当前课程知识点:线性代数(1) >  第十八讲 Cramer法则及行列式的几何意义 >  18.3 计算有向长度、面积和体积 >  18.3 计算有向长度、面积和体积

返回《线性代数(1)》慕课在线视频课程列表

18.3 计算有向长度、面积和体积在线视频

18.3 计算有向长度、面积和体积

下一节:18.4 和QR分解的联系

返回《线性代数(1)》慕课在线视频列表

18.3 计算有向长度、面积和体积课程教案、知识点、字幕

大家好

我们在行列式引入的时候就说明

行列式从直观上

几何直观上可以理解为

某种有向的长度面积和体积

那么在这一部分呢

我们更细节的看这个事实

我们来看二维空间中这个例子

就是我们想计算平行四边形S

就是这一块S的面积

那么这一块面积 它是等于

我们通过这样面积图形分割

AS是等于

整个大的长方形的面积AR
这个整个大的长方形面积

我们用AR表示

这个AR呢我们可以看到

按我们这个长度

它应该是a+c乘上b+d减去AR1

AR1我们可以看到

它应该是等于bc的

AR2也等于bc

再减去AT1

AT1我们知道

它应该是等于1/2的ab

AT3也等于1/2的ab

AT2是等于1/2的cd

这个也是1/2cd

这样我们计算结果呢

算出了AS的面积呢

就是ad-bc的绝对值

注意我们这个符号呢

代表的是绝对值

那么方向正负号是由于

ab向cd这个向量是顺时针

还是逆时针旋转

逆时针就取正 顺时针就取负

所以S的有向面积呢

就是abcd的行列式

就是二维空间中的

或者二维平面中

我们要计算一个

平行四边形的面积

我们就是使用这个平行四边形

围成平行四边形的两个向量

它们的行列式 二阶行列式

好 我们来看三维空间中

我们给定三个向量

那么这三个向量呢

我们可以形成一个

做出一个平行六面体

那么这个平行六面体的体积

就是我们这三个向量

做成的行列式的绝对值

那么它的正负号呢

是由这个行列式的正负号决定的

那么我们把这个

做一种特殊的情况

就是说如果其中有两个向量

是在xoy平面上

那么

我们就可以得到下面这个推论

在xoy平面上呢取随便三个点

这三个点围成的三角形的面积

我们等于1/2的这个行列式

那么这里面我们考虑了正负号

形成的三角形面积

我们可以取绝对值

好 我们来证明这个结论

就是我们证明这个结论呢

是使用了刚才说的

三维空间中三个向量

围成的平行六面体的体积

就等于这三个向量的

做成矩阵的行列式

好 我们取这三个点

这三个点

我们可以得到两个新的向量α和βαβ

是xoy平面上两个向量

那么这两个向量呢

它们和1 0 0

我们把这个行列式呢

通过第一行乘个-1加下来

第一行乘个-1再加下来

我们得到这个行列式

那么新的这个行列式的值呢

它是等于这个行列式

这个行列式呢

按照我们二维平面中的面积来算

这个正好是α和β

张成的平行四边形的面积

所以我们看到xi yi这三点

做成的三角形的面积呢

就是我们的平行四边形

面积的一半

那么一个自然的问题是问

在三维空间中我们怎么计算

一个平行四边形的面积呢

我们刚才算平行四边形的面积

是通过二维空间中两个向量

围成的平行四边形

算面积呢

就是这两个向量的行列式

那么三维空间中

如果我们取两个向量

我们围成的平行四边形的面积

应该怎么计算呢

那么这时候我们可以想

如果我们有另外一个向量

跟α1α2都垂直

那么α1α2围成的

平行四边形的面积

再乘上α3的长度

就等于三个向量围成的

平行六面体的体积

如果α3的长度等于1的话

那么这个平行六面体的体积呢

就恰好是等于α1α2

围成的平行四边形的面积

所以现在的问题归结为

α1α2是三维空间中两个

我们假设是线性无关的两个向量

我们希望求一个向量α3

使得这个向量跟α1α2都垂直

α3的长度等于1

一旦我们找到这个向量

那么我们用α1α2α3这三个向量

做成的平行六面体的体积

就等于α1α2围成的

平行四边形的面积

好 我们现在来看

怎么来算α3这个向量

我们设α3等于a b c

那么根据刚才的条件

α3的长度要等于1

那么我们就得到了

a平方加b平方加c平方等于1

因为α3跟α1是垂直的

α3跟α2也是垂直的

所以我们又得到了这样两个条件

我们现在利用这三个条件

来计算α3

那么把这三个等式呢

我们写成矩阵的形式

然后我们令A就等于这个矩阵

因为α1α2是线性无关的

α3跟它们又垂直

所以α3跟α1α2也是线性无关的

这样我们可以看出

A的三行是线性无关的

所以A可逆

那么由A乘上a b c等于1 0 0

我们可以把A移过来

得到a b c就等于A逆1 0 0

这个告诉我们

A的逆的第一列就是a b c

那么A的逆呢

我们可以通过

代数余子式的办法来算

我们来具体看一下

A的逆的第一列就是a b c

而A的逆又等于A的伴随矩阵

除以行列式

所以我们确切的可以得到

a b c就应该等于

A的行列式分之一乘上

代数余子式的第一列

那么这个代数余子式的第一列

我们可以确切地写出来

就是这样三个二阶行列式

我们现在实际上已经算出来了

怎么找到一个单位向量

它跟α1和α2都垂直

那么有了这个单位向量以后

实际上我们就得到了α

1α2围成的平行四边形的面积

等于α1α2α3围成的

平行六面体的体积

所以就等于这样一个行列式

我们考虑都是有向的

那么这个展开以后呢

就是a b c跟这三个量乘

最后我们就得到了

这个a b c这三个量呢

是等于α3的三个分量

而后面的这些呢

正好是跟α3平行的

所以α3转置乘上u

实际上是等于u的长度的

那么我们得到这个向量u

它跟α3平行

也就是说它α1α2垂直

同时它的长度又等于

这个α1α2围成的

平行四边形的面积

所以我们发现了向量u

这个向量u我们按刚才的写出来是y1 z1 y2 z2

x1 x2 z1 z2 x1 x2 y1 y2

这样一个向量

其中这些x1 y1 z1

就是α1的三个分量

x2 y2 z2是α2的分量

这个向量有两个特点

一它跟α1 跟α2都垂直

第二个特点它的长度

就等于α1α2围成的

平行四边形面积

我们现在给出外积的确切定义

给定两个向量

这两个向量呢

它们的外积是跟这两个向量

都垂直的一个向量

而且呢它们形成一个右手系

也就是说我们用右手

从u向v握拳

大拇指指的呢

正好是u乘v的方向

那么新的这个向量呢

它的长度还是u和v围成的

平行四边形的面积

我们就把这个向量

称为它们的外积或者叉积

那刚才我们已经确切的写出来了

给定两个向量

它们的外积的向量

它的三个分量是什么样子

也就是

我们可以写成下面这个定理

给定这两个向量

它们的外积的分量分别是

刚才我们写成的行列式的形式

就是u2 u3 v2 v3

写成行列式的形式

那么有时候呢我们也为了好记

我们也写成这个样子

这个样子的写法呢

它只是一个形式的记号

换句话说

我们三维空间中的随便一个向量

这里面这个i j k呢

是xy轴上 z轴上的单位向量

任何一个向量比如说1 2 3

我们实际上都可以写成

1乘上i加上2乘上j加上3乘k

也就是说

任何一个三维空间中的向量

可以写成i j k的一个线性组合

那么至于i j k前面这个系数呢

就是这个向量的对应点的坐标

那我们现在写成这种形式以后

我们形式的 这是个形式记号

我们形式的按行列式来展开

就是i乘上它的代数余子式

那么代数余子式u2 u3

v2 v3 i

那么大家可以看到

这个就是我们的这个东西

再加上j乘上它的代数余子式

那么它的代数余子式呢

因为有个负号

所以我们等于-1倍的u1 v1

u3 v3乘上j再加上k

它的代数余子式呢

就就是u1 u2 v1 v2乘上k

前面是正号

那么大家可以把这些量

跟这些量比较就是相等的

两个向量的外积呢

它满足一些性质 我们来看一下

第一个性质

两个向量的外积不满足交换律

u×v和v×u呢 它们差个负号

直观上我们来看

u×v呢它对应的面积呢

跟v×u对应的面积是一样的

都是u和v围成平行四边形的面积

但是它们的方向不一样

u×v是按照右手法则

从u向v握拳 大拇指指的方向

那么v×u呢 是从v向u握拳

大拇指指的正好是相反的方向

所以它们差个负号

那么这个结论呢

当我们取u和v相等的时候

就告诉我们

一个向量跟自己做外积就是0

第二个性质呢就是分配律

u1+u2跟v做外积呢

等于u1跟v做外积

加上u2跟v做外积

那么这个性质呢

大家可以对照一下

行列式的拆分中

当行列式的某一个量

一个列向量

拆分成两个列向量的时候

那么整个行列式可以拆成

两个行列式的和

那么跟这个性质非常相似

我们来看具体的一个计算例子

我们设i等于1 0 0

j是0 1 0 k是0 0 1

这个是三个坐标轴上的单位向量

那我们可以验证一下

i×j就等于k j×k就等于i

k×i等于j

我们可以用刚才我们的公式

比如说i×j 它应该等于什么呢

等于ijk 然后我们这块写i的坐标

i的坐标是1 0 0

j是 0 1 0

那么我们按照这个展开

我们可以看到i的代数余子式是0

j的代数余子式也是0

只有k的代数余子式留下了

就是1 0 0 1 k

所以就等于k

我们利用这个结论再使用分配律

我们可以计算任何两个向量×乘

u×v

首先我们可以把u写成一个

3i+2j的形式

v可以写成一个i+4j的形式

然后我们使用分配律

3i乘i是等于0的

一个向量跟自己做×乘是0

3i×4j等于12k

2j和i做×乘呢等于负的2k

因为j×i等于-的i×j

最后等于0 0 10

那我们注记一下

u×v我们可以看到它的三个坐标

实际上是u和v

在三个坐标平面上投影的向量

形成的平行四边形的面积

大家回忆一下

u×v它的第一个坐标

我们是写成了u2 u3 v2 v3

那么大家可以看到

这个可以看成u和v

它们在yoz平面上的投影

那么u在yoz平面上的投影

就是u2 u3 0 u2 u3

v在yoz上面的投影是0 v2 v3

那么这两个向量

围成的平行四边形的面积

正好是这个行列式

那么我们由×乘定义一个概念

就是混合积

给定三个向量

我们可以定义它们的混合积

就是u×v得到了一个新的向量

这个向量再跟w做内积

这个点代表的是内积

那么我们看最后得到的是一个数

两个向量×乘得到一个向量

两个向量的内积是一个数

那么这个数呢

我们可以用行列式来表达

u×v跟w的内积呢

可以写成w的分量作第一行

u的分量作第二行

v的分量作第三行

这样的一个行列式

这个可以很容易验证

因为u×v呢是这样一个向量

w呢它们做内积

就等于u×v对应那个列向量的

转置乘上w

最后计算就正好是这个行列式

这个我们就容易记忆这个

那我们来看几个推论

按照刚才的u×v再跟w做内积

写成行列式的形式呢

我们很容易推出

u×v点乘w等于v×w点乘u

等于负的u×w点乘v

第二个推论u×v再乘上点乘w呢

就正好是它们形成的

平行六面体的体积

那这个可以从我们刚才那个定理

u×v跟w点乘等于行列式值来看

也可以呢 我们可以看到

u和v它们形成的

平行四边形的面积

正好是u×v的长度

这个向量呢它跟w做内积呢

相当于它们长度相乘

再乘上cos theta

那么cos theta正好是这个向量

w这个向量

在u×v上的投影的长度

所以当我们考虑u v w

形成的平行六面体体积的时候

那么这个长度呢

正好是这个平行六面体的高

平行六面体的高

所以这就是为什么u×w

再乘点乘w

等于平行六面体的有向体积

这样我们中间

如果u v w在一个平面上呢

那么它们的混合积就等于0

因为这时候

它们三个向量形成的平行六面体

是一个平凡的 体积是等于0

由这些呢

我们可以推出一些其他的一些

简单的结论就是

过两点直线的方程呢

是x y 1 x1 y1 1

x2 y2 1它们的行列式等于0

这个呢可以用我们的xy

我们回忆一下

x y x1 y1 x2 y2

这三点形成的三角形的面积

是等于1/2的这个行列式

那么这三点如果在一条直线上

那么这个面积是0

所以这个行列式等于0

过三点xi yi zi的平面方程

我们也可以写出来

那么可以由此

可以进一步的推出来

过四个点的超平面方程等等

方程的形式

我们来看第二点

第二点它也是通过

把行列式最后一列做化归

变成一个最后一列只有一个1

最后一列展开

那么这个四阶的行列式

就变成一个三阶的行列式

那么这个三阶的行列式呢

它的值呢因为x y z

在xi yi zi这三点所形成的平面上

那么这个行列式值

对应的是这三个向量的体积

围成的平面体积

因为这个在它们所在的平面上

所以这三个向量呢

它们是共面的

因此必须等于0

这就是我们过三点的

平面方程的形式

线性代数(1)课程列表:

总引言

-课前引言

--课前引言

第一讲 向量及其运算

-1.1 引言

--1.1 引言

-1.2 n维向量空间中的点

--1.2 n维向量空间中的点

-1.3 向量

--1.3 向量

-1.4 向量空间的定义

--1.4 向量空间的定义

-1.5 向量空间的线性组合

--1.5 向量空间的线性组合

-1.6 向量的点积、长度

--1.6 向量的点积、长度

-1.7 向量的夹角

--1.7 向量的夹角

-1.8 两个不等式

--1.8 两个不等式

-第一讲 向量及其运算--1.9 课后作业

-第一章讲义

第二讲 矩阵与线性方程组

-2.1 矩阵与向量的乘积

--2.1 矩阵与向量的乘积

-2.2 可逆矩阵

--2.2 可逆矩阵

-2.3 线性方程组的行图和列图

--2.3 线性方程组的行图和列图

-第二讲 矩阵与线性方程组--2.4 课后作业

-第二章讲义

第三讲 高斯消元法

-3.1 Gauss消元法(上)

--3.1 Gauss消元法(上)

-3.1 Gauss消元法(下)

--3.1 Gauss消元法(下)

-3.2 消元法的矩阵表示 3.2.1 消去矩阵

--3.2 消元法的矩阵表示 3.2.1 消去矩阵

-3.2 消元法的矩阵表示 3.2.2 置换阵

--线性代数03++3.2.2置换阵

-3.2 消元法的矩阵表示 3.2.3 初等行(列)变换和初等矩阵

--线性代数03++3.2.3初等行列变换和初等矩阵

-第三讲 高斯消元法--3.3 课后作业

-第三章讲义

第四讲 矩阵的运算

-4.1 矩阵

--4.1 矩阵

-4.2 矩阵的加法和数乘

--4.2 矩阵的加法和数乘

-4.3 矩阵的乘法

--4.3 矩阵的乘法

-4.4 矩阵的乘法的性质

--4.4 矩阵的乘法的性质

-4.5 矩阵的方幂

--4.5 矩阵的方幂

-4.6 关于矩阵乘法的引入

--4.6 关于矩阵乘法的引入

-4.7 分块矩阵

--4.7 分块矩阵

-4.8 矩阵的转置

--4.8 矩阵的转置

-第四讲 矩阵的运算--4.9 课后作业

-第四章讲义

第五讲 矩阵的逆

-5.1 可逆矩阵的定义

--5.1 可逆矩阵的定义

-5.2 矩阵可逆的性质

--5.2 矩阵可逆的性质

-5.3 初等矩阵的逆

--5.3 初等矩阵的逆

-5.4 Gauss-Jordan消元法求A的逆

--5.4 Gauss-Jordan消元法求A的逆

-5.5 矩阵可逆与主元个数

--5.5 矩阵可逆与主元个数

-5.6 下三角矩阵的逆

--5.6 下三角矩阵的逆

-5.7 分块矩阵的消元和逆

--5.7 分块矩阵的消元和逆

-第五讲 矩阵的逆--5.8 课后作业

-第五章讲义

第六讲 LU分解

-6.1 LU分解

--LU分解

-6.2 用LU分解解线性方程组

--用LU分解解线性方程组

-6.3 消元法的计算量

--消元法的计算量

-6.4 LU分解的存在性和唯一性

--LU分解的存在性和唯一性

-6.5 对称矩阵的LDL^T分解

--对称矩阵的LDL^T分解

-6.6 置换矩阵

--置换矩阵

-6.7 PA=LU分解

--PA=LU分解

-第六讲 LU分解--6.8 课后作业

-第六章讲义

第七讲 向量空间

-7.1 引言

--7.1 引言

-7.2 向量空间和子空间

--7.2 向量空间和子空间

-7.3 列空间和零空间

--7.3 列空间和零空间

-7.4 阶梯形

--7.4 阶梯形

-第七讲 向量空间--7.5 课后作业

-第七章讲义

第八讲 求解齐次线性方程组

-8.1 引言

--8.1 引言

-8.2 基础解系

--8.2 基础解系

-8.3 简化行阶梯形的列变换

--8.3 简化行阶梯形的列变换

-第八讲 求解齐次线性方程组--8.4 课后作业

-第八章讲义

第九讲 求解非齐次线性方程组

-9.1 复习

--9.1 线性代数复习

-9.2 求特解

--9.2 线性代数求特解

-9.3 解的一般性讨论

--9.3 解的一般性讨论

-第九讲 求解非齐次线性方程组--9.4 课后作业

-第九章讲义

第十讲 线性无关、基与维数

-10.1 引言

--引言

-10.2 n维空间的坐标系

--10.2 +n维空间的坐标系

-10.3 无关性、基与维数

--10.3 无关性、基与维数

-10.4 无关性、基与维数的性质

--10.4 无关性、基与维数的性质

-10.5 关于秩的不等式

--10.5 +关于秩的不等式

-第十讲 线性无关、基与维数--10.6 课后作业

-第十章讲义

第十一讲 四个基本子空间的基和维数

-11.1 四个基本子空间的基

--11.1

-11.2 维数公式

--11.2

-11.3 例题

--11.3

-第十一讲 四个基本子空间的基和维数--11.4 课后作业

-第十一章讲义

第十二讲 四个基本子空间的正交关系

-12.1 引言

--12.1

-12.2 四个子空间的正交性

--12.2

-12.3 正交补

--12.3

-12.4 Ax=b在行空间中的唯一性

--12.4

-第十二讲 四个基本子空间的正交关系--12.5 课后作业

-第十二章讲义

第十三讲 正交投影

-13.1 引言

--13.1 引言

-13.2 点在直线和平面上的投影

--13.2 点在直线和平面上的投影

-13.3 一般情形

--13.3 一般情形

-第十三讲 正交投影--13.4 课后作业

-第十三章讲义

第十四讲 最小二乘法

-14.1 复习

--14.1 复习

-14.2 最小二乘法

--14.2 最小二乘法

-14.3 最小二乘法的应用:曲线拟合

--14.3 最小二乘法的应用:曲线拟合

-第十四讲 最小二乘法--14.4 课后作业

-第十四章讲义

第十五讲 Gram-Schmidt正交化

-15.1 引言

--15.1 引言

-15.2 正交向量组和正交矩阵

--15.2 正交向量组和正交矩阵

-15.3 Gram-Schmidt正交化过程

--15.3 Gram-Schmidt正交化过程

-15.4 QR分解

--15.4 QR分解

-第十五讲 Gram-Schmidt正交化--15.5 课后作业

-第十五章讲义

第十六讲 行列式的基本性质

-16.1 引言

--16.1 引言

-16.2 二阶行列式的几何含义

--16.2 二阶行列式的几何含义

-16.3 一般行列式的定义

--16.3 一般行列式的定义

-16.4 行列式和初等变换

--16.4 行列式和初等变换

-第十六讲 行列式的基本性质--16.5 课后作业

-第十六章讲义

第十七讲 行列式的计算

-17.1 行列式计算公式与展开定理

--17.1 行列式计算公式与展开定理

-17.2 典型例题

--17.2 典型例题

-第十七讲 行列式的计算--17.3 课后作业

-第十七章讲义

第十八讲 Cramer法则及行列式的几何意义

-18.1 引言

--18.1 引言

-18.2.1 求逆矩阵公式

--18.2.1 求逆矩阵公式

-18.2.2 线性方程组的公式解

--18.2.2 线性方程组的公式解

-18.3 计算有向长度、面积和体积

--18.3 计算有向长度、面积和体积

-18.4 和QR分解的联系

--18.4 和QR分解的联系

-第十八讲 Cramer法则及行列式的几何意义--18.5 课后作业

-第十八章讲义

第十九讲 特征值与特征向量

-19.1 引言和定义

--default

-19.2 例

--default

-19.3 特征值的性质

--default

-第十九讲 特征值与特征向量--19.4 课后作业

-第十九章讲义

第二十讲 矩阵的对角化

-20.1 矩阵可对角化的条件

--default

-20.2 特征值的代数重数和几何重数

--default

-20.3 矩阵可对角化的应用

--default

-20.4 同时对角化

--default

-20.5 小结

--default

-第二十讲 矩阵的对角化--20.6 课后作业

-第二十章讲义

第二十一讲 特征值在微分方程中的应用

-21.1 引言

--21.1 引言

-21.2 A可对角化的情形

--21.2 A可对角化的情形

-21.3 矩阵的指数函数

--21.3 矩阵的指数函数

-21.4 二阶常系数线性微分方程

--21.4 二阶常系数线性微分方程

-21.5 微分方程的稳定性

--21.5 微分方程的稳定性

-第二十一讲 特征值在微分方程中的应用--21.6 课后作业

-第二十一章讲义

第二十二讲 实对称矩阵

-22.1 实对称矩阵的特征值与特征向量

--22.1 实对称阵的特征值与特征向量

-22.2 实对称阵正交相似于对角阵

--22.2 实对称阵正交相似于对角阵

-22.3 实对称阵特征值与主元的关系

--22.3 实对称阵特征值与主元的关系

-22.4 小结

--22.4 小结

-第二十二讲 实对称矩阵--22.5 课后作业

-第二十二章讲义

结束语

-总结和预告

--13D9C08E4E7858C09C33DC5901307461

18.3 计算有向长度、面积和体积笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。