线代笔记 #06# 行列式

源: 线性代数的本质

行列式就是线性变换的放大率。

把这句话仔细、反复理解透彻就差不多了,

在二维空间中,行列式是指小正方形面积的放大率(在平面中取任意面积等比例放大),

对于行列式为负数、为零的情况,可以以动态的方式去理解。

三维空间中,行列式是指小正方体体积的放大率(在空间中取任意体积等比例放大),正负向的判断可以参考视频中的左手、右手规则。

对视频最后问题的一个简短的、极不谨慎的想法:

对于确定的线性变换(矩阵)而言,放大率(行列式)都是确定的,无关乎作用于空间的顺序。意思是如果线性变换 A B 的放大率如果分别为 0.8、0.6,那么不管它们谁先作用于空间,最后得到的等效放大率都是一样的 0.48

因此就有 det(AB) = det(A)*det(B) = det(BA),这里 AB 和 BA 是两个截然不同的线性变换,但是由于 A B 的放大率是确定并且无关顺序的,所以两者的放大率是一致的。

如果两个矩阵“明明是不同的线性变换,却有相同的放大率”, 那么这两个矩阵有可能可以由相同的矩阵复合而成。

原文地址:https://www.cnblogs.com/xkxf/p/8183175.html

时间: 2024-10-08 07:28:19

线代笔记 #06# 行列式的相关文章

线代笔记 #07# 逆矩阵,列空间,零空间

源: 线性代数的本质 To ask the right question is harder than to answer it.   -Georg Cantor 印象中,我在视频里曾看到过这样的两句话(没有经过核实),其中一句是“向量是线性变换的载体”,另外一句是“当线性变换作用于空间······”. 之后我一直有一种误解:向量是一种“物质”,而运动变化(线性变换)必然是作用于物质之上的,不应该有脱离向量的线性变换.这种观点给我理解概念带来了一些困扰. 例如说,我反复看了好几遍才明白“列空间(

[线代笔记]第一章 线性方程组解法

第一章 线性方程组解法 代数学起源于解方程(代数方程) 一元一次.一元二次.一元三次.一元四次都有求根公式(通过系数进行有限次加.减.乘.除.乘方.开方得到解),一元五次以上方程就不再有求根公式了(近世代数) 二元一次方程组.三元一次方程组.…….n元一次方程组(线性代数研究对象) 高等代数——线性代数+多项式理论 1. 线性方程组的同解变形.线性组合.初等变换.消去法 例1 同解变形:用3种同解变形必可化方程组为阶梯型 交换两个方程位置 用非0的数c乘某个方程两边 用某个方程的k倍加到另一个方

线代笔记 #01# 几何水平上的理解 VS. 数值水平上的理解

源: 线性代数的本质 内容来自字幕. Let me quote without further comment from Dieudonné's "Foundations of Modern Analysis, Vol. 1" There is hardly any theory which is more elementary than linear algebra, in spite of the fact that generations of professors and te

线代笔记 #03# 张成空间

源: 线性代数的本质 1.线性组合(linear combination) So any time that you're scaling two vectors and adding them like this, it's called a linear combination of those two vectors. 2.张成空间(span) “缩放向量并且相加”这一概念至关重要 所有可以表示为给定向量线性组合的向量的集合 被称为给定向量张成的空间(span) 两个向量张成的空间实际上是

线代笔记 #05# 复合矩阵

源: 线性代数的本质 线性变换可以看作参数.返回值都是向量的函数. 当多个线性变换复合作用于同一个向量的时候,可以通过矩阵复合运算(也就是矩阵乘法)得到一个等效变换. 矩阵实际上描述(追踪)的是基向量的变换,而空间内任意向量则是基向量特定的线性组合. 矩阵复合运算可以类比为函数中的 f(g(x)) ,将 f 和 g 复合为一个函数. 计算的时候,只要把内侧的矩阵 拆分为单个向量分别用外侧矩阵处理,最后把得到的向量再重新组合为一个矩阵就可以了. 之后是一个显而易见的事实, 原文地址:https:/

线代学习笔记

看了几天线性代数的教学视频,一脸懵逼.一大堆问号在头上,可是她是如此的重要,甚至是很多学科的血液,连这个都不懂的话,估计接下来的编程,机器学习,概率论全都会一脸茫然!如果强迫自己要一个时限里面学好的话,估计也是只有反效果.一天一个小时,深入的去了解她个中的美妙.首先当然是要建立一个良好的个人自信心,我相信高智商人群也毕竟是少数,不能知难而退,半途而废,如果别人能学好,相信自己也能学好线代. 1.向量--向量是线性代数最基础最根源的组成部分,就好像数字是数学的最基础一样,废话了吧?所以要好好了解清

重学线代——声明篇

为啥重学线代呢? 1.当初学得模棱两可,时间长了啥也没剩下 2.越来越发现线代很流弊,很有用(不只是线代,各门数学都有此感触) 3.比较巧合地在网络上发现了个很好的线代教学资源 4.假期浪费了太可惜了 你这堆博客要写点啥呢? 课程笔记.个人领悟.无知吐槽.等等等等 你还想说点啥么? 没了 哦 恩

线代考试总结&&周记

今天终于考完线代了,因为之前授课老师说今年难度会加大很多,所以把14-18五年的线代卷子做完后就抱着必死的决心考试去了.结果特别幸运,难度并没有加大,无论是难度还是题型都和前5年十分近似.麻钊和我说他们班好多人说难,其实如果昨天下午没有突发奇想把那5套卷子翻出来狂写一晚上,我可能也要凉了. 有必要讲述一下昨晚的情况:从下午两点半开始做,中间洗澡啊拿蓝桥杯的奖啊杂七杂八...下午东九,晚上前段时间在图书馆,图书馆闭馆了后在东十二.第一套,40分,都看不懂题目在问什么.第二套,48,一个10分的递推

除了考试,线代还是很有用的

大一上学了线代,脑子里面还没有对线代的具体应用有过认识,听说以后机器学习什么的会用上,但好像学到的时候线代知识也容易忘了…… 那么今天就说说在oi里面,我用到线代的知识的题目吧. 矩阵快速幂. 这类题目主要是用来推导公式的,比如经典的斐波那契数列就可以用上这个. F[n]=F[n-1]+F[n-2] 那么我们求的时候就之间算单位矩阵的n次方就行了, 怎么求呢?其实就是把快速幂里面的整数换成矩阵相乘.代码就不贴了. 矩阵树定理 https://www.cnblogs.com/twilight-sx