「冪等行列」という言葉は線形代数の学習で登場する重要な概念のひとつです。
「冪等性」という言葉は聞いたことがあっても、行列における冪等性の意味や具体的な性質まで理解できているかどうかは、また別の話かもしれません。
本記事では、冪等行列の意味と性質を、線形代数の基礎・定義・具体的な計算例を交えてわかりやすく解説します。
線形代数を学んでいる学生の方から、数学の理解を深めたい方まで役立てていただける内容でしょう。
冪等行列を正しく理解することで、射影行列や統計学における回帰分析など、より高度な数学的概念への理解も深まっていきます。
冪等行列とは「自分自身と掛け合わせると元の行列に戻る行列」のこと
それではまず、冪等行列の基本的な定義について解説していきます。
冪等行列（べきとうぎょうれつ）とは、行列Aを自分自身と掛け合わせた積A²が元の行列Aと等しくなる性質を持つ正方行列のことです。
数式で表すと以下のように定義されます。
【冪等行列の定義】
行列Aが冪等行列である ⟺ A² ＝ A
つまり A × A ＝ A が成り立つ
英語では「idempotent matrix」と表記され、冪等性（idempotency）の概念を行列に適用したものです。
この定義からわかるように、冪等行列は何度自分自身と掛け合わせてもAのままという「繰り返しに対して変化しない」という性質を持っているでしょう。
冪等行列の定義A²＝AはA×Aの結果がAになることを意味します。これは「Aをかけるという操作を1回行っても何回行っても結果が同じ」という冪等性の概念を行列の世界で表現したものです。
冪等行列の具体的な例
冪等行列の理解を深めるために、具体的な例を確認してみましょう。
【例1：最も単純な冪等行列】
単位行列I（すべての対角成分が1、それ以外が0の行列）
I² ＝ I × I ＝ I → 冪等行列
零行列O（すべての成分が0の行列）
O² ＝ O × O ＝ O → 冪等行列
【例2：2×2の冪等行列】
A ＝ [[1, 0], [0, 0]]（第1行第1列が1、それ以外が0）
A² ＝ [[1×1＋0×0, 1×0＋0×0], [0×1＋0×0, 0×0＋0×0]] ＝ [[1, 0], [0, 0]] ＝ A
単位行列と零行列はどちらも冪等行列の代表的な例ですが、これら以外にも多くの冪等行列が存在するでしょう。
冪等行列であることの確認方法
ある行列が冪等行列かどうかを確認するには、A²を計算してAと一致するかを検証します。
行列の積の計算では「左の行列の行」と「右の行列の列」の内積を計算するという基本ルールに従って求めるでしょう。
計算量はn×n行列の場合O(n³)となるため、大きな行列では計算コストが高くなりますが、定義の確認には基本に忠実に計算することが重要です。
冪等行列の重要な性質
続いては、冪等行列が持つ数学的に重要な性質を確認していきます。
これらの性質を理解しておくことで、線形代数のより高度な議論への橋渡しとなるでしょう。
固有値は0または1
冪等行列の最も重要な性質のひとつは、冪等行列の固有値はすべて0または1のいずれかであるという点です。
固有値λに対する固有ベクトルxが存在するとき、Ax＝λxが成り立ちます。
【証明の概要】
A²＝Aより、A²x ＝ Ax
A(Ax) ＝ Ax より A(λx) ＝ λx
λ(Ax) ＝ λx より λ²x ＝ λx
よって λ²＝λ、つまり λ(λ－1)＝0
したがってλ＝0またはλ＝1
この性質は冪等行列のランク（階数）や対角化との関係を理解するうえで重要な基礎となるでしょう。
トレースとランクが等しい
冪等行列ではトレース（対角成分の和）とランク（階数）が等しいという性質が成り立ちます。
固有値が0または1のみであることから、トレース（固有値の総和）はランク（非零固有値の個数）に等しくなるためです。
この性質は統計学の回帰分析における帽子行列（hat matrix）の自由度の計算などにも応用されているでしょう。
対称な冪等行列は直交射影行列
| 性質 | 条件 | 内容 |
|---|---|---|
| 冪等行列 | A²＝A | 自分自身との積が元に戻る |
| 対称行列 | A＝Aᵀ | 転置行列が自分自身と等しい |
| 直交射影行列 | A²＝AかつA＝Aᵀ | あるベクトル空間への直交射影を表す |
冪等かつ対称な行列（A²＝AかつA＝Aᵀ）は直交射影行列と呼ばれ、線形代数・統計学・機械学習など幅広い分野で重要な役割を果たしているでしょう。
冪等行列の計算例
続いては、冪等行列の具体的な計算例を通じて理解を深めていきます。
実際に手を動かして計算することで、冪等行列の定義と性質がより身近なものになるでしょう。
2×2冪等行列の検証例
行列A ＝ [[1, 1], [0, 0]] が冪等行列かどうかを確認する
A² ＝ A × A
第1行第1列：1×1＋1×0 ＝ 1
第1行第2列：1×1＋1×0 ＝ 1
第2行第1列：0×1＋0×0 ＝ 0
第2行第2列：0×1＋0×0 ＝ 0
A² ＝ [[1, 1], [0, 0]] ＝ A → 冪等行列であることが確認できる
この例ではトレース（1＋0＝1）とランク（1）が等しくなっており、冪等行列の性質が確認できるでしょう。
射影行列としての冪等行列
幾何学的な観点から見ると、冪等行列はあるベクトルをある部分空間に射影（投影）する操作を表しています。
すでに射影された先にあるベクトルに対して再度射影を行っても、位置は変わらないという直感的なイメージが冪等性A²＝Aに対応するでしょう。
2次元平面へのx軸方向への射影を考えると、(x, y)→(x, 0)という操作は1回行っても2回行っても同じ結果になることがわかります。
冪等行列でない行列との比較
行列B ＝ [[2, 0], [0, 2]] が冪等行列でないことを確認する
B² ＝ [[4, 0], [0, 4]] ≠ [[2, 0], [0, 2]] ＝ B
B² ≠ B → 冪等行列ではない
（この行列の固有値は2であり、0でも1でもないため冪等行列にならない）
固有値が0または1以外の値を持つ行列は冪等行列にはなれないという性質がここでも確認できるでしょう。
冪等行列の応用
続いては、冪等行列が実際にどのような分野で応用されているかを確認していきます。
純粋数学だけでなく、統計学・機械学習・コンピュータグラフィックスなど幅広い分野での活用を知ることで、冪等行列の重要性が実感できるでしょう。
統計学・回帰分析への応用
線形回帰分析では、帽子行列（Hat Matrix）と呼ばれる行列H＝X(XᵀX)⁻¹Xᵀが登場します。
この帽子行列は冪等かつ対称な行列（直交射影行列）であり、回帰分析における残差の計算や自由度の算出に深く関わっているでしょう。
H²＝Hが成り立つことは、回帰モデルの理論的な性質を保証する重要な条件のひとつです。
機械学習・主成分分析への応用
主成分分析（PCA）やその他の次元削減手法においても、冪等行列（射影行列）が理論的な基盤として活用されます。
高次元データをより低次元の部分空間へ射影する操作は、冪等行列による変換として数学的に表現できるでしょう。
機械学習の理論的な理解を深めるうえでも、冪等行列の概念は欠かせない数学的基礎となっています。
コンピュータグラフィックスへの応用
3Dコンピュータグラフィックスにおける投影変換（3D空間から2Dスクリーンへの投影）も、射影行列として表現されます。
透視投影・平行投影などの変換行列は冪等性の概念と密接に関わっており、3DCGの数学的基盤として重要な役割を担っているでしょう。
ゲーム開発やCGアニメーションの裏側でも冪等行列の概念が活かされているのです。
まとめ
本記事では、冪等行列の意味と性質について、定義・具体的な計算例・重要な性質・応用分野を交えながら解説しました。
冪等行列とはA²＝Aが成り立つ正方行列のことで、自分自身との積が元の行列に等しくなるという特別な性質を持っています。
固有値が0または1のみ・トレースとランクが等しい・対称冪等行列は直交射影行列になるという重要な性質を理解しておくと、線形代数のより高度な議論に応用できるでしょう。
統計学の回帰分析・機械学習・コンピュータグラフィックスなど幅広い分野での応用を知ることで、冪等行列の重要性をより深く実感できます。
本記事が冪等行列への理解を深め、線形代数の学習や実践に役立てば幸いです。
