贡献者： addis; ACertainUser
1克拉默法则（Kramer's rule）是一种直接用行列式解线性方程组的方法。把线性方程组记为矩阵乘法的形式
\begin{equation}
\boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{x}} = \boldsymbol{\mathbf{b}} ~.
\end{equation}
其中 $ \boldsymbol{\mathbf{A}} $ 为系数矩阵。当 $ \boldsymbol{\mathbf{A}} $ 为 $N\times N$ 的方阵且行列式 $ \left\lvert \boldsymbol{\mathbf{A}} \right\rvert \ne 0$ 时（即 $ \boldsymbol{\mathbf{A}} $ 是满秩矩阵
），方程有唯一解（见 “线性方程组解的结构
”）。该解可以用克拉默法则直接写出：
\begin{equation}
x_i = \frac{ \left\lvert \boldsymbol{\mathbf{A}} _i \right\rvert }{ \left\lvert \boldsymbol{\mathbf{A}} \right\rvert } \qquad (i = 1, \dots, N)~,
\end{equation}
其中 $ \boldsymbol{\mathbf{A}} _i$ 是把 $ \boldsymbol{\mathbf{A}} $ 的第 $i$ 列替换为 $ \boldsymbol{\mathbf{b}} $ 而来。
例 1 解方程组
令式 1 中 $ \boldsymbol{\mathbf{A}} = \begin{pmatrix}2 & 1\\ -1 & 3\end{pmatrix} $，$ \boldsymbol{\mathbf{b}} = \begin{pmatrix}4\\5\end{pmatrix} $，求解方程组。
解：$ \left\lvert \boldsymbol{\mathbf{A}} \right\rvert = 7$，$ \left\lvert \boldsymbol{\mathbf{A}} _1 \right\rvert = \begin{vmatrix}4 & 1\\ 5 & 3\end{vmatrix} = 7$，$ \left\lvert \boldsymbol{\mathbf{A}} _2 \right\rvert = \begin{vmatrix}2 & 4\\ -1 & 5\end{vmatrix} = 14$。代入式 2 得 $ \boldsymbol{\mathbf{x}} = \begin{pmatrix}1\\2\end{pmatrix} $。
在数值计算时，克拉默法则解方程组效率较低，直接用高斯消元法求逆矩阵高斯消元法求逆矩阵会更快。
1. 证明
以下证明2以三阶矩阵为例，但可以方便地推广至任意阶矩阵。
定义伴随矩阵
\begin{equation}
\boldsymbol{\mathbf{A}} ^*=
\begin{pmatrix}
A_{11}&A_{21}&A_{31}\\
A_{12}&A_{22}&A_{32}\\
A_{13}&A_{23}&A_{33}\\
\end{pmatrix}~.
\end{equation}
其中 $A_{ij}$ 称为
代数余子式，$A_{ij}$ 可以理解为去掉第 i 行与第 j 列的 $ \boldsymbol{\mathbf{A}} $ 的行列式乘以 $(-1)^{i+j}$。
根据行列式的定义，可以得出 $\det( \boldsymbol{\mathbf{A}} ) = A_{11}a_{11}+A_{12}a_{12}+A_{13}a_{13}$。（可以沿任意行、列展开，例如 $\det( \boldsymbol{\mathbf{A}} ) = A_{11}a_{11}+A_{21}a_{21}+A_{31}a_{31}$）
同时，伴随矩阵有一重要性质 $ \boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{A}} ^* = \det( \boldsymbol{\mathbf{A}} ) \boldsymbol{\mathbf{I}} $。
先证明 $ \boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{A}} ^* = \det( \boldsymbol{\mathbf{A}} ) \boldsymbol{\mathbf{I}} ~,$
\begin{equation}
\begin{aligned}
\boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{A}} ^* &=
\begin{pmatrix}
a_{11}&a_{12}&a_{13}\\
a_{21}&a_{22}&a_{23}\\
a_{31}&a_{32}&a_{33}\\
\end{pmatrix}
\begin{pmatrix}
A_{11}&A_{21}&A_{31}\\
A_{12}&A_{22}&A_{32}\\
A_{13}&A_{23}&A_{33}\\
\end{pmatrix}\\
&=
\begin{pmatrix}
A_{11}a_{11}+A_{12}a_{12}+A_{13}a_{13}&A_{21}a_{11}+A_{22}a_{12}+A_{23}a_{13}&A_{31}a_{11}+A_{32}a_{12}+A_{33}a_{13}\\
A_{11}a_{21}+A_{12}a_{22}+A_{13}a_{23}&A_{21}a_{21}+A_{22}a_{22}+A_{23}a_{23}&A_{31}a_{21}+A_{32}a_{22}+A_{33}a_{23}\\
A_{11}a_{31}+A_{12}a_{32}+A_{13}a_{33}&A_{21}a_{31}+A_{22}a_{32}+A_{23}a_{33}&A_{31}a_{31}+A_{32}a_{32}+A_{33}a_{33}\\
\end{pmatrix}~.
\end{aligned}
\end{equation}
其中
$A_{11}a_{11}+A_{12}a_{12}+A_{13}a_{13}$，即为 $ \boldsymbol{\mathbf{A}} $ 的行列式；
而
$A_{21}a_{11}+A_{22}a_{12}+A_{23}a_{13}$，即相当于（沿第二行）计算
$\begin{pmatrix}
a_{11}&a_{12}&a_{13}\\
a_{11}&a_{12}&a_{13}\\
a_{31}&a_{32}&a_{33}\\
\end{pmatrix}$
的行列式，因此 $A_{21}a_{11}+A_{22}a_{12}+A_{23}a_{13}=0$。
类似地，可以推知
\begin{equation}
\boldsymbol{\mathbf{A}} \boldsymbol{\mathbf{A}} ^* =
\begin{pmatrix}
\det( \boldsymbol{\mathbf{A}} )&0&0\\
0&\det( \boldsymbol{\mathbf{A}} )&0\\
0&0&\det( \boldsymbol{\mathbf{A}} )\\
\end{pmatrix}
=\det( \boldsymbol{\mathbf{A}} ) \boldsymbol{\mathbf{I}} ~.
\end{equation}
再证明 $x_i={\det( \boldsymbol{\mathbf{A}} _i)}/{\det( \boldsymbol{\mathbf{A}} )}$
\begin{equation}
\begin{aligned}
\boldsymbol{\mathbf{x}} = \boldsymbol{\mathbf{A}} ^{-1} \boldsymbol{\mathbf{b}} &= \frac{1}{\det( \boldsymbol{\mathbf{A}} )} \boldsymbol{\mathbf{A}} ^* \boldsymbol{\mathbf{b}} =
\frac{1}{\det( \boldsymbol{\mathbf{A}} )}
\begin{pmatrix}
A_{11}&A_{21}&A_{31}\\
A_{12}&A_{22}&A_{32}\\
A_{13}&A_{23}&A_{33}\\
\end{pmatrix}
\begin{pmatrix}
b_1\\
b_2\\
b_3\\
\end{pmatrix}\\
&=
\frac{1}{\det( \boldsymbol{\mathbf{A}} )}
\begin{pmatrix}
A_{11}b_1+A_{21}b_2+A_{31}b_3\\
A_{12}b_1+A_{22}b_2+A_{32}b_3\\
A_{13}b_1+A_{23}b_2+A_{33}b_3\\
\end{pmatrix}~.
\end{aligned}
\end{equation}
所以
\begin{equation}
x_1=\frac{1}{\det( \boldsymbol{\mathbf{A}} )}(A_{11}b_1+A_{21}b_2+A_{31}b_3)
=\frac{1}{\det( \boldsymbol{\mathbf{A}} )}\det
\begin{pmatrix}
b_{1}&a_{12}&a_{13}\\
b_{2}&a_{22}&a_{23}\\
b_{3}&a_{32}&a_{33}\\
\end{pmatrix}
=\frac{\det( \boldsymbol{\mathbf{A}} _1)}{\det( \boldsymbol{\mathbf{A}} )}~,
\end{equation}
同理可证 $x_2, x_3,...$。证毕。
1. ^ 参考 Wikipedia 相关页面。
2. ^ 参考了 J. Leon 的 Linear Algebra with Applications
致读者： 小时百科一直以来坚持所有内容免费，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 10 元，我们一个星期内就能脱离亏损， 并保证在接下来的一整年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。