(一)悟说向量、向量运算与向量线性相关性那些事

  在学习过程中总会有困惑和感悟，无人诉说憋着有点难受。于是就想用写博文的方式把它们表达出来。按照自己的理解，想到什么说什么，有说的不对的，欢迎指正。
　　在刚学线性代数，初识向量这个概念的时候，不知道你们有没有这样的疑问：为什么要把几个数排列起来构造一个叫向量这么个东西？为什么要研究它？后来我想明白了，因为世界万物有各种属性或者说特征，把这些属性量化后按顺序排列起来就构成了一个向量。例如，人有肤色、身高、年龄、体重等属性。有些事物的本质属性有两个维度，例如平面上的点。有些事物的本质属性有三个维度，例如颜色。研究向量的性质，可以洞察事物的本质属性。当然，向量不仅局限于表示事物的属性。我们可以根据实际问题构建向量。例如，在推荐系统中，我们可以把用户对物品的评分构成一个向量，这个向量隐含着用户对物品的偏好。
　　认识了向量之后，教科书里说向量有方向和长度。看到这我就想，向量是由一组数构成的，哪来的角度值、哪来的长度呢？当时就有点懵圈了。后来才明白，向量的长度和方向指的是向量在二维平面或三维空间的几何意义。例如，平面上的点可以用二维向量表示。这个点的横坐标$x_0$和纵坐标$y_0$就是向量的两个分量。而这个向量的几何意义就是，以原点为起点，以该点为终点的带箭头的有向线段。这条有向线段的长度就是该向量的长度。它与$x$轴的夹角作为它的方向。如果一条有向线段起点不在原点，我们可以将它平移，让它的起点与原点重合，这时就可以用它的终点坐标作为向量的分量。那么，对于4维以上的向量，它的长度和方向又怎么理解呢。我们可以把它想像成是多维坐标系上的某个点，原点与它的距离就是它的长度。
　　教科书上给出了许多向量运算的定义。例如，向量数乘的定义，它是指用一个标量乘以向量，即标量乘以向量各个分量。假设标量$k$乘以向量$\vec{a}$等于向量$\vec{b}$。当$k>0$时，它的几何意义是，构造一个方向与$\vec{a}$相同，长度为向量$\vec{a}$的$k$倍的向量。如果$k$为负数，则向量$\vec{b}$与向量$\vec{a}$方向相反。
　　两向量相加定义为两向量对应分量相加。为什么是对应分量相加，而不是其它规则。例如倒过来相加，即把第一个向量的第一个分量与第二向量的最后一个分量相加。前面我们说过，向量的实际意义是物体属性的排列。第一个分量表示的属性与最后一个分量表示的属性不一样，相加也就没有实际意义。在平面直角坐标系中，二维向量相加满足平行四边形法则，这个结论可以画图证明得到。两向量相减的几何意义为，以减数向量（这种说法有点不严格）的终点为起点，以被减向量的终点为终点且方向指向被减向量的有向线段。
　　向量除了数乘、加法运算，还有数量积运算。把两向量对应分量相乘再求和定义为两向量的数量积，数量积是一个标量。如果只是把对应分量相乘而不相加，这种运算叫作哈德玛积(Hadamard)，哈德玛积是一个向量。此外，向量还有其它运算，例如，叉积、外积。那么，为什么要定义这么多的向量运算，它们有什么几何意义或实际意义吗？在二维平面上，数量积有几何意义，虽然感觉意义不大。在三维空间中，叉积有几何意义。对于没有物理意义的运算，暂且把它们当作行话（专业术语），当与别人交流的时候知道对方在说什么。
　　有了数乘的定义，我们就可以用一个数$k$乘以向量$\vec{a}$得到一个新向量$\vec{b}=k\vec{a}$。当$k\ne 0$时，向量$\vec{b}$的方向要么与$\vec{a}$相同，要么与$\vec{a}$相反，向量$\vec{b}$的方向由$k$的正负决定。$\vec{b}$的长度是$\vec{a}$的$k$倍。这种情况，叫作$\vec{b}$与$\vec{a}$线性相关。零向量与任何向量都线性相关，可由任何向量线性表示。两个线性相关的非零向量可以相互线性表示。在颜色空间中，黄$\vec{Y}=(255,255,0{)}^T$可由红$\vec{R}=(255,0,0{)}^T$和绿$\vec{G}=(0,255,0{)}^T$线性表示，即$\vec{Y}=\vec{R}+\vec{G}$。
　　如果把$\vec{Y},\vec{R},\vec{G}$构成向量组$\mathcal{A}$，那么向量组$\mathcal{A}$线性相关。这里有个问题，向量组 A = { Y ⃗ , R ⃗ , G ⃗ } \mathcal{A} =\{\vec{Y},\vec{R}, \vec{G}\} A={Y ,R ,G }线性相关，那么向量组里边的任意一个向量都能由其余$n-1$个向量线性表示吗？我的回答是：不一定能。我想到了一个反例，就拿这个例子来说，向量组 { R ⃗ , G ⃗ , Y ⃗ , B ⃗ } \{\vec {R}, \vec{G}, \vec{Y}, \vec{B}\} {R ,G ,Y ,B }，向量$\vec{B}=(0,0,255{)}^T$就不能由向量$\vec{R},\vec{G},\vec{Y}$线性表示。也就是说，向量组线性关，并不要求所有向量相互间都有关系，只要部分向量有关系就说向量组线性相关。
　　教科书中关于向量组线性相关的定义很严格、很形式化，但也不太直观。教科书里边的描述是：“存在一组不全为零的数$k_1,k_2,\dots ,k_n$，使得$k_1\overrightarrow{a_1}+k_2\overrightarrow{a_2}+\cdots +k_n\overrightarrow{a_n}=0$，就说向量组 A = { a 1 ⃗ , a 2 ⃗ , … , a n ⃗ } \mathcal{A}=\{\vec{a_{1}},\vec{a_{2}},\dots,\vec{a_{n}}\} A={a1​ ​,a2​ ​,…,an​ ​}线性相关”。这句话到底是啥意思，第一次看到这句话是不是和我一样，一点感觉都没有。我对这个形式化定义的理解是，向量组$\mathcal{A}$里边应至少有两个向量线性相关，向量组才线性相关。也就是至少有一个向量能由另一个向量（当然能由多个向量线性表示也可以）线性表示，那么向量组就线性相关。
　　最后有一个疑问：为什么要去研究向量组是线性相关还是无关，研究它有什么意义？关于这个问题，我们下次再一起讨论。