本篇引入行列式，通过行列式求解方程组 Ax = b。此外，介绍了行列式的几何意义。
学习这件事，不是缺乏时间，而是缺乏努力。
行列式原始定义是由莱布尼兹引入的。
下面从现代角度引入行列式。行列式 (Determinant) 是一个函数，将 n x n 的矩阵 A 映射到一个标量，记做 det(A) 或 |A|。
下面尝试用最小的性质 (基本性质) 定义出矩阵的行列式。
1. det I = 1 ( 单位矩阵行列式为 1)。
2. 交换行(列)，行列式变号。
3. 行列式满足行 (列) 线性运算。
性质 1, 2 比较理解。下面说明性质 3。
需要注意的是：必须是同一行(或列)。
利用以上 3 条性质，可得出一系列推论。
4. 置换矩阵 ( 性质 1+2 推论 )
5. 若方阵两行相等，则行列式为 0 (性质 2 推论)。
6. 将方阵的某一行（列）乘以常数 k 后加到另一行（列）上去 (基本变换 3) 不改变行列式 (性质 3 推论)。
7. 上三角矩阵：
推论 6 推论，使用基本变换3，最终可得到对角阵，然后利用性质 3，得之。
有了上述性质，尝试计算行列式。先看简单的情形 ( 2 x 2)。
思路一：利用消元法
思路二：利用性质 3 (这种思路比较通用)
先按照 第一行 线性展开，然后按照 第二行 展开。去除无用的行列式(行列式为0) ：
同样的思路，考察 3 x 3 矩阵。先按照 第一行 展开，然后 第二行 展开，最后 第三行 展开，最终得到 3 x 3 x 3 = 27 行列式之和。最终有效的只有如下 6 个矩阵。
最终得到 ：
det( A ) = 
不难归纳得出：
逆序数计算规则：
从左到右依次计算每个数的右侧比它小的个数，称为逆序数。
比如：sgn(412563) = 3 + 0 + 0 + 1 + 1 + 0 = 5。
继续考察 3x3 情形，进行分组，得到：
引入了代数余子式的概念。
定义： a_ij 的代数余子式：将原行列式的第 i 行和第 j 列抹去，剩下 (n-1) x (n-1) 阶行列式 C_ij，其中 C_ij 的符号为 (-1)^(i+j)。
那么，沿着第一行展开后的行列式定义为：
不难推广，可以沿着任一行(列)进行展开。
总结：目前介绍了三种方式求解矩阵的行列式的方法。
1. 消元法。det (A) 为主元的乘积；
2. 直接利用行列式表达式，即为 n! 项之和。
3. 利用代数余子式。
求解方程组，本质是在求解 A 的逆矩阵。行列式提供了一种思路。
先看两个式子：
式 1 不难理解，就是行列式的代数余子式求法。
式 2 可以从右往左理解。假定第 i 行 和第 j 行相同，此矩阵的行列式为0。按第 j 列展开得到左边的式子。
综上，得到：
进一步得到：
显然，我们已经解出来 A 的逆。
注意：是 C 的转置。
克莱默法则(Cramer's Rule)
观察 x 每个分量，
那么，其实就是原始矩阵的行列式(按照第 1 列展开)
其它分量：
理论上很简洁，但计算上并不方便。程序中依然采用高斯消元法。
先给出二维情形，
由向量 (1, 0) 和 (0, 1) 构成一个正方形，那么 det (I) = 1 = 正好等于面积。
定义了向量 (a, c) 和 (b, d) 构成的面积。面积 = det (A)。
同理，三维情形就是体积(三维面积)。
推广：N 个 向量张成的一个 N 维广义四边形的面积，即为行列式 (行列式的几何意义)。
之前说过，A x 可以表示一种线性变换，即为 n 维空间到 n 维空间的线性变换。
那么行列式可以表示为：线性变换的(面积)放大率。
A I = A => 结合 面积论，A 的面积 = det(A)(看成放大倍数) x 面积(I) = det(A) x 1 = det (A)
使用放大倍数，很容易理解：
det(A) x det(B) = det(AB)
det(B) x det(A) = det(BA)
det(AB) = det(BA)
det(A A^-1) = det(A) x det(A^-1) = det(I) = 1
det(A^-1) = 1 /det(A)
自然想到：如果 det(A) = 0 的情形， det(A^-1) = 1 /det(A) = ∞， 说明 A 没有逆矩阵。这样导致 n 维面积为 0(当然 n -1 维面积不一定为0， 比如 三维体积会经过 A 的变换会坍塌成二维，体积为 0)。
结论： A 是奇异矩阵 = A 不可逆 = det(A) = 0。
本文转载自我师弟的公众号，在此谢过！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
