当前课程知识点:简明线性代数 > 第5章 线性方程组的解理论 > 5-3 线性方程组的几何意义 > 5-3 线性方程组的几何意义
同学们大家好
欢迎来到MOOC课程
线性代数先修课
第五章
线性方程组的解理论
5.3节
线性方程组的几何意义
首先我们先介绍
线性方程组的行图与列图
并且
对于线性方程组的行图
分别在二维平面中
与三维空间当中
给出具体的几何描述
进一步我们将利用
系数矩阵的列空间
以及线性方程组的列图给出
非齐次线性方程组的
解的情况的几何解释
在本讲当中 我们将讨论
线性方程组的几何意义
在此之前
我们首先还是来回顾一下
线性方程组三种
常见的表出形式
第一种 我们称为普通形式
也就是将m个方程联立的形式
这个形式是
我们中学就接触过的
第二种形式我们称为矩阵式
也就是将系数表示为系数矩阵
将未知量表示为未知量向量
将常数项表示为常数向量
于是就得到了这样AX=b的形式
称为线性方程组的矩阵形式
第三种形式称为向量形式
当我们把系数矩阵
按列展开表示以后
就可以写为常数向量b表示为
系数矩阵的列向量的
线性组合的形式
在本章当中 我们将分别讨论
线性方程组这三种
表出形式的几何意义
首先我们先来看
线性方程组的行图与列图
我们首先讨论一个简单的例子
设我们有如下的一个线性方程组
这个方程有2个方程 2个未知数
对于方程组中每一个方程
表示增广矩阵当中的一行
同时对应了
平面R2中的一条直线
也就是当我们建立了
直角坐标系以后
第一个方程
也就是x-2y=0
就对应了这样一条直线
而第二个方程也就是2x-y=3
就对应了这样的一条直线
那么 整个方程组的解
即为所有方程的公共解
它对应了平面R2当中
上述直线的交点
在这里 交点就是
坐标为(2,1)的这个点
我们把这样的一个图称为
该线性方程组的行图
同样对于这个简单的方程组
我们从列的角度来看
我们可以把方程组
写为如下的向量形式
于是求解方程组就相当于
把(0,3)这个向量
表示为列向量(1,2)和
(-2,-1)的线性组合的系数
容易解得
这两个系数分别为2和1
也就是 2倍的向量(1,2)
再加上1倍的向量(-2,-1)
就等于我们要求的向量(0,3)
那么我们在平面R2当中
把这个向量加法表示出来以后
就是这个样子
而这个图就称为
该方程组的列图
一般地 对于m个方程
n个未知数的线性方程组
方程组的每一行
也即方程组当中的每一个方程
都表示Rn中的一个几何对象
其中当n=2的时候
每一个方程表示一条直线
当n=3的时候
每一个方程表示一张平面
当n>3的时候
每一个方程表示一张超平面
于是 求解线性方程组
就等价于考察这些直线
或者是平面
或者是超平面是不是有交点
那么于是 从代数上看
线性方程组的普通形式
就对应了几何上看
Rn中线性方程组的行图
也就是这些几何对象的交点
另一方面
若将系数矩阵A按列分块
表示为α1,α2,...,αn
n个列向量的形式
则我们求解线性方程组
就等价于将常数向量b
表示为A的列向量
α1,α2,...,αn的
线性组合的组合系数
也就是说 代数上来看
线性方程组的向量形式
就对应了几何上
m维向量空间当中
线性方程组的列图
自然的一个问题是
线性方程组的另一种表出形式
也就是代数上看
线性方程组的矩阵表出形式
在几何上看
它对应了什么样的几何意义呢
我们的回答是
它对应的几何意义
就是矩阵映射
这个概念我们将在
第八章当中详细介绍
好 下面我们将
对n=2和3的情形下
线性方程组的行图
进行详细的讨论
具体地来说
当n=2的时候
每一个方程对应了
平面R2中的一条直线
于是行图讨论
就是平面R2当中m条直线的关系
而当n=3时
每一个方程就对应了
几何空间R3中的一个平面
于是行图讨论的就是
几何空间R3当中m张平面的关系
首先我们先来看
n=2时二维平面中
直线的位置关系
当未知数的个数n=2的时候
线性方程组的行图就对应了
二维平面R2当中的几何对象
对于一个方程ax+by=c
我们有如下的规定和结论
第一条 为了使其几何上有意义
我们要求系数a和b不能同时为0
第二点 当常数c等于0的时候
方程ax+by=0对应的直线
必然经过原点
并且它的斜率就等于-a/b
在这里
我们允许这个比值等于无穷
它对应了这条直线和x的夹角
当c≠0的时候
方程ax+by=c对应的直线
就是直线ax+by=0的平移
也就是图形当中蓝色的直线
它与原来这条黄色的
直线是平行的
它相当于把黄色的直线
平移到了这个位置
其x和y的截距分别为
a分之c和b分之c
在这里 我们依然允许
这两个比值可以等于无穷
首先我们先考虑m=2
也就是平面上的两条直线
从几何上看
平面上的两条直线的
位置关系有以下三种
一 平行 二 相交 三 重合
对于这两条直线的交点
分别就为
第一种情形 无交点
第二种情形 交于一点
第三种情形 交于一条直线
我们进一步讨论
这两条直线的斜率和截距
我们就会发现
当两条直线平行和重合的时候
它们的斜率相同
而当两条直线相交的时候
它们的斜率不同
而对于平行的情形
两条直线的截距不同
而对于重合的情形
两条直线的截距相同
从代数上来看
设两条直线对应的方程
分别为L1和L2
具体的代数表达式
分别为a1x+b1y=c1
而另外一条是a2x+b2y=c2
考虑联立后
所得到的线性方程组
并记其系数矩阵为A
增光系数矩阵为A-bar
也就是这里 A是一个2×2的矩阵
而A-bar是一个2×3的矩阵
由矩阵秩的性质
我们可以知道
这两个矩阵的秩有这样的关系
于是有线性方程组的解理论
以及斜率与截距的关系
我们就有这样的结论
当A的秩不等于
A-bar的秩时候
线性方程组无解
此时 由于A的秩等于1
也即A的两行线性相关
因此它们有相同的斜率
但是由于A-bar的秩等于2
也就是A-bar的两行线性无关
因此它们的截距不同
从而它对应的几何图形
就是两条平行的直线
而当A的秩等于
A-bar的秩的时候
线性方程组有解
进而我们分为两种情况讨论
第一种情况 当A的秩等于
A-bar的秩等于2的时候
此时它们的斜率不相同
因此 必为两条相交的直线
而当A的秩等于
A-bar的秩等于1的时候
它们的斜率和截距均相同
因此对应的几何图形
就是两条重合的直线
下面 我们来讨论一般的情况
也就是平面上的m条直线
这里m≥2 对于一种特殊的情况
也即线性方程组为齐次的时候
对应的m条直线均过原点
也就是对应了这样的图形
从而这个图形对应了
方程组只有零解的情况
而当m条直线均重合的时候
就对应了这样的图形
它对应了线性方程组有非零解
且解空间的维数等于1的情况
这里我们特别用粗的线条
表示这是m条重合的直线
一般地
当m条直线对应的线性方程组
为非齐次的时候
其位置关系比较复杂
下面我们只讨论m=3的情况
也就是
平面当中3条直线的位置关系
及其对应的
线性方程组的代数条件
我们分为两大类
第一类是有公共交点的情形
又分为以下三种情况
第一种情况
三条直线的斜率 截距均相同
而第三种情况
三条直线的斜率均不相同
而第二种情况
其中两条直线的斜率
和截距相同
另一条的斜率不同
下面我们再来看
没有公共交点的情况
又分为以下四种情况
其中情形④中
三条直线的斜率相同
但是存在不同的截距
情形⑤是斜率相同
但是截距两两不同
情形⑥有两条直线的斜率相同
但其截距不同
而另外一条直线的斜率不同
情形⑦是三条直线
斜率两两不同
下面我们来看代数方面
设三条直线的方程分别为
其中i从1跑到3
那么对应方程的系数矩阵为A
增广系数矩阵为A-bar
也就是在这里A是这样一个
三行两列的矩阵
并且我们设A的三行
分别为α1 α2和α3
而增广系数矩阵
是这样一个三行三列的方阵
并且设其三个行
分别为β1 β2和β3
那么由矩阵秩的性质
我们有如下的结论
也即A的秩只能等于1和2
而A-bar的秩可能等于1,2,3
并且A-bar的秩
要么等于A的秩
或者等于A的秩+1
由此我们可以发现
行向量α1 α2和α3
实际上体现了三条直线的斜率
而在斜率相同的情况下
βi就体现了直线Li的截距
从而对于平面上的
三条直线的七种位置关系
我们可以逐一地
给出其等价的代数条件
我们将条件整理汇总
为这样的一个表格
其中表格的2、3列
表示了几何情形
而4、5列给出了代数情形
从线性方程组解的情况分为
解数有无穷多解
唯一解 和无解的情况
其中无穷多解就对应了
三条直线重合的情况
此时的等价的代数条件就是
A的秩等于A-bar的秩等于1
而有唯一解的情形就对应了
A的秩等于A-bar的秩
等于2的情形
它们又分为两种子情形
分别是情形②和情形③
为了区别情形②和情形③
实际上我们通过α的关系
也就是斜率的关系就可以给出
其中 情形③是
三条斜率两两不同
其中就对应了αi两两线性无关
而情形②是有两条斜率相同
因此它就对应了αi当中
有两个是线性相关的
由于A的秩等于A-bar的秩
因此αi的关系实质上
等价于βi的线性关系
后四种情形均对应了
线性方程组无解的情况
那么我们又分为两种情况
一种是A的秩等于1
而A-bar的秩等于2的情况
另一种(情况)是A的秩等于2
而A-bar的秩等于3的情况
分别又分为两种
我们将斜率与截距的关系转化为
行向量αi以及
行向量βi之间的线性关系
给出了更准确的描述
下面请大家思考这样的一个问题
对于平面上m条过原点的直线
它们有的是重合的
有的是不重合的
如果我们将重合的直线
视为一条的话
实际上平面只有m1条直线
这里m1 我们的问题就是 你能否给出此时等价的 代数条件是什么 这个问题我们留给大家 作课后思考 第三点 三位空间中 平面的位置关系 当未知数的个数n等于3的时候 它所对应的的行图 就是三维空间R3 此时对一个方程ax+by+cz=d 我们有如下的规定和结论 同前 所有为了使其几何上有意义 三个系数a b c不能同时为0 第二 系数向量(a,b,c) 对应了平面的法向量 记为n加一个箭头 法向量实际上 刻画了平面的方向 第三点 这个平面在 三个坐标轴上的截距 分别为a分之d b分之d c分之d 这里我们同样允许 这些比值为无穷 第四点 当d=0的时候 对应的平面必然过原点 而当d≠0时 相当于把刚才那个 过原点的平面 作平移后得到的平行平面 下面我们还是来考虑 一种简单情况 也就是三维空间中 两张平面的位置关系 从几何上看 在三维空间中两张平面 有如下三种位置关系 即平行 相交 和重合 平行的时候没有交点 相交的时候交集为一条直线 而重合的时候交集为一个平面 从平面的法向量来看 设两个平面的方程分别如下 记为π1和π2 因此平面πi的法向量就为 (ai,bi,ci)组成的三维向量 当π1与π2相交的时候 当且仅当两个法向量不平行 这又当且仅当 这里的三个比值不全相等 这又当且仅当 n1和n2是线性无关的 当π1与π2平行的时候 它当且仅当它们的法向量相同 但是某个截距不同 因此它等价于前三个比值相等 但是不等于第四个比值 当π1与π2重合的时候 它当且仅当 这四个比值全都相等 特别的对于上下两组等式 我们都取出前三项 这三项就表示了 n1与n2是平行的 而n1与n2平行又当且仅当 n1与n2是线性相关的 从代数上来看 设将两个平面方程联立后 所得到的线性方程组 是这个样子 并且将其系数矩阵设为A 增广系数矩阵记为A-bar 进一步 我们将A的两个行 记作α1和α2 将A-bar的两个行 记为β1和β2 于是在这里我们可以看到 α1和α2就分别等于 刚才的法向量n1和n2 因此从代数上来看 当A的秩等于 增广矩阵的秩的时候 方程组有解 那么又分为两种情况 这个秩等于2的时候 对应了两个法向量不平行 因此 对应的两个平面相交 而当秩等于1的时候 对应了两个法向量是相同的 因此对应了两张平面是重合的 而当A的秩不等于 A-bar的秩的时候 方程组无解 此时只可能是A的秩等于1 而A-bar的秩等于2 此时对应的几何图形 就是两个平行的平面 下面我们来讨论 空间中的三张平面的位置关系 从几何上看 分别有以下八种情形 其中 第一种情形是 三个平面交于一点的情形 而情形②和情形③是 三个平面交于一条直线的情形 情形④是三个平面重合 即三个平面交于一个平面的情形 情形⑤⑥⑦⑧均为 三个平面没有公共交集的情形 下面我们从代数上 来讨论这八种情形 设三个平面方程 分别为如下形式 其中ai bi ci di属于实数 并且呢每一组ai bi ci 均不同时为零 设此时三个平面 构成的线性方程组的 系数矩阵为A 增广系数矩阵为A-bar 同样像A的行 记为α1 α2和α3 而A-bar的行 记为β1 β2和β3 那么对于空间中 三张平面的上述八种位置关系 我们可逐一地给出 其等价的代数条件并且列为此表 这个表格的第一列 是八种几何情形 而表格的最后一列 是其等价的代数条件 几何情形简单直观 而等价的代数条件准确严谨 因此我们将几何与代数相结合 就把同一个问题的直观 与严谨的方面相结合 下面我们来看一个具体的例子 请大家判断 这三个平面的位置关系是怎样的 我们将其对应的 增广系数矩阵写出来 是这个样子的一个矩阵 经过初等行变换可以化为 阶梯型矩阵 于是我们发现A的秩 等于A-bar的秩均等于3 因此它对应了 三个平面交于一点的情形 也就是这样的情形 例2 请大家判断 这三个平面的位置关系 同样的方法 我们将增广系数矩阵列出 并且通过初等行变换 将其化为简化的阶梯型矩阵 此时A的秩等于A-bar的秩等于2 因此这三个平面是有交点 问题是这个焦点是 构成一条直线还是 构成一个平面呢 那么又因为增广系数矩阵的 三个行是两两线性无关的 因此它表示的几何图形 就是这样一个图形 三个平面交于一条直线 本节的最后我们来讨论 线性方程组的列图 以及系数矩阵的列空间 设非齐次线性方程组的 系数矩阵为A 其行数为m列数为n 并且将其按列分块表示为 α1,α2,...,αn 的形式 设方程组的常数向量为b 这是一个m维的列向量 则求解线性方程组 当且仅当求将常数向量b 表示为A的列向量αi的 线性组合的系数 而这个就相当于 在Rm这个空间当中的 线性方程组的列图 另一方面 我们在4.1节当中引入了 矩阵的列空间的概念 也即A的全体列向量 在m维向量空间当中 生成的子空间 我们记为Col(A) 因此线性方程组的列图 实际上就是在A的列空间当中 将常数向量b 具体地表示出来的问题 容易知道 当方程组无解的时候 就对应了常数向量b 不属于A的列空间 反过来 当线性方程组有解的时候 就对应了常数向量b 属于A的列空间 进一步 代数方面 当线性方程组有解 且解唯一的时候 它对应了A的秩等于 增广矩阵的秩等于列数n 在几何方面 当A列满秩的时候 我们知道n个列向量 α1,α2,...,αn是线性无关的 也即这一组向量 构成了列空间的一组基 当常数向量b 属于这个空间的时候 于是b就可以表示为 这组基的线性组合 从而 根据向量组线性关系 当中的临界关系我们知道 向量b可以由α1...,αn 唯一地线性表出 也即线性方程组的解是唯一的 于是 我们就从几何的角度解释了 方程组有唯一解的原因 那么代数方面 当线性方程组 有无穷多组解的时候 它的几何解释又是怎样的呢 下面我们来具体讨论一下 在代数方面 当线性方程组 有无穷多组解的时候 在几何方面 此时我们知道A不是列满秩的 它对应了A的列向量 α1...,αn是线性相关的 假设A的秩等于r 于是我们就可以通过初等行变换 将A化为阶梯型矩阵的方法 求出A的列向量的 一个极大无关组 也即主元素所对应的列 就是极大无关组 不妨设这前r个向量 α1,α2,...,αr 就是这个极大无关组 当常数向量b属于列空间的时候 有前面的讨论我们可以知道 b可以唯一地 被极大无关组线性表出 而这个线性表示就对应了 方程组的一个特解 另一方面 原向量组的其他向量 也就是α(r+1)一直到αn 同样可以由极大无关组线性表出 根据我们之前介绍过的方法 这个表出的系数就正好是 简化阶梯型矩阵中 非主元素所在列的前r个分量 如果将这组系数取负号 再来做线性组合的话 它就相当于把列空间当中 其他向量都给化零了 而这又对应了 非齐次线性方程组通解当中 导出组基础解系的那一部分 因此我们从列空间 以及列图的角度 给出了线性方程组 有无穷多组解的几何解释 本讲小结 在本讲当中 我们讨论了 线性方程组的几何意义 其中我们介绍了 线性方程组的行图与列图 而行图就对应了 线性方程组的 普通形式的几何意义 它的每一个方程对应了 一个几何图形 那么整个方程组的解就对应了 上述几何图形的公共交点 而列图就对应了 线性方程组的向量形式 它表示在几何中将常数向量 表示为列向量的线性组合的形式 进一步 我们在二维平面 和三维空间当中 具体地讨论了 线性方程组的行图 给出了各种几何图形 所对应的等价代数条件 最后我们用线性方程组的列图 以及系数矩阵的列空间 给出了非齐次线性方程组的 解的情况的几何解释 几何图形 直观简单 而代数推导 准确 严谨 同学们在学习 线性代数的过程当中 要不断地将几何与代数 相结合来进行讨论 一方面对代数推导 我们需要作出其几何图形 另一方面对于几何图形 来增加形象性以及我们的理解 我们又要能给出 其准确且严谨的代数推导 而这两方面 正是我们线性代数 这门大戏当中的两条主线 好 我们本节当中的内容 就到这儿 我们下节 再见
-宣传片
--宣传片
-序论
--序论
-1-1 二元、三元一次方程组
-第1章 线性方程组--1-2 一般线性方程组的解法:Gauss消元法
-1-2 一般线性方程组的解法:Gauss消元法
-第1章 线性方程组--1-3 线性方程组解的判定
-1-3 线性方程组解的判定
-第1章 线性方程组--1-4 齐次线性方程组
-1-4 齐次线性方程组
-第2章 行列式--2-1 二阶、三阶行列式的性质
-2-1 二阶、三阶行列式的性质
-第2章 行列式--2-2 n元排列
-2-2 n元排列
--2-2 n元排列
-第2章 行列式--2-3 n阶行列式的定义
-2-3 n阶行列式的定义
-第2章 行列式--2-4 行列式的性质
-2-4 行列式的性质
-第2章 行列式--2-5 行列式的计算1-利用性质
-2-5 行列式的计算1-利用性质
--Video
-第2章 行列式--2-6 行列式的展开公式
-2-6 行列式的展开公式
-第2章 行列式--2-7 行列式的计算2-综合
-2-7 行列式的计算2-综合
-第2章 行列式--2-8 Cramer法则
-2-8 Cramer法则
-第3章 矩阵--3-1 矩阵及其线性运算
-3-1 矩阵及其线性运算
-第3章 矩阵--3-2 矩阵的乘法
-3-2 矩阵的乘法
-第3章 矩阵--3-3 矩阵的其他运算
-3-3 矩阵的其他运算
-第3章 矩阵--3-4 分块矩阵
-3-4 分块矩阵
--3-4 分块矩阵
-第3章 矩阵--3-5 初等矩阵
-3-5 初等矩阵
--3-5 初等矩阵
-第3章 矩阵--3-6 逆矩阵及矩阵可逆条件
-3-6 逆矩阵及矩阵可逆条件
-第3章 矩阵--3-7 逆矩阵的求法
-3-7 逆矩阵的求法
-第4章 向量空间--4-1 n维向量空间
-4-1 n维向量空间
-第4章 向量空间--4-2 向量组的线性相关性
-4-2 向量组的线性相关性
-第4章 向量空间--4-3 线性相关性的更多理论
-4-3 线性相关性的更多理论
-第4章 向量空间--4-4 极大线性无关组
-4-4 极大线性无关组
-第4章 向量空间--4-5 向量组的秩
-4-5 向量组的秩
-第4章 向量空间--4-6 矩阵的秩
-4-6 矩阵的秩
--Video
-第4章 向量空间--4-7 矩阵秩的运算律与相关结论
-4-7 矩阵秩的运算律与相关结论
-第5章 线性方程组的解理论--5-1 齐次线性方程组的解理论
-5-1 齐次线性方程组的解理论
-第5章 线性方程组的解理论--5-2 非齐次线性方程组的解理论
-5-2 非齐次线性方程组的解理论
-第5章 线性方程组的解理论--5-3 线性方程组的几何意义
-5-3 线性方程组的几何意义
-第5章 线性方程组的解理论--5-4 矩阵方程
-5-4 矩阵方程
-第6章 内积空间--6-1 向量空间中的内积与度量
-6-1 向量空间中的内积与度量
-第6章 内积空间--6-2 标准正交基与正交矩阵
-6-2 标准正交基与正交矩阵
-第6章 内积空间--6-3 Schmidt正交化与QR分解
-6-3 Schmidt正交化与QR分解
-第6章 内积空间--6-4 正交投影与正交分解
-6-4 正交投影与正交分解
-第6章 内积空间--6-5 最小二乘问题
-6-5 最小二乘问题
-第7章 矩阵的特征值理论--7-1 矩阵的特征值与特征向量
-7-1 矩阵的特征值与特征向量
-第7章 矩阵的特征值理论--7-2 特征多项式与特征子空间
-7-2 特征多项式与特征子空间
-第7章 矩阵的特征值理论--7-3 相似矩阵
-7-3 相似矩阵
--7-3 相似矩阵
-第7章 矩阵的特征值理论--7-4 矩阵的对角化问题
-7-4 矩阵的对角化问题
-第7章 矩阵的特征值理论--7-5 实对称阵的对角化
-7-5 实对称阵的对角化
-第7章 矩阵的特征值理论--7-6 特征值理论的几个应用
-7-6 特征值理论的几个应用
-第8章 矩阵与变换--8-1 矩阵映射与矩阵变换
-8-1 矩阵映射与矩阵变换
-第8章 矩阵与变换--8-2 二维三维空间中几类特殊的矩阵变换
-8-2 二维三维空间中几类特殊的矩阵变换
-第8章 矩阵与变换--8-3 矩阵映射的复合与矩阵乘法
-8-3 矩阵映射的复合与矩阵乘法
-8-4 矩阵变换的不变量与特征值理论
-第8章 矩阵与变换--8-5 坐标系替换与矩阵相似
-8-5 坐标系替换与矩阵相似
-第8章 矩阵与变换--8-6 正交变换
-8-6 正交变换
--8-6 正交变换