線形代数の基礎：概念と応用を理解する
線形代数は、ベクトル理論や、減算、加算、スカラー乗算などの演算を扱う数学の一分野です。また、行列、ベクトル空間、線形変換も扱います。これらの概念は複雑に思えるかもしれませんが、線形代数は科学、工学、経済学、技術など、様々な分野で実用的な応用例があります。この記事では、ベクトル、行列、ベクトル空間の紹介を含め、線形代数の基礎について解説します。
1. ベクトル入門
ベクトル定義
ベクトルとは、方向と大きさの両方を持つ量のことです。線形代数の文脈では、ベクトルは通常、数値のリスト（または配列）として表され、2次元、3次元、あるいはそれ以上の次元になることもあります。例えば、2次元空間におけるベクトルは次のように表すことができます。
\[ \mathbf{v} = \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} \]
ここで、\( v_1 \) と \( v_2 \) はベクトル \(\mathbf{v}\) の成分です。
ベクトルの基本演算
– ベクトル加算:
2つのベクトル \(\mathbf{v} = \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} \) と \(\mathbf{w} = \begin{pmatrix} w_1 \\ w_2 \end{pmatrix}\) があるとします。ベクトルの加算は、それぞれの成分を足し合わせることで行います。
\[ \mathbf{v} + \mathbf{w} = \begin{pmatrix} v_1 + w_1 \\ v_2 + w_2 \end{pmatrix} \]
– スカラー乗算:
スカラー乗算とは、スカラー（実数）をベクトルの各成分に乗算する演算です。スカラー \(k\) をベクトル \(\mathbf{v} = \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} \) に乗算すると、結果は次のようになります。
\[ k \mathbf{v} = \begin{pmatrix} k v_1 \\ k v_2 \end{pmatrix} \]
2. 行列
行列の定義
行列とは、行と列からなる数値の長方形の配置のことです。m行n列の行列Aは、次のように表すことができます。
\[ A = \begin{pmatrix}
a_{11}&a_{12}&\cdots&a_{1n}\\
a_{21}&a_{22}&\cdots&a_{2n}\\
\vdots & \vdots & \ddots & \vdots \\
a_{m1} & a_{m2} & \cdots & a_{mn}
\end{pmatrix} \]
行列の基本演算
– 行列加算：
同じサイズの2つの行列\(A\)と\(B\)は、対応する要素を加算することで足し合わせることができます。
\[ (A + B)_{ij} = A_{ij} + B_{ij} \]
– 行列の乗算:
2つの行列の乗算は、行列 \(A\) の行の要素と、対応する行列 \(B\) の列の要素の積を足し合わせることによって行われます。 \(A\) が \(m \times n\) 行列で、\(B\) が \(n \times p\) 行列であるとすると、積 \(C = AB\) は、要素 \(C_{ij}\) を持つ \(m \times p\) 行列になります。
\[ C_{ij} = \sum_{k=1}^{n} A_{ik} B_{kj} \]
– スカラー乗算:
ベクトルと同様に、スカラー \(k\) は行列 \(A\) の各要素に乗算できます。
\[ (kA)_{ij} = k \cdot A_{ij} \]
行列式と逆行列
– 決定要因:
行列式は、行列が可逆であるかどうか（逆行列を持つかどうか）など、行列の特定の性質に関する情報を提供するスカラーです。行列 \(2 \times 2\) の場合：
\[ \text{det}(A) = \begin{vmatrix}
a_{11} & a_{12} \\
a_{21} & a_{22}
\end{vmatrix} = a_{11}a_{22} – a_{12}a_{21} \]
– 逆行列:
\(A\)の逆行列\(A^{-1}\)は、\(A\)に掛けると単位行列\(I\)になる行列です。
\[ AA^{-1} = A^{-1} A = I \]
行列が逆行列を持つための条件は、その行列式がゼロでないことである。
3. ベクトル空間
ベクトル空間の定義
ベクトル空間とは、加法やスカラー乗法に関する閉包性など、特定の公理を満たすベクトルの集合のことです。ベクトル空間は、数列、多項式、連続関数などから構成できます。
ベースと寸法
ベクトル空間の基底とは、ベクトル空間全体を張る線形独立なベクトルの集合のことです。ベクトル空間の次元は、基底に含まれるベクトルの数です。例えば、空間 \(\mathbb{R}^2\) は、\(\mathbf{e_1} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) および \(\mathbf{e_2} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\) である基底 \(\{\mathbf{e_1}, \mathbf{e_2}\}\) を持ち、次元は 2 です。
4. 線形変換
線形変換の定義
線形変換とは、2つのベクトル空間間の関数であり、元の空間におけるベクトルの加算とスカラー乗算を、変換後の空間におけるベクトルの加算とスカラー乗算に写像するものです。 \(T\) を線形変換とし、\(\mathbf{v}\) と \(\mathbf{w}\) を元の空間のベクトル、\(c\) をスカラーとすると、次のようになります。
\[ T(\mathbf{v} + \mathbf{w}) = T(\mathbf{v}) + T(\mathbf{w}) \]
\[ T(c \mathbf{v}) = c T(\mathbf{v}) \]
線形変換の行列表現
ベクトル空間 \(\mathbb{R}^n\) から \(\mathbb{R}^m\) への任意の線形変換は、行列 \(m \times n\) を用いて表現できます。 \(A\) を線形変換 \(T\) を表す行列とし、\(\mathbf{v}\) を \(\mathbb{R}^n\) のベクトルとすると、変換 \(T(\mathbf{v})\) は行列の乗算として記述できます。
\[ T(\mathbf{v}) = A \mathbf{v} \]
固有空間と固有値
線形代数における固有空間は、固有ベクトルによって生成される部分空間です。固有ベクトルとは、線形変換後も方向が変わらないベクトルのことです。A が正方行列で、v がゼロでないベクトルである場合、次の条件が成り立ちます。
\[ A \mathbf{v} = \lambda \mathbf{v} \]
すると、\(\mathbf{v}\) は固有ベクトルであり、\(\lambda\) は固有値である。
線形代数の応用
線形代数は、さまざまな分野で多くの実用的な応用例がある。
1. 工学分野：電気回路解析、信号処理、システム制御などで使用される。
2. コンピュータ分野：線形代数は、コンピュータグラフィックス、機械学習、画像処理で使用されます。
3. 科学分野において：遺伝子マッピング、量子物理学、統計学は線形代数の概念を幅広く利用している。
4. 経済学の分野では、経済学における投入産出分析は、経済部門間の関係をモデル化するために行列を使用します。
線形代数に関するしっかりとした基礎知識があれば、様々な分野における問題を分析し解決する能力を身につけることができる。
