{
  "id": "cramers-rule",
  "title": "克拉默法则",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "克拉默法则用行列式之比表示系数矩阵行列式非零的方形线性方程组的唯一解。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "克莱姆法则",
    "克拉默公式",
    "克莱姆公式"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/cramers-rule/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/cramers-rule/",
      "json": "https://aiwiki.page/en/cramers-rule.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "克拉默法则是线性代数中用于求解系数矩阵的行列式非零的方形线性方程组的公式。每个未知数都表示为一个比值：分母是系数矩阵的行列式，分子是将系数矩阵中对应的列替换为右端向量后所得矩阵的行列式。该法则以瑞士数学家加布里埃尔·克拉默命名，他于1750年发表了这一法则。它适用于理论论证、符号计算和小规模方程组，但对于大规模数值问题，通常优先采用其他方法。"
    },
    {
      "heading": "法则表述",
      "text": "考虑一个含有 \\(n\\) 个未知数、\\(n\\) 个线性方程的方程组，将其写成矩阵形式：\n\n\\[A\\mathbf{x}=\\mathbf{b},\\]\n\n其中，\\(A=(a_{ij})\\) 是一个 \\(n\\times n\\) 矩阵，\\(\\mathbf{x}=(x_1,\\ldots,x_n)^{\\mathsf T}\\) 是未知向量，\\(\\mathbf{b}\\) 是给定的右端向量。\n\n矩阵和向量的元素可以取自任意域（数学），包括实数域或复数域。假设\n\n\\[\\det(A)\\ne 0.\\]\n\n对于每个 \\(i\\)，将 \\(A\\) 的第 \\(i\\) 列替换为 \\(\\mathbf{b}\\)，其余各列保持不变，所得矩阵记为 \\(A_i\\)。则该方程组有唯一解，且\n\n\\[\\boxed{x_i=\\frac{\\det(A_i)}{\\det(A)},\\qquad i=1,\\ldots,n.}\\]\n\n替换的必须是与所求未知数对应的列。对于写成 \\(A\\mathbf{x}=\\mathbf{b}\\) 的方程组，如果改为替换某一行，通常无法得到所需的公式。"
    },
    {
      "heading": "二元情形的公式与示例",
      "text": "对于方程组\n\n\\[\\begin{aligned} ax+by&=e,\\\\ cx+dy&=f, \\end{aligned}\\]\n\n其系数行列式为\n\n\\[D= \\begin{vmatrix} a&b\\\\ c&d \\end{vmatrix} =ad-bc.\\]\n\n若 \\(D\\ne0\\)，由克拉默法则可得\n\n\\[x= \\frac{ \\begin{vmatrix} e&b\\\\ f&d \\end{vmatrix} }{D} =\\frac{ed-bf}{ad-bc}, \\qquad y= \\frac{ \\begin{vmatrix} a&e\\\\ c&f \\end{vmatrix} }{D} =\\frac{af-ec}{ad-bc}.\\]\n\n例如，考虑\n\n\\[\\begin{aligned} 2x+y&=5,\\\\ x-y&=1. \\end{aligned}\\]\n\n这里\n\n\\[D= \\begin{vmatrix} 2&1\\\\ 1&-1 \\end{vmatrix} =-3.\\]\n\n替换相应列后得到的行列式为\n\n\\[D_x= \\begin{vmatrix} 5&1\\\\ 1&-1 \\end{vmatrix} =-6, \\qquad D_y= \\begin{vmatrix} 2&5\\\\ 1&1 \\end{vmatrix} =-3.\\]\n\n因此，\n\n\\[x=2,\\qquad y=1.\\]"
    },
    {
      "heading": "利用多重线性性的证明",
      "text": "将 \\(A\\) 的各列记为 \\(\\mathbf{a}_1,\\ldots,\\mathbf{a}_n\\)。方程 \\(A\\mathbf{x}=\\mathbf{b}\\) 意味着 \\(\\mathbf{b}\\) 是如下线性组合：\n\n\\[\\mathbf{b}=\\sum_{j=1}^{n}x_j\\mathbf{a}_j.\\]\n\n行列式是关于各列的多重线性映射，因此\n\n\\[\\begin{aligned} \\det(A_i) &=\\det(\\mathbf{a}_1,\\ldots,\\mathbf{b},\\ldots,\\mathbf{a}_n)\\\\ &=\\sum_{j=1}^{n} x_j\\det(\\mathbf{a}_1,\\ldots,\\mathbf{a}_j,\\ldots,\\mathbf{a}_n), \\end{aligned}\\]\n\n其中，每个求和项中显式写出的 \\(\\mathbf{a}_j\\) 位于第 \\(i\\) 列，其余各列仍处于原来的位置。\n\n当 \\(j\\ne i\\) 时，该求和项中的行列式有两列相同，因此为零。于是只剩下 \\(j=i\\) 这一项：\n\n\\[\\det(A_i)=x_i\\det(A).\\]\n\n两边除以非零的系数行列式，即得克拉默公式。\n\n行列式非零与逆矩阵存在等价，由此可知解存在且唯一。上述论证进而确定了这个解的每个坐标。"
    },
    {
      "heading": "几何解释",
      "text": "当 \\(\\det(A)\\ne0\\) 时，\\(A\\) 的各列构成坐标向量空间的一组基（线性代数）。求解 \\(A\\mathbf{x}=\\mathbf{b}\\)，就是求 \\(\\mathbf{b}\\) 在这组基下的坐标。\n\n在实数范围内，行列式在二维中表示有向面积，在三维中表示有向体积，在更高维中则表示相应的量。将 \\(\\mathbf{a}_i\\) 替换为 \\(\\mathbf{b}\\)，会使这一有向体积变为原来的 \\(x_i\\) 倍。因此\n\n\\[x_i= \\frac{\\text{oriented volume with column }i\\text{ replaced by }\\mathbf{b}} {\\text{original oriented volume}}.\\]\n\n有向性至关重要：如果只使用体积的绝对值，就会丢失坐标的正负号。"
    },
    {
      "heading": "奇异方程组",
      "text": "当 \\(\\det(A)=0\\) 时，通常形式的克拉默法则不再适用，因为其分母为零。在实数或复数范围内，这样的方形方程组要么无解，要么有无穷多个解。\n\n只要解存在，未作除法的恒等式\n\n\\[\\det(A_i)=x_i\\det(A)\\]\n\n就仍然成立。因此，如果 \\(\\det(A)=0\\)，但至少有一个 \\(\\det(A_i)\\ne0\\)，那么该方程组不相容，即无解。\n\n反过来则不成立：如果系数行列式和所有替换列后得到的行列式都为零，并不能保证方程组相容。例如，\n\n\\[A= \\begin{pmatrix} 1&0&0\\\\ 0&0&0\\\\ 0&0&0 \\end{pmatrix}, \\qquad \\mathbf{b}= \\begin{pmatrix} 0\\\\ 1\\\\ 0 \\end{pmatrix}.\\]\n\n替换任意一列后得到的行列式都为零，但第二个方程却是 \\(0=1\\)。\n\n一般的相容性判据使用矩阵的秩：\n\n\\[\\operatorname{rank}(A)=\\operatorname{rank}([A\\mid\\mathbf{b}]),\\]\n\n其中，\\([A\\mid\\mathbf{b}]\\) 是增广矩阵。当此等式成立时，解唯一的充要条件是两者共同的秩等于未知数的个数。"
    },
    {
      "heading": "计算成本与数值表现",
      "text": "克拉默法则给出了显式公式，但这并不意味着它是一种高效的通用算法。\n\n直接展开计算每个行列式时，计算量按阶乘增长。如果采用消元法，分别独立计算 \\(n+1\\) 个行列式，则总计算成本可降至 \\(O(n^4)\\) 次算术运算，这里采用的是大O记号。相比之下，常规的高斯消元法或LU分解只需 \\(O(n^3)\\) 次运算即可求解稠密的方形方程组。\n\n这些成本描述的是特定实现方式，而不是行列式恒等式本身所固有、无法避免的复杂度。复用计算结果可以减少运算量，但标准数值求解方法通常直接求解，而不是分别计算各个行列式之比。\n\n在浮点运算中，单独计算的行列式可能发生上溢、下溢，或因相减抵消而损失精度。再将它们相除，可能进一步放大数值误差。计算的数值稳定性取决于具体实现，并非仅由公式决定。\n\n方程组本身对扰动的敏感程度是另一个问题，由其条件数描述。仅凭行列式很小，并不能断定方程组是病态的，因为行列式的大小强烈依赖于尺度。例如，对于非零实数 \\(\\varepsilon\\)，矩阵 \\(A=\\varepsilon I\\) 的行列式为 \\(\\varepsilon^n\\)，但其在欧几里得范数下的条件数为 \\(1\\)。"
    },
    {
      "heading": "应用与历史背景",
      "text": "当需要明确表示解对系数的依赖关系时，克拉默法则尤其有用。如果 \\(A\\) 和 \\(\\mathbf{b}\\) 的各元素都是参数的多项式，那么在所有满足 \\(\\det(A)\\ne0\\) 的参数取值处，该公式都将解的每个坐标表示为两个多项式之比。因此，它可用于符号代数，也可用于确定方程组在哪些参数取值处不再具有唯一解。\n\n对于元素均为整数的可逆矩阵和整数右端向量，该法则表明，解的每个坐标都是有理数。如果 \\(\\det(A)=1\\) 或 \\(-1\\)，则解的每个坐标都是整数。\n\n克拉默在1750年的著作《代数曲线分析导论》（Introduction à l’analyse des lignes courbes algébriques）中，结合由给定条件确定代数曲线的问题，提出了这一法则的一般形式。更早也出现过相关的基于行列式的公式，其中包括科林·麦克劳林于1748年身后出版的《代数学论》（A Treatise of Algebra）中的公式。现代的矩阵形式比这些早期表述更为简洁。"
    }
  ],
  "links": [
    "linear-algebra",
    "determinant",
    "system-of-linear-equations",
    "matrix",
    "field-mathematics",
    "real-number",
    "complex-number",
    "linear-combination",
    "multilinear-map",
    "inverse-matrix",
    "vector-space",
    "basis-linear-algebra",
    "matrix-rank",
    "big-o-notation",
    "gaussian-elimination",
    "lu-decomposition",
    "floating-point-arithmetic",
    "numerical-stability",
    "condition-number",
    "polynomial",
    "integer"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}