  |
はてなキーワード: 逆行列とは
高次元データ空間の幾何学的構造は、情報科学におけるテーマであり、非線形性、トポロジー、リーマン多様体などの数学的概念を必要とする。
このような多様体は、局所的には線形空間として振る舞うが、全体としては非線形構造を持つ。
例えば、データがN次元ユークリッド空間に埋め込まれている場合、その埋め込みは必ずしもユークリッド距離に基づくものではなく、リーマン計量を用いた距離関数が適用されることが多い。
このアプローチは、確率分布のパラメータ空間をリーマン多様体として扱うことで、統計的推定や機械学習アルゴリズムの設計に新たな視点を提供する。
リーマン多様体上の最適化問題を扱う際には、フィッシャー情報行列が重要な役割を果たす。
フィッシャー情報行列は、パラメータ空間内の点での曲率を測定し、その逆行列は最適化アルゴリズムにおける収束速度に影響を与える。
具体的には、フィッシャー情報行列の固有値分解を通じて、多様体上の最適化問題における局所的な最適解の安定性や収束性を評価することが可能となる。
トポロジカルデータ解析は、高次元データの幾何学的構造を理解するための強力な手法である。
特に、持続的ホモロジーやベッチ数といったトポロジーの概念を用いることで、高次元空間内でのデータポイント間の関係性を捉えることができる。
持続的ホモロジーは、データセットが持つトポロジカル特徴を抽出し、その変化を追跡する手法であり、多様体の形状や穴の数などを定量化することが可能である。
これは、異なるスケールでデータを観察しても同じトポロジカル特徴が得られることを意味する。
具体的には、フィルタリング手法（例：距離行列やk近傍グラフ）を用いてデータポイント間の関係性を構築し、その後持続的ホモロジーを計算することで、高次元空間内でのデータ構造を明らかにする。
ユークリッド距離だけでなく、マンハッタン距離やコサイン類似度など、多様な距離関数が存在し、それぞれ異なる幾何学的特性を反映する。
特に、高次元空間における距離関数の選択は、クラスタリングアルゴリズムや分類器の性能に直結するため、その理論的根拠と実用的応用について深く考察する必要がある。
さらに進んだアプローチとして、構造化された距離関数（例：Mahalanobis距離）やカーネル法による非線形変換が挙げられる。
これらは、高次元空間内でのデータポイント間の関係性をより正確に捉えるために設計されており、多様体学習やカーネル主成分分析（KPCA）などで活用されている。
まず、アルゴリズムの根幹を成す計算複雑性について。O(n)やO(log n)といった表記は表面的な理解に過ぎない。真に重要なのは、問題の本質的な計算困難性だ。P≠NP予想を例に取ろう。この未解決問題は、効率的に解ける問題と解けない問題の境界を定義している。初心者は単にアルゴリズムを暗記するのではなく、この根本的な概念を理解せねばならない。
次に、データ構造。単純な配列やリンクドリストの理解では不十分だ。高度な自己平衡二分探索木、例えばレッドブラック木やAVL木の内部動作を完全に理解し、それらを一から実装できるレベルを目指すべきだ。さらに、アモーティゼーション解析を用いて、これらのデータ構造の操作の平均時間計算量を厳密に証明できる能力も必要不可欠だ。
ハッシュテーブルについても深く掘り下げよう。単純なチェイニングや線形探索法では不十分だ。完全ハッシュ法、クックーハッシュ法、オープンアドレス法における様々な探索手法（二次探索法、ダブルハッシュ法など）の利点と欠点を理解し、具体的な問題に応じて最適な方法を選択できるようになるべきだ。
グラフアルゴリズムにおいては、単にダイクストラ法やクラスカル法を知っているだけでは不十分だ。フロー・ネットワークにおける最大フロー最小カット定理やディニッツのアルゴリズム、さらにはグラフマイナー理論やロバートソン・シーモアの深い結果まで理解する必要がある。
動的計画法は、単純な最長共通部分列問題やナップサック問題を解くだけでは足りない。bitDPやMonge DPなどの高度なテクニック、さらには凸包トリックを用いた最適化まで習得すべきだ。
最後に、乱択アルゴリズム。単純なモンテカルロ法やラスベガス法の理解では不十分だ。シャーマン・モリソンの公式を用いた行列の高速な逆行列計算や、ジョンソン・リンデンシュトラウスの補題を用いた次元削減技術など、確率論と線形代数を駆使した高度な手法まで理解する必要がある。
これらは全て、真のプログラマーが持つべき基礎的な知識の一部に過ぎない。初心者は、これらの概念を深く理解し、実際の問題に適用できるレベルを目指すべきだ。そして常に、より深い数学的洞察と抽象的思考を追求し続けねばならない。
行列シャアAに対して、シャアA×シャアB = シャアB×シャアA = シャアI（シャアIは単位行列）となるような行列シャアB。
写像シャアf: シャアX → シャアYにおいて、シャアYの部分集合シャアBに対するシャアXの部分集合シャアf^(-1)(シャアB)のこと。
ある変換の逆を行うシャア。
一見矛盾しているように見えるが、実は真理を含む表現のシャア。
マッチングアプリで知り合ったせんせいのお時間のドラマCDをコンプリートしてそうなアラフォーで小太りの弱者男性の話です
ちょうどAIについては私も最近勉強し始めたのでクラメールラオの不等式やムーアペンローズ逆行列と言った統計解析が難しい😅
するとその弱者男性きょとんとした顔で驚きました
私はえ。。。機械学習って学部教養レベルの簡単な統計や線形代数とかの数学の知識がいるよね?って尋ねました
するとその弱者男性さん難しいことはわからないみたいな感じでした
よくよく聞いてみるとITエンジニアというのもコンピュータ専門学校のゲームプログラマコースを卒業して今は家電量販店でパソコンのインストールをしてるだけと知って呆れました
ブコメ読みました。どうもありがとうございます。
トラバは伸びすぎてまだ全部読めていません。（スレッドたためないのかな？）
行列いらないよという方が意外と多いですね。専門によってずいぶん意見が変わるようです。
抽象代数をめざすので2x2の泥臭い計算練習などいらん、ということですね。
確かに数学を使う応用分野に進む子と数学自体を研究対象にする子では必要な勉強が異なるでしょうね。
数学科のことを考えていませんでした。
最後「高校で線形代数を教えろ」じゃなくて「行列をなくせ」になるのですか？
同じようなことを言っている人が何人かいらっしゃいました。（ゲーム業界？）
私にはちょっとピンとこないのですが、その業界の人たちがそういうのなら何か事情があるのでしょうね。
線形代数は大学で教えるでしょ？というのは確かにそうなのですが、１年生に教える物理の授業内容に影響が出ます。
物理科で１年生に教える科目は主に「力学」「電磁気学」、大学によっては「相対論」の入門を教えていたりするのですが
行列がなくなると座標変換が使えません。行列を使わないで無理やり書き下すこともできますが式の見通しが悪くなりますね。特に相対論。
逆行列を知らない。回転行列を知らない。座標変換のイメージがつかめないという子に対応しなければなりません。
2024年に文系からベクトルがなくなります。（復活した数Cに入ります。数Cは理系科目）
それに対応しておそらく物理基礎はベクトルが使えなくなります。
実は1997年にも似たようなことがありまして
微分方程式が消滅、文系から微積が削除された際に高校物理で数式が扱えなくなりスッカスカになりました。
物理科ではずっと問題視されているのですが現在に至るまで救済されず。
さらに削減が進むということですね。
数学では「データの分析」が大幅に増えました。現在の学習指導要領はこちら
次期学習指導要領（高等学校、数学、情報）について思うこと - とね日記
数学Bに 確率変数と確率分布/二項分布/正規分布/母集団と標本/統計的な推測の考え などが入っています
次期学習指導要領では数学Iに 四分位偏差/分散/標準偏差/相関係数 などが入ります
| 教科 | 科目 |
|---|---|
| 数学 | 数学I，数学II，数学III，数学A，数学B，数学活用(←new!) |
(1) 数学と人間の活動 数学が人間の活動にかかわってつくられ発展してきたことやその方法を理解するとともに，数学と文化とのかかわりについての認識を深める。
数量や図形に関する概念などと人間の活動や文化とのかかわりについて理解すること
イ 遊びの中の数学
数理的なゲームやパズルなどを通して論理的に考えることのよさを認識し，数学と文化とのかかわりについて理解すること。
社会生活において数学が活用されている場面や身近な事象を数理的に考察するとともに，それらの活動を通して数学の社会的有用性についての認識を深める。
図，表，行列及び離散グラフなどを用いて，事象を数学的に表現し考察すること。
行列残っているじゃん、とおっしゃる方がいましたがこれ残っていると言えます？？
少なくとも１年生の過半数が行列を習ってないというのですから実質ないも同然なのでしょう。
次期学習指導要領では廃止して「理数探究（仮称）」が新設予定だそうです
数学ではないのですがはてなー的には気になる話題だと思うので書いておきます。
2003年から数学や国語に並んで「情報」という教科ができました。扱う内容はかなり本格的で
高校で使われているプログラミングの教科書を全部購入して比較 (情報の科学) - Yusuke Ando a.k.a yando
情科306 コーディングはHTML、CSS、VBA。SQLも例が示されている。ドリトルという日本語のタートル言語も。 pic.twitter.com/Cn8O0vPWG3— Yusuke Ando@プログラミング教育 (@yando) 2018年7月29日
高校で行列の計算方法を習ってない事が、その後の数学の学習でデメリットになると思うか？線形独立、線形従属の概念を学んで行列式が求まること、求まらない事の幾何的な意味を知り、代数法則を知り多次元行列と部分空間の価値を理解した上でのアフィン変換行列があっての三次元CGでのアフィン変換がある。概念を理解しないで単に行列の計算が出来る程度の教育なんて無価値なんだからなくなって正解なんだよ。必要な人間は大学で線形代数をやるときに、法則と同時に演算方法の原理原則を理解すればいいし、逆行列の計算方法を覚えればいいんだよ。固有値、固有ベクトルの意味が理解できない半端なプログラマが増えてるのって、高校での機械的な教育のせいだろうとすら思ってる。行列使って連立方程式が解けることを知ってる事が、どれだけ意味あるんだろうね？
ブクマカは機械学習がーとかAIがーとか言うけど、必要なのは線形代数II以降の話で、高校でちょろっと計算方法知ったところで無価値なんだよ。逆に線形代数をやるときに変な思い込みが負債になるくらいだから無くしていいものとすら教えていて思う。教育としては線形代数で統合的にやれば良いというのは間違いじゃないから、削除は改善ですらある。畳み込みのタの字すら知らんアホが機械学習を語るなって。お前らの心配なんか無駄無駄、
“単に行列の計算が出来る程度の教育なんて無価値” ARの実装したときに行列の計算が必要になった。結局ネットで調べながらやったんだけど、過去に触れたことがあるという思いから心理的な障壁は少なかった気がする。
結局、このレベルの話になっちゃうよね。こんな程度なら「ゲームプログラミングのための3Dグラフィックス数学」みたいなラノベ（入門書）を1日読めば済む話でしかないだろう。AIを研究する人たちがどうとか言う話は情報工学科で、将来的に情報幾何が必要になった時にキャッチアップできる程度の数学教育をどこまでするのか？って話で、全然次元が違う話。情報工学科を選択する子供を増やすためにプログラミング教育を拡充していく過程で、３DCGの触りをやらせたいとしても、道具として座標変換程度のことをやるのに複雑な知識なんぞは一切要らないからな。だいたいライブラリから関数呼び出すだけで使える。
話は変わるが、数学のラノベなら「ゼロから学ぶ線形代数」がおススメ。あれなら誰でも理解できて、授業でやる計算方法の練習より手軽に線形代数の面白さを味わえる。
方程式が線形なら、その方程式系の性質を調べる一般的な枠組みを線形代数学と言う。
線形方程式系が解を持つ条件は、変数の数と方程式の数が同じなら、その係数行列が逆行列を持つということと同値。
行列が逆行列を持たないとき、その行列の行列式が0になるので、例えば2次元かつ方程式2つなら、それらがどのくらい「平行に近いか」と「行列式がどれくらい0に近いか」が関係ある。
変数の数より方程式の数が多いときは行列が正方行列でなくなるので、逆行列は存在しない。
でもその場合でも、（ムーア・ペンローズの）一般化逆行列というものを求めることができて、これを使うと「全ての方程式を最大限満たす解」を書き下すことができる。
この「最大限満たす解」が「完全に満たす解」であれば解が存在することになる。その条件も一般化逆行列による記述を使えば調べることができるだろう。
もっと高級なこと言い出すとジョルダン標準形がどうとかいう話になるかもしれないけど…。
しかし、こういうのをネットで簡単にいろんな人に訊けるというのはほんと羨ましい。
俺の頃にもこういうのがあったら良かったのになあ…。
