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.

Exemplu lucrat · det [[1,2],[3,4]]

Linear-Algebra · Determinants

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

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

Pas cu pas

  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.

Revelează răspunsul
\det A = -2

Acum tu Alege o problemă, sau tasta sau deseneaza-ti propria. Fiecare pas, o imagine, raspunsul ascuns pana cand intrebi.

Păstrează-ţi propria muncă.

Un cont gratuit adaugă notițe despre fiecare lecție, un record de ceea ce ați terminat, problemele rezolvate într-un singur loc, și un tutor puteți întreba despre această pagină. Matemática în sine este deschisă tuturor, semnat sau nu.

Înregistrează Login

Simbole utilizate aici

Atinge orice simbol pentru definiţia completă, o imagine şi ce înseamnă fiecare literă.

Cum să: Determinants

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

Întrebări pe care oamenii le întreabă

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.

Mai multe în 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