【线性代数】方程组的几何解释

简介: 一、二维情况 首先,给出如下的二元一次方程组: 我们初中就对上面的二元一次方程组进行过求解,求解很简单。但是我们现在利用线性代数来表示这个式子,上式可以表示为: 我们这里假设用小写字母表示向量,大写字母表示矩阵。

一、二维情况

首先,给出如下的二元一次方程组:

我们初中就对上面的二元一次方程组进行过求解,求解很简单。但是我们现在利用线性代数来表示这个式子,上式可以表示为:

我们这里假设用小写字母表示向量,大写字母表示矩阵。上面可以二元一次方程组便转化为求解x,y。下面我们从几种不同的角度来求解上面的方程组:

1、从行的角度看,也就是画出上面两个方程的图像:


很明显的可以看出方程的解是x=1,y=2。

2、 从列的角度看方程组可以表现为列的线性组合

令向量a=[2 -1]',b=[-1 2]',c=[0 3]',则问题变为找到适当的x,y将向量a b 进行线性组合得到向量c。同样我们可以通过作图求解:


从上图可以看到(2,-1)+2(-1,2)=(0,3),从而得到x=1,y=2。

二、三维情况


上面的问题都是在二维平面上进行求解的,下面来看看三维下的情况:首先,给出三元一次方程组:

同样可以得到其矩阵的表示形式:


还是按照上面的方法分析:
1、 从行的角度看,也就是画出上面三个方程的图像(在这里变成了三维空间的平面):

上图的matlab代码为:

figure
t=-10:.1:10;
[x,z]=meshgrid(t);
y=2*x;
mesh(x,y,z);
hold on
y=(x+z-1)/2;
mesh(x,y,z)
hold on
y=-(4-4*z)/3;
mesh(x,y,z)
然后人工进行一些修正即可

从图中可以看出,三个平面交于一点(0 0 1)也就是方程组的解:x=0 y=0 z=1。

2、 同样从列的角度考虑该问题

不用通过计算或作图,我们从上式就可以轻易得到x=y=0 z=1,这比上面一种方法要简单得多。

画出上面四个列向量的图(其中后两个列向量相同(0 -1 4)'):

上图的matlab代码为:

a=[2 -1 0];
b=[-1 2 3];
c=[0 -1 4];
quiver3(0,0,0,a(1),a(2),a(3),'color','r')
hold on
quiver3(0,0,0,b(1),b(2),b(3),'color','g')
hold on
quiver3(0,0,0,c(1),c(2),c(3),'color','b')
然后人工标上箭头,当然也可以通过命令标上箭头。


原文:http://blog.csdn.net/tengweitw/article/details/39185841

作者:nineheadedbird






目录
相关文章
|
运维 安全 前端开发
你好,生产力(番外篇1) - Linear, by the developer, for the developer
在生产力工具大类里,Project Management & Issue Tracking Tool(国内一般统称项管工具)可以说是其中历史最悠久也是最拥挤的品类。一方面项管工具是任何一家信息化管理的公司里最基本,最核心的工具,承担着安排计划,管理进度,追踪问题,串联其它各平台的任务。另一方面项管工具表面上的门槛比较低,Todo list其实也称得上是一个轻量化的项管工具。这两个因素叠加在
1891 0
|
XML JSON Java
浅谈Android的流畅性优化——案例分享
学习了前文的归因分析,本篇文章就带大家以实际的案例进行浅要的分析和给出具体的优化策略,具体的案例来自于网络,如有错误,还请指出。
浅谈Android的流畅性优化——案例分享
|
IDE 开发工具 芯片
Vivado安装和使用
首先下载vivado webpack installer,目前最新版本为2019.1,可以去Xilinx的官网进行下载。 ​ 开始安装,可以选择VIvado HL Webpack版本点击next继续安装。
918 0
|
机器学习/深度学习 自然语言处理 算法
Python数据分析(4):jieba分词详解
Python数据分析(4):jieba分词详解
1344 0
Python数据分析(4):jieba分词详解
|
存储 机器学习/深度学习 JSON
Python 对象的序列和反序列化
在本文中,我们了解了 Python 中的 pickling(对象序列化) 和 unpickling (反序列化)操作,这些操作对于存储对象以供以后使用很有用。介绍了内置的 pickle 模块提供了诸如 load()、loads()、dump()、dumps() 之类的方法,用于将 Python 对象与字节流之间的相互转换。
540 0
Python 对象的序列和反序列化
|
机器学习/深度学习 人工智能 并行计算
快速上手!实现经典检测网络 Mask R-CNN 的推理
简单来说,用 OpenMMLab 开发的模型,可以通过 OpenPPL 高效可靠地运行在现有的 CPU、GPU 等计算平台上,为云端场景提供人工智能推理服务。
587 0
快速上手!实现经典检测网络 Mask R-CNN 的推理
|
机器学习/深度学习 数据采集 人工智能
虚拟数字人行业现状和技术研究
本文为金擘(渚薰) 在第十六届D2前端技术论坛上的分享,为你讲述当前业界的现状,包括不同行业中的showcase和优秀的技术/创作平台,引出近几年比较火热的数字人,包含多个核心技术点,同时畅想数字人在未来的技术增长和业务价值,以及当下我们该如何布局。
1263 0
虚拟数字人行业现状和技术研究
|
5G UED
5G手机不支持n79频段算不上硬伤 对用户体验影响很严重
5G手机不支持n79频段算不上硬伤 对用户体验影响很严重
1078 0
5G手机不支持n79频段算不上硬伤 对用户体验影响很严重
SAP SD基础知识之订单中装运相关的功能
SAP SD基础知识之订单中装运相关的功能
SAP SD基础知识之订单中装运相关的功能
|
Java 程序员 Apache
poi-tl—一个超级好用开源的Word模板引擎
poi-tl—一个超级好用开源的Word模板引擎
1693 0
poi-tl—一个超级好用开源的Word模板引擎