原来勾股定理可以这样证!

1

下面这个证明可能算不上漂亮,但它的身世很有趣,因为它并非出自数学家之手,相反,提出它的人干的是可能最世俗、离象牙塔最远的工作——他是个政客。这是第十二任美国总统加菲尔德1863年发表在一份期刊上的勾股定理的梯形证明:

直角三角形ABC与三角形BDE全等,将它们如图平放,构成一个梯形AEDC。
因为两个直角三角形是平放的,C,B,D共线,所以 ∠CBD = 180°
而 ∠β + ∠EBD = ∠β + ∠α = 90°, 可知∠ABE = 90°
梯形面积 = 三个三角形面积相加
1/2 * (a+b)^2 = 1/2 * c^2 + 1/2 *ab + 1/2 * ab
化简得 a^2 + b^2 = c^2

至于漂亮的证明,如果说简洁就是美的话,那么越简洁的证明越美,无言的证明就是最美的。下面这个证明接近于无言:

用四个阴影三角形拼成一个新正方形(右)后,新正方形面积与左边的原正方形相等, a^2 + b^2 = c^2 一目了然。

2

勾股定理的达芬奇证明:

3

欧几里德的证明:

  1. 设△ABC为一直角三角形,其直角为CAB。

  2. 其边为BC、AB、和CA,依序绘成四方形CBDE、BAGF和ACIH。

  3. 画出过点A之BD、CE的平行线。此线将分别与BC和DE直角相交于K、L。

  4. 分别连接CF、AD,形成两个三角形BCF、BDA。

  5. ∠CAB和∠BAG都是直角,因此C、A 和 G 都是线性对应的,同理可证B、A和H。

  6. ∠CBD和∠FBA皆为直角,所以∠ABD等于∠FBC。

  7. 因为 AB 和 BD 分别等于 FB 和 BC,所以△ABD 必须相等于△FBC。

  8. 因为 A 与 K 和 L在同一直线上,所以四方形 BDLK 必须二倍面积于△ABD。

  9. 因为C、A和G在同一直线上,所以正方形BAGF必须二倍面积于△FBC。

  10. 因此四边形 BDLK 必须有相同的面积 BAGF = AB²。

  11. 同理可证,四边形 CKLE 必须有相同的面积 ACIH = AC²。

  12. 把这两个结果相加, AB²+ AC² = BD×BK + KL×KC

  13. 由于BD=KL,BD×BK + KL×KC = BD(BK + KC) = BD×BC

  14. 由于CBDE是个正方形,因此AB² + AC² = BC²。

4

中国三国时期赵爽为证明勾股定理作“勾股圆方图”,即“弦图”,按其证明思路,其法可涵盖所有直角三角形,为东方特色勾股定理无字证明法

5

最简单的:

复杂一点的:

再复杂一点的:

END

我们是谁:MatheMagician,中文“数学魔术师”,原指用数学设计魔术的魔术师和数学家。既取其用数学来变魔术的本义,也取像魔术一样玩数学的意思。文章内容涵盖互联网,计算机,统计,算法,NLP等前沿的数学及应用领域;也包括魔术思想,流程鉴赏等魔术内容;以及结合二者的数学魔术分享,还有一些思辨性的谈天说地的随笔。希望你能和我一起,既能感性思考又保持理性思维,享受人生乐趣。欢迎扫码关注和在文末或公众号留言与我交流!
扫描二维码关注更多精彩
魔术里的集合、映射和关系(八)——硬核之作《双人扑克感应》中的数学
我和Double Lift的故事(五)——升华篇闯红灯到底该不该罚款?——逻辑推理浅谈(二)循环、递归与魔术(五)——再谈递归的魔术逻辑与欣赏Roberto Giobbi的纸牌大学点击阅读原文,往期精彩不错过!
内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值