Matrices and transformations

👋 欢迎来到矩阵与变换的世界！

你好！既然你已经学到了这一章，说明你正准备深入探索进阶数学（Further Mathematics）中最精彩的领域之一。矩阵不仅仅是数字方格；它是几何学和计算机图形学中描述平移、缩放和形变的核心工具。

在本章中，我们将学习如何进行矩阵运算（代数部分），更重要的是，学会如何从视觉上解读这些计算的几何含义（几何部分）。别担心，如果刚开始觉得有点棘手，我们会一步步把这些概念拆解开来！

章节重点：FPP1.1 矩阵与变换

在 AS 进阶数学（FPP1）中，我们的重点主要在于 \(x-y\) 平面内 \(2 \times 2\) 矩阵的几何变换，但我们也需要熟练掌握 \(3 \times 3\) 矩阵的代数运算。

---

1. 矩阵代数基础（至 \(3 \times 3\)）

矩阵仅仅是一个数字的矩形排列。其大小（或称阶）由行数（\(m\)）和列数（\(n\)）定义，记作 \(m \times n\)。

矩阵的加法与减法

这是最简单的运算！只有当矩阵的阶完全相同时，你才能进行加减法。你只需要将对应位置的元素相加或相减即可。

示例：
$$\begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix} + \begin{pmatrix} 1 & 5 \\ 4 & -2 \end{pmatrix} = \begin{pmatrix} 2+1 & 1+5 \\ 0+4 & 3-2 \end{pmatrix} = \begin{pmatrix} 3 & 6 \\ 4 & 1 \end{pmatrix}$$

矩阵乘法 (\(A \times B\))

这是同学们最容易出错的地方。矩阵乘法不满足交换律（通常 \(AB \neq BA\)），且遵循特定的“行乘以列”规则。

兼容性规则：

只有当矩阵 \(A\)（大小为 \(m \times n\)）的列数等于矩阵 \(B\)（大小为 \(p \times q\)）的行数时，你才能进行乘法运算。即：\(n\) 必须等于 \(p\)。

运算结果矩阵 \(AB\) 的大小将是 \(m \times q\)。

分步乘法：

要计算 \(AB\) 中第 \(i\) 行第 \(j\) 列的元素，你需要将 \(A\) 的第 \(i\) 行的元素与 \(B\) 的第 \(j\) 列的对应元素相乘，然后求和（这其实就是点积）。

类比：想象一艘船（A 的行）顺流而下（B 的列）。每当它们相遇时，将对应的数值相乘，然后把所有的结果加起来！

单位矩阵 (\(I\))

单位矩阵的作用就像常规乘法中的数字“1”。当你用矩阵 \(A\) 乘以适当大小的单位矩阵 \(I\) 时，你得到的依然是 \(A\)：\(AI = IA = A\)。

它是一个主对角线上全是 1，其余位置全是 0 的方阵。

• \(2 \times 2\) 单位矩阵： $$I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$$
• \(3 \times 3\) 单位矩阵（我们也需要掌握这个！）： $$I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$$

矩阵的转置 (\(A^{\text{T}}\))

矩阵的转置只需简单地行列互换即可。

示例：如果 $$A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}$$，那么 $$A^{\text{T}} = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix}$$

关键转置结论（大纲要求）：

乘积的转置等于各矩阵转置后的乘积，且顺序相反： $$(\mathbf{AB})^{\text{T}} = \mathbf{B}^{\text{T}}\mathbf{A}^{\text{T}}$$

---

2. \(2 \times 2\) 矩阵的行列式与逆矩阵

\(2 \times 2\) 矩阵的行列式

行列式（Determinant），记作 \(\det(A)\) 或 \(|A|\)，是一个从方阵计算得出的标量值。在变换中，它代表了面积缩放因子（稍后会详细介绍！）。

对于矩阵 $$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$，其行列式为： $$ \det(A) = ad - bc $$

\(2 \times 2\) 矩阵的逆矩阵 (\(A^{-1}\))

矩阵 \(A\) 的逆矩阵 \(A^{-1}\) 满足：两者相乘等于单位矩阵，即：\(AA^{-1} = A^{-1}A = I\)。

分步计算逆矩阵：

如果 $$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$，那么其逆矩阵为： $$ A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} $$

技巧：交换 \(a\) 和 \(d\) 的位置，将 \(b\) 和 \(c\) 变号，最后除以行列式！

奇异矩阵与非奇异矩阵

行列式是判断是否存在逆矩阵的“守门人”：

• 如果 \(\det(A) \neq 0\)，矩阵为非奇异矩阵。此时存在逆矩阵 \(A^{-1}\)。
• 如果 \(\det(A) = 0\)，矩阵为奇异矩阵。由于分母 \(\frac{1}{0}\) 无意义，因此该矩阵没有逆矩阵。在几何上，这意味着该变换将所有面积压缩为零（例如，将整个平面映射到一条直线上）。

关键逆矩阵结论（大纲要求）：

乘积的逆等于各矩阵逆矩阵的乘积，且顺序相反： $$(\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}$$

你知道吗？这个逆序规则（在转置和逆矩阵中都有体现）有时被称为“袜子与鞋子”规则。要撤销先穿袜子再穿鞋的动作，你必须先脱鞋，再脱袜子！

---

3. 作为几何变换的矩阵（二维）

一个 \(2 \times 2\) 矩阵 \(M\) 将平面上的点 \((x, y)\) 变换为一个新点 \((x', y')\)，关系式如下： $$ \begin{pmatrix} x' \\ y' \end{pmatrix} = M \begin{pmatrix} x \\ y \end{pmatrix} $$

寻找变换矩阵（单位方块技巧）

如果你忘记了某个变换的标准矩阵，请记住：矩阵的每一列就是单位向量 \(\mathbf{i} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\mathbf{j} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 变换后的坐标。

如果 \(\mathbf{i} \to \begin{pmatrix} a \\ c \end{pmatrix}\) 且 \(\mathbf{j} \to \begin{pmatrix} b \\ d \end{pmatrix}\)，那么矩阵即为 $$ M = \begin{pmatrix} a & b \\ c & d \end{pmatrix} $$。

标准变换（绕原点）

1. 缩放（以原点为中心）

如果缩放因子为 \(k\)： $$ E = \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} $$

2. 拉伸（平行于坐标轴）

• 平行于 \(x\) 轴拉伸（或垂直于 \(y\) 轴），因子为 \(k\)： $$ S_x = \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} $$
• 平行于 \(y\) 轴拉伸（或垂直于 \(x\) 轴），因子为 \(k\)： $$ S_y = \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} $$

3. 旋转（绕原点）

绕原点逆时针旋转 \(\theta\) 角： $$ R = \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} $$

记忆辅助：第一列 \(\begin{pmatrix} \cos \theta \\ \sin \theta \end{pmatrix}\) 始终是 (1, 0) 变换后的落点。

4. 反射（关于通过原点的直线）

这些标准矩阵通常出现在公式手册中，但记住它们很有帮助：

• 关于 \(x\) 轴反射 (\(y=0\))： $$ \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} $$
• 关于 \(y\) 轴反射 (\(x=0\))： $$ \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} $$
• 关于直线 \(y=x\) 反射： $$ \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} $$
• 关于直线 \(y=-x\) 反射： $$ \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} $$

5. 错切 (Shear)

错切会将点平行于一条固定直线移动，通常是 \(x\) 轴或 \(y\) 轴。

• 平行于 \(x\) 轴错切（错切因子为 \(k\)）： $$ \begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix} $$ （\(x\) 轴上的点是不变的。）
• 平行于 \(y\) 轴错切（错切因子为 \(k\)）： $$ \begin{pmatrix} 1 & 0 \\ k & 1 \end{pmatrix} $$ （\(y\) 轴上的点是不变的。）

注意：如果一个矩阵表示错切，且不变直线不是 \(x\) 轴或 \(y\) 轴，题目会明确告知这是一个错切。

组合变换

要求组合变换的矩阵，只需将单个矩阵相乘即可。

关键规则：顺序很重要！

如果先执行变换 \(T_1\)，再执行变换 \(T_2\)，组合矩阵 \(M\) 的计算方式为： $$ M = T_2 T_1 $$

可以这样想：离坐标向量 \(\begin{pmatrix} x \\ y \end{pmatrix}\) 最近的矩阵最先发挥作用。你需要从右向左读变换顺序。

示例：某点先顺时针旋转 90° (\(T_1\))，然后关于 \(y=x\) 反射 (\(T_2\))。组合矩阵为 \(M = T_2 T_1\)。

---

4. 几何性质与不变性

行列式与面积

\(2 \times 2\) 行列式最重要的几何解读就是它与面积的关系：

• 行列式的绝对值，\(|\det(A)|\)，即为变换的面积缩放因子。
• 如果一个形状原面积为 \(A_0\)，变换后的面积 \(A'\) 为： $$ A' = |\det(A)| \times A_0 $$

解读负的行列式

如果 \(\det(A)\) 为负，意味着该变换包含反射（方向颠倒）。

示例：旋转（无反射）的行列式为 +1。反射的行列式为 -1。旋转后再反射，行列式将为 -1。

不变点 (Invariant Points)

不变点是在变换下保持位置不变的点。如果变换由矩阵 \(A\) 表示，那么点 \(\mathbf{x} = \begin{pmatrix} x \\ y \end{pmatrix}\) 若满足以下条件，则该点不变： $$ A\mathbf{x} = \mathbf{x} $$

因为 \(\mathbf{x} = I\mathbf{x}\)（\(I\) 为单位矩阵），我们可以通过移项求解 \(\mathbf{x}\)： $$ A\mathbf{x} - I\mathbf{x} = \mathbf{0} $$ $$ (A - I)\mathbf{x} = \mathbf{0} $$

这是一个线性方程组，你可以通过联立求解得到不变点的坐标（或不变直线）。

不变直线 (Invariant Lines)

不变直线是指直线上的每一个点在变换后仍映射到该直线上的点。

请注意区别：

• 不变点直线 (Line of Invariant Points)：直线上的每一个点都保持原位。（反射和错切属于此类）。
• 不变直线 (Invariant Line)：直线本身固定，但直线上的单个点可能会沿着直线移动到新位置。（拉伸属于此类）。

如何寻找不变直线：

我们通常寻找通过原点的直线 \(y = mx\)。假设一般点 \((x, mx)\) 映射为新点 \((x', y')\)，且该 \((x', y')\) 必须也满足直线方程，即 \(y' = m x'\)。

1. 建立变换方程： $$ \begin{pmatrix} x' \\ y' \end{pmatrix} = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ mx \end{pmatrix} $$ 2. 用 \(x\) 和 \(m\) 表示出 \(x'\) 和 \(y'\)。 3. 代入 \(y' = m x'\) 中。 4. 化简并求解 \(m\)。(通常会得到关于 \(m\) 的一元二次方程)。

如果你发现整条直线上的点都不动，那么该变换对于所有点都满足 \(y = mx\)，这将属于反射或错切这类特殊情况。

请保持代数运算的练习，特别是矩阵乘法，因为在变换问题中，绝大多数错误都源于此。祝你学习顺利！