欢迎来到矩阵的世界！
你好！欢迎来到进阶数学（Further Mathematics）中最令人兴奋且实用的章节之一。如果你曾好奇电子游戏中的电脑图形是如何运作的，或是 GPS 系统如何计算路径，那么你现在接触的正是核心领域。
矩阵 (Matrix)（复数：matrices）本质上只是一种将数字整齐地排列成行与列的方法——就像电子表格一样。在本章中，我们将学习如何加、减和乘这些“数据网格”，并发现它们如何充当“指令”，将图形在二维和三维空间中移动。如果起初看起来有点复杂，不用担心；一旦你掌握了基本规则，这一切都会变得非常有逻辑！
1. 矩阵基础：加法、减法与标量乘法
在我们开始对矩阵进行运算之前，我们需要知道它们的阶 (order)（即尺寸）。我们总是先列出行 (Rows) 的数量，然后是列 (Columns) 的数量。
记忆小撇步：想象“RC”遥控器（Remote Control，先 Rows 再 Columns）。
可运算矩阵 (Conformable Matrices)
要对矩阵进行加法或减法，它们必须具有相同的尺寸。如果是这样，我们称它们为加法或减法可运算的 (conformable)。你只需将对应位置的数字相加或相减即可。
例子： \(\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} + \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} 1+5 & 2+6 \\ 3+7 & 4+8 \end{pmatrix} = \begin{pmatrix} 6 & 8 \\ 10 & 12 \end{pmatrix}\)
标量乘法 (Scalar Multiplication)
将矩阵乘以一个标量 (scalar)（即普通数字）就像使用“放大镜”。你要将矩阵内的每一个数字都乘以该标量。
例子： \(3 \times \begin{pmatrix} 1 & -2 \\ 0 & 4 \end{pmatrix} = \begin{pmatrix} 3 & -6 \\ 0 & 12 \end{pmatrix}\)
特殊矩阵
- 零矩阵 (Zero Matrix, 0)：所有项均为 0 的矩阵。将此矩阵加到任何矩阵 \(A\) 上，\(A\) 都不会改变 (\(A + 0 = A\))。
- 单位矩阵 (Identity Matrix, I)：主对角线（左上至右下）为 1，其余位置均为 0 的方阵。它在一般乘法中就像数字“1”一样。
对于 \(2 \times 2\) 矩阵：\(I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
重点摘要：只能对相同尺寸的矩阵进行加减法。标量乘法会影响括号内的所有数字。
2. 矩阵乘法
这就是事情变得不同的地方！两个矩阵相乘不仅仅是将相同位置的数字相乘。相反，我们使用“行乘列 (Row by Column)”规则。
何时可以相乘？
两个矩阵只有在第一个矩阵的列数等于第二个矩阵的行数时才能相乘。
如果矩阵 A 为 \(m \times n\)，矩阵 B 为 \(n \times p\)，则结果 \(AB\) 的尺寸为 \(m \times p\)。
快速技巧：并排写下维度：\((2 \times \mathbf{3}) \times (\mathbf{3} \times 1)\)。如果“内侧”数字相符，就可以相乘！
“7”字规则
要找到新矩阵中的一个项目，请沿着第一个矩阵的行向右移动，同时沿着第二个矩阵的列向下移动，将成对的数字相乘并加总。这看起来有点像画出数字“7”。
重要提示：在矩阵代数中，\(AB\) 通常不等于 \(BA\)。顺序很重要！
你知道吗？由于顺序很重要，我们使用前乘 (pre-multiply)（放在左边）和后乘 (post-multiply)（放在右边）这两个术语。
3. 行列式与逆矩阵 (\(2 \times 2\))
每个方阵都有一个称为行列式 (determinant) 的特殊值。对于 \(2 \times 2\) 矩阵 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，行列式为：
\(det A = ad - bc\)
奇异矩阵与非奇异矩阵 (Singular vs Non-Singular)
- 如果 \(det A = 0\)，则该矩阵为奇异矩阵 (singular)。它没有逆矩阵（即无法“撤销”）。
- 如果 \(det A \neq 0\)，则该矩阵为非奇异矩阵 (non-singular)，且拥有逆矩阵。
寻找逆矩阵 (\(A^{-1}\))
逆矩阵是能够“反转”原始矩阵效果的矩阵。\(A \times A^{-1} = I\)。
要找到 \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\) 的逆矩阵：
- 交换 \(a\) 和 \(d\) 的位置。
- 改变 \(b\) 和 \(c\) 的符号（变为负号）。
- 将整个矩阵除以行列式 (\(ad - bc\))。
常见错误：忘记除以行列式是最常见的错误。请务必先检查 \(ad-bc\)！
逆矩阵的性质
考试中有一条非常重要的规则：\((AB)^{-1} = B^{-1}A^{-1}\)。
类比：想象一下先穿袜子，再穿鞋子 (\(AB\))。要撤销这个动作，你必须先脱掉鞋子，再脱掉袜子 (\(B^{-1}A^{-1}\))。
重点摘要：如果行列式为零，则该矩阵为奇异矩阵。逆矩阵的求法是“交换并变号，然后除以行列式”。
4. 作为变换的矩阵
我们可以使用矩阵作为一组指令来变换点 \((x, y)\)。我们将点写成列向量并进行乘法：
\( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x' \\ y' \end{pmatrix}\)
如何找到变换矩阵
如果你卡住了，只需看看变换对“单位向量”\(\begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 做了什么。
- 矩阵的第一列是 \(\begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 变换后的落点。
- 矩阵的第二列是 \(\begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 变换后的落点。
连续变换 (Successive Transformations)
如果你想先进行变换 \(A\)，再进行变换 \(B\)，组合后的矩阵为 \(BA\)。
等等，为什么是 \(BA\)？ 因为我们首先将 \(A\) 应用于向量 \(\mathbf{v}\)：\(B(A\mathbf{v})\)。离向量最近的矩阵先执行！
三维变换
对于 AQA AS Level，三维变换仅限于：
- 反射：关于平面 \(x=0\)、\(y=0\) 或 \(z=0\) 的反射。
- 旋转：关于其中一个坐标轴（\(x\)、\(y\) 或 \(z\)）旋转 \(90^\circ, 180^\circ, 270^\circ\)。
5. 不变点与不变直线
有时，变换会使某些事物保持在原位。
- 不变点 (Invariant Point)：一个不会移动的点。要找到它，请解 \(M \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix}\)。原点 \((0,0)\) 对这些矩阵而言始终是一个不变点。
- 不变直线 (Invariant Line)：一条线，其上的每个点在变换后仍保持在同一条直线上。这些点可能会沿着这条线滑动，但直线本身的位置不会改变。
快速复习箱：
- 行列式： \(ad - bc\)
- 单位矩阵 \(I\)： \(\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
- 运算顺序： 先变换 \(M\) 再变换 \(N\) 记作 \(NM\)。
- 逆矩阵： 交换主对角线，其余项变号，除以行列式。
总结：融会贯通
矩阵是处理数据和空间的强大工具。无论你是计算 \(2 \times 2\) 矩阵的逆矩阵，还是在 \(z=0\) 平面上反射一个图形，步骤始终一样：检查是否可运算、注意乘法顺序，并随时留意行列式！你一定没问题的！