ベクトル空間の基底とは？求め方と性質を解説（線形独立：生成系：次元：座標表現：基底変換：一次独立など）
線形代数学の中心概念のひとつが「基底（Basis）」です。
ベクトル空間の基底を理解することは、次元・座標・線形写像の行列表現・基底変換など、線形代数の応用的な内容すべての出発点となります。
本記事では、基底の定義・満たすべき条件（線形独立＋生成系）・基底の求め方・次元との関係・座標表現・基底変換の方法まで、わかりやすく体系的に解説していきます。
線形代数を学ぶ大学生の方から、基礎を固めたいエンジニア・データサイエンティストの方まで役立つ内容です。
ベクトル空間の基底とは？その本質をひとことで言えば
それではまず、基底の定義とその数学的な本質について解説していきます。
ベクトル空間Vの基底（Basis）とは、線形独立（一次独立）かつVを生成する（スパンする）ベクトルの集合のことです。
つまり基底は「多すぎず・少なすぎず・ちょうど空間全体をカバーできる最小限の線形独立なベクトルの集まり」といえます。
基底の2条件の意味
基底の2つの条件
ベクトルの集合B = {v₁, v₂, …, vₙ} がVの基底である ⟺ 以下の2条件を両方満たす
条件1（線形独立・一次独立）：
α₁v₁ + α₂v₂ + … + αₙvₙ = 0 ⟹ α₁ = α₂ = … = αₙ = 0
（自明な係数だけで零ベクトルになる＝余計なベクトルがない）
条件2（生成系・スパン）：
任意の v ∈ V に対して v = α₁v₁ + α₂v₂ + … + αₙvₙ となる α_i ∈ K が存在する
（空間の全ベクトルを表現できる＝不足がない）
条件1（線形独立）は「基底に冗長なベクトルがない（最小性）」を保証し、条件2（生成系）は「基底で空間全体が表現できる（十分性）」を保証します。
この2条件が揃って初めて「基底」として機能します。
基底の直感的なイメージ
基底を最も直感的にイメージするなら「空間内の方向を決めるための最小限の独立な座標軸の集まり」です。
ℝ²の標準基底{e₁ = (1,0), e₂ = (0,1)}は、2次元平面内のすべての点（ベクトル）を「e₁方向にいくつ、e₂方向にいくつ」という2つの数で一意に表現できる座標系を提供します。
基底が変われば同じベクトルを表す座標の数値は変わりますが、ベクトル自身は変わりません。
標準基底と非標準基底の例
| ベクトル空間 | 標準基底 | 非標準基底の例 |
|---|---|---|
| ℝ² | {(1,0), (0,1)} | {(1,1), (1,−1)} |
| ℝ³ | {(1,0,0), (0,1,0), (0,0,1)} | {(1,1,0), (0,1,1), (1,0,1)} |
| P₂（次数2以下の多項式） | {1, x, x²} | {1, x−1, (x−1)²} |
| M_{2×2}（2×2実数行列） | {E₁₁, E₁₂, E₂₁, E₂₂}（標準単位行列） | 線形独立な4つの行列の集合 |
線形独立（一次独立）の詳細と判定方法
続いては、基底の条件のひとつである「線形独立（一次独立）」の概念と判定方法について確認していきます。
線形独立の概念は線形代数全体の基礎をなす重要な概念です。
線形独立の定義と意味
ベクトルの集合{v₁, v₂, …, v_k}が線形独立（一次独立）であるとは、
α₁v₁ + α₂v₂ + … + α_kv_k = 0 ならば α₁ = α₂ = … = α_k = 0
が成立することです。
これは「零ベクトルをこれらのベクトルの線形結合として表す唯一の方法は、すべての係数をゼロとすることだけ」という意味です。
直感的には「どのベクトルも他のベクトルの線形結合（一次結合）では表せない＝互いに独立な方向を向いている」ということです。
線形独立の判定：行列のランクを使う方法
n次元ベクトル空間ℝⁿ内のk個のベクトルの線形独立性は、それらのベクトルを列（または行）として並べた行列のランク（Rank）によって判定できます。
行列のランクによる線形独立の判定
v₁, v₂, …, v_k ∈ ℝⁿ を列ベクトルとする行列 A = [v₁ | v₂ | … | v_k] を作る。
{v₁, …, v_k} が線形独立 ⟺ rank(A) = k
（Aのランクがベクトルの個数kに等しい）
具体的な計算手順：
① 行列Aを行基本変形（ガウス消去法）で行階段形（Row Echelon Form）に変換
② ピボット（主成分）の個数を数える → これがrank(A)
③ rank(A) = k ならば線形独立、rank(A)
線形従属の意味
線形独立でない場合（線形従属の場合）は、あるベクトルが他のベクトルの線形結合として表せることを意味します。
例えば{(1,0,0), (0,1,0), (1,1,0)}の3番目のベクトルは「(1,1,0) = 1·(1,0,0) + 1·(0,1,0)」と第1・第2ベクトルの線形結合で表せるため、この3つは線形従属です。
線形従属なベクトルが含まれると、そのベクトルは他のベクトルで「冗長（余計）」であり基底としては適しません。
基底の求め方
続いては、与えられたベクトルの集合から基底を求める具体的な方法について確認していきます。
基底の求め方は線形代数の計算問題において最も頻繁に現れるスキルのひとつです。
行基本変形による基底の求め方
与えられたベクトルの集合{v₁, v₂, …, v_k}がスパンする部分空間の基底を求めるには、これらをまとめた行列の行基本変形（ガウス消去法）を使います。
行基本変形による基底の求め方の手順
① ベクトルv₁, v₂, …, v_kを行ベクトルとして並べた行列Aを作る
② 行基本変形でAを行階段形（REF）または簡約行階段形（RREF）に変換
③ ゼロ行でない行ベクトルが求める部分空間の基底を構成する
例：A = [[1,2,3],[2,4,6],[1,3,4]] を行階段形に変換
→ [[1,2,3],[0,0,0],[0,1,1]] (第2行は第1行の2倍なのでゼロ行になる)
→ 基底：{(1,2,3), (0,1,1)}（ランク2の部分空間の基底）
グラム・シュミットの直交化手順
内積が定義された空間（内積空間・ヒルベルト空間）では、通常の基底から「正規直交基底（Orthonormal Basis）」を構成できます。
この手順を「グラム・シュミットの直交化（Gram-Schmidt Orthogonalization）」と呼びます。
グラム・シュミットの直交化手順（概要）
基底{v₁, v₂, …, vₙ}から正規直交基底{u₁, u₂, …, uₙ}を構成：
u₁ = v₁ / ‖v₁‖（第1ベクトルを正規化）
v₂’ = v₂ − ⟨v₂, u₁⟩u₁（u₁成分を除去）
u₂ = v₂’ / ‖v₂’‖（正規化）
v₃’ = v₃ − ⟨v₃, u₁⟩u₁ − ⟨v₃, u₂⟩u₂（u₁・u₂成分を除去）
u₃ = v₃’ / ‖v₃’‖（正規化）
これをn回繰り返して正規直交基底を得る。
基底と座標表現・基底変換
続いては、基底を使った座標表現と、異なる基底間の基底変換（座標変換）について確認していきます。
基底変換は線形代数の応用において非常に重要な操作です。
基底による座標表現
基底B = {v₁, v₂, …, vₙ}をとると、任意のベクトル v ∈ V は一意に
v = α₁v₁ + α₂v₂ + … + αₙvₙ
と表せます。この係数の組（α₁, α₂, …, αₙ）を「基底Bに関するvの座標（Coordinates）」と呼びます。
座標は選んだ基底に依存するため、同じベクトルでも基底が変わると座標の数値が変わります。
座標の一意性は線形独立性（係数が一意に定まる）と生成系（任意のベクトルが表現できる）という基底の2条件から保証されます。
基底変換（座標変換）の行列表現
2つの基底B = {v₁, …, vₙ}とB’ = {w₁, …, wₙ}の間の変換は「基底変換行列（Transition Matrix / Change of Basis Matrix）」P によって記述されます。
基底変換の公式
基底BからB’への変換行列P：
Pの第j列 = 基底ベクトルwⱼのBに関する座標
座標変換の公式：
[v]_B = P [v]_B’
（B’での座標からBでの座標への変換）
逆変換：[v]_B’ = P⁻¹ [v]_B
基底変換行列Pは可逆行列（逆行列が存在する）である。
基底変換は固有値問題・行列の対角化・主成分分析（PCA）など多くの線形代数の応用で中心的な操作として登場します。
まとめ
本記事では、ベクトル空間の基底の定義・2条件（線形独立＋生成系）・線形独立の判定方法・基底の求め方・グラム・シュミットの直交化・座標表現・基底変換まで幅広く解説してきました。
基底とは「線形独立かつ空間を生成する」ベクトルの集合であり、ベクトル空間に「座標系」を与える最小限の構造です。
行列のランクを使った線形独立の判定・行基本変形による基底の求め方・グラム・シュミットによる正規直交化・基底変換行列という計算ツールを身につけることで、線形代数の応用問題（固有値・対角化・主成分分析・線形方程式系など）を体系的に解く力が培われます。
基底という概念の深い理解は、線形代数という数学の美しい構造全体を見渡すための不可欠な視点といえるでしょう。
