MIT线性代数-方程组的几何解释

文章目录

  • [1. 二维空间](#1. 二维空间)
    • [1.1 行方向](#1.1 行方向)
    • [1.2 列方向](#1.2 列方向)
  • [2. 三维空间](#2. 三维空间)
    • [2.1 行方向](#2.1 行方向)
    • [2.2 列方向](#2.2 列方向)

假设有一个方程组 A X = B AX=B AX=B表示如下
2 x − y = 0 (1) 2x-y=0\tag{1} 2x−y=0(1)
− x + 2 y = 3 (2) -x+2y=3\tag{2} −x+2y=3(2)

  • 矩阵表示如下:

    2 − 1 − 1 2 \] \[ x y \] = \[ 0 3 \] (3) \\begin{bmatrix}2\&-1\\\\\\\\-1\&2\\end{bmatrix}\\begin{bmatrix}x\\\\\\\\y\\end{bmatrix}=\\begin{bmatrix}0\\\\\\\\3\\end{bmatrix}\\tag{3} 2−1−12 xy = 03 (3)

1.1 行方向

  • 从行的方向上可以得到如下图形:
  • 得到的交点M(1,2) 就是矩阵求得的x=1,y=2答案。

1.2 列方向

将方程变换成列方向,可得如下结构:
x [ 2 − 1 ] + y [ − 1 2 ] = [ 0 3 ] x\begin{bmatrix}2\\\\-1\end{bmatrix}+y\begin{bmatrix}-1\\\\2\end{bmatrix}=\begin{bmatrix}0\\\\3\end{bmatrix} x 2−1 +y −12 = 03

  • 可以看成两个向量a= [ 2 − 1 ] \begin{bmatrix}2\\\\-1\end{bmatrix} 2−1 ,b= [ − 1 2 ] \begin{bmatrix}-1\\\\2\end{bmatrix} −12 的线性组合。
  • 从列方向可以看出来,方程组可以看出来是以a= [ 2 − 1 ] \begin{bmatrix}2\\\\-1\end{bmatrix} 2−1 ,b= [ − 1 2 ] \begin{bmatrix}-1\\\\2\end{bmatrix} −12 为基,以 x, y 为系数,进行向量计算求得向量 [ 0 3 ] \begin{bmatrix}0\\\\3\end{bmatrix} 03

2. 三维空间

2.1 行方向

2 x − y = 0 ; − x + 2 y − z = − 1 ; − 3 y + 4 z = 4 2x-y=0;\quad-x+2y-z=-1;\quad-3y+4z=4 2x−y=0;−x+2y−z=−1;−3y+4z=4

三维图像如下:

  • 我们发现,对于方程组来说,我们从行方向画图的时候发现,特别难找到三个平面的交点,为此我们希望用更简单的方式看方程组(列方向)

2.2 列方向

  • 方程组: 2 x − y = 0 ; − x + 2 y − z = − 1 ; − 3 y + 4 z = 4 2x-y=0;\quad-x+2y-z=-1;\quad-3y+4z=4 2x−y=0;−x+2y−z=−1;−3y+4z=4
  • 转换成矩阵:
    x [ 2 − 1 0 ] + y [ − 1 2 − 3 ] + z [ 0 − 1 4 ] = [ 0 − 1 4 ] x\begin{bmatrix}2\\\\-1\\\\0\end{bmatrix}+y\begin{bmatrix}-1\\\\2\\\\-3\end{bmatrix}+z\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix}=\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix} x 2−10 +y −12−3 +z 0−14 = 0−14
  • 从列方向的角度来看,我们是以 a = [ 2 − 1 0 ] , b = [ − 1 2 − 3 ] , c = [ 0 − 1 4 ] a=\begin{bmatrix}2\\\\-1\\\\0\end{bmatrix},b=\begin{bmatrix}-1\\\\2\\\\-3\end{bmatrix},c=\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix} a= 2−10 ,b= −12−3 ,c= 0−14 为基,以x,y,z为系数画图,求得向量 z = [ 0 − 1 4 ] z=\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix} z= 0−14
  • 那么我们就可以以更简单的方式进行求解系数x,y,z
  • 通过矩阵方程和图形可以看出,当x=0,y=0,z=1时可以得到结果
    0 [ 2 − 1 0 ] + 0 [ − 1 2 − 3 ] + 1 [ 0 − 1 4 ] = [ 0 − 1 4 ] 0\begin{bmatrix}2\\\\-1\\\\0\end{bmatrix}+0\begin{bmatrix}-1\\\\2\\\\-3\end{bmatrix}+1\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix}=\begin{bmatrix}0\\\\-1\\\\4\end{bmatrix} 0 2−10 +0 −12−3 +1 0−14 = 0−14
  • 只有当向量a,b,c 相互独立,那么就可以通过系数x,y,z来求得向量z;
  • AX=b 表示的是将A的列向量进行组合得到向量b.
相关推荐
黄河里的小鲤鱼2 分钟前
拯救草台班子-战略
人工智能·python·信息可视化
qq_411262422 分钟前
DAB加ai加蓝牙音箱有市场吗
人工智能
华清远见成都中心2 分钟前
机器学习怎么学?
人工智能·机器学习
碎碎思3 分钟前
在 FPGA 上实现并行脉冲神经网络(Spiking Neural Net)
人工智能·深度学习·神经网络·机器学习·fpga开发
FONE_Platform9 分钟前
能源化工行业全面预算解决方案:重塑双碳目标下的财务新动能
大数据·人工智能
前沿在线10 分钟前
从“用系统”到“跑 Agent”:AI 钉钉 1.1 在重新定义企业操作系统 | 前沿在线
人工智能
智能相对论11 分钟前
CES深度观察|AI硬件消费时代的“幕后英雄”走向台前
人工智能·百度
Terrence Shen15 分钟前
【CUDA编程系列】之01
c++·人工智能·深度学习·机器学习
老吴学AI16 分钟前
系列报告十:(Menlo)《2025: The State of Generative AI in the Enterprise》
人工智能·vibe coding
AI即插即用16 分钟前
超分辨率重建 | CVPR 2024 DarkIR:轻量级低光照图像增强与去模糊模型(代码实践)
图像处理·人工智能·深度学习·神经网络·计算机视觉·超分辨率重建