《新理解矩阵5》:体积=行列式
By 苏剑林 | 2013-12-25 | 45971位读者 |在文章《新理解矩阵3》:行列式的点滴中,笔者首次谈及到了行列式的几何意义,它代表了n维的“平行多面体”的“体积”。然而,这篇文章写于我初学矩阵之时,有些论述并不严谨,甚至有些错误。最近笔者在写期末论文的时候,研究了超复数的相关内容,而行列式的几何意义在我的超复数研究中具有重要作用,因此把行列式的几何意义重新研究了一翻,修正了部分错误,故发此文,与大家分享。
一个$n$阶矩阵$A$可以看成是$n$个$n$维列向量$\boldsymbol{x}_1,\boldsymbol{x}_2,...,\boldsymbol{x}_n$的集合
$$A=(\boldsymbol{x}_1,\boldsymbol{x}_2,\dots,\boldsymbol{x}_n)$$
从代数的角度来看,这构成了一个矩阵;从几何的角度来看,这$n$个向量可以建立一个平行$n$维体。比如:平行四边形就是“平行二维体”,平行六面体就是“平行三维体”,高阶的只需要相应类比,不需要真正想象出高维空间的立体是什么样。
让我们考虑矩阵$A$的行列式$\det A$,我们知道$\det A$有如下性质:
行列式性质
1、行列式是$\boldsymbol{x}_1,\boldsymbol{x}_2,\dots,\boldsymbol{x}_n$的一个函数,即$\det A=f(\boldsymbol{x}_1,\boldsymbol{x}_2,\dots,\boldsymbol{x}_n)$;
2、(线性1)行列式的某一列乘上常数$\alpha$,则行列式的值也乘上$\alpha$,即$ f(\boldsymbol{x}_1,\dots,\alpha\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)=\alpha f(\boldsymbol{x}_1,\dots,\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)$;
3、(线性2)将行列式的某一列写成两列之和,那么行列式也相应地成为两个行列式之和,即$ f(\boldsymbol{x}_1,\dots,\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)= f(\boldsymbol{x}_1,\dots,\boldsymbol{y}_i,\dots,\boldsymbol{x}_n)+f(\boldsymbol{x}_1,\dots,\boldsymbol{z}_i,\dots,\boldsymbol{x}_n)$,其中$\boldsymbol{x}_i=\boldsymbol{y}_i+\boldsymbol{z}_i$,性质二和三表明$f$是关于每个向量的线性函数;
4、(反对称)只要有两列相同,那么行列式值为0,即$f(\dots,\boldsymbol{x},\dots,\boldsymbol{x},\dots)=0$;
5、(归一)单位矩阵的行列式为1,即$f(I)=1$。
一个惊人的事实是,行列式可以由上面五条性质唯一确定!即由上面五条性质就可以唯一确定一个函数$f$,这个函数就是矩阵的行列式。
从几何的角度来看,用这$n$个向量,可以生成$n$维空间的一个平行$n$维体。让我们来考虑这个平行$n$维体的体积$V$。只在第一卦限讨论,那么体积具有下面的性质(只在第一卦限讨论,限保证了所有的向量和因子都是正数。)
体积性质
1、体积是这$n$个向量的一个函数$V(\boldsymbol{x}_1,\boldsymbol{x}_2,\dots,\boldsymbol{x}_n)$;
2、将某个向量乘以$\alpha$,也就是把它的长度变为来说的$\alpha$倍,那么体积也增大$\alpha$倍,即$V(\boldsymbol{x}_1,\dots,\alpha\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)=\alpha V(\boldsymbol{x}_1,\dots,\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)$;
3、体积是可加的,即$V(\boldsymbol{x}_1,\dots,\boldsymbol{x}_i,\dots,\boldsymbol{x}_n)= V(\boldsymbol{x}_1,\dots,\boldsymbol{y}_i,\dots,\boldsymbol{x}_n)+V(\boldsymbol{x}_1,\dots,\boldsymbol{z}_i,\dots,\boldsymbol{x}_n)$,其中$\boldsymbol{x}_i=\boldsymbol{y}_i+\boldsymbol{z}_i$;这点需要稍加验证,但它的确是正确的。
4、只要有两个向量重合,那么体积自然为0,即$V(\dots,\boldsymbol{x},\dots,\boldsymbol{x},\dots)=0$;比如在三维空间中的一个立体,有两条边重合,那么说明这个立体已经压缩为一个面了,面的体积自然为0。
5、由单位矩阵$I$构成的平行$n$维体是一个$n$维的单位立方体,它的体积自然是1,即$V(I)=1$。
比较行列式和体积的性质,可以发现它们是完全相同的,所以在第一卦限中的平行$n$维体的体积就是对应矩阵的行列式!如果将其放到所有卦限中,那只不过是体积概念的推广(允许为负数)。因此,我们不妨这样定义:体积就是行列式。
事实上,负体积的引入具有重要意义,它是现在的“外微分”的基础之一。外微分一个典型的用处是它可以把高斯积分公式、斯托克斯积分公式等统一起来。它使微分的理论和形式更完整统一。
转载到请包括本文地址:https://www.spaces.ac.cn/archives/2208
更详细的转载事宜请参考:《科学空间FAQ》
如果您还有什么疑惑或建议,欢迎在下方评论区继续讨论。
如果您觉得本文还不错,欢迎分享/打赏本文。打赏并非要从中获得收益,而是希望知道科学空间获得了多少读者的真心关注。当然,如果你无视它,也不会影响你的阅读。再次表示欢迎和感谢!
如果您需要引用本文,请参考:
苏剑林. (Dec. 25, 2013). 《《新理解矩阵5》:体积=行列式 》[Blog post]. Retrieved from https://www.spaces.ac.cn/archives/2208
@online{kexuefm-2208,
title={《新理解矩阵5》:体积=行列式},
author={苏剑林},
year={2013},
month={Dec},
url={\url{https://www.spaces.ac.cn/archives/2208}},
}
April 27th, 2014
写的不错!
两个性质框中的第三个性质中x前面的\alpha多余了,请更正。
谢谢,已经修正。
July 17th, 2023
苏神啊,行列式是体积其实是一本本外国教材的行列式几何解释。不过苏神这里是自己误出来的,佩服佩服
https://textbooks.math.gatech.edu/ila/
是这个
谢谢推荐,不过这个也不是我自己悟出来的了,也是从别的地方看到,然后补上自己的理解。