线性代数-行列式到余子式

——课本中的行列式

实际上，在我所学的课本里，线性代数的开篇便是行列式，随即而来的逆序数，各类性质和计算公式等。我不能说没有其道理，但是我的确认为这样开篇着实会使很多同学陷入迷糊，甚至对这门学科产生厌学心理。与此同时，我也不清楚，什么时候说这个内容最好，那就随之思考前进。

——如何定量的去描述矩阵变换的一些性质

前面我们从向量说到了矩阵，我们把矩阵乘法作为线性变换的一种物理体现方式进行了探讨和总结。但实际上我们是定性分析的，若矩阵是一种线性变换，这个变换，变换了哪些东西？变换了多少呢？这个问题我们在这里就尝试去解决它。

还记得前面向量那一节提到的向量内积、外积的一些介绍吗？以及矩阵乘法中计算结果的数值含义吗？1.矩阵乘法 AB = C 可以是对矩阵B的向量按照A坐标进行权值相加。而矩阵C同样的可以用外积算出一个值，其大小就是矩阵C向量组组成的平行四边形的面积。这里C的面积与A、B的面积有什么关系呢？从矩阵乘法的“乘”字上，及上面的计算方式上，我们可以猜测其大小等于A的面积乘以B的面积。下面我们就来验证以下。

我们先证明一个性质，在这之后会简单许多：根据向量内积里我们提到的"功"的概念，对于两个向量L(1，1),M(1，0)。我们将其中一个向量的任意倍加到另一个向量上，其外积如何变化？仅从做功的角度理解（L是力，M是位移），也会发现我们相当于加了另一把力L'，其做功均是有效功（与M方向一致），故外积（虚功）是不变的。当然我们也可从几何上去推导。因此，任意向量组总是可以分解（合成）到坐标轴上（暂不考虑不满秩的问题，这里考虑以后的对角化问题）。

即将矩阵的其中一个向量加上另一个向量的N倍，其外积不变。

且若一批矩阵[A,A1,A2,B,B1,B2...]，他们分解到坐标轴上的坐标积的绝对值是相同的，则它们的内积是相同的。进一步的，若用矩阵C乘以这批矩阵中的任意一个。其结果就是对C的基底进行相应的伸缩，其大小变化倍数就是矩阵的向量外积大小。

此时我们可以将矩阵的外积看作变换大小的属性，其值写作行列式。写作：

上面我们以二维为例子，若是三维甚至更高维度，是否仍然具有行列式这个表大小的属性了呢？类比的，我们以高维体积作为面积（外积）的推广。

现在，我们还是要证明一个性质，以三维为例，若L(1，1，0)，M(1，0，0)，N（x，y，z）。对于这三个向量组成的立方体，其行列式为：。从图像上我们可以看出，其体积仅与z坐标有关（底面积已经是固定了的，且由于L、M的z坐标均为0，故高平行z轴）（可以想到的是，其就是等于z坐标轴（0，0，1）加上向量L与向量M组合）。其值也就是L与M组成的面积，乘以z得到的体积。计算方式上可以看作为z乘以L、M在X,Y轴的二维矩阵的行列式。此时这个二维矩阵便可以看作为向量N在z轴上的余子式。若L,M并不只是在x，y轴上有数值呢？如：L（1，1，z1），M（1，0，z2），N（x，y，z），其行列式为：。通过分解，我们可以将其分解为：。对于后面分解的三个行列式，很容易的算出其值，分别就是z1,z2,z的余子式之和。

通过上面的理解和推导，我们已经理解了部分行列式的代数意义，以及余子式的意义与作用。但是由于按照这种分解方式计算时，实际上是在不同方向上计算体积，其值会有正负号差异，故我们需要将它变化为都在同一个底平面上的体积处理，故在计算时要使用代数余子式，需要进行行列变换，有规律的最多的次数变换的次数是i+j次。