大学数学の登竜門として知られる「線形代数」。
「高校数学と何が違うの？」「行列やベクトルって何のために学ぶの？」「英語では何と言うの？」と戸惑う方も多いでしょう。
本記事では、線形代数の意味・主要な概念・高校数学との違いから、英語表記・実際の応用まで、初心者にもわかりやすく解説していきます。
数学が苦手な方でも理解できるよう、具体例を交えながら丁寧に説明しますので、ぜひ最後までご覧ください。
線形代数とは？その意味と学ぶ目的
それではまず、線形代数の基本的な意味と学ぶ目的について解説していきます。
線形代数（Linear Algebra）とは、ベクトル・行列・線形変換・線形空間を中心に扱う数学の分野です。
英語では「Linear Algebra」と表記し、「リニアアルゲブラ」と読みます。
線形代数は大学理工系学部の1〜2年次に学ぶ必修科目として位置づけられることが多く、物理・情報・工学・経済など幅広い分野の基礎となります。
線形代数で主に扱う概念は次のとおりです。
| 概念 | 内容の概要 |
|---|---|
| ベクトル | 大きさと方向を持つ量、n個の数の組 |
| 行列 | 数を縦横に並べた配列、線形変換を表現 |
| 線形変換 | ベクトルを別のベクトルに変換する線形な写像 |
| 連立一次方程式 | 複数の一次方程式をまとめて解く |
| 固有値・固有ベクトル | 線形変換の特別な方向と大きさ |
| 内積・外積 | ベクトル同士の演算 |
線形代数はデータサイエンス・機械学習・物理・工学のあらゆる場面で活躍する「理系の共通言語」とも言えるでしょう。
高校数学との違い
高校数学でもベクトルや行列（旧課程）を学ぶ機会がありますが、大学の線形代数はより抽象的・体系的な内容になります。
高校では「2次元・3次元の具体的なベクトル計算」が中心ですが、大学の線形代数では「n次元の一般的なベクトル空間」を扱います。
高校では「2×2行列や3×3行列」を扱いますが、大学では「一般のm×n行列」の理論を体系的に学びます。
最大の違いは、「なぜそうなるのか」という証明・定義・定理の体系を重視することでしょう。
高校数学が「計算の仕方」を学ぶのに対し、大学の線形代数は「構造の理解」を目指します。
行列の基本演算
線形代数の中心的な道具となる「行列」の基本演算を確認しましょう。
行列の主な演算には、加法・スカラー倍・行列の積・転置・逆行列などがあります。
【行列の積の計算例】
A = [[1, 2], [3, 4]], B = [[5, 6], [7, 8]] のとき
AB = [[1×5+2×7, 1×6+2×8], [3×5+4×7, 3×6+4×8]]
= [[19, 22], [43, 50]]
行列の積は「左行列の行」と「右行列の列」の内積をとって計算します。
行列の積は一般に交換法則が成り立たない（AB ≠ BA）ことに注意が必要です。
線形変換とは何か
線形変換とは、ベクトルを別のベクトルに変換する写像のうち、線形性（加法性と斉次性）を満たすものです。
任意の線形変換は行列によって表現できるため、行列は線形変換の「表現ツール」という見方が重要です。
たとえば、2次元平面上での「回転」「反射」「拡大・縮小」「せん断」はすべて行列で表現できます。
コンピュータグラフィックス（CG）では、3D空間内の物体の変換（移動・回転・スケール）に行列による線形変換が使われています。
連立一次方程式と行列
続いては、線形代数の重要な応用である「連立一次方程式の行列による表現」を確認していきます。
連立一次方程式の行列表現
連立一次方程式は行列を使ってコンパクトに表現できます。
【連立一次方程式の行列表現】
2x + y = 5
x + 3y = 7
↓ 行列で表すと
[[2, 1], [1, 3]] × [x, y] = [5, 7]
Ax = b の形
このように、連立方程式を Ax = b という形に表現することで、ガウス消去法・逆行列・クラメールの公式などを使って系統的に解くことができます。
行列を使った連立方程式の解法は、大規模なシステムの計算にも適用可能です。
行列式（det）とは
行列式（determinant、det）は正方行列に対して定義されるスカラー値です。
2×2行列 A = [[a, b], [c, d]] の場合、det(A) = ad – bc となります。
行列式の主な役割は次のとおりです。
det(A) ≠ 0 の場合、行列 A は可逆（逆行列が存在する）です。
det(A) = 0 の場合、行列 A は特異（逆行列が存在しない）で、対応する連立方程式は一意な解を持ちません。
幾何学的には、行列式は線形変換によってn次元の体積がどれだけ拡大・縮小されるかの係数を表します。
固有値と固有ベクトル
線形代数の中でも特に重要な概念が「固有値（eigenvalue）」と「固有ベクトル（eigenvector）」です。
行列 A に対し、Av = λv を満たす非零ベクトル v を固有ベクトル、スカラー λ を固有値と呼びます。
固有ベクトルは「線形変換によって方向が変わらないベクトル」を意味し、固有値はその変換による伸縮の倍率を表します。
主成分分析（PCA）・振動解析・量子力学・Google PageRankなど、多くの応用で固有値・固有ベクトルが活躍しています。
線形代数の実際の応用
続いては、線形代数が実際にどのような分野で活用されているかを確認していきます。
機械学習・データサイエンスでの活用
機械学習・データサイエンスは線形代数の応用の宝庫です。
ニューラルネットワークの順伝播・逆伝播はすべて行列演算として実装されます。
主成分分析（PCA）は共分散行列の固有値分解として定式化されます。
特異値分解（SVD）はデータの圧縮・推薦システム・自然言語処理などに幅広く使われます。
線形代数の理解なしに機械学習を深く学ぶことは難しいと言えるでしょう。
コンピュータグラフィックスでの活用
3Dグラフィックスや画像処理でも線形代数は不可欠です。
3D空間内の物体の移動・回転・スケール変換は4×4の同次変換行列で表現されます。
OpenGLやDirectXなどのグラフィックスAPIでは、行列演算がコアコンセプトとして使われています。
アニメーションの補間・カメラの投影変換・法線ベクトルの変換なども線形代数の応用です。
物理・工学での活用
物理・工学でも線形代数は広く使われています。
量子力学では量子状態をベクトル、物理量を行列（演算子）として表現するため、線形代数は量子力学の言語そのものです。
構造力学・電気回路・制御理論・信号処理でも行列や固有値が重要な役割を果たします。
Google検索のPageRankアルゴリズムも、ウェブページ間のリンク関係を行列で表し、その固有ベクトルを計算したものです。
線形代数は現代のテクノロジーの根幹を支える数学と言っても過言ではないでしょう。
まとめ
本記事では、線形代数の意味・主要概念・高校数学との違い・英語表記・連立方程式・固有値・実際の応用まで幅広く解説しました。
線形代数はベクトル・行列・線形変換・線形空間を中心に扱う数学の分野であり、機械学習・物理・工学・CG など多くの分野の基礎となります。
高校数学との大きな違いは、n次元の抽象的な空間を扱い、証明・定理の体系を重視する点です。
線形代数をしっかりとマスターすることは、理工系の学習や実務に計り知れない恩恵をもたらすでしょう。
ぜひ本記事を出発点に、行列・ベクトル・線形変換の理解を深めてみてください。
