1701017402
1701017403
▲ 图7.1.1 向量分解成为两个不共线向量的示7意.1图.1
1701017404
1701017405
可以说，引进了数量积的第三代向量，就好像人类社会掌握了高科技，可以呼风唤雨，上天入地。“文明人”进步到“现代人”的程度了。这种拟人化的比方，不妨作为向量发展的基本线索。
1701017406
1701017407
7.1.3 欧氏空间
1701017408
1701017409
我们生活的现实空间是三维的平直空间：各向同性，平直广延，没有弯曲。笛卡儿引进坐标，一点A有三个坐标（a 1 a2 a3）。不过，点是不能计算的。后来将它看做三维向量，就可以做加减、数乘，构成线性空间。进一步引入数量积，就成为三维的欧几里得空间了。
1701017410
1701017411
一般地，由n维向量组成的集合，按照向量的加法和数乘（实数），构成线性空间。如果还定义了两个向量之间有数量积运算，就是一种新的结构，称为n维欧氏空间。
1701017412
1701017413
两个n维向量x=（x1，x2，…，xn）和y=（y1，y2，…，yn）的数量积（x，y）是指如下的数：
1701017414
1701017415
1701017416
1701017417
1701017418
1701017419
1701017420
1701017421
数学文化教程 [:1701013755]
1701017422
数学文化教程 第二节 线性空间上的矩阵
1701017423
1701017424
矩阵，简单地说，就是线性空间上的线性函数。它与线性方程组的求解密切相关。
1701017425
1701017426
7.2.1 线性方程组的矩阵表示
1701017427
1701017428
我们以三阶线性方程组为例进行说明。
1701017429
1701017430
1701017431
1701017432
1701017433
现在，把这一方程组的各项系数排成一个3×3方阵，简称为3阶矩阵。
1701017434
1701017435
1701017436
1701017437
1701017438
一般地，可以有m×n的排列，称为m×n矩阵。如3×4的排列为
1701017439
1701017440
1701017441
1701017442
1701017443
如果行数和列数相同，则称为方阵。如上例中的3阶矩阵。为了叙述简单起见，本节只讨论方阵情形。所得结果很容易推广到一般的m×n矩阵。
1701017444
1701017445
初看起来，这一抽象的表示，似乎并无新鲜之处。但是，运用向量的数量积进行考察，就会柳暗花明又一村，使得矩阵表示呈现出特有的绚丽景色。具体方法是：将每行每列看做向量，然后利用向量的数量积，那么三阶线性方程组（1）就可以写成矩阵形式
1701017446
1701017447
1701017448
1701017449
1701017450
1701017451
其中，矩阵的第一行向量（a11 a12 a13）和列向量为m1，作数量积，其值这正是线性方程组的第一个等式。同样，矩阵的第二行、第三行分别和列向量x的数量积，就是线性方程组的第二个和第三个等式。