线性代数克莱姆法则的几何含义

这篇具有很好参考价值的文章主要介绍了线性代数克莱姆法则的几何含义。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

以二元一次方程组的求解为例:

{ a c a 1 + b c b 1 = c 1 a c a 2 + b c b 2 = c 2 \left\{\begin{array}{l} a_{c}a_{1} +b_{c}b_{1} =c_{1} \\ a_{c}a_{2} +b_cb_{2} =c_{2} \end{array}\right. {aca1+bcb1=c1aca2+bcb2=c2

其中 a c a_c ac b c b_c bc是我们待求的参数。

求解克莱姆法则为:

a c = c 1 b 2 − c 2 b 1 a 1 b 2 − a 2 b 1 = ∣ c 1 b 1 c 2 b 2 ∣ ∣ a 1 b 1 a 2 b 2 ∣ = ∣ c b ∣ ∣ a b ∣ a_{c}=\frac{c_{1} b_{2}-c_{2} b_{1}}{a_{1} b_{2}-a_{2} b_{1}}=\frac{\left|\begin{array}{ll} c_{1} & b_{1} \\ c_{2} & b_{2} \end{array}\right|}{\left|\begin{array}{ll} a_{1} & b_{1} \\ a_{2} & b_{2} \end{array}\right|}=\frac{|\mathbf{cb}|}{|\mathbf{ab}|} ac=a1b2a2b1c1b2c2b1= a1a2b1b2 c1c2b1b2 =abcb

b c = a 1 c 2 − a 2 c 1 a 1 b 2 − a 2 b 1 = ∣ a 1 c 1 a 2 c 2 ∣ ∣ a 1 b 1 a 2 b 2 ∣ = ∣ a c ∣ ∣ a b ∣ b_{c}=\frac{a_{1} c_{2}-a_{2} c_{1}}{a_{1} b_{2}-a_{2} b_{1}}=\frac{\left|\begin{array}{ll} a_{1} & c_{1} \\ a_{2} & c_{2} \end{array}\right|}{\left|\begin{array}{ll} a_{1} & b_{1} \\ a_{2} & b_{2} \end{array}\right|}=\frac{|\mathbf{ac}|}{|\mathbf{ab}|} bc=a1b2a2b1a1c2a2c1= a1a2b1b2 a1a2c1c2 =abac

注意上面我们把行列式每一列都写成列向量的形式,也即

a = ( a 1 a 2 ) , b = ( b 1 b 2 ) , c = ( c 1 c 2 ) \mathbf{a}=\begin{pmatrix}a_1\\a_2\end{pmatrix}, \mathbf{b}=\begin{pmatrix}b_1\\b_2\end{pmatrix}, \mathbf{c}=\begin{pmatrix}c_1\\c_2\end{pmatrix} a=(a1a2),b=(b1b2),c=(c1c2)

上面的方程则改写为:

a c a + b c b = c a_{c}\mathbf{a}+b_{c} \mathbf{b}=\mathbf{c} aca+bcb=c

我们不妨从几何直观来看:
线性代数克莱姆法则的几何含义,数学,线性代数,克莱姆法则

从这个图我们发现【 ( b c b ) (b_c\mathbf{b}) (bcb) a \mathbf a a围成的平行四边形面积】和【 c \mathbf{c} c a \mathbf a a围成的平行四边形面积】相等(这里用到了行列式的几何意义,在我的这篇博客里有叙述:线性代数行列式的几何含义。)。

∣ ( b c b ) a ∣ = ∣ c a ∣ \left|\left(b_{c} \mathbf{b}\right) \mathbf{a}\right|=|\mathbf{c a}| (bcb)a=ca

b c b_c bc是常数,我们可以提取出来:

于是就有了克莱姆法则:

b c = ∣ c a ∣ ∣ b a ∣ a c = ∣ b c ∣ ∣ b a ∣ b_{c}=\frac{|\mathbf{c a}|}{|\mathbf{b a}|}\\a_{c}=\frac{|\mathbf{b c}|}{|\mathbf{b a}|} bc=bacaac=babc文章来源地址https://www.toymoban.com/news/detail-521974.html

到了这里,关于线性代数克莱姆法则的几何含义的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【线性代数|C++】克拉默法则

    设含有 n n n 个未知数 x 1 , x 2 , ⋯   , x n x_1,x_2,cdots ,x_n x 1 ​ , x 2 ​ , ⋯ , x n ​ 的 n n n 个线性方程的方程组 { 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} a_{11}x_1+a_{12}x_2+cdots +a_{1n}x_n=b_1 \\\\

    2024年04月16日
    浏览(48)
  • 线性代数 - 几何原理

    欢迎阅读这篇关于线性代数的文章。在这里,我们将从一个全新的角度去探索线性代数,不再仅仅局限于数值计算,而是深入理解其背后的几何原理。我们将一起探讨向量、线性变换、矩阵、行列式、点乘、叉乘、基向量等核心概念,以及它们如何在实际问题中发挥作用。无

    2024年02月05日
    浏览(44)
  • 简单的线性代数与几何

    最后编辑于 2024-01-04 本文中所有作为下标的代数均为正整数 存储 向量是表示方向的量, 在不同维度的下向量的数据长度有所不同; 记录时以轴的顺序记录在不同轴上的坐标 : { x(第0轴的坐标) , y(第1轴的坐标), z(第2轴的坐标)…} 代码中使用数值的指针并携带长度属性代替大部

    2024年02月02日
    浏览(41)
  • 线性代数的本质——几何角度理解

    B站网课来自 3Blue1Brown的翻译版,看完醍醐灌顶,强烈推荐: 线性代数的本质 本课程从几何的角度翻译了线代中各种核心的概念及性质,对做题和练习效果有实质性的提高,下面博主来总结一下自己的理解 在物理中的理解是一个有 起点和终点的方向矢量 ,而在计算机科学中

    2024年02月02日
    浏览(59)
  • 线性代数行列式的几何含义

    行列式可以看做是一系列列向量的排列,并且每个列向量的分量可以理解为其对应标准正交基下的坐标。 行列式有非常直观的几何意义,例如: 二维行列式按列向量排列依次是 a mathbf{a} a 和 b mathbf{b} b ,可以表示 a mathbf{a} a 和 b mathbf{b} b 构成的平行四边形的面积 ∣ a b ∣

    2024年02月11日
    浏览(47)
  • MIT线性代数-方程组的几何解释

    假设有一个方程组 A X = B AX=B A X = B 表示如下 2 x − y = 0 (1) 2x-y=0tag{1} 2 x − y = 0 ( 1 ) − x + 2 y = 3 (2) -x+2y=3tag{2} − x + 2 y = 3 ( 2 ) 矩阵表示如下: [ 2 − 1 − 1 2 ] [ x y ] = [ 0 3 ] (3) begin{bmatrix}2-1\\\\\\\\-12end{bmatrix}begin{bmatrix}x\\\\\\\\yend{bmatrix}=begin{bmatrix}0\\\\\\\\3end{bmatrix}tag{3} ​ 2 − 1 ​

    2024年04月15日
    浏览(44)
  • 使用几何和线性代数从单个图像进行 3D 重建

    使用几何和线性代数从单个图像进行 3D 重建 萨蒂亚         3D重构是一个挑战性题目,而且这个新颖的题目正处于启发和膨胀阶段;因此,各种各样的尝试层出不穷,本篇说明尝试的一种,至于其它更多的尝试,我们在陆续的跟踪中。 图1         以上这3张图片有什

    2024年02月13日
    浏览(37)
  • 线性代数与解析几何——Part4 欧式空间 & 酉空间

    线性代数与解析几何——Part4 欧式空间 酉空间 1. 欧氏空间 1. 定义 性质 2. 内积表示与标准正交基 3. 欧氏空间的同构 4. 欧氏空间的线性变换 5. 欧氏空间的子空间 2. 酉空间 1. 定义 性质 2. 酉变换 3. Hermite变换 4. 规范变换 1. 定义 性质 定义7.1.1 设 V V V 是实数域 R bold{R} R 上的线

    2024年02月09日
    浏览(43)
  • LA@n维向量@解析几何向量和线性代数向量

    n维向量 由 n n n 个有次序的数 a 1 , a 2 , ⋯   , a n a_1,a_2,cdots,a_n a 1 ​ , a 2 ​ , ⋯ , a n ​ 组成的 有序数组 称为 n维向量 ,简称 向量 数 a i a_i a i ​ 称为向量的第 i i i 个 分量 向量类型 实向量和复向量 分量全为实数的向量称为 实向量 ,分量是复数的向量称为 复向量 (实向量

    2024年02月12日
    浏览(39)
  • 线性代数学习笔记4-1:线性方程组的数学和几何意义、零空间/解空间/核

    求解方程 A x ⃗ = v ⃗ mathbf Avec x=vec v A x = v 首先说明系数矩阵的 行数和列数的意义 : 对于系数矩阵 A mathbf A A ,其行数代表方程个数,列数代表未知量个数 对于系数矩阵 A mathbf A A ,矩阵对应线性变换 矩阵 行数 代表变换后的基向量、 x ⃗ vec x x 和 v ⃗ vec v v 等向量的

    2024年02月02日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包