为什么矩阵的行列式可以表示体积：从二维平行四边形面积说起

1. 理解二维空间中的面积

要理解行列式，从最直观的二维空间开始。想象一个以坐标原点 (0, 0) 为起点，由两个向量 u 和 v 所张成的平行四边形。这两个向量可以看作是一个 2x2 矩阵的列向量。

定义向量。
令向量 u 的坐标为 (u_x, u_y)，向量 v 的坐标为 (v_x, v_y)。
计算面积。
我们知道，这个平行四边形的面积，等于两个向量组成的基底“拉伸”或“压缩”空间的程度。它等于以这两个向量为邻边的平行四边形的面积。通过几何或代数方法可以证明，这个面积恰好等于矩阵 [[u_x, v_x], [u_y, v_y]] 的行列式的绝对值。

$$\text{面积} = \left| \det \begin{pmatrix} u_x & v_x \\ u_y & v_y \end{pmatrix} \right| = \left| u_x v_y - u_y v_x \right|$$
用具体数字验证。
取 u = (3, 0) 和 v = (0, 2)。这两个向量张成一个长为3，宽为2的矩形，面积应为 6。
它们构成的矩阵是 [[3, 0], [0, 2]]。
计算其行列式：det = (3 * 2) - (0 * 0) = 6。
结果 6 的绝对值就是 6，与面积相符。

将同样的逻辑推广到三维。想象一个以原点 (0, 0, 0) 为起点，由三个向量 a, b, c 张成的平行六面体（一个斜的盒子）。这三个向量构成一个 3x3 矩阵的列向量。

定义向量。
令 a = (a_x, a_y, a_z)，b = (b_x, b_y, b_z)，c = (c_x, c_y, c_z)。
推导体积公式。
立体的体积等于“底面积”乘以“高”。我们选择由 a 和 b 张成的平行四边形作为底面。
- 计算底面积：根据第一步，底面积 A_base = |a_x b_y - a_y b_x|（实际上是 a 和 b 在XY平面投影的二维行列式，严格证明需考虑三维投影，但最终结果一致）。
- 确定高：这个“高”是向量 c 在垂直于底面方向上的投影长度。这个垂直方向的单位向量，可以用 a 和 b 的叉积（a × b）得到。因此，高 h = |c · (a × b)| / |a × b|。
- 组合：体积 V = A_base * h = |a_x b_y - a_y b_x| * [|c · (a × b)| / |a × b|]。经过向量代数运算，这最终简化为：
$$V = \left| \det \begin{pmatrix} a_x & b_x & c_x \\ a_y & b_y & c_y \\ a_z & b_z & c_z \end{pmatrix} \right|$$
核心结论。
三维空间中由三个向量张成的平行六面体的体积，等于以这三个向量为列（或行）构成的 3x3 矩阵的行列式的绝对值。

行列式的值有正有负，这表示空间的“定向”。

理解正负号。
行列式的绝对值表示体积（或面积）的大小。其符号表示向量组构成的基底相对于标准坐标系（如右手系）是“保持定向”还是“改变了定向”。
二维示例。
在二维中，如果向量 u 到 v 是逆时针旋转（标准右手系），行列式为正；如果是顺时针旋转（左手系），行列式为负。面积始终取绝对值。
三维示例。
在三维中，如果向量组 (a, b, c) 构成右手系（符合右手定则），行列式为正；如果构成左手系，行列式为负。体积始终取行列式的绝对值。

这个逻辑可以推广到任意 n 维空间。

定义n维平行多面体。
给定 n 个 n 维向量，它们张成一个 n 维平行多面体。
核心定理。
这个 n 维平行多面体的超体积，等于以这 n 个向量为列（或行）构成的 n x n 矩阵的行列式的绝对值。
行列式的本质。
因此，矩阵的行列式是一个衡量其列（或行）向量所“张成的空间大小”的标量。当行列式为 0 时，表示这些向量是线性相关的，它们张成的“体积”塌缩到了更低的维度（面积或体积为零）。