• 线性代数学习笔记6-1:行列式与线性变换


    行列式:用面积的变化描述线性变换的效果

    之前说过,线性变换就是一种操纵空间和变换坐标轴的手段,它保持原点固定且网格平行等距;
    有的线性变换将空间拉伸,有的线性变换将空间向内挤压(如剪切/切变变换),有的甚至将空间压缩至维度降低(对应的矩阵中列向量线性相关)

    那么,如何衡量线性变换对空间的拉伸/压缩效果呢?或者更具体的,给定一个区域,如何测量其面积增大/缩小的比例呢?

    • 我们只考虑一个1x1的单位正方形(即两个基向量围成的区域)面积变化的情况
      在这里插入图片描述
      可见,经过一个线性变换后,其面积变为3x2=6倍
    • 一般的,这种面积缩放的比例如何计算呢?——用行列式
      在这里插入图片描述
      上图证明了,矩阵行列式determinant(的绝对值),就是相应线性变换后任一区域的面积变化比例
    • 那考虑其他区域面积的变化情况呢?
      实际上,上面的1x1正方形的面积变化已经说明了一切:
      ①其他矩形区域的面积变化比例与之相同(这是由于线性变换的比例性决定的);
      ②而对于一般的不规则区域,可以用微分思想,将其视作由无数不规则的小正方形组成,面积变化比例也与正方形相同。

    行列式为何有正负?

    行列式为负值,一个区域如何缩放“负数倍”呢?
    实际上,这与数学上的定向Orientation的概念有关。

    • 对于二维空间,原来的基向量 i \boldsymbol i i位于 j \boldsymbol j j的右侧,如果线性变换后, i ′ \boldsymbol i' i位于 j ′ \boldsymbol j' j的左侧,这就改变了空间的定向(理解为一张纸被翻转到另一面,感觉像这个变化让空间“翻转”了),此时行列式为负值
    • 对于三维空间同理,原来三个基向量满足坐标系的右手定则,如果变换后不满足了,则空间的定向被改变,此时行列式为负值

    如何直观理解空间定向的改变与行列式负值(负的面积改变)的关系呢?
    考虑二维空间中的一个剪切变换:
    i \boldsymbol i i轴逐渐靠近 j \boldsymbol j j轴,过程中空间不断被压缩,因此行列式为正值且不断减小;
    当两个轴重合,此时的变换使得空间降维至一条线,所有面积变为0,因此行列式为0;
    i \boldsymbol i i轴继续逆时针转动,逐渐远离 j \boldsymbol j j轴,空间定向改变,行列式继续减小为负值,但是过程中空间又扩张了,因此行列式绝对值(面积变化比例)又开始增大了

    总之,严格来说,行列式表示有向面积/有向体积(三维时就是体积)的变化比例
    或者说,行列式的绝对值表示相应几何图形的面积/体积,其中,这个几何图形的所有由行列式的行/列向量给出(理解为:原来在标准正交坐标系,坐标轴围成的几何图形的面积/体积为1,故变化比例=线性变换后的图形面积/体积)

    行列式为0

    根据上面的讨论,行列式为0(i.e. 面积变化比例为0)说明面积被压缩为0,也就是说,空间被压缩至降维!那么对应的矩阵必然列线性相关(变换后有多余基向量无法张成更高维空间,也即基向量线性相关)

    注意前提:方阵才有行列式!

    几何意义:

    • 当变换前后,空间的维度相同(变换矩阵是方阵),我们考虑“有向面积/体积”的变化比例才有意义
    • 如果变换后,空间维度已经被压缩(变换矩阵不是方阵),那就没必要看行列式了
      (少一个维度怎么谈论“体积”呢?或着,可以简单理解为此时“行列式”即面积缩放比例为0,没必要再讨论了)

    总结

    • 矩阵的行列式是一个数,它衡量了线性变换对于空间的拉伸/压缩效果
    • 行列式表示有向面积/有向体积(三维时就是体积)的变化比例
      行列式的正负:表示空间定向是否改变
      行列式的绝对值:表示面积/体积的缩放比例
    • 用几何的思想理解行列式是有意义的,例如可以简单的证明 d e t ( M 1 M 2 ) = d e t ( M 1 ) d e t ( M 2 ) det\mathbf {(M_1M_2)}=det\mathbf {(M_1)}det\mathbf {(M_2)} det(M1M2)=det(M1)det(M2)
  • 相关阅读:
    数据结构链表之无头单向循环链表的实现
    实时错误’-2147217887‘多步OLB DB 操作产生错误。如果可能,请检查OLE DB状态值
    新掌门蔡崇信,能否“再救”阿里?
    2023年节假日JSON
    【无标题】后来,我认为王阳明比尼采,叔本华都高明
    沙利文&头豹研报|腾讯安全威胁情报中心TIX位居领导者,创新指数排名第一!
    java通过zookeeper 高可用方式连接hiveserver2
    [英雄星球七月集训LeetCode解题日报] 第1日 数组
    【2020】【论文笔记】使用CMOS和散射光学的THz分光——
    数据结构与算法7-递归、分治、回溯
  • 原文地址:https://blog.csdn.net/Insomnia_X/article/details/125484000