贡献者： Giacomo
- 本文处于草稿阶段。
- 本文缺少预备知识，初学者可能会遇到困难。
1. 列向量
几何向量的坐标让我们可以以一个全新的视角看待向量这个概念，我们可以把数组 $(a_1, \cdots, a_n)$ 称为一个向量 $ \boldsymbol{\mathbf{a}} $；由于我们常常会把它竖着记为
\begin{equation}
\begin{pmatrix}a_1 \\ \vdots \\ a_n\end{pmatrix} ~,
\end{equation}
这种向量被称为
列向量，$n$ 被称为 $a$ 的
维度，$a_i$ 被称为 $a$ 的第 $i$ 坐标
1。对于列向量来说，存在一组特别的基底 $\{ \boldsymbol{\mathbf{e}} _i\}_{i = 1}^n$，称为
标准基底，其中 $ \boldsymbol{\mathbf{e}} _i$ 是第 $i$ 坐标为 $1$，其他坐标为 $0$ 的列向量，因此任何一个列向量都可以写成
\begin{equation}
\boldsymbol{\mathbf{a}} = a_1 \boldsymbol{\mathbf{e}} _1 + \cdots + a_n \boldsymbol{\mathbf{e}} _n~
\end{equation}
的形式。
第 $i$ 坐标 $a_i$ 的取值可以和几何向量一样取实数 $\mathbb{R}$，也可以取一些其他的数，比如复数 $\mathbb{C}$。方便起见，我之后只考虑实向量，$n$ 维向量就是 $n$ 维空间的 $\mathbb{R}^n$ 上的一点。
未完成：检查是否定义过 $n$ 维空间的 $\mathbb{R}^n$
未完成：数集的定义和链接
实数取值的 $2$ 维（或者 $3$ 维）列向量，等价于选取了坐标系的几何向量——由标准基底的存在，列向量并不是几何向量的推广。几何向量和列向量都是更一般的向量的特殊情况。
2. 行向量
如果把向量 “横过来”，我们就得到了行向量，
\begin{equation}
\begin{pmatrix}a_1 & \cdots & a_n\end{pmatrix} ~,
\end{equation}
（注意，一般 $(a_1, \cdots, a_n)$ 表示的是列向量，区别在于逗号）。
行向量和列向量的定义 “本身” 没有任何区别，对于某个外星人而言完全可以把这两个符号反过来；真正重要的是行向量和列向量之间的运算：考虑一个 $n$ 维行向量 $ \boldsymbol{\mathbf{a}} $ 和 列向量 $ \boldsymbol{\mathbf{b}} $，我们定义 $ \boldsymbol{\mathbf{a}} $ 乘 $ \boldsymbol{\mathbf{b}} $ 为
\begin{equation}
\boldsymbol{\mathbf{a}} \boldsymbol{\mathbf{b}} = \begin{pmatrix}a_1 & \cdots & a_n\end{pmatrix} \begin{pmatrix}b_1 \\ \cdots \\ b_n\end{pmatrix} = \sum_{i = 1}^n a_i b_i~,
\end{equation}
是一个数。
注：$l$ 是 left 的首字母，意味着从左边乘。
从这个角度来说，行向量是 “列向量的函数”：
\begin{equation}
\begin{aligned}
l_{ \boldsymbol{\mathbf{a}} }: \mathbb{R}^n &\to \mathbb{R} \\
\boldsymbol{\mathbf{b}} &\mapsto \boldsymbol{\mathbf{a}} \boldsymbol{\mathbf{b}} = \sum_{i = 1}^n a_i b_i~,
\end{aligned}
\end{equation}
未完成：再检查是否定义过映射 “$\to$”，如果没有就把《数学基础》提到《微积分》之前，或者新开一个 part？
不过，正如我们之前提过的——“行向量和列向量的定义‘本身’没有任何区别”，因此反过来看列向量也是 “行向量的函数”：
\begin{equation}
r_{ \boldsymbol{\mathbf{b}} }( \boldsymbol{\mathbf{a}} ) = \boldsymbol{\mathbf{a}} \boldsymbol{\mathbf{b}} = \sum_{i = 1}^n a_i b_i~,
\end{equation}
注：$r$ 是 right 的首字母，意味着从右边乘。
3. 转置
我们可以通过转置把行/列向量相互转化，考虑列向量 $ \boldsymbol{\mathbf{a}} = \begin{pmatrix}a_1 \\ \vdots \\ a_n\end{pmatrix} $，它的转置记为 $ \boldsymbol{\mathbf{a}} ^T$（或者 $ \boldsymbol{\mathbf{a}} ^\top$、${}^t \boldsymbol{\mathbf{a}} $）是行向量
\begin{equation}
\begin{pmatrix}a_1 & \cdots & a_n\end{pmatrix} ~.
\end{equation}
未完成：添加到 Conven.tex
1. ^ 数学中没有规定一定要从 $1$ 开始计数，也可以从 $0$ 开始。
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。