线性代数精华——向量的线性相关

这一篇文章和大家聊聊向量。

向量与平面

向量这个概念我们在高中就接触到了，它既指一个点在空间中的坐标，也表示一个有向线段，如果我们加入复数概念的话，它还能表示一个数。在线性代数当中，向量就是指的n个有次序的数$a_1,a_2,\cdots ,a_n$组成的数组。

向量可以写成一行，也可以写成一列。写成一列的称为列向量，例如：

$$a=\left[\begin{array}{c}{a}_1\\ a_2\\ ⋮\\ a_n\end{array}\right]$$

写成一行则是行向量：$a^T=[a_1,a_2,\cdots ,a_n]$，为了方便并且统一，在当前以及以后的文章当中，我们使用小写字母来表示列向量，列向量的转置表示行向量，例如$a^T,b^T$。既然向量可以表示点，点可以表示空间，那么自然向量也可以表示空间。所以我们可以把三维空间用向量表示：

R 3 = { r = ( x , y , z ) T ∣ x , y , z ∈ R } R^3=\{r=(x, y, z)^T|x, y, z\in R\} R3={ r=(x,y,z)T∣x,y,z∈R}

既然我们可以用向量的集合表示空间，自然也可以用向量的集合来表示平面。表示平面的方式很简单，就是在向量当中限制一些条件，只保留满足条件的向量，比如三维空间当中的平面可以表示成：

{ r = ( x , y , z ) T ∣ a x + b y + c z = d } \{r=(x, y, z)^T| ax+by+cz=d\} { r=(x,y,z)T∣ax+by+cz=d}

同样，我们可以拓展到多维空间当中，一个n维空间可以用向量表示成：

R n = { r = ( x 1 , x 2 , ⋯   , x n ) T ∣ x 1 , x 2 , ⋯   , x n ∈ R } R^n=\{r=(x_1, x_2, \cdots, x_n)^T|x_1,x_2,\cdots,x_n\in R\} Rn={ r=(x1​,x2​,⋯,xn​)T∣x