n维单位行向量(a1，a2，a3，an)，其中a1＾2+a2＾2+.an＾2=1，它的转置就是n维单位列向量。
单位列向量，即向量的长度为1，其向量所有元素的平方和为1。n维列向量是n行1列，n维行向量是1行n列；直观是，列向量是1列，行向量是1行。
在线性代数中，列向量是一个 n×1 的矩阵，即矩阵由一个含有n个元素的列所组成：列向量的转置是一个行向量，反之亦然。所有的列向量的集合形成一个向量空间，它是所有行向量集合的对偶空间。
矩阵乘法是把每一个矩阵的 列向量同另一个矩阵的每行向量相乘。欧几里得空间的点积就是把其中一个列向量的转置与另一个列向量相乘。
扩展资料：
列向量的转置是一个行向量，反之亦然。 所有的列向量的集合形成一个向量空间，它是所有行向量集合的对偶空间。
为了进一步的简化，有些学者把行向量与列向量都写成行的形式，不过行向量的元素用空格隔开，而列向量的元素则用逗号隔开。 举例来说，假设x是一个行向量，那么x与x能被这样表示。
在线性代数中，行向量是一个 1×n的矩阵，即矩阵由一个含有n个元素的行所组成即行向量。行向量的转置是一个列向量，反之亦然。所有的行向量的集合形成一个向量空间，它是所有列向量集合的对偶空间。
参考资料来源：百度百科——单位列向量
还是没明白
能写出来吗？
追答
单位列向量，即向量的长度为1，其向量所有元素的平方和为1。
在线性代数中，列向量是一个 n×1 的矩阵，即矩阵由一个含有n个元素的列所组成：列向量的转置是一个行向量，反之亦然。所有的列向量的集合形成一个向量空间，它是所有行向量集合的对偶空间。
n维单位向量有两种写法，列向量和行向量，没有本质的区别。
为了简化书写，方便排版，列向量经常被写成行向量加上一个转置符号 的形式。
矩阵乘法是把每一个矩阵的 列向量同另一个矩阵的每行向量相乘。欧几里得空间的点积就是把其中一个列向量的转置与另一个列向量相乘。
若||x||=1,则X称为单位向量。||X||表示n维向量X长度（或范数）
单位列向量，即向量的长度为1，其向量所有元素的平方和为1。
n维列向量是n行1列，n维行向量是1行n列；直观是，列向量是1列，行向量是1行。
在线性代数中，列向量是一个
n×1
的矩阵，即矩阵由一个含有n个元素的列所组成：列向量的转置是一个行向量，反之亦然。所有的列向量的集合形成一个向量空间，它是所有行向量集合的对偶空间。
形式：为了简化书写，方便排版，列向量经常被写成行向量加上一个转置符号
的形式。
若||x||=1,则X称为单位向量。||X||表示n维向量X长度（或范数）
矩阵乘法是把每一个矩阵的 列向量同另一个矩阵的每行向量相乘。欧几里得空间的点积就是把其中一个列向量的转置与另一个列向量相乘。
扩展资料
线性代数中的概念是理解机器学习理论所必需的基础知识，尤其是对那些处理深度学习算法的人而言。在刚接触机器学习时，你可以不需要掌握线性代数。但到了一定程度后，当你希望更好地理解不同机器学习算法运作原理时，线性代数就很有用了，它可以帮助你在开发机器学习系统时更好地做决策。
在线性代数中，我们使用线性方程来表示数据，并把它们写成矩阵或向量的形式。因此，基本上你都是在与矩阵和向量打交道，而不是标量（我们会在文章的稍后部分介绍这些概念）。如果你能够想到使用一个合适的库，比如
NumPy，你就可以通过简短的几行代码，轻松实现复杂的矩阵乘法。
参考资料：搜狗百科-单位列向量