Linear Algebra-克莱姆法则、逆矩阵、体积-20

一、知识概述

上一节我们系统学习了行列式的各种计算方法，今天我们来聊聊行列式最核心的三个应用：克莱姆法则、逆矩阵公式以及体积计算。这些内容能帮助我们从更深层次理解行列式，不仅看到它的代数价值，还能感受到它的几何意义。

二、逆矩阵公式

公式定义

首先我们来看一个非常漂亮的结论：对于可逆矩阵 ，它的逆矩阵可以直接用行列式和代数余子式表示出来：

这里的 是由代数余子式构成的矩阵，而 我们称之为伴随矩阵。

让我们来理解一下这个公式中各个部分的构成： 是 的矩阵，分母 是行列式，它本身就是 n 个元素乘积的代数和；而伴随矩阵 中的每个元素，本身又是 阶行列式，也由 个元素的乘积组合而成。

二阶矩阵示例

我们用最熟悉的二阶矩阵来直观感受一下这个公式：

是不是完全符合？伴随矩阵其实就是把主对角线交换位置，副对角线变号，再除以行列式，非常好记。

公式验证

接下来我们来证明这个公式为什么成立，验证一下它的正确性。我们直接做矩阵乘法：

只要证明 就可以了。我们把乘积展开：

这里可能你会有疑问：为什么对角线元素都是 ，而对角线以外的元素全都是0呢？我们以第一行为例来解释一下。

对角线元素很好理解，根据行列式的展开法则， 正好就是行列式 。那非对角线元素呢？比如第一行和第二列的元素：，为什么它等于0？

答案其实很巧妙，我们构造一个新矩阵来看这个结果：

看到这个矩阵的特点了吗？它的前两行完全相同。现在我们把这个矩阵按第二行展开求行列式，展开结果正好就是：

另一方面，我们知道如果矩阵有两行相同，它的行列式一定是0。所以我们直接得到：

这个思路可以推广到所有非对角线的位置，所以最终结果就是：对角线都是 ，非对角线全都是0，正好等于 。

按照同样的逻辑，对于一般情况我们有：

这个逆矩阵公式非常重要，它让我们从一个全新的角度理解原矩阵和逆矩阵的关系，能够帮助我们分析当原矩阵元素变化时，逆矩阵会受到怎样的影响。

三、克莱姆法则

有了上面的逆矩阵公式，我们就可以得到一种直接用行列式表示线性方程组解的方法，这就是著名的克莱姆法则。

对于可逆矩阵 构成的方程组 ，我们不用高斯消元法，直接用逆矩阵写出解：

这样每一个分量 都可以表示成两个行列式的比值。不过这里需要说明一下：

克莱姆法则主要是理论价值，实际计算中基本不用，了解它是什么就可以了。

因为按照克莱姆法则，解一个 n 元方程组需要计算 n+1 个 n 阶行列式，计算量比高斯消元法大太多了，只适合手动计算低阶小问题或者理论推导。

四、体积计算

最后我们来看一个非常直观的应用：行列式的值其实就是一个六面体的体积。

具体来说，对于三阶矩阵：

它的行列式绝对值就表示由矩阵的三个列向量张成的平行六面体的体积：

这个几何关系如下图所示：

Linear_Algebra200

行列式的值本身有正负之分，所以我们取绝对值作为体积。那么正负号有什么意义呢？它其实告诉我们这个立体是左手系还是右手系。当我们交换两条边的位置，体积不会变，但坐标系的手性会改变，对应行列式符号也会改变。

我们来看几个特殊例子：

  • 单位矩阵：三个列向量都是正交的单位向量，对应边长为1的标准立方体，行列式等于1，体积就是1，完全对应。
  • 正交矩阵：还记得之前我们学过的正交矩阵 ，满足 ，它的列向量都是长度为1的正交向量。所以由正交矩阵列向量构成的立体也是边长为1的立方体，只是相对于标准立方体发生了旋转或者反射，行列式绝对值仍然是1，体积还是1。

这个结论可以推广到n维空间：n阶矩阵的行列式绝对值，就是它的n个列向量在n维空间中张成的平行多面体的n维体积。这个几何解释非常有用，在很多工程问题中都能帮我们快速理解问题。

五、学习总结

  1. 逆矩阵公式揭示了矩阵与其伴随矩阵的深刻联系，为理论分析提供了重要工具。
  2. 克莱姆法则通过行列式表达解的结构，但计算效率低于消元法，仅适合理论推导。
  3. 体积解释赋予行列式直观的几何意义，将代数运算与空间度量统一起来。

建议重点掌握逆矩阵公式的推导逻辑和体积计算的几何应用，克莱姆法则可作为行列式性质的综合演练。