线性代数--方程组的几何解释

本文介绍了线性代数中二维和三维方程组的几何解释,探讨了行图和列图在求解方程组时的作用,并通过矩阵乘法举例说明解方程的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

二维方程求解

尝试利用线性代数解如下方程:

  • 方程组:
    { 2 x − y = 0 − x + 2 y = 3 \begin{cases} 2x - y = 0\\ -x+2y = 3 \end{cases} {2xy=0x+2y=3

  • 对应矩阵(row picture):
    [ 2 − 1 − 2 2 ] ∗ [ x y ] = [ 0 3 ] \left[\begin{array}{cccc} 2& -1 \\ -2 & 2 \end{array}\right]* \left[\begin{array}{cccc} x \\ y \end{array}\right] = \left[\begin{array}{cccc} 0 \\ 3 \end{array}\right] [2212][xy]=[03]

A ∗ X = B A *X= B AX=B

直线方程

由上图可知,方程组的解为两线交点:
{ x = 1 y = 2 \begin{cases} x = 1\\ y = 2 \end{cases} {x=1y=2

  • 下面看对应的列图(column picture):

x ∗ [ 2 − 1 ] + y ∗ [ − 1 2 ] = [ 0 3 ] x*\left[\begin{matrix} 2\\ -1\\ \end{matrix}\right] + y*\left[\begin{matrix} -1\\ 2\\ \end{matrix}\right]= \left[\begin{matrix} 0\\ 3\\ \end{matrix}\right] x[21]+y[12]=[03]

列图像
将由行图像的出的方程组解代入列图中:
1 ∗ [ 2 − 1 ] + 2 ∗ [ − 1 2 ] = [ 0 3 ] 1*\left[\begin{matrix} 2\\ -1\\ \end{matrix}\right] + 2*\left[\begin{matrix} -1\\ 2\\ \end{matrix}\right]= \left[\begin{matrix} 0\\ 3\\ \end{matrix}\right] 1[21]+2[12]=[03]
显然,此方程成立。

列图像中可以看出其中1倍的向量(2,-1)加2倍的向量(-1,2)得到向量(0,3),其中(1,2)为方程某一个解。
所有如果求出方程所有可能的解,将会形成一个平面。请自行脑补,此平面形状

三维方程求解

  • 方程组:
    { 2 x − y = 0 − x + 2 y − z = − 1 − 3 y + 4 z = 4 \begin{cases} 2x - y = 0\\ -x+2y-z = -1\\ -3y+4z = 4 \end{cases} 2xy=0x+2yz=13y+4z=4
  • 对应矩阵(row picture):
    A = [ 2 − 1 0 − 1 2 − 1 0 − 3 4 ] b = [ 0 − 1 4 ] A = \left[\begin{array}{cccc} 2& -1&0 \\ -1 & 2 & -1\\ 0 & -3 & 4 \end{array}\right] \quad b = \left[\begin{array}{cccc} 0\\ -1\\ 4 \end{array}\right] A=210123014b=014
    其行图像如下所示:
    三维方程平面图

显然,从上图时无法肉眼看出此方程组的解,即无法看出三个平面相交与一点。二维方程绘图解法并不适用三维或更多维方程组求解。

  • 列图像(column picture)

x ∗ [ 2 − 1 0 ] + y ∗ [ − 1 2 − 3 ] + z ∗ [ 0 − 1 4 ] = [ 0 − 1 4 ] x*\left[\begin{matrix} 2\\ -1\\ 0 \end{matrix}\right] + y*\left[\begin{matrix} -1\\ 2\\ -3 \end{matrix}\right] + z*\left[\begin{matrix} 0\\ -1\\ 4 \end{matrix}\right]= \left[\begin{matrix} 0\\ -1\\ 4 \end{matrix}\right] x210+y123+z014=014
这里写图片描述
列图像中,同样虽无法直观求得方程的解,但清晰明了,某些情况下可以利用其求解,或是了解方程图像性质。
此例题答案很显然,其中b向量与z对应的向量相等,所以方程解之一如下:
{ x = 0 y = 0 z = 1 \begin{cases} x = 0\\ y = 0\\ z = 1 \end{cases} x=0y=0z=1
x,y,z分别为左侧三个向量的分量,代入求得向量b

思考:
三维空间中,任意b,Ax=b是否都成立?
即什么情况下,三列向量无法通过组合得到b
或是,列的线性组合能否覆盖整个三维空间

矩阵乘法

以上示例都是基于矩阵乘以向量等于右侧向量的形式:
A ∗ x = b A *x= b Ax=b
示例一(推荐):
[ 2 5 1 3 ] ∗ [ 1 2 ] = 1 ∗ [ 2 1 ] + 2 ∗ [ 5 3 ] = [ 12 7 ] \left[\begin{array}{cccc} 2& 5 \\ 1 & 3 \end{array}\right]* \left[\begin{array}{cccc} 1 \\ 2 \end{array}\right] = 1* \left[\begin{array}{cccc} 2 \\ 1 \end{array}\right] +2* \left[\begin{array}{cccc} 5 \\ 3 \end{array}\right] = \left[\begin{array}{cccc} 12 \\ 7 \end{array}\right] [2153][12]=1[21]+2[53]=[127]

矩阵每一列分别乘以对应向量相加

示例二(点乘):
[ 2 5 1 3 ] ∗ [ 1 2 ] = [ 2 ∗ 1 + 5 ∗ 2 1 ∗ 1 + 3 ∗ 2 ] = [ 12 7 ] \left[\begin{array}{cccc} 2& 5 \\ 1 & 3 \end{array}\right]* \left[\begin{array}{cccc} 1 \\ 2 \end{array}\right]= \left[\begin{array}{cccc} 2*1+5*2 \\ 1*1+3*2 \end{array}\right]= \left[\begin{array}{cccc} 12 \\ 7 \end{array}\right] [2153][12]=[21+5211+32]=[127]

矩阵每一行都与向量进行点乘后相加

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