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 x x:未知n维列向量;
- b b b:已知n维列向量
- I I I:n维单位矩阵
- A ( i ) ← b A(i) \leftarrow b A(i)←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 x x= b b b 齐次线性方程组
A 非奇异 ( ∣ A ∣ ≠ 0 |A| \neq 0 ∣A∣=0 )
有 x i = ∣ A ( i ) ← b ∣ ∣ A ∣ x_i = \frac{|A(i) \leftarrow b|}{|A|} xi=∣A∣∣A(i)←b∣,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 ) ← x I(i) \leftarrow x I(i)←x,利用分块矩阵乘法,有
A [ I ( i ) ← x ] = A ( i ) ← b . A[I(i) \leftarrow x] = A(i) \leftarrow b. A[I(i)←x]=A(i)←b.
等式两边同时取行列式,得
∣ A ∣ ∣ I ( i ) ← x ∣ = ∣ A ( i ) ← b ∣ . |A||I(i) \leftarrow x| = |A(i) \leftarrow b|. ∣A∣∣I(i)←x∣=∣A(i)←b∣.
而 ∣ I ( i ) ← x ∣ = x i |I(i) \leftarrow x| = x_i ∣I(i)←x∣=xi(以第 i i i 行展开即可), 因此 当 A 非奇异时, x i = ∣ A ( i ) ← b ∣ ∣ A ∣ . x_i = \frac{|A(i) \leftarrow b|}{|A|}. xi=∣A∣∣A(i)←b∣.
##从向量代数角度来看克莱姆法则
当n=2时, 有A x x x= b b b,具体形式是二元线性方程组:
{ a 11 x 1 + a 12 x 2 = b 1 a 21 x 1 + a 22 x 2 = b 2 \left\{ \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} \right. {
a11x1+a12x2=b1a21x1+a22x2=b2
其中 ∣ A ∣ ≠ 0 |A| \neq 0 ∣A∣=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 (1) x_1 a_1 + x_2 a_2 = b \tag 1 x1a1+x2a2=b(1)
其中, a 1 , a 2 a_1,a_2 a1