线性代数中的克莱姆法则与几何解释

线性代数中的克莱姆法则与几何解释

克莱姆法则研究了方程组的系数与方程组解的存在性与唯一性关系;
与其在计算方面的作用相比，克莱姆法则更具有重大的理论价值-百度百科-克莱姆法则

• Cramer’s Rule（克莱姆法则）是线性代数理论中的基础定理之一
• 克莱姆法则适用于求解变量和方程数目相等的线性方程组
• 理解克莱姆法则，可以帮助我们加深对线性方程组的理解

---

##记号说明与克莱姆法则的定义
本文中记号说明：

• A： n行n列矩阵；
• $x$：未知n维列向量；
• $b$：已知n维列向量
• $I$：n维单位矩阵
• $A(i)\leftarrow b$ 表示矩阵A第 i 列被列向量 b 替换掉的矩阵

---

克莱姆法则：
A$x$=$b$ 齐次线性方程组
A 非奇异 ($|A|\ne 0$ )
有 $x_i=\frac{|A(i)\leftarrow b|}{|A|}$，其中 A(i) 表示矩阵 A 的第i列（行列式 |A| 的定义可见线性代数或百度百科：行列式）

---

##从分块矩阵角度来看克莱姆法则

考虑一个新的矩阵$I(i)\leftarrow x$，利用分块矩阵乘法，有
$$A[I(i)\leftarrow x]=A(i)\leftarrow b.$$
等式两边同时取行列式，得
$$|A||I(i)\leftarrow x|=|A(i)\leftarrow b|.$$
而$|I(i)\leftarrow x|=x_i$(以第 $i$ 行展开即可), 因此 当 A 非奇异时， $x_i=\frac{|A(i)\leftarrow b|}{|A|}.$

##从向量代数角度来看克莱姆法则
当n=2时， 有A$x$=$b$，具体形式是二元线性方程组：
$$\{\begin{array}{lr}{a}_{11}{x}_1+a_{12}{x}_2=b_1& \\ a_{21}{x}_1+a_{22}{x}_2=b_2& \end{array}$$
其中$|A|\ne 0$，即$ a_{11} a_{22}- a_{12} a_{21} \neq 0$. 将其写成向量的形式，
$$x_1{a}_1+x_2{a}_2=b\text{\hspace{1em}(1)}$$
其中，$a_1$