Метод Крамера

Метод Крамера (правило Крамера) — спосіб розв'язання квадратних систем лінійних алгебраїчних рівнянь із ненульовим визначником основної матриці (при цьому для таких рівнянь існує єдиний розв'язок). Правило Крамера виражає розв'язок через визначники квадратної матриці коефіцієнтів та матриць, отриманих шляхом заміни одного стовпця матриці коефіцієнтів вектор-стовпцем правої частини рівняння. Цей метод названий на честь Габрієля Крамера (1704—1752), який у 1750 р. представив його для довільної кількості невідомих. Колін Маклорен також публікував особливі випадки цього правила в 1748 р. (і, можливо, знав про нього ще в 1729 р.).

Правило Крамера, реалізоване наївним шляхом, є неефективним для систем, що складаються більше ніж з двох або трьох рівнянь. У випадку $n$ рівнянь з $n$ невідомими, воно потребує обчислення $n+1$ визначників, тоді як метод Гауса дає результат із такою ж обчислювальною складністю, як і обчислення одного визначника.

Правило Крамера також може бути чисельно нестійким навіть для систем $2\times 2$. Однак нещодавно його було реалізовано за $O(n^{3})$ кроків, що порівняно з більш поширеними методами розв'язання систем лінійних рівнянь, такими як метод Гауса (вимагається в 2,5 рази більше арифметичних операцій для всіх розмірів матриць), виявляє порівнянну числову стійкість у більшості випадків.

Загальний випадок

Розглянемо систему з $n$ лінійних рівнянь для $n$ невідомих, записану в матричному вигляді

$A{\boldsymbol {x}}={\boldsymbol {b}}$,

де $A$ — $n\times n$ матриця з ненульовим визначником, і ${\boldsymbol {x}}=(x_{1},\dots ,x_{n})^{\rm {T}}$ — вектор-стовпець змінних. Теорема стверджує, що в цьому випадку система має єдиний розв'язок, у якому значення невідомих визначаються як

$x_{i}={\frac {\det(A_{i})}{\det(A)}},\qquad i=1,\dots ,n,$,

де $A_{i}$ — матриця, утворена заміною $i$-го стовпця матриці $A$ на вектор-стовпець ${\boldsymbol {b}}$.

Іншими словами, для системи $n$ лінійних рівнянь з $n$ невідомими (над довільним полем)

${\begin{cases}a_{11}x_{1}+a_{12}x_{2}+\ldots +a_{1n}x_{n}=b_{1}\\a_{21}x_{1}+a_{22}x_{2}+\ldots +a_{2n}x_{n}=b_{2}\\\cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \\a_{n1}x_{1}+a_{n2}x_{2}+\ldots +a_{nn}x_{n}=b_{n}\\\end{cases}}$

з визначником матриці системи $\Delta$, що не рівний нулю, розв'язок записується у такому вигляді:

$x_{i}={\frac {1}{\Delta }}{\begin{vmatrix}a_{11}&\ldots &a_{1,i-1}&b_{1}&a_{1,i+1}&\ldots &a_{1n}\\a_{21}&\ldots &a_{2,i-1}&b_{2}&a_{2,i+1}&\ldots &a_{2n}\\\ldots &\ldots &\ldots &\ldots &\ldots &\ldots &\ldots \\a_{n-1,1}&\ldots &a_{n-1,i-1}&b_{n-1}&a_{n-1,i+1}&\ldots &a_{n-1,n}\\a_{n1}&\ldots &a_{n,i-1}&b_{n}&a_{n,i+1}&\ldots &a_{nn}\\\end{vmatrix}}$

($i$-й стовпчик матриці системи замінюється стовпчиком вільних членів).

Також правило Крамера формулюється так: для будь-яких коефіцієнтів $c_{1},c_{2},\dots ,c_{n}$ виконується рівність:

$(c_{1}x_{1}+c_{2}x_{2}+\dots +c_{n}x_{n})\cdot \Delta =-{\begin{vmatrix}a_{11}&a_{12}&\ldots &a_{1n}&b_{1}\\a_{21}&a_{22}&\ldots &a_{2n}&b_{2}\\\ldots &\ldots &\ldots &\ldots &\ldots \\a_{n1}&a_{n2}&\ldots &a_{nn}&b_{n}\\c_{1}&c_{2}&\ldots &c_{n}&0\\\end{vmatrix}}$

У такій формі формула Крамера справедлива без припущення, що $\Delta$ не рівне нулю, не треба, навіть, аби коефіцієнти системи були елементами цілісного кільця (визначник системи навіть може бути дільником нуля у кільці коефіцієнтів). Також можна вважати, що або набори $b_{1},b_{2},\dots ,b_{n}$ та $x_{1},x_{2},\dots ,x_{n}$, або набір $c_{1},c_{2},\dots ,c_{n}$ складаються не з елементів кільця коефіциєнтів системи, а деякого модуля над цим кільцем. В такому вигляді формула Крамера використовується, наприклад, при доведенні формули для визначника Грама і Леми Накаями.

Більш загальна версія правила Крамера розглядає матричне рівняння

$A{\boldsymbol {X}}={\boldsymbol {B}},$

де $A$ — $n\times n$ матриця з ненульовим визначником, а ${\boldsymbol {X}}$, ${\boldsymbol {B}}$ — $n\times m$ матриці. Розглянемо послідовності $1\leq i_{1}<i_{2}<\cdots <i_{k}\leq n$ та $1\leq j_{1}<j_{2}<\cdots <j_{k}\leq m$. Нехай $X_{I,J}$ — $k\times k$ підматриця $X$ з рядками $I=(i_{1},\dots ,i_{k})$ та стовпцями $J=(j_{1},\dots ,j_{k})$, $A_{B}(I,J)$ — $n\times n$ матриця, утворена заміною $i_{s}$ стовпця матриці $A$ на $j_{s}$ стовпець матриці $B$, для всіх $s=1,\dots ,k$. Тоді

$\det X_{I,J}={\frac {\det(A_{B}(I,J))}{\det(A)}}.$

У випадку $k=1$, це зводиться до звичайного правила Крамера.

Метод справедливий для систем рівнянь з коефіцієнтами та невідомими над будь-яким полем, а не лише у випадку дійсних чисел.

Доведення

Доведення правила Крамера використовує такі властивості визначника: лінійність відносно будь-якого фіксованого стовпця і той факт, що визначник дорівнює нулю, коли два стовпці рівні (це випливає із властивості, що знак визначника змінюється на протилежний, якщо переставити два стовпці).

Зафіксуємо $j$-й стовпець. Лінійність означає наступне: якщо розглядаємо лише стовпець $j$ як змінну (фіксуючи інші довільно), отримана функція $\mathbb {R} ^{n}\rightarrow \mathbb {R}$ (вважаємо елементи матриці дійсними числами) може бути задана матрицею, з одним рядком і $n$ стовпцями, що діє на $j$-й стовпець. Насправді, це саме те, що й теорема Лапласа: записуючи $\det(A)=C_{1}a_{1,j}+\dots +C_{n}a_{n,j}$ для певних коефіцієнтів $C_{1},\dots ,C_{n}$, які залежать від стовпців матриці $A$, відмінних від стовпця $j$ (точний вигляд для цих мінорів тут неважливий). Тоді значення $\det(A)$ є результатом застосування однорядкової матриці $L_{(j)}=(C_{1}\quad C_{2}\quad \cdots \quad C_{n})$ до стовпця $j$ матриці $A$. Якщо $L_{(j)}$ застосовано до будь-якого іншого стовпця $k$ матриці $A$, то результатом є визначник матриці, отриманої з матриці $A$, заміною стовпця $j$ на копію стовпця $k$, тому отриманий визначник дорівнює $0$ (випадок двох рівних стовпців).

Тепер розглянемо систему $n$ лінійних рівнянь з $n$ невідомими $x_{1},\dots ,x_{n}$, матрицею коефіцієнтів якої є $A$ з ненульовим визначником $\det(A)$,

${\begin{matrix}a_{11}x_{1}+a_{12}x_{2}+\cdots +a_{1n}x_{n}&=&b_{1}\\[1ex]a_{21}x_{1}+a_{22}x_{2}+\cdots +a_{2n}x_{n}&=&b_{2}\\[1ex]&\vdots &\\[1ex]a_{n1}x_{1}+a_{n2}x_{2}+\cdots +a_{nn}x_{n}&=&b_{n}.\end{matrix}}$

Якщо об'єднати ці рівняння, взявши $C_{1}$, помножене на перше рівняння, додати $C_{2}$, помножене на друге, і так далі, поки $C_{n}$ домножиться на останнє рівняння, то коефіцієнт при $x_{j}$ буде дорівнювати $C_{1}a_{1,j}+\cdots +C_{n}a_{n,j}=\det(A)$, тоді як коефіцієнти при всіх інших невідомих стають нулями; ліва частина набуває вигляду $\det(A)x_{j}$. Права частина — це $C_{1}b_{1}+\cdots +C_{n}b_{n}$, тобто $L_{(j)}$, застосований до вектора-стовпця ${\boldsymbol {b}}$ утвореного правими частинами $b_{i}$. Насправді, те, що було зроблено тут, — домноження матричного рівняння $A{\boldsymbol {x}}={\boldsymbol {b}}$ зліва на $L_{(j)}$. Поділивши на ненульове число $\det(A)$, знаходимо наступне рівняння, що задовольняє систему:

$x_{j}={\frac {L_{(j)}\cdot {\boldsymbol {b}}}{\det(A)}}.$

Але, за побудовою, чисельник є визначником матриці, отриманої з матриці $A$, заміною стовпця $j$ на ${\boldsymbol {b}}$, тому отримуємо вираз для правила Крамера як необхідну умову розв'язку. Цю саму процедуру треба повторити для решти $j$, щоб знайти значення інших невідомих.

Залишається довести, що ці значення для невідомих єдині та дійсно разом утворюють розв'язок системи. Але, якщо матриця $A$ невироджена з оберненою матрицею $A^{-1}$, то ${\boldsymbol {x}}=A^{-1}{\boldsymbol {b}}$ буде розв'язком, що й доводить його існування. Покажемо, що матриця $A$ має обернену, якщо $\det(A)$ ненульовий. Розглянемо $n\times n$ матрицю $M$, отриману шляхом складання одна над одною однорядкових матриць $L_{(j)}$ при $j=1,\dots ,n$ (це дає приєднану матрицю для матриці $A$). Було показано, що $L_{(j)}A=(0\quad \dots \quad 0\quad \det(A)\quad 0\quad \dots \quad 0)$, де $\det(A)$ з'являється на позиції $j$; з цього випливає, що $MA=\det(A)I_{n}$. Отже,

${\frac {1}{\det(A)}}M=A^{-1},$

що і завершує доведення

Інші доведення див.нижче.

Приклад

Система лінійних рівнянь:

${\begin{cases}a_{11}x_{1}+a_{12}x_{2}+a_{13}x_{3}=b_{1}\\a_{21}x_{1}+a_{22}x_{2}+a_{23}x_{3}=b_{2}\\a_{31}x_{1}+a_{32}x_{2}+a_{33}x_{3}=b_{3}\\\end{cases}}$

Визначники:

$\Delta ={\begin{vmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\\\end{vmatrix}},\ \ \Delta _{1}={\begin{vmatrix}b_{1}&a_{12}&a_{13}\\b_{2}&a_{22}&a_{23}\\b_{3}&a_{32}&a_{33}\\\end{vmatrix}},\ \ \Delta _{2}={\begin{vmatrix}a_{11}&b_{1}&a_{13}\\a_{21}&b_{2}&a_{23}\\a_{31}&b_{3}&a_{33}\\\end{vmatrix}},\ \ \Delta _{3}={\begin{vmatrix}a_{11}&a_{12}&b_{1}\\a_{21}&a_{22}&b_{2}\\a_{31}&a_{32}&b_{3}\\\end{vmatrix}}$

Розв'язок:

$x_{1}={\frac {\Delta _{1}}{\Delta }},\ \ x_{2}={\frac {\Delta _{2}}{\Delta }},\ \ x_{3}={\frac {\Delta _{3}}{\Delta }}$

Приклад:

${\begin{cases}2x_{1}+5x_{2}+4x_{3}=30\\x_{1}+3x_{2}+2x_{3}=150\\2x_{1}+10x_{2}+9x_{3}=110\\\end{cases}}$

Визначники:

$\Delta ={\begin{vmatrix}2&5&4\\1&3&2\\2&10&9\\\end{vmatrix}}=5,\ \ \Delta _{1}={\begin{vmatrix}30&5&4\\150&3&2\\110&10&9\\\end{vmatrix}}=-760,\ \ \Delta _{2}={\begin{vmatrix}2&30&4\\1&150&2\\2&110&9\\\end{vmatrix}}=1350,\ \ \Delta _{3}={\begin{vmatrix}2&5&30\\1&3&150\\2&10&110\\\end{vmatrix}}=-1270.$

$x_{1}=-{\frac {760}{5}}=-152,\ \ x_{2}={\frac {1350}{5}}=270,\ \ x_{3}=-{\frac {1270}{5}}=-254$

Знаходження оберненої матриці

Нехай $A$ — $n\times n$ матриця з елементами в полі $\mathbb {F}$. Тоді

$A\operatorname {adj} (A)=\operatorname {adj} (A)A=\det(A)I,$

де $\operatorname {adj} (A)$ — приєднана матриця, $\det(A)$ — визначник матриці $A$, а $I$ — одинична матриця. Якщо визначник $\det(A)$ ненульовий, то оберненою до $A$ є матриця

$A^{-1}={\frac {1}{\det(A)}}\operatorname {adj} (A).$

Це дає формулу для оберненої до $A$ матриці, за умови, що $\det(A)\neq 0$. Насправді ця формула працює, коли $\mathbb {F}$ є комутативним кільцем, за умови, що $\det(A)$ є одиницею кільця. Якщо $\det(A)$ не є одиницею, то $A$ не має оберненої над кільцем (вона може мати обернену над більшим кільцем, в якому деякі не одиничні елементи поля $\mathbb {F}$ можуть мати обернені).

Застосування

Явні формули для n=2 та n=3

Розглянемо лінійну систему

${\begin{cases}a_{1}x+b_{1}y={\color {red}c_{1}},\\a_{2}x+b_{2}y={\color {red}c_{2}},\end{cases}}$

яка у матричній формі має вигляд

${\begin{bmatrix}a_{1}&b_{1}\\a_{2}&b_{2}\end{bmatrix}}{\begin{bmatrix}x\\y\end{bmatrix}}={\begin{bmatrix}\color {red}c_{1}\\\color {red}c_{2}\end{bmatrix}}.$

Нехай значення $a_{1}b_{2}-b_{1}a_{2}$ ненульове. Тоді, за допомогою визначників, $x$ і $y$ можуть бути знайдені за правилом Крамера як

${\begin{aligned}x&={\frac {\begin{vmatrix}{\color {red}c_{1}}&b_{1}\\{\color {red}c_{2}}&b_{2}\end{vmatrix}}{\begin{vmatrix}a_{1}&b_{1}\\a_{2}&b_{2}\end{vmatrix}}}={\frac {{\color {red}c_{1}}b_{2}-b_{1}{\color {red}c_{2}}}{a_{1}b_{2}-b_{1}a_{2}}},\quad y={\frac {\begin{vmatrix}a_{1}&{\color {red}c_{1}}\\a_{2}&{\color {red}c_{2}}\end{vmatrix}}{\begin{vmatrix}a_{1}&b_{1}\\a_{2}&b_{2}\end{vmatrix}}}={\frac {a_{1}{\color {red}c_{2}}-{\color {red}c_{1}}a_{2}}{a_{1}b_{2}-b_{1}a_{2}}}.\end{aligned}}$

Правила для матриць $3\times 3$ аналогічні. Розглянемо систему

${\begin{cases}{\begin{matrix}a_{1}x+b_{1}y+c_{1}z&={\color {red}d_{1}},\\a_{2}x+b_{2}y+c_{2}z&={\color {red}d_{2}},\\a_{3}x+b_{3}y+c_{3}z&={\color {red}d_{3}},\end{matrix}}\end{cases}}$

яка у матричній формі має вигляд

${\begin{bmatrix}a_{1}&b_{1}&c_{1}\\a_{2}&b_{2}&c_{2}\\a_{3}&b_{3}&c_{3}\end{bmatrix}}{\begin{bmatrix}x\\y\\z\end{bmatrix}}={\begin{bmatrix}\color {red}d_{1}\\\color {red}d_{2}\\\color {red}d_{3}\end{bmatrix}}.$

Тоді значення $x$, $y$ та $z$ можна знайти наступним чином:

$x={\frac {\begin{vmatrix}{\color {red}d_{1}}&b_{1}&c_{1}\\{\color {red}d_{2}}&b_{2}&c_{2}\\{\color {red}d_{3}}&b_{3}&c_{3}\end{vmatrix}}{\begin{vmatrix}a_{1}&b_{1}&c_{1}\\a_{2}&b_{2}&c_{2}\\a_{3}&b_{3}&c_{3}\end{vmatrix}}},\quad y={\frac {\begin{vmatrix}a_{1}&{\color {red}d_{1}}&c_{1}\\a_{2}&{\color {red}d_{2}}&c_{2}\\a_{3}&{\color {red}d_{3}}&c_{3}\end{vmatrix}}{\begin{vmatrix}a_{1}&b_{1}&c_{1}\\a_{2}&b_{2}&c_{2}\\a_{3}&b_{3}&c_{3}\end{vmatrix}}},\quad$ та $\quad z={\frac {\begin{vmatrix}a_{1}&b_{1}&{\color {red}d_{1}}\\a_{2}&b_{2}&{\color {red}d_{2}}\\a_{3}&b_{3}&{\color {red}d_{3}}\end{vmatrix}}{\begin{vmatrix}a_{1}&b_{1}&c_{1}\\a_{2}&b_{2}&c_{2}\\a_{3}&b_{3}&c_{3}\end{vmatrix}}}.$

Диференціальна геометрія

Числення Річчі

Правило Крамера використовується в численні Річчі при різних розрахунках із залученням символів Крістофеля першого та другого роду.

Зокрема, за правилом Крамера можна довести, що оператор дивергенції на многовиді Рімана є інваріантним відносно заміни координат. Наводимо пряме доведення, опускаючи роль символів Крістофеля. Нехай $(M,g)$ — многовид Рімана, з локальними координатами $(x^{1},x^{2},\dots ,x^{n})$. Нехай $A=A^{i}{\frac {\partial }{\partial x^{i}}}$ — векторне поле. Використовуємо нотацію Ейнштейна для підсумовування.

Теорема.

Дивергенція векторного поля $A$,

$\operatorname {div} A={\frac {1}{\sqrt {\det g}}}{\frac {\partial }{\partial x^{i}}}\left(A^{i}{\sqrt {\det g}}\right),$

є інваріантною при заміні координат.

Доведення

Нехай $(x^{1},x^{2},\dots ,x^{n})\mapsto ({\bar {x}}^{1},\dots ,{\bar {x}}^{n})$ є координатним перетворенням з невиродженою матрицею Якобі. Тоді, відповідно до класичних законів перетворення, маємо, що $A={\bar {A}}^{k}{\frac {\partial }{\partial {\bar {x}}^{k}}}$, де ${\bar {A}}^{k}={\frac {\partial {\bar {x}}^{k}}{\partial x^{j}}}A^{j}$. Аналогічно, якщо $g=g_{mk}\,{\rm {d}}x^{m}\otimes {\rm {d}}x^{k}={\bar {g}}_{ij}\,{\rm {d}}{\bar {x}}^{i}\otimes {\rm {d}}{\bar {x}}^{j}$, то ${\bar {g}}_{ij}={\frac {\partial x^{m}}{\partial {\bar {x}}^{i}}}{\frac {\partial x^{k}}{\partial {\bar {x}}^{j}}}g_{mk}$. Запис цього перетворення за допомогою матриць має вигляд ${\bar {g}}=\left({\frac {\partial x}{\partial {\bar {x}}}}\right)^{\text{T}}g\left({\frac {\partial x}{\partial {\bar {x}}}}\right)$, звідки випливає, що $\det {\bar {g}}=\left(\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)\right)^{2}\det g$. Тепер обчислюємо ${\begin{aligned}\operatorname {div} A&={\frac {1}{\sqrt {\det g}}}{\frac {\partial }{\partial x^{i}}}\left(A^{i}{\sqrt {\det g}}\right)=\\[1ex]&=\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right){\frac {1}{\sqrt {\det {\bar {g}}}}}{\frac {\partial {\bar {x}}^{k}}{\partial x^{i}}}{\frac {\partial }{\partial {\bar {x}}^{k}}}\left({\frac {\partial x^{i}}{\partial {\bar {x}}^{\ell }}}{\bar {A}}^{\ell }\det \!\left({\frac {\partial x}{\partial {\bar {x}}}}\right)^{\!\!-1}\!{\sqrt {\det {\bar {g}}}}\right).\end{aligned}}$ Щоб продемонструвати, що це дорівнює ${\frac {1}{\sqrt {\det {\bar {g}}}}}{\frac {\partial }{\partial {\bar {x}}^{k}}}\left({\bar {A}}^{k}{\sqrt {\det {\bar {g}}}}\right),$ необхідно і достатньо показати, що ${\frac {\partial {\bar {x}}^{k}}{\partial x^{i}}}{\frac {\partial }{\partial {\bar {x}}^{k}}}\left({\frac {\partial x^{i}}{\partial {\bar {x}}^{\ell }}}\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)^{-1}\right)=0\qquad$ для всіх $\ell ,$ що еквівалентно ${\frac {\partial }{\partial {\bar {x}}^{\ell }}}\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)=\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right){\frac {\partial {\bar {x}}^{k}}{\partial x^{i}}}{\frac {\partial ^{2}x^{i}}{\partial {\bar {x}}^{k}\partial {\bar {x}}^{\ell }}}.$ Продиференціювавши ліву частину, отримуємо ${\begin{aligned}{\frac {\partial }{\partial {\bar {x}}^{\ell }}}\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)&=(-1)^{i+j}{\frac {\partial ^{2}x^{i}}{\partial {\bar {x}}^{\ell }\partial {\bar {x}}^{j}}}\det M(i|j)=\\[1ex]&={\frac {\partial ^{2}x^{i}}{\partial {\bar {x}}^{\ell }\partial {\bar {x}}^{j}}}\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right){\frac {(-1)^{i+j}}{\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)}}\det M(i|j)=(\ast ),\end{aligned}}$ де $M(i|j)$ позначає матрицю, отриману з $\left({\dfrac {\partial x}{\partial {\bar {x}}}}\right)$ після видалення $i$-го рядка і $j$-го стовпця. Але за правилом Крамера ${\frac {(-1)^{i+j}}{\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right)}}\det M(i|j)$ є $(j,i)$-м елементом матриці $\left({\frac {\partial {\bar {x}}}{\partial x}}\right)$. Таким чином, ${\begin{aligned}(\ast )=\det \left({\frac {\partial x}{\partial {\bar {x}}}}\right){\frac {\partial ^{2}x^{i}}{\partial {\bar {x}}^{\ell }\partial {\bar {x}}^{j}}}{\frac {\partial {\bar {x}}^{j}}{\partial x^{i}}},\end{aligned}}$ що і завершує доведення.

Обчислення неявних похідних

Розглянемо два рівняння $F(x,y,u,v)=0$ та $G(x,y,u,v)=0$. Якщо $u$ і $v$ є незалежними змінними, то можемо визначити $x=X(u,v)$ та $y=Y(u,v)$.

Вираз для ${\dfrac {\partial x}{\partial u}}$ можна знайти, застосувавши правило Крамера.

Обчислення ${\dfrac {\partial x}{\partial u}}$

Спочатку обчислимо перші похідні від $F$, $G$, $x$ та $y$: ${\begin{aligned}{\rm {d}}F&={\frac {\partial F}{\partial x}}{\rm {d}}x+{\frac {\partial F}{\partial y}}{\rm {d}}y+{\frac {\partial F}{\partial u}}{\rm {d}}u+{\frac {\partial F}{\partial v}}{\rm {d}}v=0,\\{\rm {d}}G&={\frac {\partial G}{\partial x}}{\rm {d}}x+{\frac {\partial G}{\partial y}}{\rm {d}}y+{\frac {\partial G}{\partial u}}{\rm {d}}u+{\frac {\partial G}{\partial v}}{\rm {d}}v=0,\\{\rm {d}}x&={\frac {\partial X}{\partial u}}{\rm {d}}u+{\frac {\partial X}{\partial v}}{\rm {d}}v,\\{\rm {d}}y&={\frac {\partial Y}{\partial u}}{\rm {d}}u+{\frac {\partial Y}{\partial v}}{\rm {d}}v.\end{aligned}}$ Підставивши ${\rm {d}}x$, ${\rm {d}}y$ в ${\rm {d}}F$ і ${\rm {d}}G$, отримаємо ${\begin{aligned}{\rm {d}}F&=\left({\frac {\partial F}{\partial x}}{\frac {\partial x}{\partial u}}+{\frac {\partial F}{\partial y}}{\frac {\partial y}{\partial u}}+{\frac {\partial F}{\partial u}}\right){\rm {d}}u+\left({\frac {\partial F}{\partial x}}{\frac {\partial x}{\partial v}}+{\frac {\partial F}{\partial y}}{\frac {\partial y}{\partial v}}+{\frac {\partial F}{\partial v}}\right){\rm {d}}v=0,\\{\rm {d}}G&=\left({\frac {\partial G}{\partial x}}{\frac {\partial x}{\partial u}}+{\frac {\partial G}{\partial y}}{\frac {\partial y}{\partial u}}+{\frac {\partial G}{\partial u}}\right){\rm {d}}u+\left({\frac {\partial G}{\partial x}}{\frac {\partial x}{\partial v}}+{\frac {\partial G}{\partial y}}{\frac {\partial y}{\partial v}}+{\frac {\partial G}{\partial v}}\right){\rm {d}}v=0.\end{aligned}}$ Оскільки $u$, $v$ незалежні змінні, то коефіцієнти при ${\rm {d}}u$ та ${\rm {d}}v$ повинні бути нульовими. Отже, можемо записати рівняння для коефіцієнтів: ${\begin{aligned}{\frac {\partial F}{\partial x}}{\frac {\partial x}{\partial u}}+{\frac {\partial F}{\partial y}}{\frac {\partial y}{\partial u}}&=-{\frac {\partial F}{\partial u}},\\{\frac {\partial G}{\partial x}}{\frac {\partial x}{\partial u}}+{\frac {\partial G}{\partial y}}{\frac {\partial y}{\partial u}}&=-{\frac {\partial G}{\partial u}},\\{\frac {\partial F}{\partial x}}{\frac {\partial x}{\partial v}}+{\frac {\partial F}{\partial y}}{\frac {\partial y}{\partial v}}&=-{\frac {\partial F}{\partial v}},\\{\frac {\partial G}{\partial x}}{\frac {\partial x}{\partial v}}+{\frac {\partial G}{\partial y}}{\frac {\partial y}{\partial v}}&=-{\frac {\partial G}{\partial v}}.\end{aligned}}$ Тепер, за правилом Крамера, бачимо, що ${\frac {\partial x}{\partial u}}={\frac {\begin{vmatrix}-{\frac {\partial F}{\partial u}}&{\frac {\partial F}{\partial y}}\\[1ex]-{\frac {\partial G}{\partial u}}&{\frac {\partial G}{\partial y}}\end{vmatrix}}{\begin{vmatrix}{\frac {\partial F}{\partial x}}&{\frac {\partial F}{\partial y}}\\[1ex]{\frac {\partial G}{\partial x}}&{\frac {\partial G}{\partial y}}\end{vmatrix}}}.$ Тобто, це формула у термінах двох Якобіанів: ${\frac {\partial x}{\partial u}}=-{\frac {\left({\frac {\partial (F,G)}{\partial (u,y)}}\right)}{\left({\frac {\partial (F,G)}{\partial (x,y)}}\right)}}.$ Аналогічні формули можна отримати для ${\frac {\partial x}{\partial v}}$, ${\frac {\partial y}{\partial u}}$, ${\frac {\partial y}{\partial v}}.$

Цілочисельне програмування

Правило Крамера може бути використане для доведення, що задача цілочисельного програмування, матриця обмежень якої є унімодулярною матрицею, а правою частиною є ціле число, має цілочисельні базисні розв'язки. Це значно спрощує розв'язання цілочисельної програми.

Звичайні диференціальні рівняння

Правило Крамера використовується для виведення загального розв'язку неоднорідного лінійного диференціального рівняння методом варіації параметрів (метод варіації довільних сталих).

Геометрична інтерпретація

Геометрична інтерпретація правила Крамера. Площі другого та третього заштрихованих паралелограмів однакові, а площа другого дорівнює площі першого домноженій на $x_{1}$. З цієї рівності випливає правило Крамера.

Правило Крамера має геометричну інтерпретацію, яку також можна розглядати як доведення або для розуміння його геометричного змісту. Ці геометричні аргументи працюють загалом, а не лише у випадку двох рівнянь із двома невідомими, що представлений тут.

Задану систему рівнянь

${\begin{cases}{\begin{matrix}a_{11}x_{1}+a_{12}x_{2}&=b_{1},\\a_{21}x_{1}+a_{22}x_{2}&=b_{2}\end{matrix}}\end{cases}}$

можна розглядати як рівняння між векторами

$x_{1}\left({\begin{matrix}a_{11}\\a_{21}\end{matrix}}\right)+x_{2}\left({\begin{matrix}a_{12}\\a_{22}\end{matrix}}\right)=\left({\begin{matrix}b_{1}\\b_{2}\end{matrix}}\right).$

Площа паралелограма, визначеного векторами $\left({\begin{matrix}a_{11}\\a_{21}\end{matrix}}\right)$ і $\left({\begin{matrix}a_{12}\\a_{22}\end{matrix}}\right)$, задається визначником системи рівнянь:

${\begin{vmatrix}a_{11}&a_{12}\\[1ex]a_{21}&a_{22}\end{vmatrix}}.$

У загальному випадку, коли є більше змінних та рівнянь, визначник з $n$ векторів довжини $n$ — це об'єм паралелепіпеда, що побудований на цих векторах в $n$-вимірному евклідовому просторі.

Отже, площа паралелограма, визначеного $x_{1}\left({\begin{matrix}a_{11}\\a_{21}\end{matrix}}\right)$ і $\left({\begin{matrix}a_{12}\\a_{22}\end{matrix}}\right)$, дорівнює $x_{1}$ помножено на площу першого, оскільки одну зі сторін помножили на цей коефіцієнт. Тепер останній паралелограм, за принципом Кавальєрі, має ту ж площу, що і паралелограм, визначений через $\left({\begin{matrix}b_{1}\\b_{2}\end{matrix}}\right)=x_{1}\left({\begin{matrix}a_{11}\\a_{21}\end{matrix}}\right)+x_{2}\left({\begin{matrix}a_{12}\\a_{22}\end{matrix}}\right)\quad$ та $\quad \left({\begin{matrix}a_{12}\\a_{22}\end{matrix}}\right).$

Прирівнювання площ останнього та другого паралелограма дає рівняння

${\begin{vmatrix}b_{1}&a_{12}\\[1ex]b_{2}&a_{22}\end{vmatrix}}={\begin{vmatrix}a_{11}x_{1}&a_{12}\\[1ex]a_{21}x_{1}&a_{22}\end{vmatrix}}=x_{1}{\begin{vmatrix}a_{11}&a_{12}\\[1ex]a_{21}&a_{22}\end{vmatrix}},$

з якого випливає правило Крамера.

Інші доведення

Доведення з використанням лінійної алгебри

Це передоведення наведеного вище твердження абстрактною мовою.

Розглянемо відображення ${\boldsymbol {x}}=(x_{1},\dots ,x_{n})\mapsto {\frac {1}{\det A}}\left(\det(A_{1}),\dots ,\det(A_{n})\right),$ де $A_{i}$ — матриця $A$ у якій $i$-й стовпчик замінено на вектор ${\boldsymbol {x}}$ як і у правилі Крамера. Внаслідок лінійності визначника у кожному стовпці це відображення є лінійним. Підкреслимо, що воно відображає $i$-й стовпець матриці $A$ в $i$-й базисний вектор ${\boldsymbol {e}}_{i}=(0,\dots ,1,\dots ,0)$ (з $1$ на $i$-му місці), оскільки визначник матриці з однаковими стовпцями дорівнює $0$. Отже, маємо лінійне відображення, яке узгоджується з оберненням матриці $A$ у просторі стовпців; звідси, воно узгоджується з матрицею $A^{-1}$ на лінійній оболонці простору стовпців. Оскільки матриця $A$ невироджена, лінійна оболонка векторів стовпців — весь простір $\mathbb {R} ^{n}$, тому відображення дійсно є оберненим до матриці $A$. Що і доводить правило Крамера.

Коротке доведення

Коротке доведення правила Крамера можна навести, помітивши, що $x_{1}$ є визначником матриці

$X_{1}={\begin{bmatrix}x_{1}&0&0&\cdots &0\\x_{2}&1&0&\cdots &0\\x_{3}&0&1&\cdots &0\\\vdots &\vdots &\vdots &\ddots &\vdots \\x_{n}&0&0&\cdots &1\end{bmatrix}}.$

З іншого боку, якщо припустити, що наша початкова матриця $A$ є невиродженою, то матриця $X_{1}$ має стовпці $A^{-1}{\boldsymbol {b}}$, $A^{-1}{\boldsymbol {v}}_{2}$, $\dots$, $A^{-1}{\boldsymbol {v}}_{n}$, де ${\boldsymbol {v}}_{n}$ — це $n$-й стовпець матриці $A$. Нагадаємо, що матриця $A_{1}$ має стовпці ${\boldsymbol {b}}$, ${\boldsymbol {v}}_{2}$, $\dots$, ${\boldsymbol {v}}_{n}$, а тому $X_{1}=A^{-1}A_{1}$. Отже, оскільки визначник добутку двох матриць є добутком визначників, то

$x_{1}=\det(X_{1})=\det \left(A^{-1}\right)\det(A_{1})={\frac {\det(A_{1})}{\det(A)}}.$

Доведення для інших $x_{j}$ аналогічне.

Несумісні та невизначені випадки

Система рівнянь називається несумісною або суперечною, коли не існує розв'язків, і вона називається невизначеною, коли існує більше одного розв'язку. Для лінійних рівнянь невизначена система матиме нескінченно багато розв'язків (у випадку нескінченного поля), які можна виразити через один або кілька параметрів, що набувають довільних значень.

Правило Крамера застосовується у випадку, коли визначник, складений з коефіцієнтів, ненульовий. У випадку $2\times 2$, якщо визначник дорівнює нулю і визначники чисельника відмінні від нуля, то система несумісна. Якщо визначники чисельника дорівнюють нулю, то система невизначена.

Для систем $3\times 3$ або вище єдине, що можна сказати, якщо визначник коефіцієнтів дорівнює нулю і будь-який з визначників чисельника ненульовий, то система має бути несумісною. Однак випадок усіх нульових визначників не означає, що система є невизначеною. Простим прикладом системи, у якій всі визначники дорівнюють нулю, але система, як і раніше, несумісна, є система $3\times 3$

${\begin{cases}x+y+z=1,\\x+y+z=2,\\x+y+z=3.\end{cases}}$

Див. також

• Система лінійних алгебраїчних рівнянь
• Визначник
• Матриця
• Метод Гауса
• Теорема Лапласа
• Приєднана матриця
• Невироджена матриця
• Матриця Якобі

Посилання

• Online Calculator of System of linear equations
• Wolfram MathWorld explanation on this subject

Джерела

• Пастушенко С. М.; Підченко Ю. П. (2002 р.). Вища математика. Основні поняття, формули, зразки розв'язування задач. Київ: Діал. ISBN 966-591-025-6.
• Гантмахер Ф. Р. Теорія матриць. — 2024. — 400+ с.(укр.)
• Гельфанд И. М. Лекции по линейной алгебре. — 5-е. — Москва : Наука, 1998. — 320 с. — ISBN 5791300158.(рос.)
• Мальцев А. И. Основы линейной алгебры. — 3-е изд. — Новосибирск : Наука, 1970. — 400 с.(рос.)

Посилання

• Метод Крамера // Вища математика в прикладах і задачах / Клепко В.Ю., Голець В.Л.. — 2-ге видання. — К. : Центр учбової літератури, 2009. — С. 30. — 594 с.