9 行列式的定义

查看大图

行列式可以理解为线性变换对空间体积的缩放。等于零时，空间被压扁，信息丢失，矩阵不可逆。

查看大图

我会把行列式和几何变化联系起来。只会算数值，不知道它代表什么，后面很容易忘。

在前一篇中，我们讨论了矩阵的转置与逆，这些运算是理解行列式的重要基础。接下来，我们将深入了解行列式的定义。行列式是一个与方阵相关的重要概念，它在许多数学和工程领域中扮演着核心角色，尤其是在解决线性方程组、计算矩阵的逆以及在特征值问题中的应用。

行列式的基本概念

行列式是一个将方阵（n × n 矩阵）映射到一个标量（数值）的函数。我们用 det(A) 或者 |A| 来表示一个方阵 A 的行列式。行列式的值包含了许多有关矩阵的信息，比如矩阵是否可逆、矩阵的体积变换属性等。

查看大图

学习行列式定义时，先看二维面积、三维体积和符号方向，再把它和矩阵可逆、线性相关联系起来。

2x2 矩阵的行列式

考虑一个简单的 2x2 方阵：

$$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$

其行列式 det(A) 或 |A| 定义为：

$$|A| = ad - bc$$

这个结果表示了在二维空间中，由矩阵 A 所定义的平行四边形的面积。此公式的推导可以通过视觉化几何图形来理解。

示例

假设我们有以下矩阵：

$$A = \begin{pmatrix} 3 & 5 \\ 2 & 4 \end{pmatrix}$$

则行列式为：

$$|A| = 3 \cdot 4 - 5 \cdot 2 = 12 - 10 = 2$$

这说明通过该矩阵转换所生成的平行四边形的面积为 2。

3x3 矩阵的行列式

对于一个 3x3 矩阵，行列式的计算稍微复杂一些。设矩阵 B 为：

$$B = \begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{pmatrix}$$

其行列式定义为：

$$|B| = a_{11}(a_{22}a_{33} - a_{23}a_{32}) - a_{12}(a_{21}a_{33} - a_{23}a_{31}) + a_{13}(a_{21}a_{32} - a_{22}a_{31})$$

示例

考虑矩阵：

$$B = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 1 & 4 \\ 5 & 6 & 0 \end{pmatrix}$$

计算行列式：

$$|B| = 1(1 \cdot 0 - 4 \cdot 6) - 2(0 \cdot 0 - 4 \cdot 5) + 3(0 \cdot 6 - 1 \cdot 5)$$

$|B| = 1(0 - 24) - 2(0 - 20) + 3(0 - 5)$

$|B| = -24 + 40 - 15 = 1$

行列式的几何意义

行列式不仅能够反映矩阵的代数属性，同时也具有几何意义。在线性变换中，行列式可以被视为变换前后的“体积缩放因子”。换句话说，如果一个矩阵的行列式为 0，这意味着它将整个空间“压缩”到一个更低的维度。

查看大图

开始读《行列式的定义》前，可以先看图中从问题到结果的路径。读完后再对照正文，确认自己能不能照着复现。

查看大图

复习《行列式的定义》时，建议把关键概念、操作步骤和可见结果放在同一页里回看。

查看大图

练习《行列式的定义》时，建议把输入条件、处理动作和可见结果写在一起，方便下次复查。

小结

在这一节中，我们定义了行列式，并讨论了其在 2x2 和 3x3 矩阵中的计算方法及其几何意义。接下来，我们将讨论行列式的性质，这些性质将帮助我们更好地理解其在诸多应用中的重要性。行列式的计算虽然看似复杂，但通过不断的实践和案例分析，我们可以掌握这一重要工具。

在下一篇中，请期待我们将深入探讨行列式的性质，为后续的应用奠定坚实的基础。