克拉默规则

本文详细介绍了克拉默规则,用于解决当线性方程组的系数行列式非零时的唯一解问题。通过证明过程,展示了如何通过矩阵的余子式计算各个未知数的解,并验证了该解确实是方程组的解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

克拉默规则

一个含有n个未知量n个方程的线性方程组,当它的系数的行列式值 D ≠ 0 D\neq 0 D=0时,有且仅有唯一解,
x j = D j D x_j = \frac{D_j}D xj=DDj
其中 D j D_j Dj是把D的第j列换成常数项。

证明

方程组为
∑ j = 1 n a i j x j = b i ,   ( i = 1 , 2 , . . , n ) \sum_{j=1}^na_{ij}x_j = b_i, \ (i=1,2,..,n) j=1naijxj=bi, (i=1,2,..,n)
取D按第k列分解的余子式 A i k ( i = 1 , 2 , . . , n ) A_{ik}(i=1,2,..,n) Aik(i=1,2,..,n),将它们分别与第1,2…,n个方程相乘,然后累加。得到
∑ i = 0 n b i A i k = ∑ i = 1 n ( ∑ j = 1 n a i j A i k x j ) = ∑ j = 1 n ( ∑ i = 1 n a i j A i k ) x j = ∑ i = 1 n a i k A i k x k + ∑ 1 ≤ j ≤ n , j ≠ k ( ∑ i = 1 n a i j A i k ) x j \sum_{i=0}^nb_iA_{ik} = \sum_{i=1}^n\left(\sum_{j=1}^na_{ij}A_{ik}x_j \right) = \sum_{j=1}^n\left(\sum_{i=1}^na_{ij}A_{ik}\right)x_j= \sum_{i=1}^na_{ik}A_{ik}x_k+ \sum_{1\leq j\leq n,j\neq k}\left(\sum_{i=1}^na_{ij}A_{ik}\right)x_j i=0nbiAik=i=1n(j=1naijAikxj)=j=1n(i=1naijAik)xj=i=1naikAikxk+1jn,j=k(i=1naijAik)xj

∑ i = 1 n a i j A i k = { D , i = k 0 , x ≠ 1 \sum_{i=1}^na_{ij}A_{ik} = \begin{cases} D, &i = k\\ 0, &x \neq 1 \end{cases} i=1naijAik={D,0,i=kx=1
所以
D k = ∑ i = 0 n b i A i j = D x k D_k = \sum_{i=0}^nb_iA_{ij} = Dx_k Dk=i=0nbiAij=Dxk
而D不等于0 ,所以 x k = D k D x_k = \frac {D_k}D xk=DDk, 因为k是任取的, 可以推广到
x j = D j D , ( j = 1 , . . , n ) x_j = \frac{D_j}D, (j= 1,..,n) xj=DDj,(j=1,..,n)
原方程组至多有这个解,下面检验这个是不是它的解。
考察第k(k=1,…,n)个方程的左边,
∑ j = 1 n a k j x j = ∑ j = 1 n a k j D j D \sum_{j=1}^na_{kj}x_j = \sum_{j=1}^n \frac{a_{kj}D_j}D j=1nakjxj=j=1nDakjDj
D j D_j Dj按第j列分解,
D j = ∑ i = 0 n b i A i j D_j = \sum_{i=0}^nb_iA_{ij} Dj=i=0nbiAij
代入得到
∑ j = 1 n a k j x j = 1 D ∑ j = 1 n ( ∑ i = 0 n b i A i j ) a k j = 1 D ∑ i = 0 n b i ( ∑ j = 1 n a k j A i j ) = 1 D b k ∑ j = 1 n a k j A k j + 1 D ∑ 1 ≤ i ≤ n , i ≠ k b i ( ∑ j = 1 n a k j A i j ) \sum_{j=1}^na_{kj}x_j = \frac1D\sum_{j=1}^n \left( \sum_{i=0}^nb_iA_{ij} \right)a_{kj} =\frac1D\sum_{i=0}^n b_i\left(\sum_{j=1}^n a_{kj}A_{ij} \right) = \frac1Db_k\sum_{j=1}^n a_{kj}A_{kj} + \frac1D\sum_{1\leq i\leq n,i\neq k}b_i\left(\sum_{j=1}^n a_{kj}A_{ij} \right) j=1nakjxj=D1j=1n(i=0nbiAij)akj=D1i=0nbi(j=1nakjAij)=D1bkj=1nakjAkj+D11in,i=kbi(j=1nakjAij)

∑ i = 1 n a i j A i k = { D , i = k 0 , x ≠ 1 \sum_{i=1}^na_{ij}A_{ik} = \begin{cases} D, &i = k\\ 0, &x \neq 1 \end{cases} i=1naijAik={D,0,i=kx=1
所以
∑ j = 1 n a k j x j = 1 D b k D = b k \sum_{j=1}^na_{kj}x_j = \frac1Db_kD = b_k j=1nakjxj=D1bkD=bk
所以第k个方程成立, x j = D j D x_j = \frac{D_j}D xj=DDj是原方程组的解。

要在龙芯CPU上安装VSCode,首先需要配置Loongnix系统的yum源,然后安装VSCode。具体步骤如下: 1. 配置Loongnix系统的yum源。可以按照引用\[1\]中提到的步骤进行配置。 2. 下载并安装VSCode。可以从VSCode官网(引用\[2\]中提供的链接)下载适用于Ubuntu系统的安装包。 3. 安装依赖库。根据引用\[1\]中的描述,需要编译libpng16.so.16并将其复制到安装目录。 4. 复制动态库。根据引用\[1\]中的描述,将编译好的动态库复制到安装目录。 5. 启动VSCode。根据引用\[1\]中的描述,可以通过命令行或图形界面启动VSCode。 请注意,以上步骤是基于引用\[1\]中提供的信息,适用于在龙芯CPU上安装VSCode的一般步骤。具体操作可能会因系统版本和配置而有所不同,建议参考相关文档或官方指南以获得更准确的安装步骤。 #### 引用[.reference_title] - *1* [linux安装vscode(中标麒麟+龙芯CPU)](https://blog.youkuaiyun.com/junxuezheng/article/details/103637575)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [迅为龙芯2K1000开发板虚拟机ubuntu安装vscode](https://blog.youkuaiyun.com/mucheni/article/details/121418004)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [龙芯平台安装Visual Studio Code(VSCode)](https://blog.youkuaiyun.com/ciji4412/article/details/100594256)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值