線形代数 いろはカルタ【詳細解説版】
【い】 読み札: いちじ独立なベクトルたち、空間の骨格を成す基底の候補 絵札のイメージ: まっすぐに立つ何本かの柱。どの柱も他の柱に寄りかかっていない様子。 詳細解説: 「線形独立（一次独立）」とは、ベクトルたちが互いに「しがらみのない関係」にあることを指す、線形代数で最も根源的な概念の一つです。具体的には、ベクトルの組 {v₁, v₂, …, vₖ} が線形独立であるとは、「c₁v₁ + c₂v₂ + … + cₖvₖ = 0」という方程式を満たすスカラーの組が、自明な解 c₁=c₂=…=cₖ=0 しか存在しないことを言います。 これは、「どのベクトルも、他の残りのベクトルたちの線形結合（足し算やスカラー倍）では絶対に表現できない」ということを意味します。もし一つでも他のベクトルで表現できてしまうと、それは冗長な（redundant）ベクトルであり、空間を張る上で「余分な」情報となってしまいます。 線形独立なベクトルたちは、それぞれが空間の「新しい方向」を指し示しています。これらが空間全体を生成（span）するとき、そのベクトルの組は「基底」となり、その空間の次元を決定します。つまり、線形独立性は、あるベクトル空間の骨格を成すための、最も基本的な資格なのです。
【ろ】 読み札: ろう・オペレーションの嵐吹く、掃き出し法で真の姿へ 絵札のイメージ: 行列の行が竜巻のように入れ替わったり、混ざり合ったりして、最終的に綺麗な階段状に整列する様子。 詳細解説: 「行基本変形（Row Operation）」、通称「掃き出し法」は、一見すると地味な計算テクニックですが、その実態は、複雑に絡み合った連立一次方程式や行列の「本質的な構造」を暴き出す、極めて強力な錬金術です。その操作は以下の３つに限られます。
- ある行を0でない定数でスカラー倍する。
- ２つの行を入れ替える。
- ある行の定数倍を、別の行に加える。 なぜこの３つなのか？ それは、これらの操作が連立方程式の解を変えない、すなわち「同値性」を保つ操作だからです。この操作を繰り返すことで、どんな行列も「行階段形（Row Echelon Form）」や、さらに単純な「行既約階段形（Reduced Row Echelon Form）」へと変形できます。 この最終形態を見れば、連立方程式の解が存在するか（解を持つか）、解は一意か無数か、そしてその行列の「ランク（階数）」が一目瞭然となります。掃き出し法は、単に答えを出す計算ではなく、行列という対象に隠された情報を、誰の目にも明らかな形へと「翻訳」するプロセスなのです。コンピュータによる数値解析の現場では、今なおこのアルゴリズムが中核を担っています。
【は】 読み札: はんてい不能か、ただ一つの解か。行列式が知る逆行列の運命 絵札のイメージ: 裁判官が行列式（Determinant）と書かれたハンマーを振り下ろす。「det(A)≠0、よって逆行列は存在する！」と宣言している。 詳細解説: 「行列式（Determinant）」は、正方行列に付随するただ一つのスカラー値ですが、その値には行列の性質に関する驚くほど多くの情報が凝縮されています。その最も重要な役割が、「逆行列の存在判定」です。 det(A) ≠ 0 ⇔ 行列Aは正則であり、逆行列A⁻¹が存在する。 この関係は絶対です。なぜでしょうか？幾何学的に考えると、n×n行列Aが行う線形変換は、n次元空間の「体積」を |det(A)| 倍に変化させます。もし det(A) = 0 ならば、それは体積が0に潰れてしまうこと、つまり、次元が下がってしまうこと（例：3D空間が平面に押しつぶされる）を意味します。一度潰れてしまった情報を元に戻すことは不可能なため、逆変換、すなわち逆行列は存在しないのです。 逆に det(A) ≠ 0 であれば、変換は潰れることなく、一対一の対応を保ちます。そのため、必ず元に戻す逆変換が存在します。連立方程式 Ax=b において、det(A)≠0 ならば、解は x = A⁻¹b としてただ一つに定まります。行列式は、線形変換が「可逆的」か「不可逆的」かという、その本質的な運命を告げる審判なのです。
【に】 読み札: にじ形式、固有値の符号見て判定、正定値の山か鞍点か 絵札のイメージ: グラフが、全ての方向に登っているお椀型（正定値）の山と、ある方向には登り、別の方向には下っている馬の鞍（不定値）の形に分かれている。 詳細解説: 「二次形式」とは、f(x, y) = ax² + bxy + cy² のように、変数の二次の項のみからなる多変数関数です。これは対称行列 xᵀAx を使って表現でき、その性質は係数行列Aの固有値によって完全に決定されます。
- 全ての固有値が正 (>0): この二次形式は正定値と呼ばれ、そのグラフは原点でのみ最小値0をとる、上向きに開いたお椀のような形（多次元の放物面）になります。これは最適化問題における「安定した谷底」に対応します。
- 全ての固有値が負 (<0): 負定値と呼ばれ、グラフは下向きに開いたお椀型になります。
- 正と負の固有値が混在: この場合、グラフは馬の鞍のような形をした「鞍点（Saddle Point）」を原点に持ちます。ある方向に見れば谷底ですが、別の方向に見れば山の頂上という、不安定な状態です。
- 0の固有値を含む（が、0でないものもある）: 半正定値または半負定値となり、谷底が点ではなく、直線や平面に広がったような形になります。 この判定は、物理学におけるポテンシャルエネルギーの安定性解析、統計学における分散共分散行列の性質、機械学習におけるヘッセ行列を用いた極値判定など、関数の局所的な振る舞いを分析する上で不可欠なツールです。二次形式と固有値の関係は、代数と幾何学が美しく結びつく典型例と言えます。
【ほ】 読み札: ほ空間との直和で全空間、パズルのピースのように嵌まる 絵札のイメージ: ある形（部分空間V）のジグソーパズルのピースに、ぴったりと合うもう一つのピース（補空間W）が嵌まり、元の四角い形（全空間）が完成する様子。 詳細解説: あるベクトル空間Wの中に、より小さなベクトル空間V（部分空間）があるとき、「補空間（Complementary Subspace）」とは、Vと「コンビを組んで」元の空間Wを復元する相方のような存在です。 厳密には、Vの補空間Uは、以下の2つの条件を満たす部分空間です。
- V ∩ U = {0}: VとUの共通部分は、ゼロベクトルのみ。互いに「重なり」がないこと。
- V + U = W: VのベクトルとUのベクトルを足し合わせると、Wの全てのベクトルを表現できる。これを「VとUの直和」と呼び、W = V ⊕ U と書きます。 これは、全空間Wの任意のベクトルwが、w = v + u (v∈V, u∈U) という形で一意に分解できることを保証します。 例えば、3次元空間において、「xy平面」は一つの部分空間Vです。このとき、「z軸」がその補空間Uの一例となります。xy平面上のベクトルとz軸上のベクトルは共通部分が原点しかなく、この２つを合わせれば3次元空間全体を表現できます。 ただし、補空間の取り方は一意ではありません。xy平面の補空間はz軸だけでなく、斜めの直線でも構いません。しかし、次元だけは dim(W) = dim(V) + dim(U) という関係が常に成り立ちます。この直和分解の考え方は、空間をより単純な構成要素に分解して理解するための、非常に強力な視点を提供します。
【こ】 読み札: このうちだけは向き変えぬ、変換の軸なる固有ベクトル 絵札のイメージ: たくさんの矢印（ベクトル）が線形変換によってバラバラな方向を向く中、一本だけ色違いの矢印が、向きを変えずにただ伸び縮みだけしている様子。 詳細解説: 「固有ベクトル（Eigenvector）」は、線形代数の物語における紛れもない主人公です。行列Aが表す線形変換を施したとき、ほとんどのベクトルは向きを変えられてしまいますが、固有ベクトルxだけは特別扱いです。変換後も向きを変えず、ただ自身の定数倍（スカラーλ倍）になるだけなのです。 Ax = λx このλが「固有値」です。“Eigen”はドイツ語で「固有の」を意味し、まさにその変換に「固有の」性質を表しています。固有ベクトルはその変換の「不動軸」や「安定な方向」を示し、固有値はその方向への「拡大・縮小率」を示します。 例えば、地球の自転という線形変換を考えたとき、地軸上のベクトルは向きを変えません。これが固有ベクトル（固有値は1）です。橋や建物の振動を解析する際には、特定のパターン（モード）で振動し、その形を崩さない「固有振動モード」が現れます。これが固有ベクトルであり、その振動数が固有振動数（固有値に関連）です。 Googleのページランクアルゴリズムでは、ウェブページのリンク構造を表す巨大な行列の、主要な固有ベクトルを計算することで、各ページの重要度を決定しています。固有ベクトルは、複雑なダイナミクスの中に潜む、最も本質的で不変な構造を抽出するための、最強の鍵なのです。