xy0v0's Blog

Back

高等代数(一)1.6:克拉默法则与范德蒙德行列式

从列向量和叠加性理解克拉默法则,证明解的存在性与唯一性,讨论齐次方程组,并证明范德蒙德行列式的乘积公式。

1 从方程组到列向量的线性组合

考虑 nn 个方程、nn 个未知量的线性方程组。若系数行列式不为零, 不仅可以判定解存在,而且可以用行列式直接写出每个未知量的值。 这一结论称为克拉默法则。要理解公式的来由,先把各个方程合成一个向量等式。

以下系数和常数项均属于数域 PP,设 n≥2n\ge2,方程组为 {a11x1+a12x2+⋯+a1nxn=b1,a21x1+a22x2+⋯+a2nxn=b2,⋮an1x1+an2x2+⋯+annxn=bn.\begin{equation} \label{eq:system} \begin{cases} 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,\\ \hspace{6em}\vdots\\ a_{n1}x_1+a_{n2}x_2+\cdots+a_{nn}x_n=b_n. \end{cases} \end{equation} 记 A=(aij)n×n,𝒙=(x1,…,xn)𝖳,𝒃=(b1,…,bn)𝖳.A=(a_{ij})_{n\times n},\qquad \boldsymbol x=(x_1,\ldots,x_n)^{\mathsf T},\qquad \boldsymbol b=(b_1,\ldots,b_n)^{\mathsf T}. AA 称为系数矩阵,D=det⁡AD=\det A 称为系数行列式。 矩阵是一张数表,行列式是由这张方阵确定的一个数,二者不能混淆。

记 AA 的第 jj 列为 𝜶j=(a1j,…,anj)𝖳\boldsymbol\alpha_j=(a_{1j},\ldots,a_{nj})^{\mathsf T}。 方程组 [eq:system] 等价于 x1𝜶1+⋯+xn𝜶n=𝒃.\begin{equation} \label{eq:column} x_1\boldsymbol\alpha_1+\cdots+x_n\boldsymbol\alpha_n=\boldsymbol b. \end{equation} 左边的第 ii 个分量是 ∑j=1naijxj\sum_{j=1}^n a_{ij}x_j,所以一个向量等式恰好包含原来的 nn 个方程。把左边记为 A𝒙A\boldsymbol x,便得到矩阵形式 A𝒙=𝒃.A\boldsymbol x=\boldsymbol b. 因此,求解方程组也就是求 𝒃\boldsymbol b 用 AA 的各列作线性表示时的系数。

叠加性与标准单位向量

证明. 对每个 i=1,…,ni=1,\ldots,n,左边的第 ii 个分量为 ∑j=1naij(suj+tvj)=s∑j=1naijuj+t∑j=1naijvj=sbi(1)+tbi(2).\sum_{j=1}^n a_{ij}(su_j+tv_j) =s\sum_{j=1}^n a_{ij}u_j+t\sum_{j=1}^n a_{ij}v_j =sb_i^{(1)}+tb_i^{(2)}. 各分量分别相等,故向量相等。 ◻

这里系数矩阵 AA 必须相同,右端项也要作相应的线性组合。 例如,若 𝒖,𝒗\boldsymbol u,\boldsymbol v 都满足 A𝒙=𝒃A\boldsymbol x=\boldsymbol b, 则 A(𝒖+𝒗)=2𝒃A(\boldsymbol u+\boldsymbol v)=2\boldsymbol b; 当 𝒃≠𝟎\boldsymbol b\ne\boldsymbol0 时,它们的和不是原方程组的解。

记 𝒆i\boldsymbol e_i 为第 ii 个分量是 11、其余分量是 00 的标准单位向量,则 𝒃=b1𝒆1+⋯+bn𝒆n.\boldsymbol b=b_1\boldsymbol e_1+\cdots+b_n\boldsymbol e_n. 因此,只要分别找到满足 A𝝃i=𝒆iA\boldsymbol\xi_i=\boldsymbol e_i 的向量 𝝃i\boldsymbol\xi_i,就可以利用叠加性得到 A(b1𝝃1+⋯+bn𝝃n)=𝒃.A(b_1\boldsymbol\xi_1+\cdots+b_n\boldsymbol\xi_n)=\boldsymbol b. 下面用代数余子式来构造这些 𝝃i\boldsymbol\xi_i。

2 代数余子式怎样给出解

两组展开恒等式

记 MijM_{ij} 为删去 AA 的第 ii 行、第 jj 列后所得的 (n−1)(n-1) 阶行列式,称为余子式, Aij=(−1)i+jMijA_{ij}=(-1)^{i+j}M_{ij} 为元素 aija_{ij} 的代数余子式。 这沿用前面笔记的记号;AijA_{ij} 是一个数,不是矩阵 AA 的元素。 按行、按列展开,以及不同行、不同列的零和公式,可以分别合写为 ∑j=1nakjAij={D,k=i,0,k≠i,∑i=1naijAik={D,j=k,0,j≠k.\begin{align} \sum_{j=1}^n a_{kj}A_{ij} &=\begin{cases}D,&k=i,\\0,&k\ne i,\end{cases} \label{eq:row}\\ \sum_{i=1}^n a_{ij}A_{ik} &=\begin{cases}D,&j=k,\\0,&j\ne k.\end{cases} \label{eq:col} \end{align} 式 [eq:row] 固定行号 kk 和 ii:取第 kk 行的元素与第 ii 行对应的 代数余子式相乘,再沿列号 jj 求和。式 [eq:col] 固定列号 jj 和 kk: 取第 jj 列的元素与第 kk 列对应的代数余子式相乘,再沿行号 ii 求和。 两个固定的行号或列号可以相同,求和结果据此分成 DD 和 00 两种情形。

简单回顾零和式的理由:若 k≠ik\ne i,把第 ii 行换成第 kk 行, 所得行列式有两行相同,故为零。删去第 ii 行所得的余子式没有改变, 所以沿新第 ii 行展开,就得到 ∑jakjAij=0\sum_j a_{kj}A_{ij}=0。 按列的情形同理。这两组恒等式将使证明中的多数项变成零。

克拉默法则

把 AA 的第 jj 列换成 𝒃\boldsymbol b,其他列保持原位,所得行列式记为 Dj=det⁡(𝜶1,…,𝜶j−1,𝒃,𝜶j+1,…,𝜶n).\begin{equation} \label{eq:Dj} D_j=\det(\boldsymbol\alpha_1,\ldots,\boldsymbol\alpha_{j-1}, \boldsymbol b,\boldsymbol\alpha_{j+1},\ldots,\boldsymbol\alpha_n). \end{equation} 更换的是第 jj 列,因为 xjx_j 正是这一列的线性组合系数。 沿替换后的第 jj 列展开,有 Dj=∑i=1nbiAij.\begin{equation} \label{eq:Dj-expand} D_j=\sum_{i=1}^n b_iA_{ij}. \end{equation} 这里仍用原矩阵的 AijA_{ij}:求这一列的余子式时会删去这一列, 所以更换列内的元素不影响这些代数余子式。

定理同时断言解存在、解唯一,并给出了求解公式。 证明时先构造一个解,再说明任何解都必须具有这些分量。

证明. 第一步:构造一个解。 对每个 i=1,…,ni=1,\ldots,n,取 𝝃i=1D(Ai1,Ai2,…,Ain)𝖳.\boldsymbol\xi_i =\frac1D(A_{i1},A_{i2},\ldots,A_{in})^{\mathsf T}. 这里取的是第 ii 行的代数余子式,再把它们竖着排列成列向量。 计算 A𝝃iA\boldsymbol\xi_i 时,固定 ii 来选定向量 𝝃i\boldsymbol\xi_i, 用 kk 表示乘积向量的分量号。按矩阵乘向量的含义,沿列号 jj 求和, 再由式 [eq:row] 得到第 kk 个分量的值: 1D∑j=1nakjAij={1,k=i,0,k≠i.\frac1D\sum_{j=1}^n a_{kj}A_{ij} =\begin{cases}1,&k=i,\\0,&k\ne i.\end{cases} 因此 A𝝃i=𝒆iA\boldsymbol\xi_i=\boldsymbol e_i。 利用 𝒃=∑ibi𝒆i\boldsymbol b=\sum_i b_i\boldsymbol e_i 及叠加性,取 𝒙=∑i=1nbi𝝃i,\boldsymbol x=\sum_{i=1}^n b_i\boldsymbol\xi_i, 就有 A𝒙=𝒃A\boldsymbol x=\boldsymbol b。它的第 jj 个分量恰为 xj=1D∑i=1nbiAij=DjD.x_j=\frac1D\sum_{i=1}^n b_iA_{ij}=\frac{D_j}{D}. 所以公式确实给出一个解。

第二步:证明解唯一。 设 𝒄=(c1,…,cn)𝖳\boldsymbol c=(c_1,\ldots,c_n)^{\mathsf T} 是任意一个解,则 ∑j=1naijcj=bi(i=1,…,n).\sum_{j=1}^n a_{ij}c_j=b_i\qquad(i=1,\ldots,n). 固定一个未知量编号 kk,把第 ii 个等式乘以 AikA_{ik},再对 ii 求和。 将 bib_i 用等式左边替换后,交换两个有限求和的次序,得 Dk=∑i=1nbiAik=∑i=1nAik(∑j=1naijcj)=∑j=1ncj(∑i=1naijAik)=Dck.\begin{align*} D_k &=\sum_{i=1}^n b_iA_{ik}\\ &=\sum_{i=1}^n A_{ik}\left(\sum_{j=1}^n a_{ij}c_j\right)\\ &=\sum_{j=1}^n c_j\left(\sum_{i=1}^n a_{ij}A_{ik}\right) =Dc_k. \end{align*} 最后一步用了式 [eq:col]:括号内只有 j=kj=k 时为 DD,其余情形均为零。 由于 D≠0D\ne0,有 ck=Dk/Dc_k=D_k/D。这对每个 kk 都成立, 所以任意解都等于第一步构造出的解,唯一性得证。 ◻

只从“设 𝒄\boldsymbol c 是一个解”出发推导出公式,说明的是有解时至多一个。 还必须验证公式确实满足原方程组,才能得到“有且只有一个解”。 当 n=1n=1 时,法则就是 ax=bax=b 在 a≠0a\ne0 时有唯一解 x=b/ax=b/a。

3 用克拉默法则求解

解. 先计算系数行列式。交换前两行,再用第一行消去第一列其余非零元素,有 D=∣21−511−30−602−1214−76∣=−∣1−30−607−51302−1207−712∣=−∣7−5132−127−712∣=−[7(−12+14)+5(24−14)+13(−14+7)]=27.\begin{align*} D&=\begin{vmatrix} 2&1&-5&1\\1&-3&0&-6\\0&2&-1&2\\1&4&-7&6 \end{vmatrix}\\ &=-\begin{vmatrix} 1&-3&0&-6\\0&7&-5&13\\0&2&-1&2\\0&7&-7&12 \end{vmatrix} =-\begin{vmatrix}7&-5&13\\2&-1&2\\7&-7&12\end{vmatrix}\\ &=-\bigl[7(-12+14)+5(24-14)+13(-14+7)\bigr]=27. \end{align*} 由于 D≠0D\ne0,方程组有唯一解。依次替换四列,得到 D1=∣81−519−30−6−52−1204−76∣=81,D2=∣28−51190−60−5−1210−76∣=−108,D3=∣21811−39−602−521406∣=−27,D4=∣21−581−30902−1−514−70∣=27.\begin{align*} D_1&=\begin{vmatrix}8&1&-5&1\\9&-3&0&-6\\-5&2&-1&2\\0&4&-7&6\end{vmatrix}=81, &D_2&=\begin{vmatrix}2&8&-5&1\\1&9&0&-6\\0&-5&-1&2\\1&0&-7&6\end{vmatrix}=-108,\\ D_3&=\begin{vmatrix}2&1&8&1\\1&-3&9&-6\\0&2&-5&2\\1&4&0&6\end{vmatrix}=-27, &D_4&=\begin{vmatrix}2&1&-5&8\\1&-3&0&9\\0&2&-1&-5\\1&4&-7&0\end{vmatrix}=27. \end{align*} 所以 (x1,x2,x3,x4)=(3,−4,−1,1).\boxed{(x_1,x_2,x_3,x_4)=(3,-4,-1,1).} 代回原方程组,四个左端分别为 6−4+5+1=8,3+12−6=9,−8+1+2=−5,3−16+7+6=0,6-4+5+1=8,\quad 3+12-6=9,\quad -8+1+2=-5,\quad 3-16+7+6=0, 与右端相符。 ◻

行变换与列变换的区别

计算一个行列式时,可以按行列式性质作行变换或列变换,并记录它们对行列式值的影响。 但求方程组的解时,若要保持未知量及解集不变,应对整个增广矩阵 (A∣𝒃)(A\mid\boldsymbol b) 作初等行变换。增广矩阵就是在 AA 的右边添上常数项列 𝒃\boldsymbol b;竖线只用来分隔系数与常数项。

这里的行变换包括交换两行、把一行乘以非零数,以及把一行的倍数加到另一行。 每次都要连同右端常数项一起变换。这三类操作都可逆,因此变换前后的方程组同解。

列变换则改变未知量所对应的系数列。例如 x1+2x2=3x_1+2x_2=3 交换两列后成为 2x1+x2=32x_1+x_2=3,原来的解 (3,0)(3,0) 不再是新方程的解。 若确实要交换列,就必须同时交换未知量的含义,并在最后还原。 因此,“能用于计算行列式的变换”与“保持同一组未知量的解集不变的变换”要分清。

克拉默法则给出了未知量与系数、常数项之间的明确关系。 若直接计算全部未知量,一般需要求 D,D1,…,DnD,D_1,\ldots,D_n 共 n+1n+1 个 nn 阶行列式; 在具体数值计算中,消元法往往更方便。

4 系数行列式为零时,能判断什么

一般方程组

克拉默法则要求 D≠0D\ne0。若 D=0D=0,不能把 Dj/DD_j/D 当作一个数, 更不能把 0/00/0 当作零。 不过,唯一性证明中除以 DD 之前的计算仍然有效: 若 𝒄 是一个解,则 Dcj=Dj(j=1,…,n).\text{若 $\boldsymbol c$ 是一个解,则 }Dc_j=D_j\quad(j=1,\ldots,n). 因此,当 D=0D=0 时,只要某个 Dj≠0D_j\ne0,方程组就无解。 若所有 DjD_j 都为零,仅凭这些等式还不能断定方程组有解。

解. 二者的系数行列式都为 00。对方程组 (1),有 D1=∣1132∣=−1≠0,D_1=\begin{vmatrix}1&1\\3&2\end{vmatrix}=-1\ne0, 所以无解;也可以用第二式减去第一式的两倍,得到矛盾 0=10=1。

对方程组 (2),有 D1=D2=0D_1=D_2=0。第二式只是第一式的两倍, 所有解为 (x1,x2)=(1−t,t)(x_1,x_2)=(1-t,t),其中 t∈Pt\in P,所以有无穷多个解。 ◻

“所有 Dj=0D_j=0”仍可能对应无解。例如 A=(100000000),𝒃=(010).A=\begin{pmatrix}1&0&0\\0&0&0\\0&0&0\end{pmatrix}, \qquad \boldsymbol b=\begin{pmatrix}0\\1\\0\end{pmatrix}. 原矩阵和每个替换一列后的矩阵都至少有一列全为零, 所以 D=D1=D2=D3=0D=D_1=D_2=D_3=0,但方程组的第二个方程是 0=10=1,仍然无解。

齐次线性方程组

再看右端项全为零的情形。

非零解只要求至少一个分量不为零,并不要求每个分量都非零。

证明. 因为 𝒃=𝟎\boldsymbol b=\boldsymbol0,每个 DjD_j 都有一列全为零,所以 Dj=0D_j=0。 当 D≠0D\ne0 时,由克拉默法则,唯一解为 xj=DjD=0(j=1,…,n).x_j=\frac{D_j}{D}=0\qquad(j=1,\ldots,n). 故方程组只有零解。取此结论的逆否命题,就得到“有非零解,则 D=0D=0”。 ◻

对方阵系数的齐次方程组,“D=0D=0 时有非零解”也成立, 但这是上述结论的逆命题,不能只靠逆否关系得到。 一般的证明留到线性方程组理论;在下面的参数题中, 先用已证明的必要条件找出候选参数,再直接验证非零解是否存在。

解. 若有非零解,则 D=∣λ11λ∣=λ2−1=0,D=\begin{vmatrix}\lambda&1\\1&\lambda\end{vmatrix} =\lambda^2-1=0, 所以只能有 λ=1\lambda=1 或 λ=−1\lambda=-1。

当 λ=1\lambda=1 时,两式均为 x1+x2=0x_1+x_2=0,有非零解 (1,−1)(1,-1); 全部解为 (t,−t)(t,-t),t∈Pt\in P。 当 λ=−1\lambda=-1 时,两式等价于 x1=x2x_1=x_2,有非零解 (1,1)(1,1); 全部解为 (t,t)(t,t),t∈Pt\in P。 所以所求条件为 λ=±1.\boxed{\lambda=\pm1.} ◻

5 范德蒙德行列式

为了使用克拉默法则,常常需要先判断系数行列式是否为零。 有一类行列式,每一列都由一个参数的连续幂组成,第 jj 列对应参数 aja_j。 它的值可以写成这些参数之差的乘积,因而特别便于判断是否为零。

证明. 对阶数 nn 作数学归纳。n=2n=2 时, V2(a1,a2)=∣11a1a2∣=a2−a1,V_2(a_1,a_2)= \begin{vmatrix}1&1\\a_1&a_2\end{vmatrix}=a_2-a_1, 公式成立。设公式对 n−1n-1 阶成立,以下考虑 nn 阶的情形。

为便于沿第一列展开,要把这一列除第一个元素外全部化为零。 用 RkR_k 表示第 kk 行,下面的箭头表示用右边的行替换原来的第 kk 行。 从最后一行开始,依次进行: Rk←Rk−a1Rk−1,k=n,n−1,…,2.R_k\leftarrow R_k-a_1R_{k-1}, \qquad k=n,n-1,\ldots,2. 这些行倍加不改变行列式。必须按这个顺序做,才能保证每次使用的上一行仍是原来的行。 变换后第 kk 行、第 jj 列的元素为 ajk−1−a1ajk−2=(aj−a1)ajk−2(k≥2),a_j^{k-1}-a_1a_j^{k-2}=(a_j-a_1)a_j^{k-2}\quad(k\ge2), 其中 k=2k=2 时直接为 aj−a1a_j-a_1。 特别地,第一列变成 (1,0,…,0)𝖳(1,0,\ldots,0)^{\mathsf T}。 沿第一列展开,并从余下各列分别提出 a2−a1,…,an−a1a_2-a_1,\ldots,a_n-a_1,得到 Vn=∣a2−a1⋯an−a1(a2−a1)a2⋯(an−a1)an⋮⋮(a2−a1)a2n−2⋯(an−a1)ann−2∣=(∏j=2n(aj−a1))∣1⋯1a2⋯an⋮⋮a2n−2⋯ann−2∣=(∏j=2n(aj−a1))Vn−1(a2,…,an).\begin{align*} V_n &= \begin{vmatrix} a_2-a_1&\cdots&a_n-a_1\\ (a_2-a_1)a_2&\cdots&(a_n-a_1)a_n\\ \vdots&&\vdots\\ (a_2-a_1)a_2^{n-2}&\cdots&(a_n-a_1)a_n^{n-2} \end{vmatrix}\\ &=\left(\prod_{j=2}^n(a_j-a_1)\right) \begin{vmatrix} 1&\cdots&1\\ a_2&\cdots&a_n\\ \vdots&&\vdots\\ a_2^{n-2}&\cdots&a_n^{n-2} \end{vmatrix}\\ &=\left(\prod_{j=2}^n(a_j-a_1)\right)V_{n-1}(a_2,\ldots,a_n). \end{align*} 右边的低阶行列式仍是范德蒙德行列式。由归纳假设, Vn=(∏j=2n(aj−a1))(∏2≤i<j≤n(aj−ai))=∏1≤i<j≤n(aj−ai).V_n= \left(\prod_{j=2}^n(a_j-a_1)\right) \left(\prod_{2\le i<j\le n}(a_j-a_i)\right) =\prod_{1\le i<j\le n}(a_j-a_i). 前一部分包含所有涉及 a1a_1 的差,后一部分包含其余指标对的差, 二者合起来恰好覆盖全部指标对。归纳完成。 ◻

这个证明只用了行倍加、展开和各列的线性性质,没有除以任何 aj−aia_j-a_i, 所以参数相等时公式仍然成立。若把 n=1n=1 时的空乘积约定为 11,也有 V1=1V_1=1。

证明. 数域中有限个数的乘积不为零,当且仅当每个因子都不为零。 应用乘积公式,Vn≠0V_n\ne0 等价于对每个 i<ji<j 都有 aj−ai≠0a_j-a_i\ne0, 也就是参数两两不同。 ◻

乘积中的差要按列的顺序写成“后面的参数减前面的参数”。 例如 V3(a1,a2,a3)=(a2−a1)(a3−a1)(a3−a2).V_3(a_1,a_2,a_3)=(a_2-a_1)(a_3-a_1)(a_3-a_2). 若把所有差都反过来,总共会多出因子 (−1)n(n−1)/2(-1)^{n(n-1)/2}。 交换两个参数则相当于交换两列,行列式只变号。

转置形式与一个计算例

行列式在转置后不变,因此同样有 ∣1a1a12⋯a1n−11a2a22⋯a2n−1⋮⋮⋮⋮1anan2⋯ann−1∣=∏1≤i<j≤n(aj−ai).\begin{vmatrix} 1&a_1&a_1^2&\cdots&a_1^{n-1}\\ 1&a_2&a_2^2&\cdots&a_2^{n-1}\\ \vdots&\vdots&\vdots&&\vdots\\ 1&a_n&a_n^2&\cdots&a_n^{n-1} \end{vmatrix} =\prod_{1\le i<j\le n}(a_j-a_i). 这里转置的是矩阵,得到的是另一个写法的行列式;VnV_n 本身是一个数。

解. 第一个行列式的三列分别对应 a1=1,a2=2,a3=5a_1=1,a_2=2,a_3=5,故 ∣1111251425∣=(2−1)(5−1)(5−2)=12.\begin{vmatrix}1&1&1\\1&2&5\\1&4&25\end{vmatrix} =(2-1)(5-1)(5-2)=12. 第二个行列式所对应的矩阵是第一个矩阵的转置,所以它的值也为 1212。 ◻

6 两种结论合用:插值的存在与唯一性

给定两两不同的 a1,…,ana_1,\ldots,a_n 及任意 b1,…,bnb_1,\ldots,b_n, 希望找到一个次数不超过 n−1n-1 的多项式,使它在 aia_i 处取值为 bib_i。 零多项式也包括在这里的候选中。把待求多项式写成 p(t)=c0+c1t+⋯+cn−1tn−1,p(t)=c_0+c_1t+\cdots+c_{n-1}t^{n-1}, 条件 p(ai)=bip(a_i)=b_i 就变成关于系数 c0,…,cn−1c_0,\ldots,c_{n-1} 的线性方程组 (1a1⋯a1n−11a2⋯a2n−1⋮⋮⋮1an⋯ann−1)(c0c1⋮cn−1)=(b1b2⋮bn).\begin{pmatrix} 1&a_1&\cdots&a_1^{n-1}\\ 1&a_2&\cdots&a_2^{n-1}\\ \vdots&\vdots&&\vdots\\ 1&a_n&\cdots&a_n^{n-1} \end{pmatrix} \begin{pmatrix}c_0\\c_1\\\vdots\\c_{n-1}\end{pmatrix} = \begin{pmatrix}b_1\\b_2\\\vdots\\b_n\end{pmatrix}. 它的系数行列式正是范德蒙德行列式的转置形式。 由于 aia_i 两两不同,行列式非零,克拉默法则保证系数有且只有一组。 因此满足这些取值条件、次数不超过 n−1n-1 的多项式存在且唯一。

解. 设 p(t)=c0+c1t+c2t2p(t)=c_0+c_1t+c_2t^2,则 {c0=1,c0+c1+c2=2,c0+2c1+4c2=5.\begin{cases} c_0=1,\\ c_0+c_1+c_2=2,\\ c_0+2c_1+4c_2=5. \end{cases} 系数行列式为 ∣100111124∣=(1−0)(2−0)(2−1)=2≠0,\begin{vmatrix}1&0&0\\1&1&1\\1&2&4\end{vmatrix} =(1-0)(2-0)(2-1)=2\ne0, 所以解唯一。由第一式得 c0=1c_0=1,后两式化为 c1+c2=1c_1+c_2=1、c1+2c2=2c_1+2c_2=2,从而 c2=1c_2=1、c1=0c_1=0。 因此 p(t)=1+t2.\boxed{p(t)=1+t^2.} 代入 t=0,1,2t=0,1,2 可得所要求的三个值。 范德蒙德公式在这里帮助判断系数行列式非零,克拉默法则由此保证解存在且唯一; 实际求出系数时仍可采用消元法。 ◻

阅读 / 下载 PDF