跳轉到

3.3 行列式：體積與定向#

前言：看見行列式#

全排列公式像天書，列變換像手藝，但行列式的靈魂是幾何的： \(\det A\) 是矩陣 \(A\) 對體積的有號放大倍率。正號表示空間未被翻轉，負號表示鏡射（定向反轉），零表示壓扁。本節建立「行列式＝有號體積」的完整圖像，證明乘法公式的幾何意義，並連接微積分的 Jacobi 行列式與物理的叉積、定向、及量子力學的相位。

歷史前因後果#

體積觀點的誕生#

  • 行列式在十八、十九世紀主要被當作代數判準；把它解讀為體積，要到向量分析時代才明朗。1846 年，格拉斯曼（Hermann Grassmann, 1809–1877）在《線性延論》中已經把「兩個向量的延積」理解為有向面積——這是外積與「有號體積」的先聲，可惜當時無人理會。
  • 1881 年，吉布斯的向量分析確立了三維叉積 \(\mathbf{u}\times\mathbf{v}\) 的幾何（大小＝平行四邊形面積，方向＝右手法則），而三重積 \(\mathbf{u}\cdot(\mathbf{v}\times\mathbf{w})\) 的絕對值恰為平行六面體體積——以座標寫出正是 \(3\times 3\) 行列式。行列式的體積意義自此成為物理學家的常識。

  • 十九世紀末至二十世紀初，Peano、Volterra 與外代數（exterior algebra）的發展把「有向體積」推廣到 \(n\) 維：行列式就是 \(n\) 個向量構成的「 \(n\) 維平行體」的有號體積，而外代數是它的嚴格語言。Cartan（Élie Cartan, 1869–1951）於 1899 年發展微分形式，把 Jacobi 行列式升級為積分理論的基石（ generalized Stokes 定理）。

  • 解決了什麼問題：解釋了為何行列式有這些「古怪」性質（多線性、反對稱、乘法性）——因為體積本來就如此；統一了積分換元、叉積、定向等散落的理論。

  • 引發了什麼新問題： \(n\) 維定向與外代數成為微分幾何、廣義相對論（體積元 \(dV = \sqrt{\det g}\,dx^1\cdots dx^n\) ）、量子力學（費米子波函數的反对称）的必備工具。

行列式＝有號體積#

二維：有向面積#

設 \(\mathbf{u} = (a, c)\) 、 \(\mathbf{v} = (b, d)\) 為 \(\mathbb{R}^2\) 中的兩向量，矩陣 \(A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}\) （以 \(\mathbf{u},\mathbf{v}\) 為行）把單位正方形 \([0,1]^2\) 映到由 \(\mathbf{u},\mathbf{v}\) 張成的平行四邊形。其面積：

\[ |\det A| = |ad - bc| \]

證明（面積的公理化）：定義 \(F(\mathbf{u}, \mathbf{v}) = \det[\mathbf{u}\ \mathbf{v}]\) 。檢驗它具備面積應有的三個性質：

  1. 單位正方形面積為 1： \(F(\mathbf{e}_1, \mathbf{e}_2) = \det I = 1\) ✓
  2. 其中一邊滑動不變面積（Cavalieri 原理）：固定 \(\mathbf{v}\) 時 \(F\) 對 \(\mathbf{u}\) 是線性的——把 \(\mathbf{u}\) 加上 \(\mathbf{v}\) 的倍數只是讓平行四邊形「平移剪切」，底與高不變 ✓
  3. 定向翻轉變號：交換 \(\mathbf{u},\mathbf{v}\) 時行列式變號 ✓

而滿足這三條的函數唯一（3.1 節公理的唯一性），故行列式就是有號面積。

三維：平行六面體#

三向量 \(\mathbf{u},\mathbf{v},\mathbf{w}\) 張成的平行六面體之有號體積：

\[ \det[\mathbf{u}\ \mathbf{v}\ \mathbf{w}] = \mathbf{u}\cdot(\mathbf{v}\times\mathbf{w}) \]

右端即純量三重積：叉積 \(\mathbf{v}\times\mathbf{w}\) 的大小是底面積、方向沿法線；與 \(\mathbf{u}\) 的內積再乘以 \(\cos\theta\) （高與底之夾角）——恰為「底面積 × 高」。

n 維：一般理論#

\(n\) 個向量 \(\mathbf{a}_1, \dots, \mathbf{a}_n \in \mathbb{R}^n\) 構成的平行體體積：

\[ \mathrm{Vol} = \left|\det[\mathbf{a}_1\ \cdots\ \mathbf{a}_n]\right| \]
情況 體積 意義
行向量獨立 $ \det A
行向量相依 \(\det A = 0\) 壓扁：體積為零的平面/直線

定向（Orientation）#

什麼是定向？#

\(\mathbb{R}^n\) 的定向是對「哪一組基底算正向」的整體約定。標準定向由 \((\mathbf{e}_1, \dots, \mathbf{e}_n)\) 給出（二維：逆時針；三維：右手法則）。一組基底 \((\mathbf{v}_1, \dots, \mathbf{v}_n)\) 為正向，若 \(\det[\mathbf{v}_1\ \cdots\ \mathbf{v}_n] > 0\) ；負向則 \(< 0\) 。

矩陣 \(A\) 的符號 \(\mathrm{sgn}(\det A)\) 告訴我們 \(A\) 如何作用於定向：

  • \(\det A > 0\) ：保定向——純旋轉與拉伸；
  • \(\det A < 0\) ：反定向——含奇數次反射（鏡射）；
  • \(\det A = 0\) ：壓扁，定向概念失效（低維子空間有自己的定向問題）。

例子：旋轉矩陣 \(R(\theta) = \begin{bmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{bmatrix}\) ， \(\det R = \cos^2\theta + \sin^2\theta = 1\) ——永遠保定向 ✓。鏡射矩陣 \(F = \begin{bmatrix} 1 & 0 \\ 0 & -1 \end{bmatrix}\) ， \(\det F = -1\) ——翻轉定向 ✓。

定向與線積分、通量#

微積分中的 Green 定理、Stokes 定理都依賴定向：曲線的繞行方向（二維定向）與曲面的法線方向（三維定向）決定積分的正負號。這些「符號約定」在本質上都是本節的定向概念；微分形式理論（Cartan）把它們統一。

乘法公式與體積倍率#

定理： \(\det(AB) = \det A\,\det B\) 。

幾何證明： \(AB\) 表示「先作用 \(B\) 再作用 \(A\) 」。 \(B\) 把單位立方體放大 \(|\det B|\) 倍， \(A\) 再放大 \(|\det A|\) 倍，總倍率 \(|\det A|\cdot|\det B|\) 。定向方面：兩次「定向翻轉」相乘，符號恰為 \(\mathrm{sgn}(\det A)\cdot\mathrm{sgn}(\det B)\) 。合併得 \(\det(AB) = \det A\,\det B\) 。∎

推論：

公式 幾何解釋
\(\det A^{-1} = 1/\det A\) 還原變換取倒數倍率
\(\det(P^{-1}AP) = \det A\) 換座標不變（相似性，第 5 章）
\(\det A^T = \det A\) 以行向量為邊與以列向量為邊的平行體同體積
$Q^TQ = I \Rightarrow \det Q
\(\det(\lambda A) = \lambda^n \det A\) 每一維都放大 \(\lambda\) 倍

例題#

例題 3.3-1（面積計算）：求由 \(\mathbf{u} = (3, 1)\) 、 \(\mathbf{v} = (1, 4)\) 張成的平行四邊形面積，並判斷基底 \((\mathbf{u},\mathbf{v})\) 是否正向。

解：

\[ \det\begin{bmatrix} 3 & 1 \\ 1 & 4 \end{bmatrix} = 12 - 1 = 11 \]

面積 \(= 11\) ； \(\det > 0\) ，故 \((\mathbf{u},\mathbf{v})\) 是正向基底（從 \(\mathbf{e}_1\) 到 \(\mathbf{e}_2\) 的轉向一致）。驗證：底 \(= \|\mathbf{u}\| = \sqrt{10}\) ，高 \(= \|\mathbf{v}\|\sin\theta\) ； \(\cos\theta = \frac{\mathbf{u}\cdot\mathbf{v}}{\|\mathbf{u}\|\|\mathbf{v}\|} = \frac{7}{\sqrt{10}\sqrt{17}}\) ， \(\sin\theta = \sqrt{1 - \frac{49}{170}} = \frac{\sqrt{121}}{\sqrt{170}} = \frac{11}{\sqrt{170}}\) 。面積 \(= \sqrt{10}\cdot\sqrt{17}\cdot\frac{11}{\sqrt{170}} = 11\) ✓。

例題 3.3-2（三維體積與共面判準）：四點 \(P_0=(0,0,0)\) 、 \(P_1=(1,2,0)\) 、 \(P_2=(0,1,1)\) 、 \(P_3=(2,4,1)\) 是否共面？

解：四點共面 ⇔ 三向量 \(\mathbf{u} = P_1 - P_0 = (1,2,0)\) 、 \(\mathbf{v} = P_2 - P_0 = (0,1,1)\) 、 \(\mathbf{w} = P_3 - P_0 = (2,4,1)\) 的混合積為零：

\[ \det\begin{bmatrix} 1 & 0 & 2 \\ 2 & 1 & 4 \\ 0 & 1 & 1 \end{bmatrix} \]

沿第一列展開： \(1\cdot\det\begin{bmatrix}1&4\\1&1\end{bmatrix} - 0 + 2\cdot\det\begin{bmatrix}2&1\\0&1\end{bmatrix} = 1(1-4) + 2(2) = -3 + 4 = 1 \neq 0\) 。不共面，平行六面體體積為 \(1\) 。

例題 3.3-3（Jacobi 行列式：換元積分）：計算 \(\displaystyle\iint_R e^{(x+2y)/3}\,dA\) ，其中 \(R\) 是由 \(x + 2y = 0, 3\) 與 \(x - y = 0, 6\) 圍成的平行四邊形。令 \(u = x+2y,\ v = x-y\) ，則 \(x = \frac{u+2v}{3},\ y = \frac{u-v}{3}\) ，Jacobi 行列式：

\[ \frac{\partial(x,y)}{\partial(u,v)} = \det\begin{bmatrix} 1/3 & 2/3 \\ 1/3 & -1/3 \end{bmatrix} = -\frac{1}{9} - \frac{2}{9} = -\frac{1}{3}, \qquad \left|\det J\right| = \frac13 \]
\[ \iint_R e^{(x+2y)/3}\,dA = \int_0^3\int_0^6 e^{u/3}\cdot\frac13\,dv\,du = 2\int_0^3 e^{u/3}\,du = 6\left[e^{u/3}\right]_0^3 = 6(e - 1) \]

注意：Jacobi 行列式是負的（變換反轉定向），積分取絕對值 \(\frac13\) 。 \(-\frac13\) 的負號正是本節「定向」概念的日常體現——換元不應改變積分值，定向資訊由面積元吸收。

為什麼列變換對體積合理？#

回到 3.1 節的列變換效應，現在每條都有了幾何證明：

列變換 幾何操作 對體積的效應
\(R_i \to R_i + kR_j\) 平行四邊形「滑邊」（Cavalieri） 不變
\(R_i \to kR_i\) 某一邊放大 \(k\) 倍 體積 \(\times k\)
\(R_i \leftrightarrow R_j\) 換邊的順序（定向翻轉） 變號
一列為零 平行體退化（壓扁） 體積 0

這解開了「行列式為何如此定義」的謎：行列式被設計成「體積的公理化函數」，所有代數性質都是體積直覺的翻譯。

與其他領域的關聯#

  • 微積分：重積分換元的 Jacobi 行列式（例 3.3-3）、曲面積分與通量的定向約定、極座標 \(r\,dr\,d\theta\) 中的 \(r\) （ \(\det\begin{bmatrix}\cos\theta & -r\sin\theta\\ \sin\theta & r\cos\theta\end{bmatrix} = r\) ）。
  • 物理：電磁通量 \(\Phi = \mathbf{B}\cdot\mathbf{A}\) 是三重積；流體力學的體積守恆（連續方程）以 \(\det(\text{變形梯度})\) 表達；廣義相對論體積元 \(\sqrt{\det g}\) 。
  • 機器學習：常態分布的馬氏距離密度含 \((\det\Sigma)^{-1/2}\) ；normalizing flows 的變換機率密度公式 \(\log|\det J|\) ——體積倍率決定機率質量的伸縮。
  • 量子力學：費米子波函數必為反對稱——Slater 行列式自動滿足：交換兩粒子（兩列交換）波函數變號，這是泡利不相容原理的線性代數化身。
  • 電腦圖學：三角形有向面積（叉積符號）用於判斷點在三角形內外、背面剔除（backface culling）——即 \(\det\) 的符號測試。

本節小結#

  1. 行列式的幾何靈魂： \(|\det A|\) 是體積倍率， \(\mathrm{sgn}(\det A)\) 是定向指標， \(\det A = 0\) 表示壓扁。
  2. 三條公理（單位體積、滑邊不變、定向翻轉）唯一決定行列式——代數定義與幾何定義殊途同歸。
  3. 乘法公式 \(\det(AB) = \det A\det B\) 是「倍率相乘」的翻譯；所有衍生公式（逆、相似、正交）都有幾何解釋。
  4. Jacobi 行列式把這套理論帶進微積分與機率論；定向概念支撐 Stokes 定理與物理學。

深入議題：外積、Hadamard 與高階幾何#

叉積的行列式表達（記憶法）#

\[ \mathbf{u}\times\mathbf{v} = \det\begin{bmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ u_1 & u_2 & u_3 \\ v_1 & v_2 & v_3 \end{bmatrix} \]

（形式化記號——「第一列是向量」在嚴格意義下需要外代數語言，但作為記憶工具極有效。）展開：

\[ \mathbf{u}\times\mathbf{v} = (u_2v_3 - u_3v_2,\ u_3v_1 - u_1v_3,\ u_1v_2 - u_2v_1) \]

驗證 \(\langle\mathbf{u}, \mathbf{u}\times\mathbf{v}\rangle = u_1u_2v_3 - u_1u_3v_2 + u_2u_3v_1 - u_1u_2v_3 + u_3u_1v_2 - u_2u_3v_1 = 0\) ✓——叉積自動垂直於兩輸入，這是「反對稱性」的幾何必然。

Lagrange 恆等式#

\[ (\mathbf{u}\times\mathbf{v})\cdot(\mathbf{w}\times\mathbf{z}) = (\mathbf{u}\cdot\mathbf{w})(\mathbf{v}\cdot\mathbf{z}) - (\mathbf{u}\cdot\mathbf{z})(\mathbf{v}\cdot\mathbf{w}) \]

它是柯西–施瓦茨不等式在叉積上的化身（取 \(\mathbf{w} = \mathbf{u}, \mathbf{z} = \mathbf{v}\) ）： \(\|\mathbf{u}\times\mathbf{v}\|^2 = \|\mathbf{u}\|^2\|\mathbf{v}\|^2 - (\mathbf{u}\cdot\mathbf{v})^2 = \|\mathbf{u}\|^2\|\mathbf{v}\|^2\sin^2\theta\) ✓。內積與叉積不是兩個獨立運算，而是同一幾何結構的兩個投影（外代數： \(\wedge\) 與內積由 Hodge 星算子連接）。

高維「叉積」不存在的原因#

三維中叉積吃兩個向量吐一個向量（ \(2 \to 1\) ），但只有 \(\mathbb{R}^3\) 的維度恰好允許「法線方向」是唯一的。一般而言：

  • \(\mathbb{R}^2\) ： \(2\) 個向量的「叉積」是純量（有號面積）；
  • \(\mathbb{R}^3\) ： \(2\) 個向量 → \(1\) 個法向量（雙重身份）；
  • \(\mathbb{R}^n\) ： \(n-1\) 個向量 → 1 個法向量（廣義叉積，Hodge 對偶的化身）。

而「二元的、雙線性的、反對稱的、保歐氏結構的」叉積只在 \(n = 3\) 與 \(n = 7\) 存在（與四元數、八元數的乘法結構相關——1863 年 Hamilton 的掙扎與 1898 年 Hurwitz 的分類定理）。「為什麼物理在 3+1 維如此方便」的數學根源之一。

例題（續）#

例題 3.3-4（叉積與法平面）：求過點 \(P(1, 2, 3)\) 且包含向量 \(\mathbf{u} = (1, 0, 1)\) 、 \(\mathbf{v} = (0, 1, -1)\) 的平面方程。

解：法向量 \(= \mathbf{u}\times\mathbf{v} = (0\cdot(-1) - 1\cdot1,\ 1\cdot0 - 1\cdot(-1),\ 1\cdot1 - 0\cdot0) = (-1, 1, 1)\) 。

\[ -(x - 1) + (y - 2) + (z - 3) = 0 \Rightarrow -x + y + z = 4 \]

驗證 \(P\) ： \(-1 + 2 + 3 = 4\) ✓；驗證 \(\mathbf{u}\) 方向在平面內： \(-1 + 0 + 1 = 0\) ✓。

例題 3.3-5（體積與「有向」符號的物理）：計算 \(\mathbf{a} = (2, 0, 1)\) 、 \(\mathbf{b} = (0, 3, 0)\) 、 \(\mathbf{c} = (1, 1, 2)\) 的混合積，並解釋符號。

\[ \det[\mathbf{a}\ \mathbf{b}\ \mathbf{c}] = \mathbf{a}\cdot(\mathbf{b}\times\mathbf{c}) = (2, 0, 1)\cdot(3\cdot2 - 0\cdot1,\ 0\cdot1 - 0\cdot2,\ 0\cdot1 - 3\cdot1) = (2,0,1)\cdot(6, 0, -3) = 12 - 3 = 9 \]

解讀：體積 \(9\) ； \(\det > 0\) 表示 \((\mathbf{a}, \mathbf{b}, \mathbf{c})\) 與右手系 \((\mathbf{e}_1, \mathbf{e}_2, \mathbf{e}_3)\) 同向——右手螺旋從 \(\mathbf{a}\) 轉向 \(\mathbf{b}\) 時拇指大致指向 \(\mathbf{c}\) 側。電磁學中的磁通量 \(\Phi = \mathbf{B}\cdot\mathbf{A}\) 、力矩 \(\boldsymbol\tau = \mathbf{r}\times\mathbf{F}\) 的「方向規則」全是這個定向概念。

例題 3.3-6（極座標的 Jacobi 是面積倍率）：驗證 \(dA = r\,dr\,d\theta\) 。

變換 \((r, \theta) \to (r\cos\theta, r\sin\theta)\) ，Jacobi 矩陣：

\[ J = \begin{bmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{bmatrix}, \qquad \det J = r\cos^2\theta + r\sin^2\theta = r \]

幾何： \((r, \theta)\) 的小矩形 \(dr \times d\theta\) 在實際平面上被拉成「徑向長 \(dr\) × 弧長 \(r\,d\theta\) 」的小扇形——面積 \(r\,dr\,d\theta\) 。行列式就是這個局部放大率的代數表達； \(\det J > 0\) 說明極座標保持定向。

定向的高維簡筆#

  • \(\mathbb{R}^n\) 的定向 = 基底的「符號類」；改變定向的變換 \(\det < 0\) 。
  • 物理法則的定向依賴：安培右手定則、Fleming 左手定則、CPT 對稱……物理在鏡像世界（ \(\det = -1\) ）中「幾乎」一樣，但弱交互作用打破宇稱（1957 年吳健雄實驗）——自然界竟真的「偏好」一個定向！
  • 電腦圖學：三角形的頂點順序（順/逆時針）決定正面/背面——backface culling 就是一次 \(\det\) 的符號測試，每秒在 GPU 上執行數十億次。

練習題#

  1. 計算 \((1, 2, 2)\times(2, 1, -2)\) 並驗證與兩輸入都垂直。
  2. 求由 \((1,0,0), (1,1,0), (1,1,1)\) 張成的四面體體積。（提示：平行六面體的 \(1/6\) 。）
  3. 判斷 \((2, 3), (4, 6), (1, 5)\) 是否共線。（用二維叉積。）
  4. 證明球面座標的 Jacobi 行列式為 \(\rho^2\sin\phi\) ，並推導 \(dV = \rho^2\sin\phi\,d\rho\,d\phi\,d\theta\) 。
  5. 用 Lagrange 恆等式證明： \(\|\mathbf{u}\times\mathbf{v}\| = \|\mathbf{u}\|\|\mathbf{v}\|\sin\theta\) 。
  6. （思考）反射矩陣 \(F = \mathrm{diag}(1, 1, -1)\) 的 \(\det = -1\) 。說明「鏡子裡的世界」哪三種幾何性質不變、哪兩種反轉。

預告：我們已擁有「計算與判準」的完整工具箱。第 4 章將跨出決定性的一步：不再問「怎麼算」，而問「什麼是空間？」——向量空間的公理化，將把前面所有具體經驗升級為一般理論。