zoukankan      html  css  js  c++  java
  • 线性代数笔记5——平面方程与矩阵

    线性方程的几何意义

    二元线性方程

      该方程是一个二元线性方程组,包含两个方程,每个方程是一条直线,两条直线的交点就是该方程有唯一解,这就是二元线性方程的几何意义。

    平面方程

      空间内不在同一直线上的三点构成一个平面,平面方程可表示为ax + by + cz = d。平面方程也称为三元线性方程。

      方程x + 4y + z = 8,在xyz三个坐标轴上的截距分别是(8,0,0),(0,2,0),(0,0,8),下图是该函数在坐标轴上的示意图:

      需要注意的是,平面是无限延伸的。

    根据法向量求平面方程

      现在需要找到一个过原点的平面,它有一个过原点的法向量是<1, 5, 10>。

     

      如上图所示,P<x, y, z>是所求平面上的向量,法向量N⊥OP,因此:

     

      这就是平面方程。

      再看一个稍微不同点的问题,一个平面的法向量是N<1, 5, 10>,该平面经过P0(2, 1, -1),求该平面方程。

      由于拥有同一个法向量,所以这是与上一个平面平行的平面:

      平面上的任意点P1是(x, y, z),向量P0P1N

      上面两个方程唯一的不同点就是ax + by + cz = d 中的d,其它参数对应了穿过原点的法向量,实际上,d两个平行平面的距离。根据这个特点,可以很快求得第二个平面方程:

     

      示例

      向量V = <1, 2, -1>与平面x + y + 3z = 5的关系?

      平面的法向量N = <1, 1, 3>,容易看出,V·N = 1×1 + 2×1 + (-1)×3 = 0,VN,向量V与平面平行。需要注意的是,向量不是点(实际上向量有无数点),<1, 2, -1>不同于(1, 2, -1),在没有特殊说明的情况下,可以认为向量从原点出发。如果向量V从原点出发,V经过点(1, 2, -1),但该点并不在平面上。

    平面方程组的解

      三元线性方程组,设三个平面分别是P1,P2,P3,该方程组有唯一解,即这三个平面相交于一点,三个方程两两相交于一条直线:

      平面方程组也可能出现无解的情况,一种典型的情况是三个平面平行。如果P1∩P2≠φ,即二者相交于一条直线,根据P3的位置,平面方程组可能有唯一解,无解,或有无数解。下面是无数解和无解的情况:

     

    无数解和无解

      总结一下,如果P1与P2相交,它们的交线:

    1. 与P3相交于一点,则方程组有唯一解;
    2. 在P3上,则方程组有无数解;
    3. 与P3平行,且不在P3上,方程组无解。

      当然,如果P3与P1或P2中一个相同,则结集是一个平面。

    点到平面的距离

      平面方程是ax + by + cz = d,平面外一点P = (x0, y0, z0),求该点到平面的距离。

      PQ垂直于平面,现在要求PQ的长度,但是并不知道Q点的具体数值。

      设P’ = (x1, y1, z1)是平面上的一点,现在将问题转换为向量:

     

      向量QPP’ P在法向量N方向上的分量,也就是P’ PN相同方向的单位向量的点积。(可参考《线性代数笔记3——向量2(点积)》)设距离为D,则:

     

    求解线性方程

      当然可以使用初中的代数知识求解线性方程组,这里主要讨论如何用矩阵求解。

    消元法

      

      首先将方程组以矩阵的方式表示:

      该矩阵称为增广矩阵。由于是线性方程组,可以省略未知数:

     

      现在可以对其进行消元,首先消去x,方法与普通代数法类似:

      用同样的方法对y消元:

      矩阵第三行对应-31z = 62,z = -2

      最终可解得

      可以看出,消元法本质上与初中的代数法没有区别,只是换了一种较为简单的表现形式,对于多元线性方程组,其消元过程十分繁琐。

    矩阵法

      

      这里需要使用列向量的概念,列向量是一个 n×1 的矩阵,即矩阵由一个含有n个元素的列所组成:列向量的转置是一个行向量,反之亦然。

      将上面的方程组用矩阵和向量表示:

      实际上可看作 x = b/A,有点意思了,可以通过一个除法运算直接求得方程的解。

      解得

      对于多元线性方程组,使用矩阵法求解比消元法简单的多。

      我们用python求解消元法中的方程组

    1 import numpy as np
    2 
    3 a = np.matrix([[-1,2,-1],[3,-7,-2],[2,2,1]])
    4 c = np.matrix([[9,-20,2]]).T
    5 result = a**-1 * c
    6 print(result)

      

    无解的方程组

      线性方程组在用矩阵向量法转换后,如果矩阵A是奇异矩阵,A-1没有定义,该方程组无解。对于二元线性方程组来说,其几何意义是两条平行的直线。

      如  ,该方程组无解,  是奇异矩阵。下图是该方程组在坐标轴上的图像:

     

    多个线性方程组

      现在来看下面的矩阵:

     

      如果把这个矩阵根据乘法展开,将得到两个矩阵:

     

      这就可以看作是两个线性方程组:AX1 = b1,AX2 = b2

    消元法求逆矩阵

      上面的示例中, 的逆,现在尝试用消元法求解。增广矩阵形式:

      我们的目标是将其变为IA-1

    示例

    示例1

      求下面的平面方程:

      a)       已知平面的法向量N = <1, 2, 3>,平面过点(1, 0, -1)

      b)       平面过原点且平行于两个向量A = <1, 0, -1>和B = <-1, 2, 0>

      c)       平面过点P1(1, 2, 0), P2(3, 1, 1), P3(2, 0, 0)

      d)       平面与a中的平面平行,且经过点(1 , 2, 3)

     

      a.

      平面方程ax + by + cz = d,N = <1, 2, 3> =<a, b, c>,所以平面方程是x + 2y + 3z = d

      将点(1, 0, -1) 代入平面方程,1 + 0 -3 = -2 = d

      平面方程是 x + 2y + 3z = -2

     

      b.

      平面方程ax + by + cz = d

      ∵AB过原点,且与平面平行,并且平面过原点

      ∴AB在平面上,d = 0

      已知平面上两个个向量从同一点出发的向量,计算平面的法向量:

     

      平面方程是 2x + y + 2z = 0

      根据叉积计算法向量可参考《线性代数笔记4——向量3(叉积)

     

      c.

     

      平面方程2x + y – 3z = d,取任意点代入,d = 4。平面方程是2x + y – 3z = 4

      d

      a的平面是x + 2y + 3z = -2,由于该平面平行于a,所以该平面是x + 2y + 3z = d。

      将点(1 , 2, 3)代入,1 + 2×2 + 3×3 = 14 = d

      平面方程是x + 2y + 3z = 14

     示例2

      求原点到平面2x + y -2z = 4的距离。

    总结

    1. 二元线性方程组的几何意义是平面上的两条直线,其解是二者的交点
    2. 三元线性方程组的几何意义是三维空间上的三个平面,可能存在唯一解、无数解或无解
    3. 平面方程用ax + by + cz = d,点到平面的距离
    4. 如果线性方程组对应的矩阵是奇异矩阵,则该方程组无解

       作者:我是8位的

      出处:http://www.cnblogs.com/bigmonkey

      本文以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,非商业用途! 

  • 相关阅读:
    Spring Cloud Hystrix Dashboard的使用 5.1.3
    Spring Cloud Hystrix 服务容错保护 5.1
    Spring Cloud Ribbon 客户端负载均衡 4.3
    Spring Cloud 如何实现服务间的调用 4.2.3
    hadoop3.1集成yarn ha
    hadoop3.1 hdfs的api使用
    hadoop3.1 ha高可用部署
    hadoop3.1 分布式集群部署
    hadoop3.1伪分布式部署
    KVM(八)使用 libvirt 迁移 QEMU/KVM 虚机和 Nova 虚机
  • 原文地址:https://www.cnblogs.com/bigmonkey/p/7657589.html
Copyright © 2011-2022 走看看