空間中的平面的參數式

        高中數學裡，空間中的平面的方程式，都是談「點法式」：給定一點$P_0 (x_0, y_0, z_0)$，再給定一法向量$\overrightarrow{n} = (a, b, c)$，於是，存在唯一一張通過點$P_0$、且與$\overrightarrow{n}$垂直的平面，其方程式為

$$a(x - x_0) + b(y - y_0) + c(z - z_0) = 0.$$

此即點法式。

        教完平面方程式後，就會談直線方程式，教學目標有參數式、比例式與兩面式，其中以參數式為最重要的形式。在以往的課綱中，在教平面向量的時候，還會談平面上的直線的參數式。從而在高中數學裡，無論是平面上的直線，還是空間中的直線，都有參數式的表示。

        一個問題是：空間中的平面是否會有參數式？

        提出此問題的動機其實很自然，因為在向量（無論平面還是空間）教學的初始階段，線性組合是向量運算的核心。學生們會學到，如果兩向量平行，那麼它們的線性組合只會產生在同一條直線上的向量；而如果兩向量不平行，那麼它們的線性組合就會產生一張平面！平行與否從幾何角度決定了線性方程組是否有解，所以兩向量的線性組合是非常重要的概念。既然我們一直說不平行的兩向量的線性組合會產生平面，那麼類比直線的參數式，於是平面也應當有所謂的參數式。

        我們現在來談平面的參數式。但我們這裡要特別提請讀者留意，以下的討論過程，會盡量避免使用外積，因為要建構平面方程式，外積的概念並非必要。

        在空間中給定一點$P_0 (x_0, y_0, z_0)$，然後再取兩個不平行的向量$\overrightarrow{v} = (v_1, v_2, v_3), \overrightarrow{w} = (w_1, w_2, w_3)$，那麼集合

$$E = \left\{ P | P = P_0 + s\overrightarrow{v} + t\overrightarrow{w}, s, t \in \mathbb{R} \right\}$$

就是一張通過點$P_0$的平面，且平面由$\overrightarrow{v}$與$\overrightarrow{w}$所張成。其中

$$P = P_0 + s\overrightarrow{v} + t\overrightarrow{w}, s, t \in \mathbb{R}$$

就稱為平面E的參數式。如果將之寫作分量形式，那麼就是

$$\left\{ \begin{eqnarray*} x &=& x_0 + sv_1 + tw_1 \\ y &=& y_0 + sv_2 + tw_2 \\ z &=& z_0 + sv_3 + tw_3 \end{eqnarray*} \right. , s, t \in \mathbb{R}.$$

        很直觀的，E這個集合確實是一張平面，但是對學生而言它的形式太奇怪，它與平常習慣的點法式大相迥異。以下我們證明，集合E的式子也是具備點法式的形式。

       首先，由於$\overrightarrow{v}$與$\overrightarrow{w}$不平行，所以下面的三個二階行列式

$$\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right|, \left| \begin{matrix} v_2 & w_2 \\ v_3 & w_3  \end{matrix} \right|, \left| \begin{matrix} v_1 & w_1 \\ v_3 & w_3  \end{matrix} \right|$$

必定不全為零。不失一般性，我們可假定$\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right| \ne 0$。現在取平面參數式中的前兩條

$$\left\{ \begin{eqnarray*} x &=& x_0 + sv_1 + tw_1 \\ y &=& y_0 + sv_2 + tw_2 \end{eqnarray*} \right.$$

改寫為

$$\left\{ \begin{eqnarray*} v_1 s + w_1 t &=& x - x_0 \\ v_2 s + w_2 t &=& y - y_0 \end{eqnarray*} \right. .$$

由於假定$\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right| \ne 0$，所以由Cramer法則可解出

$$s = \frac{\left| \begin{matrix} x - x_0 & w_1 \\ y - y_0 & w_2  \end{matrix} \right|}{\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right|}, t = \frac{\left| \begin{matrix} v_1 & x - x_0 \\ v_2 & y - y_0  \end{matrix} \right|}{\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right|}.$$

然後將解出的$s, t$代回原來參數式中的第3式，得到

$$z = z_0 + \frac{\left| \begin{matrix} x - x_0 & w_1 \\ y - y_0 & w_2  \end{matrix} \right|}{\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right|} v_3 + \frac{\left| \begin{matrix} v_1 & x - x_0 \\ v_2 & y - y_0  \end{matrix} \right|}{\left| \begin{matrix} v_1 & w_1 \\ v_2 & w_2  \end{matrix} \right|} w_3.$$

展開化簡，可得

$$(v_2 w_3 - v_3 w_2)(x - x_0) + (v_3 w_1 - v_1 w_3)(y - y_0) + (v_1 w_2 - v_2 w_1)(z - z_0) = 0.$$

我們便可取$n_1 = v_2 w_3 - v_3 w_2, n_2 = v_3 w_1 - v_1 w_3, n_3 = v_1 w_2 - v_2 w_1$，於是平面E上的每一點都會滿足方程式

$$n_1 (x - x_0) + n_2 (y - y_0) + n_3 (z - z_0) = 0.$$

而方程式$n_1 (x - x_0) + n_2 (y - y_0) + n_3 (z - z_0) = 0$本來就代表一張平面，所以便有

$$\left\{ P | P = P_0 + s\overrightarrow{v} + t\overrightarrow{w}, s, t \in \mathbb{R} \right\} = \left\{ (x, y, z) \in \mathbb{R}^3 | n_1 (x - x_0) + n_2 (y - y_0) + n_3 (z - z_0) = 0 \right\}.$$

也就是說，平面E具有點法式$n_1 (x - x_0) + n_2 (y - y_0) + n_3 (z - z_0) = 0$。

        讀者可留意，以上的推導過程中，也順勢地誘導出外積的代數定義。所以如果在教學過程中，採用線性組合的方式來引入平面，於是便可在推導「平面上的點的x, y, z座標之間的關係式」的時候引入外積，我個人認為這是一個極好的動機。

更新歷程

2021/04/15  第1稿。

2021/04/16  改正幾處錯別字，對些微文字修改。

2021/04/23  改正幾處錯別字，感謝金門高中許淵智老師指正。

行列式的餘因子遞迴定義：從2階行列式與Cramer法則談起

​ 南京大學數學系的朱富海教授在其文章〈问题引导的代数学: 行列式的多样性〉中討論了行列式的諸多定義方式，非常值得一讀。特別是其中

问题 2 三元一次线性方程组

$$\left\{ \begin{eqnarray*} a_{11} x_1 +a_{12} x_2 + a_{13} x_3 &=&b_1 \\ a_{21} x_1 +a_{22} x_2 + a_{23} x_3 &=&b_2 \\ a_{31} x_1 +a_{32} x_2 + a_{33} x_3 &=&b_3 \end{eqnarray*} \right.$$

有唯一解, 求解的表达式.这个问题稍微复杂了一点, 可以利用消元法化为二元一次方程组, 不过我更喜欢利用二元情形的结论: 把$x_1$看作已知的, 利用后两个方程求出$x_2, x_3$ (用二阶行列式来表达), 再代入第一个方程解出$x_1$. $x_1$的表达式是一个分式, 分子分母有共性, 引入三阶行列式就更能看出整齐性, 甚至猜出了三元情形的 Cramer 法则.

這真是個精闢的看法！觀點恰好與典型的解線性方程組的順序相反。一般慣用的Gauss消去法是由上而下，依序對$x_1, x_2, \cdots, x_n$消元，然後再代回求解。 朱教授此處所言，卻是先考慮排除掉$x_1$，以Cramer公式處理$n-1$元線性方程組後，再代回解出$x_1$，非常的有遞迴的味道！

​ 實際上正是這樣的處理手法，可以自然的導出行列式的餘因子降階定義法！

​ 有名的炸漢堡(Friedberg)線性代數，介紹n階行列式時，就是用餘因子降階法來定義。但是一個問題是，完全不說明這個定義怎麼來的，就是從天而降，讓人摸不著腦袋。我實在很反感這種教學方式。

約定：以下解方程組的過程中，一概考慮非奇異的情況。

1. 2階行列式與Cramer法則 

​ 考慮2元線性方程組$\left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 &=& b_2 \end{eqnarray*} \right.$，對其中的第2式$a_{21}x_1 + a_{22}x_2 = b_2$，以$x_1$表示出$x_2$解得$x_2 = \frac{1}{a_{22}} \left( b_2 - a_{21}x_1 \right)$，代回原方程組中的第1式，得
$$\begin{eqnarray*}a_{11} x_1 + a_{12} \cdot \frac{1}{a_{22}} \left( b_2 - a_{21}x_1 \right) &=& b_1, \\ a_{11} a_{22} x_1 + a_{12} \left( b_2 - a_{21}x_1 \right) &=& a_{22} b_1, \\ \left( a_{11} a_{22} - a_{12} a_{21} \right)x_1 &=& b_1 a_{22} - b_2 a_{12}, \end{eqnarray*}$$
當$a_{11} a_{22} - a_{12} a_{21} \ne 0$時，可解得
$$x_1 = \frac{b_1 a_{22} - b_2 a_{12}}{a_{11} a_{22} - a_{12} a_{21}}.$$
仔細觀察分子與分母的結構，非常的類似。定義2階行列式 (determinant of order 2)為
$$\left| \begin{array}{cc} a & b \\ c  & d \end{array} \right| = ad - bc.$$
於是$x_1$可改寫為
$$x_1 = \frac{\left| \begin{array}{cc} b_1 & a_{12} \\ b_2  & a_{22} \end{array} \right|}{\left| \begin{array}{cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right|}.$$
為了解出$x_2$，如果將$x_1$的式子代回原方程組，會遭遇複雜的運算。我們可以換個思路。由於加法具有交換律，我們可以考慮將原來的方程組變形為
$$\left\{ \begin{eqnarray*} a_{12}x_2 + a_{11}x_1 &=& b_1 \\ a_{22}x_2 + a_{21}x_1 &=& b_2 \end{eqnarray*} \right. .$$
這個方程組當然與原本的方程組是同解的！接著依樣畫葫蘆，可以求得
$$x_2 = \frac{\left| \begin{array}{cc} b_1 & a_{11} \\ b_2  & a_{21} \end{array} \right|}{\left| \begin{array}{cc} a_{12} & a_{11} \\ a_{22} & a_{21} \end{array} \right|}.$$
儘管$x_1, x_2$乍看有點不同，但其實他們有相同的分母。在此我們要先插記一個2階行列式的性質：

性質  2階行列式中，對調column後，新行列式值為原行列式值添上一負號。

[證]. $\left| \begin{array}{cc} b & a \\ d & c \end{array} \right| = bc - ad = -(ad - bc) = -\left| \begin{array}{cc} a & b \\ c & d \end{array} \right|.$

(證明終了)

有了這個性質後，我們就可以重新計算$x_2$如下：
$$x_2 = \frac{\left| \begin{array}{cc} b_1 & a_{11} \\ b_2  & a_{21} \end{array} \right|}{\left| \begin{array}{cc} a_{12} & a_{11} \\ a_{22} & a_{21} \end{array} \right|} = \frac{ - \left| \begin{array}{cc} a_{11} & b_1 \\ a_{21}  & b_2 \end{array} \right|}{ - \left| \begin{array}{cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right|} = \frac{\left| \begin{array}{cc} a_{11} & b_1 \\ a_{21}  & b_2 \end{array} \right|}{\left| \begin{array}{cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right|}.$$
因此我們稱2階行列式$\left| \begin{array}{cc} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array} \right|$為線性方程組$\left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 &=& b_2 \end{eqnarray*} \right.$的係數行列式，記為$D^{(2)}$。而行列式$\left| \begin{array}{cc} b_1 & a_{12} \\ b_2  & a_{22} \end{array} \right|$與$\left| \begin{array}{cc} a_{11} & b_1 \\ a_{21}  & b_2 \end{array} \right|$則分別記為$D^{(2)}_1$與$D^{(2)}_2$，從而得到2階線性方程組的Cramer公式：
$$x_1 = \frac{D^{(2)}_1}{D^{(2)}}, x_2 = \frac{D^{(2)}_2}{D^{(2)}}.$$
此處再提醒，行列式$D^{(2)}_1$是用常數項$\begin{eqnarray*} b_1 \\ b_2 \end{eqnarray*}$替換掉係數行列式$D^{(2)}$的column 1而得到，$D^{(2)}_2$則是用常數項$\begin{eqnarray*} b_1 \\ b_2 \end{eqnarray*}$替換掉係數行列式$D^{(2)}$的column 2而得。

G. Cramer (1704-1752)

Cramer法則首次的公開是在此書的附錄

紅線框起的部分就是2階線性方程組的Cramer法則，只是當年沒有採用行列式記號。下面跟著的是3階的情況。

2. 用2階Cramer法則解3階線性方程組，用2階行列式導出3階行列式  

​ 現在考慮3階線性方程組

$$\left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 &=& b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 &=& b_3 \end{eqnarray*} \right. .$$

首先針對其中的第2式與第3式，改寫作

$$\left\{ \begin{eqnarray*} a_{22}x_2 + a_{23}x_3 &=& b_2 - a_{21}x_1 \\ a_{32}x_2 + a_{33}x_3 &=& b_3 - a_{31}x_1 \end{eqnarray*} \right. .$$

然後使用2階線性方程組的Cramer法則，得到

$$x_2 = \frac{\left| \begin{array}{cc} b_2 - a_{21}x_1 & a_{23} \\ b_3 - a_{31}x_1 & a_{33} \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|} = \frac{\left| \begin{array}{cc} b_2 & a_{23} \\ b_3 & a_{33} \end{array} \right| - x_1 \left| \begin{array}{cc} a_{21} & a_{23} \\ a_{31} & a_{33} \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|},$$

以及

$$x_3 = \frac{\left| \begin{array}{cc} a_{22} & b_2 - a_{21}x_1 \\ a_{32} & b_3 - a_{31}x_1 \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|} = \frac{\left| \begin{array}{cc} a_{22} & b_2 \\ a_{32} & b_3 \end{array} \right| - x_1 \left| \begin{array}{cc} a_{22} & a_{21} \\ a_{32} & a_{31} \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|}.$$

代回原方程組中的第1式，

$$a_{11} x_1 + a_{12} \frac{\left| \begin{array}{cc} b_2 & a_{23} \\ b_3 & a_{33} \end{array} \right| - x_1 \left| \begin{array}{cc} a_{21} & a_{23} \\ a_{31} & a_{33} \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|} + a_{13} \frac{\left| \begin{array}{cc} a_{22} & b_2 \\ a_{32} & b_3 \end{array} \right| - x_1 \left| \begin{array}{cc} a_{22} & a_{21} \\ a_{32} & a_{31} \end{array} \right|}{\left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right|} = b_1,$$

整理得

$$\left( a_{11} \left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right| - a_{12}\left| \begin{array}{cc} a_{21} & a_{23} \\ a_{31} & a_{33} \end{array} \right| - a_{13}\left| \begin{array}{cc} a_{22} & a_{21} \\ a_{32} & a_{31} \end{array} \right| \right) x_1 = b_1 \left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right| - a_{12}\left| \begin{array}{cc} b_2 & a_{23} \\ b_3 & a_{33} \end{array} \right| - a_{13}\left| \begin{array}{cc} a_{22} & b_2 \\ a_{32} & b_3 \end{array} \right|.$$

對於上式中，牽涉到$\begin{eqnarray*} a_{21} \\ a_{31} \end{eqnarray*}$與$\begin{eqnarray*} b_2 \\ b_3 \end{eqnarray*}$的行列式，將$\begin{eqnarray*} a_{21} \\ a_{31} \end{eqnarray*}$與$\begin{eqnarray*} b_2 \\ b_3 \end{eqnarray*}$各別調換至其所在行列式中的column1位置，利用前文推導過的「行列式交換column添負號」，得

$$\left( a_{11} \left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right| - a_{12}\left| \begin{array}{cc} a_{21} & a_{23} \\ a_{31} & a_{33} \end{array} \right| + a_{13}\left| \begin{array}{cc} a_{21} & a_{22} \\ a_{31} & a_{32} \end{array} \right| \right) x_1 = b_1 \left| \begin{array}{cc} a_{22} & a_{23} \\ a_{32} & a_{33} \end{array} \right| - a_{12}\left| \begin{array}{cc} b_2 & a_{23} \\ b_3 & a_{33} \end{array} \right| + a_{13}\left| \begin{array}{cc} b_2 & a_{22} \\ b_3 & a_{32} \end{array} \right|.$$

如果我們定義3階行列式 (determinant of order 3)為

$$\left| \begin{array}{ccc} d_{11} & d_{12} & d_{13} \\ d_{21} & d_{22} & d_{23} \\ d_{31} & d_{32} & d_{33} \\  \end{array} \right| = d_{11} \left| \begin{array}{cc} d_{22} & d_{23} \\ d_{32} & d_{33} \end{array} \right| - d_{12} \left| \begin{array}{cc} d_{21} & d_{23} \\ d_{31} & d_{33}  \end{array} \right| + d_{13} \left| \begin{array}{cc} d_{21} & d_{22} \\ d_{31} & d_{32} \end{array} \right|.$$

那麼上式可改寫為

$$\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right| x_1 = \left| \begin{array}{ccc} b_1 & a_{12} & a_{13} \\ b_2 & a_{22} & a_{23} \\ b_3 & a_{32} & a_{33} \end{array} \right|.$$

從而可解出

$$x_1 = \frac{\left| \begin{array}{ccc} b_1 & a_{12} & a_{13} \\ b_2 & a_{22} & a_{23} \\ b_3 & a_{32} & a_{33} \end{array} \right|}{\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|}.$$

要解出$x_2$與$x_3$，無須將方才解出的$x_1$代回方程組，我們採取調換標號的手段，如下所示：

$$\left\{ \begin{array}{ccc} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 &=& b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 &=& b_3 \end{array} \right. \rightarrow \left\{ \begin{array}{ccc} a_{12}x_2 + a_{11}x_1 + a_{13}x_3 &=& b_1 \\ a_{22}x_2 + a_{21}x_1 + a_{23}x_3 &=& b_2 \\ a_{32}x_2 + a_{31}x_1 + a_{33}x_3 &=& b_3 \end{array} \right. \Rightarrow x_2 = \frac{\left| \begin{array}{ccc} b_1 & a_{11} & a_{13} \\ b_2 & a_{21} & a_{23} \\ b_3 & a_{31} & a_{33} \end{array} \right|}{\left| \begin{array}{ccc} a_{12} & a_{11} & a_{13} \\ a_{22} & a_{21} & a_{23} \\ a_{32} & a_{31} & a_{33} \end{array} \right|}.$$

以及

$$\left\{ \begin{array}{ccc} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 &=& b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 &=& b_3 \end{array} \right. \rightarrow \left\{ \begin{array}{ccc} a_{13}x_3 + a_{12}x_2 + a_{11}x_1 &=& b_1 \\ a_{23}x_3 + a_{22}x_2 + a_{21}x_1 &=& b_2 \\ a_{33}x_3 + a_{32}x_2 + a_{31}x_1 &=& b_3 \end{array} \right. \Rightarrow x_3 = \frac{\left| \begin{array}{ccc} b_1 & a_{12} & a_{11} \\ b_2 & a_{22} & a_{21} \\ b_3 & a_{32} & a_{31} \end{array} \right|}{\left| \begin{array}{ccc} a_{13} & a_{12} & a_{11} \\ a_{23} & a_{22} & a_{21} \\ a_{33} & a_{32} & a_{31} \end{array} \right|}.$$

為了使$x_2, x_3$的分母形式與$x_1$一致，我們還要證明：

性質  3階行列式中，對調column後，新行列式值為原行列式值添上一負號。

[證]. 考慮column 1與column 2對調的情況：

$$\begin{eqnarray*} \left| \begin{array}{ccc} d_{12} & d_{11} & d_{13} \\ d_{22} & d_{21} & d_{23} \\ d_{32} & d_{31} & d_{33} \end{array} \right| &=& d_{12} \left| \begin{array}{cc} d_{21} & d_{23} \\ d_{31} & d_{33} \end{array} \right| - d_{11}\left| \begin{array}{cc} d_{22} & d_{23} \\ d_{32} & d_{33} \end{array} \right| + d_{13} \left| \begin{array}{cc} d_{22} & d_{21} \\ d_{32} & d_{31} \end{array} \right| \\ &=& d_{12} \left| \begin{array}{cc} d_{21} & d_{23} \\ d_{31} & d_{33} \end{array} \right| - d_{11}\left| \begin{array}{cc} d_{22} & d_{23} \\ d_{32} & d_{33} \end{array} \right| - d_{13} \left| \begin{array}{cc} d_{21} & d_{22} \\ d_{31} & d_{32} \end{array} \right| \\ &=& -\left( d_{11}\left| \begin{array}{cc} d_{22} & d_{23} \\ d_{32} & d_{33} \end{array} \right| - d_{12} \left| \begin{array}{cc} d_{21} & d_{23} \\ d_{31} & d_{33} \end{array} \right| + d_{13} \left| \begin{array}{cc} d_{21} & d_{22} \\ d_{31} & d_{32} \end{array} \right| \right) \\ &=& - \left| \begin{array}{ccc} d_{11} & d_{12} & d_{13} \\ d_{21} & d_{22} & d_{23} \\ d_{31} & d_{32} & d_{33} \end{array} \right|. \end{eqnarray*}$$

其餘調換的情況也是類推。

(證明終了)

由此性質，可得

$$x_2 = \frac{\left| \begin{array}{ccc} b_1 & a_{11} & a_{13} \\ b_2 & a_{21} & a_{23} \\ b_3 & a_{31} & a_{33} \end{array} \right|}{\left| \begin{array}{ccc} a_{12} & a_{11} & a_{13} \\ a_{22} & a_{21} & a_{23} \\ a_{32} & a_{31} & a_{33} \end{array} \right|} = \frac{-\left| \begin{array}{ccc} a_{11} & b_1 & a_{13} \\ a_{21} & b_2 & a_{23} \\ a_{31} & b_3 & a_{33} \end{array} \right|}{-\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|} = \frac{\left| \begin{array}{ccc} a_{11} & b_1 & a_{13} \\ a_{21} & b_2 & a_{23} \\ a_{31} & b_3 & a_{33} \end{array} \right|}{\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|},$$

與

$$x_3 = \frac{\left| \begin{array}{ccc} b_1 & a_{12} & a_{11} \\ b_2 & a_{22} & a_{21} \\ b_3 & a_{32} & a_{31} \end{array} \right|}{\left| \begin{array}{ccc} a_{13} & a_{12} & a_{11} \\ a_{23} & a_{22} & a_{21} \\ a_{33} & a_{32} & a_{31} \end{array} \right|} = \frac{-\left| \begin{array}{ccc} a_{11} & a_{12} & b_1 \\ a_{21} & a_{22} & b_2 \\ a_{31} & a_{32} & b_3 \end{array} \right|}{-\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|} = \frac{\left| \begin{array}{ccc} a_{11} & a_{12} & b_1 \\ a_{21} & a_{22} & b_2 \\ a_{31} & a_{32} & b_3 \end{array} \right|}{\left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|}.$$

​ 類似對2階線性方程組的討論，我們可定義3階線性方程組$\left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 + a_{13}x_3 &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + a_{23}x_3 &=& b_2 \\ a_{31}x_1 + a_{32}x_2 + a_{33}x_3 &=& b_3 \end{eqnarray*} \right.$的係數行列式$D^{(3)}$及$D^{(3)}_1, D^{(3)}_2, D^{(3)}_3$如下：

$$D^{(3)} = \left| \begin{array}{ccc} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{array} \right|,  D^{(3)}_1 = \left| \begin{array}{ccc} b_1 & a_{12} & a_{13} \\ b_2 & a_{22} & a_{23} \\ b_3 & a_{32} & a_{33} \end{array} \right|, D^{(3)}_2 = \left| \begin{array}{ccc} a_{11} & b_1 & a_{13} \\ a_{21} & b_2 & a_{23} \\ a_{31} & b_3 & a_{33} \end{array} \right|, D^{(3)}_3 = \left| \begin{array}{ccc} a_{11} & a_{12} & b_1 \\ a_{21} & a_{22} & b_2 \\ a_{31} & a_{32} & b_3 \end{array} \right|.$$

從而3階線性方程組的Cramer法則可表述為

$$x_1 = \frac{D^{(3)}_1}{D^{(3)}}, x_2 = \frac{D^{(3)}_2}{D^{(3)}}, x_3 = \frac{D^{(3)}_3}{D^{(3)}}.$$

3. 從$n-1$到$n$

​ 對於$n$階線性方程組

$$\left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n &=& b_2 \\ \vdots&& \\ a_{n1}x_1 + a_{n2}x_2 + \cdots + a_{nn}x_n &=& b_n \end{eqnarray*} \right. ,$$

$A$中的column分別構成以下的column向量

$$A_1 = \left[ \begin{array}{c} a_{11} \\ a_{21} \\ \vdots \\ a_{n1} \end{array} \right], A_2 = \left[ \begin{array}{c} a_{12} \\ a_{22} \\ \vdots \\ a_{n2} \end{array} \right], \cdots, A_n = \left[ \begin{array}{c} a_{1n} \\ a_{2n} \\ \vdots \\ a_{nn} \end{array} \right].$$

方程組右端的常數項則記為

$$b = \left[ \begin{array}{c} b_1 \\ b_2 \\ \vdots \\ b_n \end{array} \right].$$

由於我們會針對原方程組中的後$n-1$條方程式進行討論，所以再定義以下的column向量：

$$\tilde{A_1} = \left[ \begin{array}{c} a_{21} \\ \vdots \\ a_{n1} \end{array} \right],\tilde{A_2} = \left[ \begin{array}{c} a_{22} \\ \vdots \\ a_{n2} \end{array} \right], \cdots, \tilde{A_n} = \left[ \begin{array}{c} a_{2n} \\ \vdots \\ a_{nn} \end{array} \right], \tilde{b} = \left[ \begin{array}{c} b_2 \\ \vdots \\ b_n \end{array} \right].$$

它們都是從原來的$A_1, A_2, \cdots, A_n, b$砍掉頭一個元素後得到的向量。注意它們都是$n-1$維。

​ 另外，我們用$det(d_1, d_2, \cdots, d_k)$表示由$k$維column向量所構成的$k$階行列式。

​ 由前面從2階推導至3階的經驗，考慮以下三條歸納假設：

1. 我們會計算$n-1$階行列式。
   $$D^{(n-1)} = \left| \begin{array}{cccc} d_{11} & d_{12} & \cdots & d_{1, n-1} \\ d_{21} & d_{22} & \cdots & d_{2, n-1} \\ \vdots & \vdots & & \vdots \\ d_{n-1, 1} & d_{n-1, 2} & \cdots & d_{n-1, n-1} \end{array} \right|.$$
2. $n-1$階行列式具有「交換column後加上負號」的性質。
3. 我們有$n-1$階Cramer法則。

 ​ 有了以上準備工作後，我們可以開始來討論$n$階線性方程組了。

 ​ 首先我們改寫原方程組中的後$n-1$條如下：

$$\left\{ \begin{eqnarray*} a_{22}x_2 + \cdots + a_{2n}x_n &=& b_2 - a_{21}x_1 \\ \vdots&& \\ a_{n2}x_2 + \cdots + a_{nn}x_n &=& b_n - a_{n1}x_1 \end{eqnarray*} \right.,$$

於是可根據歸納假設3解出$x_2, \cdots, x_n$

$$\displaystyle x_2 = \frac{det(\tilde{b} - x_1 \tilde{A_1}, \cdots, \tilde{A_n})}{det(\tilde{A_2}, \cdots, \tilde{A_n})}, \cdots,  x_n = \frac{det(\tilde{A_2}, \cdots, \tilde{b} - x_1 \tilde{A_1})}{det(\tilde{A_2}, \cdots, \tilde{A_n})}.$$

代回原方程組中的第一條式子，得到

$$a_{11}x_1 + a_{12} \frac{det(\tilde{b} - x_1 \tilde{A_1}, \cdots, \tilde{A_n})}{det(\tilde{A_2}, \cdots, \tilde{A_n})} + \cdots + a_{1n} \frac{det(\tilde{A_2}, \cdots, \tilde{b} - x_1 \tilde{A_1})}{det(\tilde{A_2}, \cdots, \tilde{A_n})} = b_1,$$

左右同乘以$det(\tilde{A_2}, \cdots, \tilde{A_n})$，變為

$$a_{11} x_1 det(\tilde{A_2}, \cdots, \tilde{A_n}) + a_{12} det(\tilde{b} - x_1 \tilde{A_1}, \cdots, \tilde{A_n}) + \cdots + a_{1n} det(\tilde{A_2}, \cdots, \tilde{b} - x_1 \tilde{A_1}) = b_1det(\tilde{A_2}, \cdots, \tilde{A_n}),$$

再利用$n-1$階行列式的多重線性性質，得

$$\begin{eqnarray*}&&a_{11} x_1 det(\tilde{A_2}, \cdots, \tilde{A_n}) + a_{12} det(\tilde{b}, \cdots, \tilde{A_n}) - a_{12} x_1 det(\tilde{A_1}, \cdots, \tilde{A_n}) + \cdots + a_{1n} det(\tilde{A_2}, \cdots, \tilde{b}) - a_{1n} x_1 det(\tilde{A_2}, \cdots, \tilde{A_1}) \\ &=& b_1 det(\tilde{A_2}, \cdots, \tilde{A_n}),\end{eqnarray*}$$

重新整理得

$$\begin{eqnarray*}&& \left[ a_{11} det(\tilde{A_2}, \cdots, \tilde{A_n}) - a_{12} det(\tilde{A_1}, \cdots, \tilde{A_n}) - \cdots - a_{1n} det(\tilde{A_2}, \cdots, \tilde{A_1}) \right] x_1 \\ &=& b_1 det(\tilde{A_2}, \cdots, \tilde{A_n}) - a_{12} det(\tilde{b}, \cdots, \tilde{A_n}) - \cdots - a_{1n} det(\tilde{A_2}, \cdots, \tilde{b})\end{eqnarray*}$$

對於上式中的每個$n-1$階行列式，將其中的$\tilde{A_1}$或$\tilde{b}$逐步與其前頭的元素交換，挪移到column 1的位置，並且保持其餘column的相對順序不變，則得

$$ \begin{eqnarray*} && \left[ a_{11} det(\tilde{A_2}, \cdots, \tilde{A_n}) + a_{12} (-1)^1 det(\tilde{A_1}, \tilde{A_3}, \cdots, \tilde{A_n}) + \cdots + a_{1n} (-1)^{1 + (n-2)} det(\tilde{A_1}, \tilde{A_2}, \cdots, \tilde{A_{n - 1}}) \right] x_1 \\ &=& b_1 det(\tilde{A_2}, \cdots, \tilde{A_n}) + a_{12} (-1)^1 det(\tilde{b}, \tilde{A_3}, \cdots, \tilde{A_n}) + \cdots + a_{1n} (-1)^{1 + (n-2)} det(\tilde{b}, \tilde{A_2}, \cdots, \tilde{A_{n - 1}}). \end{eqnarray*} $$

這啟發了我們定義$n$階行列式 (determinant of order n)為

$$ \begin{eqnarray*} D^{(n)} &=& \left| \begin{array}{cccc} d_{11} & d_{12} & \cdots & d_{1n} \\ d_{21} & d_{22} & \cdots & d_{2n} \\ \vdots & \vdots & & \vdots \\ d_{n1} & d_{n2} & \cdots & d_{nn} \\  \end{array} \right| \\ &=& d_{11} (-1)^{1 + 1} \left| \begin{array}{ccc} d_{22} & \cdots & d_{2n} \\ \vdots & & \vdots \\ d_{n2} & \cdots & d_{nn} \\ \end{array} \right| + d_{12} (-1)^{1+2} \left| \begin{array}{cccc} d_{21} & d_{23} & \cdots & d_{2n} \\ \vdots & & \vdots \\ d_{n1} & d_{n3} & \cdots & d_{nn} \\ \end{array} \right| + \cdots + d_{1n} (-1)^{1 + n}\left| \begin{array}{ccc} d_{22} & \cdots & d_{2, n-1} \\ \vdots & & \vdots \\ d_{n2} & \cdots & d_{n, n-1} \\ \end{array} \right|. \end{eqnarray*} $$

從而可將方才的等式改寫為

$$ \left| \begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{array} \right| x_1 = \left| \begin{array}{cccc} b_1 & a_{12} & \cdots & a_{1n} \\ b_2 & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ b_n & a_{n2} & \cdots & a_{nn} \end{array} \right|. $$

因為假定了方程組非奇異(non-singular)，所以上式中$x_1$的係數必非零，故

$$ x_1 = \frac{\left| \begin{array}{cccc} b_1 & a_{12} & \cdots & a_{1n} \\ b_2 & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ b_n & a_{n2} & \cdots & a_{nn} \end{array} \right|}{\left| \begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{array} \right|} = \frac{det(b, A_2, \cdots, A_n)}{det(A)}. $$

如果將原方程組改寫為

$$ \left\{ \begin{eqnarray*} a_{12}x_2 + a_{11}x_1 + a_{13}x_3 + \cdots + a_{1n}x_n &=& b_1 \\ a_{22}x_2 + a_{21}x_1 + a_{23}x_3 + \cdots + a_{2n}x_n &=& b_2 \\ \vdots && \\ a_{n2}x_2 + a_{n1}x_1 + a_{n3}x_3 + \cdots + a_{nn}x_n &=& b_1 \\ \end{eqnarray*} \right. ,$$

那麼仿照以上的討論，可解得

$$ x_2 = \frac{\left|  \begin{array}{ccccc} b_1 & a_{11} & a_{13} & \cdots & a_{1n} \\ b_2 & a_{21} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ b_n & a_{n1} & a_{n3} &  \cdots & a_{nn} \end{array} \right|}{\left| \begin{array}{cccc} a_{12} & a_{11} & a_{13} & \cdots & a_{1n} \\ a_{22} & a_{21} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n2} & a_{n1} & a_{n3} &  \cdots & a_{nn} \end{array} \right|}. $$

而根據歸納假設2，有

$$ \begin{eqnarray*} x_2 &=& \frac{\left| \begin{array}{ccccc} b_1 & a_{11} & a_{13} & \cdots & a_{1n} \\b_2 & a_{21} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ b_n & a_{n1} & a_{n3} &  \cdots & a_{nn} \end{array} \right|}{\left| \begin{array}{cccc} a_{12} & a_{11} & a_{13} & \cdots & a_{1n} \\a_{22} & a_{21} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n2} & a_{n1} & a_{n3} &  \cdots & a_{nn} \end{array} \right|} = \frac{-\left| \begin{array}{ccccc} a_{11} & b_1 & a_{13} & \cdots & a_{1n} \\ a_{21} & b_2 & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n1} & b_n & a_{n3} &  \cdots & a_{nn} \end{array} \right|}{-\left| \begin{array}{cccc} a_{11} & a_{12} & a_{13} & \cdots & a_{1n} \\a_{21} & a_{22} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & a_{n3} &  \cdots & a_{nn} \end{array} \right|} = \frac{\left| \begin{array}{ccccc} a_{11} & b_1 & a_{13} & \cdots & a_{1n} \\ a_{21} & b_2 & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n1} & b_n & a_{n3} &  \cdots & a_{nn} \end{array} \right|}{\left| \begin{array}{cccc} a_{11} & a_{12} & a_{13} & \cdots & a_{1n} \\a_{21} & a_{22} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & & \vdots \\ a_{n1} & a_{n2} & a_{n3} &  \cdots & a_{nn} \end{array} \right|} \\ &=& \frac{det(A_1, b, A_3, \cdots, A_n)}{det(A)}. \end{eqnarray*} $$

其餘$x_3, \cdots, x_n$的討論亦類似，得

$$ x_3 = \frac{det(A_1, A_2, b, A_4, \cdots, A_n)}{det(A)}, \cdots, x_n = \frac{det(A_1, \cdots, A_{n-1}, b)}{det(A)}. $$

結論：

1. $n$階行列式是靠$n-1$階行列式的線性組合所定義出來的：
   
   $$ \begin{eqnarray*} D^{(n)} &=& \left| \begin{array}{cccc} d_{11} & d_{12} & \cdots & d_{1n} \\ d_{21} & d_{22} & \cdots & d_{2n} \\ \vdots & \vdots & & \vdots \\ d_{n1} & d_{n2} & \cdots & d_{nn} \\  \end{array} \right| \\  &=& d_{11} (-1)^{1 + 1} \left| \begin{array}{ccc} d_{22} & \cdots & d_{2n} \\ \vdots & & \vdots \\ d_{n2} & \cdots & d_{nn} \\ \end{array} \right| + d_{12} (-1)^{1+2} \left| \begin{array}{cccc} d_{21} & d_{23} & \cdots & d_{2n} \\ \vdots & & \vdots \\ d_{n1} & d_{n3} & \cdots & d_{nn} \\ \end{array} \right| + \cdots + d_{1n} (-1)^{1 + n}\left| \begin{array}{ccc} d_{22} & \cdots & d_{2, n-1} \\ \vdots & & \vdots \\ d_{n2} & \cdots & d_{n, n-1} \\ \end{array} \right|. \end{eqnarray*} $$
2. Cramer公式：對於非奇異的$n$階線性方程組
   $$ \left\{ \begin{eqnarray*} a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n &=& b_1 \\ a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n &=& b_2 \\ \vdots&& \\ a_{n1}x_1 + a_{n2}x_2 + \cdots + a_{nn}x_n &=& b_n \end{eqnarray*} \right. , $$
   其解為
   $$ x_i = \frac{det(\cdots, A_{i-1}, b, A_{i+1}, \cdots)}{det(A)}. $$

  

參考文獻

[1] 朱富海，问题引导的代数学: 行列式的多样性，知乎專欄《數林廣記》

(最後更新：2020/06/05)

二階線性方程組之Cramer法則的使用流程

畫圖真的相當辛苦...

本來打算要買Visio來畫，後來還是勉強用了LibreOffice的Draw做出來了...