在線即時計算器 · 純前端本地秒算 · 零數據上傳

🛠️ 三元一次方程組計算機

專業免費的 三元一次方程組計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
x =2y =3z =-1 以克拉瑪公式求解
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

這個計算機的功能

本工具運用克拉瑪公式(Cramer's Rule),求解含有三個未知數(x、y、z)的三元一次方程組。請依照下列標準式輸入每個方程式的係數:

a_1 x + b_1 y + c_1 z = d_1

a_2 x + b_2 y + c_2 z = d_2

a_3 x + b_3 y + c_3 z = d_3

計算機會算出係數矩陣的行列式,以及三個替換後的行列式,並回傳 x、y、z 的精確解。

使用方式

在每一列輸入四個數字:三個係數(a、b、c)以及等號右側的常數項(d)。負數與小數皆可使用。結果區會顯示解答,同時列出 \det(A)、\det(A_x)、\det(A_y) 與 \det(A_z),方便您自行驗算過程。

公式說明

克拉瑪公式指出:對於方程組 A · v = d,只要係數矩陣的行列式不為零,每個未知數都可以這樣求得——把 A 中對應的那一行替換成常數向量 d,計算該行列式,再除以 \det(A)。因此 x = \det(A_x)/\det(A),y、z 的求法也相同。整體公式為:

x = ((D_x) ÷ (D)), y = ((D_y) ÷ (D)), z = ((D_z) ÷ (D))
where ≤ft{ \begin{aligned} D &= \begin{vmatrix} a_1 & b_1 & c_1 \\ a_2 & b_2 & c_2 \\ a_3 & b_3 & c_3 \end{vmatrix} \\[0.4em] D_x &= \begin{vmatrix} d_1 & b_1 & c_1 \\ d_2 & b_2 & c_2 \\ d_3 & b_3 & c_3 \end{vmatrix} \\[0.4em] D_y &= \begin{vmatrix} a_1 & d_1 & c_1 \\ a_2 & d_2 & c_2 \\ a_3 & d_3 & c_3 \end{vmatrix} \\[0.4em] D_z &= \begin{vmatrix} a_1 & b_1 & d_1 \\ a_2 & b_2 & d_2 \\ a_3 & b_3 & d_3 \end{vmatrix} \end{aligned} \right.

若 \det(A) = 0,方程組就沒有唯一解,此時無法套用克拉瑪公式。

範例演算

求解:2x + y - z = 8;-3x - y + 2z = -11;-2x + y + 2z = -3。

\det(A) = -1,\det(A_x) = -2,\det(A_y) = 3,\det(A_z) = -1。因此 x = ((-2) ÷ (-1)) = 2,y = ((3) ÷ (-1)) = -3⋯⋯精確計算後得:x = 2、y = 3、z = -1。代回驗算:2(2) + 3 - (-1) = 4 + 3 + 1 = 8 ✓。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

如果 \(\det(A)\) 等於零怎麼辦?
此時方程組不是無解,就是有無限多組解;克拉瑪公式必須在行列式不為零時才能使用,因此計算機會特別標示這種情況。
可以輸入小數或分數嗎?
小數可直接輸入。若要輸入分數,請先換算成小數(例如 \(1/2 = 0.5\))。
克拉瑪公式的效率好嗎?
對於三元(3x3)方程組而言,它快速又精確。但若是更大型的方程組,通常會改用高斯消去法(Gaussian elimination)較有效率。