如评论中所述，如果您必须精确计算整数矩阵的行列式，Bareiss 算法是更好的选择。

当涉及到实数（浮点数）或复数矩阵时，要理解的要点是计算行列式不是一项常见任务。在科学计算中，行列式通常是一个错误的选择：无论你想做什么，通常都有一个更快、更稳定的选择，而不涉及它们。想知道矩阵是奇异的还是找到它的秩？使用 SVD 或 RRQR。想解决线性系统？使用 LU，而不是 Cramer 的规则。想要计算特征值？使用 QR/Francis 算法，而不是特征多项式。

此外，溢出和下溢通常是不鼓励使用行列式的实际问题（练习：使用您最喜欢的编程语言来计算）。另请参阅我在 [math.se] 上的这个答案，它有类似的论点。$\det(0.1 I_{350\times 350})$

所以对他们的计算兴趣不大。LU 更常用，因为它不仅仅计算行列式，而且通常“更多”是您首先要计算行列式的原因。据我所知，Bareiss 算法是一种“一招式小马算法”：它计算行列式，仅此而已。

因此，当您在此站点上询问有关决定因素的问题时，您得到的第一条评论是“但是，您真正需要它做什么？”也就不足为奇了。:)