はじめに
前回は、余弦定理を使って、内積がなぜ「対応する成分同士を掛けて足す」という式で求まるのかを考えました。
たとえば、2次元のベクトル
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\end{pmatrix},
\quad
\boldsymbol{b}
=\begin{pmatrix}b_1\\b_2\end{pmatrix}
$$
の内積は、次のように計算できます。
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=a_1b_1+a_2b_2
$$
一方、線形代数では、同じ内積を次のように表すことがあります。
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
$$
ここに登場する \(\mathsf T\) は、行列やベクトルを転置することを表す記号です。
なぜ、ベクトルの内積を計算するために転置が必要なのでしょうか。また、転置したベクトルを掛けると、なぜ成分同士の積の和になるのでしょうか。
今回は、行列の形と掛け算のルールを確認しながら、内積と転置行列のつながりを理解していきます。
今回のポイントは、列ベクトルを転置して行ベクトルにすると、行列の掛け算によって内積の成分表示がそのまま現れることです。
この記事でわかること
- 列ベクトルと行ベクトルの違い
- 転置とは何をする操作なのか
- 内積を行列の掛け算として表せる理由
- 掛け算の順序を逆にすると何が変わるのか
- 内積の行列表現がどのように役立つのか
1.ベクトルを「縦」と「横」で考える
まず、ベクトルを行列として表したときの形を確認しましょう。
2次元のベクトル
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\end{pmatrix}
$$
は、成分を縦に並べた形になっています。これは、2行1列の行列と考えることができ、「列ベクトル」と呼ばれます。
一方、同じ成分を横に並べると、
$$
\begin{pmatrix}a_1&a_2\end{pmatrix}
$$
となります。こちらは、1行2列の行列で、「行ベクトル」と呼ばれます。
両者は同じ成分を持っていますが、行列としての形は異なります。
- 列ベクトル:2行1列
- 行ベクトル:1行2列
行列の掛け算では、この「行と列の数」が重要になります。
2.転置とは何をする操作なのか?
行列の行と列を入れ替える操作を「転置」といいます。
たとえば、列ベクトル
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\end{pmatrix}
$$
を転置すると、
$$
\boldsymbol{a}^{\mathsf T}
=\begin{pmatrix}a_1&a_2\end{pmatrix}
$$
となります。つまり、列ベクトルを転置すると行ベクトルになり、逆に行ベクトルを転置すると列ベクトルになります。
一般の行列でも考え方は同じです。たとえば、
$$
A=
\begin{pmatrix}
1&2&3\\
4&5&6
\end{pmatrix}
$$
を転置すると、
$$
A^{\mathsf T}=
\begin{pmatrix}
1&4\\
2&5\\
3&6
\end{pmatrix}
$$
となります。もとの行列の1行目が転置後の1列目になり、2行目が2列目になります。
このように、転置は成分の値を変えるのではなく、行と列の位置を入れ替える操作です。
図にすると、列ベクトルの成分が縦から横へ並び替わる様子がわかります。

転置によって行列の形が変わることが、次の章で内積を計算するための重要なポイントになります。
なお、転置行列には、行と列を入れ替えるだけでなく、行列の積や内積に関係する重要な性質があります。転置行列の基本的な性質を詳しく知りたい人は、次の記事も参考にしてください。

3.なぜ転置すると内積が計算できるのか?
ここからが今回の中心です。
これまで、内積はベクトルの「影」や「角度」と関係する計算であることを学びました。今回は、その内積を行列の掛け算として表す方法を考えます。

まず、2つの列ベクトルを考えます。
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\end{pmatrix},
\quad
\boldsymbol{b}
=\begin{pmatrix}b_1\\b_2\end{pmatrix}
$$
どちらも2行1列なので、そのままでは通常の行列の掛け算 \(\boldsymbol{a}\boldsymbol{b}\) を計算できません。行列の掛け算では、左側の行列の列数と、右側の行列の行数が一致する必要があるからです。
そこで、左側の \(\boldsymbol{a}\) を転置します。
$$
\boldsymbol{a}^{\mathsf T}
=\begin{pmatrix}a_1&a_2\end{pmatrix}
$$
すると、次の掛け算ができるようになります。
$$
\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
=
\begin{pmatrix}a_1&a_2\end{pmatrix}
\begin{pmatrix}b_1\\b_2\end{pmatrix}
$$
左側は1行2列、右側は2行1列です。内側の数が一致しているので、掛け算が定義されます。
3.1.行列の掛け算を実行してみる
行列の掛け算では、左側の行と右側の列について、対応する成分同士を掛けて足します。
したがって、
$$
\begin{aligned}{}
\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
&=
\begin{pmatrix}a_1&a_2\end{pmatrix}
\begin{pmatrix}b_1\\b_2\end{pmatrix}\\
&=a_1b_1+a_2b_2
\end{aligned}
$$
となります。
ここで、前回導いた内積の成分表示を思い出してください。
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=a_1b_1+a_2b_2
$$
2つの式はまったく同じなので、
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
$$
と表せます。
この関係を図にすると、行列の掛け算と内積の成分表示が同じ計算であることがわかります。

青色の成分同士、緑色の成分同士をそれぞれ掛け、その結果を足し合わせています。
内積を転置行列で表せるのは、行ベクトルと列ベクトルの掛け算が、対応する成分同士の積の和になるからです。転置は、その掛け算ができる形にベクトルを並べ替える役割を持っています。
ここでは、行列の掛け算のルールを使って内積を計算しました。
では、そもそもなぜ行列の掛け算では、左側の行と右側の列を使うのでしょうか。その理由は、行列が表す線形写像の合成から理解できます。

3.2.なぜ結果は1つの数になるのか?
行列の掛け算では、結果の行数は左側の行数、列数は右側の列数になります。
今回の掛け算は、
$$
(1\times2)(2\times1)
\longrightarrow(1\times1)
$$
なので、結果は1行1列の行列になります。
$$
\begin{pmatrix}
a_1b_1+a_2b_2
\end{pmatrix}
$$
この行列の唯一の成分が、内積の値です。
厳密には1行1列の行列とスカラーは異なりますが、ここでは唯一の成分を取り出し、通常のスカラーとして扱います。
4.具体的なベクトルで確かめてみる
実際に、次のベクトルで確認してみましょう。
$$
\boldsymbol{a}
=\begin{pmatrix}3\\1\end{pmatrix},
\quad
\boldsymbol{b}
=\begin{pmatrix}1\\2\end{pmatrix}
$$
まず、成分表示から内積を計算すると、
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=3\times1+1\times2=5
$$
となります。
次に、転置を使って計算してみます。
$$
\begin{aligned}{}
\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
&=
\begin{pmatrix}3&1\end{pmatrix}
\begin{pmatrix}1\\2\end{pmatrix}\\
&=3\times1+1\times2\\
&=5
\end{aligned}
$$
どちらも同じ結果になりました。
このように、転置を使った表現は、新しい計算方法を追加しているわけではありません。すでに知っている内積の計算を、行列の掛け算として書き直しているのです。
5.掛け算の順序を逆にするとどうなるのか?
ここで、少し注意したいことがあります。
内積は \(\boldsymbol{a}^{\mathsf T}\boldsymbol{b}\) と表せますが、転置する位置を変えて \(\boldsymbol{a}\boldsymbol{b}^{\mathsf T}\) とすると、結果はどうなるでしょうか。
先ほどのベクトルを使って計算してみます。
$$
\begin{aligned}{}
\boldsymbol{a}\boldsymbol{b}^{\mathsf T}
&=
\begin{pmatrix}3\\1\end{pmatrix}
\begin{pmatrix}1&2\end{pmatrix}\\
&=
\begin{pmatrix}
3&6\\
1&2
\end{pmatrix}
\end{aligned}
$$
今度は、1つの数ではなく、2行2列の行列になりました。行列の形を比較すると、その理由がわかります。
| 掛け算 | 行列の形 | 結果 |
|---|---|---|
| \(\boldsymbol{a}^{\mathsf T}\boldsymbol{b}\) | \((1\times2)(2\times1)\) | 1行1列 |
| \(\boldsymbol{a}\boldsymbol{b}^{\mathsf T}\) | \((2\times1)(1\times2)\) | 2行2列 |
前者は、行と列の対応する成分を掛けて足すため、内積になります。一方、後者は、それぞれの成分の組み合わせを並べた行列になります。
後者の計算は、英語では「outer product」と呼ばれ、日本語でも「外積」と呼ばれることがあります。
ただし、今後の記事で扱う3次元ベクトルの「外積(cross product)」とは別の演算です。名前は似ていますが、outer productは行列を作る演算であり、cross productは2本のベクトルに垂直なベクトルを作る演算です。
ここで覚えておきたいのは、行列の掛け算は、順序を変えると結果の形も意味も変わるということです。
6.3次元や一般の次元でも同じように表せる
ここまでは2次元のベクトルで考えてきましたが、同じ仕組みは3次元でも成り立ちます。
たとえば、
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\\a_3\end{pmatrix},
\quad
\boldsymbol{b}
=\begin{pmatrix}b_1\\b_2\\b_3\end{pmatrix}
$$
なら、
$$
\begin{aligned}{}
\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
&=
\begin{pmatrix}a_1&a_2&a_3\end{pmatrix}
\begin{pmatrix}b_1\\b_2\\b_3\end{pmatrix}\\
&=a_1b_1+a_2b_2+a_3b_3
\end{aligned}
$$
となります。
さらに、実数を成分とする \(n\) 次元ベクトルでも、
$$
\boldsymbol{a}\cdot\boldsymbol{b}
=\boldsymbol{a}^{\mathsf T}\boldsymbol{b}
=\sum_{i=1}^{n}a_ib_i
$$
と表せます。
次元が増えても、対応する成分同士を掛けて足すという考え方は変わりません。
なお、この表現は実数ベクトルの通常の内積についてのものです。複素数ベクトルでは、一般に複素共役を含む共役転置を使います。
7.なぜ行列の形で表すと便利なのか?
ここまでの計算を見ると、「内積をわざわざ転置行列で表す必要があるのだろうか」と感じるかもしれません。
2つのベクトルだけなら、成分同士を掛けて足す方法でも十分です。しかし、複数のベクトルの内積をまとめて計算したい場合には、行列の形が役立ちます。
たとえば、2つのベクトル \(\boldsymbol{b}_1\)、\(\boldsymbol{b}_2\) を列に並べた行列を考えます。
$$
B=
\begin{pmatrix}
b_{11}&b_{12}\\
b_{21}&b_{22}
\end{pmatrix}
$$
この行列に対して、ベクトル
$$
\boldsymbol{a}
=\begin{pmatrix}a_1\\a_2\end{pmatrix}
$$
を転置して左から掛けると、
$$
\begin{aligned}{}
\boldsymbol{a}^{\mathsf T}B
&=
\begin{pmatrix}a_1&a_2\end{pmatrix}
\begin{pmatrix}
b_{11}&b_{12}\\
b_{21}&b_{22}
\end{pmatrix}\\
&=
\begin{pmatrix}
a_1b_{11}+a_2b_{21}&
a_1b_{12}+a_2b_{22}
\end{pmatrix}
\end{aligned}
$$
となります。
これは、\(\boldsymbol{a}\) と \(\boldsymbol{b}_1\)、\(\boldsymbol{a}\) と \(\boldsymbol{b}_2\) の内積を、それぞれ計算したものです。
$$
\boldsymbol{a}^{\mathsf T}B
=
\begin{pmatrix}
\boldsymbol{a}\cdot\boldsymbol{b}_1&
\boldsymbol{a}\cdot\boldsymbol{b}_2
\end{pmatrix}
$$
つまり、1回の行列の掛け算で、複数のベクトルとの内積をまとめて計算できます。
この考え方は、ニューラルネットワークの重み付き計算など、AIで大量の数値を扱う場面にもつながります。
ただし、今回の目的はAIの計算方法を詳しく学ぶことではありません。まずは、内積を行列の掛け算として表すことで、複数の計算を1つにまとめられるという点を押さえておきましょう。
まとめ
今回は、内積がなぜ転置行列を使って表せるのかを考えました。
- 列ベクトルは成分を縦に並べたもので、行ベクトルは横に並べたもの
- 転置は、行と列を入れ替える操作
- 列ベクトルを転置すると、内積を行列の掛け算として計算できる
- 行ベクトルと列ベクトルの掛け算は、対応する成分同士の積の和になる
- 掛け算の順序を変えると、結果の形と意味も変わる
- 行列の形にすると、複数の内積をまとめて計算できる
内積を転置行列で表すのは、成分同士の積の和を、行列の掛け算として扱うためです。転置によって列ベクトルを行ベクトルにすると、内積の成分表示がそのまま現れます。
これまで、余弦定理から内積の成分表示を導き、その計算を行列の掛け算につなげてきました。
しかし、内積は必ず、対応する成分同士を掛けて足すという計算方法で定義しなければならないのでしょうか?
実は、内積として満たすべき性質に注目することで、内積の考え方をより一般的なベクトル空間へ拡張できます。
次回は、ベクトル空間に内積を導入した「内積空間」について考えます。内積を定義する3つの公理から、ベクトルの長さ・距離・角度・直交性がどのように定まるのかを理解していきます。
関連記事


Part 5.内積・外積・直線・平面をまとめて理解する
Part 5では、余弦定理と内積の関係から、内積空間、外積の意味、直線・平面のベクトル方程式までを学びます。長さ・角度・直交性・面積・方向といった幾何学的な考え方が、ベクトルの計算とどのようにつながるのかを整理したい人は、次のまとめ記事をご覧ください。

関連書籍
内積や行列の掛け算をさらに学びたい人には、ベクトルと線形代数を基礎から解説した本も参考になります。



コメント