自作ライブラリ Calc

2026-11-06

自作ライブラリ Calc とは

自作ライブラリ Calc とは、JavaScript で複雑な数学演算を扱うためのライブラリ Math.js のほんのわずかな一部を勉強するために自分で作った JavaScript のライブラリである。

自分で作るというと格好良く思えるが、私の愛用するブラウザである seamonkey で Math.js が動かなかったので、自作せざるを得なかったというのが実情である。また、自分で考えてわからなかった計算は、 ChatGPT に投げてしまっている。

Calc を使ったページ

Calc は、次の書籍の計算追跡で使っている。

Calc の実装

Calc で実装するのは、Math.js のうちの代数関数、算術関数、統計関数、行列関数に限る。

代数関数

代数関数:QR 分解

行列の QR 分解を求める。Math.js の math.qr とは異なり、R しか求めない。符号の違いが生じることがある。また、厳密な計算では 0 となる成分では、 ごく 0 に近い値が出ることが多い。

Calc.qr([[1, -1, 4],[1, 4, -2],[1, 4, 2],[1, -1, 0]]) // [[-2, -3, -2],[0, -5, 2],[0, 0, -4],[0, 0, 0]]

代数関数:後退代入

上三角行列 `U` とベクトル `b` から `Ux=b` なる `x` を後退代入によって求める。 Math.js の math.usolve とは異なり、右辺の `b` はベクトルのみをとる。また、解となる `b` も二次元配列ではなく、一次元配列である。 なお、念のためだが、`U` は上三角行列であるので、`U` の上三角以外の成分は無視される(実質的には 0 )。

Calc.usolve([[-2,3],[2,1]],[11,9]) // [8,9]

算術関数

加減乗除と二乗距離のみを実装する。

算術関数:加算

スカラー 2 つ(配列、多次元配列)を加算する。Math.js とは異なり、引数は 2 に固定されている。

Calc.add(2, 3) // 5

引数の形が異なるときは次のような動作をする。

片方がベクトルや多次元配列で、片方が数値(スカラー)のときは、配列や多次元配列の個々の成分にスカラーが加算される。

Calc.add([1,2,3], 4) // [5,6,7]

片方が多次元配列で、片方が一次元配列のときの挙動は、二次元行列の各列の成分と配列の成分が加算される。

Calc.add([[1,2,3],[11,12,13]], [4,5]) // [[5,6,7],[15,16,17]]

これは範をとった Math.js とは異なる挙動である。

以上の挙動は他の演算である減算(subtract)、乗算(multiply)、除算(divide)でもほとんど同様である。乗算については異なる挙動もある。

除算(divide)で、本家の Math.js は2引数がどちらも行列(2次元の配列)の場合は Calc.divide(x, y) は Calc.multiply(x, y-1) を返すが、そのような実装は備えていない。 ここで、y-1 は行列 y の逆行列である。

算術関数:乗算

スカラー 2 つ(配列、多次元配列)を加算する。Math.js とは異なり、引数は 2 に固定されている。

Calc.multiply(2, 3) // 5

引数の形が異なるときは次のような動作をする。

片方がベクトルや多次元配列で、片方が数値(スカラー)のときは、配列や多次元配列の個々の成分とスカラーの積を返す。サイズは配列や多次元配列に準じる

Calc.multiply([1,2,3], 4) // [4,8,12]

第一引数 `A` が二次元配列(サイズ[l, m])で、第二引数 `x` が一次元配列(サイズ[m])のときに限り、積 `A^tx` を返す。

Calc.multiply([[1,2],[11,12]], [4,5]) // [[5,20],[55,120]]

第一引数 `A` が二次元配列(サイズ[l, m])で、第二引数 `B` が二次元配列(サイズ[m, n])のときに限り、積 `AB` を返す。サイズは[l, n] である。

Calc.multiply([[1,2],[4,3]],[[1,2,3],[3,-4,7]]) // [[7,-6,17],[13,-4,33]]

算術関数:二乗距離

ベクトル(配列)の二乗距離を求める。Math.js とは異なり、引数は配列1つのみに限る。

Calc.hypot([3,4]) // 5

統計関数

統計関数:和

ベクトルまたは行列を1つ指定し、指定した軸に沿ってベクトルや行列の要素の和を求める。Math.js とは異なり、複数の数、ベクトル、行列の和には対応していない。

Calc.sum([2, 3]) // 5

以下の例では求める和の対象が行列(二次元配列)であることを前提とする。このとき、第二引数の有無および引数の数で、和のとる範囲と出力を制御できる。

第二引数がない場合は、すべての成分の和を取る。結果はスカラーとなる。

Calc.sum([[8,10,12],[4,8,12]]) // 54

第二引数が 0 の場合は、列方向に和が取られる(例:2行3列の行列の場合は成分が3つのベクトルが得られる)

Calc.sum([[8,10,12],[4,8,12]], 0) // [12, 18, 24]

第二引数が 1 の場合は、行方向に和が取られる(例:2行3列の行列の場合は成分が2つのベクトルが得られる)

Calc.sum([[8,10,12],[4,8,12]], 1) // [30, 24]

このような第二引数の有無および引数の違いによる挙動は、mean(平均値)でも見られる。実装は省略する。「統計関数:平均」の項を参照されたい。

統計関数:平均

ベクトルや多次元配列が一つ指定されれば、それらをフラットにした平均を求める。 二次元配列以上の次元をもつ配列が一つ指定された場合、オプションとなる軸の指定によっていろいろな平均が求められる。

Calc.mean([[2, 5], [6, 3], [1, 7]]) // 4
Calc.mean([[2, 5], [6, 3], [1, 7]], 0) // [3, 5]
Calc.mean([[2, 5], [6, 3], [1, 7]], 1) // [3.5, 4.5, 4]
Calc.mean([[[8, 10, 12], [4, 8, 12]], [[6, 6, 12], [2, 4, 12]]]) // 8 
Calc.mean([[[8, 10, 12], [4, 8, 12]], [[6, 6, 12], [2, 4, 12]]], 0) // [[7, 8, 12], [3, 6, 12]] 
Calc.mean([[[8, 10, 12], [4, 8, 12]], [[6, 6, 12], [2, 4, 12]]], 1) // [[6, 9, 12], [4, 5, 12]] 
Calc.mean([[[8, 10, 12], [4, 8, 12]], [[6, 6, 12], [2, 4, 12]]], 2) // [[10, 8], [8, 6]] 

実装にあたっては、duck.ai (GPT-6) に次のとおり尋ねた。

javascript で配列x=[[[8, 10, 12], [4, 8, 12]], [[6, 6, 12], [2, 4, 12]]]のとき、mean(x,0)=[[7, 8, 12], [3, 6, 12]], mean(x,1)=[[6, 9, 12], [4, 5, 12]] , mean(x,2)=[[10, 8], [8, 6]] となる関数meanの作り方を教えてください。

以下の実装は回答をほぼそのままなぞったものである。

class Calc{
  static mean(array, axis) {
    // 以下は GPT-6 Luna による(一部改変)
    if (!Array.isArray(array) || array.length === 0) {
      throw new TypeError("array は空でない配列にしてください");
    }
    // 次の3行は 2026-11-07 に付け加えた
    if (axis === undefined) {
      return this.averageTrees(array.flat(Infinity));
    }
    if (!Number.isInteger(axis) || axis < 0) { 
      throw new RangeError("axis は 0 以上の整数にしてください"); 
    } 
    // axis が 0 なら、配列の各要素を位置ごとに平均する 
    if (axis===0) {
      return this.averageTrees(array); 
    } 
    // それより深い軸なら、内側の配列へ進む 
    return array.map((item)=>this.mean(item, axis - 1));
  }

  static averageTrees(items) {
    // 数値なら通常の平均
    if (typeof items[0] === "number") {
       return items.reduce((sum, value) => sum + value, 0) / items.length;
    }

    // 配列なら、各位置の要素ごとに再帰的に平均
    return items[0].map((_, i) =>
      this.averageTrees(items.map((item) => item[i])),
    );
  }
}

統計関数:分散

ベクトルや多次元配列が一つ指定されれば、それらをフラットにした分散を求める。 二次元配列以上の次元をもつ配列が一つ指定された場合、オプションとなる軸の指定によっていろいろな分散が求められる。

Calc.variance([[1, 2, 3], [4, 5, 6]]) // returns 3.5
Calc.variance([[1, 2, 3], [4, 6, 8]], 0) // returns [4.5, 8, 12.5]
Calc.variance([[1, 2, 3], [4, 6, 8]], 1) // returns [1, 4]

行列関数

ここで「行列」とは、いわゆる多次元配列全般を指す。ただし、ジャギー配列は対象外とする。

行列関数:サイズ

行列やスカラーのサイズを計算する。

const A = [[1, 2, 3], [4, 5, 6]]
Calc.size(A) // returns [2, 3]

行列関数:転置

行列を転置する。

const A = [[1, 2, 3], [4, 5, 6]]
math.transpose(A) // returns [[1, 4], [2, 5], [3, 6]]

実装は次のとおりである。

static transpose(x) {
  return x[0].map((_, v) => x.map((h) => h[v]));
}

行列関数:ゼロ埋め

指定されたサイズの行列を作り、要素をゼロで埋める

Calc.zero([2, 3]) // returns [[0, 0, 0], [0, 0, 0]]
Calc.zero([3,2,4]) // returns [[[0,0,0,0],[0,0,0,0]],[[0,0,0,0],[0,0,0,0]],[[0,0,0,0],[0,0,0,0]]]

実装は次のとおりである。実際には、「javascript で配列[3,2,4]を与えると[[[0,0,0,0],[0,0,0,0]],[[0,0,0,0],[0,0,0,0]],[[0,0,0,0],[0,0,0,0]]]を返す関数」と duck.ai (GPT-6) に尋ねた回答そのものである。

class Calc{
  static zeros(dimensions) {
    if (dimensions.length === 0) return 0;

    const [size, ...rest] = dimensions;
    return Array.from({ length: size }, () => this.zeros(rest));
  }
}

行列関数:単位行列

指定された自然数が行数および列数となる正方行列の単位行列を作る。

Calc.identity(4) // returns [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]

実装は次のとおりである。

static identity(n) {
  return Array.from({ length: n }, (_, i) =>
    Array.from({ length: n }, (_, j) => (i === j ? 1 : 0)),
  );
}

表記

mathjax4 を用いている