从三维理解维空间

所谓的向量的维数n就是n个数据可以确定一个具体的点。
既然我们处于三维空间，对大于三维的度量不容易理解。 先从三维谈起，如向量{x1,x2,x3}在三维空间上必然可以被分解为：
{x1,x2,x3}=x1{1,0,0}+x2{0,1,0}+x3{0,0,1} 
其中，这三个分量{1,0,0}{0,1,0}{0,0,1}是线性无关的，而且是正交的。
将上述过程用如下描述：
三维向量{x,y,z}在三维空间上必然可以被分解为：

{x,y,z}=x{1,0,0}+y{0,1,0}+xz{0,0,1} 
其中，这三个分量{1,0,0}{0,1,0}{0,0,1}是线性无关的，而且是正交的。
并且就是我们的单位量，无非是x轴、y轴和z轴上的单位量而已。
从而空间直角坐标系就有了基。这三个分量可以将任何空间向量线性表出。
所以三维向量组成的几何空间其实可以用这三个基表达出任何三维向量。
当然，向量和点对应，三维向量其实也是对应三维直角坐标系的一个点。 

那么，这样对于n维向量{x1,x2,……,xn}=x1{1,0,……,0}+……+xn{……,……,1} 
其实在n维空间上就是由n个基构成的一个线性组合。
换句话说，它也是其在n维直角坐标系中的一个点。
当然，这里的直角的含义是，n个基两两正交。
一个n维向量其实就是一个n维欧式空间的一个点。只不过是有n个向量的。