固有値分解と特異値分解の違いをわかりやすく解説！中学生にも伝わるポイント

---

固有値分解と特異値分解の違いを徹底解説

このページでは固有値分解と特異値分解の違いを、中学生にも伝わるやさしい言葉で解説します。まずは基本のイメージから始めましょう。

固有値分解は正方行列の「自分だけの特別な方向」を見つけ出す道具です。例えばAという正方行列を使うとき、あるベクトルが同じ方向に写るときだけ大きさが縮んだり伸びたりします。これに対応する値を固有値と呼び、対応する固有ベクトルと呼ばれるベクトルが現れます。こうして行列を対角な形に近い形に変換できると計算が楽になります。

ただしすべての正方行列が必ず対角化できるわけではありません。固有値がすべて異なる場合には通常対角化可能で、行列Pを作ってA=PΛP^{-1}と書くことができます。Λには固有値が並び、Pの列は対応する固有ベクトルです。

次に特異値分解は少し違います。特異値分解は「任意の形の行列A」を使っても必ず成り立つ分解です。Aはm×n行列でもOKで、A = U Σ V^Tという形に表されます。Σには非負の数である特異値が対角に並び、Uは左特異ベクトル、Vは右特異ベクトルと呼ばれるベクトルの集合を作ります。特異値はA^T Aの固有値の平方根としても分かり、A A^T の固有値とも関係します。これによりデータの特徴を「長さの情報」と「方向の情報」に分けて見ることができるのです。

特異値分解は正方行列でなくても成立する点が大きな特徴で、データ圧縮やノイズ除去、画像処理などに広く使われます。現実の世界は数式を通して整理するとき、特異値分解のこの性質がとても役に立つ場面が多いのです。

固有値分解の基本

固有値分解の基本は、まず方程式 det(A-λI)=0 を解いてλという固有値を見つけるところから始まります。次に各固有値λに対して解がある固有ベクトルxを求めます。最後にこれらのベクトルを列に並べてPを作り、AをPΛP^{-1}と表します。このときΛには対角線上に固有値が並び、Pの列は対応する固有ベクトルです。
この方法は数値計算の世界でとても基本的な道具であり、プログラムで行列を扱うときの土台になります。実際の計算では数値誤差や近接した固有値の扱いにも注意が必要ですが、考え方の核はここにあります。

さらに、固有値の符号や大きさは変換の安定性にも影響します。数値計算をするときには近似誤差が生じやすく、固有値の近接や桁落ちに注意が必要です。中学生でも分かる例で言えば、固有値が大きく分かれていれば、近似計算の影響は小さくなります。これらの点を押さえると、理論と計算の両方を理解しやすくなります。

特異値分解の基本

特異値分解のやり方は、まずA^T Aを固有値分解して特異値を得ることから始めます。次に固有ベクトルをVとして右側のベクトル、A A^T を固有値分解してUを左側のベクトルとして用意します。最後にA=U Σ V^Tの形に分解します。ここでΣの対角成分が特異値であり、これがデータの大切な「情報の量」を表します。特異値が大きいほどその方向の情報がたくさんあることを示し、ゼロに近い値はほとんど情報を持たない方向を示します。特異値分解はこのように「形を崩さずデータを整理する強力な手法」なのです。

特異値分解の利点は、行列の形に関係なく適用できることと、ノイズに対しても堅牢であることです。画像処理での例を挙げると、写真を縮小するときには特異値を選んで保存するだけで、元の情報の大部分を保ちながらファイルサイズを減らせます。データ圧縮だけでなく、機械学習の前処理やノイズ除去にも役立つため、現代のデータサイエンスの基盤として広く使われています。

両者の違いを簡単に比較

ここまでの話を短く比べると、固有値分解は正方行列に特化した「自分の方向」を見つける方法、特異値分解は任意の行列に対して情報を分解して整理する方法、という大きな違いがあります。もう少し実務的な観点で比較してみると、固有値分解は行列の対角化という形で計算の簡略化に寄与しますが、条件が厳しい場面もあります。特異値分解はデータの次元削減やノイズ処理、画像処理など広い分野で使われ、安定して結果が得られるという強みがあります。実験データの分析や機械学習の前処理にも欠かせない道具です。

able>特徴固有値分解特異値分解適用対象正方行列任意の行列構成要素固有値と固有ベクトル特異値と左・右特異ベクトル存在性・安定性条件あり。すべての正方行列が diagonalizable とは限らない任意の行列で必ず成り立つ解釈の直感変換が「自分の方向」にどの程度拡大・縮小するかデータの「情報量」と「方向」を分解して表す応用例微分方程式の解法・安定性の分析データ圧縮・ノイズ除去・画像処理
本文の末尾にも強調を付けましたが、学習の初期段階では両者の役割を混同しやすいので、実例を一つずつ手を動かして確かめるのがコツです。
中学生のうちに「なぜこの手法が必要なのか」を体感しておくと、将来の数学や理科の学習が格段に楽になります。

ピックアップ解説

特異値分解について友だちと雑談してみたときの話。友だちが『難しそうな名前だね、結局どう使えばいいの？』と聞いたので、私はノイズを取り除く例を出して説明した。ノイズだらけのデータを整理するとき、特異値の大きい方向だけを残して他を切り捨てると、見た目はぼやけず、必要な情報だけが残る。そんなイメージを使って話すうち、友だちは『データの形を崩さずに要素を取り出す技術なんだね』と納得してくれた。

---