引言
行列式是线性代数中的一个基本概念，它是方阵的一个重要性质。行列式可以用来判断线性方程组的解的情况，计算矩阵的秩，以及求解逆矩阵等。本文将详细介绍方阵行列式的概念、计算方法，并结合例题进行解析。
一、方阵行列式的定义
方阵行列式是一个n阶方阵的特定标量值，记作\(|A|\)或\(\det(A)\)。对于一个n阶方阵\(A\)：
\[ A = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \end{bmatrix} \]
其行列式定义为：
\[ |A| = \sum_{\sigma \in S_n} (-1)^{\text{sgn}(\sigma)} a_{1\sigma(1)} a_{2\sigma(2)} \cdots a_{n\sigma(n)} \]
其中，\(S_n\)是所有n个元素排列的集合，\(\text{sgn}(\sigma)\)是排列\(\sigma\)的符号，当\(\sigma\)为偶排列时，\(\text{sgn}(\sigma) = 1\)；当\(\sigma\)为奇排列时，\(\text{sgn}(\sigma) = -1\)。
二、行列式的性质
行列式具有以下性质：
- 交换律：行列式中任意两行（或两列）交换，行列式的值变号。
- 拉普拉斯展开：行列式可以按照某一行（或某一列）展开，即将该行（或列）的每个元素的代数余子式与该元素的乘积之和。
- 乘积性质：若方阵\(A\)与\(B\)的阶数相同，则行列式\(|AB| = |A| \cdot |B|\)。
- 零因子性质：若方阵\(A\)中有一行（或一列）全为零，则行列式\(|A| = 0\)。
三、行列式的计算方法
行列式的计算方法有以下几种：
- 按行（或列）展开：利用拉普拉斯展开，按照某一行（或某一列）展开计算。
- 按行（或列）对换：通过交换行（或列）使得某一行（或某一列）中的元素较为简单，然后计算。
- 行列式的递推关系：利用行列式的性质，将高阶行列式转化为低阶行列式。
四、例题解析
例题1：计算3阶行列式
计算行列式：
\[ \begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{bmatrix} \]
解：按照第二行展开计算：
\[ |A| = 5 \cdot (-1)^{2+2} \cdot \begin{vmatrix} 1 & 3 \\ 7 & 9 \end{vmatrix} + 6 \cdot (-1)^{2+3} \cdot \begin{vmatrix} 1 & 3 \\ 4 & 9 \end{vmatrix} + 4 \cdot (-1)^{2+1} \cdot \begin{vmatrix} 2 & 3 \\ 4 & 9 \end{vmatrix} \]
\[ = 5 \cdot (1 \cdot 9 - 3 \cdot 7) + 6 \cdot (1 \cdot 9 - 3 \cdot 4) + 4 \cdot (2 \cdot 9 - 3 \cdot 4) \]
\[ = 5 \cdot (-6) + 6 \cdot (-3) + 4 \cdot (18 - 12) \]
\[ = -30 - 18 + 24 \]
\[ = -24 \]
所以，\(|A| = -24\)。
例题2：判断线性方程组的解的情况
已知线性方程组：
\[ \begin{cases} x + 2y + 3z = 4 \\ 2x + 4y + 6z = 8 \\ 3x + 6y + 9z = 12 \end{cases} \]
求解方程组的解的情况。
解：将方程组写成增广矩阵形式，并计算增广矩阵的行列式：
\[ \begin{bmatrix} 1 & 2 & 3 & 4 \\ 2 & 4 & 6 & 8 \\ 3 & 6 & 9 & 12 \end{bmatrix} \]
\[ |A| = 0 \]
由于增广矩阵的行列式等于0，说明原方程组有无穷多解。
结论
本文详细介绍了方阵行列式的概念、性质和计算方法，并结合例题进行了解析。通过学习本文，读者可以更好地理解行列式的应用，并在实际计算中运用相应的技巧。