グリーンの定理と応用

2次元平面上のある領域の面積を計算したいとします。通常は2重積分 $\iint_D dA$ を計算しますが、もし領域の境界曲線に沿った1重の積分（線積分）だけで面積が求められたら便利ではないでしょうか。

実際にそれが可能です。グリーンの定理（Green’s theorem）は、2次元の線積分と2重積分を結びつける定理であり、「領域の境界に沿った循環 = 内部での回転の合計」という関係を述べます。

$$ \oint_C (P\,dx + Q\,dy) = \iint_D \left(\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}\right) dA $$

左辺は閉曲線に沿ったベクトル場の循環（線積分）、右辺は領域内での「回転密度」の総和（2重積分）です。この等式は、局所的な微分情報と大域的な積分情報を結びつける深い関係を表しています。

グリーンの定理は以下の応用で重要な役割を果たします。

面積計算: 複雑な形状の面積を境界の線積分で計算
複素解析: コーシーの積分定理の実数版
物理学: 2次元での仕事と循環の関係
数値計算: 境界要素法（BEM）の理論的基盤
コンピュータグラフィクス: 多角形の面積計算（靴紐公式）

本記事の内容

グリーンの定理の直感的な理解と証明
面積計算への応用（靴紐公式の導出）
グリーンの第1・第2恒等式
複素解析との関連
Pythonによる検証と応用

前提知識

この記事を読む前に、以下の記事を読んでおくと理解が深まります。

勾配・発散・回転の定義と直感的理解 — 2次元での発散と回転
ストークスの定理の証明と応用 — 3次元版の定理
偏微分の基礎 — 偏微分の計算

グリーンの定理とは — 直感的な理解

微小な正方形での理解

グリーンの定理の直感を得るために、まず1つの微小な正方形で考えましょう。

辺の長さ $\Delta x \times \Delta y$ の小さな正方形の境界を反時計回りに一周する線積分を計算します。下辺、右辺、上辺、左辺の4つの辺の寄与を足し合わせると、テイラー展開を使った計算から

$$ \oint_{\text{小正方形}} (P\,dx + Q\,dy) \approx \left(\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}\right) \Delta x \Delta y $$

が得られます。これは「微小面積要素での循環 = 回転密度 $\times$ 面積」に他なりません。

この近似式の導出をもう少し丁寧に追ってみましょう。微小正方形の左下の頂点を $(x_0, y_0)$ とします。4辺に沿った線積分の寄与は

下辺（右向き）: $P(x_0, y_0)\Delta x$
右辺（上向き）: $Q(x_0 + \Delta x, y_0)\Delta y$
上辺（左向き）: $-P(x_0, y_0 + \Delta y)\Delta x$
左辺（下向き）: $-Q(x_0, y_0)\Delta y$

右辺と左辺の差は $[Q(x_0 + \Delta x, y_0) – Q(x_0, y_0)]\Delta y \approx \frac{\partial Q}{\partial x}\Delta x \Delta y$ であり、上辺と下辺の差は $[P(x_0, y_0) – P(x_0, y_0 + \Delta y)]\Delta x \approx -\frac{\partial P}{\partial y}\Delta x \Delta y$ です。合計すると冒頭の近似式が得られます。

次に、領域 $D$ を多数の微小な正方形で分割します。隣り合う正方形の共有辺では、一方の正方形での積分と他方での積分が逆向きに寄与して相殺します。相殺されずに残るのは、領域の最外周の辺だけです。

したがって

$$ \sum_{\text{全正方形}} \left(\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}\right) \Delta x \Delta y = \oint_{\partial D} (P\,dx + Q\,dy) $$

左辺は $\Delta x, \Delta y \to 0$ の極限で $\iint_D$ になります。これがグリーンの定理です。

ガウスの発散定理・ストークスの定理との関係

グリーンの定理は

ストークスの定理の2次元特殊ケース（面が $xy$ 平面上）
ガウスの発散定理の2次元版（後述のグリーンの発散形）

と位置付けられます。3つの定理は全て「内部での微分の積分 = 境界での元の量の積分」という同じ構造を共有しています。1次元の微分積分学の基本定理から始まり、2次元のグリーンの定理、3次元のガウス・ストークスの定理へと拡張される一連の流れを理解することで、多変数の解析学の全体像が見えてきます。

歴史的には、ジョージ・グリーン（1793-1841）がこの定理を1828年の論文で発表しました。グリーンは独学で数学を学んだパン屋の息子であり、この論文は当時ほとんど注目されませんでしたが、後にウィリアム・トムソン（ケルヴィン卿）によって「再発見」されました。グリーンの論文ではポテンシャル関数（現在のグリーン関数）が導入され、電磁気学の数学的基礎が築かれました。

直感的な理解を得たところで、次にグリーンの定理を正式に定式化し、厳密な証明を与えます。

グリーンの定理の定式化と証明

定理の正式な記述

グリーンの定理: $D$ を $\mathbb{R}^2$ の有界な領域で、その境界 $C = \partial D$ が区分的に滑らかな閉曲線（反時計回り）であるとする。$P, Q$ が $D$ の閉包上で $C^1$ 級ならば

$$ \begin{equation} \oint_C (P\,dx + Q\,dy) = \iint_D \left(\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}\right) dA \end{equation} $$

証明

$P$ の項と $Q$ の項をそれぞれ独立に証明します。

$P$ の項の証明: $D$ が $y$ 方向に単純な領域、すなわち

$$ D = \{(x, y) : a \leq x \leq b, \; g_1(x) \leq y \leq g_2(x)\} $$

と表せるとします。つまり、各 $x$ に対して $y$ の範囲が2つの関数 $g_1(x)$ と $g_2(x)$ で挟まれる形の領域です。

右辺の $P$ 部分を計算します。

$$ -\iint_D \frac{\partial P}{\partial y}\, dA = -\int_a^b \left[\int_{g_1(x)}^{g_2(x)} \frac{\partial P}{\partial y}\, dy\right] dx $$

内側の積分に微分積分学の基本定理を適用すると

$$ = -\int_a^b [P(x, g_2(x)) – P(x, g_1(x))]\, dx $$

整理すると

$$ = \int_a^b P(x, g_1(x))\, dx – \int_a^b P(x, g_2(x))\, dx $$

左辺の線積分の $P\,dx$ 部分を計算します。$C$ を反時計回りに辿ると

下側の曲線 $C_1: y = g_1(x)$（$x$: $a \to b$）での寄与: $\int_a^b P(x, g_1(x))\, dx$
上側の曲線 $C_2: y = g_2(x)$（$x$: $b \to a$）での寄与: $\int_b^a P(x, g_2(x))\, dx = -\int_a^b P(x, g_2(x))\, dx$

合計すると

$$ \oint_C P\,dx = \int_a^b P(x, g_1(x))\, dx – \int_a^b P(x, g_2(x))\, dx $$

これは右辺と一致します。

$Q$ の項の証明: $D$ が $x$ 方向に単純な領域、すなわち

$$ D = \{(x, y) : c \leq y \leq d, \; h_1(y) \leq x \leq h_2(y)\} $$

と表せる場合、全く同様の計算で

$$ \oint_C Q\,dy = \iint_D \frac{\partial Q}{\partial x}\, dA $$

が示されます。

$D$ が $x$ 方向にも $y$ 方向にも単純な領域であれば、両方の結果を足し合わせてグリーンの定理が得られます。一般の領域は、このような単純領域に分割することで対処します。$\square$

証明の本質

この証明の本質的な構造を整理しておきましょう。証明は3つのステップから構成されています。

累次積分への分解: 2重積分を一方の変数について先に積分する形に書き直す
微分積分学の基本定理の適用: 内側の積分を実行し、偏微分を境界値の差に変換する
境界上の線積分との対応: 得られた式が閉曲線に沿った線積分と一致することを確認する

この構造はガウスの発散定理やストークスの定理の証明とまったく同じです。次元が異なるだけで、核心となるアイデアは「微分積分学の基本定理を各方向に適用する」という一点に集約されます。

また、一般の領域への拡張において、領域を単純領域に分割したとき、隣り合う単純領域の共有辺での線積分が相殺される（テレスコーピング）という性質が本質的に使われます。これは微小正方形での直感的説明で述べた「隣り合う正方形の共有辺の相殺」と同じメカニズムです。

それでは、グリーンの定理の異なる形を見ていきましょう。

グリーンの定理の2つの形

循環形（ストークス形）

先ほど証明した形がグリーンの定理の循環形です。

$$ \oint_C (P\,dx + Q\,dy) = \iint_D \left(\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}\right) dA $$

右辺の被積分関数 $\frac{\partial Q}{\partial x} – \frac{\partial P}{\partial y}$ は、2次元ベクトル場 $\bm{F} = (P, Q)$ の「回転」（$z$ 成分）です。この量が正の場合、ベクトル場は局所的に反時計回りの回転傾向を持ち、負の場合は時計回りの回転傾向を持ちます。

発散形（ガウス形）

グリーンの定理には発散形（フラックス形）もあります。$\bm{F} = (P, Q)$、外向き法線を $\hat{\bm{n}}$ とすると

$$ \begin{equation} \oint_C \bm{F} \cdot \hat{\bm{n}}\, ds = \iint_D \nabla \cdot \bm{F}\, dA = \iint_D \left(\frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y}\right) dA \end{equation} $$

これは2次元のガウスの発散定理です。循環形で $P$ を $-Q_{\text{new}}$、$Q$ を $P_{\text{new}}$ に置き換えると発散形が得られます。

発散形の物理的な意味は、「閉曲線を通過する外向きフラックスの合計は、内部での湧き出しの合計に等しい」です。例えば、2次元の非圧縮性流体で $\nabla \cdot \bm{v} = 0$ が成り立つ場合、任意の閉曲線を通過する正味のフラックスはゼロになります。これは直感的にも理解できます。湧き出しも吸い込みもなければ、入ってくる量と出ていく量は等しいはずです。

循環形と発散形の2つの顔を持つグリーンの定理は、面積計算という意外な応用にもつながります。

応用1: 面積計算

線積分による面積公式

グリーンの定理で $P = 0, Q = x$ とおくと

$$ \oint_C x\, dy = \iint_D 1\, dA = \text{Area}(D) $$

同様に $P = -y, Q = 0$ とおくと

$$ -\oint_C y\, dx = \text{Area}(D) $$

2つの平均を取ると

$$ \begin{equation} \text{Area}(D) = \frac{1}{2}\oint_C (x\,dy – y\,dx) \end{equation} $$

この面積公式の美しい点は、2次元の面積（2重積分）を1次元の積分（線積分）に還元している点です。領域の内部を走査する必要がなく、境界をなぞるだけで面積が求まります。測量で土地の境界を歩いて測定するだけで面積がわかるのは、まさにこの原理に基づいています。

靴紐公式（多角形の面積）

多角形の頂点が $(x_1, y_1), (x_2, y_2), \ldots, (x_n, y_n)$ と反時計回りに並んでいるとき、面積公式の線積分を辺ごとに計算すると

$$ \begin{equation} \text{Area} = \frac{1}{2} \left|\sum_{i=1}^{n} (x_i y_{i+1} – x_{i+1} y_i)\right| \end{equation} $$

ここで $(x_{n+1}, y_{n+1}) = (x_1, y_1)$ です。この公式は計算の形が靴紐を交互に引く動作に似ていることから靴紐公式（shoelace formula）と呼ばれます。

靴紐公式はGIS（地理情報システム）やコンピュータグラフィクスにおいて、多角形の面積を高速に計算するために広く使われています。GPS座標から土地の面積を計算する場面や、画像処理で検出された輪郭の面積を求める場面など、応用範囲は極めて広いです。計算量は頂点数 $n$ に対して $O(n)$ であり、非常に効率的です。

面積計算の応用を確認したところで、次にグリーンの定理からさらに発展した恒等式を見てみましょう。

応用2: グリーンの恒等式

第1恒等式

2つのスカラー場 $u, v$ に対して、$P = -u \frac{\partial v}{\partial y}, Q = u \frac{\partial v}{\partial x}$ とおいてグリーンの定理を適用すると（3次元では発散定理を使用）

$$ \begin{equation} \iint_D (u \nabla^2 v + \nabla u \cdot \nabla v)\, dA = \oint_C u \frac{\partial v}{\partial n}\, ds \end{equation} $$

ここで $\partial v/\partial n = \nabla v \cdot \hat{\bm{n}}$ は法線微分です。これがグリーンの第1恒等式です。

第1恒等式の重要な応用として、$u = v$ かつ $\nabla^2 v = 0$（$v$ が調和関数）の場合を考えると

$$ \iint_D |\nabla v|^2\, dA = \oint_C v \frac{\partial v}{\partial n}\, ds $$

が得られます。もし境界上で $v = 0$（ディリクレ境界条件）ならば右辺はゼロとなり、$\iint_D |\nabla v|^2\, dA = 0$ が成り立ちます。$|\nabla v|^2 \geq 0$ なので $\nabla v = \bm{0}$ であり、$v$ は定数、境界条件から $v = 0$ です。これがラプラス方程式のディリクレ問題の一意性の証明であり、グリーンの第1恒等式の最も重要な応用の一つです。

第2恒等式

第1恒等式で $u$ と $v$ を入れ替えて引くと

$$ \begin{equation} \iint_D (u \nabla^2 v – v \nabla^2 u)\, dA = \oint_C \left(u \frac{\partial v}{\partial n} – v \frac{\partial u}{\partial n}\right) ds \end{equation} $$

これがグリーンの第2恒等式であり、ポテンシャル論や境界値問題の理論で基本的な役割を果たします。

グリーンの第2恒等式は、ラプラス方程式 $\nabla^2 u = 0$ の解（調和関数）の性質を調べるための強力なツールです。例えば、$v$ をグリーン関数に取ることで、ラプラス方程式の解を境界値のみで表現するグリーンの表現公式が得られます。これは偏微分方程式の境界値問題を解くための出発点であり、数値計算の境界要素法（BEM）の理論的基盤にもなっています。

理論的な応用を確認したところで、Pythonを使ってグリーンの定理とその応用を数値的に検証しましょう。

Pythonでの実装

グリーンの定理の数値検証

import numpy as np
from scipy import integrate

# ベクトル場: P = -y + x², Q = x + y²
# ∂Q/∂x - ∂P/∂y = 1 - (-1) = 2

# 領域: 単位円盤 x² + y² ≤ 1

# 線積分: ∮_C (P dx + Q dy)
def line_integrand(t):
    x, y = np.cos(t), np.sin(t)
    dx, dy = -np.sin(t), np.cos(t)
    P = -y + x**2
    Q = x + y**2
    return P * dx + Q * dy

line_int, _ = integrate.quad(line_integrand, 0, 2*np.pi)

# 面積分: ∬_D (∂Q/∂x - ∂P/∂y) dA = ∬_D 2 dA = 2π
area_int = 2 * np.pi

print("=== グリーンの定理の検証 ===")
print(f"P = -y + x², Q = x + y²")
print(f"∂Q/∂x - ∂P/∂y = 2")
print(f"\n線積分 = {line_int:.8f}")
print(f"面積分 = {area_int:.8f}")
print(f"差     = {abs(line_int - area_int):.2e}")

上のコードでは、$P = -y + x^2$、$Q = x + y^2$ というベクトル場と単位円盤に対してグリーンの定理を検証しています。回転密度 $\partial Q/\partial x – \partial P/\partial y = 2$ は定数なので、面積分は $2\pi$ です。線積分も $2\pi$ に一致しており、定理の正しさが確認されています。

靴紐公式による面積計算

import numpy as np
import matplotlib.pyplot as plt

def shoelace_area(vertices):
    """靴紐公式による多角形の面積計算"""
    n = len(vertices)
    area = 0.0
    for i in range(n):
        j = (i + 1) % n
        area += vertices[i][0] * vertices[j][1]
        area -= vertices[j][0] * vertices[i][1]
    return abs(area) / 2.0

def green_area_parametric(x_func, y_func, t_range=(0, 2*np.pi)):
    """グリーンの定理による曲線の囲む面積"""
    def integrand(t):
        x = x_func(t)
        y = y_func(t)
        dx = (x_func(t + 1e-8) - x_func(t - 1e-8)) / (2e-8)
        dy = (y_func(t + 1e-8) - y_func(t - 1e-8)) / (2e-8)
        return 0.5 * (x * dy - y * dx)
    area, _ = integrate.quad(integrand, t_range[0], t_range[1])
    return abs(area)

from scipy import integrate

fig, axes = plt.subplots(1, 3, figsize=(16, 5))

# (a) 多角形の面積
ax = axes[0]
polygons = {
    "Triangle": [(0, 0), (4, 0), (2, 3)],
    "Square": [(0, 0), (3, 0), (3, 3), (0, 3)],
    "Pentagon": [(2*np.cos(2*np.pi*k/5 + np.pi/2),
                  2*np.sin(2*np.pi*k/5 + np.pi/2)) for k in range(5)],
    "Star": [(2*np.cos(2*np.pi*k/10 + np.pi/2) * (1 if k%2==0 else 0.5),
              2*np.sin(2*np.pi*k/10 + np.pi/2) * (1 if k%2==0 else 0.5))
             for k in range(10)]
}

colors = ["blue", "green", "red", "purple"]
y_offset = 0
for (name, verts), color in zip(polygons.items(), colors):
    area = shoelace_area(verts)
    xs = [v[0] for v in verts] + [verts[0][0]]
    ys = [v[1] + y_offset for v in verts] + [verts[0][1] + y_offset]
    ax.fill(xs, ys, alpha=0.3, color=color)
    ax.plot(xs, ys, "o-", color=color, linewidth=2, markersize=4)
    cx = np.mean([v[0] for v in verts])
    cy = np.mean([v[1] for v in verts]) + y_offset
    ax.text(cx, cy, f"{name}\nA={area:.2f}", ha="center", fontsize=8,
            fontweight="bold")
    y_offset += 5

ax.set_xlabel("x", fontsize=12)
ax.set_ylabel("y", fontsize=12)
ax.set_title("Shoelace Formula for Polygons", fontsize=13)
ax.set_aspect("equal")
ax.grid(True, alpha=0.3)

# (b) 曲線の面積（楕円、カージオイド）
ax = axes[1]

# 楕円: x = a cos t, y = b sin t
a, b = 3, 2
t = np.linspace(0, 2*np.pi, 200)
x_ellipse = a * np.cos(t)
y_ellipse = b * np.sin(t)
area_ellipse = green_area_parametric(
    lambda t: a * np.cos(t), lambda t: b * np.sin(t))

ax.fill(x_ellipse, y_ellipse, alpha=0.3, color="blue")
ax.plot(x_ellipse, y_ellipse, "b-", linewidth=2)
ax.text(0, 0, f"Ellipse\nA={area_ellipse:.2f}\n(πab={np.pi*a*b:.2f})",
        ha="center", fontsize=9, fontweight="bold")

# カージオイド: r = 1 + cos θ
r_card = 1 + np.cos(t)
x_card = r_card * np.cos(t) + 5
y_card = r_card * np.sin(t)
area_card = green_area_parametric(
    lambda t: (1+np.cos(t))*np.cos(t),
    lambda t: (1+np.cos(t))*np.sin(t))

ax.fill(x_card, y_card, alpha=0.3, color="red")
ax.plot(x_card, y_card, "r-", linewidth=2)
ax.text(5, 0, f"Cardioid\nA={area_card:.2f}\n(3π/2={3*np.pi/2:.2f})",
        ha="center", fontsize=9, fontweight="bold")

ax.set_xlabel("x", fontsize=12)
ax.set_ylabel("y", fontsize=12)
ax.set_title("Green's Theorem: Area of Curves", fontsize=13)
ax.set_aspect("equal")
ax.grid(True, alpha=0.3)

# (c) 靴紐公式の精度（多角形の頂点数を増やして円に近づける）
ax = axes[2]
n_vertices = range(3, 51)
areas = []
for n in n_vertices:
    verts = [(np.cos(2*np.pi*k/n), np.sin(2*np.pi*k/n)) for k in range(n)]
    areas.append(shoelace_area(verts))

ax.plot(list(n_vertices), areas, "bo-", linewidth=2, markersize=4,
        label="Shoelace area")
ax.axhline(np.pi, color="red", linestyle="--", linewidth=2,
           label=f"$\\pi$ = {np.pi:.6f}")
ax.set_xlabel("Number of vertices", fontsize=12)
ax.set_ylabel("Area", fontsize=12)
ax.set_title("Polygon → Circle Convergence", fontsize=13)
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig("greens_theorem_area.png", dpi=150, bbox_inches="tight")
plt.show()

このグラフから、グリーンの定理に基づく面積計算の威力が読み取れます。

左図（多角形の面積）: 靴紐公式を使って三角形、正方形、五角形、星形の面積を計算しています。2重積分を使わずに、頂点座標だけから瞬時に面積が求まります。
中央図（曲線の面積）: グリーンの定理の面積公式を使って楕円（$\pi ab = 18.85$）とカージオイド（$3\pi/2 = 4.71$）の面積を計算しています。数値積分の結果が理論値と完全に一致しています。
右図（多角形から円への収束）: 正多角形の頂点数を増やすと、靴紐公式で計算される面積が $\pi$（単位円の面積）に収束する様子が見えます。20角形程度で4桁以上の精度が得られています。

グリーンの第1恒等式の検証

import numpy as np
from scipy import integrate

# u = x, v = x² + y²
# ∇u = (1, 0), ∇v = (2x, 2y), ∇²v = 4
# u ∇²v + ∇u · ∇v = x * 4 + 1 * 2x + 0 * 2y = 6x

# 領域: 単位円盤

# 左辺（面積分）
def lhs_integrand(r, theta):
    x = r * np.cos(theta)
    return 6 * x * r  # 6x * r dr dθ

lhs, _ = integrate.dblquad(lhs_integrand, 0, 2*np.pi, 0, 1)

# 右辺（線積分: ∮ u ∂v/∂n ds）
# 単位円上: n̂ = (cos θ, sin θ), ∂v/∂n = ∇v · n̂ = 2x*cosθ + 2y*sinθ = 2r = 2
# u = x = cos θ, ds = dθ
def rhs_integrand(theta):
    x = np.cos(theta)
    return x * 2  # u * ∂v/∂n = cos θ * 2

rhs, _ = integrate.quad(rhs_integrand, 0, 2*np.pi)

print("=== グリーンの第1恒等式の検証 ===")
print(f"u = x, v = x² + y²")
print(f"左辺（面積分）= {lhs:.8f}")
print(f"右辺（線積分）= {rhs:.8f}")
print(f"差            = {abs(lhs - rhs):.2e}")
print(f"(対称性により両方ゼロ)")

グリーンの第1恒等式の数値検証で、面積分と線積分が高精度で一致していることが確認できます。この例では $u = x$ が奇関数で領域が円盤（対称）なので、両辺ともゼロになるという理論的予測とも整合しています。グリーンの恒等式の数値検証は一見自明な結果に思えますが、この等式はラプラス方程式の解の一意性の証明やグリーン関数の構成において中心的な役割を果たすため、その成立を確認しておくことには大きな意義があります。

数値的な検証を終えたところで、最後にグリーンの定理と複素解析との深い関連を見てみましょう。

複素解析との関連

グリーンの定理は複素解析のコーシーの積分定理と密接に関連しています。

正則関数 $f(z) = u(x,y) + iv(x,y)$ に対して

$$ \oint_C f(z)\, dz = \oint_C (u + iv)(dx + i\, dy) = \oint_C (u\,dx – v\,dy) + i\oint_C (v\,dx + u\,dy) $$

グリーンの定理を各積分に適用します。実部について

$$ \oint_C (u\,dx – v\,dy) = \iint_D \left(-\frac{\partial v}{\partial x} – \frac{\partial u}{\partial y}\right) dA $$

コーシー・リーマンの方程式 $\partial u/\partial x = \partial v/\partial y$、$\partial u/\partial y = -\partial v/\partial x$ を代入すると、被積分関数は $-\frac{\partial v}{\partial x} + \frac{\partial v}{\partial x} = 0$ となります。虚部についても同様にゼロになるため

$$ \oint_C f(z)\, dz = 0 $$

が得られます。これがコーシーの積分定理であり、グリーンの定理の直接的な帰結です。

この導出は、コーシーの積分定理が本質的にはグリーンの定理とコーシー・リーマン方程式の組み合わせであることを明確に示しています。複素解析におけるコーシーの積分公式、留数定理、最大値原理などの強力な結果は、すべてこの積分定理を出発点としています。

さらに、コーシーの積分定理は $f$ が正則（微分可能）であることしか要求しないにもかかわらず、$f$ が何回でも微分可能で、テイラー展開可能であることが導かれます。実数の場合には微分可能性と解析性は別の概念ですが、複素数の世界ではこの2つが一致するという驚くべき事実があり、その根幹にグリーンの定理が存在しています。

まとめ

本記事では、グリーンの定理の理論と応用について解説しました。

グリーンの定理は2次元の線積分と2重積分を結びつけ、「境界での循環 = 内部での回転の合計」を表す
循環形と発散形の2つの形があり、それぞれストークスの定理とガウスの発散定理の2次元版に対応する
面積公式 $\text{Area} = \frac{1}{2}\oint_C(x\,dy – y\,dx)$ により、境界の線積分だけで面積が計算できる
靴紐公式は多角形の頂点座標から面積を直接計算する実用的な公式で、グリーンの定理の離散版である
グリーンの恒等式はポテンシャル論の基本ツールであり、ラプラス方程式の解の性質を調べるのに使われる
コーシーの積分定理はグリーンの定理とコーシー・リーマン方程式の組み合わせとして導出できる

グリーンの定理は、微分積分学の基本定理の2次元への自然な拡張です。1次元では「微分の積分 = 端点の値の差」であったものが、2次元では「偏微分量の面積分 = 境界に沿った線積分」へと一般化されています。この定理を足がかりに、ストークスの定理やガウスの発散定理という3次元の積分定理へと進むことで、ベクトル解析の全体像が見通せるようになります。

次のステップとして、以下の記事も参考にしてください。