第 7 章　行列式

7.1动机：变换把面积放大了多少倍

回到第 5 章的观念：矩阵是一个「动作」，会对整个空间做拉伸、旋转、挤压。

想象平面上有一个单位正方形——由两个基向量 (1,0) 和 (0,1) 张成，面积恰好是 1。对它施加矩阵 A 的变换后，这个正方形会变成什么？会变成以 A 的两列为邻边的平行四边形。

关键问题来了：这个平行四边形的面积，是原来单位正方形面积的多少倍？这个倍数，就是行列式。

负号从哪来？如果变换把平面「翻了个面」（比如镜像），平行四边形方向反转，行列式就是负的。绝对值仍是面积倍数，符号记录「是否翻转」。

深化一：为什么「一个数」能概括整个变换

一个自然的疑问：变换把平面各处拉扯得千奇百怪，凭什么一个数就能概括全局的面积变化？答案藏在「线性」二字里。线性变换有三条铁律：网格线变换后仍保持平行、原本等距的仍等距、原点不动。因此任何一块小方格的缩放倍数都和单位方格相同——局部即全局。任意多边形都能切成许多小方格拼出来，每块都放大 det 倍，总面积自然放大 det 倍；带曲边的图形，用越来越细的方格去逼近，取极限后结论不变（这正是微积分「以直代曲」的手法）。所以面积缩放率不是逐点变化的函数，而是一个全局常数——线性性把万千信息压缩成了一个数，这是它给我们的第一份大礼。

这个常数还同时携带定向信息。给平行四边形规定一个「正向」：从第一列向量出发，逆时针扫到第二列向量。变换若保持这个旋向，det 取正；若把平面整个翻了个面（镜像交换了逆时针与顺时针），det 取负。于是行列式 = 缩放倍数 × 方向信号，一个数装下两层信息。三维同理：右手系被保持为正、被翻成左手系为负——工程软件正是靠这个符号检查坐标定义有没有「翻车」。

往高维推广毫无障碍：n 维空间中，单位超立方体被变换成 n 维「超平行体」，其超体积的缩放倍数就是 n 阶行列式。维度在涨，思想不变——「一次抽象、处处适用」，这是线性代数给我们的第二个范本，也是第 10 章线性变换、第 11 章特征值反复借用的直觉。

工程应用：几何软件里的「面积引擎」

例题 1 这套「边向量拼矩阵、取行列式、除以 2」是几何软件计算面积的底层零件：任意多边形都能拆成若干三角形逐个累加（其闭合形式即熟知的「鞋带公式」）。飞行器外形设计中的蒙皮分块面积、开口与加强框区域的面积估算，在几何建模内核里都先化为顶点坐标再走行列式；有限元网格划分时，软件还会用行列式给每个单元「体检」——某三角形单元的 det 接近 0，意味着三个顶点几乎共线、单元退化，后续力学计算会严重失真，必须在建模阶段剔除。「det = 面积缩放」不是课堂装饰，它每天都在生产线上的代码里值班。

辨析：矩阵 ≠ 行列式

初学最易犯的混淆，是把「矩阵」与「行列式」混为一谈。矩阵是一张 m×n 的数表、一个变换，形状讲究匹配；行列式是把方阵压缩成的一个数、一张「体检报告」。矩阵之间可加可乘、有形状约束；行列式就是一个实数，按普通数的规则运算。打个比方：矩阵是机器，行列式是机器铭牌上的功率读数。另一个符号陷阱：det(A) 两侧的竖线与绝对值符号同形不同义，|det(A)| 才是「取绝对值」；读题时先分清写的是哪一种。

记号与读法上再补一句：det(A) 也常记作 |A|（两条竖线夹矩阵），读作「A 的行列式」。看到 |A| 千万别读成「A 的绝对值」——矩阵没有绝对值，方阵的这个记号永远指行列式。

深化二：对比非线性——「全局常数」有多可贵

行列式能当「一个数」用，功劳全在「线性」。作个对照：把平面卷成圆筒（非线性变换），离轴线远的材料被拉伸得多、近的被压缩得少，面积缩放率随位置逐点变化——此时必须逐点记录一个「局部缩放场」（微积分里叫雅可比场，材料力学里就是应变的近亲），再积分才能算出总体效果。线性变换则一步到位：一个常数走天下。「网格保持平行、等距」不是理所当然的恩赐，而是线性给出的特权。理解这一点，就理解了为什么工程仿真总是先把非线性世界「切小」、在每个小块上近似为线性（又一次以直代曲），然后用行列式批量记账——本章的工具，是那台大机器里最小的齿轮。

再想深一层：「基准图形」的选择是自由的吗？我们用单位正方形当基准，换成任何一个面积恰为 1 的图形——单位三角形、单位圆片——缩放倍数会变吗？不会。因为「线性变换把所有图形按同一倍数缩放」，基准选谁，读数都是同一个 det。这种「基准无关性」说明行列式不是「碰巧」与面积挂钩，而是面积缩放这件事的唯一合法度量。往后学多重积分时会再次遇到它：换坐标算面积/体积要乘的「雅可比」，就是坐标变换矩阵的行列式——同一个思想，从课堂一直用到研究院。

7.22×2 行列式：ad − bc 从哪来

现在把这个「面积倍数」精确算出来。设矩阵 A = [[a,b],[c,d]]，它的两列是向量 u=(a,c)、v=(b,d)。变换后的平行四边形，就是以 u、v 为邻边的平行四边形。

平行四边形的面积怎么算？一个漂亮的方法是「叉积」。两个平面向量的叉积（严格说是二维叉积的数值），其绝对值恰好等于它们张成的平行四边形面积：

面积 = | u × v | = | a·d − b·c |

把叉积展开验证一下：u=(a,c)、v=(b,d)，叉积 = a·d − c·b = ad − bc。所以：

举个例子：A=[[3,0],[0,2]]。det(A)=3·2−0·0=6。这矩阵是「横向拉伸 3 倍、纵向拉伸 2 倍」，单位正方形（1×1）确实变成 3×2=6 的矩形，面积正好 6，完全吻合！

深化一：ad − bc 的严格推导（几何 → 三角 → 代数）

公式 ad − bc 不能满足于「背下来」，要看它是怎么长出来的。分两步。

第一步（几何 → 三角）：以 u=(a,c)、v=(b,d) 为邻边的平行四边形，面积 = 底 × 高 = |u|·|v|·sinθ（取 |u| 为底，高就是 |v|·sinθ）。这一步把「面积」翻译成了三角函数。

第二步（三角 → 代数）：消掉 θ。用拉格朗日恒等式（|u×v|² = |u|²|v|² − (u·v)²，二维情形可直接展开复核）：

(a²+c²)(b²+d²) − (ab+cd)² = a²d² + b²c² − 2abcd = (ad − bc)²

于是面积 = |ad − bc|，行列式的绝对值就是平行四边形面积，符号记录定向。推导只用了「展开、合并同类项」，每一步都能亲手复核——数学公式的可信，来自这种可复核性。

另一个视角（消元推导）：对 [[a,b],[c,d]] 做行倍加消元 r₂ ← r₂ − (c/a)r₁，得上三角 [[a,b],[0, d−cb/a]]，det = a(d − cb/a) = ad − bc。这说明「对角线法则」并非魔法记号，而是高斯消元的副产品——它顺便预告了 n 阶行列式的通用算法（7.4 节展开）。

工程应用：坐标系的「翻面检查」

工程软件里定义零件坐标系、标定相机与传感器时，常用一个小行列式做体检：把两三个坐标轴方向向量拼成方阵，det＞0 说明定向没变（二维逆时针、三维右手系），det＜0 说明某个轴定义反了、发生了镜像。镜像错误在装配与加工中是「左右件装反」级别的失误——一个几行的 det 计算，就能在建模阶段把这类隐患拦下来，成本几乎为零。

辨析：行与列的平等（det(Aᵀ) = det(A)）

把矩阵转置再算行列式，值不变：Aᵀ = [[a,c],[b,d]]，det(Aᵀ) = ad − cb = ad − bc = det(A)。二阶直接验证，n 阶同样成立。这带来一个方便：一切对「行」成立的性质对「列」也成立——换列变号、列提公因子、两列相同为零……7.4 节讲性质时可以两边通用，不必背两套。为什么会有这种平等？因为「列向量张成的面积」和「行向量张成的面积」本来就是同一块面积的两个记法。

深化二：剪一刀，面积不变——剪切的直觉

det = 1 的矩阵家族值得单独认识。剪切矩阵 [[1,k],[0,1]] 把正方形推成平行四边形：底不动、顶边横移「k×高」的距离，det = 1×1 − k×0 = 1——面积分毫未变。想象一摞扑克牌在桌面上被推歪：整体形状变了，每张牌的面积、整摞牌的底面积都没变。剪切是「不花体积代价的重排」，这给出平行四边形面积公式的另一条来路：把斜的平行四边形剪两刀、平移补位，拼成同底同高的矩形——ad − bc 正是这次「剪补」的代数记账。后面第 10 章会看到，高斯消元的每一个步骤，本质都是对空间做一串剪切与缩放。

展开选哪一行都行，这值得亲手体验一次。例题 3 的矩阵第二行是 (1, 0, 2)——中间藏着一个 0，按第二行展开只需算两个余子式：det = −1×M₂₁ + 0×M₂₂ − 2×M₂₃ = −1×det[[1,3],[1,2]] − 2×det[[2,1],[4,1]] = −1×(−1) − 2×(−2) = 1 + 4 = 5。与按第一行展开殊途同归，还少算一个余子式。先扫 0、再选行，是展开计算的黄金习惯。

7.33×3 行列式：体积的缩放

到了三维，单位立方体（体积 1）经 3×3 矩阵变换后，变成以三列为邻边的平行六面体。它的体积，就是 3×3 行列式的绝对值。

3×3 行列式怎么算？最常用的是「按行展开」：

det(A) = a·(ei − fh) − b·(di − fg) + c·(dh − eg)

其中 A = [[a,b,c],[d,e,f],[g,h,i]]。看懂规律了吗？它是：

• 取第一行的 a、b、c，正负交替（+ − +）；
• 每个元素乘上「划掉它所在行列后剩下的 2×2 子矩阵的行列式」。

这个「划掉行列取小矩阵」的机制叫 代数余子式，是行列式的通用定义方式，可以一路推广到 n 阶。

例如对角矩阵 [[2,0,0],[0,3,0],[0,0,4]]，det = 2·3·4 = 24——三个方向分别拉伸 2、3、4 倍，体积自然放大 24 倍。这个「对角矩阵行列式 = 对角元相乘」的直觉，非常有用。

深化一：按行展开的机制——体积对每一行都线性

三阶公式 det(A) = a(ei−fh) − b(di−fg) + c(dh−eg) 为什么长这个样子？机制在于体积的「多重线性」：把平行六面体的一条棱向量拆成 k₁w₁ + k₂w₂（底面不动、这条棱是「高」的方向），体积就按系数线性拆成两块——各自是「换一条棱之后的平行六面体」体积。既然体积对每一行（每条棱）都线性，就可以把第一行的 (a,b,c) 逐项拆开，每一项变成「一个数 × 低一阶的体积」，也就是 2×2 行列式。正负交替来自定向：每拆一项，基向量的排列奇偶性变化一次，符号跟着翻转。

严格数一数：三阶行列式完全展开共 3! = 6 项（三个正、三个负），每项是「每行每列恰好取一个元素」的乘积。6 项可以按第一行组合成三组——这正是按行展开的形态；也可以按第一列组合、按任意行列组合，展开方式不唯一，结果必然相同。

余子式与代数余子式：划掉元素 aᵢⱼ 所在的第 i 行、第 j 列，剩下的低一阶行列式记为余子式 Mᵢⱼ；再乘上棋盘符号 (−1)^(i+j) 得到代数余子式 Aᵢⱼ。于是 n 阶行列式获得归纳定义：det = 按任意一行展开 = Σⱼ aᵢⱼAᵢⱼ。三阶靠二阶、四阶靠三阶……一路降维打击。这就是「代数余子式」名字里「代数」的含义：它不是新东西，是把低一阶行列式按符号约定装配进来。这套递归在第 8 章求逆公式（伴随矩阵）里还会再立大功。

对角线法则（Sarrus）的边界：三阶有个好记的「画对角线」展开法，但它只对三阶成立。四阶完全展开有 4! = 24 项，对角线画法只能覆盖 8 项，照抄必错——它是 6 项结构在 3×3 网格上的巧合排布，不是普适规律。四阶以上，请老老实实用按行展开或 7.4 的消元法。

工程应用：单元体积与「雅可比」体检

有限元软件给每个四面体/六面体单元算一个行列式——单元体积不能为零、不能为负：零意味着单元压扁（节点几乎共面），负意味着单元「翻面」（编号顺序绕反了），两者都会让计算崩坏，网格质量检查（俗称 jacobian check，雅可比检查）会把它们揪出来。流体仿真里网格随流动不断变形，每个单元的体积变化率（局部缩放因子）同样是行列式——单元被压得太扁，误差就失控，软件报警的阈值背后就是 |det|。

预告：行列式家族的明星——范德蒙行列式

有一类结构齐整的行列式叫范德蒙行列式（Vandermonde determinant）：各行按 1、x、x²……的幂次排布，其值等于所有「下标大的 x 减下标小的 x」的连乘积。它的著名应用在多项式插值：给定 n 个互不相同的点，要求唯一的插值多项式，其系数方程组的矩阵正是范德蒙矩阵——x 互异保证 det≠0，从而保证解存在且唯一（「det≠0 ⇒ 唯一解」的完整版在下一章）。现在记个名字即可，用到时再回来查。

辨析：对角矩阵与三角矩阵的「免检通道」

上三角矩阵按第一行展开，每层都会砍出 0 项，最后只剩对角元连乘——三角矩阵的行列式 = 对角元乘积（例：[[2,1],[0,3]] 的 det = 6，副对角上的 1 完全不参与）。对角矩阵是特例。这个「免检通道」正是消元法求行列式的支柱：把矩阵消成上三角，答案就是对角元乘积。

深化二：完全展开的六项全景与对角线复核

把三阶展开推到底：det(A) = aei + bfg + cdh − ceg − bdi − afh，恰 6 项、正负各半。规律一目了然：每项的三个因子「每行取一个、每列取一个」（像国际象棋的车走遍棋盘）；正项对应列指标的偶排列，负项对应奇排列，棋盘符号 (−1)^(i+j) 就是排列奇偶性的便捷记法。对角线法则之所以只对三阶成立，是因为 6 项恰能排成「三条主对角、三条副对角」的漂亮图案；四阶有 24 项，画不出这种图案，硬画必错。

用对角线法则复核例题 3 的 [[2,1,3],[1,0,2],[4,1,2]]：主对角三项 = 2×0×2 + 1×2×4 + 3×1×1 = 0 + 8 + 3；副对角三项 = 3×0×4 + 1×1×2 + 2×2×1 = 0 + 2 + 4；det = 11 − 6 = 5——与按行展开完全一致。两条路互相印证，是最便宜的自查。

例题 5 的第三步也可以一鼓作气化成严格上三角：在 [[1,2,3],[0,−3,−5],[0,2,3]] 上做 r₃ ← r₃ + (2/3)r₂，得 (0, 0, −1/3)——第二列的 2 被 (2/3)×(−3) = −2 恰好抵消。此时 det = 2 × [1×(−3)×(−1/3)] = 2×1 = 2。分数出现了，但「对角元连乘」的机械感更彻底：这正是软件内部的做法——不怕分数，只求流程统一。

深化三：三条公理定乾坤

更高的观点：行列式是「满足三条性质的唯一函数」——(1) det(I) = 1；(2) 对每一行线性；(3) 交换两行变号。从这三条出发，本章所有公式（ad − bc、按行展开、det(AB) = det(A)det(B)、det(Aᵀ) = det(A)）都能被推出来，无一例外。这回答了那个终极问题：「这个定义为什么非它不可？」——凡是想给方阵配一个「体积缩放率」的函数，都必须长成 det 这副模样。数学里把这种「公理钉死唯一对象」的局面叫特征刻画，它是概念合法性的最高证书，也是判断一个定义「好不好」的金标准。

7.4行列式的关键性质

行列式有几条「一用就省事」的性质，每条都能用几何直觉验证：

最漂亮的是最后一条 det(AB)=det(A)det(B)：两个变换连着做，总的缩放倍数就是两个缩放倍数的乘积。这也反过来印证了第 5 章「乘法 = 复合变换」的正确性。

深化一：性质的「证明示范」——倍加行为何不变号

性质表里最值得亲自动手证明的一条是「某行加上另一行的 k 倍，行列式不变」。设第 i 行为 rᵢ，加的是 k·rⱼ。由行列式对每一行线性：

det(…, rᵢ + k·rⱼ, …) = det(…, rᵢ, …) + k·det(…, rⱼ, …)

第二个行列式里 rⱼ 出现了两次（第 i 行和第 j 行相同），等于 0。于是倍加后的行列式 = 原行列式，证毕。整个过程只动用两条更原始的性质：「行线性」与「两行相同为零」——用最少的公理推出整张性质表，这种「公理化」味道正是行列式的理论魅力。

深化二：化上三角——行列式的实用算法

把三条性质串起来（换行变号记次数、行提公因子、倍加不变）就得到通用算法：高斯消元把矩阵化成上三角，det = 对角元乘积 × (−1)^换行次数。手算 4 阶以上、计算机算任意阶，走的都是这条路。算力差距有多大？按定义展开，n 阶要算 n! 项：n = 10 时是 362 万多项乘积；n = 20 时约 2.4×10¹⁸ 项，全世界的计算机加起来也算不完。消元法只需约 n³/3 次乘加——n = 20 不过两千多次。一边是宇宙级天文数字，一边是毫秒级任务：这是「算法复杂度」决定生死的标准案例，也是 7.2 节「消元推导」的自然延伸。

工程应用：大型方程组的「奇异体检」

求解大型线性方程组（结构刚度方程、电路节点方程）前，软件并不真的去算行列式——大矩阵的 det 数值上容易溢出，也没有必要。实际做法是直接做 LU 分解（高斯消元的工程版）：消元过程中一旦出现「零主元」，矩阵奇异的警报立刻拉响——结构上有未约束的刚体位移或机构、电路上有退化回路。行列式的六条性质撑起了整套流程的理论地基，「det≠0」以「主元全非零」的身份在代码里站岗。

辨析：「乘 k」与「加 k 倍」一字之差

「某一行乘 k」→ det 乘 k：这是沿自己方向的拉伸，厚度变了。「某一行加另一行的 k 倍」→ det 不变：这是沿平行方向的剪切滑动，像把一摞书沿桌面推歪——底面积没变。几何上一秒分辨：推歪（剪切）保体积，垫高（拉伸）改体积。代数上一秒分辨：前者改了对角元（各方向的伸展），后者只改了非对角位置（方向的倾斜）。

深化二：性质对列同样成立（附快速验算）

由 det(Aᵀ) = det(A)，把「行」字换成「列」字，六条性质全部照搬成立：换列变号、列乘 k 跟着乘、两列相同归零、倍加列不变。操作自由度翻倍：求 det 时既可做行倍加，也可做列倍加（解方程组时列变换要谨慎——它对应「重新组合未知数」，但求行列式完全合法）。顺手做两个 10 秒小验算：[[1,2],[3,4]] 的 det = −2，交换两行得 [[3,4],[1,2]]，det = 2——变号 ✓；[[3,5],[3,5]] 两行相同，det = 0 ✓。这种「随手反例/正例」的习惯，是把性质表变成肌肉记忆的捷径。

7.5行列式为零：空间被压扁了

最重要的一条性质：det(A) = 0 意味着什么？

从几何看：行列式是面积/体积缩放倍数。倍数为 0，意味着变换把整个平面（或空间）压扁了——二维的面被压成一条线或一个点，三维的体被压成面、线或点。维度塌缩了。

什么时候会塌缩？当矩阵的两列共线（线性相关）时：两个基向量被送到同一条直线上，原本的正方形被「压扁」成一条线段，面积自然是 0。

这条结论把三件事串了起来：行列式为零 = 列线性相关（第 2 章）= 空间被压扁 = 变换不可逆（下一章要讲的逆矩阵不存在）。它是全书最常被引用的「判定开关」。

深化一：det = 0 的完整故事链

把这一节的结论写成一条链，每一环都有明确的主人：det(A)=0 ⇔ 列线性相关（第 2 章的定义）⇔ 存在非零 x 使 Ax=0（把「相关」翻译成方程）⇔ 空间被压扁（第 7 章几何）⇔ 变换不可逆（第 8 章）⇔ 方程组对某些 b 无解、对另一些 b 有无穷多解（第 6、9 章）。其中「Ax=0 有非零解 ⇔ det=0」特别值得停一秒：非零解 x 意味着 A 的列做一次「系数不全为零的组合」恰好凑出零向量——这正是线性相关的原始定义，行列式零与非零把两件事焊在一起。

深化二：压扁的「程度」——det 只报警，rank 才有刻度

det = 0 只说「塌了」，没说「塌成什么样」。二维平面被压扁：可能压成一条直线（两列共线但非零），也可能压成一个点（两列全为零）——两种塌法都叫 det=0。三维空间被压扁：可能塌成面、线或点。「塌剩几维」这个刻度，行列式给不了，要等第 9 章的秩来度量。记住分工：det 是 0/非 0 的布尔开关，rank 是 0 到 n 的刻度尺。

深化三：几乎为零 ≠ 为零（数值警告）

理论上 det≠0 就可逆，但工程计算要多个心眼：det 极小（比如 10⁻¹⁰）意味着矩阵「接近奇异」——输入的微小扰动会引起输出的剧烈变化，这种问题叫病态（ill-conditioned）。例如 [[1,1],[1,1.0001]] 的 det = 10⁻⁴，可逆，但解方程时数据末位的误差会被放大约一万倍。数值分析用「条件数」量化这种脆弱性。工程语境里请记住：det = 0 是悬崖，det ≈ 0 是悬崖边——悬崖边站得住，但一阵风就够呛。

工程应用：「奇异性」是仿真软件的高频报警词

结构仿真中「刚度矩阵奇异」意味着存在未被约束的刚体位移或机构（约束没加够，模型可以整体漂移或绕轴转动）；测量系统里「布置矩阵奇异」意味着某些方向被重复测量、而另一些方向无人看守——传感器不少，独立信息不够。两种情况的数值表现都是主元为零。学会用 det/秩的语言描述它们，是与仿真软件、有限元团队顺畅沟通的入场券。

辨析与衔接：一个开关串起三章

第 2 章的「线性相关」是抽象定义，本章把它几何化为「压扁」，下一章再把它的代数后果补全为「不可逆」。三章共用同一个开关 det——这是全书第一次出现「一个概念、三重视角」的接力，后面秩、特征值都会沿用这种讲法。

深化四：把「塌法」列成清单

用一张清单给压扁分级（以二维方阵为例）：两列都非零但共线 → 压成一条直线；两列之一为零向量 → 仍是压成线；两列全为零 → 压成一个点。三维同理：塌成面、塌成线、塌成点。det = 0 背后藏着好几个不同的世界——「正不正常」det 说了算，「坏到什么程度」要交给第 9 章的秩来回答。读工程报告看到「刚度矩阵奇异」时，多问一句「秩亏了几」：这一问，就把布尔报警变成了定位诊断。

「几乎奇异」的病态感，给个具体数字体验：解 [[1,1],[1,1.0001]]·x = (2, 2.0001)，答案是 x = (1,1)；把 b 抖动到 (2, 2.001)——右端只动了 0.0009——解瞬间跳到 x = (−8, 10)。右端万分之九的扰动换来了解 9 倍的位移：det = 10⁻⁴ 的矩阵把误差放大了四个数量级。悬崖边，果然一阵风就够呛。

下一章正式接过接力棒：det≠0 保证「能还原」，那么「反着做」的那个矩阵长什么样、怎么求出来？——这正是逆矩阵。到时你会发现，求逆公式的每一个零件（余子式、行列式、除以 det），本章都已经提前备好。