行列式是线性代数中的一个核心概念，它不仅能够帮助我们判断一个矩阵是否可逆，还能在解决线性方程组、求解特征值和特征向量等方面发挥重要作用。本文将通过经典例题解析，帮助读者深入理解行列式的概念，掌握数学思维的新境界。
一、行列式的基本概念
行列式是由一系列数按照一定的规则排列成的矩形阵列所组成的，它可以表示为一个标量。对于一个 ( n \times n ) 的方阵 ( A )，其行列式记作 ( \det(A) ) 或 ( |A| )。
1.1 行列式的定义
行列式的定义如下：
[ \det(A) = \sum_{\sigma \in Sn} \text{sgn}(\sigma) a{1\sigma(1)} a{2\sigma(2)} \cdots a{n\sigma(n)} ]
其中，( Sn ) 是所有 ( n ) 元排列的集合，( \text{sgn}(\sigma) ) 是排列 ( \sigma ) 的符号，( a{ij} ) 是方阵 ( A ) 的第 ( i ) 行第 ( j ) 列的元素。
1.2 行列式的性质
行列式具有以下性质：
- 行列式的值与方阵的行（或列）交换后的符号相反；
- 行列式的值与方阵的行（或列）的倍数相乘；
- 行列式的值与方阵的行（或列）互换后的值相等；
- 行列式的值与方阵的行（或列）的线性组合相乘；
- 行列式的值与方阵的转置相等。
二、经典例题解析
2.1 例题一：计算方阵的行列式
给定方阵 ( A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix} )，计算 ( \det(A) )。
解答：
根据行列式的定义，我们有：
[ \det(A) = \text{sgn}(1) \cdot 1 \cdot 4 + \text{sgn}(2) \cdot 2 \cdot 3 = 4 - 6 = -2 ]
因此，( \det(A) = -2 )。
2.2 例题二：判断方阵是否可逆
给定方阵 ( A = \begin{bmatrix} 2 & 1 \ 3 & 2 \end{bmatrix} )，判断 ( A ) 是否可逆。
解答：
由于 ( A ) 是一个 ( 2 \times 2 ) 的方阵，我们可以通过计算其行列式来判断其是否可逆。如果 ( \det(A) = 0 )，则 ( A ) 不可逆；如果 ( \det(A) \neq 0 )，则 ( A ) 可逆。
计算 ( \det(A) )：
[ \det(A) = \text{sgn}(1) \cdot 2 \cdot 2 - \text{sgn}(2) \cdot 1 \cdot 3 = 4 - 3 = 1 ]
因此，( \det(A) \neq 0 )，所以 ( A ) 可逆。
2.3 例题三：求解线性方程组
给定线性方程组：
[ \begin{cases} 2x + 3y = 7 \ 4x + 6y = 11 \end{cases} ]
求解 ( x ) 和 ( y )。
解答：
我们可以将方程组表示为矩阵形式：
[ \begin{bmatrix} 2 & 3 \ 4 & 6 \end{bmatrix} \begin{bmatrix} x \ y \end{bmatrix} = \begin{bmatrix} 7 \ 11 \end{bmatrix} ]
设 ( A = \begin{bmatrix} 2 & 3 \ 4 & 6 \end{bmatrix} )，( b = \begin{bmatrix} 7 \ 11 \end{bmatrix} )，则该方程组可以表示为 ( Ax = b )。
为了求解 ( x )，我们需要先判断 ( A ) 是否可逆。计算 ( \det(A) )：
[ \det(A) = \text{sgn}(1) \cdot 2 \cdot 6 - \text{sgn}(2) \cdot 3 \cdot 4 = 12 - 12 = 0 ]
由于 ( \det(A) = 0 )，( A ) 不可逆，因此该线性方程组无唯一解。
三、总结
通过以上经典例题解析，我们可以看到行列式在数学中的重要作用。掌握行列式的概念和性质，能够帮助我们更好地理解和解决线性代数中的问题。在实际应用中，行列式不仅在理论研究中具有重要意义，而且在工程、物理、经济等领域也有着广泛的应用。