MatrixFunction[f,m]
行列の引数 m でスカラー関数 f によって生成された行列を与える.
MatrixFunction
MatrixFunction[f,m]
行列の引数 m でスカラー関数 f によって生成された行列を与える.
詳細とオプション
- 行列関数は行列を異なる行列に変換する.収束ベキ級数の場合,MatrixFunction[f,m]は,事実上,通常のベキを行列ベキで置き換えて関数 f についてのベキ級数を評価する. »
- 関数 f は一変数で微分可能であるか,さもなければ記号関数でなければならない.
- MatrixFunctionは正方行列にしか使えない.
- MatrixFunctionはSparseArrayオブジェクトおよび構造化配列に使うこともできる.
- 次は,使用可能なオプションである.
-
Method Automatic 使用するメソッド - Methodオプションの可能な値には以下がある.
-
Automatic 自動選択 "Jordan" ジョルダン分解 "Schur" ブロックパーレット反復を伴うシューア分解 "SpectralBasis" 厳密な数値行列に対するスペクトル法 » - デフォルトで,Method->Automaticの設定は,非厳密数値行列に対してはシューア分解を用い,厳密行列および記号行列に対しては,行列の内容に基づいて,ジョルダン分解あるいはスペクトル基底法を選択する.
- "Schur"メソッドはメソッドオプション mopts を使って Method{"Schur", mopts}とすることで指定できる.次は使用可能なメソッドオプションである.
-
"Balanced" False シューア分解の前に入力行列を平衡させるかどうか "BlockSeparationDelta" Automatic 単一のパーレットブロック内の隣接固有値間の最大距離
例題
すべて開く すべて閉じる例 (3)
MatrixFunction[Sqrt, {{a, 1}, {0, b}}]%.%//Simplifyこれが各項目の平方根を単純に計算するのとは異なる点に注意すること:
Sqrt[{{a, 1}, {0, b}}]m = {{2., 2., 1.}, {4., 6., 4.}, {3., 6., 8.}};
MatrixFunction[Log, m]MatrixExp[%] == mMatrixFunction[x |-> x^5 + 2x^2 + 1, {{a, 0}, {1, b}}]スコープ (11)
基本的な用法 (7)
m = {{1., 1., 0.}, {0., 1., 0.}, {0., 0., 2.}};cosm = MatrixFunction[Cos, m]sinm = MatrixFunction[Sin, m]sinm.sinm + cosm.cosm == IdentityMatrix[3]MatrixFunction[Sin, {{1., 2 + I}, {3 + I, 1}}]//MatrixFormMatrixFunction[Sqrt, {{(5 π/18), (2 π/9)}, {(4 π/9), (π/18)}}]//Simplifym = N[{{1, 1 / 2, 1 / 3, 1 / 4}, {0, 1, 1 / 3, 1 / 4}, {0, 0, 1, 1 / 4}, {0, 0, 0, 1}}, 20];MatrixFunction[Log[1 + 2# + 3#^2]&, m]MatrixFunction[Sin, {{a, 0}, {0, b}}]MatrixFunction[Tan, {{a, 0}, {1, b}}]MatrixFunction[f, {{1, 2}, {0, 1}}]//SimplifyMatrixFunction[f, {{0, a}, {b, 0}}]//Simplifym = RandomReal[{0, 1}, {500, 500}];MatrixFunction[Log, m]; //AbsoluteTiming特殊行列 (4)
SparseArray[{{i_, i_} -> -2., {i_, j_} /; Abs[i - j] == 1 -> 1.}, {6, 6}]MatrixFunction[Exp[-#^2]&, %]//MatrixFormSymmetrizedArray[{{1, 1} -> 3.5, {2, 2} -> 1.2, {3, 1} -> -5.3}, {3, 3}, Symmetric[All]]MatrixFunction[#^3 + 2 #^1 + 3 #&, %]//MatrixFormMatrixFunction[Exp, IdentityMatrix[3]]//MatrixFormMatrixFunction[Log, IdentityMatrix[3]]//MatrixFormより一般的には,任意の対角行列の関数はその対角要素に適用された関数である:
MatrixFunction[Log, DiagonalMatrix[{a, b, c}]]HilbertMatrixの平方を20桁精度で計算する:
N[MatrixFunction[Sqrt, HilbertMatrix[2]], 20]//MatrixFormオプション (5)
Method (5)
メソッド"Jordan"は厳密行列と非厳密行列に使うことができる:
MatrixFunction[Sin[# π]&, {{1 / 2, 1 / 3}, {1 / 3, 1 / 4}}, Method -> "Jordan"]//SimplifyMatrixFunction[Sin[# π]&, {{1. / 2., 1. / 3.}, {1. / 3., 1. / 4.}}, Method -> "Jordan"]メソッド"Schur"は非厳密行列(機械精度または任意精度)にしか使えない:
MatrixFunction[Sin[# π]&, {{1 / 2, 1 / 3}, {1 / 3, 1 / 4}}, Method -> "Schur"]MatrixFunction[Sin[# π]&, {{1. / 2., 1. / 3.}, {1. / 3., 1. / 4.}}, Method -> "Schur"]多くの固有値が非常に近い場合,それらは大きくなる可能性がある対角ブロック部分行列に入れらる.こうなると計算により費用がかかり収束が遅くなることがある:
m = (| | | |
| ------ | ------ | ------ |
| 0.0003 | 100. | 1. |
| 0 | 0.0002 | 100. |
| 0 | 0 | 0.0001 |);
f = (1 - #) / Sqrt[1 - #^2]&;AbsoluteTiming[m1 = MatrixFunction[f, m]]"BlockSeparationDelta"の値を小さくすると対角ブロックの大きさが小さくなり,収束も速くなる:
AbsoluteTiming[m2 = MatrixFunction[f, m, Method -> {"Schur", "BlockSeparationDelta" -> 10^-6}]]mfinv = Function[Module[{id = IdentityMatrix[Length[#]]}, Inverse[id + #.#].(id - #.#)]];
{Norm[mfinv[m1] - m], Norm[mfinv[m2] - m]}入力行列の平衡状態が悪い(大きさが非常に違う項が含まれている)場合は,バランスを取ることで結果が改善されることがある:
m = {{1000., 0, 0, 0, 0.3, 0, -1000}, {0, 0.1, 0, 0.2, 0.4, -1000, 3000}, {0, 0, 2000., 0, 0.3, 0.2, -1000}, {0, 0, 0, 1., 0, -1000, 0}, {0, 1000, 0, 0, 0.3, 0.1, 0}, {0, 0, 0, 0, 0, 0.2, -0.3}, {100, 0, 0, 0, 0, 0, 1.}};
m0 = MatrixFunction[Sqrt, m, Method -> {"Schur", "Balanced" -> True}];
m1 = MatrixFunction[Sqrt, m, Method -> "Schur"];
{Norm[MatrixPower[m0, 2] - m], Norm[MatrixPower[m1, 2] - m]}"SpectralBasis"は,適用可能なあ場合は"Jordan"より格段に速い:
mat = {{0, 0, 0, -2, -2, 0, 2, -1}, {0, -2, 4, 2, -2, 2, 5, 2}, {4, 0, 0, 2, 4, -3, -2, 6}, {-2, -2, 2, -2, -1, -4, 0, 2}, {0, -2, 2, -1, 0, 2, -2, -2}, {0, -4, 1, 2, -2, 2, -4, 0}, {0, 1, 0, 0, 2, 0, -4, 0}, {-1, 0, -2, 0, 0, 0, -4, -2}};
AbsoluteTiming[mexp1 = MatrixFunction[Exp, mat, Method -> "SpectralBasis"];]AbsoluteTiming[mexp2 = MatrixFunction[Exp, mat, Method -> "Jordan"];]AbsoluteTiming[LeafCount[mexp1]]AbsoluteTiming[LeafCount[mexp2]]AbsoluteTiming[Chop[N[mexp1 - mexp2]]]厳密数の行列の場合は,より優れたメソッドが自動的に選ばれる:
MatrixQ[mat, NumberQ] && Precision[mat] == Infinity && mexp1 === MatrixFunction[Exp, mat]アプリケーション (5)
m = RandomReal[{1, 2}, {10, 10}];
b = ConstantArray[1., 10];MatrixFunction[#^-2&, m].bminv = LinearSolve[m];
Nest[minv, b, 2]m = {{0, 0, 0, 0, 1}, {0, 0, 0, 1, 0}, {0, 0, 1, 0, 0}, {0, 1, 0, 0, 0}, {1, 0, 0, 0, 0}};p = CharacteristicPolynomial[m, #]MatrixFunction[Evaluate[p]&, m] == ConstantArray[0, Dimensions[m]]DSolve[{D[y[t], {t, 2}] + A y[t] == 0, y[0] == y0[0], y'[0] == y0'[0]}, y, t]
が行列であれば,解はスカラー解中の行列関数を使って計算することができる:
A = -{{0, 1, 0}, {1 / 3, 1, 0}, {1, 0, 1}}//N;
y0[t_] := {t, Sqrt[1 + t], 1 + t}sqA = MatrixFunction[Sqrt, A];
y[t_ ? NumericQ] := MatrixFunction[Cos, t sqA].y0[0] + Inverse[sqA].MatrixFunction[Sin, t sqA].y0'[0];Plot[y[t], {t, 0, 1}]m = RandomReal[{0, 1}, {6, 6}];f[x_ ? MatrixQ] := MatrixFunction[# + Sin[#]&, x];sol = FindRoot[f[x] == m, {x, IdentityMatrix[Length[m]]}];
MatrixForm[x /. sol]f[x /. sol] - m//Chop単一チェーンで構成されるジョルダン行列の式
が次の行列
からなることを確認する:
MatrixForm[j = λ IdentityMatrix[5] + DiagonalMatrix[{1, 1, 1, 1}, 1, 5]]MatrixFunction[f, j]//MatrixForm特性と関係 (11)
MatrixFunction[1&, {{1, 2}, {3, 4}}]//Simplify関数
&を使うのはInverseを使うのに等しい:
MatrixFunction[1 / #&, {{1, 1}, {1, 2}}] == Inverse[{{1, 1}, {1, 2}}]ベキである関数を使うのはMatrixPowerを使うのに等しい:
MatrixFunction[#^n&, {{0, 0, 1}, {0, 2, 0}, {-1, 0, 0}}] == MatrixPower[{{0, 0, 1}, {0, 2, 0}, {-1, 0, 0}}, n]MatrixFunction[Exp,m]は基本的にMatrixExp[m]に等しい:
m = RandomReal[1, {3, 3}];
MatrixFunction[Exp, m] == MatrixExp[m]MatrixFunctionは,事実上,PowerをMatrixPowerに置き換えてベキ級数を使う:
a = {{1, -(1/6)}, {1, (1/6)}};MatrixFunction[Sqrt, a] == Sum[(Derivative[k][Sqrt][1]/k!) MatrixPower[a - IdentityMatrix[2], k], {k, 0, ∞}]MatrixFunction[Log, a] == Sum[(Derivative[k][Log][1]/k!) MatrixPower[a - IdentityMatrix[2], k], {k, 0, ∞}]
であるようにMatrixExp[MatrixFunction[Log,m]]は m に等しい:
m = {{0, 0, 1}, {0, 2, 0}, {-1, 0, 0}};
m == MatrixExp[MatrixFunction[Log, m]]m が対角行列なら,MatrixFunction[f,m]は単に f を m の対角の各要素に適用するに過ぎない:
MatrixFunction[Cosh, DiagonalMatrix[{a, b, c}]]//MatrixFormm が上三角行列なら,MatrixFunction[f,m]もまた上三角行列である:
m = UpperTriangularize[RandomInteger[9, {5, 5}]];
UpperTriangularMatrixQ[MatrixFunction[Tanh, m]]m = LowerTriangularize[RandomInteger[9, {5, 5}]];
LowerTriangularMatrixQ[MatrixFunction[Tanh, m]]m = RandomReal[1, {3, 3}];{d, vt} = Eigensystem[m]v = Transpose[vt];
v.DiagonalMatrix[Sin[Cos[d]]].Inverse[v] - MatrixFunction[Sin[Cos[#]]&, m]//Chop
はJordanDecomposition
によって
として計算できる:
m = {{2, 0, 0, 0}, {0, 1, 0, 0}, {1, -1, 1, 0}, {1, -1, 1, 1}};
{v, j} = JordanDecomposition[m];
MatrixFunction[Sqrt, m] == v.MatrixFunction[Sqrt, j].Inverse[v]さらに,
は優対角の
によって表現された上三角ブロックを除いて0である:
MatrixForm /@ {j, MatrixFunction[Sqrt, j]}m = RandomInteger[2, {3, 3}]polyf = Function[Evaluate[CharacteristicPolynomial[m, #]]]MatrixFunction[polyf, m]//Simplify考えられる問題 (4)
スカラー関数は厳密行列あるいは記号行列について記号導関数を持つことができる:
F[x_ ? NumericQ] := Sqrt[x];
MatrixFunction[F, {{1, 1, 0}, {0, 1, 1}, {0, 0, 1}}]MatrixFunction[F, {{1, 1, 0}, {0, 1, 1}, {0, 0, 1}}//N]F[x_] := Sqrt[x];
MatrixFunction[F, {{1, 1, 0}, {0, 1, 1}, {0, 0, 1}}]MatrixFunctionはAbsのように微分不可能な関数には使えない:
MatrixFunction[Abs, {{1., 1., 0.}, {0., 1., 1.}, {0., 0., 1.}}]これは,厳密な入力行列に対しては行列関数を返すが,Absには一次導関数も二次導関数もないので結果は無意味である:
MatrixFunction[Abs, {{1, 1, 0}, {0, 1, 1}, {0, 0, 1}}]MatrixFunctionはスカラー関数あるいはその任意の最初の導関数が行列固有値で定義されていない場合は結果を返さない:
MatrixFunction[Sqrt[1 - #]&, {{1, 1, 0}, {0, 1, 1}, {0, 0, 1}}]MatrixFunction[Sqrt[1 - #]&, {{1., 1., 0.}, {0., 1., 1.}, {0., 0., 1.}}]f = 1 / Apply[Times, (# - Range[3])]&;スカラー関数が分析的ではなく行列の固有値が関数の極に近い場合,結果の行列は大抵の場合正しくない:
m = {{-2.131558166676987, -2.937833681080357, -0.995639204939471}, {4.991469442950794, 5.743899123162778, 1.4428901292047926}, {1.621158931412957, 1.1503162105039664, 2.387659043514208}};
Eigenvalues[m]mf = MatrixFunction[f, m]関連するガイド
-
▪
- 行列の操作 ▪
- 行列分解 ▪
- 記号的なベクトル,行列,配列
テキスト
Wolfram Research (2012), MatrixFunction, Wolfram言語関数, https://reference.wolfram.com/language/ref/MatrixFunction.html (2026年に更新).
CMS
Wolfram Language. 2012. "MatrixFunction." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2026. https://reference.wolfram.com/language/ref/MatrixFunction.html.
APA
Wolfram Language. (2012). MatrixFunction. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/MatrixFunction.html
BibTeX
@misc{reference.wolfram_2026_matrixfunction, author="Wolfram Research", title="{MatrixFunction}", year="2026", howpublished="\url{https://reference.wolfram.com/language/ref/MatrixFunction.html}", note=[Accessed: 19-November-2026]}
BibLaTeX
@online{reference.wolfram_2026_matrixfunction, organization={Wolfram Research}, title={MatrixFunction}, year={2026}, url={https://reference.wolfram.com/language/ref/MatrixFunction.html}, note=[Accessed: 19-November-2026]}