maths.free › Linear Algebra › Determinants

Determinants

2×2 by ad − bc, larger by cofactor expansion, and what the number means.

The determinant of a matrix is the factor by which it scales area (2×2) or volume (3×3), with a sign for orientation. A zero determinant means the matrix squashes space flat and cannot be inverted. The 3D view draws the column vectors and the box they span.

İşlənmiş nümunə · det [[1,2],[3,4]]

Linear-Algebra · Determinants

Det [[1,2],[3,4]]

\left[\begin{matrix}1 & 2\\3 & 4\end{matrix}\right]

Addım-addım

  1. \det\left[\begin{matrix}1 & 2\\3 & 4\end{matrix}\right]

    Determinant of a 2×2 matrix.

  2. = (1)(4) - (2)(3)

    For 2×2: ad − bc.

  3. \det A = -2

    Result.

Cavabı göstər
\det A = -2

İndi siz Problem seçin, ya da özünü yazın ya da çəkin. Hər addım, bir rəsm, cavab siz soruşana qədər gizli qalır.

Özün işlə

Pulsuz hesab hər dərsdə qeydlər əlavə edir, bitirdiyiniz işlərin qeydini saxlayır, həll etdiyiniz problemləri bir yerdə saxlayır və bu səhifə haqqında soruşa biləcəyiniz müəllimi də əlavə edir. Riyaziyyat özü daxil olub-olmadığınıza baxmayaraq hər kəsə açıqdır.

Qeyd Et Giriş

Burada istifadə edilən simvollar

Tam təsviri, şəkli və hər hərfin nə demək olduğunu görmək üçün hər hansı simvolu vurun.

Növbəti: Determinants

  1. Determinant of a 2×2 matrix.
  2. For 2×2: ad − bc.
  3. Result.

İnsanlar soruşurlar

What does a determinant mean geometrically?

It is the factor by which the matrix scales area (2×2) or volume (3×3), with a negative sign if orientation flips. Zero means the matrix flattens space and cannot be undone.

What is an eigenvector?

A direction the matrix does not turn: it only stretches it by the eigenvalue. Along eigenvectors a complicated matrix acts like multiplication by a number.

Why is matrix multiplication not commutative?

Because a matrix is a transformation and AB means "do B, then A". Rotating then reflecting is not the same as reflecting then rotating.

Daha çox Linear Algebra

Matrix inverseEigenvalues and eigenvectorsMatrix multiplicationRow reductionVector spaces, span and linear independenceOrthogonality, projections and least squaresDiagonalisation and matrix powersLinear transformations and change of basis