MATLAB 数値解析における典型的な 5 つの誤解とその対策

MATLAB は数値計算において極めて強力な環境ですが、その挙動を深く理解せずに使用すると、思わぬエラーや精度不足に直面することがあります。一見正しいアルゴリズムを実装しても、結果が物理的に意味を成さないケースは珍しくありません。これらは多くの場合、アルゴリズムの理論的な誤りではなく、ソフトウェアの利用方法や数値的な安定性の考慮不足によるものです。以下では、科学計算プロジェクトでの実践に基づき、頻出する問題点と具体的な回避策を解説します。

1. 反復法の収束に関する過信：初期値と緩和係数の罠

非線形方程式や連立一次方程式を解く際、反復法は標準的なアプローチです。しかし、「数式が正しければ収束する」という思い込みは危険です。特に初期推定値の選択やアルゴリズムのパラメータ設定が不十分だと、計算が発散するか、目的外の解に落ち着く可能性があります。

代表的な例としてニュートン法があります。収束速度は理論的に二次ですが、これは関数の形状と初期値の関係によって大きく左右されます。例えば、複数の極を持つ関数を扱う場合、初期値のわずかな変化により、全く異なる解へ収束する分岐点が存在します。

function [result, status] = safe_newton_solver(func, deriv_func, init_guess, epsilon_limit, max_cycles)
    % 安全なニュートン・ラフソン法の実装
    % func: 評価対象の関数ハンドル
    % deriv_func: 微分関数のハンドル
    % init_guess: 初期推定値
    % epsilon_limit: 許容誤差
    % max_cycles: 最大繰り返し回数
    
    current_val = init_guess;
    tolerance_met = false;
    
    for cycle_count = 1:max_cycles
        f_val = func(current_val);
        df_val = deriv_func(current_val);
        
        % 導関数がゼロに近い場合の防御
        if abs(df_val) < eps(0)
            status = 'derivative_near_zero';
            result = current_val;
            return;
        end
        
        next_val = current_val - f_val / df_val;
        
        % 発散検知ロジックの追加
        if cycle_count > 2
            prev_step = abs(current_val - next_val);
            prev_prev_step = abs(history_vals(end-1) - history_vals(end)); % 簡易ヒストリ管理
            if prev_step > 100 * prev_prev_step
                status = 'likely_diverging';
                result = current_val;
                warning('急激なステップ増を検知しました。計算を停止します。');
                return;
            end
        end
        
        % 収束判定
        if abs(next_val - current_val) < epsilon_limit
            tolerance_met = true;
            result = next_val;
            status = 'converged';
            return;
        end
        
        % 状態更新
        current_val = next_val;
    end
    
    status = 'max_iterations_reached';
    result = current_val;
end

実際のシミュレーションでは、複数の初期値から試行を行うことで、どの範囲が特定の解に対応する「吸引域」となっているかを把握しておくことが推奨されます。特にノイズを含む測定データを初期値とする場合には、感度分析が不可欠です。

連立方程式を解く際の逐次超近似（SOR）法においても、過剰緩和係数 $\omega$ の選定は重要です。デフォルトの 1（ガウス・ザイデル法）を使用する場合が多くありますが、最適化された $\omega$ を用いることで計算回数を劇的に減らせる可能性があります。

function best_omega = optimize_sor_parameter(matrix_a, vector_b, test_range, tolerance, limit_iter)
    % 最適な SOR 緩和係数を探索するユーティリティ
    n_size = length(vector_b);
    initial_solution = zeros(n_size, 1);
    min_iterations = inf;
    best_omega = 1;
    
    for idx = 1:length(test_range)
        w_param = test_range(idx);
        current_x = initial_solution;
        converged_flag = false;
        
        for k_iter = 1:limit_iter
            old_x = current_x;
            
            % ベクトル化された部分和計算（高速化のため）
            for row_idx = 1:n_size
                diagonal_entry = matrix_a(row_idx, row_idx);
                off_diag_sum = matrix_a(row_idx, [1:row_idx-1, row_idx+1:end]) ...
                             * current_x([1:row_idx-1, row_idx+1:end]);
                
                current_x(row_idx) = (1 - w_param) * old_x(row_idx) + ...
                                     (w_param / diagonal_entry) * (vector_b(row_idx) - off_diag_sum);
            end
            
            % 無限大ノルムによる収束判定
            if norm(current_x - old_x, inf) < tolerance
                converged_flag = true;
                if k_iter < min_iterations
                    min_iterations = k_iter;
                    best_omega = w_param;
                end
                break;
            end
        end
        
        % 未収束の場合は記録しない
        if ~converged_flag
            continue;
        end
    end
    
    if best_omega == 1 && min_iterations == inf
        warning('収束するパラメータが見つかりませんでした。既定値を使用します。');
    end
end

2. 補間精度の「滑らかさ」への錯覚：高次多項式とルンゲ現象

離散データポイントを滑らかな曲線で結びたい場合、高い次数の多項式補間を選択したくなる心理が働きます。しかし、次数を上げるほど計算機上で誤差が増幅され、区間の端部で大幅な振動が生じる現象（ルンゲ現象）が発生することが知られています。