为什么行列式为零的矩阵不可逆：从体积压缩到信息丢失

1. 建立核心概念与直觉

想象一个二维向量空间，比如一张白纸。一个 2x2 矩阵可以看作一个“变换规则”，它能把纸上的所有点（向量）移动到新的位置。

计算这个矩阵的行列式（det(A)）。这个数值有一个关键的几何意义：它代表了变换前后，一个单位面积图形被拉伸或压缩的倍数。

观察当行列式不为零时，变换后的图形保持了维度，没有被压扁。原来的平面上的信息，只是被旋转、拉伸或镜像，但所有点仍然分散在二维平面上。这个过程是可逆的，就像你能把拉伸后的橡皮泥捏回原来的形状，因为你知道它是怎么被拉的。

设定一个行列式为零的矩阵 det(A) = 0。

应用这个矩阵对空间进行变换。

观察变换的结果。原本可能覆盖一个区域的图形，现在被压扁到了一条线甚至一个点上。这意味着，变换将整个二维平面“压”进了一维的线或零维的点。

思考一个关键问题：如果你手中拿着被压扁后的一个点（结果），你能反推出它原来在二维平面上的精确位置吗？不能。因为有无数个点都被压到了同一个位置上。

得出结论：这个过程丢失了维度信息，因此是不可逆的。行列式为零，正是这种“体积被压缩为零”的代数表达。

回顾逆矩阵 A^{-1} 的定义。它应该满足 A * A^{-1} = I，其中 I 是单位矩阵（对角线上为1，其余为0，代表“什么都不做”的变换）。

构建一个关键场景。假设矩阵 A 的行列式为零。

寻找是否存在一个非零向量 x，使得 A * x = 0（即 0 向量）。

代数上，这等价于求解齐次线性方程组。det(A) = 0 意味着这个方程组有非零解。即存在某个不是全零的向量 x，经过矩阵 A 变换后，变成了原点 0。

假设存在逆矩阵 A^{-1}。

推导矛盾。对 A * x = 0 的两边同时左乘 A^{-1}。
得到 A^{-1} * (A * x) = A^{-1} * 0。
根据结合律，左边变为 (A^{-1} * A) * x = I * x = x。
右边永远是 0 向量。
于是得到 x = 0。

发现这与我们之前找到的“非零解 x”直接矛盾。

确立核心结论：因此，当 det(A) = 0 时，假设的逆矩阵 A^{-1} 不存在。根本原因在于矩阵 A 将不同的输入（如那个非零向量 x）映射到了同一个输出（零向量），导致了信息的混淆和丢失，使得反向映射无法进行。