はじめに
線形代数を学び始めると、ベクトル、行列、行列式、線形独立、基底、逆行列など、さまざまな言葉が次々に登場します。
それぞれの計算方法は分かっても、「なぜ、これらをまとめて学ぶのだろう？」「ベクトルと行列は、どうつながっているのだろう？」と感じることもあるかもしれません。
実は、これらはバラバラの話ではありません。
ベクトルを組み合わせて空間を作り、そのベクトルを行列によって動かす。
この視点を持つと、線形結合、線形独立、基底、行列式、逆行列、連立方程式といった概念が、ひとつの流れとして見えてきます。
線形代数では、「ベクトルがどのような空間を作るのか」「そのベクトルをどのように変換するのか」を、行列などを使って考えていきます。
この記事では、ベクトル・行列・行列式を中心に、線形結合、基底、逆行列、ランクなどがどのようにつながっているのかを、全体像から整理していきます。
1．線形代数の出発点は「ベクトル」
線形代数の中心にあるもののひとつが、ベクトルです。高校数学では、ベクトルを「大きさと向きをもつ量」として学びます。
たとえば、
$$
\boldsymbol{a}
=
\begin{pmatrix}
2\\
1
\end{pmatrix}
$$
というベクトルなら、平面上の矢印として考えることができます。しかし、線形代数ではベクトルを単なる矢印として見るだけではありません。
ベクトルを足したり、定数倍したりすることで、
$$
s\boldsymbol{a}+t\boldsymbol{b}
$$
のような新しいベクトルを作ることができます。この「ベクトルを伸ばして足す」という操作が、線形代数全体をつなぐ重要な考え方になります。
2．線形結合から「空間」が見えてくる
2つのベクトル
$$
\boldsymbol{a},\ \boldsymbol{b}
$$
があるとき、
$$
s\boldsymbol{a}+t\boldsymbol{b}
$$
のように、定数倍したベクトルを足し合わせることを線形結合といいます。
一見すると単純な計算ですが、線形結合を考えると、「このベクトルたちを使って、どこまでのベクトルを作れるのか」ということが見えてきます。
たとえば、平面上で向きの異なる2本のベクトルがあれば、その2本を伸ばしたり縮めたりして足すことで、平面上のさまざまなベクトルを作ることができます。一方、2本が同じ直線上にあれば、どれだけ線形結合しても、その直線から外へ出ることはできません。
線形結合は、「与えられたベクトルから、どのような空間を作れるのか」を考えるための基本的な操作です。
3．線形独立は「新しい方向を持っているか」
では、空間を作るためにベクトルは何本必要なのでしょうか。
たとえば、
$$
\boldsymbol{b}=2\boldsymbol{a}
$$
なら、\(\boldsymbol{b}\) は \(\boldsymbol{a}\) と同じ方向を向いています。この場合、\(\boldsymbol{b}\) を追加しても、新しい方向は増えません。
一方、\(\boldsymbol{b}\) が \(\boldsymbol{a}\) の定数倍ではないなら、2本を組み合わせることで平面を作ることができます。この違いを表すのが線形独立・線形従属です。
線形独立とは、それぞれのベクトルが、ほかのベクトルでは作れない「新しい方向」を持っている状態だと考えることができます。
線形独立という考え方によって、「空間を作るために本当に必要なベクトル」が見えてきます。
4．必要最小限のベクトルが「基底」になる
ここまでくると、次の疑問が自然に出てきます。
「ある空間を作るためには、最低何本のベクトルがあればよいのか？」
そこで登場するのが基底です。
たとえば、平面なら、
$$
\boldsymbol{e}_1=
\begin{pmatrix}
1\\
0
\end{pmatrix},
\quad
\boldsymbol{e}_2=
\begin{pmatrix}
0\\
1
\end{pmatrix}
$$
という2本のベクトルがあれば、平面上の任意のベクトル
$$
\begin{pmatrix}
x\\
y
\end{pmatrix}
$$
を、
$$
x\boldsymbol{e}_1+y\boldsymbol{e}_2
$$
と表すことができます。
この2本は線形独立であり、平面全体を作ることができます。つまり、空間を作るために必要な「必要最小限のベクトル」になっています。
基底とは、空間全体を作ることができ、しかも互いに線形独立なベクトルの組です。
ここまでの流れを図で整理すると、線形結合・線形独立・基底の関係が見えてきます。
ベクトルを線形結合することで、どのような空間を作れるのかが決まります。その中から、同じ方向のような重複したベクトルを取り除き、空間全体を作れる必要最小限の組を選んだものが基底です。
そして、基底を構成するベクトルの本数が、その空間の次元につながります。
5．行列は「ベクトルを動かすもの」
ここで行列が登場します。行列は数字を長方形に並べたものですが、それだけではありません。
たとえば、
$$
A=
\begin{pmatrix}
2&0\\
0&1
\end{pmatrix}
$$
をベクトル
$$
\boldsymbol{x}
=
\begin{pmatrix}
x\\
y
\end{pmatrix}
$$
に掛けると、
$$
A\boldsymbol{x}
=
\begin{pmatrix}
2x\\
y
\end{pmatrix}
$$
となります。これは、平面上のベクトルを横方向に2倍する変換だと考えることができます。
つまり、
$$
\boldsymbol{x}
\longrightarrow
A\boldsymbol{x}
$$
という対応によって、行列はベクトルを別のベクトルへ動かしています。これが線形変換です。
行列は単なる数字の表ではなく、「ベクトルをどのように動かすか」を表すものとして見ることができます。
6．行列式は「空間がどれだけ伸び縮みするか」を表す
行列がベクトルを動かすものだと考えると、行列式の意味も見えやすくなります。
2次の行列
$$
A=
\begin{pmatrix}
a_{11}&a_{12}\\
a_{21}&a_{22}
\end{pmatrix}
$$
の行列式は、
$$
\det A
=
a_{11}a_{22}-a_{12}a_{21}
$$
です。
この式だけを見ると、なぜこのような計算をするのか分かりにくいかもしれません。しかし、行列を「空間を変形するもの」と考えると、行列式には、面積が何倍になるのかという意味があります。
3次元なら、同じ考え方で体積が何倍になるのかを表します。
そして、
$$
\det A=0
$$
なら、面積や体積が \(0\) になります。つまり、平面が直線へつぶれたり、立体が平面へつぶれたりして、もとの空間の情報が失われていることになります。
行列式は、行列による変換で面積や体積が何倍になるのかを表しています。行列式が \(0\) なら、空間はより低い次元へつぶれます。
7．行列式から逆行列へつながる
行列式が \(0\) になると、空間がつぶれて情報が失われます。では、行列によって動かしたベクトルを、もとのベクトルへ戻すことはできるのでしょうか。
そこで登場するのが逆行列です。
行列 \(A\) に対して、
$$
A^{-1}A=I
$$
となる行列 \(A^{-1}\) が存在するとき、\(A^{-1}\) を \(A\) の逆行列といいます。
ところが、すべての行列に逆行列が存在するわけではありません。逆行列が存在するためには、
$$
\det A\neq0
$$
である必要があります。
これは偶然ではありません。行列式が \(0\) なら、変換によって空間がつぶれて情報が失われてしまうため、その変換を完全にもとへ戻すことができないからです。
8．行列は連立方程式にもつながる
行列は、ベクトルを動かすだけではありません。連立一次方程式も、
$$
A\boldsymbol{x}=\boldsymbol{b}
$$
という行列の式で表すことができます。
この式は、「行列 \(A\) によって、どのベクトル \(\boldsymbol{x}\) を動かせば、\(\boldsymbol{b}\) になるのか？」を求めていると見ることもできます。
逆行列が存在すれば、
$$
\boldsymbol{x}=A^{-1}\boldsymbol{b}
$$
として解くことができます。また、行基本変形を使う掃き出し法でも解くことができ、行列式を使えばクラメルの公式によって解を求めることもできます。
つまり、
- 逆行列
- 掃き出し法
- クラメルの公式
は別々の計算方法に見えますが、どれも同じ連立一次方程式を行列の立場から見ています。
9．掃き出し法から「ランク」が見えてくる
掃き出し法で行基本変形をしていると、
$$
\begin{pmatrix}
1&*&*\\
0&1&*\\
0&0&0
\end{pmatrix}
$$
のように、すべての成分が \(0\) になる行が現れることがあります。
これは、その行が新しい独立した情報を持っていなかったことを意味します。ここで、「この行列には、本質的に独立した情報がいくつ残っているのか？」という疑問が出てきます。
その数を表すのが行列のランクです。
線形結合で「どんなベクトルを作れるか」を考え、線形独立で「新しい方向を持っているか」を考えてきました。ランクは、これらの考え方と行列を結びつける重要な概念です。
ランクは、行列の中に「独立な情報」がどれだけ含まれているのかを見るための数だと考えることができます。
10．ここから「線形写像」「線形空間」へ
ここまでは、主に数を成分にもつベクトルと行列について考えてきました。しかし、線形代数の考え方はもっと広い範囲へ拡張できます。
たとえば、これまで考えてきた線形変換では、
$$
T(\boldsymbol{x})=A\boldsymbol{x}
$$
のように、行列を使ってベクトルを別のベクトルへ移していました。この「線形な関係」を、より一般的に考えたものが線形写像です。
さらに、ベクトルを足したり定数倍したりできる「空間」そのものを一般化したものが線形空間です。ここから、
- 線形写像
- 線形空間
- 像と核
- 表現行列
- 基底変換
- 固有値・固有ベクトル
- 行列の対角化
へと話が広がっていきます。
11．線形代数のつながりを整理すると
ここまでの流れを整理してみましょう。
線形代数では、ベクトルから始まり、線形結合・線形独立・基底を通して「空間を作る」という考え方が見えてきました。
そして行列によって、その空間にあるベクトルを「動かす」という考え方へ進んできました。
このように見ると、線形代数で登場する概念はバラバラではありません。
ベクトルから空間を作る流れと、行列によってベクトルを変換する流れがあり、そこから行列式、逆行列、連立方程式、掃き出し法、ランクなどへつながっています。
線形代数の概念はバラバラに存在しているのではなく、「ベクトルを組み合わせる」「空間を作る」「ベクトルを動かす」という考え方を軸につながっています。
12．これから学ぶ内容
この先は、ここまでの考え方をさらに一般化していきます。まず、行列による線形変換をより広い立場から捉える線形写像を考えます。
そこから、ベクトルが存在する舞台そのものを一般化した線形空間へ進みます。さらに、線形写像によって「どこへ移るのか」を表す像と、「どの方向が0になるのか」を表す核を考えます。
そして、
表現行列 → 基底変換 → 固有値・固有ベクトル → 対角化
へと進んでいきます。
これらも新しい話が突然始まるわけではありません。線形結合、線形独立、基底、行列、行列式といった、ここまで見てきた考え方の延長線上にあります。
はじめて線形代数を学ぶ場合は、「線形結合 → 線形独立 → 基底 → 線形変換」の順に読むと、ベクトルから空間、そして行列による変換へと考え方をつなげやすくなります。その後、「行列式 → 逆行列 → 掃き出し法 → ランク」へ進むと、行列による変換や連立方程式の構造を、より深く理解できるようになります。
まとめ
線形代数では、ベクトル、行列、行列式、基底など、さまざまな概念が登場します。しかし、それぞれを別々に覚える必要はありません。
線形結合によってベクトルから空間を作り、線形独立によって必要な方向を見つけ、それを基底として空間を表す。そして、行列によってベクトルを動かし、その変換の性質を行列式やランクなどを使って調べる。
このように考えると、線形代数全体の流れが見えやすくなります。これから線形写像、線形空間、像と核、固有値などへ進んでも、中心にある考え方は同じです。
線形代数を理解するコツは、公式をひとつずつ覚えるのではなく、「ベクトル・空間・変換」がどのようにつながっているのかを見ることです。
そう感じた人には、線形代数を基礎から解説してくれる本もおすすめです。
コメント