深度学习基础:线性代数本质5——行列式

行列式 就是这个特殊的缩放比例,即线性变换对面积产生改变的比例。

1. 行列式的定义

我们注意到,有一些变换在结果上拉伸 了整个网格,有一些则是压缩 了,那如何度量这种压缩和拉伸 呢?或者换一种更容易思考的表达,某一块面积的缩放比例是多少?

其实,根据我们之前讲的基向量,我们只需要知道i帽j帽组成的面积为1的正方形面积缩放了多少。

所以行列式 就是这个特殊的缩放比例,即线性变换对面积产生改变的比例。

比如说一个线性变换的行列式为6,那么就算是它将一个区域的面积增加为原来的6倍

特别的,我们可以发现,如果一个矩阵的行列式为0 ,意味着它把这个空间降维 了(例如原本二维的变为了一维的线了),并且矩阵的列线性相关(倍数相关)

2. 空间定向

行列式是可以为负值的,正负表达的是方向,行列式的绝对值仍然表示区域面积的缩放比例,类似于纸的翻面,这个变换就相当于将纸翻到了另一面,我们称这样的变换改变了空间的定向。

在二维情况下,j起始状态在 i的左侧,经过变换后变为在右侧,就添加负号。

在三维情况下,右手定位为正,左手为负。

当 i 接近于 j 时,空间也就逐渐的被压缩,这意味着当 i 与 j 重合时,行列式为0。

3. 在三维空间中的行列式

依然是变换前后的缩放比例,不过这次它的是体积的缩放比例。

4. 结合行列式的数学计算

为了连接行列式的计算公式和几何直观,我们假设b c 为0,那么,a表示 i帽x轴缩放比例,d表示 j帽y轴缩放比例,ad表示拉伸倍数 ,同理来说,bc表示的就是压缩倍数 ,两者的和就是缩放比例

相关推荐
阳光明媚大男孩10 小时前
十种处理权重矩阵的方法及数学公式
线性代数·机器学习·矩阵
WBingJ1 天前
深度学习基础:线性代数本质4——矩阵乘法
深度学习·线性代数·矩阵
WBingJ1 天前
深度学习基础:线性代数本质3——矩阵与线性变换
深度学习·线性代数·矩阵
supernova1211 天前
矩阵分析-浅要理解(深度学习方向)
深度学习·线性代数·矩阵
WBingJ1 天前
深度学习基础:线性代数本质6——逆矩阵、列空间与零向量
人工智能·深度学习·线性代数
-一杯为品-1 天前
【数学基础】线性代数#1向量和矩阵初步
线性代数·矩阵
点云SLAM2 天前
C++ 平面拟合原理和最小法实现示例
c++·线性代数·平面·最小二乘法·平面拟合·pca算法
WBingJ2 天前
深度学习基础:线性代数本质2——线性组合、张成的空间与基
人工智能·深度学习·线性代数
zjoy_22333 天前
【Latex】latex公式手册大全||积分公式表示||极限表达||矩阵的各种表达
python·学习·线性代数·数学·矩阵·latex·高等数学