Matrices

欢迎来到矩阵的世界！

在这个单元中，我们要来探索矩阵（Matrices）。你可以把矩阵想象成一个“数学储存箱”或者是一个用来整理数字的方格。虽然它们看起来只是由数字组成的横列与直行，但实际上，它们是强大到不可思议的工具，广泛应用于计算机绘图、工程学，甚至是描述形状如何在空间中移动与变形。无论你是数学高手，还是觉得这些数字有些令人头痛，我们都会一步步拆解，让你能够充满自信地驾驭这些数学方格！

1. 矩阵基础与运算

矩阵就是一个数字的矩形阵列。我们通过横列（rows，水平）和直行（columns，垂直）的数量来描述它的大小（维度）。例如，一个 \( 2 \times 3 \) 的矩阵有 2 个横列和 3 个直行。在本课程大纲中，我们主要探讨不超过 3 横列 3 直行的矩阵。

加法与减法

矩阵的加法和减法非常直观！你只需要将对应位置的数字相加或相减即可。
重要提示：只有在矩阵的大小完全相同时，才能进行加法或减法运算。

矩阵乘法

矩阵乘法与普通数字的乘法有些不同。我们使用一种称为“横列乘直行”（Row by Column）的方法。
记忆小撇步：记住“RC 可乐”（RC Cola）——你永远是用第一个矩阵的R（Row，横列）去乘第二个矩阵的C（Column，直行）。

要算出结果矩阵中第一横列、第一直行的数值，你只需将第一个矩阵的“第一横列”各元素与第二个矩阵的“第一直行”各元素对应相乘，然后将结果加总。

常见错误：矩阵乘法不具备交换律！这意味着 \( \mathbf{AB} \) 通常不等于 \( \mathbf{BA} \)。顺序非常重要！

特殊矩阵

1. 零矩阵（Zero Matrix）：所有元素皆为 0 的矩阵。它在一般算术中的角色就如同数字“0”。
2. 单位矩阵（Identity Matrix，记作 \( \mathbf{I} \)）：主对角线（从左上到右下）为 1，其余位置皆为 0 的方阵。它的角色如同数字“1”。任何矩阵乘上 \( \mathbf{I} \) 都不会改变：\( \mathbf{AI} = \mathbf{A} \)。

重点总结：乘法请遵循“横列乘直行”规则，并记住矩阵相乘的顺序是关键。

2. 行列式与逆矩阵

每个方阵（如 \( 2 \times 2 \) 或 \( 3 \times 3 \)）都有一个与其相关的特殊数值，称为行列式（determinant），记作 \( \det \mathbf{M} \) 或 \( |\mathbf{M}| \)。

奇异矩阵与非奇异矩阵

• 非奇异矩阵（Non-singular matrix）：行列式值不为 0。此矩阵拥有逆矩阵。
• 奇异矩阵（Singular matrix）：行列式值为 0。此矩阵没有逆矩阵。

逆矩阵（Inverse Matrix，记作 \( \mathbf{M}^{-1} \)）

逆矩阵是一个能“抵销”原矩阵效果的矩阵。若将一个矩阵与其逆矩阵相乘，会得到单位矩阵：\( \mathbf{MM}^{-1} = \mathbf{I} \)。

对于 \( 2 \times 2 \) 矩阵 \( \mathbf{M} = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)：
1. 计算行列式：\( \det \mathbf{M} = ad - bc \)。
2. 交换 \( a \) 和 \( d \) 的位置。
3. 将 \( b \) 和 \( c \) 的正负号改变。
4. 将整个结果乘上 \( \frac{1}{\det \mathbf{M}} \)。
\( \mathbf{M}^{-1} = \frac{1}{ad - bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \)

“袜子与鞋子”规则

考试中非常重要的一条规则是：\( (\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1} \)。
比喻：想象你先穿上袜子（B），再穿上鞋子（A）。要“撤销”这个过程，你必须先脱掉鞋子（\( \mathbf{A}^{-1} \)），再脱掉袜子（\( \mathbf{B}^{-1} \)）。顺序是反过来的！

重点总结：矩阵必须有非零的行列式值才能拥有逆矩阵。当反转一个乘积时，请记得反转逆矩阵的顺序。

3. 几何变换

矩阵可以用来表示二维平面上点的移动。我们将点 \( (x, y) \) 表示为直行向量 \( \begin{pmatrix} x \\ y \end{pmatrix} \)。当我们将其乘上一个矩阵，就能得到新的位置。

常见的二维变换

1. 旋转（Rotation）：绕着原点旋转图形。
2. 镜像（Reflection）：沿着一条线（如 x 轴或 y 轴）将图形翻转。
3. 放大缩小（Enlargement）：以原点为中心将图形放大或缩小。
4. 拉伸（Stretch）：沿着特定方向（水平或垂直）拉伸图形。
5. 错切（Shear）：将图形的一部分滑动，而另一部分保持固定（就像推动整叠扑克牌的顶部一样）。

如何快速求出变换矩阵

别担心要背诵每一个公式！只要观察两个特殊的“单位向量”发生了什么变化，就能求出任何变换矩阵：
\( \mathbf{i} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \) 和 \( \mathbf{j} = \begin{pmatrix} 0 \\ 1 \end{pmatrix} \)。
如果你知道这两个点在变换后落在哪儿，这些新的坐标就成了你矩阵的直行！

连续变换

如果你先执行变换 \( \mathbf{B} \)，接着执行变换 \( \mathbf{A} \)，组合后的矩阵就是 \( \mathbf{AB} \)。
注意：我们把第一个变换写在右边，因为它最靠近它所乘的向量！

行列式与面积

你知道吗？变换矩阵的行列式值告诉你面积是如何变化的。
图像面积 = \( |\det \mathbf{M}| \times \) 物体面积。
如果行列式值为负，代表图形被“翻转”了（镜像）。

重点总结：要找出矩阵，请追踪 \( (1,0) \) 和 \( (0,1) \) 的去向。对于连续变换，请由右至左计算。

4. 不变点与不变线

“不变”（invariant）这个词的意思很简单，就是“不改变”。在变换过程中，有些东西可能会留在原位。

不变点（Invariant Points）

不变点是指变换后位置保持不变的点。要找出这些点，我们解方程：
\( \mathbf{M} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix} \)。
对于这些矩阵，原点 \( (0, 0) \) 永远是不变点！

不变线（Invariant Lines）

这部分比较复杂，要仔细看！主要有两种类型：
1. 点点不变的直线（Lines of invariant points）：直线上的每一个点都待在原位。
2. 不变直线（Invariant lines）：直线作为整体保持不变，但直线上的点可能会沿着线滑动。想象火车轨道——即使火车在上面移动，轨道本身的位置是不变的。

要找出通过原点的不变线，我们使用直线方程 \( y = mx \)。将其代入变换中，并求出斜率 \( m \)。

快速复习：
• 奇异：\( \det = 0 \)（无逆矩阵）。
• 非奇异：\( \det \neq 0 \)（有逆矩阵）。
• 行列式：面积缩放比例。
• 不变：变换后保持原样。

重点总结：不变点满足 \( \mathbf{Mx} = \mathbf{x} \)。不变线则保持在相同位置，即使线上的点发生了位移。

最后的鼓励

矩阵就像是一种新的语言。刚开始时，乘法与逆矩阵的规则可能会让你觉得很陌生，但只要稍微练习，这些规则就会变成一种直觉。记得一定要仔细检查算术——在行列式计算中，一个小小的正负号错误就可能毁了整个答案！你可以做到的！