一步一步建立直观
先预测,再点“演示本步”核对右图。每一步都重设到指定情形,随后可以自由修改参数。
01把未知坐标看成两份面积贡献
设输出 ,其中 是矩阵两列。右图显示输出由这两根方向按系数组合得到。若只想求 ,就寻找一种测量,能让沿 的那份贡献自动消失,而保留沿 的贡献。这样的测量应该比较有向面积,而不是仅比较箭头长短。
02用替换列隔离一个系数
取 与 的有向面积,沿 的贡献因为共线而为零,于是面积为 倍原底面面积。因此 ;换另一个底边同理得到 。这个推导说明公式为何替换整列,而非单独替换某个元素。
03分母条件对应可见的几何障碍
把两列调成共线后,分母为零。此时面积测量已经不能区分不同配方,继续做面积比没有意义。非零行列式不仅是为了避免除零,也是保证这套测量能够恢复两份坐标信息的实质条件。
1.12.1 把未知系数藏进面积比¶
目标写作 ,其中 是矩阵的列。除了逐坐标解方程,还能寻找一个操作,只留下 而消去 。以 为边计算有向面积: 与 平行,不贡献面积;剩余的 使原面积乘以 。
用行列式语言写出刚才的几何论证: 原面积不为零时,除过去便得到 ;类似地,以 为列得到 。“换列后求行列式”其实是一种消去另一个未知数的测量。
1.12.2 计算之后仍要返回原问题¶
取 。原面积为 ,替换第一列后为 ,故第一系数为 ;替换第二列后为 ,另一系数为 。最后代回 ,检查列序与符号。
若原面积为零,除法失效反映问题已经改变:两列只张成一条线,目标可能不可达,也可能有多套表示。应回到列空间与核,而不能把零分母约掉。几何解释恰好说明了公式条件为什么必要。
这套公式适合建立唯一解与有向面积的联系,并不意味着大规模数值求解都应采用它;效率与误差稳定性需要另外研究。练习时先画列向量,再把未知数解释为面积比,最后做坐标代回。这会把几何、代数和条件检查放在同一条推理链上。
与本图相连的定义与证明:1.3 · 基向量的像决定整个映射。本节的具体条件与形式化范围见下文。
数学表述 1.12.1¶
若矩阵可逆,把一列替换为目标向量,新的有向体积与原体积之比就是相应的坐标系数。
对 ,在 时,
例 1.12.1 把概念用于具体计算
给出 ,故 。几何上新列体积分别为 和 。
练习 1.12.1¶
解 。
展开解答与检查
,答案 。
Lean 对照 1.12.1 命题、证明与适用边界
给定两条线性方程和非零行列式,完整推导这两个商公式。
LinearAlgebra.cramers_rule
theorem cramers_rule (a b c d x y p q : ℝ)
(h₁ : a*x+b*y=p) (h₂ : c*x+d*y=q) (hdet : a*d-b*c ≠ 0) :
x=(p*d-b*q)/(a*d-b*c) ∧ y=(a*q-p*c)/(a*d-b*c) := by
constructor
· apply (eq_div_iff hdet).2
nlinarith [congrArg (fun t : ℝ => d*t) h₁,
congrArg (fun t : ℝ => b*t) h₂]
· apply (eq_div_iff hdet).2
nlinarith [congrArg (fun t : ℝ => a*t) h₂,
congrArg (fun t : ℝ => c*t) h₁]