コレスキー分解計算機の使い方
コレスキー分解計算機は、正定値対称行列に対する**コレスキー分解（Cholesky decomposition）**を簡単に計算し、導出プロセスを確認できるオンラインツールです。入力パネルで行列の次元（サイズ）を設定し、各成分に数値を入力するだけで、下三角行列 $L$ や恒等式 $A = LL^T$ の検証結果をリアルタイムに表示します。行列のセルには整数や小数のほか、5/8 のような分数や負の値も入力可能です。
使い方の基本手順は以下の通りです：
- サイズ設定: 行列の行数および列数を設定します（コレスキー分解は正方行列が対象です）。
- 要素の入力: 入力グリッドに各要素の値を設定します。「入力例」ボタンを押すと、あらかじめ用意された正定値対称行列が自動挿入されます。
- 結果と手順の確認: 主要な計算結果として下三角行列 $L$ が表示されます。「計算手順を表示」を有効にすると、対角成分および非対角成分の計算ステップを逐次追うことができます。
- 便利機能: 「結果をコピー」ボタンを使用すれば、レポートや課題ノート、表計算ソフトへ計算結果を素早く貼り付けることができます。
入力された行列が対称行列でない場合や、正定値性（すべての固有値が正）を満たさない場合は、適切なエラーメッセージが表示され、前提条件のチェックにも役立ちます。
コレスキー分解の計算公式と理論
コレスキー分解とは、実数の正定値対称行列 $A$ を、下三角行列 $L$ とその転置行列 $L^T$ の積に分解する行列分解の手法です。
$$A = L L^T$$
ここで、$L$ は対角成分がすべて正の実数である下三角行列（Lower triangular matrix）です。複素数体におけるエルミート正定値行列の場合は、$A = L L^$（$L^$ は随伴行列）となります。
アルゴリズムと計算式
$n \times n$ の行列 $A$ に対するコレスキー分解の各要素は、以下の公式により逐次計算されます：
-
対角成分 ($i = j$): $$L_{ii} = \sqrt{A_{ii} - \sum_{k=1}^{i-1} L_{ik}^2}$$
-
非対角成分 ($j > i$): $$L_{ji} = \frac{1}{L_{ii}} \left( A_{ji} - \sum_{k=1}^{i-1} L_{jk} L_{ik} \right)$$
LU分解との比較と特徴
一般的な LU 分解（$A = LU$）では上三角行列 $U$ と下三角行列 $L$ の 2 つの異なる行列を求めますが、対称正定値行列においては $U = L^T$ となるため、計算量・記憶容量ともに通常の LU 分解の約半分（約 $\frac{1}{3} n^3$ 回の乗除算）で処理できます。また、ピボット選択を行わなくても数値的に非常に安定しているという優れた特徴を持っています。
コレスキー分解計算機の活用シーン
コレスキー分解計算機は、学術・実務のさまざまな場面で活用されています。
- 多変量解析とモンテカルロ・シミュレーション: 互いに相関を持つ多次元正規分布の乱数を生成する際、共分散行列 $\Sigma$ をコレスキー分解 $\Sigma = L L^T$ し、独立な標準正規乱数ベクトル $\mathbf{z}$ に $L$ を乗算する手法が広く用いられます。
- 連立一次方程式の高速解法: $A\mathbf{x} = \mathbf{b}$ において $A$ が正定値対称行列の場合、前進消去 $L\mathbf{y} = \mathbf{b}$ と後退代入 $L^T\mathbf{x} = \mathbf{y}$ の 2 段階で効率的に解を求めることができます。
- 最適化・カルマンフィルタ: カルマンフィルタの共分散更新や、非線形最小二乗法・ニューラルネットワークの最適化アルゴリズムにおいて、行列の正定値性の確認や逆行列の代替計算として利活用されます。
- 大学の線形代数学習: 演習問題の手計算結果（対角成分の平方根や非対角要素の消去）の答え合わせや、正定値性の判定チェックツールとして便利です。