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
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
-课前引言
--课前引言
-1.1 引言
--1.1 引言
-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
-1.5 向量空间的线性组合
-1.6 向量的点积、长度
-1.7 向量的夹角
-1.8 两个不等式
-第一讲 向量及其运算--1.9 课后作业
-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
-第二讲 矩阵与线性方程组--2.4 课后作业
-3.1 Gauss消元法(上)
-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 3.2.2 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
-第三讲 高斯消元法--3.3 课后作业
-4.1 矩阵
--4.1 矩阵
-4.2 矩阵的加法和数乘
-4.3 矩阵的乘法
-4.4 矩阵的乘法的性质
-4.5 矩阵的方幂
-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
-第四讲 矩阵的运算--4.9 课后作业
-5.1 可逆矩阵的定义
-5.2 矩阵可逆的性质
-5.3 初等矩阵的逆
-5.4 Gauss-Jordan消元法求A的逆
-5.5 矩阵可逆与主元个数
-5.6 下三角矩阵的逆
-5.7 分块矩阵的消元和逆
-第五讲 矩阵的逆--5.8 课后作业
-6.1 LU分解
--LU分解
-6.2 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
-6.5 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
-7.1 引言
--7.1 引言
-7.2 向量空间和子空间
-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
-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
-第八讲 求解齐次线性方程组--8.4 课后作业
-9.1 复习
-9.2 求特解
-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
-10.1 引言
--引言
-10.2 n维空间的坐标系
-10.3 无关性、基与维数
-10.4 无关性、基与维数的性质
-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
-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
-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
-13.1 引言
--13.1 引言
-13.2 点在直线和平面上的投影
-13.3 一般情形
-第十三讲 正交投影--13.4 课后作业
-14.1 复习
--14.1 复习
-14.2 最小二乘法
-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
-15.1 引言
--15.1 引言
-15.2 正交向量组和正交矩阵
-15.3 Gram-Schmidt正交化过程
-15.4 QR分解
-第十五讲 Gram-Schmidt正交化--15.5 课后作业
-16.1 引言
--16.1 引言
-16.2 二阶行列式的几何含义
-16.3 一般行列式的定义
-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
-17.1 行列式计算公式与展开定理
-17.2 典型例题
-第十七讲 行列式的计算--17.3 课后作业
-18.1 引言
--18.1 引言
-18.2.1 求逆矩阵公式
-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
-18.4 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
-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
-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
-21.1 引言
--21.1 引言
-21.2 A可对角化的情形
-21.3 矩阵的指数函数
-21.4 二阶常系数线性微分方程
-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
-22.1 实对称矩阵的特征值与特征向量
-22.2 实对称阵正交相似于对角阵
-22.3 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
-总结和预告