克拉默法则：求解线性方程组的直接方法

克拉默法则提供了一种利用行列式直接求解线性方程组的公式。虽然在求解大型系统时，现代计算方法通常优于克拉默法则，但理解这一技术有助于我们把握线性代数中线性系统、行列式与矩阵理论之间的关系。 

本文将介绍克拉默法则、其公式、数学基础及几何解释。我们还将通过多个示例展示其应用，讨论其局限性、替代方法，以及在数据科学中的最佳使用场景。

什么是克拉默法则？

克拉默法则指出，系统中每个变量都可以表示为两个行列式的比值：将系数矩阵替换后的行列式与原系数矩阵行列式之比。

该替换矩阵通过用方程右侧常数向量替换某一列系数得到。

为理解定理的条件，考虑矩阵形式的线性方程组 Ax = b，其中：

• A 为系数矩阵
• x 为未知量向量
• b 为常数向量

只有当 A 为方阵（方程个数等于未知数个数）且其行列式不为零时，克拉默法则才适用，此时解唯一存在。

数学基础与公式

对一般的 n×n 系统，克拉默法则给出解向量第 i 个分量为：

克拉默法则公式。（图片及下文所有图片均由作者提供）

其中：

• x_i 为我们要求解的第 i 个变量
• det(A_i) 为将矩阵 A 的第 i 列替换为向量 b 后所得矩阵的行列式
• det(A) 为原系数矩阵的行列式

为更好地理解，让我们考察一个 2×2 系统：

系数矩阵 A 与常数向量 b 为：

根据克拉默法则：

其中 A₁ 为将 A 的第一列替换为 b：

A₂ 为将 A 的第二列替换为 b：

2×2 矩阵的行列式计算为：

理解上述解的模式后，我们可以将其直接应用于任意符合条件的系统，而无需联立求解。稍后我们还将把该法则扩展到 3x3 系统。

克拉默法则的几何解释

除了作为解线性系统的直接公式外，克拉默法则还具有丰富的几何意义。

二维中的平行四边形面积

将矩阵 A 的列视为平面中的向量。这些向量构成一个平行四边形，A 的行列式表示该平行四边形的有向面积。

当我们用向量 b 替换其中一列时，会得到一个新的平行四边形。该新矩阵的行列式 det(Ai) 表示在用 b 替代了某一原始方向向量后，所形成图形的面积。

因此：

每个变量 xi​ 告诉我们，b 在 A 第 i 列向量方向上的“成分”占比，并以 A 各列所张成的总体面积为尺度。

三维中的平行六面体体积

同样的逻辑可推广到三维。此时，A 的行列式代表由其三列向量构成的平行六面体的体积。

• 用 b 替换某一列会得到一个新的平行六面体。
• 比值 det(A_i)/det(A) 给出该列对整体形状体积贡献的相对大小。

无论在二维还是三维，克拉默法则都在衡量 b 在由 A 各列定义的“体积”中所占的份额。

应用克拉默法则的分步指南

我们通过两个示例展示克拉默法则在不同规模系统中的应用。

求解 2x2 系统

考虑如下两个线性方程：

步骤 1：确定系数矩阵与常数向量

我们可将该系统写为如下系数矩阵 A 与常数向量 b：

步骤 2：计算系数矩阵的行列式

A 的行列式为：

det(A) = (3)(-1) - (2)(2)
det(A) = -3 - 4
det(A) = -7

由于 det(A) = -7 ≠ 0，系统有唯一解，我们可以应用克拉默法则。

步骤 3：构造替换矩阵并计算其行列式

对 x，将 A 的第一列替换为 b：

现在计算 A₁ 的行列式：

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

对 y，将 A 的第二列替换为 b：

现在计算 A₂ 的行列式：

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

步骤 4：应用克拉默法则公式

我们可按公式直接计算取值：

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

最后，通过将结果代回方程验证：

• 第一式：3(3) + 2(2) = 9 + 4 = 13 
• 第二式：2(3) — 1(2) = 6–2 = 4 

至此，我们已用克拉默法则求解了该 2x2 线性系统。

求解 3x3 系统

现在将其扩展至更复杂的 3x3 系统：

此示例将重复以上步骤。

步骤 1：确定系数矩阵与常数向量

由线性系统可写出系数矩阵 A 与常数向量 b：

步骤 2：计算系数矩阵的行列式

沿第一行展开：

det(A) =       2|2  1| - 1 |1  1| + 1 |1  2|
        		 |1  2|     |1  2|       |1  1|

计算各 2×2 行列式：

|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|

因此，A 的行列式为：

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

由于 det(A) = 4 ≠ 0，系统有唯一解，可以应用克拉默法则。

步骤 3：构造替换矩阵并计算其行列式

对 x，将 A 的第一列替换为 b：

沿第一行展开：

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

计算 A₁ 的行列式：

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

对 y，将 A 的第二列替换为 b：

A₂ 的行列式如下计算：

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) = 8

对 z，将 A 的第三列替换为 b：

A₃ 的行列式如下计算：

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) = 12

步骤 4：应用克拉默法则公式

既然已得到所有必要值，可直接按公式计算 x、y、z：

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

最后，通过将结果代回方程验证：

• 第一式：2(1) + 1(2) + 1(3) = 2 + 2 + 3 = 7 
• 第二式：1(1) + 2(2) + 1(3) = 1 + 4 + 3 = 8 
• 第三式：1(1) + 1(2) + 2(3) = 1 + 2 + 6 = 9 

可以看到流程始终一致：用常数向量替换列并计算行列式。3×3 情况计算量更大，但其基本方法与 2×2 完全相同。

局限性、替代方法及何时使用克拉默法则

与所有算法一样，克拉默法则也有一些局限。如下所示：

计算复杂度

对于 n×n 系统，克拉默法则需要计算 (n+1) 个行列式。若采用代数余子式展开法计算行列式，其复杂度为 O(n!)，整体复杂度在大系统上将难以接受。 

即便使用更高效的行列式算法，该方法在规模稍大时仍不实用。

数值稳定性问题

当行列式接近于零时，克拉默法则可能出现数值不稳定。 

在计算 det(A) 时的微小舍入误差，在用近零值作除法时会被放大，从而对病态系统（现实数据中很常见）变得不可靠。

克拉默法则的替代方法

由于主要在计算复杂度上的限制，我们通常采用以下替代方案之一：

• 高斯消元法结合部分主元，将系统化为行阶梯形，复杂度为 O(n³)，对 3×3 以上的系统远比克拉默法则高效。
• LU 分解将系数矩阵分解为下三角与上三角矩阵，可高效求解具有相同系数矩阵的多个系统。
• QR 分解通过将矩阵分解为正交矩阵与上三角矩阵，为病态系统提供更好的数值稳定性。

何时使用克拉默法则

尽管存在这些局限，克拉默法则在特定情境中仍具价值，例如：

• 线性代数中的理论分析与证明
• 需要精确代数解的符号计算
• 小型系统（2×2 或 3×3），其显式公式可操作性强
• 用于理解行列式与线性系统关系的教学场景
• 在分析工作中推导闭式解

不过需要强调的是，在数据科学实践中，克拉默法则更多作为理解线性系统的概念与理论工具，而非计算方法。

结语

克拉默法则是一种通过行列式求解线性方程组的直接、基于公式的方法。我们探讨了该方法如何计算各变量取值，完成了 2×2 与 3×3 的示例，并理解了其几何含义。最后，我们也了解了其局限性、替代方案以及适用场景。

若要进一步加深对线性系统及其解法的理解，欢迎学习我们的 Linear Algebra for Data Science 课程，您将在其中学习包括克拉默法则在内的多种线性代数技术。