varphi$ を $\Gamma$ で $0$ として $X$ に延ばしたものを $\tilde\varphi$ として $T\varphi:=(\Delta_p\tilde\varphi)|_\Omega$ で定める。$T\varphi=0$ なら $\tilde\varphi$ と $0$ はどちらも $\Delta_pu=0$、$u|_\Gamma=0$ の解なので、一意性から $\varphi=0$ である。$T$ は有限次元の空間の上の単射な線形写像なので全射でもある。$g$ を $\Omega$ で $0$ として延ばしたものを $u_0$ とし、$T\varphi=f-(\Delta_pu_0)|_\Omega$ となる $\varphi$ をとれば、$u:=u_0+\tilde\varphi$ が求める解である。$\square$

1 の調和な場合($\Delta_pu=0$)と 3 の一意性は LP16 §2.1(pp. 20–21)の Maximum Principle・Uniqueness Principle にあり(そこでは状態空間は可算でもよく、一意性では $\Omega$ を有限とする)、有限の状態空間で一意性から存在が出るという 3 の議論も同じ箇所に注意として述べられている。$\Delta_pu=0$ の解は、推移確率 $p$ の Markov連鎖 を $x$ から出発させて初めて $\Gamma$ に達した点を $X_\tau$ とするとき $u(x)=\mathbb{E}_x[g(X_\tau)]$ と表される(LP16 p. 21 の Existence Principle の証明)。最大値原理は、平均は最大値を超えないという事実の言い換えである。

区間の格子の上のランダムウォーク

$X=\{0,1,\dots,N\}$、$\Gamma=\{0,N\}$、$p(j,j\pm1)=\frac12$($1\le j\le N-1$)とすると、
$$ \Delta_pu(j)=\frac{u(j-1)+u(j+1)}2-u(j)=\frac12\bigl(u(j+1)-2u(j)+u(j-1)\bigr) $$
は 2 階差分の $\frac12$ 倍である。

  1. 調和な関数は 1 次式で、$u(0)=0$、$u(N)=1$ の解は $u(j)=\frac jN$ である。これは単純ランダムウォークが $0$ より先に $N$ に達する確率である(ギャンブラーの破産)。
  2. $w(j)=j^2$ は $\Delta_pw=1$ をみたす障壁関数で、$\operatorname{osc}w=N^2$ である。prop-mp-barrier により $\max_j\lvert u(j)\rvert\le\max(\lvert u(0)\rvert,\lvert u(N)\rvert)+N^2\max_{0< j< N}\lvert\Delta_pu(j)\rvert$ である。
  3. $\Delta_pu=-1$、$u(0)=u(N)=0$ の解は $u(j)=j(N-j)$ で、ランダムウォークが $\Gamma$ に達するまでの歩数の期待値である。式を使わなくても、thm-mp-graph の 2 から $u\ge0$ が分かる($-u$ は劣解で境界で $0$)。
    $\Omega$ を正方格子の有限部分にとると、ラプラシアンの 5 点差分 $\frac14\sum_{\pm,i}u(x\pm e_i)-u(x)$ が同じ形になり、差分法 の命題「離散の最大値原理」と同じ議論で差分解の安定性が出る。
3 の確かめを開く

$\frac{(j-1)(N-j+1)+(j+1)(N-j-1)}2-j(N-j)$ を展開すると、$(j-1)(N-j+1)+(j+1)(N-j-1)=2j(N-j)-2$ なので値は $-1$ である。2 の $\Delta_pj^2=\frac{(j-1)^2+(j+1)^2}2-j^2=1$ も同様である。

強最大値原理の仕組みと分担

強最大値原理の証明は、どの設定でも「最大値をとる点の集合 $E$ が、連結な部分の中で開かつ閉である」ことを示す形をしている。$E$ が閉であることは連続性(グラフでは自明)から出て、開であることが設定ごとの道具で示される。

設定弱最大値原理・比較原理強最大値原理の道具記事
調和関数・劣調和関数($\Delta u=0$、$\Delta u\ge0$)定理「弱最大値原理」、定理「劣調和関数の比較原理」平均値の性質(劣平均値の性質)調和関数、劣調和関数
正則関数の絶対値系「有界な開集合での最大値原理」平均値の性質(Cauchy の積分公式)最大値原理(複素解析)
2 階楕円型作用素定理「弱最大値原理」、系「比較原理と古典解の一意性」Hopfの補題(内部球での障壁関数)楕円型偏微分方程式、最大値原理(楕円型偏微分方程式)
弱解・粗い係数定理「弱解の最大値原理」、Alexandrov–Bakelman–Pucciの最大値原理—最大値原理(楕円型偏微分方程式)
熱方程式(放物境界)定理「弱最大値原理」、系「初期境界値問題の一意性と比較」—熱方程式
差分近似・グラフ命題「離散の最大値原理」、thm-mp-graph平均が最大値に等しいこと差分法、この記事
非有界な領域増大度の条件つきの形—Phragmén–Lindelöfの原理

グラフの場合(thm-mp-graph の 1)では、$E$ に属する $\Omega$ の点の隣はすべて $E$ に属することが「開」にあたる。調和関数では、$u(x)=M$ なら球面平均が $M$ に等しいので近くで $u=M$ となる。楕円型作用素では平均値の性質がないので、$E$ に外から接する球を作り、接点で Hopfの補題 が勾配が $0$ でないことを主張して、内部の最大点で勾配が $0$ になることと衝突させる。

反例:条件を外すと成り立たないこと

外す条件反例成り立たなくなること
$\mathcal{L}1=0$(0 階の項がない)$X=[0,1]$、$\mathcal{L}u=u''+u$、$u(x)=\cos(x-\frac12)$弱最大値原理(Dirichlet 問題の解の一意性は成り立つ)
作用素が 2 階$\Omega$ が $\mathbb{R}^2$ の単位円板、$\mathcal{L}=\Delta^2$、$u=1-\lvert x\rvert^2$弱最大値原理
すべての点から $\Gamma$ へ行ける(thm-mp-graph の 2)$\Omega=\{a,b\}$、$\Gamma=\{c\}$、$p(a,b)=p(b,a)=1$弱最大値原理と Dirichlet 問題の解の一意性
係数行列が正定値(楕円性)$\Omega$ が $\mathbb{R}^2$ の単位円板、$\mathcal{L}=\partial_1^2$、$u=-x_2^2$強最大値原理
$\Omega$ が連結$\Omega=(0,1)\cup(2,3)$、$\mathcal{L}u=u''$、$u=1$ と $u=(x-\frac52)^2$ をつないだ関数強最大値原理($\Omega$ 全体で定数になること)
反例の確かめ

各行で、外した条件以外は満たされている。

各行の確かめを開く

1 行目:$u''+u=0$ なので $u$ は劣解である。$\max_{[0,1]}u=u(\frac12)=1$ だが、$u(0)=u(1)=\cos\frac12< 1$ である。$\mathcal{L}$ は線形で、$\mathcal{L}1=1\ne0$ だけが外れている。一方、$u''+u=0$、$u(0)=u(1)=0$ の解は $A\sin x$ で $\sin1\ne0$ から $A=0$ なので、Dirichlet 問題の解は一意である。2 行目:$\Delta(1-\lvert x\rvert^2)=-4$ は定数なので $\Delta^2u=0$ で、$u$ は劣解である。境界で $u=0$、中心で $u=1$ である。$\Delta^2$ は線形で $\Delta^21=0$ をみたすが 4 階である。3 行目:$\Gamma$ は空でないが、$a,b$ から $c$ へ行く道はない。$u(a)=u(b)=1$、$u(c)=0$ とすると $\Delta_pu(a)=u(b)-u(a)=0$、$\Delta_pu(b)=0$ で、$\max_Xu=1>0=\max_\Gamma u$ である。$u$ と $0$ はどちらも $\Delta_pu=0$、$u(c)=0$ の解である。4 行目:$\mathcal{L}u=0$ で $u$ は劣解であり、最大値 $0$ を内部の点 $(0,0)$ でとるが定数でない。係数行列 $\operatorname{diag}(1,0)$ は半正定値だが正定値でない。$\mathcal{L}(x_1^2)=2>0$ なので prop-mp-perturbation により弱最大値原理は成り立っており、実際に境界の点 $(\pm1,0)$ でも $u=0$ である。5 行目:$(0,1)$ で $u=1$、$(2,3)$ で $u=(x-\frac52)^2$ とすると $u''=0$ または $2$ で劣解である。$\overline\Omega$ の上の最大値は $1$ で、$(0,1)$ の内部の点でとられるが、$u$ は $\Omega$ の上で定数でない(各連結成分の上での主張は成り立つ)。

関連項目

参考文献

[1]
Russell Lyons, Yuval Peres, Probability on Trees and Networks, Paperback edition with corrections (2021), Cambridge University Press(Cambridge Series in Statistical and Probabilistic Mathematics 42), 2016, §2.1(pp. 20–21、調和関数の定義、Maximum Principle、Uniqueness Principle、Existence Principle と、有限の状態空間で一意性から存在が出るという注意)。頁は著者公開版(2026-08-19 の版)による

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する