Regel van Cramer: een directe methode om lineaire stelsels op te lossen

De regel van Cramer geeft een directe formule om stelsels van lineaire vergelijkingen op te lossen met behulp van determinanten. Hoewel moderne computationele methoden vaak beter presteren dan de regel van Cramer voor grote stelsels, helpt het begrijpen van deze techniek ons om het verband te zien tussen lineaire stelsels, determinanten en matrixleer in de lineaire algebra. 

Dit artikel introduceert de regel van Cramer, de formule, de wiskundige basis en de geometrische interpretatie. We laten ook zien hoe je de methode toepast met meerdere voorbeelden, gaan in op de beperkingen en alternatieven, en wanneer ze het meest effectief is in data science-contexten.

Wat is de regel van Cramer?

De regel van Cramer stelt dat elke variabele in het stelsel gevonden kan worden door twee determinanten te delen: de determinant van een aangepaste coëfficiëntenmatrix gedeeld door de determinant van de oorspronkelijke coëfficiëntenmatrix.

Deze aangepaste matrix ontstaat door één kolom met coëfficiënten te vervangen door de constanten uit de rechterkant van de vergelijkingen.

Om de voorwaarden van de stelling te begrijpen, beschouwen we een stelsel lineaire vergelijkingen in matrixvorm als Ax = b, waarbij:

• A de coëfficiëntenmatrix is
• x de vector met onbekenden is
• b de vector met constanten is

De regel van Cramer is alleen van toepassing als A vierkant is (evenveel vergelijkingen als onbekenden) en een niet-nuldeterminant heeft, zodat er een unieke oplossing bestaat.

Wiskundige basis en formules

Voor een algemeen n×n-stelsel stelt de regel van Cramer dat de i-de component van de oplossingsvector is:

Formule van de regel van Cramer. (Afbeelding en alle afbeeldingen hieronder door de auteur)

Waarbij:

• x_i de i-de variabele is waarvoor we oplossen
• det(A_i) de determinant is van matrix A waarbij de i-de kolom is vervangen door vector b
• det(A) de determinant is van de oorspronkelijke coëfficiëntenmatrix

Om dit beter te begrijpen, bekijken we een 2×2-stelsel:

De coëfficiëntenmatrix A en de constantenvector b zijn:

Volgens de regel van Cramer:

Waarbij A₁ A is met de eerste kolom vervangen door b:

En A₂ A is met de tweede kolom vervangen door b:

De determinant van een 2×2-matrix wordt berekend als:

Als we eenmaal het patroon van de bovenstaande oplossing snappen, kunnen we dit rechtstreeks toepassen op elk compatibel stelsel zonder gelijktijdige vergelijkingen op te lossen. We breiden de regel later ook uit naar een 3x3-stelsel in een van de voorbeelden.

Geometrische interpretatie van de regel van Cramer

Naast dat het een directe formule is om lineaire stelsels op te lossen, heeft de regel van Cramer ook een rijke geometrische interpretatie.

Oppervlakten van parallellogrammen in 2D

Zie de kolommen van matrix A als vectoren in het vlak. Deze vectoren vormen een parallellogram, en de determinant van A stelt de getekende oppervlakte van dat parallellogram voor.

Als we één kolom vervangen door de vector b, ontstaat er een nieuw parallellogram. De determinant van deze nieuwe matrix, det⁡(A_i), stelt de oppervlakte voor van de gewijzigde vorm waarin een van de oorspronkelijke richtingsvectoren is vervangen door b.

Dus:

Elke variabele x_i vertelt ons hoeveel van b in de richting ligt van de i-de kolomvector van A, geschaald door de totale oppervlakte die door de kolommen van A wordt opgespannen.

Volumes van parallellepipeda in 3D

Dezelfde redenering geldt in 3D. Hier stelt de determinant van A het volume voor van het parallellepipedum dat door de drie kolomvectoren van A wordt gevormd.

• Het vervangen van één kolom door b levert een nieuw parallellepipedum op.
• De verhouding det⁡(A_i)/det⁡(A) geeft de relatieve volumebijdrage van die kolom aan de totale vorm.

Zowel in 2D als 3D meet de regel van Cramer in welke mate b het volume “vult” dat door de kolommen van A wordt gedefinieerd.

Stapsgewijze handleiding voor het toepassen van de regel van Cramer

Laten we twee voorbeelden doorlopen om te laten zien hoe de regel van Cramer werkt voor stelsels van verschillende grootte.

Een 2x2-stelsel oplossen

Beschouw het volgende stelsel van twee lineaire vergelijkingen:

Stap 1: Bepaal de coëfficiëntenmatrix en de constantenvector

We kunnen het stelsel als coëfficiëntenmatrix A en constantenvector b schrijven zoals hieronder:

Stap 2: Bereken de determinant van de coëfficiëntenmatrix

De determinant van A wordt:

det(A) = (3)(-1) - (2)(2)
det(A) = -3 - 4
det(A) = -7Mogelijk gemaakt door

Omdat det(A) = -7 ≠ 0, heeft het stelsel een unieke oplossing en kunnen we de regel van Cramer toepassen.

Stap 3: Maak aangepaste matrices en bereken hun determinanten

Voor x vervang je de eerste kolom van A door b:

Laten we nu de determinant van A₁ berekenen:

det(A₁) = (13)(-1) - (2)(4)
det(A₁) = -13 - 8
det(A₁) = -21Mogelijk gemaakt door

Voor y vervang je de tweede kolom van A door b:

Laten we nu de determinant van A₂ berekenen:

det(A₂) = (3)(4) - (13)(2)
det(A₂) = 12 - 26
det(A₂) = -14Mogelijk gemaakt door

Stap 4: Pas de formules van de regel van Cramer toe

We kunnen de waarden berekenen met de formule:

x = det(A₁) / det(A) = -21 / -7 = 3
y = det(A₂) / det(A) = -14 / -7 = 2Mogelijk gemaakt door

Tot slot kunnen we de resultaten verifiëren door de waarden terug te substitueren in de vergelijking:

• Eerste vergelijking: 3(3) + 2(2) = 9 + 4 = 13 
• Tweede vergelijking: 2(3) — 1(2) = 6–2 = 4 

Zo hebben we het 2x2-lineaire stelsel opgelost met de regel van Cramer.

Een 3x3-stelsel oplossen

Laten we dit nu uitbreiden naar een complexer 3x3-stelsel:

We herhalen voor dit voorbeeld dezelfde stappen als hierboven.

Stap 1: Bepaal de coëfficiëntenmatrix en de constantenvector

Uit het lineaire stelsel kunnen we de coëfficiëntenmatrix A en de constantenvector b schrijven als:

Stap 2: Bereken de determinant van de coëfficiëntenmatrix

Met de ontwikkeling langs de eerste rij:

det(A) =       2|2  1| - 1 |1  1| + 1 |1  2|
        		 |1  2|     |1  2|       |1  1|Mogelijk gemaakt door

We berekenen elke 2×2-determinant:

|2  1| = (2)(2) - (1)(1) = 4 - 1 = 3
|1  2|

|1  1| = (1)(2) - (1)(1) = 2 - 1 = 1
|1  2|

|1  2| = (1)(1) - (2)(1) = 1 - 2 = -1
|1  1|Mogelijk gemaakt door

Daarom is de determinant van A:

det(A) = 2(3) - 1(1) + 1(-1)
det(A) = 6 - 1 - 1
det(A) = 4Mogelijk gemaakt door

Omdat det(A) = 4 ≠ 0, heeft het stelsel een unieke oplossing en kunnen we de regel van Cramer toepassen.

Stap 3: Maak aangepaste matrices en bereken hun determinanten

Voor x vervang je de eerste kolom van A door b:

We kunnen ontwikkelen langs de eerste rij:

det(A₁) = 7|2  1| - 1|8  1| + 1|8  2|
   	        |1  2|     |9  2|      |9  1|Mogelijk gemaakt door

We berekenen de determinant van A₁:

det(A₁) = 7(3) - 1(16 - 9) + 1(8 - 18)
det(A₁) = 21 - 1(7) + 1(-10)
det(A₁) = 21 - 7 - 10
det(A₁) = 4Mogelijk gemaakt door

Voor y vervang je de tweede kolom van A door b:

We kunnen de determinant van A₂ als volgt berekenen:

det(A₂) = 2|8  1| - 7|1  1| + 1|1  8|
                     |9  2|     |1  2|    |1  9|

det(A₂) = 2(16 - 9) - 7(2 - 1) + 1(9 - 8)
det(A₂) = 2(7) - 7(1) + 1(1)
det(A₂) = 14 - 7 + 1
det(A₂) = 8Mogelijk gemaakt door

Voor z vervang je de derde kolom van A door b:

We kunnen de determinant van A₃ als volgt berekenen:

det(A₃) = 2|2  8| - 1|1  8| + 7|1  2|
                     |1  9|      |1  9|       |1  1|

det(A₃) = 2(18 - 8) - 1(9 - 8) + 7(1 - 2)
det(A₃) = 2(10) - 1(1) + 7(-1)
det(A₃) = 20 - 1 - 7
det(A₃) = 12Mogelijk gemaakt door

Stap 4: Pas de formules van de regel van Cramer toe

Omdat we alle benodigde waarden hebben berekend, kunnen we de waarden van x, y en z direct met de formule bepalen:

x = det(A₁) / det(A) = 4 / 4 = 1
y = det(A₂) / det(A) = 8 / 4 = 2
z = det(A₃) / det(A) = 12 / 4 = 3Mogelijk gemaakt door

Tot slot kunnen we de resultaten verifiëren door de waarden terug te substitueren in de vergelijking:

• Eerste vergelijking: 2(1) + 1(2) + 1(3) = 2 + 2 + 3 = 7 
• Tweede vergelijking: 1(1) + 2(2) + 1(3) = 1 + 4 + 3 = 8 
• Derde vergelijking: 1(1) + 1(2) + 2(3) = 1 + 2 + 6 = 9 

Merk op dat het proces hetzelfde blijft: we vervangen kolommen door de constantenvector en berekenen determinanten. De 3×3-variant vergt meer rekenwerk, maar de onderliggende methode is identiek aan de 2×2-variant.

Beperkingen, alternatieven en wanneer je de regel van Cramer gebruikt

Zoals alle algoritmen heeft ook de regel van Cramer enkele beperkingen. Laten we die begrijpen:

Computationele complexiteit

Voor een n×n-stelsel vereist de regel van Cramer het berekenen van (n+1) determinanten. Aangezien een determinant met cofactorontwikkeling een complexiteit van O(n!) heeft, wordt de totale complexiteit onhaalbaar voor grote stelsels. 

Zelfs met efficiëntere determinant-algoritmen blijft de methode onpraktisch voorbij kleine stelsels.

Numerieke stabiliteitsproblemen

De regel van Cramer kan lijden onder numerieke instabiliteit wanneer determinanten dicht bij nul liggen. 

Kleine afrondingsfouten bij het berekenen van det(A) kunnen leiden tot grote fouten in de oplossing wanneer je door een bijna-nulwaarde deelt. Dit maakt de methode onbetrouwbaar voor slecht geconditioneerde stelsels, die veel voorkomen in real-world data.

Alternatieven voor de regel van Cramer

Vanwege de belangrijkste beperking qua rekencomplexiteit grijpen we vaak naar een van de volgende alternatieven:

• Gauss-eliminatie met partiële pivotering transformeert het stelsel naar rij-echelonvorm met complexiteit O(n³), wat het vele malen efficiënter maakt dan de regel van Cramer voor stelsels groter dan 3×3.
• LU-decompositie factoriseert de coëfficiëntenmatrix in een onder- en boventriangulaire matrix, wat efficiënt is voor het oplossen van meerdere stelsels met dezelfde coëfficiëntenmatrix.
• QR-decompositie biedt betere numerieke stabiliteit voor slecht geconditioneerde stelsels door de matrix te ontbinden in orthogonale en boventriangulaire componenten.

Wanneer gebruik je de regel van Cramer

Ondanks deze beperkingen is de regel van Cramer waardevol in specifieke contexten, zoals:

• Theoretische analyses en bewijzen in de lineaire algebra
• Symbolische berekeningen waarbij exacte algebraïsche oplossingen nodig zijn
• Kleine stelsels (2×2 of 3×3) waarbij de expliciete formules hanteerbaar zijn
• Onderwijscontexten om het verband tussen determinanten en lineaire stelsels te begrijpen
• Het afleiden van gesloten-vormoplossingen in analytisch werk

Het is echter de moeite waard op te merken dat de regel van Cramer in de data science-praktijk vooral dient als conceptueel en theoretisch hulpmiddel om lineaire stelsels te begrijpen, en minder als rekenmethode.

Conclusie

De regel van Cramer is een directe, formule-gebaseerde benadering om stelsels van lineaire vergelijkingen op te lossen met determinanten. We hebben bekeken hoe deze methode de waarde van elke variabele berekent, 2×2- en 3×3-voorbeelden doorlopen en inzicht gekregen in de geometrische interpretatie. Tot slot hebben we ook de beperkingen, alternatieven en toepassingsgebieden van de regel van Cramer besproken.

Wil je je begrip van lineaire stelsels en hun oplossingen verdiepen? Bekijk dan onze cursus Linear Algebra for Data Science, waarin je verschillende lineaire-algebratechnieken leert, zoals de regel van Cramer.