欢迎来到矩阵的世界！
在本章中，我们将学习矩阵 (Matrices)。你可以把矩阵想象成一种将信息整理在行列方格中的方式。虽然它们看起来只是装着数字的方框，但矩阵的力量非常强大！它们是计算机图形学（像是你最爱的电子游戏）、GPS 系统以及复杂工程计算背后的“秘密武器”。
别担心，如果刚开始觉得这些概念有点抽象。我们会一步步拆解，从基础的运算开始，直到如何利用矩阵来移动和缩放二维空间中的图形。
1. 基础：什么是矩阵？
矩阵就是一个数字的长方形排列。我们透过它的维度 (Dimensions) 来描述矩阵的大小：行数 \(\times\) 列数 (Rows \times Columns)。
记忆小撇步：记住 "RC"（就像遥控车 Remote Control），代表 Rows（行）先，Columns（列）后。
矩阵运算
加法与减法：这非常直接！你只需要将相同位置的数字相加或相减即可。
注意：只有当两个矩阵的维度完全相同时，才能进行加减运算。
矩阵乘法：这与一般的乘法有点不同。我们不是“数字乘数字”，而是以行乘列 (Rows by Columns) 的方式进行。
要算出结果矩阵中第一行第一列的元素：
1. 取第一个矩阵的第一行 (Row)。
2. 取第二个矩阵的第一列 (Column)。
3. 将对应的数字相乘并相加（这称为点积 dot product）。
零矩阵 (\(\mathbf{0}\))：所有元素皆为零的矩阵。它在矩阵运算中的角色就像一般数学中的“0”。
单位矩阵 (\(\mathbf{I}\))：这是一个方阵（行数与列数相等），其主对角线（从左上角到右下角）全为 1，其余位置全为 0。例如，一个 \(2 \times 2\) 的单位矩阵是：
\(\mathbf{I} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
任何矩阵乘以 \(\mathbf{I}\) 的结果都不会改变，就像任何数字乘以 1 一样！
快速复习：
- 行 \(\times\) 列 (RC)。- 加法/减法：对应元素必须匹配。
- 乘法：第一个矩阵的行 \(\times\) 第二个矩阵的列。
2. 行列式与反矩阵
每一个方阵都有一个与之对应的特殊数字，称为行列式 (Determinant)（记作 \(\det \mathbf{M}\) 或 \(|\mathbf{M}|\)）。这个数字能告诉我们很多关于该矩阵的特性。
奇异与非奇异矩阵
- 若 \(\det \mathbf{M} = 0\)，该矩阵为奇异矩阵 (Singular)。它没有反矩阵（某种程度上它是“损坏”的）。
- 若 \(\det \mathbf{M} \neq 0\)，该矩阵为非奇异矩阵 (Non-singular)。它拥有反矩阵。
求 \(2 \times 2\) 矩阵的反矩阵
若 \(\mathbf{A} = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，其反矩阵 \(\mathbf{A}^{-1}\) 的求法如下：
1. 计算行列式：\(\det \mathbf{A} = ad - bc\)。
2. 交换 \(a\) 和 \(d\)。
3. 将 \(b\) 和 \(c\) 变号。
4. 将整个矩阵除以行列式：
\(\mathbf{A}^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)
求 \(3 \times 3\) 矩阵的行列式
对于 \(3 \times 3\) 矩阵，我们沿着一行（通常是第一行）进行“展开”。
若 \(\mathbf{M} = \begin{pmatrix} a & b & c \\ d & e & f \\ g & h & i \end{pmatrix}\)，则：
\(\det \mathbf{M} = a(ei - fh) - b(di - fg) + c(dh - eg)\)
注意：记得第一行的“加、减、加”规律！
关键重点：
- 奇异矩阵 = 行列式为 0（无反矩阵）。- 非奇异矩阵 = 行列式不为 0（有反矩阵）。
3. 反矩阵的重要性质
关于两个矩阵相乘后的反矩阵，有一个非常重要的规则：
\((\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}\)
类比：这可以被想作“穿袜与穿鞋”规则。如果你先穿上袜子 (\(\mathbf{B}\)) 再穿上鞋子 (\(\mathbf{A}\))，要还原这个过程，你必须先脱掉鞋子 (\(\mathbf{A}^{-1}\))，再脱掉袜子 (\(\mathbf{B}^{-1}\))。顺序是颠倒的！
4. 作为几何变换的矩阵
我们可以使用 \(2 \times 2\) 矩阵来对 \(x-y\) 平面上的坐标进行变换。如果我们有一个点 \(\begin{pmatrix} x \\ y \end{pmatrix}\)，将它与变换矩阵 \(\mathbf{M}\) 相乘，就能得到一个新的点。
必须掌握的标准变换：
- 反射 (Reflection)：将图形沿着一条线翻转（如 x 轴、y 轴或 \(y=x\)。
- 旋转 (Rotation)：围绕原点 \((0,0)\) 旋转图形。通常为逆时针方向。
- 放大 (Enlargement)：以原点为中心将图形放大或缩小。
- 拉伸 (Stretch)：在一个方向（水平或垂直）上拉伸图形。
- 错切 (Shear)：倾斜图形（就像把一叠扑克牌推向一侧）。
结合变换
如果你先执行变换 \(\mathbf{B}\)，然后再执行变换 \(\mathbf{A}\)，所得的结果矩阵为 \(\mathbf{AB}\)。
等等！为什么是 \(\mathbf{AB}\) 而不是 \(\mathbf{BA}\)？
因为我们是从右边将矩阵作用于向量：\(\mathbf{A}(\mathbf{B}\mathbf{v})\)。离向量最近的那个变换会先发生！
面积比例因子 (Area Scale Factor)
你知道吗？变换矩阵的行列式告诉你面积是如何改变的！
- 影像面积 = \(|\det \mathbf{M}| \times\) 物体面积
- 若行列式为负，代表图形的定向（方向感）已被反转（例如反射）。
常见错误：
切记，在进行变换时，矩阵乘法的顺序很重要！ \(\mathbf{AB}\) 通常不等于 \(\mathbf{BA}\)。5. 不变点与不变线
有时候，变换会让某些特定事物保持在原位。
不变点 (Invariant Point)：不会移动的点。要找到它，请解 \(\mathbf{M} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix}\)。原点 \((0,0)\) 几乎总是一个不变点。
不变线 (Invariant Line)：这比较棘手！这是一条线，线上所有的点在变换后依然落在同一条线上。
- 想象火车在轨道上行驶。火车移动了，但它始终在轨道上。那条轨道就是不变线。
不变点之线 (Line of Invariant Points)：这是一种特殊的不变线，线上每一个点都维持在完全相同的位置。
- 想象一排站着不动的人。他们不仅保持在线上，而且完全没有移动！
不变性总结：
- 不变点：\(\mathbf{M}\mathbf{x} = \mathbf{x}\)（点被卡住了）。
- 不变线：点会移动，但仍停留在该线的路径上。
最后的鼓励
学习矩阵感觉就像在学习一种新语言。刚开始时，你可能只专注于加法和乘法的规则。但随着不断练习，你会开始明白它们是如何描述空间与运动的。继续练习那些 \(3 \times 3\) 行列式，并记住反矩阵的“穿袜与穿鞋”规则。你一定做得到的！