线性代数(18)——行列式(上)

行列式概念

行列式是方阵的一个属性，在之前对矩阵的理解是“矩阵是一组向量”每一列对应着一个向量，而方阵表示的是$n$个$n$维向量。

行列式是一个数字，以二维空间为例，下面的三组基向量都是构成二维空间的向量，

构成这三个二维坐标系的向量围成的面积就是行列式。继续深入到三维、四维至$n$维空间，行列式可以理解为构成这些空间所用的基向量围成的体积。与矩阵不一样的是，行列式中每一行是一个向量。与一般的面积和体积不一样的是，行列式的值可以是负数，理解为一个有向的面积或体积。

行列式求法

二维空间为例

两个二维向量构成的是二维坐标系，

对应有一个行列式，有两种表示形式
$det\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)$或$\left|\begin{array}{cc}a& b\\ c& d\end{array}\right|$
依据求平行四边形面积的过程推导二维空间的行列式的计算，

即主对角线元素乘积减去副对角线元素乘积(仅限二维，高维度矩阵计算更复杂)。
$$\begin{gathered} \left|\begin{array}{cc}a& b\\ c& d\end{array}\right|=ad-bc \\ \left|\begin{array}{cc}c& d\\ a& b\end{array}\right|=bc-ad \\ \left|\begin{array}{cc}a& b\\ c& d\end{array}\right|=-\left|\begin{array}{cc}c& d\\ a& b\end{array}\right| \end{gathered}$$
行列式表示向量组在空间中形成的有向体积。

三阶及以上行列式

更高维度的行列式是不容易使用上面的过程推导的，三阶行列式对应的六面体需要空间几何的运算，更高维度的体积无法可视化，推导的难度更大。

行列式表示向量组在空间中形成的有向体积，在行列式中，每一行都是向量，且向量排列的顺序是有意义的，交换两行，则行列式的值取反。

行列式的四个基本性质

1. 标准单位向量的行列式值为1。
2. 交换行列式的两行，则行列式的值取反。
   以二维空间为例，行列式可以理解为两个二维向量围成的有向面积。如果将向量取反，则相当于把围成的面积翻面，方向与原先相反，故行列式的值也是相反的。
3. 方阵的某一行乘以一个数$k$，则其对应的行列式也缩放了$k$倍
   $$\left|\begin{array}{cc}ka& kb\\ c& d\end{array}\right|=k\left|\begin{array}{cc}a& b\\ c& d\end{array}\right|$$
   以下面的向量为例，$(a,b)$向量在其方向上延伸了两倍，相应围成的面积绿色表示，是之前蓝色面积的两倍。
   
   这一点一定与矩阵相区分，一个矩阵$A$与一个常数$k$之间的乘积 $k\cdot A$结果是矩阵$A$中所有的元素都变为之前的$k$倍，而不是某个列向量变为之前的$k$倍。
   即
   $$det(k\cdot A)=k^{n}det(A)$$
4. 如果行列式某一行加上一行数，有
   $$\left|\begin{array}{cc}a+a^{\prime }& b+b^{\prime }\\ c& d\end{array}\right|=\left|\begin{array}{cc}a& b\\ c& d\end{array}\right|+\left|\begin{array}{cc}{a}^{\prime }& b^{\prime }\\ c& d\end{array}\right|$$
   
   证明如下，
   $$\begin{gathered} left=(a+a^{\prime })d-(b+b^{\prime })c=ad+a^{\prime }d-bc-b^{\prime }c \\ right=ad-bc+a^{\prime }d-b^{\prime }c \end{gathered}$$

行列式与矩阵的逆

行列式与矩阵的逆的关系与行列式的性质密切相关。

行列式性质延伸

1. 在此处先提出另一条行列式的特性，如果行列式的某两行相同，则行列式的值为0。具体的证明如下，
   
   除了使用代数形式推导，也可以通过空间想象的方式得到结论。因为两个向量相等，方阵构成的空间由原先的$n$维变为$n-1$维，缺少一维的情况下向量在$n$维空间所围成的有向体积就不存在了。
2. 如果行列式的一行是另一行的$k$倍，则行列式的值为0
3. 如果行列式有一行是零向量，则行列式的值为0

实际上第一条和第三条性质是第二条性质的特殊情况，分别对应$k=1$和$k=0$的两种情况。

三个性质可以总结归纳为如果行列式的一行是其他行的线性组合，则该行列式的值为0。可以理解为，行列式蕴含了一行没有额外信息的向量。通过下面的简单例子提出证明，

行列式与矩阵的逆

行列式形成一个向量组，
$$如果这组向量线性相关，则行列式值为0⟺矩阵不可逆$$
$$如果这组向量线性无关，则行列式值为0⟺矩阵可逆$$
由此，与矩阵可逆等价的命题又新增了一条，具体总结如下，