このコンテンツは 仮定モデラー ξ（クサイ） より引用しております。
▼：因数分解と線形代数は似ている、ジェフベゾスとラリーペイジ・セルゲイブリンと西園寺も似ている
ストリートでナンパをしていると、
交差点の人の滞留量と、
その交差点に向かう人の通行量の間に
一定の関係があることが気付きます。
そしてそれらが連鎖して、網の目を作っているのです。
この流れを俯瞰することは、
まるで蟻の巣を眺めるかのようです。
一つ一つは単純な動きだが、
その動きが相互にクロスして
激しく往来している。
こういう現象を取り扱うのが、線形代数です。
行列の領域ですね。
現在は大学に行かないと習いません。
大学数学の範囲です。
個人的に、因数分解と線形代数（行列）は似ているなーと思います。
複雑そうな方程式を見た時、
次数と変数を見て、
「共通因子を使って上手くまとめられそうだなー」
って時に因数分解は使われます。
何度も言いますが、因数分解って言葉は良くないですね、因数要約にすれば良いのに。
（数学って、帰納法じゃないものに「数学的帰納法」って名付けたり、円関数と名づけるべきものに「三角関数」と名付けたりネーミングが意味不明）
factorization。
実は、行列も、
「まとめる」
という発想から生まれたものです。
元々、連立方程式を解くときに、
簡便な記述法を書くために生まれました。
行列は、
あれは、
＿＿＿＿＿＿＿
係数と変数を分離
＿＿＿＿＿＿＿
してるんですね。
係数は係数で｛｝でまとめて、
変数は変数で｛｝でまとめてるんです。
次数は関係ありません、考慮する必要がありません。
だって一次式だから。
行列は「線形」代数であって、
「非線形＝次数２以上」
は扱わないので。
方程式を複数束ねたものを
「連立方程式」
と言いますが、
その数で
・３元連立方程式
・４元連立方程式
・５元連立方程式
・・・・・
という言い方をしますが、
その多元性を
効率良くまとめた表記をするのが行列・線形代数の分野です。
例えば５元連立方程式はこんな感じ。
＿＿＿＿＿
（問題）
次の連立1次方程式を解け。
(1) a – b + c – d + e = 1
(2) 12 a – 6 b + 2 c = 0
(3) a + b + c + d + e = 8
(4) 12 a + 6 b + 2 c = 0
(5) 4 a + 3 b + 2 c + d = 1
＿＿＿＿＿
これの場合、
a,b,c,d,eの【変数】を括り出して縦ベクトルの行列にして
a,b,c,d,eにかかる【係数】を括り出して５行の行列にします。
行列はただの計算の省略アイデアではなくて、
「座標軸の変換」
の
「繰り返し・リピート」
に力を発揮します。
イメージとしてはクルクル回る感じ。
線形代数が一番使われているのはゲームプログラミングの分野なんですが、
例えばキャラクターの座標をx,y,zで指定するなら
x
y
z
を囲って縦ベクトルとして用意しておいて、
あと座標は
（2,7,3）
とかにしておけば良いわけですが
その後の移動先の座標も
ズラーっと書いていけば良いだけです。
微積分が増える・減るを取り扱ってるとしたら、
線形代数は「回る」を取り扱ってる感じ。
微積分は、【変化】です。
線形代数は、【変換】です。
大学数学は、
・微分積分
・線形代数
が二本柱ですけど、
・微分積分 → 【高次性 ＝高次方程式】
・線形代数 → 【多元性 ＝多元方程式】
だと思うと理解がすんなりいきます。
高次を取り扱う微積分では、
一番次数が高いファクターを見つけて、
その次数が方程式・関数の「最重要ファクター」として
どのような挙動を見せるのか、というのを
・関数
・導関数（微分）
・積分
の観点から捉えることが重要です。
最大の肝は、３次以上の高次になると、「局所の挙動と大局の挙動が異なってくる」という、
ある意味で人生の教訓じみた話が出てくることです。
線形代数の場合は、
多元連立方程式＝「複数の条件を満たすものは何か」
の世界なのですが、
「複数の条件を満たす」
とは論理的には
「AかつB」
「AかつBかつC・・・」
というような表現になります。
「かつ」をグラフにすると、点、線、面になります。
二本の方程式で表現される連立方程式は
「交点」
になりますが、
三本の方程式で表現される連立方程式は
「面積」「平面」
になります。
もう一つ、数学では、
大きな柱として
・統計確率論
がありますが、
統計確率では
【多変量解析】
が出てきます。
つまり、変数が多いやつです。
変数が一個のものは単回帰、
変数が複数のものは重回帰ですね。
要は、
複数のファクターからなる現象は
統計データを用いて解析するわけです。
物件のデータ（広さ、駅までの距離、築年数、家賃・・・等）をエクセルに叩き込んで、
そこからエクセルの自動計算を使って
計算式を作ることができますね。
主成分分析、主因子分析と呼ばれるものも多変量解析の一つです。
まとめるとこんな感じ。
・微分積分 → 【高次性 ＝高次方程式】
・線形代数 → 【多元性 ＝多元方程式】
・統計確率 → 【多変数 ＝重回帰分析】
統計学の多変量解析（重回帰分析）はある意味で
要素を並列にさせてデータと結果の関係を見ていますが、
並列ではなくて縦列・合成の過程を見ていくのが
「ニューラルネットワーク」
であり、
・ニューラルネットワーク （圏論的合成のシステムプロセス）
・媒介変数表示の方程式 （モデレーターの場合は交互作用項も考慮）
は因果効果を考えるときに重要で
我々プロは重んじているのですが、ちょっとあまりに専門的になるので省略しておきます。
因数分解と線形代数は似ているってのは、
因数分解は高次の方程式も取り扱うのですが、
線形代数は一次式を前提にして、
・係数
・変数
で分けてまとめてる感じ。
係数と変数で括り出すイメージ。
空間上での物の移動だったり回転だったりは
座標軸の動きで全部表現できちゃうので、
その座標軸の動きを行列で取り扱う。
基本的な構造を保存したまま、
回転させたり、鏡映させたり、
拡大・縮小したり、、、、
みたいなことは線形代数がお手のもの。
「一次多元多変数」とはつまりどういうことかというと、
線形性（一次）という不変量が保たれながら、
多変数の、相互（多元）の関係を見ているわけです。
世の中には、
基本的な構造が保たれながら、
それでいて何かが移ろっていく、というような現象が結構あります。
結構奥が深い話になりますが、
この世の構成物の
「元素」
なるものがあると仮定して、
この元素が
「有限」
であるとすれば、その組み合わせパターンもまた
「有限」
であるはずです。
そしてこの元素集合が、「閉じた空間」、すなわち
外と内で元素が抜けたり入ったりという往来が無いとすれば、
組み合わせパターンが限定されたままですから、
目の前の現象としては
「七変化！」
しているように見えても
なんらかの循環が起こってるだけと考えるのが論理的・合理的な考え方です。
こういう、
一方的に何が増えたり減ったりしてるわけではなく、
同じ系の中で移り変わっているという状態の中には、
確実に
＿＿＿＿＿＿
変わるものの中で見出せる変わらないもの
＿＿＿＿＿＿
が必ずあるはずなのです。
この思考法・着眼点は、
大学理系数学を習得した人間で
「ただ単位を取るだけの学習に逃げていなかった人」
かつ応用力がある人は持っている視点です。
Googleは理系の人間が創業した人間ですが、
彼らの創業アイデアもまた、
以上の発想に基づいています。
Amazon創業者のジェフも
理系の人間であり、
彼も同じような発想をしています。
ジェフは言いました。
＿＿＿＿＿
変わるものは大事だが、
もっとそれ以上に大事なのは
変わらないものが何か、だ。
それが分かれば安心して投資できる
＿＿＿＿＿
西園寺が割と、
目先の流行を追いかけず
クラッシック的なものが好きなのには
それなりの理由があるのです。
マーケッターというのは一般的には時代でタコ踊りをする軽薄な職業ですよね。
マーケットに向かう職業というのは大抵そうです。
しかし、
理工的なセンスを用いて
違う視点で見えないものを見ている人たちもいるのです。
西園寺もその1人です。
まあこれが理系的抽象思考・戦略思考ってやつや！
このコンテンツは 仮定モデラー ξ（クサイ） より引用しております。
＝＝＝
 |
 |
 |
"make you feel, make you think."
SGT&BD
(Saionji General Trading & Business Development)
説明しよう！西園寺貴文とは、常識と大衆に反逆する「社会不適合者」である！平日の昼間っからスタバでゴロゴロするかと思えば、そのまま軽いノリでソー◯をお風呂代わりに利用。挙句の果てには気分で空港に向かい、当日券でそのままどこかへ飛んでしまうという自由を履き違えたピーターパンである！「働かざること山の如し」。彼がただのニートと違う点はたった１つだけ！そう。それは「圧倒的な書く力」である。ペンは剣よりも強し。ペンを握った男の「逆転」ヒップホッパー的反逆人生。そして「ここ」は、そんな西園寺貴文の生き方を後続の者たちへと伝承する、極めてアンダーグラウンドな世界である。 U-18、厳禁。低脳、厳禁。情弱、厳禁。