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.

Megdolgozott példa · det [[1,2],[3,4]]

Linear-Algebra · Determinants

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

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

Lépésről lépésre

  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.

Mutasd meg a választ!
\det A = -2

Most te. Válasszon egy problémát, vagy gépelje vagy rajzolja le a saját. Minden lépés, a kép, a válasz elrejtve, amíg nem kérdezi.

Dolgozz tovább!

Egy ingyenes fiók jegyzeteket ad minden leckéről, egy feljegyzést arról, hogy mit végeztél el, a megoldott problémáidról egy helyen, és egy oktatót, akit megkérdezhetsz erről az oldalról. A matematika maga mindenki számára nyitva áll, bejelentkezve vagy sem.

Regisztrálj! Bejelentkezés

Itt használt szimbólumok

Koppintson a teljes definícióra, a képre és arra, hogy mit jelent minden betű.

Hogyan kell: Determinants

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

Kérdések, amiket az emberek feltesznek

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.

Még több 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