1482 字
7 分钟
线性代数 05|行列式、逆矩阵与换基

数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

打印机把设计图放大,耗墨面积变了多少?#

一块 1 厘米乘 1 厘米的方形色块,如果横向放大 2 倍、竖向放大 3 倍,就变成 2 乘 3 厘米,面积为 6 平方厘米。对应矩阵是 diag⁡(2,3)\operatorname{diag}(2,3),行列式为 6。

若把图左右镜像,面积不会变负,但方向翻了,行列式会变号。把面积倍数与翻转信息放在同一个数里,就是“有向面积”。

如果打印机把整张图压成一条线,面积变为零,有些不同位置会重合,你便无法仅靠打印结果还原原图。这把行列式为零与不可逆直接连了起来。

不只会缩放,也要看剪切#

把单位正方形顶边水平推右一段,底边不动,得到平行四边形。它看起来歪了,但底和高度不变,所以面积不变。对应剪切矩阵 S=(1c01)S=\begin{pmatrix}1&c\\0&1\end{pmatrix} 的行列式就是 1。

如果一台机器先剪切,再横向缩放 2 倍,面积倍率仍只变成 2。把复杂变换拆成这种简单动作,行列式乘法公式就有了直观来源。

二维公式里的减号从哪里来#

列向量 (a,c)(a,c) 与 (b,d)(b,d) 构成平行四边形。其有向面积为 ad−bcad-bc。可以把它理解为两种横竖配对贡献的差;交换两条边会把顺时针方向变成逆时针,因此符号必须翻转。

例如 A=(1224)A=\begin{pmatrix}1&2\\2&4\end{pmatrix} 的两列同向,ad−bc=4−4=0ad-bc=4-4=0。这时单位正方形被压成线段,不存在二维面积,两个输入方向有一部分不可区分。

逆矩阵是按顺序撤销动作#

照片先被放大再被旋转。想恢复原图,必须先反向旋转,再反向缩放。所以 (AB)−1=B−1A−1(AB)^{-1}=B^{-1}A^{-1}。这里先后顺序不只是符号规则,而是撤销操作的实际流程。

若某一步把照片压成一条线,有信息已经重合,后续再拉伸也不能知道原先高度是多少,因此没有真正逆操作。可以按某种偏好补一幅图,但那是重建方案,不是原变换的唯一逆。

换基的三步别跳过#

新坐标说“沿斜方向走两格”,而旧矩阵只认识水平竖直坐标。先用 PP 翻译成旧坐标,再由 AA 施加变换,最后用 P−1P^{-1} 翻译回新坐标,所以是 P−1APP^{-1}AP。

三个矩阵各有一份明确工作。如果把 PP 的方向定义反过来,公式也会相应变;与其死记左右位置,不如每次写清当前坐标语言、下一步要翻译成哪种语言。

带你做:一副斜坐标怎样翻译#

新坐标方向为 v1=(1,1)v_1=(1,1)、v2=(1,−1)v_2=(1,-1),因此 P=(111−1)P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}。新坐标 (2,1)(2,1) 对应旧坐标 P(2,1)T=(3,1)TP(2,1)^T=(3,1)^T。

现在真实变换为横向放大 2 倍,A=diag⁡(2,1)A=\operatorname{diag}(2,1)。旧坐标结果是 (6,1)(6,1),翻译回新坐标需解 a+b=6,a−b=1a+b=6,a-b=1,得 (a,b)=(3.5,2.5)(a,b)=(3.5,2.5)。

计算整体矩阵 P−1AP=12(3113)P^{-1}AP=\tfrac12\begin{pmatrix}3&1\\1&3\end{pmatrix},乘 (2,1)(2,1) 也得到 (3.5,2.5)(3.5,2.5)。这样你同时用逐步翻译与矩阵公式完成核验。

值得注意的是,在旧坐标里它看起来是单纯横向伸缩,在新坐标里出现混合项。机器没变,只是新的坐标轴没有对齐机器的伸缩方向。寻找特征基,就是设法让这种混合再次消失。

回头整理:定义、工具与练习#

一小块面积被放大多少#

把标准单位正方形的两条边送到 a1,a2a_1,a_2,新平行四边形的有向面积就是二维行列式。若 A=(abcd)A=\begin{pmatrix}a&b\\c&d\end{pmatrix},则 det⁡A=ad−bc\det A=ad-bc。

高维中对应有向体积。绝对值衡量放大倍数,符号衡量方向是否翻转。det⁡A=0\det A=0 表示某些方向被压扁,输出落入更低维子空间。

为什么乘积的行列式相乘#

连续做两个变换,体积先乘 det⁡B\det B,再乘 det⁡A\det A,所以 det⁡(AB)=det⁡Adet⁡B\det(AB)=\det A\det B。严格证明可从行列式的多重线性、交替性和单位矩阵归一化推出。

交换两列使符号改变;某列乘 cc,行列式乘 cc;某列加上另一列的倍数不改变行列式。行也有对应性质。因此可用消元把矩阵化为三角形,再计算对角元之积并计入换行符号。

逆意味着能够完全恢复输入#

方阵可逆的等价条件包括:行列式非零、列向量构成基、核只有零、任意右端 bb 有唯一解。

逆满足 A−1A=AA−1=IA^{-1}A=AA^{-1}=I,以及 (AB)−1=B−1A−1(AB)^{-1}=B^{-1}A^{-1}。恢复串联操作时,必须先撤销最后一步。

计算方程时通常直接消元或分解矩阵,不必显式形成逆矩阵;“x=A−1bx=A^{-1}b”是一种理论表达,不意味着总是最佳数值算法。

换基是一副新坐标眼镜#

设 PP 的列为新基在旧基下的坐标,则 xold=Pxnewx_{\rm old}=Px_{\rm new}。同一个算子在新坐标下的矩阵为

Anew=P−1AoldP.A_{\rm new}=P^{-1}A_{\rm old}P.

从右向左读:把新坐标换到旧坐标,实施变换,再把结果换回新坐标。相似矩阵拥有相同特征值、行列式和迹。

换基与主动改变向量是两件不同的事:前者只换描述,后者真正施加变换。写清每个矩阵输入输出采用哪组基,可以避免大多数顺序错误。

练习与解答#

  1. diag⁡(2,3)\operatorname{diag}(2,3) 把面积放大多少?
  2. 正交矩阵的行列式可能是多少?
  3. 若 P−1APP^{-1}AP 为对角矩阵,PP 的列有什么性质?

解答:1. 6 倍。2. ±1\pm1,因为 QTQ=IQ^TQ=I,故 (det⁡Q)2=1(\det Q)^2=1。3. 它们是 AA 的一组特征向量,且必须线性无关。

几何伴读#

3Blue1Brown:行列式。观察单位面积怎样被放大、翻转或压扁。


数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

线性代数 05|行列式、逆矩阵与换基
https://f1yingwhite.github.io/posts/数学/线性代数教程/05-行列式、逆矩阵与换基/
作者
F1yingWhite
发布于
2026-11-03
许可协议
CC BY-NC-SA 4.0