【第五章 线性代数之 行列式】3Blue1Brown

5.行列式

5.1行列式在二维空间中的意义

在之前的学习中，有的变换对空间进行拉伸有的变换对空间进行挤压，但是究竟被拉伸或者挤压的多少却没有测量。也就是现在可以测量一个面积缩放比例。举例：经过下面矩阵的变换，原来一个面积为1的小矩形，经过拉伸之后面积扩大了六倍（原来位于（1，1）的点，现在移动到了（3，2）的位置）

这个线性变换改变的面积比例，就被称为这个变换的行列式。，比如下图中矩阵行列式为3，就是说它将一个区域的面积增加为原来的3倍。

有种特殊情况是行列式为0，这种情况说明它将整个平面压缩到一条直线上，甚至是一个点上，因此此时所有面积都变成了0.

所以，只需要检验一个矩阵的行列式是否为0，就可以了解到这个矩阵所代表的变换是否将空间压缩到更小的维度上。

在完整概念下的行列式是允许出现负值的，那负数代表什么意思呢？在此之前要有一个定向的概念：

把二维空间看作是一张白纸，这种出现负数的变换像是将纸翻转到了另一面。我们称类似这样的变换改变了空间的定向。
或者这样理解：本来是这样的：

反转完之后变成这样的：

当空间定向改变的情况发生时，行列式为负，但是行列式的绝对值依然表示区域面积的缩放比例。
比如：

5.2行列式在三维空间中的意义

行列式在三维空间中不在表示面积而是表示体积缩放比例。

同理：

• 如果行列式为正大于零：体积体积变大了
• 行列式为零，则被压成了一个平面，一条线，或者是一个点（我觉得这个意思就是只要维度变低，从三维变成2维1维，甚至是零维，行列是都会是0。）
• 如果行列式为负数，那么就是方向发生了变化。具体可以参考视频或者想想高中物理的左手定理和右手定理为啥不能用一只手去做题。

思考为啥：两个矩阵的乘积的行列式，就等于两个矩阵行列式的乘积？

5.3行列式计算

略，详情请参考各大线性代数教材。