线性代数的中心是两个运算--都是针对向量。我们把向量相加得到 v+w,我们用数字 c 与 d 乘向量得到 cv 与 dw,组合这两种运算(cv 加到 dw)得到线性组合 cv+dw。
线性组合
cv+dw=c[11]+d[23]=[c+2dc+3d]
向量cv落在一条直线,当w不在这条线上时,线性组合cv+dw会充满整个二维平面。
The vectors cv lie along a line. When w is not on that line, the combinations cv+dw fill the whole two-dimensional plane.
1.1 向量与线性组合
我们有两个不同的数字 v1 与 v2,它们配对产生一个二维向量v。
列向量vv=[v1v2]v1=v的第一个分量v2=v的第二个分量
向量加法(Vector Addition)
v=[v1v2]与w=[w1w2]相加得到v+w=[v1+w1v2+w2]
减法追随相同的概念:v−w 的分量是 v1−w1 与 v2−w2
标量乘法(Scalar Multiplication) ,也称为:数乘、纯量乘法
2v=[2v12v2]=v+v−v=[−v1−v2]一个数乘以一个向量,仍然是一个向量。一个负数乘以一个向量会改变向量的方向(箭头朝向反方向)
标量乘法(英语:scalar multiplication)是线性代数中向量空间的一种基本运算(更广义的,是抽象代数的一个模)。在直觉上,将一个实数向量和一个正的实数进行标量乘法,也就是将其长度乘以此标量,方向不变。标量一词也从此用法而来:可将向量缩放的量。标量乘法是将标量和向量相乘,结果得到一向量,和内积将两向量相乘,得到一标量不同。
注意:−v 与 v 的总和(sum)是零向量,以粗体0表示。
线性代数就是建立在v+w 和 cv 与 dw的运算之上的。----向量加法和标量乘法。
线性组合
我们现在结合向量加法与标量乘法产生 v 与 w 的 “线性组合” 。用 c 乘 v 以及 d 乘 w,然后相加得到 cv+dw。
cv 与 dw 的总和是 线性组合 cv+dw
四种特殊的线性组合是:和,差,零,标量乘积cv:
- 1v+1w= 向量的和,如图1.1a
- 1v−1w= 向量的差,如图1.1b
- 0v−0w=0 零向量
- cv+0w=cv 沿着v方向的向量cv

向量 v 表示法两个数字由(0,0)出发的箭头平面上的点
向量 v=(v1,v2) ,v 的分量就是点的坐标: x=v1 与 y=v2。向量从(0,0)出发,箭头在点(v1,v2)结束。
三维向量
三维向量v有3个分量 (v1,v2,v3),对应三维空间中的一个箭头。通常箭头由原点出发,原点是 xyz 轴的交点,坐标为(0,0,0),箭头终点的坐标是 v1,v2,v3。列向量, 原点出发的箭头与箭头的终点,这三者之间有着完美的适配。
There is a perfect match between the column vector and the arrow from the origin and the point where the arrow ends.
origin:是原点的意思

From now onv=11−1is also written asv=(1,1,−1)
v=(1,1,−1) 并不是一个行向量,而是一个列向量。与行向量[1,1,−1]是不同的。1×3 的行向量是 3×1 的列向量v的 “转置”(transpose)。
二维平面向量的线性组合的计算规则,同样可以应用到三维空间向量。
cv+dw=c11−1+d231=c+2dc+3d−c+d
由此,此线性组合的计算规则可以应用的n维向量。
cv+dw=cv1v2…vn+dw1w2…wn=c⋅v1c⋅v2…c⋅vn+d⋅w1d⋅w2…d⋅wn=c⋅v1+d⋅w1c⋅v2+d⋅w2…c⋅vn+d⋅wn
重要问题
对于三个向量,线性组合是cu+dv+ew。允许每个(任意) c 与 d 与 e,假设 u,v,w 是三维空间中的向量:
- 所有 cu 的组合,图形是什么?
- 所有 cu+dv 的组合,图形是什么?
- 所有 cu+dv+ew 的组合,图形是什么?
上述的答案与特定向量u,v,w有关,如果他们都是零向量,所有的线性组合都是零。如果他们是典型的非零向量。这里有三种答案。
- 所有 cu 的组合形成一条通过(0,0,0)的直线。
- 所有 cu+dv 的组合形成一个通过(0,0,0)的平面。
- 所有 cu+dv+ew 的组合形成三维空间。
一条直线上的所有 cu 加到另一条直线上的所有 dv 会形成图 1.3 的平面。

要点回顾
- 二维空间的向量 v 具有两个分量 v1 与 v2。
- v+w=(v1+w1,v2+w2)与 cv=(cv1,cv2),每次计算一个分量。
- 三个向量 u,v,w 的线性组合是 cu+dv+ew。
- 选取所有 u 或是 u,v 或是 u,v,w 的线性组合,在三维空间中,这些组合典型的形成一条直线或是一个平面或是整个空间 R3。
1.2 长度与点积
1. v 与 w的点积为:
v⋅w=v1v2…vn⋅w1w2…wn=i=1∑nvi⋅wi=(v1⋅w1)+(v2⋅w2)+⋯+(vn⋅wn)点积具有交换律:v⋅w=w⋅v
2. 向量正交(垂直)
v⋅w=0,则这两个向量垂直3. 向量v的长度为:(我们使用∥v∥ 来表示向量长度)
∥v∥=v⋅v=v12+v22+⋯+vn2
注意:v⋅v=v,因为v⋅v是一个数,而v是一个向量。∥v∥≥0
4. 向量单位化
向量单位化是将向量的长度变为1,而方向不变。
u=∥v∥v则u的长度为1,∥u∥=1长度为1的向量又叫单位向量。证明过程见下文。
5. 向量的夹角
v与w之间的角度有 cosθ=∥v∥∥w∥v⋅w
当v⋅w=0时,v与w之间的角度有 cosθ=0,也即v与w垂直
6. 两个向量点积与长度的不等式
∣cosθ∣≤1,因此有∣v⋅w∣≤∥v∥∥w∥
证明: 这里简单证明一下向量单位化的公式,即∥v∥v=1
Solution
令 u=∥v∥v,则有
∥u∥=∥v∥v=∥v∥v⋅∥v∥v=v⋅vv⋅v⋅vv=v⋅v2v⋅v=v⋅vv⋅v=1附一个实际的例子
v=(1,3,2),∥v∥=1+9+4=14
u=∥v∥v=141⋅132=141143142∥u∥=(141)2+(143)2+(142)2=141+149+144=1=1
长度与点积
单位向量u是长度为 1 的向量,u⋅u=1
单位化向量的方向
单位向量 u=v/∥v∥ 是在v方向的单位向量。
1.3 矩阵