1 定義
線形独立は、有限個または無限個の要素からなる集合に対して定義される。対象はベクトルに限られず、関数や多項式、行列の並びなど、線形結合が意味をもつさまざまな場面に及ぶ。核となる考え方は、各要素が他の要素の組み合わせによって表されないかどうかである。
1.1 線形結合
線形結合とは、与えられた要素にスカラーを掛け、その和を取って作る表現をいう。たとえば、ベクトル \(v_1, v_2, \dots, v_n\) に対して、係数 \(a_1, a_2, \dots, a_n\) を用いた \[ a_1v_1 + a_2v_2 + \cdots + a_nv_n \] の形がこれに当たる。係数が実数、複素数などどの数体系に属するかは、扱うベクトル空間によって定まる。
1.2 線形独立の定義
要素 \(v_1, v_2, \dots, v_n\) が線形独立であるとは、 \[ a_1v_1 + a_2v_2 + \cdots + a_nv_n = 0 \] を満たすとき、係数がすべて \(a_1=a_2=\cdots=a_n=0\) に限られることをいう。つまり、零ベクトルを作るために非自明な係数の組が存在しない。反対に、零ではない係数の組でこの式が成り立つなら、その集合は線形従属である。
1.3 線形従属との違い
線形従属な集合では、少なくとも一つの要素が残りの線形結合として表される。これは「冗長な要素がある」状態に近い。線形独立では各要素が互いに不可欠であり、どれか一つを除くと表現力が変わる。したがって、独立性は最小限の記述で空間を扱ううえで重要になる。
2 基本的な性質
線形独立性には、部分集合への遺伝や零ベクトルとの関係など、基本的で扱いやすい性質がある。これらは判定や理論展開の土台となる。
2.1 部分集合との関係
線形独立な集合から要素をいくつか取り除いて得られる部分集合も、やはり線形独立である。これは、独立性が「失われにくい」性質であることを示す。逆に、従属な集合に要素を追加しても、独立になるとは限らない。むしろ、既に含まれる依存関係が残ることが多い。
2.2 ゼロベクトルを含む場合
零ベクトルを含む集合は必ず線形従属である。なぜなら、零ベクトルに任意の非零係数を掛けても全体の和は変わらず、零の線形結合を非自明に作れてしまうためである。この性質は、独立性の判定で最初に確認されることが多い。
2.3 スカラー倍と和に関する性質
ある要素が他の要素のスカラー倍で得られるなら、その集合は従属になる。より一般に、ある要素が他の複数要素の和として表される場合も同様である。たとえば、二つのベクトルが互いに比例していれば独立ではない。直感的には、方向や情報が重なっているといえる。
3 判定方法
線形独立かどうかは、対象の種類に応じて複数の方法で調べられる。計算に適した手法を選ぶことで、具体例から一般論まで幅広く扱える。
3.1 行列による判定
ベクトルを列ベクトルとして並べた行列を考えると、独立性は行列の性質に翻訳できる。これにより、代数計算を通じて判定しやすくなる。
3.1.1 行列式を用いる方法
正方行列の場合、列ベクトルが線形独立であることと行列式が 0 でないことは同値である。行列式が 0 なら、列のどれかが他の列の線形結合として表される。逆に、行列式が非零なら、列は独立である。この判定法は小規模な例で特に有効である。
3.1.2 階数を用いる方法
行列の階数は、独立な列ベクトルの最大本数を表す。列の本数と階数が一致すれば、その列集合は線形独立である。階数が列数より小さければ、少なくとも一つは他の列に依存する。一般の長方形行列でも使えるため、行列式が使えない場合に有用である。
3.2 連立一次方程式による判定
\[ a_1v_1 + a_2v_2 + \cdots + a_nv_n = 0 \] を未知数 \(a_1,\dots,a_n\) の連立一次方程式とみなすと、独立性は解の構造として理解できる。自明解のみをもつなら独立、非自明解があれば従属である。実際には、掃き出し法によって解を調べることが多い。
3.3 ベクトル空間の次元を用いる判定
次元が \(n\) のベクトル空間では、\(n\) 個を超えるベクトル集合は必ず線形従属である。これは、空間に収められる独立な方向の数に上限があるためである。逆に、\(n\) 個のベクトルが空間を張り、かつ独立であれば、それらは基底になる。
4 代表的な例
具体例は、抽象的な定義を視覚化するのに役立つ。平面や空間のベクトルだけでなく、多項式や関数でも同じ考え方が通用する。
4.1 平面ベクトルの例
平面上のベクトル \((1,0)\) と \((0,1)\) は線形独立である。これに対し、\((1,0)\) と \((2,0)\) は従属であり、後者は前者の 2 倍にすぎない。2 本のベクトルが平行であれば、独立ではないと判断できる。
4.2 空間ベクトルの例
三次元空間では、\((1,0,0)\)、\((0,1,0)\)、\((0,0,1)\) は線形独立で、空間の標準的な基準となる。一方、\((1,1,0)\)、\((2,2,0)\)、\((0,0,1)\) は従属である。前二者が比例関係にあるため、全体として独立性が崩れる。
4.3 多項式の例
多項式 \(1, x, x^2\) は線形独立である。実際、これらの線形結合が零多項式になるには、各係数がすべて 0 でなければならない。これに対し、\(1, x, 1+x\) は従属であり、\(1+x\) が他の二つの和として表される。
4.4 関数列の例
関数 \(e^x\) と \(e^{2x}\) は一般に線形独立である。また、\(\sin x\) と \(\cos x\) も独立である。反対に、\(f(x)\) と \(2f(x)\) は従属であり、同じ形の関数に定数倍が重なっているだけである。関数空間では、特定の区間や定義域のもとで独立性を考える。
5 関連する概念
線形独立は、線形代数の他の基本概念と密接に結びつく。特に基底、張る集合、階数、次元は、互いに補完し合う関係にある。
5.1 基底
基底は、ベクトル空間を張る線形独立な集合である。基底があれば、空間内の任意の要素を一意的に表せる。したがって、線形独立性は基底の必要条件であり、基底の理解には不可欠である。
5.2 張る
集合が空間を張るとは、その線形結合で空間のすべての要素を表せることをいう。張る性質だけでは十分でなく、独立性も加わると最小の生成系になる。両者を併せ持つと、重複のない記述が可能になる。
5.3 階数
階数は、行列や線形写像における独立な成分の数を測る指標である。列ベクトルの独立本数や、連立方程式の自由度と結びつく。線形独立の判定では、階数が直接の手がかりになる。
5.4 次元
次元は、ベクトル空間を構成する独立な方向の数を表す。任意の基底の要素数は等しく、その共通の個数が次元である。線形独立な集合の最大サイズを考えると、次元の意味が明確になる。
6 応用
線形独立は純粋数学にとどまらず、計算やモデル構築、データ表現にも広く現れる。独立性の把握は、情報の重複を避け、効率的な記述を行うための基盤となる。
6.1 線形代数における応用
線形方程式の解法、基底の構成、行列の簡約化などで、線形独立性は中心的な役割を果たす。独立な列を選ぶことで、冗長な記述を減らし、問題の本質を見やすくできる。固有ベクトルの組の解析でも、この概念は頻繁に現れる。
6.2 多項式と関数解析での応用
多項式の近似や関数展開では、基底関数が独立であることが重要である。たとえば、フーリエ級数や多項式近似では、選ばれた関数群が互いに依存しないほど、係数の決定が明確になる。関数解析では、無限次元空間における独立性が理論の出発点になる。
6.3 データ解析での応用
データ解析では、説明変数や特徴量の間に強い依存関係があると、解釈や推定が不安定になることがある。線形独立性の考え方は、重複した情報を見分けるための基礎となる。次元削減や特徴選択でも、似た情報を含む列を整理する際に役立つ。