克莱姆法则的几何解释（视频见b站）

最新推荐文章于 2025-05-11 09:49:52 发布

晨打水水水

最新推荐文章于 2025-05-11 09:49:52 发布

阅读量493

点赞数

分类专栏：机器学习中的数学文章标签：音视频线性代数

本文链接：https://blog.csdn.net/weixin_44468844/article/details/123255896

版权

机器学习中的数学专栏收录该内容

9 篇文章

订阅专栏

本文探讨了线性方程组的求解方法，指出高斯消元法相对于克莱姆法则在某些情况下的优势。高斯消元提供了一种直观理解线性系统的途径，而克莱姆法则适用于未知数等于方程数的方阵情况。补充说明中提到了正交变换的概念，强调了保持向量长度和相互垂直性的性质，并通过变换矩阵示例解释了如何从已知输出向量求解原始坐标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文在于快速get核心点，视频请见：
【官方双语/合集】线性代数的本质 - 系列合集_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1ys411472E?p=16高斯消元法比克莱姆法则更快，这里作为一个视野拓展以加深对线性方程组的直观理解。

克莱姆法则适用于方阵，即未知数等于方程数

【补充】不改变点积的变换为正交变换(Orthonormal transformation)， $T(\vec{v})\cdot T(\vec{w})=\vec{v}\cdot \vec{w}$ ,他们使基向量在变换后依然保持单位长度，且相互垂直。

假设 $\vec{i}=\begin{bmatrix} 1\\0 \end{bmatrix}$ 逆时针180度以内可以旋转可以与 $\vec{k}=\begin{bmatrix} x\\y \end{bmatrix}$ 共射线，可以保证 $\vec{i}\times \vec{k}=y>0$ ，即两向量的有向面积大于0。其实就是底为1，高为y的平行四边形。

现有一个变换矩阵 $\begin{bmatrix} 2 &-1 \\ 0 & 1 \end{bmatrix}$ ，将 $\vec{i}$ 变为 ${\vec{i}}'=\begin{bmatrix} 2 &-1 \\ 0 & 1 \end{bmatrix}\begin{bmatrix} 1\\0 \end{bmatrix}=\begin{bmatrix} 2\\0 \end{bmatrix}$ , $\vec{k}$ 变为 ${\vec{k}}'=\begin{bmatrix} 2 &-1 \\ 0 & 1 \end{bmatrix}\begin{bmatrix} x\\y \end{bmatrix}=\begin{bmatrix} 4\\2 \end{bmatrix}$ ,那么 ${\vec{i}}'\times {\vec{k}}'=\begin{vmatrix} A \end{vmatrix}y$ ,那么 $y =\frac{\begin{vmatrix} 2 &{\color{Red} 4} \\ 0 & {\color{Red} 2} \end{vmatrix}}{\begin{vmatrix} A \end{vmatrix}} =\frac{\begin{vmatrix} 2 & {\color{Red} 4} \\ 0 & {\color{Red} 2} \end{vmatrix}}{\begin{vmatrix} 2 &-1 \\ 0 & 1 \end{vmatrix}}$ ，也就是说已知变换矩阵以及输出的向量即可求出对应的坐标。同理 $x=\frac{\begin{vmatrix} \begin{bmatrix} {\color{Red} 4} &-1 \\ {\color{Red} 2} & 1 \end{bmatrix} \end{vmatrix}}{\begin{vmatrix} \begin{bmatrix} 2 &-1 \\ 0 & 1 \end{bmatrix} \end{vmatrix}}$ 。三维向量亦是如此。