前回は、ベクトルが「矢印」で、行列が「空間をグニャッと変形させるマシーン」であることを学びました。今回は、AI（ディープラーニング）の心臓部であり、E資格でも絶対に出題される「行列の掛け算」と「逆行列」「固有値」の正体を、数式アレルギーの人向けに図解ベースで解説します！
1. 行列の掛け算とは「マシーンの連結」である
数学の教科書を開くと、行列の掛け算（積）は「行と列を複雑に掛け合わせて足す…」と書いてあって頭が痛くなります。しかし、イメージは超簡単です。
行列の掛け算とは、「変形マシーンを直列につなぐこと」です。
例えば、ここに2つのマシーンがあるとします。
- マシーンA（行列A）：空間を「時計回りに90度回転させる」マシーン
- マシーンB（行列B）：空間を「横に2倍に引き伸ばす」マシーン
ベクトル（矢印）をまずマシーンAに入れ、出てきたものをさらにマシーンBに入れるとします。この「2つのマシーンを合体させて、1つの超強力マシーンにする」ことこそが、行列の掛け算（B × A）です。
掛ける順番を逆にすると、壊れる？
普通の算数では 3×5も5×3（$3 \times 5$ も $5 \times 3$ ）も同じ「15」になります。しかし、行列の掛け算では順番を入れ替えてはいけません。（ $AB \neq BA$ ）
想像してみてください。「①90度回転させてから、②横に2倍に伸ばす」のと、「①先に横に2倍に伸ばしてから、②90度回転させる」のでは、最終的な矢印の形が変わってしまいますよね。これが、E資格の基礎知識で必ず問われる「交換法則が成り立たない」というルールの正体です。
補足：$3 \times 5$ は「3かける5」という意味です。
$…$：その中を数式として表示する記号
\times：掛け算の「×」を表示する命令
つまり、入力は $3 \times 5$、画面では 3×5 と表示されます。
補足終了。
2. 逆行列とは「時間を巻き戻す、逆再生スイッチ」
AIの計算では、「変形させた空間を元に戻したい」という場面がよくあります。そこで登場するのが「逆行列（ぎゃくぎょうれつ）」です。
逆行列を一言でいうと、「マシーンの働きを完全にキャンセルして、元通りに戻す逆再生マシーン」です。行列 $A$ の逆再生マシーンを $A^{-1}$ （エー・インバース）と書きます。
空間を「右に30度回転させた」マシーンの逆行列は、「左に30度回転させる」マシーンです。元に戻すだけなので、難しくありません。AIは、予測した答えから「じゃあ、原因は何だったのか？」と逆算するときに、この逆再生スイッチをフル活用します。
逆再生できないマシーンがある？
どんな行列にも逆行列があるとは限りません。例えば、立体的な空間を「上から思いっきり踏み潰して、完全にペチャンコの真っ平ら（2D）」にしてしまうマシーンがあったとします。潰されて厚みがゼロになったトマトは、もう元の立体には戻せませんよね。情報が消えてしまったからです。
このように「空間を潰してしまって、元に戻せなくなったマシーン（行列）」には、逆行列が存在しません。試験では「逆行列が存在するかどうか」を調べるための「行列式（デターミナント）」という指標がよく出題されますが、要するに「空間がペチャンコ（ゼロ）になってないか？」をチェックしているだけです。
3. 【E資格の最難関】固有値・固有ベクトルとは「変形してもブレない軸」
線形代数の最大の難所であり、E資格の受験生が最も苦しむのが「固有値（こゆうち）」と「固有ベクトル」です。数式で見ると呪文のようですが、図で考えると一発でわかります。
空間を変形マシーン（行列）でグニャッと歪ませたとき、ほとんどの矢印は「向き」も「長さ」も変わってしまいます。しかし、奇跡的に「向きが全く変わらず、その場でビシッと直線的に伸び縮みするだけの、ブレない矢印」がいくつか残ります。
- 固有ベクトル：マシーンで空間を変形させても、向きが変わらない「奇跡の矢印（軸）」のこと。
- 固有値：その奇跡の矢印が、変形後に「何倍の長さに伸び縮みしたか」の倍率のこと。
なぜAIでこれが重要なの？（特異値分解への繋がり）
ディープラーニングでは、何万個もの大量のデータ（超巨大な空間）を扱います。そのままでは重すぎて処理できないため、AIは「一番重要なデータの特徴（軸）だけを残して、あとは省略したい」と考えます（これを次元削減といいます）。
このとき、「空間全体がどの方向に一番引き伸ばされているか（＝どこが一番重要な情報か）」を教えてくれる羅針盤こそが、固有ベクトルと固有値なのです。E資格に出てくる「主成分分析（PCA）」や「特異値分解（SVD）」という超重要キーワードも、すべてはこの「ブレない軸を見つける技術」の応用です。
まとめ：数式の裏にある「イメージ」を武器にしよう
お疲れ様でした！2回にわたって、線形代数のド基礎からお話してきました。
| 言葉 | 教科書の意味 | AI的な直感イメージ |
|---|---|---|
| 行列の積 | 行と列の掛け算 | 変形マシーンの直列つなぎ（合体） |
| 逆行列 | かけると単位行列になる行列 | 空間を元に戻す「逆再生スイッチ」 |
| 固有ベクトル | $Ax = \lambda x$ を満たすベクトル | 空間を変形させても「向きが変わらない軸」 |
| 固有値 | 上記の $\lambda$ の値 | その軸が何倍に伸びたかの「倍率」 |
これで、AIの参考書やE資格のテキストを開いたときに、並んでいる数式が「あぁ、マシーンを繋いでるんだな」「空間の軸を探してるんだな」と、立体的なイメージとして頭に飛び込んでくるはずです。数式アレルギーを克服したあなたなら、ディープラーニングの壁も絶対に乗り越えられます！
前回の記事はこちらからご覧になれます。
