数学基础知识总结 —— 7. 行列式的基本知识

行列式是一种特殊的运算形式，跟一维的加减乘除这类运算类似。只不过它所针对的是对高维度数据的求解，它是从方程组的概念发展而来，是一种比较常见的数学工具。
行列式和 「线性代数」 里的其他概念，比如 「矩阵」、「向量」 比较容易混淆。但是实际上在概念上它们的差异很大，你可以说「矩阵是高维度的向量，而向量是一维度的矩阵」，但行列式是行列式，它既不是向量也不是矩阵，它就是一种特殊的 运算规则 。

行列式，也称方阵，是一个元素以 $n\times n$ 存在的特殊运算形式，记为 $\det (A)$ 或 $|A|$

1. 二阶行列式

$$\det (A)=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{12}{a}_{21}$$

2. 三阶行列式

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

对于二阶、三阶行列式，它的运算过程可以非常粗暴地图像化的表示如下

即

$$\det (A)=a_{11}{a}_{22}{a}_{33}+a_{12}{a}_{23}{a}_{31}+a_{13}{a}_{21}{a}_{32}-a_{11}{a}_{23}{a}_{32}-a_{12}{a}_{21}{a}_{33}-a_{13}{a}_{22}{a}_{31}$$

3. 高阶行列式

注意，二阶以及三阶行列式的运算规则不适用于高阶行列式，对于正负号的判断要考虑下标的「逆序数」

$$\det (A)=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|=\sum _{p_1{p}_2\cdots p_n}(-1{)}^{\tau (p_1{p}_2\cdots p_n)}{a}_{1p_1}{a}_2\cdots a_{n{p}_n}$$

这是一个 $n$ 阶行列式，其中 $\tau (p_1{p}_2\cdots p_n)$ 表示由行列式元素第二下标构成的逆序数。

知识补充：
逆序数
在一个排列中，如果一对数的前后位置与大小顺序相反，即前面的数大于后面的数，那么它们就称为一个逆序。一个排列中逆序的总数就称为这个排列的逆序数。也就是说，对于n个不同的元素，先规定各元素之间有一个标准次序（例如n个 不同的自然数，可规定从小到大为标准次序），于是在这n个元素的任一排列中，当某两个元素的实际先后次序与标准次序不同时，就说有1个逆序。一个排列中所有逆序总数叫做这个排列的逆序数¹。

例如对于下面的行列式 $\det (A)$

由元素 $a_{12}{a}_{21}{a}_{34}{a}_{43}$ 的第二下标组成序列 $(2143)$，我们根据公式，可以知道要确定正负号就要先确定逆序数是多少。对于 $(2143)$ 来说它的逆序对有 $(2,1),(4,3)$，逆序数 $\tau (2143)=2$，所以
$$(-1{)}^{\tau (2143)}{a}_{12}{a}_{21}{a}_{34}{a}_{43}=a_{12}{a}_{21}{a}_{34}{a}_{43}$$

我们可以再选一组，比如它后面的 $a_{13}{a}_{22}{a}_{31}{a}_{44}$，对于 $(3214)$ 来说，它的逆序对为 $(3,2),(3,1),(2,1)$，所以 $\tau (3214)=3$，最终
$$(-1{)}^{\tau (3214)}{a}_{13}{a}_{22}{a}_{31}{a}_{44}=-a_{13}{a}_{22}{a}_{31}{a}_{44}$$

4. 行列式的性质

4.1. 行列式转置后，值不变

$$\det (A)=\det (A^T)=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{cccc}{a}_{11}& a_{21}& \cdots & a_{n1}\\ a_{12}& a_{22}& \cdots & a_{n2}\\ ⋮& ⋮& \ddots & ⋮\\ a_{1n}& a_{2n}& \cdots & a_{nn}\end{array}\right|$$

我们可以用三阶段行列式验证
$$\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$
它的转置行列式 $\det (A^T)$ 为
$$\left|\begin{array}{ccc}{a}_{11}& a_{21}& a_{31}\\ a_{12}& a_{22}& a_{32}\\ a_{13}& a_{23}& a_{33}\end{array}\right|$$
$$\det (A^T)=a_{11}{a}_{22}{a}_{33}+a_{21}{a}_{32}{a}_{13}+a_{31}{a}_{12}{a}_{23}-a_{31}{a}_{22}{a}_{13}-a_{11}{a}_{32}{a}_{23}-a_{21}{a}_{12}{a}_{33}$$
可以发现结果和 $\det (A)$ 是一样的

4.2. 有两行（列）元素成比例，行列式的值为0

我们以三阶行列式为例

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

令第三行为第二行的倍数，于是

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ k{a}_{21}& k{a}_{22}& k{a}_{23}\end{array}\right|$$

展开后，得到

$$\begin{gathered} \det (A)=a_{11}{a}_{22}[k\cdot a_{23}]+a_{12}{a}_{23}[k\cdot a_{21}]+a_{13}{a}_{21}[k\cdot a_{22}]- \\ {a}_{11}{a}_{23}[k\cdot a_{22}]-a_{12}{a}_{21}[k\cdot a_{23}]-a_{13}{a}_{22}[k\cdot a_{21}] \\ =k(a_{11}{a}_{22}{a}_{23}+a_{12}{a}_{23}{a}_{21}+a_{13}{a}_{21}{a}_{22}-a_{11}{a}_{23}{a}_{22}-a_{12}{a}_{21}{a}_{23}-a_{13}{a}_{22}{a}_{21}) \end{gathered}$$

然后，我们可以发现

$$=k(a_{11}{a}_{22}{a}_{23}-a_{11}{a}_{23}{a}_{22}+a_{12}{a}_{23}{a}_{21}-a_{12}{a}_{21}{a}_{23}+a_{13}{a}_{21}{a}_{22}-a_{13}{a}_{22}{a}_{21})=0$$

同理，列也是一样的。

4.3. 行列式中某一行（列）元素全为0时，行列式值为0

我们以三阶行列式为例

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ 0& 0& 0\end{array}\right|$$

基本上不用计算，可以直接凭直觉得出它的值为0。

4.4. 如果某行（列）的元素都是两个数的和，可以把行列式拆分为两个单独的行列式

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ b_{i1}+c_{i1}& \cdots & b_{in}+c_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ b_{i1}& \cdots & b_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|+\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ c_{i1}& \cdots & +c_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|$$

4.5. 行列式的两行（列）互换，行列式变号

这里，我们为了方便，直接用二阶行列式做说明

$$\det (A)=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{12}{a}_{21}$$

交换行或列后，得到

$$\det (A^{\prime })=\left|\begin{array}{cc}{a}_{12}& a_{11}\\ a_{22}& a_{21}\end{array}\right|=a_{12}{a}_{21}-a_{11}{a}_{22}$$

所以为了让 $\det (A^{\prime })$ 和 $\det (A)$ 的值一致，我们要令 $\det (A)=-\det (A^{\prime })$

4.6. 如果某行（列）的元素有公因子，可将公因子提到行列式外

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ k{a}_{i1}& \cdots & k{a}_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|=k\cdot \left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}& \cdots & a_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|$$

4.7. 行列式中某一行（列）元素的k 倍加到另一行（列），其值不变

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}& \cdots & a_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}+k{a}_{j1}& \cdots & a_{in}+k{a}_{jn}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|$$

这其实很容易求证，根据第4条性质，上面的行列式可以表示为

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}+k{a}_{j1}& \cdots & a_{in}+k{a}_{jn}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}& \cdots & a_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|+\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ k{a}_{j1}& \cdots & +k{a}_{jn}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|$$

然后后面的行列式的 $k{a}_{jn}$ 行又因为是 $a_{jn}$ 的倍数，于是

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}+k{a}_{j1}& \cdots & a_{in}+k{a}_{jn}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|=\left|\begin{array}{ccc}{a}_{11}& \cdots & a_{1n}\\ ⋮& & ⋮\\ a_{i1}& \cdots & a_{in}\\ ⋮& & ⋮\\ a_{n1}& \cdots & a_{nn}\end{array}\right|$$

5. 行列式的展开定理

5.1. 行列式的代数余子式

在 $n$ 阶行列式中，将元素 $a_{ij}$ 所在的 「$i$ 行」 与 「$j$ 列」 的元素划去，其余元素按照原来的相对位置构成 $n-1$ 阶行列式 $M_{ij}$

$$A_{ij}=(-1{)}^{i+j}{M}_{ij}$$

怎么理解呢，比方说对于三阶行列式

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

其元素 $a_{11}$ 的代数余子式表示为

$$A_{11}=(-1{)}^{1+1}\left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|=\left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|$$

其元素 $a_{23}$ 的代数余子式为

$$A_{23}=(-1{)}^{2+3}\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{31}& a_{32}\end{array}\right|=-\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{31}& a_{32}\end{array}\right|$$

这有什么用呢？显然它可以简化运算，比方说我们展开三阶行式

$$\det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

它可以表示为某行或列的元素的代数余子式的和，即

$$\begin{gathered} \det (A)=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right| \\ =a_{11}{A}_{11}+a_{12}{A}_{12}+a_{13}{A}_{13} \\ =a_{12}{A}_{12}+a_{22}{A}_{22}+a_{32}{A}_{32}=\cdots \end{gathered}$$

我们随便以 $a_{11}{A}_{11}+a_{12}{A}_{12}+a_{13}{A}_{13}$ 为例

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

6. 特殊的行列式

6.1. 「上三角」或「下三角」行列式

如果行列式「上三角」或「下三角」的元素全为0，那么行列式等于对角线上元素的乘积

$$\det (A)=\left|\begin{array}{ccccc}{a}_{11}& 0& \cdots & 0& 0\\ a_{21}& a_{22}& \cdots & 0& 0\\ ⋮& ⋮& \ddots & ⋮& ⋮\\ a_{m1}& a_{m2}& \cdots & a_{mm}& 0\\ a_{n1}& a_{n2}& \cdots & a_{mn}& a_{nn}\end{array}\right|=a_{11}{a}_{22}{a}_{33}\cdots a_{mm}{a}_{nn}$$

6.2. n 阶范德蒙德行列式

$$\det (A)=\left|\begin{array}{ccccc}1& 1& \cdots & 1& 1\\ x_1& x_2& \cdots & x_m& x_n\\ x_1^2& x_2^2& \cdots & x_m^2& x_n^2\\ ⋮& ⋮& \ddots & ⋮& ⋮\\ x_1^{n-1}& x_2^{n-1}& \cdots & x_m^{n-1}& x_n^{n-1}\end{array}\right|={\Pi }_{1\le i\le j\le n}(x_i-x_j)$$

---

1. https://baike.baidu.com/item/%E9%80%86%E5%BA%8F%E6%95%B0/3334502 ↩︎