---
title: 行列式
date: 2026-10-10
type: 学习笔记
tags:
  - 线性代数
  - 笔记
  - 行列式
course: 线性代数（甲）
---

# 线性代数笔记 · 行列式

> [!abstract] 本节内容
> 从**数域**出发，依次掌握**排列与对换**、**行列式的定义与性质**、**按行（列）展开**、**范德蒙德行列式**、**拉普拉斯定理**以及**克莱姆（Cramer）法则**。
>
> 相关笔记：[[微积分（甲）I]] · [[数域与复数]]

---

## 1. 数域

### 1.1 数域的定义

> [!note] 定义：数域
> 对于 $+, -, \times, \div$ 这四种运算**封闭**的集合，且**至少包含两个数**的数系，称为**数域**。

$+$ 与 $-$ 封闭、$\times$ 与 $\div$ 封闭，合起来简记为 **四则运算封闭**。

**例**：$\mathbb{Q}(\sqrt{2}) = \{a + \sqrt{2}\,b \mid a, b \in \mathbb{Q}\}$。可证明其对于 $+,-,\times,\div$ 都是封闭的，因此 $\mathbb{Q}(\sqrt{2})$ 是一个[[数域]]。

### 1.2 数域的包含关系

> [!tip] 定理
> 设 $\mathbb{P}$ 是一个数域，则
> $$ \mathbb{Q} \subseteq \mathbb{P} \subseteq \mathbb{C}. $$

**证明**：设 $a, b \in \mathbb{P}$，不妨设 $a \neq 0$。

- $a - a = 0 \in \mathbb{P}$，$\dfrac{a}{a} = 1 \in \mathbb{P}$；
- 由 $1$ 反复相加：$1 + 1 + \cdots + 1 \in \mathbb{P}$，故所有正整数属于 $\mathbb{P}$；
- 再由减法 $0 - (1+\cdots+1) \in \mathbb{P}$，负数也属于 $\mathbb{P}$，因此 $\mathbb{Z} \subseteq \mathbb{P}$；
- 任一有理数 $x = \dfrac{p}{q}$（$p, q \in \mathbb{Z} \subseteq \mathbb{P}$），由除法封闭得 $x \in \mathbb{P}$。

因此 $\mathbb{Q} \subseteq \mathbb{P}$。$\blacksquare$

> [!example] 例：$\mathbb{Q}(\sqrt{2}) \neq \mathbb{R}$
> 证明 $\sqrt{3} \notin \mathbb{Q}(\sqrt{2})$。
>
> 反设 $\sqrt{3} = a + b\sqrt{2}$（$a, b \in \mathbb{Q}$），两边平方得
> $$ 3 = a^2 + 2b^2 + 2ab\sqrt{2} \;\Rightarrow\; 3 - a^2 - 2b^2 = 2ab\sqrt{2}. $$
> 左边 $\in \mathbb{Q}$，右边当 $a,b\neq 0$ 时为无理数矛盾。逐个检验 $a=0$ 或 $b=0$ 亦不满足，故假设不成立，$\sqrt{3} \notin \mathbb{Q}(\sqrt{2})$。$\blacksquare$

---

## 2. 排列与对换

### 2.1 逆序数

对排列 $T_1 T_2 \cdots T_n$，记其**逆序数**为 $\tau(T_1T_2\cdots T_n)$。

> [!note] 奇偶排列
> - 逆序数为**偶** $\Rightarrow$ **偶排列**
> - 逆序数为**奇** $\Rightarrow$ **奇排列**

### 2.2 对换与奇偶性

> [!important] 定理：对换改变排列奇偶性
> 对排列进行一次对换，其奇偶性必发生改变。

**相邻对换**：
- 若 $\tau_k > \tau_{k+1}$，则对换后逆序数 $+1$；
- 若 $\tau_k < \tau_{k+1}$，则对换后逆序数 $-1$。

故相邻对换改变奇偶性。

**一般对换**：考虑片段 $\cdots \tau_k \cdots \tau_{k+s} \cdots \tau_j \cdots$
1. 将 $\tau_k$ 逐步与右侧相邻元素交换至 $\tau_j$ 处，共 $s+1$ 次相邻对换；
2. 再将 $\tau_j$ 逐步与左侧相邻元素交换回 $\tau_k$ 原位置，共 $s$ 次相邻对换。

总计 $2s+1$ 次相邻对换，因 $2s+1$ 为奇数，故奇偶性改变。$\blacksquare$

> [!note] 备注
> 水平、垂直方向的"整行/整列平移"操作不改变奇偶性。

---

## 3. 行列式

### 3.1 低阶行列式

**二阶行列式**：
$$ \begin{vmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{vmatrix} = a_{11}a_{22} - a_{12}a_{21}. $$

**三阶行列式**：
$$ \begin{vmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{vmatrix} = \sum_{j_1 j_2 j_3} (-1)^{\tau(j_1 j_2 j_3)} a_{1j_1} a_{2j_2} a_{3j_3}. $$

### 3.2 n 阶行列式定义

> [!note] 定义：n 阶行列式
> $$ \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} = \sum_{j_1 j_2 \cdots j_n} (-1)^{\tau(j_1 j_2 \cdots j_n)} a_{1j_1} a_{2j_2} \cdots a_{nj_n}, $$
> 其中求和遍历 $1,2,\dots,n$ 的所有排列，**共有 $n!$ 项**。

**上三角形行列式**：
$$ D = \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ 0 & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & a_{nn} \end{vmatrix} = a_{11}a_{22}\cdots a_{nn}. $$

> [!note] 对角/上三角/下三角行列式
> 其值均等于**主对角线元素的乘积**。

---

## 1.3 行列式的性质

设 $D$ 为 $n$ 阶行列式，$R_i$ 记第 $i$ 行，$C_j$ 记第 $j$ 列。

### 性质 1：转置不变

$$ \det(D) = \det(D^{T}), $$
其中 $D^T$ 为 $D$ 的转置（行列互换）。

> [!warning] 常见误区
> 转置**不改变**行列式的值。改变符号的是**交换两行/两列**，切勿混淆。

### 性质 2：交换两行（列）变号

$$ \det(D) = -\det(D'), $$
其中 $D'$ 由 $D$ **交换任意两行（或两列）** 得到。由排列的对换改变奇偶性可证。

### 性质 3：某行提公因子

$$ \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ k\,a_{i1} & k\,a_{i2} & \cdots & k\,a_{in} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix} = k\, \begin{vmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{i1} & a_{i2} & \cdots & a_{in} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{vmatrix}. $$

### 性质 4：两行（列）成比例则行列式为 0

> [!important] 完整表述（订正）
> 若行列式的**某两行（或两列）对应元素成比例**（即第 $i$ 行 $= k \times$ 第 $j$ 行），则 $\det(D) = 0$。
>
> ~~原文 "$a_{ij}=k a_{ij}$" 有误~~，正确应为两行（列）整体成比例。

**补充证明**：由性质 3 提出 $k$ 后，行列式变成有两行完全相同的行列式；再对该两行作交换，行列式既不变号（相同行交换看不出变化，但符号应改变），故只能为 0。

### 性质 5：拆分性质

$$ \begin{vmatrix} a_{11} & \cdots & a_{1n} \\ b_{i1}+c_{i1} & \cdots & b_{in}+c_{in} \\ \vdots & \ddots & \vdots \\ a_{n1} & \cdots & a_{nn} \end{vmatrix} = \begin{vmatrix} a_{11} & \cdots & a_{1n} \\ b_{i1} & \cdots & b_{in} \\ \vdots & \ddots & \vdots \\ a_{n1} & \cdots & a_{nn} \end{vmatrix} + \begin{vmatrix} a_{11} & \cdots & a_{1n} \\ c_{i1} & \cdots & c_{in} \\ \vdots & \ddots & \vdots \\ a_{n1} & \cdots & a_{nn} \end{vmatrix}. $$
即：**某行（列）是两个数之和时，可按该行（列）拆成两个行列式之和**。（可推广到多行求和。）

### 性质 6：倍加行（列）不变号

对某行（列）加上另一行（列）的 $k$ 倍，行列式的值**不变**：
$$ D \;\xrightarrow{\;R_i \pm k R_j\;}\; D' \quad\Rightarrow\quad \det(D) = \det(D'). $$
（对列同理：$D \xrightarrow{C_i \pm kC_j} D'$。**常用于消元化简。**）

> [!note] 常用记号
> - $R_i \pm k R_j$：第 $i$ 行加/减 $k$ 倍第 $j$ 行
> - $C_i \pm k C_j$：第 $i$ 列加/减 $k$ 倍第 $j$ 列

---

## 1.4 行列式按行（列）展开

### 余子式与代数余子式

> [!note] 定义
> 在 $n$ 阶行列式 $D$ 中，去掉 $a_{ij}$ 所在的行 $R_i$ 与列 $C_j$，余下的 $(n-1)$ 阶行列式称为 $a_{ij}$ 的**余子式**，记作 $M_{ij}$。
> $$ \boxed{\,A_{ij} = (-1)^{i+j}\, M_{ij}\,} $$
> 称为 $a_{ij}$ 的**代数余子式**。

### 展开定理（Laplace 展开）

$$ D = \sum_{k=1}^{n} a_{ik} A_{ik} \quad\text{（按第 $i$ 行展开）} $$
$$ D = \sum_{k=1}^{n} a_{kj} A_{kj} \quad\text{（按第 $j$ 列展开）} $$

> [!tip] 使用技巧
> **选择含最多零元素的行（列）展开**可以大幅减少计算量。

### 异乘变零定理

若用**另一行**的代数余子式 $A_{kj}$（$k \neq i$）去乘第 $i$ 行的元素，则结果为零：
$$ \sum_{j=1}^{n} a_{ij}\, A_{kj} = 0 \qquad (i \neq k). $$

> [!example] 例：含未知元的行列式
> 计算
> $$ D_n = \begin{vmatrix} x-1 & 0 & \cdots & 0 \\ 0 & x-1 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ a_n & a_{n-1} & \cdots & x+a_1 \end{vmatrix}. $$
> **思路**：这是一个（上）三对角形式行列式，可按最后一列（或最后一行）展开，利用"只有对角线和最后一列有非零元"的特性，结合**递推**求解。当 $D_n$ 具有形如 $D_n = x D_{n-1} - (\cdots)$ 的递推关系时，可逐层化简。$\diamondsuit$

---

## 4. 范德蒙德（Vandermonde）行列式

> [!note] 定义
> $$ D(a_1, a_2, \dots, a_n) = \begin{vmatrix} 1 & 1 & \cdots & 1 \\ a_1 & a_2 & \cdots & a_n \\ a_1^2 & a_2^2 & \cdots & a_n^2 \\ \vdots & \vdots & \ddots & \vdots \\ a_1^{n-1} & a_2^{n-1} & \cdots & a_n^{n-1} \end{vmatrix}. $$

### 计算推导（递推法）

> [!success] 结论
> $$ D(a_1, \dots, a_n) = \prod_{1 \le i < j \le n} (a_j - a_i). $$
> 即：**所有"后列减前列"的差之积**。

**推导**：**从最后一行开始**，每行减去上一行的 $a_n$ 倍：

$$
R_i \;\leftarrow\; R_i - a_n R_{i-1},\qquad (i=n, n-1, \dots, 2).
$$

逐行化简后，最后一列会化为 $0,0,\dots,1$ 的形式，按该列展开即可提取公因子，得递推式：

$$ D(a_1,\dots,a_n) = \prod_{i=1}^{n-1}(a_n - a_i) \cdot D(a_1,\dots,a_{n-1}). $$

继续递推，最终展开为连乘积形式。$\blacksquare$

> [!example] 快速检验（三阶）
> $$ \begin{vmatrix} 1 & 1 & 1 \\ a & b & c \\ a^2 & b^2 & c^2 \end{vmatrix} = (b-a)(c-a)(c-b). $$

---

## 5. 拉普拉斯（Laplace）定理

### k 阶子式与代数余子式

> [!note] 定义
> 从 $n$ 阶行列式 $D$ 中任取 $k$ 行 $k$ 列，其相交处的元素按原次序组成一个 $k$ 阶行列式，称为 $D$ 的一个 **$k$ 阶子式**。
> 去掉这些行与列后，余下 $(n-k)$ 阶子式称为它的**余子式** $M$。
> 对应**代数余子式**为
> $$ A = (-1)^{\,i_1 + \cdots + i_k + j_1 + \cdots + j_k}\; \det(M), $$
> 其中 $i_1<\cdots<i_k$ 为所选行号，$j_1<\cdots<j_k$ 为所选列号。

### 拉普拉斯定理

> [!important] 定理
> 任取 $D$ 的 $k$ 行，设这 $k$ 行上的全部 $C_n^k$ 个 $k$ 阶子式为 $N_1,\dots,N_{C_n^k}$，对应代数余子式为 $A_1,\dots,A_{C_n^k}$，则
> $$ D = \sum_{t=1}^{C_n^k} N_t \, A_t. $$

> [!example] 分块对角/反对角的特例
> **分块对角型**：若 $D$ 可写成形如分块对角的形式，则
> $$ \begin{vmatrix} A_r & 0 \\ * & B_s \end{vmatrix} = \begin{vmatrix} A_r & * \\ 0 & B_s \end{vmatrix} = \det(A_r)\cdot \det(B_s). $$
> **分块反对角型**：
> $$ \begin{vmatrix} 0 & A_r \\ B_s & * \end{vmatrix} = \begin{vmatrix} * & A_r \\ B_s & 0 \end{vmatrix} = (-1)^{rs}\, \det(A_r)\cdot\det(B_s). $$
> > [!warning] 注意符号
> > 反对角型需要乘 $(-1)^{rs}$，其中 $r,s$ 分别是两块子式的阶数。

> [!example] 应用例
> $$ D = \begin{vmatrix} a_{11} & 0 & 0 & a_{14} \\ 0 & a_{22} & a_{23} & 0 \\ 0 & a_{32} & a_{33} & 0 \\ a_{41} & 0 & 0 & a_{44} \end{vmatrix} $$
> 取 $R_1, R_4$，二阶子式共有 $C_4^2 = 6$ 个，但仅两个非零（此处按原文整理）。其中
> $$ N_1 = \begin{vmatrix} a_{11} & a_{14} \\ a_{41} & a_{44} \end{vmatrix} = a_{11}a_{44} - a_{14}a_{41}, $$
> 对应代数余子式
> $$ A_1 = (-1)^{1+4+1+4}\, \begin{vmatrix} a_{22} & a_{23} \\ a_{32} & a_{33} \end{vmatrix} = a_{22}a_{33} - a_{23}a_{32}. $$
> 因此
> $$ \det(D) = (a_{11}a_{44}-a_{14}a_{41})(a_{22}a_{33}-a_{23}a_{32}). $$

---

## 1.5 克莱姆（Cramer）法则

### 定理

> [!important] 克莱姆法则
> 对 $n$ 元线性方程组
> $$ \begin{cases} a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n = b_1 \\ a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n = b_2 \\ \vdots \\ a_{n1}x_1 + a_{n2}x_2 + \cdots + a_{nn}x_n = b_n \end{cases} $$
> 若系数行列式 $D \neq 0$，则方程组有**唯一解**，且
> $$ x_i = \frac{D_i}{D}, $$
> 其中 $D_i$ 是把 $D$ 的**第 $i$ 列**替换为常数项列 $(b_1, b_2, \dots, b_n)^T$ 后得到的行列式。

### 证明要点

要求 $x_i$，将第 $k$ 个方程乘以 $A_{ki}$ 后对 $k$ 求和：

- 对 $j \neq i$：系数 $\sum_{k=1}^{n} A_{ki} a_{kj} = 0$（由异乘变零定理）；
- 对 $j = i$：系数 $\sum_{k=1}^{n} A_{ki} a_{ki} = D$（按第 $i$ 列展开）。

于是右侧求和 $\sum_{k=1}^{n} A_{ki} b_k = D_i$，故 $D\,x_i = D_i$，即
$$ x_i = \dfrac{D_i}{D}. \qquad \blacksquare $$

> [!warning] 适用条件提醒
> 克莱姆法则要求**方程个数 = 未知数个数**且 **$D\neq 0$**。对"方程数 ≠ 未知数"或 $D=0$ 的情形需改用高斯消元/矩阵秩分析方法。

---

## 附：本页考点速览

> [!tip] 做题小抄
> 1. **数域**：四则运算封闭 + 至少两数；$\mathbb{Q}\subseteq\mathbb{P}\subseteq\mathbb{C}$。
> 2. **排列对换**：每次对换改变奇偶性。
> 3. **行列式计算**：优先用性质 6（倍加行）化出更多零，再用按行（列）展开。
> 4. **范德蒙德行列式**：一眼识别"每列是某数的幂"结构，直接套乘积公式。
> 5. **分块行列式**：对角型无符号，反对角型记得乘 $(-1)^{rs}$。
> 6. **克莱姆法则**：只对 $D\neq0$ 的方阵线性方程组给出唯一解公式。

---

> [!note] 笔记归属
> 本笔记由小喵根据主人提供的课堂/手写内容整理、订正并补充，供主人学习使用喵～ (´,,•ω•,,)♡
