欢迎来到矩阵（Matrices）的世界！
欢迎来到进阶数学（Further Mathematics）中强大的工具之一：矩阵（Matrices）。你可以把矩阵想象成数学上的“电子表格”或数字网格。虽然它们看起来只是一堆存储数据的方格，但其实它们正是计算机图形学、工程学，甚至是 GPS 计算你位置的背后秘密语言！
在本章中，我们将学习如何处理这些网格，并利用它们在二维和三维空间中进行图形变换。如果一开始觉得它们很“陌生”，别担心——只要你掌握了游戏规则，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
在进行复杂的操作之前，我们需要先掌握基本功。矩阵由其阶数（order）（大小）定义，书写格式为 行数（rows）\(\times\) 列数（columns）。
快速复习： 若要记住阶数的顺序，可以联想“Roman Catholic”或“Remote Control”——先 Rows（行），后 Columns（列）。
加法与减法
只有当两个矩阵的阶数相同时，它们才能进行加减运算。这是一种比较正式的说法，意思是它们必须大小完全一致。
进行加减法时，只需将对应位置上的数字相加或相减即可。
例子： 将矩阵 A 左上角的数字与矩阵 B 左上角的数字相加，所得结果就是答案矩阵左上角的数字。
标量乘法（Scalar Multiplication）
标量（Scalar）就是一个普通的数字（例如 5 或 -2）。将矩阵乘以标量时，你需要将矩阵内每一个数字都乘以该标量。
常见错误： 忘了乘以底部的数字！请确保每一个元素都有运算到。
特殊矩阵
- 零矩阵（Zero Matrix, 0）： 所有元素均为 0 的矩阵。它的运算性质与数学中的数字 0 完全一样。
- 单位矩阵（Identity Matrix, I）： 一个主对角线（从左上到右下）均为 1，其余位置均为 0 的方阵。对于 \(2 \times 2\) 矩阵，\(I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)。这是矩阵世界中的“1”。任何矩阵乘以 \(I\) 后都不会改变！
重点总结： 加减法要求阶数相同；标量乘法会影响每一个元素；单位矩阵 \(I\) 是你的“数学镜子”。
2. 矩阵乘法：“横行乘直列”法则
矩阵乘法与我们平时的乘法稍有不同。只有当 A 的列数等于 B 的行数时，才能进行矩阵 A 和 B 的相乘。
如何进行乘法
我们使用 “行乘以列”（Row by Column） 的方法：
1. 取左侧矩阵的第一行（Row）。
2. 取右侧矩阵的第一列（Column）。
3. 将对应元素相乘，然后将这些乘积相加，以此类推。
4. 这样就能算出新矩阵的第一个元素。
记忆小撇步： 用手指辅助！左手沿着第一个矩阵的行横向（Across）移动，右手沿着第二个矩阵的列纵向（Down）移动。
黄金法则：顺序很重要！
在普通数学中，\(2 \times 3\) 等于 \(3 \times 2\)。但在矩阵中，\(AB\) 通常不等于 \(BA\)。请务必保持题目要求的顺序！
重点总结： 永远遵守 行 \(\times\) 列 的规则。两个阶数中间的数字必须匹配（例如，\(2 \times \mathbf{3}\) 的矩阵可以乘以一个 \(\mathbf{3} \times 1\) 的矩阵）。
3. 行列式与逆矩阵
每个方阵都有一个称为行列式（determinant）的特殊数字，记作 \(det(A)\) 或 \(|A|\)。
\(2 \times 2\) 行列式
对于 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，行列式为 \(ad - bc\)。
你可以把它想象成 “面积缩放因子”。如果你使用矩阵来变换图形，其面积将乘以该行列式值。
奇异与非奇异矩阵
- 若 \(det(A) = 0\)，该矩阵称为奇异矩阵（singular），没有逆矩阵。从几何意义上讲，它会将二维图形压缩成一维线段（面积变为 0）。
- 若 \(det(A) \neq 0\)，则为非奇异矩阵（non-singular），拥有逆矩阵。
逆矩阵 \(A^{-1}\)
逆矩阵就是“复原”按钮。如果矩阵 \(A\) 移动了一个点，\(A^{-1}\) 就会把它移回来。
\(A \times A^{-1} = I\)。
\(2 \times 2\) 逆矩阵计算步骤：
1. 计算行列式，并取其倒数 \(1/(ad - bc)\)。
2. 交换主对角线上的数字（\(a\) 和 \(d\)）。
3. 改变另外两个数字的符号（\(b\) 和 \(c\)）。
4. 将整个矩阵乘以刚才计算出的 \(1/det\)。
关于 \(3 \times 3\) 矩阵的注意点： 在考试中，你可以直接使用计算器来求出这些值！请确保你熟练掌握 Casio Classwiz 或 CG50 上的矩阵模式。
重点总结： 行列式告诉你缩放因子。如果它为零，你就无法“复原”矩阵（即无逆矩阵）。
4. 二维与三维几何变换
矩阵可以用来表示旋转、反射和放大等线性变换（linear transformations）。
单位正方形技巧
要找出任何二维变换的矩阵，只需观察点 (1, 0) 和 (0, 1) 变换后的位置即可：
- 矩阵的第一列是 (1, 0) 的去向。
- 第二列是 (0, 1) 的去向。
常见的二维变换
- 旋转： \(\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix}\)，表示绕原点逆时针旋转 \(\theta\) 角。
- 反射： 准备好辨识关于 \(x=0\)、\(y=0\) 以及 \(y = \pm x\) 的反射。
- 放大： \(\begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix}\)，其中 \(k\) 为缩放因子。
组合变换
如果你先进行变换 B，再进行变换 A，其组合矩阵就是 \(AB\)。
等等！ 注意顺序了吗？第一次变换的矩阵放在右边。想象成函数 \(f(g(x))\)——你必须先执行里面的函数！
三维变换
别慌！你只需要了解：
1. 关于 \(x=0\)、\(y=0\) 或 \(z=0\) 平面的反射。
2. 绕 \(x\)、\(y\) 或 \(z\) 轴的旋转。
提示： 若绕 \(x\) 轴旋转，\(x\) 坐标不会改变，因此第一行/列看起来就像单位矩阵 \((1, 0, 0)\)。
重点总结： 变换是从右到左进行应用的。行列式即面积（二维）或体积（三维）的缩放因子。如果行列式为负，表示方向已被翻转（就像照镜子一样）。
5. 不变点与不变直线
有时，变换会让某些东西保持原状！
- 不变点（Invariant Point）： 保持位置完全不动的点。在这些变换中，原点 (0,0) 始终是不变点。若要寻找其他点，请解方程 \(M \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix}\)。
- 不变直线（Invariant Line）： 直线上的每一个点都保持在该直线上（尽管它们可能在同一条线上滑动到新位置）。若要寻找这些直线，请解 \(M \begin{pmatrix} x \\ mx+c \end{pmatrix} = \begin{pmatrix} X \\ mX+c \end{pmatrix}\)。
重点总结： 不变点是不会移动的点；不变直线则是整体位置不变的线，即使线上的点发生了移动。
6. 解联立方程组
矩阵允许我们解决三个未知数（\(x, y, z\)）的方程组。
我们将它们写成 \(M \mathbf{v} = \mathbf{B}\) 的形式，其中 \(M\) 是系数矩阵。
求解时，我们计算 \(\mathbf{v} = M^{-1} \mathbf{B}\)。
几何解释（“三个平面”）
每个方程代表三维空间中的一个平面。主要有三种情况：
1. 唯一解： 三个平面相交于一个点。（当 \(det(M) \neq 0\) 时发生）。
2. 矛盾（无解）： 三个平面没有共同交点。它们可能会构成一个三棱柱形状。
3. 无穷多解： 三个平面相交于一条线（称为束（sheaf）），或者它们本身就是同一个平面。
快速提示： 如果计算器在求解时出现 "Error"，说明行列式为零。此时你需要检查各方程之间的模式，判断它们是否相容。
重点总结： 使用逆矩阵来解方程。如果行列式为 0，请寻找是“束”（相容）还是“三棱柱”（矛盾）。