python与线性代数 向量方程

$R^2$
所有两个元素的向量的集记为$R^2$,$R$表示向量中的元素是实数,而指数2表示每个向量包含两个元素.元素用$w1,w2$表示,代表任意实数.

$R^2$中两个向量相等,当且仅当对应元素相等,既向量是有序的实数对
向量相加,是对应位置的元素相加
向量*实数,是元素分别相乘
有时为了方便我们会将:

$$\left[ \begin{matrix} 1 \\ 4 \end{matrix} \right]$$
简写成(1,4)的形式,我们用圆括弧表示向量,并在两个元素之间加上逗号,以便区别向量(1,4)与1*2行矩阵[1 4],后者使用方括号,且两个元素之间无逗号.
也就是说 $\left[ \begin{matrix} 1 \\ 4 \end{matrix} \right]$和[1 4]不相等,因为维度不同.

$R^3$
$R^3$中的向量是3*1列矩阵,有3个元素.他们表示3维坐标空间中的点,或起点为原点的箭头如:$\left[ \begin{matrix} 1 \\ 4 \\ 5 \end{matrix} \right]$

$R^n$
若n是正整数,$R^n$表示所有n个实数数列(或有序n元组)的集合,通常写成n*1列矩阵的形式,如$\left[ \begin{matrix} u_1 \\ u_2 \\ ... \\ u_n \end{matrix} \right]$

定义 若$v_1,v_2,...,v_p$是$R^n$中的向量,则$v_1,v_2,...,v_p$的所有线性组合所成的集合用记号$Span\{v_1,v_2,...,v_p\}$表示,称为$v_1,v_2,...,v_p$所生成的$R^n$的子集,也就是说,$Span\{v_1,v_2,...,v_p\}$是所有形如$c_1v_1+c_2v_2+...+c_pv_p$的向量的集合,其中$c_1,c_2,...,c_p$为标量.
要判断向量b是否属于$Span\{v_1,v_2,...,v_p\}$,就是判断方程$c_1v_1+c_2v_2+...+c_pv_p=b$是否有解.等价地,就是判断增广矩阵$[v_1,v_2,...,v_p]$的线性方程组是否有解.

$Span\{v\}$与$Span\{v,u\}$几何解释

设$v$是$R^3$中的向量,那么$Span\{v\}$就是$v$的所有数量倍数的集合,也就是通过$v$和$0$的直线上的所有点的集合.
设$u$和$v$是$R^3$中的非零向量,$v$不是$u$的倍数,则$Span\{v,u\}$是$R^3$中通过$u$,$v$和 0 0 <script type="math/tex" id="MathJax-Element-7407">0</script>的平面.