Grothendieckの不等式

同義語:Grothendieck's inequalityGrothendieck inequality

概要

Grothendieckの不等式(Grothendieck's inequality)とは、ある絶対定数 $K$ があって、すべての実行列 $(a_{ij})$ と実 Hilbert 空間の単位ベクトル $u_i,v_j$ について、$\sum a_{ij}\langle u_i,v_j\rangle$ が、符号 $s_i,t_j\in\{\pm1\}$ を代入した $\sum a_{ij}s_it_j$ の最大値の $K$ 倍以下になるという定理である。最良の定数を Grothendieck 定数 $K_G$ という。無作為な丸めと Krivine の構成から $K_G\le\pi/(2\log(1+\sqrt2))=1.782\ldots$ が従い、下からは $K_G\ge\pi/2$ である。半正定値計画による組合せ最適化の緩和の精度を保証する。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Hilbert空間, 多変量正規分布, テンソル積, 半正定値計画

Grothendieck の不等式(Grothendieck's inequality)は、実数の行列 $A=(a_{ij})$ の双線形形式について、符号 $\pm1$ を代入したときの最大値と、単位ベクトルを代入したときの最大値が、行列の大きさによらない定数倍しか違わないことを述べる。すなわち、ある絶対定数 $K$ があって、すべての $m,n$、$m\times n$ 実行列 $A$、実 Hilbert 空間の単位ベクトル $u_1,\dots,u_m$、$v_1,\dots,v_n$ について
$$ \sum_{i,j}a_{ij}\langle u_i,v_j\rangle\le K\max_{s_i,t_j\in\{\pm1\}}\sum_{i,j}a_{ij}s_it_j $$
が成り立つ。最良の定数を Grothendieck 定数 $K_G$ といい、その正確な値は 2018 年の時点で知られていない(Ver18 p. 74)。A. Grothendieck が 1953 年に Banach 空間のテンソル積の理論の中で示した(Gro53。Ver18 p. 74 と、同 p. 287 の文献 [90] の題)。
右辺の最大値は $2^{m+n}$ 通りの符号を調べる組合せ最適化の問題で、一般には効率よく計算できない。左辺は 半正定値計画 で計算できる。不等式は、半正定値計画による緩和が元の問題を定数倍の精度で近似することを保証する。この記事では、正規分布を使った無作為な丸めと、J.-L. Krivine による「核の工夫」で $K_G\le\frac{\pi}{2\log(1+\sqrt2)}=1.7822\ldots$ を証明する。

問い答え
主張は単位ベクトルの値は符号の値の $K_G$ 倍以下(thm-gi-main)
証明の道具Grothendieck の恒等式(lem-gi-identity)と Krivine の構成(lem-gi-krivine)
定数の範囲$\pi/2\le K_G\le1.7822\ldots$(thm-gi-main、ex-gi-sphere)
半正定値の場合2 次形式の最大値は $\pi/2$ 倍の精度で近似できる(prop-gi-psd)
反例内積を $\ell^\infty$ と $\ell^1$ の対に替えると比は有界でない(ex-gi-counter)

定義

$A=(a_{ij})$ を $m\times n$ 実行列とする。
$$ \| A\|_{\infty\to1}:=\max_{s\in\{\pm1\}^m,\ t\in\{\pm1\}^n}\sum_{i,j}a_{ij}s_it_j $$
とおく。右辺は $s$ を固定すると $t$ について 1 次なので、$t\in[-1,1]^n$ に広げても最大値は頂点 $\{\pm1\}^n$ でとられる。$s$ についても同じである。よって $\| A\|_{\infty\to1}=\max\{\sum a_{ij}x_iy_j: x\in[-1,1]^m,\ y\in[-1,1]^n\}$ で、これは $A$ を $(\mathbb{R}^n,\|\cdot\|_\infty)$ から $(\mathbb{R}^m,\|\cdot\|_1)$ への写像とみた 作用素ノルム である($\| Ay\|_1=\max_s\sum_is_i(Ay)_i$)。$s$ を $-s$ に替えれば符号が変わるので、この最大値は $\max\lvert\sum a_{ij}s_it_j\rvert$ に等しい。

Grothendieck 定数

$A$ について
$$ \| A\|_{\mathrm{vec}}:=\sup\Bigl\{\sum_{i,j}a_{ij}\langle u_i,v_j\rangle:\ H\text{ は実 Hilbert 空間},\ u_i,v_j\in H,\ \lvert u_i\rvert=\lvert v_j\rvert=1\Bigr\} $$
とおく。すべての $m,n\ge1$ と $0$ でない $m\times n$ 実行列 $A$ にわたる $\| A\|_{\mathrm{vec}}/\| A\|_{\infty\to1}$ の上限を Grothendieck 定数(実数の場合)といい、$K_G$ と書く。

$u_i,v_j$ の張る部分空間は $m+n$ 次元以下なので、$H=\mathbb{R}^{m+n}$ としてよく、上限は単位球面の直積というコンパクト集合の上の最大値である。$H=\mathbb{R}$ とすれば単位ベクトルは $\pm1$ なので $\| A\|_{\mathrm{vec}}\ge\| A\|_{\infty\to1}$、すなわち $K_G\ge1$ である。単位ベクトルの条件を「長さ $1$ 以下」に替えても上限は変わらない($\lvert u_i\rvert\le1$ のベクトルは単位ベクトルの凸結合で、式は各 $u_i$ について 1 次だから)。

Grothendieck の不等式

$K_G$ は有限で、
$$ K_G\le\frac{\pi}{2\log(1+\sqrt2)}=1.7822\ldots $$
である。すなわち、すべての実行列 $A$ について $\| A\|_{\mathrm{vec}}\le\frac{\pi}{2\log(1+\sqrt2)}\| A\|_{\infty\to1}$ である。

出典と証明の位置

Ver18 Theorem 3.5.1(p. 60)は同じ主張を「すべての符号で $\lvert\sum a_{ij}s_it_j\rvert\le1$ なら、すべての単位ベクトルで $\lvert\sum a_{ij}\langle u_i,v_j\rangle\rvert\le K$」の形で述べ、§3.7(pp. 69–72)で Krivine の議論による定数を与える。この記事の証明は節「主定理の証明」(prf-gi-main)に置く。

証明

Grothendieck の恒等式

$\operatorname{sgn}(t):=1$($t\ge0$)、$-1$($t< 0$)とする。

Grothendieck の恒等式

$u,v\in\mathbb{R}^d$ を単位ベクトルとし、$g$ を $\mathbb{R}^d$ の標準正規分布に従う確率変数とする。このとき
$$ E\bigl[\operatorname{sgn}\langle g,u\rangle\operatorname{sgn}\langle g,v\rangle\bigr]=\frac2\pi\arcsin\langle u,v\rangle $$
である。

平面に射影すると偏角が一様になる

$\theta:=\arccos\langle u,v\rangle\in[0,\pi]$ とする。半正定値計画 の補題「無作為な超平面で 2 つのベクトルが分かれる確率」により、$\operatorname{sgn}\langle g,u\rangle\ne\operatorname{sgn}\langle g,v\rangle$ となる確率は $\theta/\pi$ である($u,v$ の張る平面への $g$ の射影の偏角が一様に分布し、符号が分かれるのは偏角が長さ $\theta$ の 2 つの弧のどちらかに入るときである)。よって期待値は $(1-\theta/\pi)-\theta/\pi=1-2\theta/\pi=\frac2\pi(\frac\pi2-\theta)=\frac2\pi\arcsin\langle u,v\rangle$ である。$u=\pm v$ のときも同じ式が成り立つ。$\square$

符号 $\operatorname{sgn}\langle g,u_i\rangle$ を代入すると、単位ベクトルの値から符号の値への無作為な丸めが得られる。仮に右辺が $\frac2\pi\langle u,v\rangle$ なら直ちに $K_G\le\pi/2$ が出るが、$\arcsin$ が 1 次でないのでそうはならない。Krivine は、内積を先に「$\sin$ でゆがめておく」ことでこれを回避した。

Krivine の構成

Krivine のベクトル

$c:=\log(1+\sqrt2)$ とする。$u_1,\dots,u_m,v_1,\dots,v_n\in\mathbb{R}^d$ を単位ベクトルとすると、実 Hilbert 空間 $H'$ の単位ベクトル $u_1',\dots,u_m',v_1',\dots,v_n'$ で
$$ \langle u_i',v_j'\rangle=\sin\bigl(c\,\langle u_i,v_j\rangle\bigr)\qquad(\text{すべての }i,j) $$
をみたすものがある。

奇数次のテンソルを並べる

$k$ 次の テンソル積 $(\mathbb{R}^d)^{\otimes k}$ に、$\langle x_1\otimes\dots\otimes x_k,y_1\otimes\dots\otimes y_k\rangle=\prod_l\langle x_l,y_l\rangle$ となる内積を入れる。特に $\langle u^{\otimes k},v^{\otimes k}\rangle=\langle u,v\rangle^k$ である。$H'$ を、奇数 $k$ についての $(\mathbb{R}^d)^{\otimes k}$ の Hilbert 直和(成分 $(w_k)_k$ で $\sum_k\lvert w_k\rvert^2< \infty$ のものの全体)とする。
$$ u':=\Bigl(\sqrt{\frac{c^k}{k!}}\,u^{\otimes k}\Bigr)_{k\text{ 奇数}},\qquad v':=\Bigl((-1)^{(k-1)/2}\sqrt{\frac{c^k}{k!}}\,v^{\otimes k}\Bigr)_{k\text{ 奇数}} $$
とおく。$\lvert u'\rvert^2=\lvert v'\rvert^2=\sum_{k\text{ 奇数}}\frac{c^k}{k!}=\sinh c$ で、$\sinh c=\frac12\bigl((1+\sqrt2)-(\sqrt2-1)\bigr)=1$ なので、$u',v'$ は単位ベクトルである。また
$$ \langle u',v'\rangle=\sum_{k\text{ 奇数}}(-1)^{(k-1)/2}\frac{c^k}{k!}\langle u,v\rangle^k=\sin\bigl(c\langle u,v\rangle\bigr) $$
である(級数は絶対収束する)。$u_i'$、$v_j'$ をこの式で定めればよい。$\square$

$c$ は $\sinh c=1$ となるように選んだ。$c=0.8813\ldots< \pi/2$ なので、$\lvert\langle u,v\rangle\rvert\le1$ のとき $\arcsin(\sin(c\langle u,v\rangle))=c\langle u,v\rangle$ である。

主定理の証明

内積をゆがめてから無作為に丸める

$A$ を $m\times n$ 実行列とし、$u_i,v_j$ を実 Hilbert 空間の単位ベクトルとする。定義のあとの注意から $u_i,v_j\in\mathbb{R}^d$($d=m+n$)としてよい。lem-gi-krivine の $u_i',v_j'\in H'$ をとる。これらの張る部分空間は有限次元なので、その正規直交基底で座標をとり、$u_i',v_j'\in\mathbb{R}^D$ の単位ベクトルとみなす。$g$ を $\mathbb{R}^D$ の標準正規分布に従う確率変数とし、$s_i:=\operatorname{sgn}\langle g,u_i'\rangle$、$t_j:=\operatorname{sgn}\langle g,v_j'\rangle$ とおく。lem-gi-identity と、$\arcsin(\sin(c\rho))=c\rho$($\lvert\rho\rvert\le1$)から
$$ E\Bigl[\sum_{i,j}a_{ij}s_it_j\Bigr]=\sum_{i,j}a_{ij}\frac2\pi\arcsin\langle u_i',v_j'\rangle=\frac{2c}\pi\sum_{i,j}a_{ij}\langle u_i,v_j\rangle $$
である。左辺の確率変数は各標本で $\| A\|_{\infty\to1}$ 以下なので、
$$ \sum_{i,j}a_{ij}\langle u_i,v_j\rangle\le\frac{\pi}{2c}\| A\|_{\infty\to1} $$
である。$u_i,v_j$ について上限をとって $\| A\|_{\mathrm{vec}}\le\frac{\pi}{2c}\| A\|_{\infty\to1}$ を得る。$\frac\pi{2c}=1.7822\ldots$ である。$\square$

定数の歴史

Grothendieck の元の論文の定数は $\sinh(\pi/2)\approx2.30$ だった。Krivine の上界 $\frac\pi{2\log(1+\sqrt2)}$(Kri79)は最良ではなく、真に小さい定数で成り立つことが M. Braverman・K. Makarychev・Yu. Makarychev・A. Naor(2011)により示されたが、$K_G$ の正確な値は知られていない(いずれも Ver18 p. 74 の 2018 年の時点の記述。年は同 p. 285 の文献 [35])。

定数の下界の例

$2\times2$ の行列

$A=\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ とする。$\sum a_{ij}s_it_j=s_1(t_1+t_2)+s_2(t_1-t_2)$ で、$t_1+t_2$ と $t_1-t_2$ の一方は $0$、他方は $\pm2$ なので $\| A\|_{\infty\to1}=2$ である。$\mathbb{R}^2$ の $u_1=e_1$、$u_2=e_2$、$v_1=(e_1+e_2)/\sqrt2$、$v_2=(e_1-e_2)/\sqrt2$ では、4 つの内積の寄与がどれも $1/\sqrt2$ で、値は $2\sqrt2$ である。逆に $\sum a_{ij}\langle u_i,v_j\rangle=\langle u_1,v_1+v_2\rangle+\langle u_2,v_1-v_2\rangle\le\lvert v_1+v_2\rvert+\lvert v_1-v_2\rvert\le\sqrt{2(\lvert v_1+v_2\rvert^2+\lvert v_1-v_2\rvert^2)}=2\sqrt2$ なので $\| A\|_{\mathrm{vec}}=2\sqrt2$ である。よって $K_G\ge\sqrt2$ である。

球面の上の内積の核

$K_G\ge\pi/2$ である。$n\ge2$ を固定し、$x_1,x_2,\dots$ を単位球面 $S^{n-1}$ の上の一様分布に従う独立な確率変数とする。$m$ 次の行列 $a_{ij}:=\langle x_i,x_j\rangle/m^2$ を考える。
単位ベクトルの値。 $u_i=v_i=x_i$ とすると、値は $\frac1{m^2}\sum_{i,j}\langle x_i,x_j\rangle^2=\bigl\lvert\frac1m\sum_ix_ix_i^{\mathsf T}\bigr\rvert_F^2$(Frobenius ノルム)で、大数の法則 により $E[x_1x_1^{\mathsf T}]=I/n$ の Frobenius ノルムの 2 乗 $1/n$ に概収束する。
符号の値。 $\sum a_{ij}s_it_j=\bigl\langle\frac1m\sum s_ix_i,\frac1m\sum t_jx_j\bigr\rangle$ で、$\bigl\lvert\frac1m\sum_is_ix_i\bigr\rvert=\sup_{\lvert e\rvert=1}\frac1m\sum_is_i\langle x_i,e\rangle\le\varphi_m:=\sup_{\lvert e\rvert=1}\frac1m\sum_i\lvert\langle x_i,e\rangle\rvert$ である。よって $\| A\|_{\infty\to1}\le\varphi_m^2$ である。$\varphi_m$ は、確率 $1$ で $\kappa_n:=E\lvert\langle x_1,e\rangle\rvert$($e$ によらない)に収束する。

一様な収束と $\kappa_n$ の計算を開く

$e\mapsto\frac1m\sum_i\lvert\langle x_i,e\rangle\rvert$ は定数 $1$ の Lipschitz 関数である。$\delta>0$ について球面の有限な $\delta$ 網をとると、網の各点で大数の法則が成り立つので、確率 $1$ で $\limsup\varphi_m\le\kappa_n+\delta$ である。$\delta=1/l$($l=1,2,\dots$)について合わせて $\limsup\varphi_m\le\kappa_n$ を得る。

$g$ を $\mathbb{R}^n$ の標準正規分布とすると、密度が $\lvert g\rvert$ だけによるので、極座標で $g/\lvert g\rvert$ は $\lvert g\rvert$ と独立に $S^{n-1}$ の上の一様分布に従う。よって $\sqrt{2/\pi}=E\lvert g_1\rvert=E\lvert g\rvert\cdot\kappa_n$ である。


以上から、確率 $1$ で、十分大きい $m$ の行列の比は $\frac{1/n}{\kappa_n^2}$ に近いか、それより大きい。よって $K_G\ge\frac{1/n}{\kappa_n^2}=\frac{\pi(E\lvert g\rvert)^2}{2n}$ である。対数Sobolev不等式 の例「高次元の Gauss 測度」により $n-4\le(E\lvert g\rvert)^2\le n$ なので、右辺は $n\to\infty$ で $\pi/2$ に近づく。$n=3$ では $x_1$ の第 1 座標が $[-1,1]$ の一様分布に従うので $\kappa_3=1/2$、比は $4/3$ である。数値では、$n=10$ で $1.494\ldots$、$n=100$ で $1.5629\ldots$ である。

半正定値行列の 2 次形式

対称行列の 2 次形式 $\sum a_{ij}x_ix_j$ を $x\in\{\pm1\}^n$ で最大にする問題も、一般には効率よく解けない。$A$ が半正定値のときは、定数 $\pi/2$ の近似が lem-gi-identity だけから出る。

半正定値の場合の $\pi/2$

$A$ を $n$ 次の実対称な半正定値行列とし、
$$ \mathrm{INT}(A):=\max_{x\in\{\pm1\}^n}\sum_{i,j}a_{ij}x_ix_j,\qquad\mathrm{SDP}(A):=\max_{\lvert X_i\rvert=1}\sum_{i,j}a_{ij}\langle X_i,X_j\rangle $$
とおく($X_i\in\mathbb{R}^n$)。このとき $\mathrm{INT}(A)\le\mathrm{SDP}(A)\le\frac\pi2\mathrm{INT}(A)$ である。

$\arcsin$ の行列は内積の行列より大きい

左の不等式は $X_i=x_ie_1$ とすればよい。右を示す。$X_i$ を $\mathrm{SDP}(A)$ をとる単位ベクトルとし、$\rho_{ij}:=\langle X_i,X_j\rangle$ とおく。$g$ を標準正規分布に従う確率変数とし、$x_i:=\operatorname{sgn}\langle g,X_i\rangle$ とすると、lem-gi-identity から
$$ \mathrm{INT}(A)\ge E\Bigl[\sum a_{ij}x_ix_j\Bigr]=\frac2\pi\sum_{i,j}a_{ij}\arcsin\rho_{ij} $$
である。$\arcsin t=\sum_{k\ge0}\frac{(2k)!}{4^k(k!)^2(2k+1)}t^{2k+1}$ の係数は非負である。$0< r< 1$ について、行列 $(\rho_{ij})$ は Gram 行列なので半正定値で、Schurの積定理 の系「成分ごとの冪級数」を関数 $\arcsin t-t$ と行列 $(r\rho_{ij})$ に当てると、$P_r:=(\arcsin(r\rho_{ij})-r\rho_{ij})_{i,j}$ は半正定値である。$r\to1$ として $P:=(\arcsin\rho_{ij}-\rho_{ij})$ も半正定値である。半正定値行列どうしの $\operatorname{tr}(AP)$ は $0$ 以上なので(半正定値計画 の補題「半正定値行列の内積は非負」)、$\sum a_{ij}\arcsin\rho_{ij}\ge\sum a_{ij}\rho_{ij}=\mathrm{SDP}(A)$ である。よって $\mathrm{INT}(A)\ge\frac2\pi\mathrm{SDP}(A)$ である。$\square$

Ver18 Theorem 3.5.6(p. 64)は同じ状況で $\mathrm{SDP}(A)\le2K\cdot\mathrm{INT}(A)$($K$ は Grothendieck の不等式の定数)を示す。prop-gi-psd の定数 $\pi/2$ は、半正定値性を使ってこれを改良したものである。$\mathrm{SDP}(A)$ は、行列 $X=(\langle X_i,X_j\rangle)$ について「$X$ は半正定値、$X_{ii}=1$」の下で $\operatorname{tr}(AX)$ を最大にする半正定値計画の値である。

応用

  • 組合せ最適化の近似。thm-gi-main の証明は、半正定値計画の解のベクトルから符号を作る無作為な丸めの手順を与え、得られる符号の値の期待値は最適値の $\frac{2c}\pi=0.561\ldots$ 倍以上である(ただし $u_i'$ の次元は無限なので、計算では級数を打ち切る)。行列のカットノルムを近似する N. Alon と A. Naor のアルゴリズムはこの考え方による(Ver18 p. 74 の文献案内と、同 p. 284 の文献 [7])。最大カット問題の Goemans–Williamson の方法(半正定値計画)も、同じ超平面による丸めを使う。
  • Banach 空間論。$\|A\|_{\infty\to1}$ は $\ell^\infty$ から $\ell^1$ への作用素ノルムである。Grothendieck の元の論文は、位相的テンソル積のノルムの理論として書かれた(Ver18 p. 287 の文献 [90] の題)。

反例:条件を外すと成り立たないこと

主張外す条件反例成り立たなくなること
thm-gi-main内積が Hilbert 空間の内積であること$u_i\in\mathbb{R}^n$ を $\Vert u_i\Vert_\infty=1$、$v_j\in\mathbb{R}^n$ を $\Vert v_j\Vert_1=1$ とし、内積を $\sum_ku_{ik}v_{jk}$ とする。$A$ は $n$ 次の Hadamard 行列値は $n^2$、$\Vert A\Vert_{\infty\to1}\le n^{3/2}$ で、比 $\sqrt n$ は有界でない
prop-gi-psd$A$ が半正定値であること$5$ 頂点の閉路の隣接行列 $C$ について $A=-C-I$$\mathrm{INT}(A)=1$、$\mathrm{SDP}(A)\ge3.09$ で $\mathrm{INT}< \frac2\pi\mathrm{SDP}$
反例の確かめ

確かめ:

2 行の確かめを開く

1 行目:Hadamard 行列 $A$ は成分が $\pm1$ で $A^{\mathsf T}A=nI$ をみたす($n$ が $2$ の冪なら $\begin{pmatrix}1&1\\1&-1\end{pmatrix}$ のテンソル積で作れる)。$v_j:=e_j$、$u_i:=(\operatorname{sgn}a_{i1},\dots,\operatorname{sgn}a_{in})$ とすると、$\sum_{i,j}a_{ij}u_{ij}=\sum_{i,j}\lvert a_{ij}\rvert=n^2$ である。一方、符号 $s,t$ について Cauchy–Schwarz の不等式から $\sum a_{ij}s_it_j=\langle s,At\rangle\le\lvert s\rvert\lvert At\rvert=\sqrt n\cdot\sqrt n\lvert t\rvert=n^{3/2}$ である。$n=4$ では等号 $8$ が成り立つ(総当たりで確かめた)。

2 行目:$C$ の固有値は $2\cos(2\pi k/5)$ なので、$A$ の固有値は $-3$、$-1.618\ldots$(2 重)、$0.618\ldots$(2 重)で、$A$ は半正定値でない。$x\in\{\pm1\}^5$ について $\sum a_{ij}x_ix_j=-5-2\sum_{i}x_ix_{i+1}$(添字は 5 を法とする)である。閉路を一周すると符号の変わる辺の数 $d$ は偶数なので $d\le4$ で、$\sum_ix_ix_{i+1}=(5-d)-d\ge-3$ である。等号は $(1,-1,1,-1,1)$ でとられ、$\mathrm{INT}(A)=-5+6=1$ である。$X_k:=(\cos\frac{4\pi k}5,\sin\frac{4\pi k}5)$ とすると隣どうしの内積は $\cos\frac{4\pi}5=-0.809\ldots$ で、値は $-5+10\cdot0.809\ldots=3.090\ldots$ である。$\frac2\pi\cdot3.090\ldots=1.967\ldots>1$ である。

1 行目は、不等式が「Hilbert 空間の内積」に固有の現象であることを示す。2 行目は、対角成分が負で半正定値でない行列では、2 次形式の最大値がほとんど打ち消され、緩和との比の評価が成り立たないことを示す。

関連項目

参考文献

[1]
Alexander Grothendieck, Résumé de la théorie métrique des produits tensoriels topologiques, Boletim da Sociedade de Matemática de São Paulo, 1953
[2]
Jean-Louis Krivine, Constantes de Grothendieck et fonctions de type positif sur les sphères, Advances in Mathematics, 1979
[3]
Roman Vershynin, High-Dimensional Probability: An Introduction with Applications in Data Science, 1st ed., Cambridge University Press, 2018, Theorem 3.5.1(p. 60)、Theorem 3.5.6(p. 64)、§3.7(pp. 69–72)、§3.8(p. 74)、文献表(pp. 284・285・287)。番号・頁は著者公開の第 1 版による

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する