2.2 向量的基
2.2.1 标准基
在二维向量空间里有两个非常特殊的向量：
<math xmlns="http://www.w3.org/1998/Math/MathML"> i = [ 1 0 ] j = [ 0 1 ] \mathbf{i} =\begin{bmatrix}1 \\0 \end{bmatrix}\qquad \mathbf{j} =\begin{bmatrix}0 \\1\end{bmatrix} </math>i=[10]j=[01]
这两个向量分别沿x轴长度为1，沿y轴长度为1，互相垂直。
有了这两个向量，可以对其他向量有一个新的理解方式。也就是一个二维向量里的第一个分量是对i 向量的缩放，第二个分量是对j 向量的缩放。然后将缩放后的向量加起来就是这个向量。也就是说不把向量里的数字看成坐标，而是看成对i 和j 向量的缩放。比如对于如下向量 a。
<math xmlns="http://www.w3.org/1998/Math/MathML"> a = [ 3 2 ] \mathbf{a} =\begin{bmatrix}3 \\2 \end{bmatrix} </math>a=[32]
它可以看做是对 i 向量缩放3倍，对 j 向量缩放2倍，然后加和组成的向量。
通过对向量 i 和 j 进行线性运算，也就是进行数乘和向量加法，你可以得到二维向量空间里的任何一个向量。向量 i 和 j 可以作为构成其他向量的一个基础。所以称为二维空间的一组"基"。而且因为它们两个向量比较特殊，只在一个坐标轴上有值，而且值为1，彼此互相垂直，所以称为标准基 。二维空间标准基里的两个向量一般用 i 和 j 表示。
2.2.2 一般基
你还可以定义一些非标准的基，比如你可以用下边两个向量 a 和 b 来定义一个基。
<math xmlns="http://www.w3.org/1998/Math/MathML"> a = [ 2 1 ] b = [ − 1 1 ] \mathbf{a} =\begin{bmatrix}2 \\1 \end{bmatrix}\qquad \mathbf{b} =\begin{bmatrix}-1 \\1\end{bmatrix} </math>a=[21]b=[−11]
通过观察，不难发现，通过对 a 和 b 的缩放和加和，也是可以到达二维平面的任意一个点的。
通过一组向量的线性组合，可以到达的向量空间，叫做它们"张"成的空间。单位向量 i 和 j ，还有上边定义的向量 a 和 b 张成的空间都是整个二维空间。
2.2.3 线性相关
我们再看下边这一组向量：
<math xmlns="http://www.w3.org/1998/Math/MathML"> a = [ 2 2 ] b = [ 1 1 ] \mathbf{a} =\begin{bmatrix}2 \\2 \end{bmatrix}\qquad \mathbf{b} =\begin{bmatrix}1 \\1\end{bmatrix} </math>a=[22]b=[11]
它们两个向量在同一个直线上，它们两个任意线性组合，也就是通过数乘缩放和向量相加，所能生成的向量还在这条直线上。也就是这两个向量张成的空间就是这条直线。此时，这两个向量就不能构成一个基。因为他们线性相关。
线性相关：如果一组向量里至少有一个向量可以表示为其他向量的线性组合，那么就称这一组向量线性相关。
比如上边的向量 a 就可以用 b 缩放2倍获得，所以它们两个是线性相关的。
2.2.4基的定义
下边我们给出基的定义：
基：向量空间的一组基是指张成该空间的一个线性无关的向量组。
有了基的定义，每个向量里的分量都可以看成对基里边对应向量的缩放，然后加和得到的向量。一般不做说明，都是对标准基进行缩放和加和。
2.2.5更高维度的基
三维向量的标准基里的向量一般用 i ，j ，k 向量来表示。他们分别位于 x，y，z 轴上，长度为1，彼此垂直。
<math xmlns="http://www.w3.org/1998/Math/MathML"> i = [ 1 0 0 ] j = [ 0 1 0 ] k = [ 0 0 1 ] \mathbf{i} =\begin{bmatrix}1 \\0 \\0\end{bmatrix}\qquad \mathbf{j} =\begin{bmatrix}0 \\1\\0\end{bmatrix}\qquad \mathbf{k} =\begin{bmatrix}0 \\0\\1\end{bmatrix} </math>i= 100 j= 010 k= 001
下边的向量，可以看做对 i 缩放2倍，对 j 缩放8倍，对 k 缩放7倍，再相加得到。
<math xmlns="http://www.w3.org/1998/Math/MathML"> x = [ 2 8 7 ] \mathbf{x} =\begin{bmatrix}2 \\8 \\7\end{bmatrix} </math>x= 287
三维空间里的3个向量可以张成的空间有哪些呢？
最大可能是张成整个三维空间。
其次，如果三个向量里的其中一个可以通过另外两个线性组合得到，也就是位于另外两个向量张成平面里，那么它们三个向量张成的空间就是一个面。
还有一种情况，就是三个向量里的两个向量，都可以通过第三个向量经过缩放得到，也就是两个向量都处于第三个向量张成的线上，那么它们三个向量张成的空间就是一条直线。
最后一种情况，就是三个向量都是0向量，也就是向量的各个分量都是0，那么它们张成的空间就是一个点，零点。
三维空间里的2个向量可以张成的空间包含哪些呢？
不难想象，可以是一个面，一条直线，或者零点。
这种思想你可以延伸到 n 维空间，n 维空间也有自己的标准基，标准基里的向量分别位于不同的轴线上，长度为1，彼此垂直。n 维空间也有非标准基。n 维空间里的m （m小于等于n）个向量张成的空间维度小于等于m。
这个教程我也会同步在B站更新视频教程。欢迎大家在B站搜索RethinkFun观看。