线性代数核心基础：行列式的定义、性质与计算方法
基本定义与完全展开逻辑
行列式是由行数与列数相等的方阵映射得出的一个标量值，本质上反映了线性变换对空间体积的缩放比例。对于n阶方阵，其数值可通过完全展开式求得，即所有取自不同行、不同列的n个元素乘积的代数和。
展开式中每一项的符号由列标排列的奇偶性决定，核心概念如下：
- 逆序数：在给定排列中，若某个数字前方存在比它更大的数字，则构成一个逆序。统计整个排列中逆序的总对数，即为该排列的逆序数。
- 排列奇偶性：逆序数为偶数时称为偶排列（对应正号），为奇数时称为奇排列（对应负号）。
核心运算规则与零值判定条件
熟练运用行列式的代数性质可大幅降低计算复杂度。主要运算规律包括：
- 矩阵进行转置操作，行列式数值保持不变。
- 互换任意两行或两列，结果符号取反。
- 若某行（或列）的所有元素均包含公共因子k，则k可提取至行列式符号之外。
- 当某行（或列）元素可拆分为两项之和时，原行列式等价于两个新行列式的和。
- 将某行（或列）的k倍累加至另一行（或列），行列式的值不发生改变（高斯消元法的理论基础）。
满足以下任一条件时，行列式的值必然为0：
- 存在完全相同的两行或两列。
- 某一行或列的元素全部为0。
- 任意两行或两列的元素呈线性比例关系。
代数余子式与降阶展开定理
高阶行列式通常采用降阶策略求解。针对矩阵中的元素 $a_{ij}$：
- 余子式 $M_{ij}$：删除该元素所在的第i行与第j列，剩余元素保持原相对位置构成的(n-1)阶行列式。
- 代数余子式 $A_{ij}$：余子式乘以符号修正因子 $(-1)^{i+j}$。
按行（列）展开定理：n阶行列式的值等于任意选定行（或列）中各元素与其对应代数余子式乘积的总和。
正交性质（异乘变零）：某行元素与另一行对应位置的代数余子式相乘后求和，结果恒为0。该性质在推导伴随矩阵及逆矩阵时至关重要。
特殊矩阵结构与高效求值技巧
针对特定形态的矩阵，可直接应用结论避免逐项展开：
- 三角型行列式：上三角或下三角矩阵的行列式等于主对角线上所有元素的乘积。
- 反三角型行列式：非零元素集中在副对角线的矩阵，其值为副对角线元素乘积乘以符号系数 $(-1)^{\frac{n(n-1)}{2}}$（n为阶数）。
拉普拉斯（Laplace）分块展开：选取k行与k列交叉形成的k阶子式，乘以其对应的余子式，并附加符号因子 $(-1)^{\sum \text{行索引} + \sum \text{列索引}}$。工程与考试中常见的分块矩阵结论如下：
// 主对角分块形态（Q、S为任意兼容维度的子块）
| P Q | | P 0 |
| 0 R | 或 | S R | => det = det(P) × det(R)
// 副对角分块形态（P为m阶，R为n阶）
| Q P | | 0 P |
| R 0 | 或 | R S | => det = det(P) × det(R) × (-1)^(m×n)
范德蒙德（Vandermonde）行列式
该结构具有严格的递推规律，其闭合解为所有后项底数减去前项底数的连乘积：
| 1 1 ... 1 |
| v1 v2 ... vn |
| v1^2 v2^2 ... vn^2 | = ∏ (vj - vi) (约束条件: 1 ≤ i < j ≤ n)
| ... ... ... ... |
| v1^(n-1) v2^(n-1) ... vn^(n-1)|
数值演算示例：设底数序列为 $v_1=5, v_2=2, v_3=6$，则三阶范德蒙德行列式的计算过程为：
(2 - 5) × (6 - 5) × (6 - 2) = (-3) × 1 × 4 = -12
克莱姆（Cramer）法则与线性方程组求解
对于包含n个方程与n个未知量的线性系统，记系数矩阵的行列式为 $D$：
- 非齐次方程组：若 $D \neq 0$，系统存在唯一解。第k个未知量的解为 $x_k = D_k / D$，其中 $D_k$ 表示将系数矩阵第k列替换为方程右侧常数项列向量后生成的新行列式。
- 齐次方程组：$D \neq 0$ 是系统仅有平凡解（全零解）的充要条件。若系统存在非零解，则必然满足 $D = 0$。
