数値線形代数は現代のコンピューティングの原動力であり、記号的な数学的美しさとハードウェアの原始的な性能の間の橋渡しを担っています。理論的な代数では、変換 $T(v) = v + v_0$ を単なる加算として扱いますが、コンピュータはこれを最適化された行列乗算パイプラインの中断と捉えます。最大の速度を実現するためには、視点を変える必要があります。空間の次元を拡張して「シフト」を「構造的な乗算」に変換します。
1. 加算から乗算へ
理論的な枠組みでは、線形変換と平行移動（アフィン写像）はしばしば別々に扱われます。しかし、高性能なライブラリである BLAS（基本線形代数サブルーチン） は行列-ベクトルおよび行列-行列の積に特化して最適化されています。これらのキーネルを活用するため、すべての操作を次のように表現します：
$$T(v) = Av$$
2. 同次座標
行列を使って $\mathbf{R}^n$ 内でのシフトを実装するには、$\mathbf{R}^{n+1}$ に拡張します。ベクトル $[x, y, z]^T$ は $[x, y, z, 1]^T$ になります。この「追加の1」により、平行移動が $(n+1) \times (n+1)$ 行列の最後の列に符号化されます。
拡張構造
$v_0 = [t_x, t_y, t_z]^T$ の平行移動は次のように表されます：
$$A = \begin{bmatrix} 1 & 0 & 0 & t_x \\ 0 & 1 & 0 & t_y \\ 0 & 0 & 1 & t_z \\ 0 & 0 & 0 & 1 \end{bmatrix}$$
計算上の保存
最後の行にある $0, 0, 0, 1$ は重要な役割を果たします。$A$ が最終成分が $1$ のベクトルに掛かるとき、結果として得られる最終成分は：
$(0 \cdot x) + (0 \cdot y) + (0 \cdot z) + (1 \cdot 1) = 1$
これによりデータの「アフィン性」が保持され、連続的な操作を行っても座標系の整合性が失われません。
3. 実装の標準：BLAS
数値的な効率は標準化されたサブルーチンに依存しています。 BLAS は3つのレベルの演算を提供します：
- レベル1: ベクトル-ベクトル演算（例：内積）。
- レベル2: 行列-ベクトル演算 ($Ax+b$)。
- レベル3: 行列-行列演算 ($AB+C$)、これは最も計算密度が高く、ハードウェア効率も高いものです。
🎯 核心原則
数値線形代数は同次座標を使用して、多様な幾何学的操作を行列-ベクトル乗算 ($T(v) = Av$) に統合します。これにより、ハードウェアは最適化されたBLASルーチンを使用して、構造的な整合性を保ちながら秒間数百万回の演算を処理できます。