The determinant | Chapter 6, Essence of linear algebra
3Blue1Brown在 YouTube 播放 ↗
字幕解读
从单位方格变成平行四边形开始，这一讲把行列式解释为线性变换对面积的有向缩放。用越来越细的网格近似任意区域，就能把同一缩放因子推广到整个平面。行列式为零表示空间被压入更低维度；在三维，体积和左右手取向承担相应角色。最后回到二维公式，以及复合变换为何使行列式相乘。
创作者仓库发布的英文字幕 ↗ · 引文按字幕原文展示，可点时间戳回看片段。
内容要点
- 二维线性变换对任意区域施加同一面积缩放因子，其大小由行列式的绝对值给出。
- 三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
- 非退化变换翻转取向时，行列式带负号。
视频章节 4
- 单位方格如何测量面积缩放
- 负号记录取向翻转
- 三维的体积和降维
- 从图形回到公式与复合
具体观点与证据 4
二维线性变换对任意区域施加同一面积缩放因子，其大小由行列式的绝对值给出。
对平面线性变换与可测区域成立。
the factor by which a linear transformation changes any area三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
该判断针对三维空间到自身的线性变换。
A determinant of 0 would mean that all of space is squished onto something with 0 volume非退化变换翻转取向时，行列式带负号。
绝对值仍描述普通面积缩放，零行列式需另行处理。
whenever the orientation of space is inverted, the determinant will be negative先后应用两个线性变换会依次缩放有向面积，所以乘积矩阵的行列式等于两者行列式之积。
乘法次序影响矩阵本身，该性质只断言行列式的乘积。
the same as the product of the determinants of the original two matrices解读边界
讨论实方阵表示的线性变换；面积或体积的普通大小取行列式的绝对值。视频用图形建立直觉。
相关视频与证据 2
原理与应用从空间降维理解特征方程
行列式一课把零行列式解释为空间被压入低维；求特征值时，把同一判据应用到 A−λI，就得到存在非零特征向量的条件。
The determinant | Chapter 6, Essence of linear algebra
三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
A determinant of 0 would mean that all of space is squished onto something with 0 volumeEigenvectors and eigenvalues | Chapter 14, Essence of linear algebra ↗
求特征值可寻找使 A−λI 降维的 λ，此时存在非零向量被送到零。
make this determinant zero, meaning the tweaked transformation squishes space into a lower dimension▶ 7:58–8:07 · 观看片段适用边界 A 本身可以满秩；要使行列式为零的是移去 λI 后的矩阵。
同一现象的两种表示体积消失后，哪些方程还可解？
行列式给出三维体积被压为零的判据；Strang 从矩阵列的线性组合解释后果：三列若共面，平面之外的目标向量就无法达到。
The determinant | Chapter 6, Essence of linear algebra
三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
A determinant of 0 would mean that all of space is squished onto something with 0 volumeLec 1 | MIT 18.06 Linear Algebra, Spring 2005 ↗
三阶矩阵的列若共面，所有可达右端向量都在这个平面内，因此某些线性方程组无解。
If these three columns
all lie in the same plane, then their combinations
will lie in that same plane.▶ 31:06–31:18 · 观看片段适用边界 降维表示某些右端向量不可达；不能推出所有右端向量都无解。