ベクトル空間とは？定義と基本概念をわかりやすく解説（線形代数：数学的構造：公理：体上の加法・スカラー倍など）

線形代数学の中心に位置する概念が「ベクトル空間（Vector Space）」です。

数学・物理学・工学・データサイエンスなど幅広い分野の基礎として登場するベクトル空間ですが、その抽象的な定義に最初はとまどう方も多いのではないでしょうか。

本記事では、ベクトル空間の定義・満たすべき公理・体との関係・加法とスカラー倍の演算・具体的な例まで、数学的な厳密さを保ちながらわかりやすく解説していきます。

線形代数を学ぶ大学生の方から、基礎から復習したい理工系の方まで、役立つ内容を丁寧にお届けします。

ベクトル空間とは？その定義と本質をひとことで言えば

それではまず、ベクトル空間の定義と数学的な本質について解説していきます。

ベクトル空間とは、加法（ベクトルの和）とスカラー倍（体の元によるスケール変換）という2つの演算が定義された集合であり、これらの演算が8つの公理（条件）を満たすものです。

ベクトル空間のポイントは「特定の数の集合（例えば座標のペア）だけがベクトルではない」という点であり、公理を満たす演算が定義されていれば、関数・行列・多項式など様々な対象がベクトル空間の要素（ベクトル）となり得ます。

ベクトル空間を構成する3つの要素

体（Field）とは何か

ベクトル空間の定義において「体（Field）」という概念が登場します。

体とは加法・乗法・減法・除法（ゼロによる除算を除く）の4則演算が定義された数の集合です。

最もよく使われる体は実数体ℝ（すべての実数の集合）と複素数体ℂ（すべての複素数の集合）です。

実数体ℝ上のベクトル空間を「実ベクトル空間」、複素数体ℂ上のものを「複素ベクトル空間」と呼びます。

ベクトル空間の直感的なイメージ

ベクトル空間を直感的にイメージするなら「同じ種類のものを足し合わせたり、スケールを変えたりしても同じ種類のものが得られる集合」といえます。

2次元の矢印（座標ベクトル）を足しても矢印になる・スカラー倍しても矢印になるというおなじみの例がその典型です。

しかしベクトル空間の真の強みは、この「足し合わせ・スケール変換に閉じた構造」が、関数・行列・多項式など非常に多様な対象に共通して現れるという抽象性にあります。

ベクトル空間の8つの公理

続いては、ベクトル空間が満たすべき8つの公理（条件）について確認していきます。

これらの公理がベクトル空間を数学的に定義する本質的な条件です。

加法に関する4つの公理

これら4つの公理は「（V, +）がアーベル群（可換群）をなす」という条件と同等です。

A3の零ベクトル（ゼロベクトル）0は加法の単位元であり、必ず一意に存在します。

A4の逆ベクトル（−u）は加法の逆元であり、これも各ベクトルに対して一意です。

スカラー倍に関する4つの公理

S4の「1·u = u」は「1倍してもベクトルは変わらない」という当然の要請です。

これら8つの公理がすべて成立するとき、（V, K, +, ·）はK上のベクトル空間であるといいます。

公理から導かれる重要な性質

8つの公理から以下の性質が導かれます。

0·v = 0（スカラーのゼロ×ベクトル＝零ベクトル）、α·0 = 0（スカラー×零ベクトル＝零ベクトル）、(−1)·v = −v（−1倍は逆ベクトル）などの性質は、公理から証明できる定理です。

これらの性質は公理として要求されているのではなく、8つの公理から導かれる結果であることに注意が必要です。

ベクトル空間の具体的な例

続いては、ベクトル空間の具体的な例を通じて抽象的な定義の理解を深めていきます。

ベクトル空間の概念が具体例を通じて身近に感じられることが重要です。

座標空間ℝⁿ（最も基本的な例）

n次元実数座標空間ℝⁿ = {(x₁, x₂, …, xₙ) | x_i ∈ ℝ} は実数体ℝ上のベクトル空間の最も基本的な例です。

加法は成分ごとの和として定義されます。

(x₁,…,xₙ) + (y₁,…,yₙ) = (x₁+y₁,…,xₙ+yₙ)

スカラー倍は各成分に実数を掛けるものです。

α(x₁,…,xₙ) = (αx₁,…,αxₙ)

8つの公理はすべて実数の性質から直接確認できます。

多項式空間P_n（非自明な例）

次数がn以下の実多項式の集合P_n = {a₀ + a₁x + … + aₙxⁿ | aᵢ ∈ ℝ}も実ベクトル空間です。

加法は多項式の通常の和、スカラー倍は多項式の各係数に実数を掛けるものとして定義されます。

2つの多項式を足しても次数n以下の多項式になり、実数倍しても次数n以下の多項式になるため、演算に関して閉じています。

零ベクトルは零多項式（すべての係数が0）です。

行列空間・関数空間（さらに広い例）

m×n行列の集合M_{m×n}(ℝ)も、行列の加法とスカラー倍によってベクトル空間をなします。

さらに、閉区間[a,b]上の連続関数全体の集合C[a,b]も、関数の和とスカラー倍によってベクトル空間となります。

ベクトル空間の例	要素（「ベクトル」）	体K	零ベクトル
ℝⁿ	n次元実数ベクトル	ℝ	(0,0,…,0)
ℂⁿ	n次元複素ベクトル	ℂ	(0,0,…,0)
P_n(ℝ)	次数n以下の実多項式	ℝ	零多項式 0
M_{m×n}(ℝ)	m×n実数行列	ℝ	零行列 O
C[a,b]	[a,b]上の連続関数	ℝ	零関数 f≡0

ベクトル空間の重要な概念：部分空間と線形結合

続いては、ベクトル空間の基礎の上に立つ重要な関連概念である「部分空間」と「線形結合」について確認していきます。

これらの概念はベクトル空間の構造を理解するために不可欠です。

部分空間（Subspace）の定義と条件

ベクトル空間Vの部分集合W（W⊂V）が、VのK上のベクトル空間の演算のもとでそれ自体がベクトル空間をなすとき、Wを「Vの部分空間（Subspace）」と呼びます。

WがVの部分空間であるための条件（部分空間判定条件）は以下の3つです。

この3条件を確認するだけでよい（8公理全部は不要）というのが部分空間判定の大きなメリットです。

線形結合とスパン（張る空間）

ベクトル空間Vの要素v₁, v₂, …, v_kに対して、

α₁v₁ + α₂v₂ + … + α_kv_k（α_i ∈ K）

の形の和を「v₁,…,v_kの線形結合（Linear Combination）」と呼びます。

v₁,…,v_kのすべての線形結合の集合をSpan{v₁,…,v_k}（スパン・張る空間）と呼び、これはVの部分空間になります。

スパンの概念は基底・次元・線形独立性という線形代数の核心的概念へと直接つながる重要な概念です。

ベクトル空間が応用される分野

ベクトル空間の概念は純粋数学を超えて多くの応用分野の基盤となっています。

機械学習・データサイエンスでは高次元特徴空間（データをベクトルとして表現するベクトル空間）が学習アルゴリズムの基礎です。

量子力学では量子状態の集合がヒルベルト空間（無限次元の内積空間）というベクトル空間を形成し、量子論の数学的基礎をなしています。

信号処理・フーリエ解析では関数空間（L²空間など）がベクトル空間として扱われ、信号の分解・合成の理論的根拠となっています。

まとめ

本記事では、ベクトル空間の定義・体との関係・8つの公理・具体的な例・部分空間・線形結合・スパンという概念まで体系的に解説してきました。

ベクトル空間とは体K上で加法とスカラー倍が定義された集合Vであり、8つの公理（加法4つ＋スカラー倍4つ）を満たすものです。

座標空間ℝⁿ・多項式空間・行列空間・関数空間など多様な数学的対象がベクトル空間という統一的な枠組みで理解できることが、線形代数の抽象的な定義の真の価値です。

ベクトル空間の基礎をしっかりと理解することが、線形独立・基底・次元・線形写像・固有値問題という線形代数の発展的概念を理解するための確固たる土台となるでしょう。