多重线性代数与张量代数

作为顶层外幂的行列式

这是对行列式究竟是什么的无坐标解释:一个线性映射把最高维有向体积拉伸的那个唯一数。n 维空间的顶层外幂 Λ^n(V) 是一维的——本质上只有一个『体积元』——故任何线性映射都只能将其缩放,而那个缩放因子就是行列式。

设 V 是 n 维向量空间、T: V -> V 线性。函子性给出顶层(一维)外幂上的诱导映射 Λ^n(T): Λ^n(V) -> Λ^n(V),在生成元上由 Λ^n(T)(v_1 ∧ ... ∧ v_n) = T(v_1) ∧ ... ∧ T(v_n) 定义。由于 Λ^n(V) 一维,Λ^n(T) 是乘以唯一标量,该标量按定义(且与通常公式一致)就是 det(T)。

此观点使行列式的关键性质立即且无基地显现。乘性 det(ST) = det(S) det(T) 不过是 Λ^n 的函子性应用于复合;det(T) = 0 当且仅当 T(v_1), ..., T(v_n) 相关,即 T 不可逆;且该构造无需选基,解释了为何行列式与基无关。一般的 k 次外幂 Λ^k(T) 同样产出特征值的初等对称函数。

对 R^2 上的 T,T(e_1) = a e_1 + c e_2、T(e_2) = b e_1 + d e_2:T(e_1) ∧ T(e_2) = (ad − bc) e_1 ∧ e_2,故 Λ^2(T) 是乘以 ad − bc,恢复 det(T) = ad − bc。

在顶层楔积上的作用直接重现行列式公式。