探索线性代数中关于非方阵乘积行列式的核心定理，深入理解其数学之美与实际应用。
在高等数学和线性代数领域，Cauchy-Binet定理（柯西-比内定理）是一个关于矩阵乘积行列式的重要恒等式。它是拉普拉斯展开定理的一个推广，特别适用于处理非方阵（即行数和列数不相等的矩阵）相乘后得到的方阵的行列式计算问题。
通常情况下，我们知道对于两个同阶方阵 A 和 B，有性质 det(AB) = det(A)det(B)。然而，当 A 是一个 m×n 矩阵，B 是一个 n×m 矩阵，且 m < n 时，A 和 B 都不是方阵，因此 det(A) 和 det(B) 本身是没有定义的。但是，它们的乘积 AB 却是一个 m×m 的方阵，其行列式是有意义的。Cauchy-Binet定理 正是给出了计算这个 det(AB) 的方法。
设 A 为 m×n 矩阵，B 为 n×m 矩阵，其中 m ≤ n。令 I 为从 {1, 2, ..., n} 中选取 m 个不同整数的所有可能组合的集合。对于每个 I ∈ I，记 AI 为 A 中由第 I 列组成的 m×m 子矩阵，记 BI 为 B 中由第 I 行组成的 m×m 子矩阵。
det(AB) = ΣI ∈ I det(AI) · det(BI)
简单来说，乘积矩阵的行列式等于 A 的所有 m×m 子式与 B 的对应 m×m 子式的乘积之和。
该定理以两位19世纪法国数学家的名字命名，他们分别在分析学和代数几何领域做出了巨大贡献。
柯西是分析学的严格化奠基人。他在1815年左右发表了一系列关于行列式的论文，其中包含了该定理的最初形式。柯西的工作为现代数学分析奠定了基础，他对Cauchy-Binet定理的贡献主要体现在对行列式性质的系统性研究上。
比内是一位多才多艺的数学家和物理学家。他最为人熟知的成就是提出了斐波那契数列的通项公式（Binet公式）。他在1811年和1815年的论文中独立发现了这一行列式恒等式。比内的工作不仅限于代数，还涉及复数理论和力学。
虽然Cauchy-Binet定理的严格证明涉及线性代数中较为复杂的拉普拉斯展开和张量积概念，但我们可以通过几何直观和代数结构来理解它。
在线性代数中，行列式可以被理解为线性变换对空间体积的缩放因子。假设我们有一个从 R^n 到 R^m 的线性变换 A，它将 R^n 中的单位立方体映射为一个平行六面体（在 R^m 的子空间中）。
Cauchy-Binet定理 告诉我们，如果我们先通过 A 将体积投影或嵌入到 R^m，然后再通过 B 将其变换，最终的体积缩放因子（即 det(AB)）可以通过分解为多个基本“切片”的贡献之和来计算。每一个 AI 代表 A 在由第 I 个基向量张成的子空间上的行为，而 BI 则是 B 在对应子空间上的逆操作或变换。
证明的核心在于利用行列式的多重线性和交替性。我们可以将 AB 的行列式展开为关于 A 的列和 B 的行的多重线性函数。
根据拉普拉斯展开定理，det(AB) 可以表示为 A 的 m×m 子式与 B 的相应余子式的乘积之和。由于 B 的余子式恰好与其子式 det(BI) 相关（可能相差一个符号，但在对称结构中符号会抵消），从而得到最终公式。这种代数结构展示了矩阵乘法中元素交互的复杂性如何被系统地分解。
在现代微分几何和拓扑学中，Cauchy-Binet定理 可以自然地用外积（Exterior Product）来表述。
设 A 是线性映射 V → W，B 是 W → V。定理本质上是说，外幂映射 ∧mA 和 ∧mB 的复合的迹（trace）等于 det(AB)。在基向量 ei1 ∧ ... ∧ eim 上，这个映射的作用系数正是对应的子式。这种观点将Cauchy-Binet定理提升到了更抽象的代数结构层面，揭示了其在多维体积计算中的普适性。
为了更清晰地理解Cauchy-Binet定理，我们来看一个具体的例子。假设 m=2，n=3。
A = [1 0 2]
[0 1 3]
B = [1 0]
[2 1]
[4 0]
AB = [11+02+24 10+01+20] = [9 0]
[01+12+34 00+11+30] [14 1]
det(AB) = 91 - 014 = 9
我们需要从 A 的3列中选2列，共有 C(3,2)=3 种组合：{1,2}, {1,3}, {2,3}。
Sum = 1 + 0 + 2 = 3 ... 等等，这里计算有误？让我们重新检查 B 的子式。
修正：B{2,3} 是取 B 的第2和第3行。 B = [[1,0], [2,1], [4,0]] Row 2 & 3: [[2,1], [4,0]] -> det = 20 - 14 = -4. 乘积 = (-2) (-4) = 8. Sum = 1 + 0 + 8 = 9.
结果 det(AB) = 9，与直接计算一致！✅
Cauchy-Binet定理 不仅仅是理论上的奇技淫巧，它在多个数学分支中都有深远的影响。
| 应用领域 | 具体作用 | 示例 |
|---|---|---|
| 几何学 | 计算高维平行多面体的体积 | 计算嵌入在 Rn 中的 m-维子空间中的平行多面体体积，即 Gram 行列式。 |
| 统计学 | 多元正态分布 | 在计算多元正态分布的概率密度函数时，涉及协方差矩阵的逆和行列式，Cauchy-Binet 可用于简化复杂结构的计算。 |
| 图论 | Kirchhoff 矩阵树定理 | 该定理是证明矩阵树定理的关键工具，用于计算图中生成树的数量。 |
| 微分几何 | 雅可比行列式 | 在变量替换积分中，当变换不是方矩阵时（如参数化曲面），该定理帮助理解体积元的变换。 |
如果A是m×n矩阵，B是n×m矩阵，且m≤n，则det(AB)等于A的所有m×m子式与B的对应m×m子式的乘积之和。具体公式为：det(AB) = Σ det(AI) det(BI)，其中求和遍历所有可能的m列索引I。
该定理在线性代数中非常重要，特别是在计算矩阵乘积的行列式时。它也是证明Binet-Cauchy恒等式的基础，广泛应用于几何学（如计算体积）、统计学（如多元正态分布）以及图论（如Kirchhoff定理）。
奥古斯丁-路易·柯西（Augustin-Louis Cauchy）是法国著名数学家，对分析学和代数有巨大贡献。雅克·菲利普·马里·比内（Jacques Philippe Marie Binet）是法国数学家和物理学家，以比内公式（斐波那契数列的通项公式）闻名。
如果 m > n，那么 A (m×n) 和 B (n×m) 的乘积 AB 是 m×m 的矩阵。但是，A 的列向量在 Rm 中最多只能张成 n 维空间，而 n < m。因此，AB 的列向量是线性相关的，det(AB) 必然为 0。在这种情况下，定理依然“成立”，因为右边的求和项中，A 的所有 m×m 子式都为 0（因为 A 只有 n < m 列），所以和也为 0。