线性代数： 行列式的魔法：从历史到几何，一次性讲透！

0. 学前趣闻

行列式的符号为什么$|A|$

1. 历史起源

   • 行列式最早由日本数学家关孝和于1683年在研究方程组时发现
   • 但用两条竖线表示行列式的记号 $|A|$ 是由柯西（Cauchy）在1812年首次引入

2. 符号选择的原因

   • 直观性：竖线 $|$ 在视觉上像一个"围栏"或"边界"，暗示着它包含了一个完整的数学对象
   • 区分性：需要一个符号能够清晰地与普通括号 $()$、方括号 $[]$ 区分开
   • 几何意义：两条竖线也可以理解为"测量"的含义，因为行列式在几何上表示面积或体积

3. 其他常见表示方法
   $$det(A)=det\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)=\left|\begin{array}{cc}a& b\\ c& d\end{array}\right|$$

4. 符号的演变

   • 最初期：使用 ∑ 符号表示行列式中元素的求和
   • 中期：使用 D 或 Det 表示
   • 现代：统一使用 $|A|$ 或 $det(A)$

5. 使用这个符号的优势

   • 简洁明了
   • 书写方便
   • 容易与矩阵的其他运算区分
   • 在手写时不容易出错

这个符号的选择体现了数学符号的一个重要原则：既要简单易用，又要富有意义。$|A|$ 这个符号完美地满足了这两个要求。

行列式中的'代表什么，比如A’

使用A’（读作"A prime"）是数学中的一种常见符号约定：

• 撇号（'）通常用来表示对某个对象进行了变换或修改
• 在矩阵运算中，它特别用来表示经过初等变换后的矩阵
• 这种记号简洁明了，能够清晰地表达出这是原矩阵的一个变体

矩阵A’是通过对某个原始矩阵A进行行变换得到的。具体来说：

1. 第一行保持不变: $$[ab]$$

2. 第二行是通过将第一行的k倍加到原始第二行上得到的:
   $$[cd]+k[ab]=[c+kad+kb]$$

这种变换的意义在于：

1. 它保持了矩阵的行列式不变
2. 这是求解线性方程组时常用的一种基本行变换
3. 在高斯消元法中经常使用这种变换来简化矩阵

0. 温馨提示： 文章的番外才是核心！！

1. 什么是行列式？

行列式是一个重要的数学概念，它将方阵映射到一个标量。对于一个 n×n 的方阵，其行列式是一个数字，记作 $det(A)$ 或 $|A|$。

简单的例子

对于2×2矩阵：
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$

其行列式为：
$$|A|=ad-bc$$

2. 几何意义

行列式有重要的几何意义：

• 2×2矩阵的行列式表示对应平行四边形的面积
• 3×3矩阵的行列式表示对应平行六面体的体积
• 行列式的正负表示变换是否改变了坐标系的朝向

3. 行列式的性质

4. 行列式为零的意义

   • 矩阵行列式为0，表示矩阵是奇异的（不可逆）
   • 对应的几何变换会导致降维

5. 基本性质
   $$|AB|=|A|\cdot |B|$$
   $$|A^T|=|A|$$

6. 行列式与矩阵运算

   • 某行（列）乘以k，行列式变为原来的k倍
   • 互换两行（列），行列式变号
   • 某行（列）的k倍加到另一行（列），行列式不变

4. 计算方法

4.1 二阶行列式

对于2×2矩阵：
$$\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{12}{a}_{21}$$

4.2 三阶行列式

对于3×3矩阵：
$$\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

可以用萨吕法则计算：
$$|A|=a_{11}{a}_{22}{a}_{33}+a_{12}{a}_{23}{a}_{31}+a_{13}{a}_{21}{a}_{32}-a_{13}{a}_{22}{a}_{31}-a_{12}{a}_{21}{a}_{33}-a_{11}{a}_{23}{a}_{32}$$

5. 应用实例

5.1 克莱姆法则解方程组

对于方程组：
$$\{\begin{array}{l}{a}_{11}x+a_{12}y=b_1\\ a_{21}x+a_{22}y=b_2\end{array}$$

解为：
$$x=\frac{|A_x|}{|A|},y=\frac{|A_y|}{|A|}$$

其中：
$$|A|=\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|$$

博主文章导航： [[10-03-克莱姆法则解方程组]]

5.2 求逆矩阵

对于2×2矩阵，其逆矩阵可以用行列式表示：
$$A^{-1}=\frac{1}{|A|}\left[\begin{array}{cc}{a}_{22}& -a_{12}\\ -a_{21}& a_{11}\end{array}\right]$$
[[10-04-行列式与矩阵求逆]]

6. 练习例题

例1：计算行列式
$$\left|\begin{array}{cc}2& 1\\ 3& 4\end{array}\right|$$

解：
$$|A|=(2\times 4)-(1\times 3)=8-3=5$$

例2：使用行列式求解方程组
$$\{\begin{array}{l}3x+2y=12\\ x-2y=0\end{array}$$

解：
$$|A|=\left|\begin{array}{cc}3& 2\\ 1& -2\end{array}\right|=-8$$

7. 注意事项

7. 计算行列式时要注意正负号
8. n阶行列式有n!项
9. 行列式为0时，对应矩阵不可逆
10. 计算高阶行列式时，可以使用降阶方法

行列式是线性代数中的基础概念，掌握它对于理解矩阵运算、线性变换和解线性方程组都非常重要。

番外

番外零： 为什么是$|A|=ad-bc$

1. 几何意义解释

   行列式 $|A|$ 代表由矩阵的两个行向量所构成的平行四边形的有向面积：

   • 第一个向量是 $(a,b)$
   • 第二个向量是 $(c,d)$
   • 平行四边形的面积可以通过叉积计算：$ad-bc$

2. 代数推导
   对于2×2矩阵，行列式可以通过对角线法则得到：
   $$\left|\begin{array}{cc}a& b\\ c& d\end{array}\right|$$

   • 主对角线乘积：$a\times d=ad$（正号）
   • 副对角线乘积：$b\times c=bc$（负号）
   • 相减得到：$ad-bc$

3. 排列理论解释
   行列式的定义来自于排列：

   • 对于2×2矩阵，只有两种排列：$(1,2)$ 和 $(2,1)$
   • $(1,2)$ 是偶排列，对应 $ad$（正号）
   • $(2,1)$ 是奇排列，对应 $bc$（负号）
   • 所以最终结果是 $ad-bc$

4. 为什么不是其他形式

   • $ad+bc$ 不能保持行列式的性质（如行交换改变符号）
   • $ac-db$ 不能保持面积的几何意义
   • 只有 $ad-bc$ 同时满足：
     • 几何性质（面积）
     • 代数性质（行交换改变符号）
     • 线性性质（分配率）

这就是为什么2×2矩阵的行列式必须是 $ad-bc$ 的形式，因为只有这种形式才能同时满足行列式的所有必要性质。

番外一： $|AB|=|A|\cdot |B|$ 为啥成立？

1. 首先，对于2×2矩阵的情况

设：
$$A=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right],B=\left[\begin{array}{cc}{b}_{11}& b_{12}\\ b_{21}& b_{22}\end{array}\right]$$

计算 $AB$：
$$AB=\left[\begin{array}{cc}(a_{11}{b}_{11}+a_{12}{b}_{21})& (a_{11}{b}_{12}+a_{12}{b}_{22})\\ (a_{21}{b}_{11}+a_{22}{b}_{21})& (a_{21}{b}_{12}+a_{22}{b}_{22})\end{array}\right]$$

那么：
$$|AB|=(a_{11}{b}_{11}+a_{12}{b}_{21})(a_{21}{b}_{12}+a_{22}{b}_{22})-(a_{11}{b}_{12}+a_{12}{b}_{22})(a_{21}{b}_{11}+a_{22}{b}_{21})$$

展开后：
$$|AB|=(a_{11}{a}_{22}-a_{12}{a}_{21})(b_{11}{b}_{22}-b_{12}{b}_{21})=|A|\cdot |B|$$

2. 几何解释

让我通过可视化来解释这个性质：

1. 这个性质的意义

   这个性质告诉我们：

   • 如果矩阵A将面积放大了$|A|$倍
   • 矩阵B将面积放大了$|B|$倍
   • 那么它们的组合变换将面积放大了$|A|\cdot |B|$倍

2. 重要应用

这个性质有很多重要应用：

a) 求逆矩阵时：
$$|A^{-1}|=\frac{1}{|A|}$$
因为 $|A{A}^{-1}|=|A||A^{-1}|=1$

b) 检验矩阵乘法计算：

• 如果计算 $AB$ 时
• 可以分别计算 $|A|$、$|B|$ 和 $|AB|$
• 验证是否满足 $|AB|=|A|\cdot |B|$

c) 判断可逆性：

• 如果 $|AB|=0$
• 那么要么 $|A|=0$，要么 $|B|=0$
• 或者两者都为0

3. 推广到高阶矩阵

这个性质对于任意 n×n 矩阵都成立：

• 3×3矩阵：表示体积的变化
• 更高维：表示超体积的变化

理解这个性质很重要，因为它：
4. 建立了矩阵乘法和几何变换之间的联系
5. 简化了复杂矩阵运算的验证
6. 帮助理解线性变换的复合效果

番外二：为什么 $|A^T|=|A|$ 成立。

1. 先看2×2矩阵的例子

原矩阵 $A$：
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$

转置后 $A^T$：
$$A^T=\left[\begin{array}{cc}a& c\\ b& d\end{array}\right]$$

计算它们的行列式：

• $|A|=ad-bc$
• $|A^T|=ad-cb=ad-bc$

可以看到 $|A^T|=|A|$

2. 为什么这个性质成立？

7. 几何意义解释

   • 矩阵 $A$ 的行列式表示由其列向量构成的平行四边形的面积
   • 矩阵 $A^T$ 的行列式表示由其列向量（即 $A$ 的行向量）构成的平行四边形的面积
   • 这两个平行四边形实际上是全等的，只是视角不同
   • 因此它们的面积必然相等

8. 代数性质解释
   计算行列式时：

   • $A$ 的行列式按行展开
   • $A^T$ 的行列式按列展开
   • 这两种展开方式得到的结果是相同的

9. 实际应用
   这个性质在很多计算中都很有用：

• 有时候按行计算行列式更容易
• 有时候按列计算行列式更容易
• 这个性质告诉我们可以选择更简单的方式

举个例子：
$$A=\left[\begin{array}{cc}2& 1\\ 3& 4\end{array}\right]$$

$$A^T=\left[\begin{array}{cc}2& 3\\ 1& 4\end{array}\right]$$

两者的行列式都是：
$$|A|=|A^T|=(2\times 4)-(1\times 3)=8-3=5$$

这个性质说明矩阵转置不会改变其行列式的值，这在矩阵理论和实际应用中都是一个非常重要的性质。

番外三：某行（列）乘以k，行列式变为原来的k倍

1. 通过2×2矩阵来理解

原矩阵：
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$

将第一行乘以 k：
$$A^{\prime }=\left[\begin{array}{cc}ka& kb\\ c& d\end{array}\right]$$

计算行列式：
$$|A^{\prime }|=(ka\cdot d)-(kb\cdot c)=k(ad-bc)=k|A|$$

2. 几何意义

从几何角度看：

• 行列式代表平行四边形的面积
• 将某一行（列）乘以k，相当于将平行四边形沿着一个方向拉伸k倍
• 面积自然也变为原来的k倍

3. 实际例子

以一个具体的2×2矩阵为例：
$$A=\left[\begin{array}{cc}2& 1\\ 3& 4\end{array}\right],|A|=5$$

将第一行乘以2：
$$A^{\prime }=\left[\begin{array}{cc}4& 2\\ 3& 4\end{array}\right],|A^{\prime }|=10=2|A|$$

4. 这个性质的应用

这个性质在实际计算中很有用：

• 可以将分数变成整数

  比如：
  |1/2  1|    1   |1  2|
  |3    4| = 2 * |3  4|
  

• 可以提取公因子简化计算
• 帮助判断行列式的大小关系

5. 注意事项

• 这个性质对任意行或列都成立
• 可以同时应用于多行或多列
• 如果k=0，行列式变为0
• 如果k为负数，也成立，但要注意符号

这个性质的理解对于：
10. 简化行列式计算
11. 理解线性变换
12. 解线性方程组
都很重要。

番外四：行列式互换两行（列），行列式变号

1. 几何解释

• 行列式的几何意义是有向面积
• 交换两行（列）相当于改变了基向量的方向
• 这导致定向发生改变（从逆时针变为顺时针，或反之）
• 定向改变意味着面积符号改变

2. 代数验证

以2×2矩阵为例：
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right],|A|=ad-bc$$

交换两行后：
$$A^{\prime }=\left[\begin{array}{cc}c& d\\ a& b\end{array}\right],|A^{\prime }|=cb-ad=-(ad-bc)=-|A|$$

13. 实际例子
    $$\left|\begin{array}{cc}2& 1\\ 3& 4\end{array}\right|=5$$

交换两行：
$$\left|\begin{array}{cc}3& 4\\ 2& 1\end{array}\right|=-5$$

14. 重要应用
    这个性质在以下情况很有用：

• 计算行列式时调整行（列）的位置
• 判断排列的奇偶性
• 解线性方程组时的变换

15. 注意事项

• 连续交换两次相同的行（列），行列式回到原值
• 交换n次，符号变化n次
• 这个性质对任意维度的矩阵都成立

这个性质反映了行列式的一个基本特征：它不仅描述了大小，还描述了方向。

番外五：某行（列）的k倍加到另一行（列），行列式不变

让我通过几何和代数两种方式来解释为什么某行（列）的k倍加到另一行（列），行列式不变。

1. 代数证明

对于2×2矩阵，设：
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$$

将第一行的k倍加到第二行：
$$A^{\prime }=\left[\begin{array}{cc}a& b\\ c+ka& d+kb\end{array}\right]$$

计算新的行列式：
$$|A^{\prime }|=a(d+kb)-b(c+ka)=ad+kab-bc-kab=ad-bc=|A|$$

2. 几何解释

• 原始平行四边形由两个向量确定
• 向一个向量加上另一个向量的k倍，相当于沿着这个方向做剪切变换
• 剪切变换保持平行四边形的面积不变

3. 实例说明

以具体矩阵为例：
$$\left|\begin{array}{cc}2& 1\\ 3& 4\end{array}\right|=5$$

将第一行的2倍加到第二行：
$$\left|\begin{array}{cc}2& 1\\ 7& 6\end{array}\right|=5$$

16. 这个性质的应用

• 在高斯消元法中经常使用
• 简化行列式计算
• 解线性方程组时的基本变换

17. 为什么这个性质很重要

• 它是初等行变换的基础
• 可以用来将矩阵化简为更容易计算的形式
• 在线性方程组求解中起关键作用

这个性质说明了行列式在某些变换下的不变性，这对于矩阵计算和线性代数的应用都非常重要。

番外六： 三阶行列式计算规律

萨吕斯法则的核心思想

三阶行列式：
$$D=\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|$$

计算步骤和技巧

1. 记忆技巧：行列式右侧重复抄写前两行

   | a₁₁ a₁₂ a₁₃ | a₁₁ a₁₂ a₁₃
   | a₂₁ a₂₂ a₂₃ | a₂₁ a₂₂ a₂₃
   | a₃₁ a₃₂ a₃₃ | a₃₁ a₃₂ a₃₃
   

2. 正项计算（蓝色对角线）：

   • 主对角线：$a_{11}{a}_{22}{a}_{33}$
   • 右斜对角线：$a_{12}{a}_{23}{a}_{31}$
   • 左斜对角线：$a_{13}{a}_{21}{a}_{32}$

3. 负项计算（红色对角线）：

   • 右侧负对角线：$a_{13}{a}_{22}{a}_{31}$
   • 中间负对角线：$a_{11}{a}_{23}{a}_{32}$
   • 左侧负对角线：$a_{12}{a}_{21}{a}_{33}$

实际例题演示

计算下面的行列式：
$$D=\left|\begin{array}{ccc}2& 1& -1\\ 3& 0& 2\\ 1& -1& 4\end{array}\right|$$

解题步骤：

4. 先写出完整的展开式：

   2  1  -1 | 2  1
   3  0   2 | 3  0
   1  -1  4 |
   

5. 计算正项（蓝色对角线）：

   • $2\cdot 0\cdot 4=0$
   • $1\cdot 2\cdot 1=2$
   • $(-1)\cdot 3\cdot (-1)=3$
   • 正项和 = $0+2+3=5$

6. 计算负项（红色对角线）：

   • $(-1)\cdot 0\cdot 1=0$
   • $2\cdot 2\cdot (-1)=-4$
   • $1\cdot 3\cdot 4=12$
   • 负项和 = $0-4+12=8$

7. 最终结果：
   $D=5-8=-3$

使用技巧

1. 对角线追踪法：用手指或笔沿着对角线追踪，避免遗漏或重复
2. 正负区分：正项对角线都是从左上到右下方向，负项对角线都是从右上到左下方向
3. 零元素利用：若行列式中有零元素，优先计算含零元素的对角线（因为乘积必为零）
4. 数字简化：先做乘法，最后统一做加减法，减少计算错误

通过这种可视化的方式和具体的例子，相信你能更好地理解和运用萨吕斯法则。记住，熟能生巧，多做练习才能真正掌握这个技巧。