矩阵：数字的整齐排列指南
各位同学好！欢迎来到矩阵的世界。别被这看似复杂的名字吓倒。矩阵其实就是一个把数字整齐排列成格状的简单方法。想象一下你的班级时间表、电子游戏的得分榜，甚至是电子表格——它们都运用了相同的概念！在这一章，我们会学习如何操作这些格状排列的数字：包括加、减、乘，甚至是“除”。矩阵是一种强大的工具，应用范围从计算机图形学到解决复杂方程无所不包，所以我们现在就开始吧！
1. 什么是矩阵？基本概念
矩阵 简单来说就是一个长方形的数字网格，这些数字称为元素，它们按行（横向）和列（纵向）排列。
矩阵的“大小”或维数（亦称阶）由“（行数）\( \times \)（列数）”表示。
例子： 这是一个有 2 行 3 列的矩阵 \(A\)。它的维数是 \(2 \times 3\)。
\( A = \begin{pmatrix} 1 & -5 & 3 \\ 4 & 0 & 7 \end{pmatrix} \)
要说明某个特定元素，我们使用符号 \(a_{ij}\)，其中 \(i\) 是行数，而 \(j\) 是列数。对于上面的矩阵 \(A\)：
• 第 1 行第 2 列的元素是 \(a_{12} = -5\)。
• 第 2 行第 3 列的元素是 \(a_{23} = 7\)。
特殊矩阵类型
• 方阵：行数和列数相同（例如 \(2 \times 2\)、\(3 \times 3\)）。
• 零矩阵 (\(O\))：所有元素都是 \(0\) 的矩阵。它是矩阵世界的“零”。
• 单位矩阵 (\(I\))：它是矩阵世界的“一”！这是一个方阵，其主对角线（左上到右下）上的元素全是 1，其他地方的元素全是 0。
\( I_2 = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \quad \text{and} \quad I_3 = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} \)
重点提示
矩阵是一个数字网格。它的大小称为维数（行 \( \times \) 列）。单位矩阵 \(I\) 和零矩阵 \(O\) 是在矩阵代数中非常重要的特殊矩阵。
2. 矩阵运算：基本规则
矩阵加法与减法
这部分很简单！你只能对维数完全相同的矩阵进行加法或减法运算。
操作方法： 只需将对应位置的元素相加或相减。
类比： 想象你有两张不同星期的购物清单，它们的格式相同。要找出你购买的总物品数量，你只需把相同位置的数字相加。
例子： 我们来加两个 \(2 \times 2\) 矩阵。
\( A = \begin{pmatrix} 4 & 8 \\ 3 & 7 \end{pmatrix}, \quad B = \begin{pmatrix} 1 & 0 \\ 5 & 2 \end{pmatrix} \)
\( A + B = \begin{pmatrix} 4+1 & 8+0 \\ 3+5 & 7+2 \end{pmatrix} = \begin{pmatrix} 5 & 8 \\ 8 & 9 \end{pmatrix} \)
常见错误： 切勿尝试对不同维数的矩阵进行加法或减法运算！这是不可行的。
例子： 你不能将一个 \(2 \times 3\) 矩阵和一个 \(2 \times 2\) 矩阵相加。
标量乘法
标量 只是对普通数字（非矩阵）的一个花哨称呼。标量乘法是指将一个矩阵乘以一个数字。
操作方法： 将矩阵内每一个元素都乘以该标量。
类比： 如果你想把食谱的份量加倍，你会将所有材料的份量都乘以 2。
例子： 对以下矩阵 \(A\) 求 \(3A\)。
\( A = \begin{pmatrix} 2 & -1 \\ 5 & 9 \end{pmatrix} \)
\( 3A = 3 \begin{pmatrix} 2 & -1 \\ 5 & 9 \end{pmatrix} = \begin{pmatrix} 3 \times 2 & 3 \times (-1) \\ 3 \times 5 & 3 \times 9 \end{pmatrix} = \begin{pmatrix} 6 & -3 \\ 15 & 27 \end{pmatrix} \)
快速复习：基本性质
对于大小相同的矩阵 \(A\)、\(B\)、\(C\) 以及标量 \(\lambda, \mu\)：
• 加法交换律： \( A + B = B + A \) （加法次序不影响结果）。
• 加法结合律： \( (A + B) + C = A + (B + C) \) （加法分组方式不影响结果）。
• 分配律：
\( \lambda(A + B) = \lambda A + \lambda B \)
\( (\lambda + \mu)A = \lambda A + \mu A \)
重点提示
矩阵的加法和减法很简单：只需处理对应的元素，但请确保维数匹配。对于标量乘法，则将每个元素乘以该标量。
3. 矩阵乘法：难点来了！
刚开始觉得混乱也别担心！矩阵乘法是最复杂的运算，但它遵循一个非常特定的模式。一旦你掌握了窍门，它就只是一个重复的过程。
乘法的黄金法则
你只能对两个矩阵进行乘法运算（例如 \(A \times B\)），如果矩阵 \(A\) 的列数等于矩阵 \(B\) 的行数。
记忆法： 检查“内维数”。如果矩阵 \(A\) 是 \(m \times n\)，矩阵 \(B\) 是 \(n \times p\)，你可以对它们相乘，因为“内维数”的 \(n\) 相匹配。结果矩阵将具有“外维数”：\(m \times p\)。
\( (m \times \mathbf{n}) \cdot (\mathbf{n} \times p) \longrightarrow (m \times p) \)
如何相乘：逐步指南
规则是“行乘列”。要得到新矩阵中第 \(i\) 行第 \(j\) 列的元素，你需要将第一个矩阵的第 \(i\) 行元素与第二个矩阵的第 \(j\) 列对应元素相乘，然后将它们全部相加。
例子： 我们来计算 \(AB\)。
\( A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}, \quad B = \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} \)
结果 \(AB\) 会是一个 \(2 \times 2\) 矩阵，我们称它为 \(C\)。
\( C = \begin{pmatrix} c_{11} & c_{12} \\ c_{21} & c_{22} \end{pmatrix} \)
• 要找出 \(c_{11}\)（第 1 行，第 1 列）：使用 \(A\) 的第 1 行和 \(B\) 的第 1 列。
\( c_{11} = (1 \times 5) + (2 \times 7) = 5 + 14 = 19 \)
• 要找出 \(c_{12}\)（第 1 行，第 2 列）：使用 \(A\) 的第 1 行和 \(B\) 的第 2 列。
\( c_{12} = (1 \times 6) + (2 \times 8) = 6 + 16 = 22 \)
• 要找出 \(c_{21}\)（第 2 行，第 1 列）：使用 \(A\) 的第 2 行和 \(B\) 的第 1 列。
\( c_{21} = (3 \times 5) + (4 \times 7) = 15 + 28 = 43 \)
• 要找出 \(c_{22}\)（第 2 行，第 2 列）：使用 \(A\) 的第 2 行和 \(B\) 的第 2 列。
\( c_{22} = (3 \times 6) + (4 \times 8) = 18 + 32 = 50 \)
所以，最终结果是：
\( AB = \begin{pmatrix} 19 & 22 \\ 43 & 50 \end{pmatrix} \)
大惊喜：\(AB\) 不一定等于 \(BA\)！
这与普通数字运算有着巨大的不同。矩阵乘法不具交换性。你的乘法次序很重要！
使用上面的矩阵，如果你尝试计算 \(BA\)，你会得到一个不同的答案。这是需要记住的一个非常重要的性质。
矩阵乘法的性质
尽管它不具交换性，但它确实有一些有用的性质：
• 结合律： \( A(BC) = (AB)C \) （分组方式不影响结果）。
• 分配律： \( A(B+C) = AB + AC \) 以及 \( (A+B)C = AC + BC \)
• 标量性质： \( (\lambda A)(\mu B) = (\lambda \mu)AB \)
• 行列式性质： \( |AB| = |A||B| \) （乘积的行列式等于它们行列式的乘积。超级有用！）
重点提示
矩阵乘法要求内维数匹配。请记住“行乘列”的规则。最重要的是，乘法的次序很重要：一般而言，\(AB \neq BA\)。
4. 矩阵的逆：撤销按钮
什么是逆？
在普通的代数中，5 的逆是 \(\frac{1}{5}\)，因为 \(5 \times \frac{1}{5} = 1\)。在矩阵世界中，矩阵 \(A\) 的逆是另一个矩阵，写作 \(A^{-1}\)，它能“撤销”\(A\)。
当你将一个矩阵乘以它的逆时，你会得到单位矩阵 \(I\)。
\( AA^{-1} = A^{-1}A = I \)
重要点：
• 只有方阵才能有逆矩阵。
• 一个有逆矩阵的矩阵称为可逆矩阵或非奇异矩阵。
• 一个没有逆矩阵的矩阵称为不可逆矩阵或奇异矩阵。
• 一个矩阵有逆矩阵当且仅当其行列式不为零。如果 \(\det(A) = 0\)，则没有逆矩阵！
找出 \(2 \times 2\) 矩阵的逆
找出 \(2 \times 2\) 矩阵的逆有一个简单的公式。你应该记住它！
如果 \( A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)，那么它的逆是：
\( A^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \)
项 \(ad-bc\) 是该矩阵的行列式。
逐步指南 (\(2 \times 2\))：
1. 计算行列式： \(\det(A) = ad - bc\)。
2. 检查是否为零。如果 \(\det(A) = 0\)，停止。逆矩阵不存在。
3. 创建一个新矩阵：
• 交换主对角线上的元素（\(a\) 和 \(d\)）。
• 改变另外两个元素（\(b\) 和 \(c\)）的符号。
4. 将新矩阵乘以 \(\frac{1}{\det(A)}\)。
例子： 求矩阵 \( M = \begin{pmatrix} 4 & 7 \\ 2 & 6 \end{pmatrix} \) 的逆。
1. \(\det(M) = (4)(6) - (7)(2) = 24 - 14 = 10\)。（不为零，所以我们可以继续！）
2. 交换 4 和 6，改变 7 和 2 的符号： \( \begin{pmatrix} 6 & -7 \\ -2 & 4 \end{pmatrix} \)
3. 乘以 \(\frac{1}{10}\)：
\( M^{-1} = \frac{1}{10} \begin{pmatrix} 6 & -7 \\ -2 & 4 \end{pmatrix} = \begin{pmatrix} 0.6 & -0.7 \\ -0.2 & 0.4 \end{pmatrix} \)
找出 \(3 \times 3\) 矩阵的逆
这是一个较长的过程，但它非常有系统。我们使用一种涉及行列式和“伴随矩阵”的方法。
快速概念：矩阵转置
矩阵的转置（写作 \(A^T\)）是将矩阵沿着其主对角线翻转而得。行会变成列，列会变成行。
例子： 如果 \( A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix} \)，那么 \( A^T = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix} \)
逐步指南 (\(3 \times 3\))：
1. 计算 \(3 \times 3\) 矩阵的行列式。如果为零，停止。逆矩阵不存在。
2. 找出子式矩阵。对于每个元素，遮盖其行和列，然后计算剩下 \(2 \times 2\) 矩阵的行列式。
3. 创建余子式矩阵。对子式矩阵应用“棋盘式”的正负号模式（+、-、+、-等）。
\( \begin{pmatrix} + & - & + \\ - & + & - \\ + & - & + \end{pmatrix} \)
4. 找出伴随矩阵 (\(\text{adj}(A)\))。这是余子式矩阵的转置 (\(\text{adj}(A) = C^T\))。
5. 使用公式计算逆： \( A^{-1} = \frac{1}{\det(A)} \text{adj}(A) \)
这个过程最好通过练习来学习。每一步都请慢慢来！
逆矩阵的性质
令 \(A\) 和 \(B\) 为可逆矩阵，\(\lambda\) 为非零标量。
• 唯一性：一个矩阵的逆矩阵是唯一的。
• 双重逆： \( (A^{-1})^{-1} = A \) （撤销一次撤销会让你回到起点）。
• 标量逆： \( (\lambda A)^{-1} = \frac{1}{\lambda} A^{-1} \)
• 转置逆： \( (A^T)^{-1} = (A^{-1})^T \)
• 逆矩阵的行列式： \( |A^{-1}| = \frac{1}{|A|} \)
• 乘积逆（袜子与鞋子法则）： \( (AB)^{-1} = B^{-1}A^{-1} \) 类比：要撤销先穿袜子再穿鞋的动作，你必须先脱鞋，然后才脱袜子。次序颠倒了！
重点提示
逆矩阵 \(A^{-1}\) “撤销”矩阵 \(A\)，得到单位矩阵 \(I\)。一个矩阵只有在其行列式不为零时才存在逆矩阵。请记住 \(2 \times 2\) 逆矩阵的公式，以及乘积的逆矩阵的“袜子与鞋子”法则。