点乘 线性代数_线性代数-1.向量

与教科书上以行列式作为线性代数的开篇不同，我希望在我的专栏中，能够始终遵循在专栏第一篇文章中提出的数学思考框架。即从一个数学领域的基石出发，进而过渡到概念，性质，运算以及推广应用；沿着这一思路，则我们学习线性代数就自然应当由它的基石——向量，以及与向量密切关联的矩阵作为学习的入口。

---

向量空间与内积空间

首先，以我们并不陌生的平面二维向量作为第一个研究对象。

以前文介绍的线性的两个性质齐次性与可加性为基础，若向量

存在于由两个基向量

所构成的二维平面空间内，即有：

则在该二维平面空间内的向量满足：

向量加法的交换律：

；

向量加法的结合律：

；

存在逆向量与零向量：

；

向量数乘的分配率：

；

向量数乘的结合律：

；

可以看到，在这个空间内，通过线性性质定义出了向量与向量的加法，向量与标量的乘法，同时，最为重要的一点是，在这个空间内，向量的所有运算结果也同样都是向量；因此，我们可以将这个空间称为向量空间或线性空间。

但是，可以注意到，向量空间存在着一些缺陷。

其一，由于在这个空间中的所有对象以及运算结果都是向量，因此当我们想要在这个空间中讨论一个向量的大小（也即长度）以及两个向量之间的夹角时，都缺少相对应的数值（也即标量）来刻画。

其二，仅凭线性的齐次性与可加性，我们难以在这个空间中定义向量与向量的乘法。想象一下用空间中的一条直线去“乘“以另一条直线，其结果应该是什么——这个运算既无法被线性性质所抽象定义，显然也无法从空间图形上被具象的定义。

因此，为了一举解决这两个问题，是否能够将向量与向量的乘法定义为一种将向量转变为标量的运算，然后使用这个运算的标量结果来帮助我们描述向量的长度与夹角。

而这，就是我们要引入内积的原因。

我们将向量与向量的乘法定义为：

若有两个

维向量

，则：

，即将两个向量对应坐标的数值相乘而相加。

对于平面二维向量，则有：

通过这样的运算方式，我们得以将向量

转化了标量

，而这个计算结果的标量就被称为内积。

如果从线性性质的角度来看，内积的运算相当于对两个线性函数进行相乘，故它实际是一个双线性函数。

有了内积的定义之后，若我们对向量自己作内积，则有：

借助自身内积这个标量，我们才得以用它来定义向量的长度：

因此，对于基向量

，才能够定义出了它的单位长度为：

我们在向量空间中引入了内积这个标量之后将它称之为内积空间。由于它的作用是将向量映射为标量，故也被称作标量积。

---

向量夹角

在有了内积运算和向量长度的定义之后，我们就可以进一步的来讨论向量的夹角。

有两个空间向量

，它们的夹角为

，根据余弦定理有：

，即：

其中

可由已定义向量的加减运算得：

因此，根据向量长度（模）的定义可带入余弦定理，其中，等式的左边为：

展开后，即为：

其中

即为

，

即为

，故，其可转化为：

而我们知道根据内积的运算定义，

，则余弦定理的等式即变为：

两边消去相同项后，即得：

可以看到，在有了内积运算的定义之后，我们便可以通过它来计算出任意两个向量的夹角余弦值，进而可以严格的讨论向量的位置关系。

---

正交性

在有了向量间夹角的概念以后，便有了正交性的概念。

依据正交性的课本定义，当两个向量处于垂直关系，也即夹角

时，由于

，故两个向量的内积为零，满足这个条件时，则称这两个向量为正交。

但是，正交从垂直这个特殊的几何关系引申而来，在线性代数的空间中它的本质含义究竟是什么呢。

让我们尝试用另一个角度来看待正交这个概念：

若在平面空间中，仅有两个向量（我们暂时没有定义基向量所确定的坐标轴），若我们仅使用向量

为基准，用它去

度量另一个向量

的大小与方向。

可以看到，若向量

的实际长度为

。由于只有一个方向的基准向量

存在，因此我们在它的方向上去观察向量

时，所看到的实际上应该只是向量

在其之上的

投影

，若将它的相对方向长度记为

这里，所谓相对方向是指的是以两个向量的原点为0点，若投影的方向与向量

的方向一致则为正，相反则为负；这里模长的记号只是我为了叙述表达而采用的一种习惯用法，模长的数学定义实际并不会为负。

则对这两者使用比值来进行比较：

这个表达式，也即为两个向量夹角的余弦值：

值的符号代表着两个向量方向的一致性，若

，则代表两者同向；

，则代表二者反向。

若

：意味着，我们用向量

作为度量测出的向量

长度与它的实际长度完全一致；此时，

与

恰处于同一直线上。

若

：意味着，我们测量出来的投影长度与向量实际长度存在着一定的误差，

越接近

代表着测量越准确，越接近于

代表着测量误差的越大；此时，

与

则成钝角或者锐角。

若

，则意味着，无论向量

的长度是多少，方向是何处，我们都无法通过向量

测量出来；此时，

与

恰好垂直。

由此，当我们将这种度量的概念推广到任意两个空间向量，则可以认为：

两个向量夹角

的余弦值，它实际可以看作是以其中一个向量为基准去度量另一个向量，其测量结果的

准确程度。

在此基础上，向量正交性实际上可以看作是：在两个向量之间，我们无法使用其中一个向量去度量另一个向量。

在很多教科书或讲解视频中，将两个向量的正交性解释为一种无关性。这种无关性，在我看来，其最本质的含义，实际上是这两个向量彼此之间的不可度量性。

若以线性变换的角度来看待这种不可度量性，它是在说：若两个向量正交，则在其中一个向量方向上发生的任何线性变换，都无法被分解到另一个向量的方向上。

---

至此，可以看到，在向量空间中，为了定义向量与向量之间的乘法，以及可以从线性代数的角度严格的讨论向量的长度与位置关系，我们引入了内积运算，在内积的基础上，我们讨论了向量的长度大小，夹角，也因此得以讨论向量的正交性。

如果以空间维度的角度来看待内积的运算，它实际上是一种降维运算，也就是说它将

维向量降维映射成了一个零维标量。

但，如果从齐次线性函数的角度来看待向量与向量相乘，我们会发现：

在两个齐一次线性方程相乘以后，其结果变成了一个齐二次方程，也就是说若其返回的结果依然是一个向量的话，这个向量的维度应该被升高了。

由此，我们会想，与内积运算的降维相对应，是否还存在着可能，使我们能够定义出另一种向量与向量的乘法。而这种乘法应为一种升维运算，它的运算结果应为我们返回一个增加了维度的新向量。

我们就将在之后矩阵的运算中来讨论这种运算。