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. 二维空间

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
KevinRay_4 分钟前
Python超能力:高级技巧让你的代码飞起来
网络·人工智能·python·lambda表达式·列表推导式·python高级技巧
跃跃欲试-迪之9 分钟前
animatediff 模型网盘分享
人工智能·stable diffusion
Captain823Jack35 分钟前
nlp新词发现——浅析 TF·IDF
人工智能·python·深度学习·神经网络·算法·自然语言处理
被制作时长两年半的个人练习生35 分钟前
【AscendC】ReduceSum中指定workLocal大小时如何计算
人工智能·算子开发·ascendc
Captain823Jack1 小时前
w04_nlp大模型训练·中文分词
人工智能·python·深度学习·神经网络·算法·自然语言处理·中文分词
Black_mario1 小时前
链原生 Web3 AI 网络 Chainbase 推出 AVS 主网, 拓展 EigenLayer AVS 应用场景
网络·人工智能·web3
Aileen_0v02 小时前
【AI驱动的数据结构:包装类的艺术与科学】
linux·数据结构·人工智能·笔记·网络协议·tcp/ip·whisper
数信云 DCloud2 小时前
实力认可 | 通付盾入选《ISC.AI 2024创新能力全景图谱》五项领域
人工智能
itwangyang5202 小时前
AIDD - 从机器学习到深度学习:蛋白质-配体对接评分函数的进展
人工智能·深度学习·机器学习
jerry2011082 小时前
机器学习常用术语
人工智能·机器学习