写像を元に戻す
正方行列 A に逆行列 A−1(A−1A=AA−1=I)があるのは、その写像が情報を失わないとき、つまり異なる入力が異なる出力になるときに限ります。行列式は A が体積を何倍にするかを(反転は符号で)表すので、A が可逆なのは detA=0 のときに限ります。2×2 では A−1=ad−bc1(d−c−ba)。便利な規則は det(AB)=detAdetB と det(A−1)=1/detA です。
κ(A)=∥A∥∥A−1∥=σminσmax,∥x∥∥δx∥≲κ(A)∥b∥∥δb∥(1) 可逆であることは安全であることではありません。条件数 κ(A) は、b(や A の成分)の小さな相対誤差が解 x でどれだけ拡大されうるかを表します。目安として、倍精度のおよそ16桁のうち約 log10κ 桁を失います。行列式が小さいだけでは何も言えません。スケールに依存するからで、0.001I は行列式が極小でも κ=1 です。κ を巨大にするのは、ほぼ共線な列です。
逆行列とほぼ特異な例A=(4276) では
detA=24−14=10 なので
A−1=101(6−2−74) です。次に
B=(1111.0001) を見ましょう。列がほぼ等しく、
detB=0.0001、
κ(B) は約
4×104 です。データの相対誤差
10−6 が、解では約
4% の誤差になりえます。
- 可逆:detA=0 の正方行列。情報は失われない。
- 条件数:データの誤差がどれだけ拡大されるか。大きいと解が不安定。
- 解くために A−1 を作らない:分解で解くほうが速く正確。
共線な資産は共分散行列を壊すほぼ同じ指数に連動する2つのETFは、行がほぼ等しい共分散行列を作ります。その κ は巨大で、逆行列に基づく最小分散オプティマイザはデータの微小な変化で大きくぶれます。ウェイトを信用する前に κ を確認し、ほぼ重複する資産は除くか統合してください。 ラボ:採点される内容
- 2×2行列の逆行列20点
- 3×3の行列式10点
- 特異な行列を見つける15点
- 信頼できる桁数15点
- 数値計算の良い習慣15点
- 行列式の規則10点
- なぜ逆行列を作らないか15点