本章节涵盖了线性代数中核心概念——行列式的性质、计算方法（排列与代数余子式）以及其几何意义与实际应用（克莱默法则、逆矩阵与体积）。
5.1 行列式性质
知识点回顾
行列式中包含了方阵的很多信息。最直接的对应关系是： * $\det A = 0 \iff$ 方阵不可逆 * $\det A \neq 0 \iff$ 方阵可逆
三大基本性质 行列式的其他所有性质都可以由三条基本性质推导出来。
常用性质总结 在实际应用中，以下 5 条性质最为常用： 1. 三角矩阵：行列式等于对角元素的乘积。 2. 行变换性质：* 行对调：行列式反号。* 行加减：行列式不变。 3. 对行线性：单行提取公因子 $t$；单行可分解为两个行列式之和。 4. 乘法法则：$\vert AB \vert = \vert A\vert \vert B\vert $。 5. 行列等价：$\vert A^T\vert = \vert A\vert $。
计算方阵行列式方法 1 利用消元法将矩阵转化为三角形式（$A = LU$），然后主元相乘。
例题与习题
- Ex5.1A：利用行列式性质求行列式。
- Ex5.1B：通过行列式引出特征值。
习题推荐： * 基础题：12, 18, 21, 22, 25, 26, 28
5.2 排列和代数余子式
知识点回顾
Big Formula（方法 2） 根据上一节对行线性的性质，可以将行列式拆成 $n!$ 项相加： $$ \det A = \sum (\pm) \prod (\text{每行每列取一个元素}) $$
代数余子式（方法 3） 将 Big Formula 中的公因式按行提出，即得到代数余子式展开法： $$ \det A = a_{i1}C_{i1} + a_{i2}C_{i2} + \dots + a_{in}C_{in} $$ 其中代数余子式定义为： $$ C_{ij} = (-1)^{i+j} M_{ij} $$ 当矩阵中包含大量的 0 时，此方法非常有效，因为展开后许多项会自然消失。
思考：形式化直觉 要对“乘法累加”这种数学形式保持敏感。因为这种形式本质上就是向量点积，可以扩展为矩阵乘法，从而调用线性代数的各种强大性质。 例如：习题 11 中，将代数余子式写成矩阵形式后，发现可以通过它构建逆矩阵。
例题与习题
- Ex6：按照 cofactor 展开，推导行列式的递推公式。
- 推广：对于三对角矩阵（主对角线 $a$，低对角线 $b$，高对角线 $c$），行列式满足递推公式：$D_n = aD_{n-1} - bcD_{n-2}$。
- Ex7：说明只改变一个角时，递推公式不变，但初始条件改变。
- Ex5.2A：黑森贝格矩阵（比三角矩阵多一个次对角线）的行列式计算。
- Ex5.2B：第 3 问与 WEx5.1A 对比发现，对矩阵每行每列有规律的操作，基本上都可以将矩阵分解为 $PAQ$ 的形式（$P$ 对行操作，$Q$ 对列操作）。
习题推荐： * 基础题：2, 4, 5, 8, 19, 21, 22, 33 * 启发题：6, 11, 17, 27, 28, 32
5.3 克莱默法则，逆和体积
主题：行列式的应用
知识点回顾
伴随矩阵与逆矩阵 定义伴随矩阵 $C$：将矩阵 $A$ 的 cofactor 放到对应位置。 $$ AC^T = (\det A)I $$ 由此可得出逆矩阵公式： $$ A^{-1} = \frac{1}{\det A} C^T $$
克莱默法则 对于方程组 $Ax=b$，解 $x = A^{-1}b$ 可以表示为： $$ x_j = \frac{|B_j|}{\det A} $$ 其中 $B_j$ 是将 $A$ 的第 $j$ 列替换为向量 $b$ 得到的矩阵。
几何意义：体积 * 二维：平行四边形的面积 $= \vert \det A\vert $。 * 三维：平行六面体的体积 $= \vert \det A\vert = \vert (\mathbf{u} \times \mathbf{v}) \cdot \mathbf{w}\vert $。
为什么行列式代表面积/体积？ 以二维为例 $| \mathbf{a}_1, \mathbf{a}_2 |$： 1. 保持 $\mathbf{a}_1$ 不变，将 $\mathbf{a}_2$ 减去 $k\mathbf{a}_1$（行变换，行列式值不变）。 2. 这一操作留下了正交分量（类似于未归一化的 Gram-Schmidt 正交化）。 3. 此时行列式 $\vert \mathbf{a}_1, \mathbf{a}_2 - k\mathbf{a}_1\vert $ 的值等于两个正交向量模的乘积，即面积。
深度启发 我们以前定义的“底 $\times$ 高”只是面积的一种计算方法。本质上，应该将面积定义为行列式的绝对值，或者将行列式定义为有向面积。 * 面积的几何性质完美符合行列式的基本性质。 * 行列式的各种性质可以推导出面积的不同计算方法。底 $\times$ 高只不过是经过 Gram-Schmidt 正交化（一种特殊的行变换）后的特解。 * 从几何角度看，行列式就是一种特定“盒子”的空间度量。 * 视角：高斯消元、Gram-Schmidt 正交化本质上都是行变换。从行图像看，高斯消元是一个降维过程，既不改变行列式（空间度量），又能找到一组标准正交基，非常符合直觉。
例题与习题
- Ex5.1A：利用伴随矩阵求矩阵的零空间。
习题推荐： * 基础题：4, 14, 15, 17, 20, 21, 22, 23, 25, 26, 31, 32, 34, 42
随想：造物主的秘密
整理完这些数字与公式，我不禁陷入沉思。
一堆杂乱的数字 1, 2, 3, 4, 7, 1, 4, 2, 5…… 也没有什么规律
将他们排列起来 1 2 3 4 7 1 4 2 5
突然多了极多的可能 藏着无限的奥秘 这些性质不由任何人定义 不听任何人指挥 只是数字聚在一起 变化和规律凭空出现
穿越时间和空间 一瞬间 我仿佛听到神的低语 窥探到造物主的秘密