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.

Үйлдэл · det [[1,2],[3,4]]

Linear-Algebra · Determinants

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

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

Алхам алхмаар

  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.

Хариулт
\det A = -2

Одоо та Даалгавар сонго, эсвэл бич, эсвэл зур. Бүх алхам, зураг, хариулт нь асуулт асуух хүртэл нуугдаж байдаг.

Өөрийнхөө ажлыг үргэлжлүүл

Үнэгүй бүртгэл нь хичээл бүрийн тэмдэглэл, төгссөн хичээл, шийдсэн даалгаврын тэмдэглэл, энэ хуудсан дээр асууж болох багшийг нэгтгэж өгдөг. Математик нь бүртгэлтэй, бүртгэлтэйгүй хэн бүхэнд нээлттэй.

Бүртгүүлэх Нэвтрэх

Энд ашигласан тэмдэгтүүд

Бүх тодорхойлолт, зураг, үсгийн утгыг харахын тулд ямар ч тэмдэгтийг дарна уу.

Яаж: Determinants

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

Хүмүүс асуудаг асуултууд

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.

Бүх зүйл 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