线性代数学习总结-行列式

行列式是一个单独的数字,这个数字包含了矩阵的很多信息。
比起直接讲行列式令人费解,而又让人觉得神奇的计算公式,我觉得应该从线性变换以及二维面积(三维体积更高维的什么我也不知道)入手要比较容易理解一点。

首先,对于方程而言,其实可以看作,这里假设矩阵代表的是另一种坐标空间,其实表示的意思就是,向量经过变换,转换成了单位坐标空间中的坐标。或者如果是矩阵的话,相应的意思也成立。这里跟前面讲的矩阵求解的时候,记录变换矩阵是一个意思。

举个简单的栗子

二维空间中单位矩阵的两个分量构成了一个正方形,如下图

1x1

然后,如果我们想要 的第一个分量 缩放 倍,第二个分量 缩放 倍,于是改变单位矩阵 为 那么, 的两个向量组成的图形的面积很明显变成了
ab
(ps:上面图(b,0)应该是(0,b))
如果我们再改变 使之往y的方向平移 个单位,同样的我们改变另一个向量 使之往 的方向平移 个单位,最终图形变成了一个平行四边形
abcd
它的面积变为了
因此,对于二维空间而言,用几何的意义来理解,可以理解为ab-cd就是原面积的缩放倍数。拓展到三维空间就可能是体积,更高维的什么其他东西。

就是该矩阵的行列式,记作

性质
  • 行列式为0说明该矩阵不可逆
  • 行交换会改变行列式的符号
  • 行列式的线性组合规则如下

\begin{vmatrix}ta_{00}&ta_{01}&...&ta_{0n}\\a_{10}&a_{11}&...&a_{1n}\\...\\a_{m0}&a_{m1}&...&a_{mn}\end{vmatrix}=t\begin{vmatrix}a_{00}&a_{01}&...&a_{0n}\\a_{10}&a_{11}&...&a_{1n}\\...\\a_{m0}&a_{m1}&...&a_{mn}\end{vmatrix}
\begin{vmatrix}a_{00} + a'_{00}&a_{01}+ a'_{01}&...&a_{0n}+ a'_{0n}\\a_{10}&a_{11}&...&a_{1n}\\...\\a_{m0}&a_{m1}&...&a_{mn}\end{vmatrix}=\begin{vmatrix}a_{00}&a_{01}&...&a_{0n}\\a_{10}&a_{11}&...&a_{1n}\\...\\a_{m0}&a_{m1}&...&a_{mn}\end{vmatrix}+\begin{vmatrix}a'_{00}&a'_{01}&...&a'_{0n}\\a_{10}&a_{11}&...&a_{1n}\\...\\a_{m0}&a_{m1}&...&a_{mn}\end{vmatrix}

  • 如果两行线性相关,行列式为0

运算就不讲了。

你可能感兴趣的:(线性代数学习总结-行列式)