概要

• 関数 を無限次元ベクトルとして捉えることで、 線形代数 の手法を幅広い問題へ応用可能。
• 関数空間 は、加算やスカラー倍などの演算を持つベクトル空間として扱える。
• 線形演算子 は、有限次元の行列に相当し、関数へ作用する無限次元の変換。
• この視点は、 画像処理 や 機械学習 など多様な分野で活用される。
• 直感的な理解を重視し、無限次元空間の厳密な証明は省略。

関数をベクトルとして捉える

• ベクトル は通常、実数のリスト（例：(\mathbf{v} = \begin{bmatrix}x\y\z\end{bmatrix})）として学ぶ。
• ベクトル空間には、実数リスト以外にも複素数リストやグラフのサイクルなど多様な例が存在。
• これらは全て 有限次元 ベクトル空間であり、各ベクトルは長さ(N)のリストとして表現可能。
• ベクトルは「インデックスから値への写像」としても捉えられる。
• 次元数を増やすと、ベクトルは 関数 に近づく。

可算無限次元の場合

• 自然数(\mathbb{N})上の関数をベクトルとみなせば、リストを無限に拡張できる。
• 例：(\mathbf{v}_i = i)は、(f(x) = x)を表現。

非可算無限次元の場合

• 実数(\mathbb{R})上の関数は、非可算無限次元となり、リストとして書き下せない。
• この場合、ベクトルは任意の 関数 そのもの。
• 関数解析学がこの枠組みの厳密な理論を提供。

関数のベクトル空間

• ベクトル空間は、ベクトル集合(\mathcal{V})、スカラー体(\mathbb{F})、ゼロベクトル(\mathbf{0})で定義。
  • 通常(\mathbb{F})は(\mathbb{R})や(\mathbb{C})。
• 加法 と スカラー倍 の演算規則が必要。
  • 加法：((f + g)[x] = f[x] + g[x])
  • スカラー倍：((\alpha f)[x] = \alpha f[x])
• 上記定義により、関数の集合はベクトル空間の公理を満たす。

ベクトル空間の公理（例）

• 加法の可換性：(\mathbf{u} + \mathbf{v} = \mathbf{v} + \mathbf{u})
• 加法の結合性：((\mathbf{u} + \mathbf{v}) + \mathbf{w} = \mathbf{u} + (\mathbf{v} + \mathbf{w}))
• ゼロベクトルの存在：(\mathbf{0} + \mathbf{u} = \mathbf{u})
• 逆元の存在：(\mathbf{u} + (-\mathbf{u}) = \mathbf{0})
• スカラー倍の単位元：(1\mathbf{u} = \mathbf{u})
• スカラー倍の結合性：((\alpha\beta)\mathbf{u} = \alpha(\beta\mathbf{u}))
• 分配法則：(\alpha(\mathbf{u} + \mathbf{v}) = \alpha\mathbf{u} + \alpha\mathbf{v})

関数の標準基底

• 通常、ベクトルは 標準基底 で表現（(\mathbb{R}^2)では(\mathbf{e}_1, \mathbf{e}_2)）。
• 関数空間では、各点(\alpha)に対して(\mathbf{e}_\alpha[x] = 1)（(x = \alpha)のとき）、それ以外は0の関数が基底。
• 任意の関数(f)は、これらの基底関数の線形結合として（理論的には）表現可能。

線形演算子

• 有限次元ベクトルでは、 行列 が線形変換を表現。
• 関数空間では、無限次元の行列に相当するものを 線形演算子（Linear Operator） と呼び、(\mathcal{L})で表す。
• 線形演算子も、線形性（加法・スカラー倍の分配）を満たす。
• 例：(\mathcal{L}f = f_1\mathbf{f} + f_2\mathbf{g} + f_3\mathbf{h} + \cdots)
• 直感的には、関数を別の関数へ変換する操作。

応用例と今後の展開

• この無限次元ベクトルの視点は、 画像圧縮、 幾何処理、 曲線近似、 機械学習 などに応用。
• Fourier級数やスペクトル定理など、関数空間の解析の基礎となる理論もこの枠組みで理解可能。

---

まとめ

• 関数＝無限次元ベクトル という発想で、線形代数の手法を関数解析や応用分野へ拡張可能。
• 線形演算子や基底の概念も、有限次元と同様に扱える。
• この視点が、現代の画像処理や機械学習の理論的土台を支える。