ヤコビ反復法シミュレーター — 連立一次方程式

大規模CAE解析のソルバー基盤：構造解析・熱伝導・電磁界解析などの有限要素法や差分法は、最終的に巨大な連立一次方程式に帰着します。未知数が数十万〜数千万個になると直接法（LU分解）はメモリが足りなくなるため、反復法が用いられます。ヤコビ法そのものが最終ソルバーになることは少ないものの、共役勾配法やマルチグリッド法の「平滑化（スムージング）」工程や前処理として組み込まれ、高周波の誤差成分を素早く取り除く役割を果たします。

並列計算・GPUアクセラレーション：ヤコビ法の各成分の更新は完全に独立しているため、すべての未知数を同時並列で計算できます。これは数千〜数万コアのGPUやスーパーコンピュータと相性が抜群で、ガウス・ザイデル法のように「順番」に縛られないという大きな利点になります。実装が単純で通信パターンも規則的なため、並列ソルバーの基本ブロックとして今も広く使われています。

画像処理・ポアソン方程式：画像のシームレス合成（ポアソン画像編集）、流体シミュレーションの圧力投影、影や照明の計算などは、いずれもポアソン方程式という連立一次方程式を解く問題です。これらの分野ではヤコビ反復（あるいはその重み付き版）が、GPU上でピクセルごとに並列実行されるカーネルとして実装され、リアルタイム処理を支えています。

数値解析の教育・アルゴリズム理解：ヤコビ法は反復法の中でもっとも単純で、収束条件・スペクトル半径・誤差の幾何級数的減少といった反復法の核心概念を、最小限のコードで体験できます。本ツールのように2元系で挙動を可視化すると、対角優位を崩したときに突然発散する様子や、ρ が収束速度を支配する様子が直感的に理解でき、より高度な反復法を学ぶ足場になります。

まず多い誤解が、「反復法は回数を増やせばいつか必ず解にたどり着く」というものです。反復法に終わりが保証されているのは、収束する場合だけです。係数行列が対角優位でなく、スペクトル半径 ρ が1以上だと、反復のたびに誤差が ρ 倍に増幅され、何回回しても解から遠ざかります。本ツールで a₁₂ や a₂₁ を大きくして対角優位を壊すと、その発散をはっきり観察できます。実務では「反復が収束しない」とき、まず方程式の並べ替えや前処理で対角優位性を確保できないかを検討します。

次に、「対角優位は収束の必要条件である」という思い込みです。対角優位はあくまで十分条件で、必要条件ではありません。対角優位でなくてもスペクトル半径が ρ<1 でありさえすれば、ヤコビ法はちゃんと収束します。逆に、対角優位が成り立っていれば ρ<1 が保証されるので「迷ったら対角優位を満たしておけば安全」というのが実用的な指針です。本ツールは対角優位性と ρ の両方を表示するので、両者が一致しないケースも確認できます。

最後に、「ヤコビ法は遅いから実用にならない」という決めつけです。確かに単独のソルバーとしてはガウス・ザイデル法や共役勾配法に劣ります。しかしヤコビ法の真価は、並列性の高さと「高周波誤差を素早く均す」性質にあります。マルチグリッド法では、重み付きヤコビ法が各レベルのスムーザとして不可欠です。また対角成分だけを使う単純さから、最も基本的な前処理（ヤコビ前処理）としても広く使われます。収束が遅いからと切り捨てず、適材適所で部品として使うのが現代的な使い方です。なお本ツールでは発散時に反復値を ±1e6 で打ち切り、数値が NaN や Infinity にならないようにしています。