行列式乘积法则

玻尔百科

核心要点

行列式乘积法则指出，矩阵乘积的行列式等于它们各自行列式的乘积： $\det(AB) = \det(A)\det(B)$ 。
从几何角度看，行列式代表一个变换的体积缩放因子，因此该法则意味着连续变换所造成的总体积变化是个体变化量的乘积。
行列式为零表示一个将空间压缩到更低维度的奇异变换，如果 $\det(A)$ 或 $\det(B)$ 中任一为零，则 $\det(AB)$ 也必为零。
该法则对于证明行列式在相似变换（ $M' = P^{-1}MP$ ）下是不变量至关重要，揭示了变换本身的内在属性。

引言

在线性代数的世界里，矩阵不仅仅是数字的阵列；它们是描述变换——拉伸、旋转和剪切空间本身的强大工具。当我们相继应用两个这样的变换时，它们的组合效应通过矩阵乘法来捕捉。然而，计算这个乘积可能很复杂，而且我们通常不关心最终的复杂细节，而只关心一个单一、根本的问题：总体积变化是多少？这个问题弥合了矩阵乘法的力学原理与其整体几何影响之间的知识鸿沟。

行列式乘积法则提供了一个惊人简单的答案。它指出，矩阵乘积的行列式就是它们各自行列式的乘积，从而将复杂的矩阵运算与简单的算术运算优雅地联系起来。本文深入探讨这一基本原则。在“原理与机制”部分，我们将揭示该法则背后深邃的几何直觉和代数基础，探索行列式的真正含义以及该法则是如何被推导出来的。随后，在“应用与跨学科联系”部分，我们将超越纯理论，见证该法则在简化计算、揭示隐藏结构以及连接线性代数与物理学、几何学和图论等不同领域方面的深远影响。

原理与机制

想象你有一套给机器的指令。一套指令，我们称之为矩阵 $B$ ，告诉机器执行一系列复杂的拉伸和旋转。另一套指令，矩阵 $A$ ，描述了另一系列同样复杂的操作。现在，如果你执行了 $B$ 的操作，然后紧接着执行 $A$ 的操作会怎样？组合效应由一个新的矩阵，即乘积 $AB$ 来描述。找出这个新矩阵 $AB$ 可能是一项繁琐的乘法和加法工作。但如果我们只想知道对体积的总体影响呢？

在这里，自然赋予了我们一份美丽的礼物，一条惊人简洁而强大的法则，它位于线性代数的核心：行列式乘积法则。它指出，对于任意两个方阵 $A$ 和 $B$ ，其乘积的行列式就是它们各自行列式的乘积：

\det(AB) = \det(A)\det(B)

这太了不起了！左边一个纠缠的、非交换的矩阵乘法，变成了右边一个简单的、我们熟悉的两个数的乘法。矩阵的顺序对其乘积至关重要（ $AB$ 很少与 $BA$ 相同），但对于它们的行列式，顺序则无关紧要，因为 $\det(A)\det(B) = \det(B)\det(A)$ 。这个法则让我们能够绕过矩阵乘法繁琐的机制，直接得出一个深刻的几何结论。但要真正领会它，我们必须先问：行列式究竟是什么？

行列式究竟是什么？尺度的几何学

暂时忘掉复杂的公式。不要把矩阵看作一个数字盒子，而要把它看作一个变换。一个 $2 \times 2$ 的矩阵作用于一个平面，对其进行拉伸、挤压、剪切或旋转。如果你在这个平面上取一个简单的 $1 \times 1$ 单位正方形，该矩阵会将其变换成某个平行四边形。行列式就是这个新平行四边形的面积。

同样，一个 $3 \times 3$ 的矩阵变换三维空间。它将一个 $1 \times 1 \times 1$ 的单位立方体变形为一个倾斜的盒子，称为平行六面体。这个矩阵的行列式就是那个平行六面体的体积。行列式的绝对值告诉我们体积的*缩放因子*。行列式为 $3$ 意味着该变换使所有东西的体积变为原来的三倍。行列式为 $0.5$ 意味着它将所有东西缩小到原来体积的一半。

那么符号呢？行列式的符号告诉我们变换是否保留定向（orientation）。正的行列式意味着定向被保留（就像旋转一只手套）。负的行列式意味着定向被翻转（就像把一只左手手套变成右手手套，这只有在你把它内外翻转时才可能）。

有了这个几何图像，乘积法则 $\det(AB) = \det(A)\det(B)$ 便褪去了其抽象的外衣，变得异常直观。它简单地说明：如果你首先应用变换 $B$ ，它将体积缩放 $\det(B)$ 倍，然后对结果应用变换 $A$ ，它再将体积缩放 $\det(A)$ 倍，那么总的体积缩放因子理所当然是个体因子的乘积，即 $\det(A)\det(B)$ 。

秘密配方：从零开始构建变换

这种几何直觉很强大，但我们如何知道它在代数上也成立呢？秘诀在于，任何可逆矩阵都可以通过乘以一系列更简单的矩阵来构建，这些矩阵称为初等矩阵。它们对应三种基本操作：

交换两行：这就像交换两个坐标轴。它会翻转空间的定向，所以其行列式为 -1。
将一行乘以一个非零标量 $c$ ：这会沿着一个轴拉伸或压缩空间。体积缩放因子恰好为 $c$ ，所以其行列式为  $c$ 。
将一行的倍数加到另一行：这是一个剪切变换。想象一副扑克牌。如果你从侧面推动牌堆的顶部，牌的侧面会倾斜，但牌堆的总容积不变。剪切[变换的行列式](@article_id:303413)为 1。

任何可逆矩阵 $A$ 都可以写成这些初等矩阵的乘积，比如 $A = E_k \dots E_2 E_1$ 。这个乘积的行列式就只是这些简单部分行列式的乘积。这种解构方法不仅仅是理论上的好奇心；它构成了高斯消元法（Gaussian elimination）的基础，并为我们提供了一种严谨的方法来证明乘积法则普遍成立。

推论与确定性：从可逆性到虚无

乘积法则远不止是一个计算捷径；它是一种逻辑推导工具，揭示了关于变换的深刻真理。

如果一个矩阵的行列式为零会发生什么？从几何上讲，这意味着变换是“奇异的”——它将空间压缩到更低的维度。例如，它可能将一个三维立方体压扁成一个平面，其体积为零。一旦空间被压扁，任何后续的变换都无法神奇地恢复其失去的维度。乘积法则正式地告诉我们这一点：如果 $\det(A) = 0$ ，那么 $\det(AB) = \det(A)\det(B) = 0 \cdot \det(B) = 0$ ，无论 $B$ 是什么。

这引出了一个与普通数字有趣的平行关系。如果你被告知两个数相乘为零， $ab=0$ ，你可以确定要么 $a=0$ ，要么 $b=0$ 。对于矩阵，情况更为微妙。矩阵乘积 $AB$ 可以是零矩阵 $O_n$ ，即使 $A$ 和 $B$ 都不是零矩阵。然而，行列式的世界恢复了我们习惯的确定性。如果 $AB = O_n$ ，那么我们必须有 $\det(AB) = \det(O_n) = 0$ 。根据乘积法则，这意味着 $\det(A)\det(B) = 0$ 。就像普通数字一样，这意味着至少有一个行列式必须为零。因此，虽然两个矩阵都可能不是零矩阵，但其中至少有一个必须是奇异的、压缩体积的变换。

非零行列式与变换“可撤销”（可逆）之间的这种联系是根本性的。一个将物体压缩至零体积的变换是不可逆的。乘积法则使我们能够以优雅的确定性证明这一点。考虑这样一个命题：如果组合变换 $AB$ 是可逆的，那么 $A$ 和 $B$ 最初都必须是可逆的。使用乘积法则的证明只有一行。如果 $AB$ 是可逆的，那么 $\det(AB) \ne 0$ 。这意味着 $\det(A)\det(B) \ne 0$ ，这只有在 $\det(A) \ne 0$ 且 $\det(B) \ne 0$ 时才可能。因此， $A$ 和 $B$ 都必须是可逆的。

属性的交响曲

乘积法则并非孤立运作。它与其他一些行列式属性协同作用，形成一个强大的分析工具包。其中最重要的包括：

逆矩阵法则： $\det(A^{-1}) = \frac{1}{\det(A)}$ 。这本身就是乘积法则的一个推论！因为 $A A^{-1} = I$ （单位矩阵，它什么都不做，且 $\det(I)=1$ ），我们有 $\det(A)\det(A^{-1}) = 1$ 。
转置法则： $\det(A^T) = \det(A)$ 。转置有其特定的几何意义，但对于行列式来说，它不产生任何改变。
标量乘法律则：对于一个 $n \times n$ 矩阵， $\det(kA) = k^n \det(A)$ 。这是因为将矩阵乘以 $k$ 就如同将所有 $n$ 个维度都缩放了 $k$ 倍，所以总体积缩放了 $k^n$ 倍。

有了这套法则的交响曲，我们可以轻松剖析看似复杂的表达式。要求计算 $\det(2B A^T C)$ 或 $\det(2 P^T P^2 Q^{-1})$ 这类值的问题不再是令人生畏的计算。它们变成了逻辑谜题，我们利用这些法则将表达式逐一分解，代入已知的行列式值，最终得出答案，而根本无需知道矩阵本身。这个过程揭示了一种既优雅又高度实用的潜在代数结构。

改变视角：不变量与更深层结构

行列式最深刻的角色之一或许是作为一种不变量。在物理学和工程学中，我们经常切换坐标系来简化问题。在线性代数中，这被称为相似变换，写作 $M' = P^{-1}MP$ ，其中 $P$ 是“基底变换”矩阵。这种视角的改变如何影响我们变换 $M$ 的行列式呢？

让我们应用乘积法则：

\det(M') = \det(P^{-1}MP) = \det(P^{-1})\det(M)\det(P)

由于 $\det(P^{-1}) = 1/\det(P)$ ，这些项相互抵消，剩下：

\det(M') = \det(M)

行列式没有改变！它是变换 $M$ 本身的内在属性，与我们用来描述它的坐标系无关。这是一个至关重要的概念，构成了特征值（在相似变换下也是不变量）如此重要的基础。它向我们保证，我们正在研究的是系统的基本属性，而不仅仅是我们所选描述方式的产物。

在复杂表达式中寻找简单真理是一个反复出现的主题。考虑两个可逆矩阵的换位子（commutator）， $C = ABA^{-1}B^{-1}$ 。这代表执行变换 $A$ ，然后是 $B$ ，然后撤销 $A$ ，再撤销 $B$ 。对体积的净效应是什么？乘积法则给出了一个惊人简单的答案：

\det(C) = \det(A)\det(B)\det(A^{-1})\det(B^{-1}) = \det(A)\det(B) \frac{1}{\det(A)} \frac{1}{\det(B)} = 1

无论矩阵 $A$ 和 $B$ 如何剧烈地拉伸、剪切或旋转空间，这个特定的操作序列总是，无一例外地，会产生一个完全保持体积的变换。这些属性甚至可以用作约束来推断矩阵的性质。例如，一个同时是幂等矩阵（ $A^2=A$ ）和正交矩阵（ $A^T A=I$ ）的矩阵，可以利用这些法则证明其行列式恰好为 1。

从其直观的几何意义到其在形式证明中的威力，再到其在揭示数学和物理学深层、不变结构中的作用，行列式乘积法则都是科学内在美和统一性的典范。它是一把开启复杂世界的简单钥匙。

应用与跨学科联系

在熟悉了行列式乘积法则 $\det(AB) = \det(A)\det(B)$ 的机制之后，我们可能会想把它当作一个虽巧妙但小众的代数技巧存档。然而，这样做将只见树木，不见森林。这个法则不仅仅是一个计算捷径；它是一个关于组合本质的深刻论断，是一条贯穿数学和科学肌理的线索，将看似迥异的世界联系在一起。它告诉我们，一系列行为的“效应”仅仅是它们各自效应的乘积。现在，让我们踏上征程，看看这个简单而美丽的思想能带我们走多远。

空间交响曲：几何学与变换

见证乘积法则实际作用最直观的领域是几何学。想象一个线性变换是对空间本身施加的动作——对一块橡皮膜的拉伸、挤压、剪切或旋转。变换[矩阵的行列式](@article_id:303413)告诉我们面积（或在高维空间中的体积）变化的倍数。行列式为 $2$ 意味着面积加倍；行列式为 $0.5$ 意味着面积减半。

但行列式还隐藏着另一个秘密：它的符号。正的行列式意味着空间的定向得以保留——一只左手手套仍然是左手手套。负的行列式意味着定向被反转——该变换包含一次反射，将左手手套变成了右手手套。

现在，考虑连续应用两个变换：先是 $B$ ，然后是 $A$ 。组合变换由矩阵乘积 $AB$ 表示。乘积法则 $\det(AB) = \det(A)\det(B)$ 此时揭示了其优美的几何意义。它说明，总体积变化是个体体积变化的乘积。如果你先用变换 $B$ ( $\det(B)=3$ ) 将一个面积扩大三倍，然后用变换 $A$ ( $\det(A)=0.5$ ) 将其减半，净结果是面积乘以了 $3 \times 0.5 = 1.5$ 。这完全是直观的！

定向又如何呢？如果一次旋转（ $\det = 1$ ）之后紧接着一次反射（ $\det = -1$ ），它们行列式的乘积是 $-1$ 。最终的变换会翻转定向，正如我们所预期的。这种简单的符号算术告诉我们最终图像是原始图像的直接复制品还是镜像。这是将几何映射分类为保向或反向的基础，这一概念在从计算机图形学到流形的深奥拓扑理论等领域都至关重要。例如， $\mathbb{R}^n$ 中的简单反演映射 $f(x) = -x$ 的雅可比行列式为 $(-1)^n$ 。它在偶数维度中保留定向，但在奇数维度中反转定向——这是一个直接由该法则得出的微妙事实。

一个特别优雅的例子是*等距变换*（isometries）——即保持距离的变换，如旋转和反射。这些变换对应于正交矩阵，而乘积法则帮助我们证明任何正交矩阵的行列式必须是 $1$ 或 $-1$ 。这完全合乎逻辑：如果距离被保持，那么体积也必须被保持。剩下的唯一选择就是是否将空间内外翻转。

为洞察而解构：分解的力量

尽管将一个变换理解为单一实体很有用，但我们通常通过将其“解构”为一系列更简单、更基本的步骤来获得更深的洞察力。这就是矩阵分解背后的思想，而行列式乘积法则是释放其力量的钥匙。

想象一下，你拿到一个复杂、难以理解的矩阵 $A$ 。直接计算它的行列式可能是一场计算噩梦。但如果我们能将 $A$ 写成更简单矩阵的乘积，比如 $A = LU$ ，其中 $L$ 是下三角矩阵， $U$ 是上三角矩阵呢？三角矩阵的行列式计算极其简单：只需将主对角线上的数字相乘即可。得益于我们的法则，我们现在可以轻松地找到复杂矩阵 $A$ 的行列式： $\det(A) = \det(L)\det(U)$ 。这不仅仅是教科书上的一个技巧；它是计算机高效求解大型线性方程组的支柱。

也许最具启发性的是奇异值分解（SVD），它指出任何线性变换 $A$ 都可以写成 $A = U\Sigma V^T$ 。这里， $U$ 和 $V$ 是正交矩阵（旋转/反射），而 $\Sigma$ 是一个由非负“奇异值”组成的对角矩阵。乘积法则得出 $\det(A) = \det(U)\det(\Sigma)\det(V^T)$ 。这揭示了变换的灵魂：它本质上是一次旋转（ $V^T$ ），接着是沿着相互垂直的轴线的简单缩放（ $\Sigma$ 中的奇异值），最后是另一次旋转（ $U$ ）。总体积的变化是奇异值的乘积，再由两个旋转部分可能带来的定向翻转进行修正。

连接世界的桥梁：拓展视野

行列式乘积法则的影响远远超出了线性代数的边界，它像一座桥梁，连接着看似无关的领域。

特征值与谱论： 每个可对角化矩阵都有一组特殊的向量，即其特征向量，它们在变换中只被拉伸（不被旋转）。缩放因子就是特征值 $\lambda_i$ 。通过对矩阵进行对角化， $A = PDP^{-1}$ ，其中 $D$ 是由特征值组成的对角矩阵，乘积法则给我们带来一个优美的结果： $\det(A) = \det(P)\det(D)\det(P^{-1}) = \det(D) = \prod \lambda_i$ 。行列式——即总体积变化——就是沿着这些特殊特征方向的缩放因子的乘积。这将体积变化的几何图像与矩阵谱的代数结构联系起来。

微积分与物理学： 如果世界不是静态的呢？想象一个晶格，其定义向量因热膨胀而随时间变化。其晶胞的体积由这些向量构成的矩阵的行列式给出，这个体积也在变化。变化有多快？乘积法则在微积分中有一个表亲——微分的乘积法则。将其应用于行列式函数，可以让我们计算体积的瞬时变化率，从而将线性代数与物理学和工程学核心的动力学和变化研究联系起来。

图论与组合数学： 故事在这里发生了真正令人惊讶的转折。考虑一个网络，或称图。一个“生成树”是一个连接所有顶点而不形成任何环路的子网络。一个给定的图可以有多少个不同的生成树？这似乎是一个组合数学家需要仔细计数可能性的问题。然而，答案却在于行列式中。通过使用乘积法则对非方阵的推广（柯西-比内公式），人们可以证明著名的矩阵树定理：生成树的数量恰好等于从图导出的一个特定矩阵（约化拉普拉斯矩阵）的行列式。像行列式这样一个连续的、代数的概念能够用来计算像树这样的离散对象，是数学深层、隐藏统一性的一个惊人例子。

量子力学与抽象代数： 当我们进入更抽象的领域时，该法则的力量并未减弱。在量子力学中，当我们组合两个系统（比如两个粒子）时，它们的状态空间通过一种称为张量积的运算进行组合。作用于这些组合系统上的算子也是单个算子的张量积。那么行列式如何表现呢？它遵循一个优美的、广义的乘积法则版本： $\det(T \otimes S) = (\det T)^{\dim W} (\det S)^{\dim V}$ 。同样的基本组合原理，在适应了新的上下文后，继续成立，并支配着量子世界的数学。

从橡皮膜的直观拉伸，到网络中树的计数，再到量子物理的抽象结构，行列式乘积法则是一条金线。它提醒我们，一个伟大思想的力量不在于其复杂性，而在于其简单性及其联系的广度。它证明了一个事实：在数学中，如同在自然界中一样，最基本的原则往往是最深远的。