矩阵的秩与行列式的几何意义.docxVIP

矩阵的秩与行列式的几何意义 这里首先讨论一个长期以来困惑工科甚至物理系学生的一个数学问题，即，究竟什么是面积, 以及面积的高维推广（体枳等）？ 1关于面积：一种映射 大家会说，而积，不就是长乘以宽么，其实不然。我们首先明确，这里所讨论的而积，是欧 儿里得空间儿何面积的棊木单位：平行四边形的面积。平行四边形面积的定义，儿何上说是 相邻两边边长乘以他们Z间的夹角的正弦。 然而为了应对更一般情形和更高维度的数理问题，我们有必要把面积的定义推广开来。注 意到以下事实： 面积是一个标量，它来口于（构成其相邻边）两个欠量。因此，我们可以将面积看成一个映 射： : X（M） x X（M） t V xV^ f 其屮V就是一个矢量，中V代表两个矢量的有序对：f就是面积的值。 卜?面我们将说明这个映射是一个线性映射。 从最简单的例了出发。如果第一个矢量是（1,0）,第二个矢量是（0, 1）；也就是说， 两个矢量分别是X和Y轴上的单位正向最，那么由这两个矢最张成的四边形就是一个正方 形，其面积根据定义，就是长乘以宽=ri=io (p(a,b) = l b 因此有: 列(1,0)@1)) = 1 如果我们把第一个矢?nWa倍，面积将会相应是原来的a倍；把第二个欠量“畅b倍, 面积也会成为原來的b倍。如果同时缩放，很显然，面积将会变成原|侨枳的ab倍。这表明, 面积映射对于具两个操作数（矢量）的标量积是各自线性的，如F： =9@(1,0)#(0,1))=。妙((1,0),(0,1))=^(a(l,O),(O,l))=M(l5 =9@(1,0)#(0,1))=。妙((1,0),(0,1))= 久(1,0)』(0,1))=如((1,0),(0,1)) 故后，我们要说明，面积映射对于其操作数（欠量）的矢量加法也是线性的。因为欠虽加法 操作的木身是线性的，那么其面积映射理应对此也是一个线性映射。这里我们打算从几个实 际的例子出发，说明映射的加法线性性的后果。 显然（两个共线矢量所张成的平行四边形还是一条线，因此面积为0）: (p(a.b) = 0 a) = 0 假定血积映射是一个关于矢最加法的线性映射，那么我们侑: 9((1： 0) + (0,1), (1： 0) + (0： 1)) = 0 =讽(1,0), (0,1)) + 0((14), (1,0)) + 炉((0,1), (0,1)) + 矽((0,1), =p((l,0), (0,1)) +9((0,1), (1,0)) 注意计算过程中用到了上面的结论。这说明: 9((1,0), (0,1))=—旗(0,1),(1,0)) 也就是说，交换相互垂直操作数矢量的顺序，面积映射取负。孰正孰负取决丁?认为的定义。 一般，我们把X轴单位矢量在前，丫轴单位矢量在示，从X轴到丫轴张成的一个平行四边 形的面积，取做正号。 1.1右手定则 由此我们引入右手定则。注意右手定则只在三维空间中有效。如果以X止方向为首，丫止方 向为尾，右手定则告诉我们，纸面向外是面积的正方向；如果反过來，那么纸面向内就是该 面积的正方向，与规定的正方向相反，取负号。那么而积正负号的几何意义就明显了。 由此，我们不难得到平面内任意两个矢量所张成的平行四边形的面积(*): 甲((a, b), (c, 〃))=卩(a(l, 0), 〃(0,1)) + 皿(0,1)： 我们不难看到，所谓面积就是一个2X2矩阵的行列式: a b \ = _ a c c d J \ b d =ad — be 其中第一行就是我们的第一个行向fi(a,b)；第二行就是第二个行向S(c,d)0或者第一列是 第一个列向量(a,bFT,第二列是第二个列向量(c,d)ATo这取决于我们把欠量写成行向量 (前者)还是列向量(后者)的形式。 1.2行列式的计算性质 山此我们很容易能发现，行列式的值与把矢量写成列向量横排还是行向量竖排的方式是无关 的。这也就是为什么说，在计算行列式时，行和列的地位是对等的。并n注意到，由上述 分析，交换欠量的顺序，面积的值取负号，这也就是为什么行列式中，交换列向量或者行 向量一次，就要取一次负号的原因。另外，行列式的其他计算性质，都一一反映在血积映 射的线性性之中。 由此我们可见，行列式就是关于“而积”的推广。他就是在给定一组基下，n个向量张成的一 个n维广义四边形的体积。这就是行列式的本质含义。 行列式的推广 由上，我们町以轻松推广到三维体积的计算: 卩（N瓦N）= 注意到，行列式的定义，是每一行各取一个不同列的元素的乘积并且符号和所谓的逆序性有 关（PARITY） o所谓逆序性，其几何意义就是在规定了一个正方向Z后（比如从1,2,3,4,5… N这个顺序定义为正号），交换任意一对数都取一次负号。这样的性质我们在上述的面积函 数中已经有所看到，实