3.2 行列式的性质（第三章 行列式）

主要内容

这一节的核心内容是，将求一个矩阵的行列式的问题，转化为求该矩阵进行行变换后矩阵的行列式的问题。通过这种转化，可以非常灵活地降低求一个复杂矩阵行列式的难度。此外，还在论述过程中，顺便证明了行列式为0和矩阵可逆的关系定理。并讲解了一些围绕核心内容的推论，例如列变换定理，行列式和矩阵乘积的关系等。

行变换定理

计算某个方阵的行列式，可以转换为计算其过行变换的矩阵的行列式。有如下定理：

若$A$是一个方阵
a. 若$A$的某一行的倍数加到另一行得矩阵$B$，则$detB=detA$
b. 若$A$的两行互换得矩阵$B$，则$detB=-detA$
c. 若$A$的某行乘以$k$倍得到矩阵$B$，则$detB=k\cdot detA$

证明：

上述每项操作对应一个初等矩阵的操作，另外，通过简单的计算就可以知道如下结论：
$detE=1$，若$E$是一个行倍加
$detE=-1$，若$E$是一个交换
$detE=r$，若$E$是一个$r$倍乘
因此，上述定理其实可以转化为如下的描述：
$$detEA=(detE)(detA)$$
我们要证明的是上面的式子。
可以通过数学归纳法来证明。
对于$2\times 2$的矩阵，很容易验证上述公式成立。
假设该定理对$k\times k$矩阵也成立。
令$n=k+1$。
令$B=EA$，通过余因子展开式的方式来展开$B$，选择在$E$的作用下没有被改变的一行展开$B$。如此一来，
$B_{ij}$也满足$B_{ij}=E{A}_{ij}$，其中$A_{ij}$是按同样的方式从$A_n$中得到的$k$维矩阵。
根据上述归纳法的假设，由于$B_{ij}$和$A_{ij}$均是$k$维矩阵，因此有：
$$det{B}_{ij}=\alpha det{A}_{ij}$$
$\alpha$的值对应上面的$1,-1,k$。
另一方面，
$$\begin{array}{rl}detB& =a_{i1}(-1{)}^{i+1}det{B}_{i1}+\cdots +a_{in}(-1{)}^{i+n}det{B}_{in}\\ & =\alpha a_{i1}(-1{)}^{i+1}det{A}_{i1}+\cdots +\alpha a_{in}(-1{)}^{i+n}det{A}_{in}\\ & =\alpha detA\end{array}$$
由归纳法，上述定理得证。

例：

计算$detA$，其中$A=\left[\begin{array}{ccc}1& -4& 2\\ -2& 8& 9\\ -1& 7& 0\end{array}\right]$

解：

思路是，通过行变换对原始矩阵进行化简，使行列式便于计算，再通过上述定理求解。
d e t   A = ∣ 1 − 4 2 − 2 8 − 9 − 1 7 0 ∣ = ∣ 1 − 4 2 0 0 − 5