向量是同时具有大小和方向的量。
向量 (3, 4) 的含义：
就像地址"3号楼4层"告诉你在哪栋楼的几层，向量的每个数字告诉我们向对应方向走多少。
几何意义：首尾相连 —— 把向量 b 的起点放在向量 a 的终点上，结果就是从 a 的起点指向 b 的终点。
例：\(\vec{a}=(2,3)\)，\(\vec{b}=(4,1)\)，\(\vec{a}+\vec{b}=(2+4, 3+1) = (6,4)\)
几何意义：从 b 指向 a 的向量 —— 也可以理解为 \(\vec{a} + (-\vec{b})\)（加上一个反方向的向量）。
例：\(\vec{a}=(5,4)\)，\(\vec{b}=(2,1)\)，\(\vec{a}-\vec{b}=(5-2, 4-1) = (3,3)\)
向量减法 \(\vec{a} - \vec{b}\) 可以理解为："从 \(\vec{b}\) 指向 \(\vec{a}\) 的箭头"。就像问"从你家到我家的路怎么走"。
k 是一个数字（标量），可以放大、缩小、或反向：
零向量：所有分量都是 0，长度为 0，方向任意
负向量：每个分量取反，方向完全相反
\(\vec{a} + (-\vec{a}) = \vec{0}\)（互为相反数的向量相加等于零向量）
这就是勾股定理！
例：\(\|(3,4)\| = \sqrt{3^2+4^2} = \sqrt{9+16} = \sqrt{25} = 5\)
长度为 1 的向量，用于表示"方向"
任何向量除以它的长度，就变成了单位向量（方向不变，长度变成1）。
\(\vec{v} = (3,4)\)，\(\|\vec{v}\| = 5\)
单位向量：\(\hat{v} = (3/5, 4/5) = (0.6, 0.8)\)
验证：\(\|(0.6, 0.8)\| = \sqrt{0.36+0.64} = \sqrt{1} = 1\) ✓
向量与 x 轴正方向的夹角：
点积的结果是一个数字，不是向量！
\(\vec{a} \cdot \vec{b} = \|\vec{a}\|\ \|\vec{b}\|\ \cos\theta\)
叉积只在三维空间中存在，结果是另一个向量！
可以把叉积想象成：给两个"在同一平面上的"向量，造一个"垂直于这个平面"的新向量
想象你在桌子上放了一本书和一支笔：
叉积的方向怎么判断？跟我做：
📌 例子：右手四指从 x 轴转向 y 轴，大拇指就指向 z 轴正方向！
若从 \(\vec{a}\) 到 \(\vec{b}\) 的最小角度转向是逆时针 → 叉积方向垂直向上（正 z）
若从 \(\vec{a}\) 到 \(\vec{b}\) 的最小角度转向是顺时针 → 叉积方向垂直向下（负 z）
这个长度其实就是"以两个向量为邻边的平行四边形面积"！
假设有向量 \(\vec{a}\) 和 \(\vec{b}\)，都从同一点 O 出发：
而叉积的长度 \(\|\vec{a} \times \vec{b}\|\) 正好等于 \(\|\vec{a}\| \cdot \|\vec{b}\| \sin\theta\)，因此叉积的长度就是那个平行四边形的面积！
例1：垂直向量
\(\vec{a} = (2, 0, 0)\)（长度2），\(\vec{b} = (0, 3, 0)\)（长度3），夹角90°，\(\sin90°=1\)。
平行四边形是2×3的长方形，面积=6。叉积长度 = \(\|(0,0,6)\| = 6\)，完全相等！
例2：平行向量
\(\vec{a}\) 和 \(\vec{b}\) 平行（θ=0），平行四边形"压扁"成一条线，面积=0，叉积长度=0！
在3D空间中，有三个最基本的单位向量：
任何3D向量都可以用 i, j, k 表示！例如 \((2, 3, 1) = 2\mathbf{i} + 3\mathbf{j} + 1\mathbf{k}\)
叉积的结果也是一个向量，可以写成：
第一行是 \(\mathbf{i}, \mathbf{j}, \mathbf{k}\)（单位向量）
第二行是 \(\vec{a}\) 的三个分量：\(a_x, a_y, a_z\)
第三行是 \(\vec{b}\) 的三个分量：\(b_x, b_y, b_z\)
3x3行列式展开：分别划掉当前元素所在行和列，求2x2行列式。
用公式表达就是：
每一项都是"主对角线 - 副对角线"的形式。
把 \(\mathbf{i}, \mathbf{j}, \mathbf{k}\) 替换回 \((1,0,0), (0,1,0), (0,0,1)\)：
✓ 这就是我们熟悉的叉积公式了！
设 \(\vec{a} = (1, 2, 3)\)，\(\vec{b} = (4, 5, 6)\)
第一步：写出行列式
第二步：展开
= \(\mathbf{i}(2 \cdot 6 - 3 \cdot 5) - \mathbf{j}(1 \cdot 6 - 3 \cdot 4) + \mathbf{k}(1 \cdot 5 - 2 \cdot 4)\)
= \(\mathbf{i}(12-15) - \mathbf{j}(6-12) + \mathbf{k}(5-8)\)
= \(-3\mathbf{i} + 6\mathbf{j} -3\mathbf{k}\)
结果：\((-3, 6, -3)\)
⚠️ 叉积不满足交换律！\(\vec{a} \times \vec{b} = -(\vec{b} \times \vec{a})\)
想想右手定则：从 b 转向 a 时，大拇指指向相反方向！
① \(\vec{a} = (1,0,0)\)（x轴），\(\vec{b} = (0,1,0)\)（y轴）
\(\vec{a} \times \vec{b} = (0\cdot0-0\cdot1,\ 0\cdot0-1\cdot0,\ 1\cdot1-0\cdot0) = (0,0,1)\) → z轴正方向！
② \(\vec{a} = (0,1,0)\)（y轴），\(\vec{b} = (0,0,1)\)（z轴）
\(\vec{a} \times \vec{b} = (1\cdot1-0\cdot0,\ 0\cdot0-0\cdot1,\ 0\cdot0-1\cdot0) = (1,0,0)\) → x轴正方向！
③ \(\vec{a} = (1,0,0)\)，\(\vec{b} = (2,0,0)\)（平行）
\(\vec{a} \times \vec{b} = (0\cdot0-0\cdot0,\ 0\cdot2-1\cdot0,\ 1\cdot0-0\cdot2) = (0,0,0)\) → 零向量！
投影就是把一个向量"影子"投到另一个向量上的长度！
例：\(\vec{a} = (3, 4)\)，\(\vec{b} = (5, 0)\)
点积：\(\vec{a} \cdot \vec{b} = 3 \cdot 5 + 4 \cdot 0 = 15\)
\(\|\vec{b}\| = 5\)
标量投影：\(\frac{15}{5} = 3\)（正好是 \(\vec{a}\) 的 x 分量！）
向量投影：\(\left(\frac{15}{25}\right) \cdot (5, 0) = (3, 0)\)
你的理解很接近！但"线性"其实包含两个条件：
想象你有一台神奇的复印机：
✨ 同时满足这两个规则，才叫做"线性"！
✅ 线性例子：向量缩放、向量加法、矩阵乘法
❌ 非线性例子：平方运算 \(x^2\)、开根号 \(\sqrt{x}\)、加常数 \(x+5\)
线性组合 = 一种运算（像做加法一样）
线性相关/无关 = 向量集的性质（像数字的奇偶性）
线性组合的结果 = 一定是一个新向量
例：\(3 \times (1,0) + 2 \times (0,1) = (3,0) + (0,2) = (3,2)\) ← 新向量！
关键问题：
当你用线性组合"摆弄"一组向量时，先问自己：
👉 这些向量里，有没有人是"多余的"？
→ 有的话 = 线性相关
→ 没有的话 = 线性无关
定义：把向量乘以系数（标量）后，再加起来
就是"先伸缩，再拼接"！
想象你有两种乐高积木：
线性组合就是：用3块红色积木 + 2块蓝色积木，拼出一个新造型！
🧱 系数 c 就是你用几块积木！
例1：\(2 \cdot (1,0) + 3 \cdot (0,1) = (2,0) + (0,3) = (2,3)\)
例2：\((-1) \cdot (2,1) + 2 \cdot (1,0) = (-2,-1) + (2,0) = (0,-1)\)
💡 任何向量都可以写成其他向量的线性组合！
定义：一组向量中，没有任何一个能由其他向量的线性组合表示
判断方法：
如果 \(c_1\vec{v}_1 + c_2\vec{v}_2 = \vec{0}\)，则必须 \(c_1 = 0\) 且 \(c_2 = 0\)
换句话说：系数全为0才能得到零向量 → 线性无关！
如果向量集中包含零向量，那它一定是线性相关的！
因为：\(1 \cdot \vec{0} + 0 \cdot \vec{v}_1 + ... = \vec{0}\) — 系数不全为0！
所以：零向量是个"破坏者"，一出现就变成线性相关！
直观理解：这些向量"各有各的方向"，谁也替代不了谁！
想象你有一个3人团队：
这三人各有独特技能，谁也替代不了谁！
你不能用"会做饭的"和"会开车的"通过任何方式组合出一个"会修电脑的"！
💎 这就是线性无关 — 任何一个人都无法用其他人的技能组合出来！
🎯 例子：\(\vec{v}_1 = (1, 0)\)，\(\vec{v}_2 = (0, 1)\)
你能用 \(\vec{v}_2\) 的线性组合表示 \(\vec{v}_1\) 吗？不能！
你能用 \(\vec{v}_1\) 的线性组合表示 \(\vec{v}_2\) 吗？不能！
→ 线性无关 💎
定义：一组向量中，至少有一个能由其他向量的线性组合表示
判断方法：
存在不全为0的系数，使得 \(c_1\vec{v}_1 + c_2\vec{v}_2 = \vec{0}\)
换句话说：系数不全为0也能得到零向量 → 线性相关！
直观理解：这些向量"有人偷懒"，有人是多余的！
想象你有一个3人团队：
小红是多余的！
因为小明已经会做饭了，小红没有新技能。
你可以说：小红 = 1 × 小明（可以由小明的技能线性组合出来！）
📌 这就是线性相关 — 有人是多余的，可以由其他人的技能组合出来！
🎯 例子1：\(\vec{u}_1 = (2, 1)\)，\(\vec{u}_2 = (4, 2)\)
你能用 \(\vec{u}_1\) 的线性组合表示 \(\vec{u}_2\) 吗？
\(2 \cdot \vec{u}_1 = 2 \cdot (2,1) = (4,2) = \vec{u}_2\)
→ \(\vec{u}_2\) 是 \(\vec{u}_1\) 的2倍！→ 线性相关 📌
🎯 例子2：包含零向量的情况
\(\vec{v}_1 = (1, 0)\)，\(\vec{v}_2 = (0, 1)\)，\(\vec{v}_3 = (0, 0)\)
你能用前两个向量的线性组合表示 \(\vec{v}_3\) 吗？太简单了！
\(0 \cdot \vec{v}_1 + 0 \cdot \vec{v}_2 = (0, 0)\) → 但等等，还有另一种方法！
方法2：\(0 \cdot \vec{v}_1 + 0 \cdot \vec{v}_2 + 1 \cdot \vec{v}_3 = \vec{0}\) → 系数不全为0！
→ 只要有零向量，一定是线性相关 📌
| 概念 | 关系 |
|---|---|
| 线性组合 | 运算方式：系数 × 向量，再相加 |
| 线性无关 | 向量间的理想关系：各向量互相独立，缺一不可 |
| 线性相关 | 向量间的一种特殊关系：至少有一个向量可由其他向量表示 |
💡 关键：2D空间中，只需要2个线性无关的向量就能表示所有向量！
这2个向量叫做基向量！\(\vec{v}_1=(1,0)\) 和 \(\vec{v}_2=(0,1)\) 就是最常见的基。
垂直：点积为 0 → \(\vec{a} \cdot \vec{b} = 0\)
平行：叉积长度为 0 → \(\|\vec{a} \times \vec{b}\| = 0\)
2D 向量平行：\(\frac{\vec{a}_x}{\vec{b}_x} = \frac{\vec{a}_y}{\vec{b}_y}\)（对应分量的比值相等）