方阵行列式非零是线性代数中的一个重要性质，它揭示了线性方程组解的存在性和唯一性。本文将深入探讨这一性质，并通过实例分析，帮助读者理解其背后的数学原理。
1. 行列式的定义
行列式是方阵的一个数值，用于描述方阵的性质。对于一个 ( n \times n ) 的方阵 ( A )，其行列式记为 ( \det(A) )。行列式的计算方法有多种，其中一种常用的方法是拉普拉斯展开。
2. 行列式非零的条件
一个 ( n \times n ) 的方阵 ( A ) 的行列式非零，意味着该方阵是可逆的。具体来说，以下条件之一必须满足：
- 列向量线性独立：方阵 ( A ) 的每一列向量都是线性独立的，即不存在一组不全为零的常数 ( k_1, k_2, \ldots, k_n )，使得 ( k_1 \mathbf{a}_1 + k_2 \mathbf{a}_2 + \ldots + k_n \mathbf{a}_n = \mathbf{0} )。
- 行向量线性独立：方阵 ( A ) 的每一行向量都是线性独立的，即不存在一组不全为零的常数 ( k_1, k_2, \ldots, k_n )，使得 ( k_1 \mathbf{a}_1 + k_2 \mathbf{a}_2 + \ldots + k_n \mathbf{a}_n = \mathbf{0} )。
3. 行列式非零与线性方程组
当方阵 ( A ) 的行列式非零时，线性方程组 ( A\mathbf{x} = \mathbf{b} ) 有唯一解。这是因为：
- 列向量线性独立：如果 ( A ) 的列向量线性独立，那么 ( A ) 是可逆的，因此 ( \mathbf{x} = A^{-1}\mathbf{b} ) 是方程组的唯一解。
- 行向量线性独立：如果 ( A ) 的行向量线性独立，那么 ( A ) 的秩等于 ( n )，因此 ( A ) 是可逆的，同样有 ( \mathbf{x} = A^{-1}\mathbf{b} ) 是方程组的唯一解。
4. 举例说明
考虑以下 ( 3 \times 3 ) 的方阵 ( A )：
[ A = \begin{bmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 \end{bmatrix} ]
计算 ( \det(A) )：
[ \det(A) = 1 \cdot (5 \cdot 9 - 6 \cdot 8) - 2 \cdot (4 \cdot 9 - 6 \cdot 7) + 3 \cdot (4 \cdot 8 - 5 \cdot 7) = 0 ]
由于 ( \det(A) = 0 )，( A ) 的列向量线性相关，因此线性方程组 ( A\mathbf{x} = \mathbf{b} ) 可能没有解或有无限多解。
再考虑以下 ( 3 \times 3 ) 的方阵 ( B )：
[ B = \begin{bmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 \end{bmatrix} ]
计算 ( \det(B) )：
[ \det(B) = 1 \cdot (5 \cdot 9 - 6 \cdot 8) - 2 \cdot (4 \cdot 9 - 6 \cdot 7) + 3 \cdot (4 \cdot 8 - 5 \cdot 7) = 6 ]
由于 ( \det(B) \neq 0 )，( B ) 的列向量线性独立，因此线性方程组 ( B\mathbf{x} = \mathbf{b} ) 有唯一解。
5. 总结
方阵行列式非零是线性代数中的一个重要性质，它揭示了线性方程组解的存在性和唯一性。通过理解行列式的定义、计算方法和性质，我们可以更好地掌握线性代数的基本概念和应用。