克莱默(Cramer)法则
\quad 本节主要介绍一个重要的定理——Cramer 法则。
{ a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + ⋯ + a 2 n x n = b 2 ⋯ ⋯ a n 1 x 1 + a n 2 x 2 + ⋯ + a n n x n = b n (1) \begin{cases} \begin{aligned} a_{11}x_{1} + a_{12}x_{2} + \cdots + a_{1n}x_{n} &= b_{1}\\ a_{21}x_{1} + a_{22}x_{2} + \cdots + a_{2n}x_{n} &= b_{2}\\ \cdots \cdots \quad \quad \quad \quad \quad \quad \quad &\quad\\ a_{n1}x_{1} + a_{n2}x_{2} + \cdots + a_{nn}x_{n} &= b_{n} \end{aligned} \tag{1} \end{cases} ⎩ ⎨ ⎧a11x1+a12x2+⋯+a1nxna21x1+a22x2+⋯+a2nxn⋯⋯an1x1+an2x2+⋯+annxn=b1=b2=bn(1)
定理 1:设 ( 1 ) (1) (1) 数域 K K K 上的由 n n n 个方程构成的 n n n 元线性方程组,则:
-
(
1
)
(1)
(1) 无解或有无穷多解
当且仅当
其系数矩阵的行列式为零。 -
(
1
)
(1)
(1) 有唯一解
当且仅当
其系数矩阵的行列式不为零。
证明:
\quad 增广矩阵 A ~ → 初等行变换 \tilde A \xrightarrow{\text{初等行变换}} A~初等行变换 阶梯形矩阵 J ~ \tilde{ J} J~.
\quad 系数矩阵 A → 上述初等行变换 A \xrightarrow{\text{上述初等行变换}} A上述初等行变换 阶梯形矩阵 J J J, J J J 比 J ~ \tilde{J} J~ 少一列。
\quad
由 线性方程组解的情况及其判别准则
可知,
(
1
)
(1)
(1) 的解有且只有三种情况:无解,有无穷多解,有唯一解。并且:
- 若 J ~ \tilde{J} J~ 有非零行 ( 0 , 0 , ⋯ , 0 , d ) (0,0,\cdots,0,d) (0,0,⋯,0,d) 且 d ≠ 0 d\ne 0 d=0 时,方程组无解;
- 否则,方程组有解。
- 当方程组有解时,若满足 J ~ \tilde{J} J~ 的非零行数目 r < n r<n r<n,则方程组有无穷多解;
- 当方程组有解时,若满足 J ~ \tilde{J} J~ 的非零行数目 r = n r=n r=n,方程组有唯一解。
而
方程组 ( 1 ) 无解 ⇔ J ~ 有非零行 ( 0 , 0 , ⋯ , 0 , d ) ,其中 d ≠ 0 ⇔ J 有零行 ⇒ ∣ J ∣ = 0 \begin{aligned} \text{方程组} (1) \text{无解} &\Leftrightarrow \tilde{J} \text{有非零行} (0,0,\cdots,0,d) \text{,其中} ~ d\ne 0\\ &\Leftrightarrow J \text{有零行}\\ &\Rightarrow |J|=0 \end{aligned} 方程组(1)无解⇔J~有非零行(0,0,⋯,0,d),其中 d=0⇔J有零行⇒∣J∣=0
方程组 ( 1 ) 有无穷多解 ⇔ J ~ 的非零行数目 r < n ⇔ J ~ 有零行 ⇒ J 有零行 ⇒ ∣ J ∣ = 0 \begin{aligned} \text{方程组} (1) \text{有无穷多解} &\Leftrightarrow \tilde{J} ~ \text{的非零行数目}~ r<n\\ &\Leftrightarrow \tilde{J} ~ 有零行\\ &\Rightarrow J \text{有零行}\\ &\Rightarrow |J| = 0 \end{aligned} 方程组(1)有无穷多解⇔J~ 的非零行数目 r<n⇔J~ 有零行⇒J有零行⇒∣J∣=0
方程组 ( 1 ) 有唯一解 ⇔ J ~ 的非零行数目 r = n ⇔ J ~ 有 n 个非零行 ⇔ J 有 n 个非零行 ⇔ J 有 n 个主元 ⇔ J 的形状只能是: ( c 11 c 12 ⋯ c 1 n 0 c 21 ⋯ c 2 n ⋮ ⋮ ⋮ 0 0 ⋯ c n n ) 且 c 11 , c 22 , ⋯ , c n n ≠ 0. ⇔ ∣ J ∣ 为上三角行列式,且 ∣ J ∣ ≠ 0. \begin{aligned} \text{方程组}(1) \text{有唯一解} &\Leftrightarrow \tilde{J} \text{的非零行数目} r=n \\ &\Leftrightarrow \tilde{J} \text{有} n \text{个非零行}\\ &\Leftrightarrow J \text{有} n \text{个非零行}\\ &\Leftrightarrow J \text{有} n \text{个主元}\\ &\Leftrightarrow J \text{的形状只能是:} \left(\begin{matrix}c_{11} & c_{12} &\cdots &c_{1n}\\0 &c_{21} &\cdots &c_{2n}\\ \vdots &\vdots & &\vdots \\ 0 &0 &\cdots &c_{nn}\end{matrix}\right) \\ &\quad ~ \text{且} c_{11},c_{22},\cdots ,c_{nn} \ne 0.\\ &\Leftrightarrow |J| \text{为上三角行列式,且} |J|\ne 0. \end{aligned} 方程组(1)有唯一解⇔J~的非零行数目r=n⇔J~有n个非零行⇔J有n个非零行⇔J有n个主元⇔J的形状只能是: c110⋮0c12c21⋮0⋯⋯⋯c1nc2n⋮cnn 且c11,c22,⋯,cnn=0.⇔∣J∣为上三角行列式,且∣J∣=0.
#
注:个人觉得,在
定理 1
的证明中,前部分证明似乎是多余的!前者完全可以作为后者的推论得出!
推论 1:数域
K
K
K 上的由
n
n
n 个方程构成的
n
n
n 元齐次线性方程组只有零解 当且仅当
其系数矩阵的行列式不为零。
推论 2:数域
K
K
K 上的由
n
n
n 个方程构成的
n
n
n 元齐次线性方程组有非零解 当且仅当
其系数矩阵的行列式等于零。
定理 2:数域 K K K 上的由 n n n 个方程构成的 n n n 元齐次线性方程组的系数矩阵行列式不为零时,其唯一解为
( ∣ B 1 ∣ ∣ A ∣ , ∣ B 2 ∣ ∣ A ∣ , ⋯ , ∣ B n ∣ A ∣ ) \left(\frac{|B_{1}|}{|A|},\frac{|B_{2}|}{|A|},\cdots,\frac{|B_{n}}{|A|}\right) (∣A∣∣B1∣,∣A∣∣B2∣,⋯,∣A∣∣Bn)
其中,
B j = ( a 11 ⋯ a 1 , j − 1 b 1 a 1 , j + 1 ⋯ a 1 n a 21 ⋯ a 2 , j − 1 b 2 a 2 , j + 1 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ a n 1 ⋯ a n , j − 1 b n a n , j + 1 ⋯ a n n ) B_{j} =\left( \begin{matrix} a_{11} & \cdots & a_{1,j-1} & b_{1} & a_{1,j+1} & \cdots &a_{1n}\\ a_{21} & \cdots & a_{2,j-1} & b_{2} & a_{2,j+1} & \cdots &a_{2n}\\ \vdots &\vdots &\vdots &\vdots &\vdots &\vdots &\vdots\\ a_{n1} &\cdots & a_{n,j-1} & b_{n} & a_{n,j+1} & \cdots &a_{nn} \end{matrix}\right) Bj= a11a21⋮an1⋯⋯⋮⋯a1,j−1a2,j−1⋮an,j−1b1b2⋮bna1,j+1a2,j+1⋮an,j+1⋯⋯⋮⋯a1na2n⋮ann
证明:
\quad 此处暂不给出证明,到学习第4章时,会给出更简单的证明!当然教材的相应部分也提供了一种常用的证明方法,可作参考。
#
注意:
定理 1
与定理 2
合称克莱默法则
。
\quad 最后,我们做一个总结:目前,我们利用 n n n 阶行列式,已经解决了这样一个问题:
\quad 对于数域 K K K 上的由 n n n 个方程构成的 n n n 元线性方程组,能够直接从方程组的系数和常数项出现,判断其有没有解?若有解,有多少解?
\quad 事实上,行列式的应用不止于此,它在诸多领域中均有作用。比如,在分析、几何领域中也有它的身影。
\quad 下面,介绍行列式在几何中的两个应用示例,借以了解行列式的几何意义。
例题 1:二阶行列式
∣
a
1
b
1
a
2
b
2
∣
\left|\begin{matrix}a_{1} &b_{1}\\a_{2}&b_{2}\end{matrix}\right|
a1a2b1b2
可以表示由平面向量
a
⃗
=
(
a
1
,
a
2
)
T
\vec{a}=(a_{1},a_{2})^{T}
a=(a1,a2)T,
b
⃗
=
(
b
1
,
b
2
)
T
\vec{b} = (b_{1},b_{2})^{T}
b=(b1,b2)T 张成的平行四边形的 定向面积
。
注:什么是“定向面积”?
- 在解析几何中,任一向量都可以看作是从原点 O O O 出发的一条有向线段。
- 假设向量 a ⃗ \vec{a} a 与向量 b ⃗ \vec{b} b 不共线,考虑 a ⃗ → b ⃗ \vec{a}\rightarrow \vec{b} a→b 的旋转(小于 9 0 o 90^{o} 90o),
- 若旋转为逆时针,则面积为正;
- 若旋转为顺时针,则面积为负。
例题 2:三阶行列式
∣
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
∣
\left|\begin{matrix}a_{1} &b_{1} &c_{1}\\ a_{2} &b_{2} &c_{2}\\a_{3} &b_{3} &c_{3}\end{matrix}\right|
a1a2a3b1b2b3c1c2c3
可以表示由空间向量
a
⃗
=
(
a
1
,
a
2
,
a
3
)
T
\vec{a}=(a_{1},a_{2},a_{3})^{T}
a=(a1,a2,a3)T,
b
⃗
=
(
b
1
,
b
2
,
b
3
)
T
\vec{b}=(b_{1},b_{2},b_{3})^{T}
b=(b1,b2,b3)T 以及
c
⃗
=
(
c
1
,
c
2
,
c
3
)
T
\vec{c} = (c_{1},c_{2},c_{3})^{T}
c=(c1,c2,c3)T 所张成的平行六面体的 定向体积
。
参考:
- 邱维声. 高等代数课程.