記号演算能力
前の章ではさまざまな規則や概念を学びました。この章では、皆さんの熟練度、つまり自分で公式を一通り導出できるかどうかを確認します。
この能力は、論文の導出を追っていけるかどうかを直接決定します。著者が途中のステップを省略した場所で詰まらずに済むかどうかです。各知識ポイントにはインタラクティブなデモが付いており、特に (a+b)² の幾何学的分割アニメーションは、一度見れば「交差項 2ab がどこから来るのか」を理解できます。
なぜ「記号演算能力」が重要なのか
論文を読んでいるとよくこういう場面に遭遇します:著者が「整理すると、……が得られる」と書き、途中の3、5ステップを省略しているのです。
記号演算に熟練していないと、この数ステップの飛躍があなたを直接門前払いにしてしまいます。
熟練していれば、自分でその数ステップを補い、著者の考えに本当に「ついていく」ことができます。結論を受け身で受け入れるのではなく。
同じ規則でも、「知っている」と「目をつぶっても使いこなせる」は異なる能力レベルです。この章で鍛えるのは後者です。
(a+b)² から多変数展開へ
もっとも基本的な恒等式
幾何的な視点:なぜ「2ab」が現れるのか
を「一辺が a+b の正方形の面積」ととらえると、この正方形を4つの部分に切り分けられます:
| 領域 | 形 | 面積 |
|---|---|---|
| 左上 | 一辺が a の正方形 | |
| 右上 | 縦 b、横 a の長方形 | |
| 左下 | 縦 a、横 b の長方形 | |
| 右下 | 一辺が b の正方形 |
4つの面積を合計すると。
この「2ab」は突然現れたのではなく、2つの交差する長方形によるものです。下の「展開」ボタンをクリックすると、4つの面積がどのように分かれるかを見られます。
3変数への拡張
「各変数のペアごとに交差項が1つ生じる」という規則に従えば、直接書けます:
導出のロジック:をと見なして、展開するときは各項と各項を掛け合わせます。
同じ変数同士の積は平方項になり()、異なる変数同士の積は2回現れます(たとえばと)、まとめると。
ベクトルへの拡張
この規則はベクトル演算の中で別の形で繰り返し登場します。たとえば、2つのベクトルの差のノルムの2乗を計算する場合:
本質は、の中の「数」を「ベクトル」に、「乗法」を「内積」に置き換えたものです。
論文で似たような展開を見かけたら、ここで学んだ規則を連想してください。新しい公式はたいてい古い規則が姿を変えただけです。これこそ「記号演算能力」が新しい公式を「見抜く」手助けになる方法です。
実例
# 考え方:適当な数をいくつか代入し、等式の両辺が等しいか確認する
for a, b in [(2, 3), (5, 1), (0.5, 2.5), (-1, 4)]:
lhs = (a + b) ** 2 # 左辺:(a+b)²
rhs = a ** 2 + 2 * a * b + b ** 2 # 右辺:a² + 2ab + b²
print(a, b, abs(lhs - rhs) < 1e-12)
# ついでにベクトル版も検証:‖x - y‖² = ‖x‖² - 2x·y + ‖y‖²
import math
x, y = (3, 4), (1, 2)
lhs = (x[0]-y[0])**2 + (x[1]-y[1])**2
rhs = (x[0]**2 + x[1]**2) - 2*(x[0]*y[0] + x[1]*y[1]) + (y[0]**2 + y[1]**2)
print(abs(lhs - rhs) < 1e-12)
上記のコードを実行すると、出力結果は次のようになります:
2 3 True 5 1 True 0.5 2.5 True -1 4 True True
この「ランダム代入検証」の方法はとても実用的です。公式の詳細を忘れたとき、数をいくつか代入すれば、覚えているバージョンが正しいか確認できます。
練習:展開と。
クリックして答えを見る
それぞれとをに代入すればよい。
整理・変形・平方完成
平方完成:一般式を「頂点形」に変換する
平方完成の目標は、という「何かが足りない」形の式を、完全な平方にまとめることです:
例題:を平方完成して、。
検証:を展開すると、確かに等しくなります。
平方完成の代表的な用途は2つあります:
| 用途 | 方法 | 例 |
|---|---|---|
| 二次関数の頂点を求める | 頂点 (-3, -7) を直接読み取れる。グラフを描いたり微分したりする必要がない | |
| 完全平方にまとめて導出を簡略化する | 複雑な多項式を平方の形にまとめる | 最小二乗法、正規分布の最尤推定の途中ステップ |
整理するときの一般的な考え方
複雑な式に遭遇したら、通常は次の順序で試します:
| 順序 | テクニック | 説明 |
|---|---|---|
| 1 | 同類項をまとめる | 同じ変数のべき乗をまとめる |
| 2 | 共通因数をくくり出す | すべての項に共通する因数を見つけてくくり出す |
| 3 | 恒等式を利用する | を適用する、などの既成の公式 |
| 4 | 置換 | 繰り返し現れる複雑な部分式を新しい変数で置き換える |
置換法の例題:整理せよ。
令 t = x² + 1
原式 = t² - 3t + 2 = (t-1)(t-2)
代回 t:
= (x²+1-1)(x²+1-2)
= x² · (x²-1)
= x⁴ - x²
公式を自分で導出できるかどうかが分かれ目
「理解する」と「導出できる」は異なる能力レベル
| レベル | 様子 |
|---|---|
| 読んで理解できる | 導出のステップを見て、「このステップがなぜ成り立つのか」を理解できる |
| 導出できる | 本を閉じて、自分でその数ステップをやり直すことができる |
多くの人が論文を読むときに詰まるのは、「新しい知識」ではなく、このレベルです。公式に使われているのはすべて第1章から第3章までに学んだ規則であり、ヒントなしで自分で正しいステップの順序を組み立てる必要があるだけです。
完全な導出練習:平均二乗誤差の最小値
問題:n 個のデータ点が与えられたとき、すべての点から c への「平方距離の和」を最小にする最適な c を求めよ。
導出過程:
设 f(c) = Σᵢ (xᵢ - c)²
展开每一项(用到 (a-b)² 公式):
f(c) = Σᵢ (xᵢ² - 2cxᵢ + c²)
= Σᵢ xᵢ² - 2c·Σᵢxᵢ + n·c² (把 Σ 拆到每一项,c 是常数可以提出来)
这是关于 c 的二次函数,开口向上(c² 系数为 n > 0),
顶点(最小值点)在 c = -B/2A,这里 B = -2Σxᵢ,A = n
代入:c = -(-2Σxᵢ) / (2n) = Σxᵢ / n
結論:最適な c は、ちょうどすべてのデータ点の平均値になります。
この導出は、この章と第1章の知識(平方展開、Σ の和、二次関数の頂点公式)だけを使って、統計学における「なぜ平均値が平方誤差を最小化する最適点なのか」という重要な結論を導いています。
スライダーをドラッグして実際に確かめてみましょう:c が平均値からずれると、平方距離の和がどのように大きくなるか。
実例
data = [1, 3, 4, 8, 9]
mean = sum(data) / len(data)
def sq_error(c):
"""f(c) = Σ(xᵢ - c)²"""
return sum((x - c) ** 2 for x in data)
print(mean) # 平均値 = 5
print(sq_error(mean)) # c = 平均値 のときの誤差
# 平均値からずれたいくつかの c と比較:誤差はすべて大きい
for c in [0, 3, 5, 7, 10]:
print(c, sq_error(c))
上記のコードを実行すると、出力結果は次のようになります:
5.0 46.0 0 171 3 66 5 46 7 66 10 171
c=3 と c=7 の誤差が等しい(ともに 66)ことに注目してください。これらは平均値 5 までの距離が同じだからです。これはまさに放物線が「頂点に関して対称」であることの表れです。
練習:上記の説明を見ずに、「平均値が平方誤差を最小化する」過程を独立して一通り導出してみましょう。使ってよいのは、平方展開の公式、Σ の線形性、二次関数の頂点公式の3つだけです。
クリックして答えを見る
展開し、と判別すると、上に開いた二次関数になり、頂点は、すなわち平均値になります。
本章のまとめ
| スキル | 核心を一言で |
|---|---|
| (a+b)² の展開 | 幾何学的には「正方形を切り分ける」ことで、交差項は2つの方向の積に由来し、多変数やベクトルに拡張できる |
| 平方完成 | 「欠けた部分」のある式を完全平方に整え、頂点を求めたり導出を簡略化するのに使う |
| 簡略化の考え方 | 同類項をまとめる → 共通因数をくくり出す → 恒等式を適用する → 置換する |
| 自力での導出 | 答えを見ずにもう一度導出を辿れることが、論文の数式を読み解く分かれ目である |