CH 3

尤拉向量空間
 大綱

 3.1 二維、三維與 n 維向量

 3.2 Rn 空間的模、點積與距離

 3.3 正交性
 3.1 二維、三維與 n 維向量 (不考)
幾何向量
 若欲表示起點為 A、終點為 B 的向量，如圖 3.1.2
所示，寫成

112
 3.1 二維、三維與 n 維向量 (不考)
向量加法
 在圖 3.1.4c 以三角形法則建構了兩向量和 v + w 和 w
+ v（上方和下方各一個三角形），很明顯地可以發現

112
 3.1 二維、三維與 n 維向量 (不考)

向量減法
 向量v 和 w 的差，記作 w – v，可表為以下向量的
和

114
 3.1 二維、三維與 n 維向量 (不考)
純量乘法
 可特別觀察向量 (–1)v，其與 v 的長度相同但方向
相反，亦即

114
 3.1 二維、三維與 n 維向量 (不考)
起點不在原點之向量
 有時必須考慮起點不在原點之向量，如 表示
向量的起點在 P1(x1, y1)、終點在P2(x2, y2)，此向量
的各分量為

 在三維空間中，起點為 P1(x1, y1, z1) 、終點為 P2(x2,

y2 , z2)的向量為

116
 3.1 二維、三維與 n 維向量 (不考)

117
 範例 1 求向量之分量 (不考)

起點為 P1(2, –1, 4)、終點為 P2(7, 5, –8) 的向量 ，

其各分量為

117
 3.1 二維、三維與 n 維向量 (不考)
n 維空間
定義1
 若 n 為正整數，則有序 n 項（ordered n-tuple）為 n 個
實數所形成之數列（υ1, υ2, . . . ,υn）。而所有有序 n 項
所成的集合稱 n 維空間，記作 Rn。
Rn 中向量的運算
定義2
 在 Rn 空間中，向量 v = (υ1, υ2, . . . , υn) 和 w = (w1,
w2, . . . , wn) 被稱為相等（或等價），若

且可寫成 v = w。

117
 3.1 二維、三維與 n 維向量 (不考)
定義3
 若 v = (υ1, υ2, . . . , υn) 和 w = (w1, w2, . . . , wn) 為 Rn
中的向量，且若 k 為任意純量，則定義

 [ 譯者註：(12) 和(13) 式，其實不應歸類於定義之中，

因其為向量加法和純量乘法的結合而已！ ]

119
 範例 3 使用分量之代數運算

若 v = (1, –3, 2)、 w = (4, 2, 1)，則

120
 3.1 二維、三維與 n 維向量
定理 3.1.1
 若 u, v, w 為 Rn 中的向量，且 k 和 m 為純量，則

120
 3.1 二維、三維與 n 維向量

定理 3.1.2
 若 v 為 Rn 中的向量，且 k 為純量，則

120
 3.1 二維、三維與 n 維向量
線性組合
定義4
 w 與 v1, v2, . . . , vr 均為 Rn 中的向量， k1, k2, . . . , kr 為

純量，若

 則稱 w 為 v1, v2, . . . , vr 的線性組合（linear

combination）。而 k1, k2, . . . , kr 這些純量稱為線性組合
的係數。
 當 r = 1 時， (14) 式變成 w = k1v1，此時表示單一向量
的線性組合為另一向量純量倍數。 (不考)

121
 3.1 二維、三維與 n 維向量 (不考)

向量的其他表示法

 將 Rn 中的向量以如下表示

稱之為逗號分界型式（comma-delimited form）。

122
 3.1 二維、三維與 n 維向量 (不考)

 例如， (15) 式的向量可改寫為

這種表示法稱作列向量形式（row-vector form）。

122
 3.1 二維、三維與 n 維向量 (不考)

 或者以

這種表示法稱作行向量形式（column-vector form）。

122
 3.2 Rn 空間的模、點積與距離 (不考)
向量的模

 R2 中的向量（υ1, υ2）之模為

 應用 2 次畢達哥拉斯定理得

 可得

123
3.2 R n 空間的模、點積與距離(不考)
定義1
 若 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量，則 v 的模（範數），
也稱為 v 的長度（length）或 v 的大小（magnitude），記作
||v||，且定義為

123
 範例 1 計算模

根據 (2) 式， R3 中的向量 v = (–3, 2, 1) 之模為

根據 (3) 式， R4 中的向量 v = (2, –1, 3, −5) 之模為

123
 3.2 Rn 空間的模、點積與距離

定理 3.2.1
 若 v 為 Rn 中的向量、 k 為任意純量，則

單位向量(不考)
 當向量的模等於 1 時，稱之為單位向量（unit vector）。

124
3.2 R n 空間的模、點積與距離(不考)

 若 v 為 Rn 中的任意非零向量，則

 此程序稱之為對 v 向量進行正規化（normalizing）。

124
 範例 2 正規化向量

試求一與 v = (2, 2, –1) 同方向之單位向量 u。

125
 3.2 Rn 空間的模、點積與距離(不考)
標準單位向量
 R2 中的任意向量 v = (υ1, υ2) 或 R3 中的任意向量 v = (υ1, υ2,
υ3) 都可以用標準單位向量進行線性組合的方式寫成

 Rn 空間中，定義出其標準單位向量為

 Rn 空間中的任意向量 v = (υ1, υ2, . . . , υn) 可被展開為

125
範例 3 標準單位向量的線性組合(不考)

126
 3.2 Rn 空間的模、點積與距離(不考)
Rn 中的距離
 若 P1(x1, y1) 和 P2(x2, y2) 為 R2 空間中的點，則依 3.1 節中的
(4) 式得

 三維空間的 P1(x1, y1, z1) 和 P2(x2, y2, z2) 兩點間的距離為

126
 3.2 Rn 空間的模、點積與距離 (不考)

定義2
 若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 空間中的
點，則 u 和 v 的距離（distance）記作 d(u, v)，且定義為

126
 範例 4 計算 Rn 中的距離
令

則 u 和 v 的距離為

126
3.2 Rn 空間的模、點積與距離(不考)
點積
定義3
 令 u 和 v 為 R2 或 R3 空間的非零向量，若 θ 為 u 和 v 之間
的夾角，則 u 和 v 的點積（dot product）又稱為尤拉內積
（Euclidean inner product）或歐幾里德內積（Euclidean
inner product），記作 u‧v，且定義為

 若 u = 0 或 v = 0，則定義 u‧v 為 0。
 點積的正負值可對夾角 θ 提供訊息，因此可將 (12) 式改寫
為

127
 3.2 Rn 空間的模、點積與距離(不考)
點積的向量分量形式
 令 u = (u1, u2, u3) 和 v = (υ1, υ2, υ3) 為非零向量。如圖 3.2.7
所示， u 和 v 向量夾角 θ，則依三角餘弦可得

 經過化簡後，得

 同理，二維向量的公式為

129
 範例 5 點積 (不考)
求圖 3.2.5 中向量的點積。

127
 範例 6 使用點積解幾何問題(不考)

求立方體中對角線和邊的夾角。

128
 3.2 Rn 空間的模、點積與距離(不考)
定義4
 若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量，
則點積（dot product）又稱為尤拉內積（Euclidean inner
product）或歐幾里德內積（Euclidean inner product）記作
u‧v，且定義為

129
 範例 7 使用向量分量形式計算點積

(a) 使用 (15) 式計算範例 5 中向量 u 和 v 的點積。

(b) 計算下列 R4 中向量的 u‧v。

130
3.2Rn 空間的模、點積與距離 (不考)
點積的代數特性
 當 u = v 時為定義 4 的特例，此時可得關係

 也就是向量的長度公式可以點積來表示為

130
 3.2 Rn 空間的模、與距離
定理 3.2.2 (點積 4定理)
 若 u, v, w 為 Rn 中的向量，且 k 為純量，則

 (a) u‧v = v‧u [ 對稱性（Symmetry property） ]

 (b) u‧(v + w) = u‧v + u‧w [ 分配律（Distributive property） ]

 (c) k(u‧v) = (ku)‧v [ 同質性（Homogeneity property） ]

 (d) v‧v ≥ 0，而且當 v‧v = 0 時，若且唯若 v = 0 [ 正值性

（Positivity property） ]

130
 3.2Rn 空間的模、點積與距離(不考)

定理 3.2.3
 若 u, v, w 為 Rn 中的向量，且 k 為純量，則

 (a) 0‧v = v‧0 = 0

 (b) (u + v)‧w = u‧w + v‧w

 (c) u‧(v – w) = u‧v – u‧w

 (d) (u – v)‧w = u‧w – v‧w

 (e) k(u‧v) = u‧(kv)

130
 範例 8 點積的計算 (不考)

131
 3.2 Rn 空間的模、點積與距離

Rn 中的夾角(不考)
 之前 R2 和 R3 的非零向量推導出的以下公式開始

131
相關性 (補充，不考)

41
 相關性 (補充，不考)
相關性
相關性 (補充，不考)

=?
 3.2 Rn 空間的模、點積與距離

Rn 中的柯西– 史瓦茲不等式和夾角
 然而，美中不足的是 (20) 式的反餘弦上未定義完整，除非
確認滿足不等式。

131
 3.2Rn 空間的模、點積與距離(不考)
定理 3.2.4
 若 u = (u1, u2, . . . , un) 和 v = (υ1, υ2, . . . , υn) 為 Rn 中的向量，
則

 或以分量形式表示為

131
 3.2Rn 空間的模、點積與距離(觀念)
Rn 的幾何性
定理 3.2.5
 若 u, v, w 為 Rn 中的向量，若 k 為任一純量，則
 (a) ||u ＋ v|| ≤ ||u|| ＋ ||v|| [ 向量的三角不等式]
 (b) d(u, v) ≤ d(u, w) ＋ d(w, v) [ 距離的三角不等式]

定理 3.2.6 向量的平行四邊形等式
 若 u 和 v 為 Rn 中的向量，則

132
 3.2Rn 空間的模、點積與距離(觀念)
定理 3.2.7
 若 u 和 v 為 Rn 中的向量，則其尤拉內積（Euclidean inner
product）為

133
 3.2Rn 空間的模、點積與距離(不考)

134
 3.2Rn 空間的模、點積與距離(觀念)

以矩陣乘法計算點積
 若 A 為 n × n 矩陣、 u 和 v 為 n × 1 矩陣，則根據表 1 和轉
置的特性得

133
 範例 9 驗證 Au • v = u • ATv (不考)

假設

134
範例 9 驗證 Au • v = u • ATv(續)
(不考)
可得

因此，可以確認 (26) 式所述的 Au • v = u • ATv，另

外的 (27) 式也可自行確認。

135
 3.2Rn 空間的模、點積與距離 (不考)
以點積的觀點來看矩陣乘法
 A = [aij] 為 m × r 矩陣、 B = [bij] 為 r× n 矩陣，則 AB 的第
ij 位置元素為

 其為 A 矩陣的第i 列

 和 B 矩陣的第j 行

135
 3.2Rn 空間的模、點積與距離 (不考)

 若 A 的列向量為 r1, r2, . . . , rm、 B 的行向量為 c1, c2, . . . ,

cn ， 則矩陣乘積 AB 可表為

135
 3.3 正交性 (不考)
正交向量
定義1
 Rn 中兩非零向量 u 和 v，若 u‧v = 0，則稱 u 和 v 為正
交（orthogonal）或稱垂直（perpendicular），且認定
Rn 中的零向量正交於 Rn 中的所有向量。若 Rn 中的一
非空集合，其任兩個不同向量為正交，則稱為正交集
（orthogonal set）。單位向量所構成的正交集，稱為正
則集（orthonormal set）。

136
 範例 1 正交向量 (不考)

(a) 證明 R4 中的 u = (–2, 3, 1, 4) 和 v = (1, 2, 0, –1)

為正交。
(b) 令 S = {i, j, k} 為 R3 中之標準單位向量所成的
集合，試證 S 中的任兩向量為正交。

136
 3.3 正交性 (不考)
使用點和法向量決定一直線和平面
 該直線和平面都使用了以下的向量方程式

137
 3.3 正交性 (不考)

 因此， (1) 式可改寫為

 以上這些稱為直線和平面的點法式方程（point-normal
equations）。

137
 3.3 正交性 (不考)

137
 範例2 點法式方程 (不考)

根據 (2) 式， R2 中的方程式

代表通過點 (3, –7)，法向量為 n = (6, 1) 的直線；而根

據 (3) 式， R3 中的方程式

代表通過點 (3, 0, 7)，法向量為 n = (4, 2, –5) 的平面。

137
 3.3 正交性 (不考)

定理 3.3.1
 (a) 若 a 和 b 為常數且不同時為零，則方程式形式為

 代表 R2 中的一直線，且其法向量為 n = (a, b)。

 (b) 若 a, b 和 c 為常數且不同時為零，則方程式形式為

 代表 R3 中的一平面，且其法向量為 n = (a, b, c)。

138
 範例 3 正交於通過原點的直線和平
面之向量 (不考)
(a) 若方程式 ax + by = 0 表示 R2 中通過原點的直線。
試證明由方程式係數所構成的向量 n1 = (a, b) 正交於
直線；亦即，正交於延著直線上的任何向量。
(b) 若方程式 ax + by + cz = 0 表示 R3 中通過原點的平
面。試證明由方程式係數所構成的向量 n2 = (a, b, c)
正交於平面；亦即，正交於平面上的任何向量。

138
 3.3 正交性 (不考)
定理 3.3.2 投影定理
 若 u 和 a 為 Rn 中之向量，且 a ≠ 0，則 u 可唯一表為 u
= w1 + w2，其中， w1 為 a 的純量倍數之向量， w2 為
正交於 a 之向量。
 因為 w1 為 a 的純量倍數之向量，所以必定

139 如果 a 是單位向量? 則:
 3.3 正交性 (不考)
 接著必須找到純量 k 和正交於 a 之向量 w2，使其滿足

 應用定理 3.2.2 和定理 3.2.3 可得

 且根據 (8) 知 w2 = u – projau。以下做個結論

139
 範例 4 直線上的正交投影

求向量 e1 = (1, 0) 和 e2 = (0, 1) 在直線 L 上的正交投影，

其中直線 L 與 x 軸正向的夾角 θ 為正。

140
 範例 5 u 在 a 上的分量向量

令 u = (2, –1, 3) 及 a = (4, –1, 2)，試求 u 在 a 上的分量

向量與正交於 a 的分量向量。

141
 3.3 正交性 (觀念)

 第二個等號是根據定理 3.2.1(c)，第三個等號是因為
||a||2 > 0。因此，

 若 θ 表示 u 和 a 的夾角，則 u‧a = ||u|| ||a|| cosθ，所以

(12) 式也可寫為

141
 3.3 正交性 (不考)
畢達哥拉斯定理

定理 3.3.3 Rn 中的畢達哥拉斯定理
 若 u 和 v 為 Rn 中的兩正交向量，且尤拉內積
（Euclidean inner product）定義完備，則

142
 範例 6 R4 中的畢達哥拉斯定理(不考)

在範例 1 中已經證明向量
u = (–2, 3, 1, 4) 和 v = (1, 2, 0, –1)
為正交，請驗證這些向量滿足畢達哥拉斯定理。

142