高等代数复习：行列式

本篇文章适合个人复习翻阅，不建议新手入门使用
参考书：《高等代数学》谢启鸿 姚慕生 吴泉水 编著

1.行列式基本知识

1.1 归纳地定义行列式

二阶：
$$\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{21}{a}_{12}$$

三阶:
$$\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|=a_{11}{M}_{11}-a_{21}{M}_{21}+a_{31}{M}_{31}$$

n阶：
$$\begin{array}{rl}& \left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|\\ & \\ =a_{11}{M}_{11}& -a_{21}{M}_{21}+\cdots +(-1{)}^{n+1}{a}_{n1}{M}_{n1}\end{array}$$

其中M代表余子式，可以记$(-1{)}^{i+j}{M}_{ij}$为$A_{ij}$，称作代数余子式

1.2 组合定义

行列式也可以一般地定义行列式，记$A=(a_{ij}{)}_{n\times n}$，则有
$$|A|=\sum _{(k_1,k_2,\dots ,k_n)\in S_n}(-1{)}^{N(k_1,k_2,\dots ,k_n)}{a}_{k_{1}1}{a}_{k_{2}2}\cdots a_{k_{n}n}$$
其中$N(k_1,k_2,\dots ,k_n)$表示排列$(k_1,k_2,\dots ,k_n)$相对于$(1,2,\dots ,n)$的逆序数

注：

• 逆序数即为逆序对的个数，可以用字典法观察得到
• 该定义的原始想法是：行列式对应的矩阵可以由重排矩阵线性表出

1.3 行列式的基本性质：

1. 上（下）三角行列式的值为对角线元素之积
2. 某行（列）全为0，行列式值为0
3. 某行（列）变为原来的常数c倍，行列式的值变为原来c倍
4. 交换两行（列），行列式改变符号
5. 存在两行（列）成比例，行列式值为0
6. 某行（列）为两项之和，则行列式可拆分为两行列式之和
7. 某行（列）乘以常数加到另一行（列），值不变
8. 转置不改变行列式的值

给第六条举个例子吧：
$$\left|\begin{array}{cc}{a}_{11}& a_{12}+c_{21}\\ b_{21}& b_{22}+c_{22}\end{array}\right|=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ b_{21}& b_{22}\end{array}\right|+\left|\begin{array}{cc}{a}_{11}& c_{21}\\ b_{21}& c_{22}\end{array}\right|$$

1.4 行列式乘法定理：

设A,B都是n阶方阵，则$$|AB|=|A||B|$$

引理：设n阶方阵A，n阶初等矩阵Q，则$$|QA|=|Q||A|=|AQ|$$

证明思路：

• 若A非奇异：利用非异阵可表为初等阵之积
• 若A奇异：利用A的相抵标准型

2. 行列式解线性方程组

2.1 Cramer法则

考虑如下的线性方程组AX=b，即
( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ) ( x 1 x 2 ⋮ x n ) = ( b 1 b 2 ⋮ b n ) \begin{pmatrix} a_{11}& a_{12}& \cdots &a_{1n}\\ a_{21}& a_{22}& \cdots &a_{2n}\\ \vdots& \vdots& & \vdots\\ a_{n1}& a_{n2}& \cdots&a_{nn}\\ \end{pmatrix} \begin{pmatrix} x_1\\x_2\\ \vdots \\x_n\\ \end{pmatrix}= \begin{pmatrix} b_1\\b_2\\ \vdots \\b_n\\ \end{pmatrix} ​a11​a21​⋮an1​​a12​a22​⋮an2​​⋯⋯⋯​a1n​a2n​⋮ann​​ ​ ​x1​x2​⋮xn​​ ​= ​b1​b2​⋮bn​​