行列式：面积、体积与可逆性

前面一章把矩阵看成线性变换：它会把向量、直线、平面和网格送到新的位置。本章研究一个很小但信息很密的数：行列式。对一个方阵 $A$ ， $\det A$ 记录的是这个变换对面积或体积的缩放，同时还记录方向有没有翻转。

这一章先从几何开始，再回到计算。你会看到二阶公式 $ad-bc$ 不是凭空出现的符号游戏，三阶行列式也不是只为练习展开式。它们都在回答同一个问题：矩阵把一个单位面积或单位体积的对象，拉成了多大。

本章的主线可以压缩成一句话： $|\det A|$ 是面积或体积的缩放倍数， $\det A$ 的符号记录方向， $\det A=0$ 表示变换把空间压扁，因此方阵不可逆。

二维行列式面积缩放示意图：单位正方形经矩阵 A 作用后变为由列向量 a1、a2 张成的平行四边形，面积为 |det A|。

二维行列式表示矩阵 A 对单位面积的缩放倍数，平行四边形面积为 |det A|。

从面积缩放看行列式

单位正方形被矩阵送到哪里

设二维矩阵

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

把标准基向量送到哪里，由矩阵的两列决定：

A e_1= \begin{bmatrix} a\\ c \end{bmatrix}, \quad A e_2= \begin{bmatrix} b\\ d \end{bmatrix}

单位正方形原来由 $e_1$ 和 $e_2$ 张成。经过 $A$ 以后，它变成由 $Ae_1$ 和 $Ae_2$ 张成的平行四边形。这个平行四边形的面积，就是 $|\det A|$ 。

如果 $|\det A|=3$ ，所有二维面积都会变成原来的 $3$ 倍。如果 $|\det A|=\frac12$ ，所有二维面积都会缩成原来的一半。这里说“所有”，是因为线性变换对整个平面使用同一套拉伸规则，不会在不同位置突然改变比例。

绝对值给面积，符号给方向

面积不能为负，所以真正的面积缩放倍数是 $|\det A|$ 。但行列式本身保留了符号，这个符号不是多余的。它告诉我们变换有没有把方向翻过来。

正行列式保持向量的逆时针顺序，负行列式通过反射使方向顺序翻转的左右对比图

正行列式表示方向保持，负行列式表示一次反射后的方向翻转。

在二维中，可以把两个非平行向量的顺序看成一种“转向”。若从第一根向量转到第二根向量仍是逆时针方向，行列式为正；若顺序被翻成顺时针，行列式为负。反射矩阵就是最直接的例子：

R= \begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix}

它把平面关于 $y$ 轴反射，面积不变，但方向翻转：

\det R=-1

不要把负行列式理解成“负面积”。几何面积仍然是正数。负号说明的是方向被翻转，面积缩放倍数仍然是 $|\det A|$ 。

二阶公式从哪里来

二阶行列式的公式是

\det \begin{bmatrix} a & b\\ c & d \end{bmatrix} =ad-bc

它的结果就是由两列向量 $(a,c)$ 与 $(b,d)$ 张成的有向面积。公式里有一个加法贡献 $ad$ ，也有一个扣除贡献 $bc$ 。当两列向量的位置发生交换时， $ad-bc$ 的符号也会跟着变。

二阶行列式 det A = ad - bc 的几何来源示意图，展示正向面积、反向扣除和净面积。

二阶行列式可理解为正向面积 ad 扣除反向面积 bc 后得到的平行四边形净面积。

例题：计算矩阵

A= \begin{bmatrix} 2 & 1\\ 1 & 3 \end{bmatrix}

对面积和方向的影响。

先使用二阶行列式公式：

\det A=2\cdot3-1\cdot1=5

因为 $|\det A|=5$ ，所以任何二维区域经过这个矩阵后，面积变成原来的 $5$ 倍。

因为 $\det A>0$ ，所以方向保持。单位正方形会变成一个面积为 $5$ 的平行四边形，并且两个列向量的顺序没有被翻转。

二维和三维行列式怎样算

二阶行列式

二阶行列式最常用的记法是

\begin{vmatrix} a & b\\ c & d \end{vmatrix} =ad-bc

这里的竖线不是绝对值，而是“取行列式”的记号。若想要面积，需要再取绝对值：

\text{面积}=|ad-bc|

例如两列向量为

u= \begin{bmatrix} 3\\ 1 \end{bmatrix}, \quad v= \begin{bmatrix} 2\\ 4 \end{bmatrix}

则它们张成的平行四边形面积为

\left| \begin{vmatrix} 3 & 2\\ 1 & 4 \end{vmatrix} \right| =|3\cdot4-2\cdot1|=10

若求由原点、 $u$ 、 $v$ 构成的三角形面积，还要再除以 $2$ ：

\text{三角形面积}=\frac12|ad-bc|

三阶行列式

三维中，矩阵的三列向量会把单位立方体拉成一个平行六面体。三阶行列式给出这个平行六面体的有向体积。设

A= \begin{bmatrix} a & b & c\\ d & e & f\\ g & h & i \end{bmatrix}

按第一行展开可得

\det A = a \begin{vmatrix} e & f\\ h & i \end{vmatrix} - b \begin{vmatrix} d & f\\ g & i \end{vmatrix} + c \begin{vmatrix} d & e\\ g & h \end{vmatrix}

也就是

\det A=a(ei-fh)-b(di-fg)+c(dh-eg)

三阶行列式按第一行展开与三重积有向体积的教学图解

三阶行列式可按第一行展开；从几何上看，三个向量的三重积给出平行六面体的有向体积。

从向量角度看，如果 $u,v,w$ 是三列向量，那么三阶行列式也可以写成三重积：

\det \begin{bmatrix} | & | & |\\ u & v & w\\ | & | & | \end{bmatrix} =u\cdot(v\times w)

入门阶段不需要把叉积作为重点。只要记住：三阶行列式的绝对值是体积，符号说明三维方向是否保持。

例题：计算

B= \begin{bmatrix} 1 & 2 & 0\\ 0 & 3 & 1\\ 2 & 0 & 4 \end{bmatrix}

的行列式，并解释体积含义。

按第一行展开。第一行第三个数是 $0$ ，对应项可以直接省掉：

\det B = 1 \begin{vmatrix} 3 & 1\\ 0 & 4 \end{vmatrix} - 2 \begin{vmatrix} 0 & 1\\ 2 & 4 \end{vmatrix}

计算两个二阶行列式：

\begin{vmatrix} 3 & 1\\ 0 & 4 \end{vmatrix} =12

\begin{vmatrix} 0 & 1\\ 2 & 4 \end{vmatrix} =0\cdot4-1\cdot2=-2

代回得到

\det B=1\cdot12-2\cdot(-2)=16

所以 $B$ 把单位立方体变成体积为 $16$ 的平行六面体，且方向保持。

三阶行列式展开时最容易错的是符号。按第一行展开时符号顺序是“加、减、加”。按其他行或列展开也遵守棋盘式的正负号。

体积缩放与退化

单位立方体变成平行六面体

二维中，列向量张成平行四边形。三维中，三列向量张成平行六面体。若

A= \begin{bmatrix} | & | & |\\ a_1 & a_2 & a_3\\ | & | & | \end{bmatrix}

那么单位立方体经过 $A$ 后，变成由 $a_1,a_2,a_3$ 张成的平行六面体。它的体积是

|\det A|

三维行列式表示体积缩放因子的教学图，左侧单位立方体，右侧由列向量拉成的平行六面体。

三维中，矩阵 A 的三列向量把单位立方体拉成平行六面体，其体积为 |det A|。

退化就是被压到低维

如果 $\det A=0$ ，面积或体积缩放倍数就是 $0$ 。这说明单位正方形被压成一条线，或者单位立方体被压成一个平面、一条线，甚至一个点。这样的变换会丢失一个方向上的信息。

平行四边形逐渐压扁成一条线，标注面积变为 0、信息丢失、不可逆

行列式为零时，二维面积退化为 0，变换会丢失信息，因此不可逆。

例如

C= \begin{bmatrix} 1 & 2\\ 2 & 4 \end{bmatrix}

第二列是第一列的 $2$ 倍，所以两列向量共线。它们张不出平行四边形，只能张出一条线：

\det C=1\cdot4-2\cdot2=0

这不仅说明面积为 $0$ ，也说明 $C$ 不可逆。不同的输入可能被送到同一个输出，压扁后无法从输出唯一恢复输入。

行列式为 $0$ 不是“算出来刚好小”。它意味着列向量线性相关，矩阵没有把空间撑满。对方阵来说，这正是不可逆的几何原因。

用行列式判断可逆性

可逆矩阵定理中的一条线

对 $n\times n$ 方阵 $A$ ，下面几句话是同一件事的不同说法：

$A$ 可逆。
$Ax=b$ 对每个 $b$ 都有唯一解。
$A$ 的列向量线性无关。
$A$ 的秩是 $n$ 。
$\det A\neq 0$ 。

行列式把这些条件压缩成一个数。若这个数不为 $0$ ，空间没有被压扁；若这个数为 $0$ ，至少有一个方向被丢掉。

例题：判断矩阵

D= \begin{bmatrix} 2 & -1 & 0\\ 0 & 3 & 4\\ 0 & 0 & -2 \end{bmatrix}

是否可逆。

先观察矩阵形状。 $D$ 是上三角矩阵，主对角线以下全是 $0$ 。

三角矩阵的行列式等于主对角线元素的乘积：

\det D=2\cdot3\cdot(-2)=-12

因为 $\det D\neq0$ ，所以 $D$ 可逆。几何上，它把体积放大 $12$ 倍，并且方向翻转。

行变换怎样影响行列式

用消元计算行列式时，三条规则最常用：

交换两行，行列式变号。
某一行乘以 $k$ ，行列式也乘以 $k$ 。
把某一行加上另一行的倍数，行列式不变。

这些规则和几何直觉一致。交换两行会改变方向；缩放一行会缩放体积；把一行加上另一行的倍数，相当于剪切，面积或体积大小不变。

例如剪切矩阵

S= \begin{bmatrix} 1 & 5\\ 0 & 1 \end{bmatrix}

会把正方形斜推成平行四边形，但底和高都没有改变：

\det S=1\cdot1-5\cdot0=1

所以它保持面积，也一定可逆。

计算行列式时，不必总是展开。若能通过不改变行列式的行变换把矩阵化成三角形，最后只需要乘主对角线，再补上交换行和缩放行带来的影响。

和特征值乘积的连接

对角矩阵先说明道理

若矩阵是对角矩阵

\Lambda= \begin{bmatrix} \lambda_1 & 0 & 0\\ 0 & \lambda_2 & 0\\ 0 & 0 & \lambda_3 \end{bmatrix}

它沿三个坐标轴分别缩放 $\lambda_1,\lambda_2,\lambda_3$ 倍。总体体积缩放就是三个倍数相乘：

\det \Lambda=\lambda_1\lambda_2\lambda_3

这也是“行列式等于特征值乘积”的最直观版本。对角矩阵的特征方向就是坐标轴，每个方向贡献一个缩放倍数。

三个特征方向分别按 λ1、λ2、λ3 缩放，体积总体缩放为 det A = λ1λ2λ3 的中文教学图解

每个特征方向贡献一个缩放倍数，总体缩放相乘，因此行列式等于特征值的乘积。

一般方阵中的结论

如果 $n\times n$ 矩阵 $A$ 的特征值为 $\lambda_1,\lambda_2,\ldots,\lambda_n$ ，并按代数重数重复计算，那么

\det A=\lambda_1\lambda_2\cdots\lambda_n

这个结论在下一章会通过特征多项式看得更清楚。现在先记住它的几何含义：行列式给出整体体积缩放，而特征值描述特殊方向上的缩放；当把所有特征方向的缩放贡献合起来，就得到总体缩放。

例如

E= \begin{bmatrix} 3 & 0\\ 0 & -2 \end{bmatrix}

它的特征值就是 $3$ 和 $-2$ ，因此

\det E=3\cdot(-2)=-6

这表示面积放大 $6$ 倍，同时方向翻转。

有些实矩阵会出现复特征值。对实矩阵来说，复特征值成共轭对出现，它们的乘积仍然给出实数行列式。本课程入门阶段先把重点放在实特征值和对角、三角矩阵上。

应用里的行列式

图形变换中的镜像和压扁

在二维图形或三维模型中，矩阵经常用来缩放、旋转、剪切和反射。若 $\det A<0$ ，模型的朝向会翻转，图形可能变成镜像。若 $\det A=0$ ，一个二维图形可能被压成线段，一个三维模型可能被压成平面。这样的变换不能无损恢复。

例如把图片坐标乘上

\begin{bmatrix} -1 & 0\\ 0 & 1 \end{bmatrix}

得到的是左右镜像。面积不变，但方向翻转，因为行列式为 $-1$ 。

变量替换中的面积因子

在多变量微积分里，做变量替换时需要乘上一个面积或体积缩放因子。对线性替换来说，这个因子就是行列式的绝对值。若把 $(u,v)$ 变成

\begin{bmatrix} x\\ y \end{bmatrix} = A \begin{bmatrix} u\\ v \end{bmatrix}

那么小区域面积会按 $|\det A|$ 缩放。非线性替换在局部也会用类似思想，只是矩阵换成了局部的导数矩阵。

物理和工程里的体积变化

在材料形变、流体和机器人姿态估计中，一个局部变换的行列式常被用来判断体积变化。行列式接近 $1$ ，表示局部体积大致保持；接近 $0$ ，表示局部被压扁；为负，则说明方向翻转，这通常意味着模型或坐标设定需要检查。

这些应用里常常不会手算大行列式，但行列式的几何含义仍然是判断结果是否合理的第一把尺子。

本章小结

行列式把方阵的几何行为压缩成一个数。二维里，它给出平行四边形的有向面积；三维里，它给出平行六面体的有向体积。绝对值表示面积或体积缩放倍数，符号表示方向是否翻转。

计算上，二阶行列式是 $ad-bc$ ，三阶行列式可以按行或列展开，也可以通过消元化成三角矩阵。判断可逆性时，只要看 $\det A$ 是否为 $0$ ：不为 $0$ ，空间没有被压扁，矩阵可逆；等于 $0$ ，至少一个方向丢失，矩阵不可逆。

最后，行列式也和下一章的特征值相连。特征值描述特殊方向上的缩放，行列式描述总体面积或体积缩放。把特征值按重数相乘，就得到行列式。

练习

练习一：面积缩放和方向

设

A= \begin{bmatrix} 4 & 1\\ 2 & 1 \end{bmatrix}

求 $\det A$ ，并说明它对二维面积和方向的影响。

计算：

\det A=4\cdot1-1\cdot2=2

所以面积变成原来的 $2$ 倍。因为 $\det A>0$ ，方向保持。

练习二：三角形面积

已知三角形的三个顶点为 $(0,0)$ 、 $(5,1)$ 、 $(2,4)$ 。求它的面积。

把从原点出发的两条边作为列向量：

u= \begin{bmatrix} 5\\ 1 \end{bmatrix}, \quad v= \begin{bmatrix} 2\\ 4 \end{bmatrix}

平行四边形面积为

\left| \begin{vmatrix} 5 & 2\\ 1 & 4 \end{vmatrix} \right| =|5\cdot4-2\cdot1|=18

三角形面积是它的一半：

\frac12\cdot18=9

练习三：三阶行列式

计算

A= \begin{bmatrix} 2 & 0 & 1\\ 1 & 3 & 0\\ 0 & 4 & 2 \end{bmatrix}

的行列式。

按第一行展开：

\det A = 2 \begin{vmatrix} 3 & 0\\ 4 & 2 \end{vmatrix} + 1 \begin{vmatrix} 1 & 3\\ 0 & 4 \end{vmatrix}

注意第一行第二项为 $0$ ，所以省掉。继续计算：

2(3\cdot2-0\cdot4)+(1\cdot4-3\cdot0)=2\cdot6+4=16

所以 $\det A=16$ 。

练习四：判断可逆性

判断下面矩阵是否可逆：

B= \begin{bmatrix} 1 & 2 & 3\\ 2 & 4 & 6\\ 0 & 1 & 1 \end{bmatrix}

第二行是第一行的 $2$ 倍，所以三行线性相关，行列式为 $0$ 。因此 $B$ 不可逆。

也可以说：矩阵的行向量没有三个独立方向，空间会被压到低维，不能唯一恢复输入。

练习五：三角矩阵的体积缩放

设

C= \begin{bmatrix} -1 & 2 & 5\\ 0 & 4 & -3\\ 0 & 0 & \frac12 \end{bmatrix}

求 $\det C$ ，并说明体积缩放和方向变化。

$C$ 是上三角矩阵，所以行列式等于主对角线乘积：

\det C=(-1)\cdot4\cdot\frac12=-2

体积变成原来的 $2$ 倍。因为行列式为负，方向翻转。

练习六：特征值乘积

某个 $3\times3$ 矩阵的特征值为 $2$ 、 $-1$ 、 $5$ 。求它的行列式，并判断它是否可逆。

行列式等于特征值乘积：

\det A=2\cdot(-1)\cdot5=-10

因为 $\det A\neq0$ ，所以矩阵可逆。几何上，它把体积放大 $10$ 倍，并且方向翻转。