行列計算 計算ツール｜2x2・3x3 行列式・逆行列・固有値

行列の基本

2×2 行列式

|A| = a₁₁ × a₂₂ − a₁₂ × a₂₁

行列式(determinant)は行列の「変換によって面積が何倍になるか」を表すスカラー値。行列式が0だと逆行列を持たない(特異行列)。

2×2 逆行列

A⁻¹ = (1/|A|) × [[a₂₂, −a₁₂], [−a₂₁, a₁₁]]

|A| = 0 のとき逆行列は存在しません(特異行列)。それ以外の場合は必ず一意に存在します。

固有値・固有ベクトル

λ² − tr(A)λ + |A| = 0（固有方程式）

λ = (tr(A) ± √(tr(A)² − 4|A|)) / 2

2×2行列の固有値は、固有方程式(特性方程式)の解として求められます。判別式が正なら実数固有値、負なら複素固有値、0なら重解になります。

トレース・階数

• トレース：対角成分の和 a₁₁ + a₂₂。固有値の総和にも等しい。
• 階数(rank)：線形独立な行(または列)の数(最大2)。
• 正則行列：階数 = 行数の正方行列(逆行列を持つ)。

応用

• 2元1次連立方程式の解：A・x = b → x = A⁻¹・b
• 線形変換：拡大・縮小・回転・反転(グラフィックス・CG)
• 主成分分析(PCA)の固有値分解(統計・機械学習)
• マルコフ連鎖の遷移行列(確率過程)
• 力学系の安定性解析(固有値の実部が負なら安定)
• 量子力学のパウリ行列・スピン演算子(物理)

3次以上の行列

3×3の行列式はサラスの公式(対角線で展開)。4×4以上は余因子展開・LU分解・ガウス消去法が必要。本ツールは2×2のみ対応です。3×3以上は Python(NumPy)・R・MATLAB・Wolfram Alpha 等の数値計算ソフトの利用を推奨。

行列計算の代表的な公式

特別な行列の例

行列計算の詳しい解説

行列は線形代数の中心概念で、大学理系初年次の必修範囲です。行列式(determinant)は行列がベクトル空間に対して行う変換の「体積スケーリング率」を表し、絶対値が変換前後の面積(2次元の場合)の比、符号が向き(反転の有無)を示します。行列式が0の行列は変換後に次元が縮退する(2次元→1次元)ため、情報が失われて逆変換ができません。これが「逆行列を持たない」ということの幾何学的意味です。

逆行列は、変換Aを打ち消す変換を表す行列で、A・A⁻¹ = A⁻¹・A = I(単位行列)を満たします。2×2行列では公式が単純で、行列式で割って対角成分を入れ替え、副対角成分の符号を反転させるだけです。この操作は連立1次方程式Ax=bの解x=A⁻¹bとして工学・経済・統計の実務で頻用されます。ただし数値計算では逆行列を明示的に計算するよりガウス消去法・LU分解の方が精度・速度で優れるため、大規模問題では専用アルゴリズムが使われます。

固有値・固有ベクトルは行列の本質的な性質を表す指標で、「Aで変換したときにスカラー倍にしかならないベクトル(固有ベクトル)とその倍率(固有値)」として定義されます。2×2行列の固有値は固有方程式 λ² − tr(A)λ + |A| = 0 の解として求まり、判別式(tr(A)² − 4|A|)の符号で解の性質が決まります。判別式が正なら実数の異なる2解、0なら重解、負なら共役複素数解になります。

固有値は力学系の安定性解析で決定的な役割を果たします。線形微分方程式 dx/dt = Ax の解の挙動は係数行列Aの固有値で完全に決まり、実数部がすべて負なら原点は漸近安定、正の固有値が1つでもあれば不安定です。制御工学の状態フィードバック制御では、閉ループ系の極(=固有値)を意図的に配置する「極配置法」が基本テクニックになります。

主成分分析(PCA)は機械学習・データサイエンスで頻用される次元削減手法で、共分散行列の固有値分解が中核アルゴリズムです。データを最も分散が大きい方向(=最大固有値に対応する固有ベクトル)に射影することで、情報損失を最小化しつつ次元を圧縮できます。2×2の共分散行列なら本ツールで手計算的に検証可能で、統計検定準1級以上・データ分析実務者試験の準備教材にも使えます。

マルコフ連鎖の定常分布も行列計算の応用例です。遷移行列Pの固有値1に対応する左固有ベクトルが定常分布π(π=πP)を与え、天気予報の状態遷移、Web検索のPageRankアルゴリズム、生物集団の世代交代モデルなど幅広い応用があります。2状態マルコフ連鎖(晴れ/雨、購買/非購買等)は2×2遷移行列で表現でき、本ツールで解析可能です。

回転行列[[cosθ, -sinθ], [sinθ, cosθ]]は幾何学的変換の基本で、コンピュータグラフィックス・ロボティクス・画像処理で日常的に使われます。行列式=1・トレース=2cosθで、固有値はe^(±iθ)の複素数になります。回転角θと固有値の関係を理解することは、物体の姿勢制御・カメラ視点変換・アニメーション補間の理論的基礎になります。

実務・学習での使い方

ケーススタディ：行列計算の応用例

ケース1：連立方程式を行列で解く

• 連立式：2x + y = 5, 3x + 4y = 10
• 行列表記：A=[[2,1],[3,4]], b=[5,10]
• |A|=8-3=5、A⁻¹=(1/5)[[4,-1],[-3,2]]
• 解：x = A⁻¹b = (1/5)[4×5+(-1)×10, -3×5+2×10] = (1/5)[10, 5] = [2, 1]
• 検算：2×2+1=5 ✓、3×2+4×1=10 ✓

ケース2：2×2共分散行列の主成分分析

• 共分散行列 C = [[4, 2], [2, 3]]
• |C| = 12 − 4 = 8, tr(C) = 7
• 固有値 λ² − 7λ + 8 = 0 → λ = (7 ± √17)/2 ≒ 5.56, 1.44
• 大きい固有値5.56に対応する固有ベクトルが第1主成分方向
• 寄与率：5.56/(5.56+1.44) = 79% → 第1主成分でデータの79%を説明

ケース3：2状態マルコフ連鎖の定常分布

• 状態A(晴れ)、B(雨)の遷移行列 P = [[0.8, 0.2], [0.4, 0.6]]
• 定常分布π=[a, 1-a]は πP = π を満たす
• 0.8a + 0.4(1-a) = a → 0.4a + 0.4 = a → a = 2/3
• 長期定常分布：晴れ67%、雨33%
• 初期状態に関わらず十分時間が経てば必ずこの分布に収束

ケース4：回転行列で座標変換

• 点(1, 0)を60°反時計回りに回転
• R = [[cos60°, -sin60°], [sin60°, cos60°]] = [[0.5, -√3/2], [√3/2, 0.5]]
• 変換後：R × [1, 0]ᵀ = [0.5, √3/2] ≒ (0.5, 0.866)
• |R|=0.25+0.75=1(直交行列)、固有値=e^(±i60°)(複素数)

ケース5：制御工学の安定性解析

• 状態方程式 dx/dt = Ax、A = [[-2, 1], [-1, -3]]
• |A|=6+1=7, tr(A)=-5
• 固有値 λ² + 5λ + 7 = 0 → λ = (-5 ± √(-3))/2(共役複素数)
• 実部 = -2.5 (負) → 原点は漸近安定(減衰振動)
• 虚部 = ±√3/2 → 振動周波数を決定

よくある間違い・注意点

• 行列の掛け算の順序 — A・B ≠ B・A が原則(非可換)。順序を入れ替えると結果が変わるため、逆行列の計算などでの掛け算順序に注意。
• 行列式が0の行列に逆行列を求める — 特異行列(|A|=0)は逆行列を持たない。無理に(1/0)で割ろうとするとNaN/Infになる。
• 固有値の符号ミス — 固有方程式の√の中は必ず tr² − 4|A|。「4|A|」を「|A|」と書き間違えるミスが多発。特に手計算では要注意。
• 複素固有値の存在 — 実数行列でも固有値が複素数になることがある(回転行列など)。判別式が負なら共役複素数解、慌てず理論通り扱う。
• 階数と行列式の関係の誤解 — 階数が最大(=行数)であることと行列式≠0は同値。2×2行列で階数2 ⇔ |A|≠0 ⇔ 逆行列あり、と3つは連動する。
• 単位行列との混同 — 単位行列Iは対角成分すべて1・他0の特別な行列で、A・I = I・A = A。ゼロ行列Oではないので注意。
• 3次以上を無理に手計算 — 3×3のサラスの公式までは実用範囲だが、4×4以上は余因子展開でも計算量爆発。数値ソフト(Python/R)を使うのが実務。

関連する数学分野・応用

• 線形代数(Linear Algebra)— 行列・ベクトル・線形変換の理論を扱う数学の一分野。大学理系の必修科目。
• 数値線形代数— 行列演算をコンピュータで高速・高精度に行うアルゴリズム(LU分解、QR分解、SVD等)を研究する分野。
• 統計・多変量解析— 共分散行列・相関行列を通じて多変数データを解析。主成分分析、因子分析、判別分析、正準相関分析等。
• 制御工学— 状態空間表現の係数行列の固有値解析で、システムの安定性・可制御性・可観測性を判定。
• 量子力学— 演算子は行列(または連続作用素)で表現され、観測値は固有値、固有状態は固有ベクトル。
• グラフ理論・ネットワーク科学— 隣接行列・ラプラシアン行列を通じてグラフ構造を解析。PageRank、コミュニティ検出、スペクトルクラスタリング等。

※本ツールは教育・学習用途を想定した参考計算です。研究論文・工学的な実用計算では、精度・数値安定性を考慮した専用ソフトウェア(NumPy/SciPy、MATLAB、Wolfram等)の使用を推奨します。

Python/NumPy での実装例

import numpy as np

# 2×2行列を定義
A = np.array([[2, 1], [3, 4]])

# 行列式
det_A = np.linalg.det(A)   # 5.0

# 逆行列
inv_A = np.linalg.inv(A)   # [[0.8, -0.2], [-0.6, 0.4]]

# 固有値・固有ベクトル
eigvals, eigvecs = np.linalg.eig(A)
# eigvals ≒ [5.0, 1.0]

# トレース
trace_A = np.trace(A)      # 6

# 階数
rank_A = np.linalg.matrix_rank(A)  # 2

# 連立方程式 Ax = b を解く
b = np.array([5, 10])
x = np.linalg.solve(A, b)  # [2.0, 1.0]

R での同等コード

A <- matrix(c(2, 3, 1, 4), nrow=2)
det(A)              # 5
solve(A)            # 逆行列
eigen(A)$values     # 固有値
sum(diag(A))        # トレース = 6
qr(A)$rank          # 階数 = 2

MATLAB での同等コード

A = [2 1; 3 4];
det(A)              % 5
inv(A)              % 逆行列
eig(A)              % 固有値
trace(A)            % トレース = 6
rank(A)             % 階数 = 2
A \ b               % 連立方程式の解

用語集

行列(Matrix)

数を長方形に並べたもの。m行n列の行列をm×n行列と呼ぶ。

正方行列

行数と列数が等しい行列。逆行列・固有値の議論はこれが前提。

行列式(det, |A|)

正方行列に対して定義されるスカラー値。2×2ならad-bc。

逆行列(A⁻¹)

A・A⁻¹=Iを満たす行列。行列式が0でない場合のみ存在。

単位行列(I)

対角成分1、他0の行列。掛け算の「1」に相当。

零行列(O)

すべての成分が0の行列。加法の「0」に相当。

トレース(tr(A))

対角成分の和。固有値の総和にも等しい。

階数(rank)

線形独立な行(または列)の数。行列の「情報量」の指標。

固有値(eigenvalue, λ)

Av=λvを満たすスカラー。行列の本質を表す不変量。

固有ベクトル(eigenvector, v)

Av=λvを満たすベクトル。変換Aで方向が変わらないベクトル。

特異行列

行列式が0の正方行列。逆行列を持たない。

正則行列

逆行列を持つ正方行列。行列式≠0と同値。

直交行列

A^T・A=Iを満たす行列。回転行列・反射行列など。長さと角度を保存。

対称行列

A^T=Aを満たす行列。共分散行列・グラム行列など。固有値は必ず実数。

まとめ・学習のポイント

2×2行列は線形代数の入り口であり、行列式・逆行列・固有値・トレース・階数の5つの概念を手計算で確認できる貴重な題材です。この5つの関係(行列式=固有値の積、トレース=固有値の和など)を理解することで、より一般的なn×n行列の性質を予測・議論する土台ができます。

実務では機械学習(PCA)、統計(共分散)、制御工学(安定性解析)、物理(量子力学)、CG(座標変換)と応用範囲が広く、どの分野に進んでも「2×2で試して感覚を掴む→NumPyで実装」というワークフローが有効です。

本ツールは大学初年次の線形代数、統計検定、G検定・E資格、電験・技術士などの試験対策、機械学習の理論理解の第一歩として活用できます。

よくある質問（FAQ）

関連計算ツール

参考文献・公的リソース

• 日本数学会「線形代数の基礎」mathsoc.jp
• 文部科学省「高等学校数学C(行列と行列式)」mext.go.jp
• 統計検定「準1級・出題範囲(線形代数の基礎)」toukei-kentei.jp
• 日本ディープラーニング協会「G検定・E資格 シラバス」jdla.org
• MITオープンコースウェア「線形代数(Gilbert Strang)」ocw.mit.edu
• Wolfram MathWorld「Matrix, Determinant, Eigenvalue」mathworld.wolfram.com
• NumPy 公式ドキュメント「線形代数モジュール」numpy.org