在2d中,使用叉积计算由两个向量跨越的平行四边形的面积。在3d中,使用三重标量积计算平行六面体的体积。这两个都可以用行列式来表示,但你可能不清楚什么是对更高维度的适当概括。
这种概括称为楔形产品给定$n$向量$v_1、v_2、\ldots、v_n$,楔形积$v_1\wedge v_2\wedge\ldots\wedge v_n$称为$n$-向量,其大小为$n$平行六面体的$n$-volume。
楔形积和行列式之间的关系是什么?其实很简单。对于$k$-向量,线性映射有一个自然的泛化。给定一个线性映射$\下划线T$(可以表示为矩阵),该映射对$k$-向量的作用定义为
$$\下划线T(v_1\楔形v_2\楔形\ldots\wedge v_k)\equiv\下划线T(v_1)\wedget\underlinet T(v_2)\weedge\ldots/wedge\ underlined T(v_k$$
当谈论$n$-维空间中的$n$-vectors时,重要的是要意识到这些$n$-fctors的“向量空间”实际上是一维的。也就是说,如果你考虑体积,在给定的空间中只有一个这样的单位体积,所有其他体积都只是它的标量倍数。因此,当我们讨论线性映射在$n$-向量上的作用时,我们可以看到
$$\下划线T(v_1\wedge v_2\wedget\ldots\wedge v _n)=\alpha[v_1\widge v_2 \wedge\ldots\widge v-n]$$
对于一些标量$\alpha$。实际上,这是一个独立于坐标系的行列式定义!
当你用$n$向量$f_1,f_2,\ldots,f_n$作为矩阵的列构建矩阵时,你真正要做的是:你是说,如果你有一个基$e_1,e_2,\ldot,e_n$,那么你定义了一个映射$\underline T$,使得$\under T(e_1)=f_1$,$\undertline T(e_ 2)=f_2$,因此,当您输入$e_1\wedge e_2\wedge\ldots\wedge e_n$时,会得到
$$\underlinet T(e_1\wedge e_2\wedget\ldots\wedge e_n)=(\det\underlined T)e_1_wedge e_2\wedged\ldots\widge e_n=f_1\wedge f_2\weedge\ldots\ wedge f _n$$
这就是使用矩阵行列式计算体积的方法:这只是构造自动计算楔形积的东西的一种简单方法。
编辑:人们如何能看到楔形产品准确地给出了平行六面体的体积。任何向量都可以分解为与另一向量、平面等(或任何$k$-向量)相关的垂直和平行部分。因此,如果我有两个向量$a$和$b$,那么楔形积$a\wedge b=a\weedge b_\perp$,其中$b_\perp$实际上是平行四边形的高度。类似地,如果我用向量$c$构造一个平行六面体,那么楔形乘积$a\wedge b\wedget c=(a\weedge b_\perp)\wedged c_\perp$,其中$c_perp$与$a\vedge b_\perp$完全垂直。因此,我们可以递归地对任何$k$-向量执行此操作,而只需查看正交向量,从中查看体积要简单得多。