線形代数の全体像|ベクトル・行列・行列式から内積までをつなげて理解する

数学

はじめに

線形代数を学ぶと、ベクトル、行列、線形独立、基底、線形写像、行列式、逆行列、内積など、さまざまな概念が登場します。

それぞれの公式や計算方法を理解しても、「なぜ、これらをまとめて線形代数として学ぶのだろう?」「ベクトルと行列、行列式や内積は、どうつながっているのだろう?」と感じることがあるかもしれません。

実は、これらの概念には共通する考え方があります。ベクトルを組み合わせて空間を作り、その空間を基底と座標で表し、行列によって変換する。そして、変換やベクトル同士の関係を調べる。この視点を持つと、線形代数で学ぶ内容が一つの体系として見えてきます。

線形代数は、ベクトルと空間の構造、そしてそれらを結びつける線形写像を扱う数学です。基底と座標によってベクトルを数値で表し、行列を使って変換を計算し、行列式・ランク・内積などから、その性質を調べます。

この記事では、線形代数シリーズのPart 1〜5で学んだ内容をつなぎ、全体像を整理します。各概念の詳しい定義や公式の導出は、Partごとのまとめ記事や個別記事で解説しています。ここでは、線形代数の考え方がどのようにつながっているのかを理解していきましょう。

この記事でわかること

  • 線形結合・線形独立・基底・次元がどのようにつながるのか
  • 基底を変えると座標が変わる理由
  • 線形写像を行列で表せる仕組み
  • 像・核・ランクが変換の何を表しているのか
  • 行列式・逆行列・連立方程式の関係
  • 内積・外積によって角度・面積・距離を調べる方法
  • 線形代数を体系的に学ぶためのPart 1〜7の学習順

まずは、これまでに学んだ概念がどのようにつながるのか、全体マップを見てみましょう。

線形結合から基底・座標・線形写像へ進み、行列式や内積などで性質を調べる線形代数の全体マップ

線形代数の学習は、空間の構造を理解し、座標で表し、行列による変換を考えるところから始まります。そのうえで、行列式や内積などを使い、変換や幾何学的な性質をさまざまな角度から調べていきます。図の矢印は、概念を理解するためのおおまかな学習の流れを表しています。

1.線形代数の出発点|ベクトルを組み合わせて空間を作る

線形代数を理解するうえで、最初に押さえておきたいのが線形結合です。2本のベクトル \(\boldsymbol{a},\boldsymbol{b}\) を考えます。

それぞれを実数 \(s,t\) 倍して足し合わせると、

$$
s\boldsymbol{a}+t\boldsymbol{b}
$$

という新しいベクトルを作れます。この操作が線形結合です。単純な計算に見えますが、ここには重要な意味があります。

与えられたベクトルを組み合わせることで、どのようなベクトルを作れるのか。

これを考えると、直線や平面、さらに高次元の空間まで理解できるようになります。

1.1.線形独立は新しい方向を持っているかを表す

たとえば、2本のベクトルが、

$$
\boldsymbol{b}=2\boldsymbol{a}
$$

という関係にあるとします。この場合、\(\boldsymbol{b}\) は \(\boldsymbol{a}\) の実数倍なので、2本を組み合わせても、\(\boldsymbol{a}\) だけで作れる範囲を超えて広がることはありません。

一方、2本のベクトルが線形独立なら、一方をもう一方の実数倍で表すことはできません。2次元では、この2本の線形結合によって平面全体を表せます。この違いを表すのが、線形独立と線形従属です。

1.2.基底と次元は空間の構造を表す

ある空間全体を線形結合によって作ることができ、しかも線形独立なベクトルの組を基底といいます。

たとえば、2次元の平面では、

$$
\boldsymbol{e}_1=
\begin{pmatrix}1\\0\end{pmatrix},
\quad
\boldsymbol{e}_2=
\begin{pmatrix}0\\1\end{pmatrix}
$$

という2本のベクトルが基底になります。

任意のベクトルは、

$$
\boldsymbol{x}=x\boldsymbol{e}_1+y\boldsymbol{e}_2
$$

と表せるからです。そして、基底を構成するベクトルの本数が、その空間の次元です。

このように、

線形結合 → 線形独立 → 基底 → 次元

という流れで、ベクトルが作る空間の構造を理解できます。さらに、ベクトルの加法とスカラー倍について一定の性質を満たす集合をベクトル空間といい、その中で同じ性質を満たす部分集合を部分空間といいます。これらが、線形代数の土台になります。

▶ 線形結合・線形独立・基底・次元のつながりを理解したい
ベクトル空間とは何か?|線形結合・線形独立・基底・次元のつながりを理解する
ベクトル空間とは何か?線形結合・線形独立・基底・部分空間・次元という6つの概念のつながりを、直線や平面の具体例と図でわかりやすく解説します。ベクトルを組み合わせて空間を作る仕組みから、基底の本数が次元になる理由まで整理。線形代数の基礎を学ぶ順番と個別記事も紹介します。

2.基底と座標|同じベクトルでも数字が変わる理由

ベクトル空間と基底を理解すると、次に座標とは何かが見えてきます。

普段、ベクトルを、

$$
\boldsymbol{x}=
\begin{pmatrix}2\\1\end{pmatrix}
$$

のように表しています。しかし、この2つの数字は、ベクトルそのものに最初から付いているわけではありません。どの基底を使ってベクトルを表すかによって、座標は変わります。

2.1.座標は基底に対する係数

たとえば、先ほどの標準基底を使えば、

$$
\boldsymbol{x}
=2\boldsymbol{e}_1+\boldsymbol{e}_2
$$

です。

一方、別の基底を、

$$
\boldsymbol{b}_1=
\begin{pmatrix}1\\1\end{pmatrix},
\quad
\boldsymbol{b}_2=
\begin{pmatrix}1\\-1\end{pmatrix}
$$

とすると、同じベクトルは、

$$
\boldsymbol{x}
=\frac{3}{2}\boldsymbol{b}_1
+\frac{1}{2}\boldsymbol{b}_2
$$

と表せます。つまり、標準基底での座標は \((2,1)\) ですが、新しい基底での座標は \((3/2,1/2)\) になります。

ベクトルそのものは変わっていないのに、表すための数字だけが変わったのです。

2.2.基底変換行列は座標を変換する

この座標の変化を、行列によって計算できます。

新しい基底ベクトルを列に並べた行列を、

$$
P=
\begin{pmatrix}
1&1\\
1&-1
\end{pmatrix}
$$

とすると、

$$
\begin{pmatrix}2\\1\end{pmatrix}
=
P
\begin{pmatrix}3/2\\1/2\end{pmatrix}
$$

となります。このように、基底を変えるときの座標の関係を行列で表せます。

ここで大切なのは、ベクトルを実際に動かすことと、同じベクトルを別の基底で表すことは異なるという点です。この違いを理解すると、次に登場する線形写像と行列の関係も整理しやすくなります。

▶ 座標・基底変換・基底変換行列の仕組みを理解したい
座標と基底変換の仕組みを理解する|ベクトルの表し方と行列の関係
座標はなぜ基底によって変わるのか?基底と座標の関係から、基底変換行列と逆行列による座標変換まで、同じベクトルを使った具体例でわかりやすく解説します。

3.線形写像と行列|ベクトルを変換する仕組み

ここまでは、ベクトルがどのような空間を作り、どのように表されるのかを考えてきました。次は、そのベクトルを別のベクトルへ移す線形写像を考えます。

3.1.線形写像は線形結合を保つ

写像 \(T\) が線形であるとは、ベクトルの加法とスカラー倍を保つことです。

つまり、

$$
T(s\boldsymbol{a}+t\boldsymbol{b})
=sT(\boldsymbol{a})+tT(\boldsymbol{b})
$$

が成り立ちます。これは、線形結合してから変換しても、先にそれぞれを変換してから線形結合しても、結果が同じになることを意味します。

3.2.行列は線形写像を座標で表したもの

たとえば、次の行列を考えます。

$$
A=
\begin{pmatrix}
2&0\\
0&1
\end{pmatrix}
=\operatorname{diag}(2,1)
$$

この行列をベクトルに掛けると、

$$
A\begin{pmatrix}x\\y\end{pmatrix}
=
\begin{pmatrix}2x\\y\end{pmatrix}
$$

となります。これは、平面上のベクトルを横方向に2倍する変換です。行列を使えば、このような線形写像を数値計算として扱えます。ただし、同じ線形写像でも、選ぶ基底によって表現行列は変わります。

線形写像はベクトルを変換する働きそのものであり、行列はその働きを選んだ基底のもとで表したものなのです。

ここで、基底変換と線形写像の違いを図で確認しておきましょう。

同じベクトルの座標だけを変える基底変換と、ベクトルそのものを動かす線形写像の比較

左側は、同じベクトルを異なる基底で表す例です。ベクトルそのものは変わらず、座標の数値だけが変わります。一方、右側は行列によってベクトルそのものを変換する例で、変換前と変換後ではベクトルが異なります。

この違いを押さえると、行列は基底の間で座標を変換するためにも、線形写像を表現するためにも使われることが整理できます。

3.3.行列の掛け算は変換の合成を表す

2つの線形写像を続けて作用させると、その合成も線形写像になります。

行列で表すと、

$$
\boldsymbol{x}
\longrightarrow B\boldsymbol{x}
\longrightarrow A(B\boldsymbol{x})
$$

となり、

$$
A(B\boldsymbol{x})=(AB)\boldsymbol{x}
$$

です。つまり、行列の掛け算は、線形写像を続けて作用させることに対応しています。回転行列や単位行列も、この考え方で理解できます。

3.4.像・核・ランクは変換の性質を表す

線形写像を考えると、次の疑問が生まれます。

「この変換によって、どのようなベクトルを作れるのだろう?」
「どのようなベクトルが零ベクトルに移るのだろう?」

前者に対応するのが像、後者に対応するのが核です。

行列 \(A\) について、

$$
\operatorname{Im}(A)
=\{A\boldsymbol{x}\mid\boldsymbol{x}\in\mathbb{R}^n\}
$$

は像を表し、

$$
\ker(A)
=\{\boldsymbol{x}\mid A\boldsymbol{x}=\boldsymbol{0}\}
$$

は核を表します。像の次元がランクです。

また、入力空間が \(n\) 次元なら、

$$
\operatorname{rank}(A)+\dim(\ker A)=n
$$

という次元定理が成り立ちます。この式は、入力空間の次元が「出力として残る独立な方向」と「零ベクトルにつぶれる方向」に分かれることを表しています。

▶ 線形写像・表現行列・像・核・ランクのつながりを理解したい
線形写像と行列の全体像|像・核・ランクから行列の意味を理解する
線形写像と行列の関係を図でわかりやすく解説。基底ベクトルの変換から行列の掛け算、像・核・ランク・次元定理までを整理し、行列が表す意味と線形代数の各概念のつながりを理解します。

4.行列式・逆行列・連立方程式|変換を元に戻せるか

行列によってベクトルを変換できることがわかりました。では、その変換を元に戻すことはできるのでしょうか。この疑問に答えるうえで重要なのが、行列式と逆行列です。

4.1.行列式は面積・体積の拡大率を表す

2次正方行列、

$$
A=
\begin{pmatrix}
a&b\\
c&d
\end{pmatrix}
$$

の行列式は、

$$
\det A=ad-bc
$$

です。行列式は単なる計算結果ではありません。2次元では符号付き面積の拡大率を、3次元では符号付き体積の拡大率を表します。さらに一般の次元でも、行列式は向きを含めた体積の拡大率に対応します。

特に、

$$
\det A=0
$$

となる場合、変換によって空間がより低い次元へつぶれます。たとえば、平面全体が1本の直線へつぶれると、異なる入力ベクトルが同じ出力ベクトルに移ることがあります。そのため、出力だけを見ても、元の入力を一意に復元できません。

4.2.逆行列は変換を元に戻す

正方行列 \(A\) に対して、

$$
A^{-1}A=AA^{-1}=I
$$

を満たす行列 \(A^{-1}\) が存在するとき、それを逆行列といいます。

逆行列が存在するための必要十分条件は、

$$
\det A\neq0
$$

です。行列式が \(0\) でなければ、独立な方向が失われておらず、変換を元に戻せます。一方、行列式が \(0\) なら、変換によって情報が失われるため、逆行列は存在しません。

4.3.連立方程式は変換の逆問題として考えられる

連立一次方程式は、

$$
A\boldsymbol{x}=\boldsymbol{b}
$$

と表せます。これは、「どのベクトル \(\boldsymbol{x}\) を行列 \(A\) で変換すると、\(\boldsymbol{b}\) になるのか」を調べる問題です。

逆行列が存在すれば、

$$
\boldsymbol{x}=A^{-1}\boldsymbol{b}
$$

によって解を求められます。また、クラメルの公式では行列式の比を使って解を求め、掃き出し法では行基本変形によって方程式を簡単な形にします。

さらに、ランクと零空間を調べることで、逆行列が存在しない場合も含めて、解が存在するか、解が一意に決まるか、自由度がいくつあるかを判断できます。

つまり、行列式・逆行列・ランク・零空間は、線形変換がどれだけ情報を保ち、連立方程式がどのような解を持つかを調べる概念なのです。

▶ 行列式・逆行列・連立方程式のつながりを詳しく理解したい
行列式・逆行列・連立方程式の全体像|行列を使って方程式を解く仕組み
行列式・逆行列・連立方程式の関係を、具体例と図でわかりやすく解説します。クラメルの公式や掃き出し法、ランク、零空間の役割を整理し、解の存在・一意性・自由度がどのように決まるのかを、線形代数の仕組みから理解します。

5.内積・外積|ベクトルの角度・面積・距離を調べる

ここまでは、ベクトル空間の構造や線形写像の働きを中心に考えてきました。次は、ベクトル同士の幾何学的な関係に注目します。そこで登場するのが、内積と外積です。

5.1.内積は角度と影を表す

零ベクトルでない2本のベクトル \(\boldsymbol{a},\boldsymbol{b}\) のなす角を \(\theta\) とすると、内積は、

$$
\boldsymbol{a}\cdot\boldsymbol{b}
=\|\boldsymbol{a}\|\,\|\boldsymbol{b}\|\cos\theta
$$

と表されます。この式は、2本のベクトルの長さと角度を結びつけています。また、内積は、一方のベクトルをもう一方の方向に射影したときの符号付きの長さに、射影先のベクトルの長さを掛けたものとしても理解できます。

標準的な直交座標系では、

$$
\boldsymbol{a}\cdot\boldsymbol{b}
=\boldsymbol{a}^{T}\boldsymbol{b}
$$

と計算できます。つまり、幾何学的な角度や影を、行列の掛け算によって求められるのです。

5.2.外積は面積と垂直な向きを表す

3次元の2本のベクトルの外積は、

$$
\boldsymbol{a}\times\boldsymbol{b}
$$

というベクトルです。

その大きさは、

$$
\|\boldsymbol{a}\times\boldsymbol{b}\|
=\|\boldsymbol{a}\|\,\|\boldsymbol{b}\|\sin\theta
$$

であり、2本のベクトルが作る平行四辺形の面積を表します。外積が零ベクトルでない場合、その向きは2本のベクトルの両方に垂直です。そのため、外積を使うと、平面に垂直な法線ベクトルを求められます。

5.3.直線と平面もベクトルで表せる

直線は、基準となる点 \(\boldsymbol{p}\) と、零ベクトルでない方向ベクトル \(\boldsymbol{a}\) を使って、

$$
\boldsymbol{x}=\boldsymbol{p}+t\boldsymbol{a}
$$

と表せます。

また、3次元の平面は、線形独立な2本の方向ベクトル \(\boldsymbol{a},\boldsymbol{b}\) を使って、

$$
\boldsymbol{x}
=\boldsymbol{p}+s\boldsymbol{a}+t\boldsymbol{b}
$$

と表せます。ここにも、Part 1で学んだ線形結合と線形独立が登場しています。さらに、法線ベクトルと内積を使えば、直線や平面の方程式、点からの最短距離も求められます。

5.4.行列式は点の位置関係も判定できる

行列式は、Part 4で学んだ逆行列の存在判定だけでなく、幾何学的な位置関係の判定にも使えます。

たとえば、2次元で3点が同一直線上にあるかどうかは、2本の方向ベクトルを並べた行列式が \(0\) になるかで判定できます。同様に、3次元で4点が同一平面上にあるかどうかも、3本の方向ベクトルを並べた行列式で判定できます。

これは、行列式が \(0\) になると、平行四辺形の面積や平行六面体の体積が \(0\) になり、独立な方向が失われるからです。

内積は角度や影、外積は面積と向き、行列式は空間の広がりを調べる。

このように考えると、それぞれの役割とつながりが見えてきます。

▶ 内積・外積・直線・平面のつながりを詳しく理解したい
ベクトルの内積・外積とは何か?|角度・面積から直線・平面までを理解する
余弦定理から内積、法線ベクトル、直線・平面、距離までのつながりを図解。角度・影・垂直・方向という視点から、バラバラに見える公式や考え方をひとつの流れとしてわかりやすく整理します。

6.一つの行列で線形代数のつながりを理解する

ここまで、空間・基底・線形写像・行列式・内積について学んできました。これらが別々の話ではないことを、一つの例で確認しましょう。次の行列を考えます。

$$
A=
\begin{pmatrix}
2&0\\
0&1
\end{pmatrix}
$$

6.1.基底ベクトルをどのように変換するのか

標準基底を、

$$
\boldsymbol{e}_1=
\begin{pmatrix}1\\0\end{pmatrix},
\quad
\boldsymbol{e}_2=
\begin{pmatrix}0\\1\end{pmatrix}
$$

とすると、

$$
A\boldsymbol{e}_1=
\begin{pmatrix}2\\0\end{pmatrix},
\quad
A\boldsymbol{e}_2=
\begin{pmatrix}0\\1\end{pmatrix}
$$

です。つまり、1本目の基底ベクトルは2倍に伸び、2本目は変わりません。任意のベクトルは基底の線形結合で表せるため、基底ベクトルがどのように変換されるかがわかれば、空間全体の変換を理解できます。

6.2.行列式は面積の変化を表す

この行列の行列式は、

$$
\det A=2
$$

です。したがって、平面上の面積は2倍になります。また、行列式が \(0\) ではないため、逆行列が存在します。

$$
A^{-1}=
\begin{pmatrix}
1/2&0\\
0&1
\end{pmatrix}
$$

これを掛ければ、横方向に2倍した変換を元に戻せます。ここまでの計算を、図で確認してみましょう。

行列Aによって単位正方形が横方向に2倍に伸び、面積が2倍になる線形変換

変換前の単位正方形は、2本の標準基底ベクトルが作る面積1の図形です。行列 \(A\) を作用させると、横方向に2倍に伸びた面積2の長方形になります。これは、\(\det A=2\) という計算結果と一致します。

ただし、この変換では、すべての方向が同じ倍率で伸びるわけではありません。図に示した2本のベクトル \(\boldsymbol{u},\boldsymbol{v}\) も、変換前は垂直でしたが、変換後には垂直ではなくなっています。

つまり、行列式によって面積の倍率はわかりますが、ベクトル同士の角度が保たれるとは限りません。このことを、第6.4節で内積を使って確かめます。

6.3.像と核から変換の性質がわかる

この行列は2本の独立な方向を保っているため、

$$
\operatorname{rank}(A)=2
$$

です。

また、

$$
A\boldsymbol{x}=\boldsymbol{0}
$$

を満たすのは零ベクトルだけなので、

$$
\ker A=\{\boldsymbol{0}\}
$$

となります。つまり、像は2次元の平面全体であり、核の次元は \(0\) です。

次元定理も、

$$
2+0=2
$$

となって成り立っています。

6.4.内積から角度の変化も調べられる

次の2本のベクトルを考えます。

$$
\boldsymbol{u}=
\begin{pmatrix}1\\1\end{pmatrix},
\quad
\boldsymbol{v}=
\begin{pmatrix}1\\-1\end{pmatrix}
$$

変換前の内積は、

$$
\boldsymbol{u}\cdot\boldsymbol{v}
=1-1=0
$$

なので、2本は垂直です。

しかし、行列 \(A\) で変換すると、

$$
A\boldsymbol{u}=
\begin{pmatrix}2\\1\end{pmatrix},
\quad
A\boldsymbol{v}=
\begin{pmatrix}2\\-1\end{pmatrix}
$$

となり、その内積は、

$$
(A\boldsymbol{u})\cdot(A\boldsymbol{v})
=4-1=3
$$

です。つまり、変換後の2本は垂直ではありません。この例から、行列 \(A\) は面積を2倍にする一方で、一般には角度を保たないことがわかります。

同じ行列でも、基底を見るとベクトルの動かし方がわかり、行列式を見ると面積の変化がわかります。像・核・ランクを見ると独立な方向が保たれるかがわかり、内積を見ると角度の変化まで調べられます。

このように、線形代数のさまざまな概念は、同じ線形変換を異なる視点から調べるために使われています。

7.線形代数の学習マップ|Part 1〜7をどう学ぶか

ここまでの内容を、シリーズ全体の学習順に整理しましょう。

Part 1|ベクトル空間の基礎

線形結合・線形独立・基底・次元

ベクトルを組み合わせて、どのような空間を作れるのかを学びます。空間を構成するために必要な独立した方向を見つけ、基底と次元の意味を理解します。

ベクトル空間とは何か?|線形結合・線形独立・基底・次元のつながりを理解する
ベクトル空間とは何か?線形結合・線形独立・基底・部分空間・次元という6つの概念のつながりを、直線や平面の具体例と図でわかりやすく解説します。ベクトルを組み合わせて空間を作る仕組みから、基底の本数が次元になる理由まで整理。線形代数の基礎を学ぶ順番と個別記事も紹介します。

Part 2|座標と基底変換

座標・基底変換・基底変換行列

基底を決めるとベクトルを数値で表せることを学びます。同じベクトルでも基底によって座標が変わる理由と、その関係を行列で計算する方法を理解します。

座標と基底変換の仕組みを理解する|ベクトルの表し方と行列の関係
座標はなぜ基底によって変わるのか?基底と座標の関係から、基底変換行列と逆行列による座標変換まで、同じベクトルを使った具体例でわかりやすく解説します。

Part 3|線形写像と行列

線形写像・表現行列・行列の積・像・核・ランク

行列がベクトルをどのように変換するのかを学びます。さらに、変換によって作られる空間や、零ベクトルに移る方向を調べ、次元定理まで理解します。

線形写像と行列の全体像|像・核・ランクから行列の意味を理解する
線形写像と行列の関係を図でわかりやすく解説。基底ベクトルの変換から行列の掛け算、像・核・ランク・次元定理までを整理し、行列が表す意味と線形代数の各概念のつながりを理解します。

Part 4|行列式・逆行列・連立方程式

行列式・逆行列・クラメルの公式・掃き出し法・同次線形方程式

変換によって面積や体積がどのように変化するのかを学びます。また、変換を元に戻せる条件や、連立方程式の解の存在・一意性・自由度を理解します。

行列式・逆行列・連立方程式の全体像|行列を使って方程式を解く仕組み
行列式・逆行列・連立方程式の関係を、具体例と図でわかりやすく解説します。クラメルの公式や掃き出し法、ランク、零空間の役割を整理し、解の存在・一意性・自由度がどのように決まるのかを、線形代数の仕組みから理解します。

Part 5|内積・外積・直線・平面

余弦定理・内積・外積・方向ベクトル・法線ベクトル・距離

ベクトルの長さ・角度・面積・向きを調べる方法を学びます。さらに、直線や平面をベクトルで表し、距離や点の位置関係を調べます。

ベクトルの内積・外積とは何か?|角度・面積から直線・平面までを理解する
余弦定理から内積、法線ベクトル、直線・平面、距離までのつながりを図解。角度・影・垂直・方向という視点から、バラバラに見える公式や考え方をひとつの流れとしてわかりやすく整理します。

Part 6|射影・直交化(準備中)

射影・直交射影・直交補空間・射影行列・正規直交基底

Part 5で学んだ内積の「影」という考え方を発展させ、ベクトルを直線や部分空間へ射影する方法を学びます。さらに、グラム・シュミットの直交化や直交行列へと進みます。

Part 7|固有値・対角化・PCA(準備中)

固有値・固有ベクトル・対角化・対称行列・主成分分析

行列による変換の中で、変換後も元のベクトルと同じ直線上にあるベクトルに注目します。固有値と固有ベクトルの意味から対角化を理解し、主成分分析(PCA)へとつなげます。

8.線形代数はAIや3D幾何でどう使われるのか?

線形代数は、数学の中だけで完結するものではありません。AI、画像処理、3D幾何、ロボティクスなど、さまざまな分野で使われています。たとえば、ニューラルネットワークでは、入力ベクトルに重み行列を掛けてデータを変換します。

$$
\boldsymbol{z}=W\boldsymbol{x}+\boldsymbol{b}
$$

この式の \(W\boldsymbol{x}\) は線形写像を表し、バイアス \(\boldsymbol{b}\) を加えた全体はアフィン変換です。また、3D幾何では、回転行列によってベクトルの向きを変え、内積や外積によって角度・法線・距離を計算します。

さらに、射影はカメラや最小二乗法に、固有値や固有ベクトルはデータの主要な方向を見つけるPCAなどにつながります。

線形代数は、多数の数値をまとめて計算するための道具であると同時に、空間や変換の性質を理解するための言葉なのです。

まとめ

今回は、線形代数のPart 1〜5で学んだ内容をつなぎ、全体像を整理しました。

  • 線形結合によってベクトルを組み合わせ、線形独立・基底・次元によって空間の構造を理解できる。
  • 基底を決めるとベクトルを座標で表せる。基底を変えると、同じベクトルでも座標が変わる。
  • 線形写像は線形結合を保つ変換であり、基底を選ぶことで行列として表せる。
  • 像・核・ランクは、変換によって残る方向や零ベクトルにつぶれる方向を表す。
  • 行列式は符号付きの面積・体積の拡大率を表し、正方行列の逆行列の存在とも関係する。
  • 逆行列・クラメルの公式・掃き出し法・ランクによって、連立方程式の解を調べられる。
  • 内積・外積を使うと、ベクトルの角度・影・面積・向き・距離を調べられる。
  • 射影・直交化・固有値・対角化へ進むことで、線形代数の考え方をさらに広げられる。

線形代数を理解するうえで大切なのは、公式を別々に覚えることではありません。「ベクトルを組み合わせて空間を作る」「基底で表す」「行列で変換する」「変換や幾何学的な関係を調べる」という流れをつかむことです。この視点を持つと、線形代数のさまざまな概念が一つにつながって見えてきます。

関連書籍

線形代数をさらに深く学びたい人には、ベクトル空間・線形写像・行列式・内積などを体系的に解説した書籍も参考になります。公式の計算だけでなく、概念の意味やつながりを意識して読み進めると、理解が深まります。

理工学の基礎「線形代数」に心震える | 佐藤 敏明 |本 | 通販 | Amazon
Amazonで佐藤 敏明の理工学の基礎「線形代数」に心震える。アマゾンならポイント還元本が多数。佐藤 敏明作品ほか、お急ぎ便対象商品は当日お届けも可能。また理工学の基礎「線形代数」に心震えるもアマゾン配送商品なら通常配送無料。
キーポイント線形代数 (理工系数学のキーポイント 2) | 薩摩 順吉, 四ツ谷 晶二 |本 | 通販 | Amazon
Amazonで薩摩 順吉, 四ツ谷 晶二のキーポイント線形代数 (理工系数学のキーポイント 2)。アマゾンならポイント還元本が多数。薩摩 順吉, 四ツ谷 晶二作品ほか、お急ぎ便対象商品は当日お届けも可能。またキーポイント線形代数 (理工系数...
プログラミングのための線形代数 | 平岡 和幸, 堀 玄 |本 | 通販 | Amazon
Amazonで平岡 和幸, 堀 玄のプログラミングのための線形代数。アマゾンならポイント還元本が多数。平岡 和幸, 堀 玄作品ほか、お急ぎ便対象商品は当日お届けも可能。またプログラミングのための線形代数もアマゾン配送商品なら通常配送無料。
数学
スポンサーリンク
toshi

京都市在住のエンジニア。読書好きが高じてブログを始め、現在は数学やAI・ソフトウェアを中心に、おすすめの小説についても記事を書いています。

toshiをフォローする
シェアする
toshiをフォローする

コメント

タイトルとURLをコピーしました