线性代数拾遗（1）—— 行列式的三种公理化构造

• 在前文 线性代数（1）—— 行列式中，我们已经对行列式有了比较直观的理解。
  1. 行列式最初用于表示线性方程组的系数，其值可以用于判别齐次线性方程组的解情况，也可以用于计算一般线性方程组的通解
  2. 可以从几何角度直观地表示行列式
  3. 从几何和代数两个角度，都可以得出行列式的若干性质
• 下面我们首先补充一些离散数学中的概念，然后给出行列式的三种正统定义方式

---

0. 符号规定和补充内容

0.1 群相关内容

0.1.1 补充定义

1. 群：$<G,o>$是含有一个二元运算的代数系统，若满足以下条件，则称G是一个群

   1. o运算满足结合律
   2. 存在 $e\in G$ 是关于 $o$ 运算的单位元
   3. 任何 $x\in G$，$x$关于 $o$ 运算的逆元 $x^{-1}\in G$

2. 变换和一一变换：设A是非空集合，$f:A\to A$ 称为A上的一个变换。若 $f$ 是双射的，则称 $f$ 为A上的一个一一变换

3. 变换的乘法：设$f,g$是$A$上的两个变换，则$f,g$的函数合成（即先按$f$变换，再按$g$变换）称为$f$与$g$的乘积，记为$fg$

4. 一一变换群：设 $E(A)$ 是$A$上全体一一变换构成的集合，则 $E(A)$ 关于变换的乘法构成一个群，称为$A$的一一变换群

5. n元置换(σ)：当$A$是有穷集合时，$A$上的一一变换称为$A$上的置换。当$|A|=n$时称$A$上的变换为n元置换。为了叙述方便，常将$A$记作 { 1 , 2 , . . . , n } \{1,2,...,n\} {1,2,...,n}，于是可以将$A$上的n元置换$\sigma$记作
   $$\sigma =\left(\begin{array}{cccc}1& 2& \dots & n\\ \sigma (1)& \sigma (2)& & \sigma (n)\end{array}\right)$$
   易见，$sigma(1),sigma(2),...,sigma(n)$恰为$1,2,...,n$的一个全排列，在A上的所有置换和A的所有全排列之间存在着一一对应，$n$元集合有$n!$个$n$元置换。

6. n元对称群和n元置换群(Sn)：$n$元集合的所有$n!$个$n$元置换的集合记作$S_n$，它关于置换的乘法构成一个群，称为$n$元对称群。$S_n$的子群称为$n$元置换群

7. k阶轮换：设$\sigma \in S_n$，若$\sigma$将 { 1 , 2 , . . , n } \{1,2,..,n\} {1,2,..,n}中的$k$个元素$i_1,i_2,...,i_k$进行如下变换：$\sigma (i_1)=i_2,\sigma (i_2)=i_3,...,\sigma (i_{k-1})=i_k,\sigma (i_k)=i_1$，而其他元素保持不变，可将$\sigma$记作$(i_1,i_2,...i_n)$，称为一个k阶轮换

   1. 恒等置换：一阶轮换称为恒等置换，相当于不变

   2. 对换：二阶轮换称为对换，相当于交换两个数
      S 3 = { σ 1 , σ 2 , . . . , σ 6 } S_3 = \{\sigma_1,\sigma_2,...,\sigma_6\} S3​={σ1​,σ2​,...,σ6​}

      $${\sigma }_1=(1)=\left(\begin{array}{ccc}1& 2& 3\\ 1& 2& 3\end{array}\right)，{\sigma }_2=(23)=\left(\begin{array}{ccc}1& 2& 3\\ 1& 3& 2\end{array}\right)$$

      $${\sigma }_3=(12)=\left(\begin{array}{ccc}1& 2& 3\\ 2& 1& 3\end{array}\right)，{\sigma }_4=(123)=\left(\begin{array}{ccc}1& 2& 3\\ 2& 3& 1\end{array}\right)$$

      $${\sigma }_5=(132)=\left(\begin{array}{ccc}1& 2& 3\\ 3& 1& 2\end{array}\right)，{\sigma }_6=(13)=\left(\begin{array}{ccc}1& 2& 3\\ 3& 2& 1\end{array}\right)$$

8. 奇(偶)置换：可以表示为偶数个对换的乘积的置换叫做偶置换。 可以表示为奇数个对换的乘积的置换叫做奇置换。

9. 逆序数：设 $\pi =i_1,i_2,...,i_n$ 是 $1,2,...,n$的一个排列，若$i_k>i_l且k<l$，称$i_k{i}_l$是一个逆序。排列中逆序的总数称为逆序数

0.1.2 补充定理

1. 任何一个n元置换，可以表示为若干对换之积，这些对换是可以相交的，且表法不唯一。但是不同表法中对换个数的奇偶性是不变的
2. $\sigma \in S_n$，且$\sigma (j)=i_j,j=1,2,...,n$，则在$\sigma$的对换表示中，对换的个数和排列$\pi =i_1,i_2,...,i_n$的逆序数的奇偶性一致
   $${\sigma }_{=}\left(\begin{array}{cccc}1& 2& \dots & n\\ i_1& i_2& \dots & i_n\end{array}\right)$$

0.2 符号说明

• 以下是构造中会用到的符号

  符号	解释
  $\mathbb{R}$	实数集R
  $M_n(\mathbb{R})$	是指实数域上的n阶方阵
  $E$	单位矩阵
  $det(A)$	矩阵A对应的行列式
  $S_n$	n元置换群
  $\sigma$	n元置换
  ${\epsilon }_{\sigma }$	n元置换 $\sigma$ 的符号（奇置换取-1，偶置换取1）
  $A_i$	矩阵A的第 $i$ 行

1. 第二公理化构造

• 第二公理化构造和线性方程组比较贴近，我们从此起步

1.1 从线性方程入手

• 有以下三种初等变换，经过初等变换，线性方程组的解不变
  1. 倍加：将某行的k倍加到另一行
  2. 互换：互换某两行
  3. 倍乘：给某行乘一非零数
• 引入矩阵、向量、矩阵乘法等概念后，线性方程组简化为$Ax=b$，其中$A$称为系数矩阵，我们可以完全平行地引入矩阵的初等变换
• 根据上文分析的克莱姆法则，系数矩阵所对应的系数行列式$D=det(A)$有一个优良性质：可以根据$D$是否为0判断齐次线性方程组解的情况

1.2 一个猜测

• 现在假设我们不知道行列式的定义，希望找到一个映射关系$D:M_n(\mathbb{R})\to \mathbb{R}$，它可以把系数矩阵映射为一个实数，并且可以利用这个实数是否为0判断齐次线性方程组解的情况

• 如果真的存在上述映射，显然，在系数矩阵$A$的初等变化下，$D(M_n(\mathbb{R}))$是否为0的结果不能改变。这样的具体条件不一定唯一，但有一个可行的条件如下

  1. 将某行的k倍加到另一行， $D$结果不变（倍加）
  2. 给某行乘一非零数k，$D$结果也变为k倍（倍乘）
  3. $D(E)=1$

  由前两个条件可以推出：互换两行，$D$结果反号（互换），这个推导是简单的

• 可见，符合上述条件的$D:M_n(\mathbb{R})\to \mathbb{R}$，满足了在 “系数矩阵$A$的初等变化下，是否为0的结果不变” 这一要求。至于第三条，规定$D(E)$为任何非零数都不影响，规定为1是简单的。

• 上面这三条条件，正是行列式的第二公理化构造，以此为定义，可以唯一确定行列式的展开表达式，即各大教材上的行列式逆序数定义式。

1.3 行列式的第二公理化构造

• 行列式是满足以下三条性质的函数$D:M_n(\mathbb{R})\to \mathbb{R}$
  1. $D(...,\lambda A_i,...)=\lambda D(...,A_i,...)$，其中$\lambda \in \mathbb{R}$
  2. $D(...,A_i+A_j,...,A_j,...)=D(...,A_i,...,A_j,...)$
  3. $D(E)=1$

2. 第一公理化构造

2.1 行列式的第一公理化构造

• 行列式是满足以下三条性质的函数$D:M_n(\mathbb{R})\to \mathbb{R}$
  1. 斜对称性：互换两行，行列式反号
  2. 多重线性：$D(...,A_i+A_i^{\prime },...)=D(...,A_i,...)+D(...,A_i^{\prime },...)$
  3. 正规化条件：$D(E)=1$

2.2 从第二公理化构造到第一公理化构造

• 第一公理化构造可以由第二公理化构造推出，具体过程如下

  1. 性质0（倍加）：$D(...,A_i+\lambda A_j,...,A_j,...)=D(...,A_i,...,A_j,...)$，证明如下
     $$\begin{array}{rl}\lambda D(...,A_i,...,A_j,...)& =D(...,A_i,...,\lambda A_j,...)\\ & =D(...,A_i+\lambda A_j,...,\lambda A_j,...)\\ & =\lambda D(...,A_i+\lambda A_j,...,A_j,...)\end{array}$$

     两边消去$\lambda$即可

  2. 性质1（线性相关时，结果为0）：$D(...,\sum _{l=1}^n{a}_l{A}_l,...)=D(...,0,...)=0$。重复使用性质0即可证明

  3. 证明斜对称性
     

  4. 证明多重线性：推导过程转载自：行列式的逆序数定义是怎么想出来的
     
     

2.3 行列式的解析展开式与逆序数定义

• 利用第一公理化构造，可以推出行列式的解析展开式
• 推导过程转载自：行列式的逆序数定义是怎么想出来的
  
  
  
• 在各大教材上常见到一种行列式的逆序数定义，如下
  
  其中$N(j_1,j_2...j_n)$代表求排列$j_1,j_2...j_n$的逆序数，其实引入这个逆序数定义，就是为了确认置换的奇偶性，从而给出行列式公式里每项前面那个正负号${\epsilon }_{\sigma }$

3. 第三公理化构造

• 对于阶数超过3的行列式，无法用交叉技巧求解，用逆序数法展开又太麻烦，这时就适用于从第三公理化构造的角度考虑。

3.1 余子式

1. 余子式：在n阶行列式中，划去元$a_{ij}$所在的第i行与第j列的元，剩下的元不改变原来的顺序所构成的n-1阶行列式称为元$a_{ij}$的余子式，记作$M_{ij}$，即
   

2. 代数余子式：余子式乘上$(-1{)}^{i+j}$后称为$a_{ij}$的代数余子式，记作$A_{ij}$，即
   $$A_{ij}=(-1{)}^{i+j}{M}_{ij}$$
   显然也有
   $$M_{ij}=(-1{)}^{i+j}{A}_{ij}$$

3.2 行列式按某行（列）展开公式

• 行列式的值等于行列式的某行（列）元素分别乘以其相应的代数余子式后再求和，即
  $$|A|=\{\begin{array}{ccc}& 按第i行展开：& a_{i1}{A}_{i1}+a_{i2}{A}_{i2}+...+a_{in}{A}_{in}=\sum _{j=1}^n{a}_{ij}{A}_{ij}(i=1,2,...,n)\\ & 按第j列展开：& a_{1j}{A}_{1j}+a_{2j}{A}_{2j}+...+a_{nj}{A}_{nj}=\sum _{i=1}^n{a}_{ij}{A}_{ij}(j=1,2,...,n)\end{array}$$
  这样可以把一个n阶行列式转化为n个(n-1)阶行列式，实现降阶，直到最后可以用交叉技巧求解

• 行列式的某行（列）元素分别乘以另一行（列）元素的代数余子式后再求和，结果为0
  $$\begin{gathered} a_{i1}{A}_{k1}+a_{i2}{A}_{k2}+...+a_{in}{A}_{kn}=0,i\ne k \\ {a}_{1j}{A}_{1k}+a_{2j}{A}_{2k}+...+a_{nj}{A}_{nk}=0,j\ne k \end{gathered}$$
  分析一下第一行的式子，使用第 $i$ 行元素乘以第 $k$ 行代数余子式，就相当于把原行列式中第 $k$ 行内容替换为第 $i$ 行内容，再按第 $k$ 行展开，这个行列式中出现了两行相同，自然结果为 0