矩陣：數字的整齊排列指南
各位同學好！歡迎來到矩陣的世界。別被這看似複雜的名字嚇倒。矩陣其實就是一個把數字整齊排列成格狀的簡單方法。想像一下你的班級時間表、電子遊戲的得分榜，甚至是試算表——它們都運用了相同的概念！在這一章，我們會學習如何操作這些格狀排列的數字：包括加、減、乘，甚至是「除」。矩陣是一種強大的工具，應用範圍從電腦繪圖到解決複雜方程無所不包，所以我們現在就開始吧！
1. 什麼是矩陣？基本概念
矩陣 簡單來說就是一個長方形的數字網格，這些數字稱為元素，它們按行（橫向）和列（縱向）排列。
矩陣的「大小」或維數（亦稱階）由「（行數）\( \times \)（列數）」表示。
例子： 這是一個有 2 行 3 列的矩陣 \(A\)。它的維數是 \(2 \times 3\)。
\( A = \begin{pmatrix} 1 & -5 & 3 \\ 4 & 0 & 7 \end{pmatrix} \)
要說明某個特定元素，我們使用符號 \(a_{ij}\)，其中 \(i\) 是行數，而 \(j\) 是列數。對於上面的矩陣 \(A\)：
- 第 1 行第 2 列的元素是 \(a_{12} = -5\)。
- 第 2 行第 3 列的元素是 \(a_{23} = 7\)。
特殊矩陣類型
- 方陣：行數和列數相同（例如 \(2 \times 2\)、\(3 \times 3\)）。
- 零矩陣 (\(O\))：所有元素都是 \(0\) 的矩陣。它是矩陣世界的「零」。
- 單位矩陣 (\(I\))：它是矩陣世界的「一」！這是一個方陣，其主對角線（左上到右下）上的元素全是 1，其他地方的元素全是 0。
\( I_2 = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \quad \text{and} \quad I_3 = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} \)
重點提示
矩陣是一個數字網格。它的大小稱為維數（行 \( \times \) 列）。單位矩陣 \(I\) 和零矩陣 \(O\) 是在矩陣代數中非常重要的特殊矩陣。
2. 矩陣運算：基本規則
矩陣加法與減法
這部分很簡單！你只能對維數完全相同的矩陣進行加法或減法運算。
操作方法： 只需將對應位置的元素相加或相減。
類比： 想像你有兩張不同星期的購物清單，它們的格式相同。要找出你購買的總物品數量，你只需把相同位置的數字相加。
例子： 我們來加兩個 \(2 \times 2\) 矩陣。
\( A = \begin{pmatrix} 4 & 8 \\ 3 & 7 \end{pmatrix}, \quad B = \begin{pmatrix} 1 & 0 \\ 5 & 2 \end{pmatrix} \)
\( A + B = \begin{pmatrix} 4+1 & 8+0 \\ 3+5 & 7+2 \end{pmatrix} = \begin{pmatrix} 5 & 8 \\ 8 & 9 \end{pmatrix} \)
常見錯誤： 切勿嘗試對不同維數的矩陣進行加法或減法運算！這是不可行的。
例子： 你不能將一個 \(2 \times 3\) 矩陣和一個 \(2 \times 2\) 矩陣相加。
純量乘法
純量 只是對普通數字（非矩陣）的一個花俏稱呼。純量乘法是指將一個矩陣乘以一個數字。
操作方法： 將矩陣內每一個元素都乘以該純量。
類比： 如果你想把食譜的份量加倍，你會將所有材料的份量都乘以 2。
例子： 對以下矩陣 \(A\) 求 \(3A\)。
\( A = \begin{pmatrix} 2 & -1 \\ 5 & 9 \end{pmatrix} \)
\( 3A = 3 \begin{pmatrix} 2 & -1 \\ 5 & 9 \end{pmatrix} = \begin{pmatrix} 3 \times 2 & 3 \times (-1) \\ 3 \times 5 & 3 \times 9 \end{pmatrix} = \begin{pmatrix} 6 & -3 \\ 15 & 27 \end{pmatrix} \)
快速複習：基本性質
對於大小相同的矩陣 \(A\)、\(B\)、\(C\) 以及純量 \(\lambda, \mu\)：
- 加法交換律： \( A + B = B + A \) （加法次序不影響結果）。
- 加法結合律： \( (A + B) + C = A + (B + C) \) （加法分組方式不影響結果）。
- 分配律：
\( \lambda(A + B) = \lambda A + \lambda B \)
\( (\lambda + \mu)A = \lambda A + \mu A \)
重點提示
矩陣的加法和減法很簡單：只需處理對應的元素，但請確保維數匹配。對於純量乘法，則將每個元素乘以該純量。
3. 矩陣乘法：難點來了！
剛開始覺得混亂也別擔心！矩陣乘法是最複雜的運算，但它遵循一個非常特定的模式。一旦你掌握了竅門，它就只是一個重複的過程。
乘法的黃金法則
你只能對兩個矩陣進行乘法運算（例如 \(A \times B\)），如果矩陣 \(A\) 的列數等於矩陣 \(B\) 的行數。
記憶法： 檢查「內維數」。如果矩陣 \(A\) 是 \(m \times n\)，矩陣 \(B\) 是 \(n \times p\)，你可以對它們相乘，因為「內維數」的 \(n\) 相匹配。結果矩陣將具有「外維數」：\(m \times p\)。
\( (m \times \mathbf{n}) \cdot (\mathbf{n} \times p) \longrightarrow (m \times p) \)
如何相乘：逐步指南
規則是「行乘列」。要得到新矩陣中第 \(i\) 行第 \(j\) 列的元素，你需要將第一個矩陣的第 \(i\) 行元素與第二個矩陣的第 \(j\) 列對應元素相乘，然後將它們全部相加。
例子： 我們來計算 \(AB\)。
\( A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}, \quad B = \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} \)
結果 \(AB\) 會是一個 \(2 \times 2\) 矩陣，我們稱它為 \(C\)。
\( C = \begin{pmatrix} c_{11} & c_{12} \\ c_{21} & c_{22} \end{pmatrix} \)
- 要找出 \(c_{11}\)（第 1 行，第 1 列）：使用 \(A\) 的第 1 行和 \(B\) 的第 1 列。
\( c_{11} = (1 \times 5) + (2 \times 7) = 5 + 14 = 19 \) - 要找出 \(c_{12}\)（第 1 行，第 2 列）：使用 \(A\) 的第 1 行和 \(B\) 的第 2 列。
\( c_{12} = (1 \times 6) + (2 \times 8) = 6 + 16 = 22 \) - 要找出 \(c_{21}\)（第 2 行，第 1 列）：使用 \(A\) 的第 2 行和 \(B\) 的第 1 列。
\( c_{21} = (3 \times 5) + (4 \times 7) = 15 + 28 = 43 \) - 要找出 \(c_{22}\)（第 2 行，第 2 列）：使用 \(A\) 的第 2 行和 \(B\) 的第 2 列。
\( c_{22} = (3 \times 6) + (4 \times 8) = 18 + 32 = 50 \)
所以，最終結果是：
\( AB = \begin{pmatrix} 19 & 22 \\ 43 & 50 \end{pmatrix} \)
大驚喜：\(AB\) 不一定等於 \(BA\)！
這與普通數字運算有著巨大的不同。矩陣乘法不具交換性。你的乘法次序很重要！
使用上面的矩陣，如果你嘗試計算 \(BA\)，你會得到一個不同的答案。這是需要記住的一個非常重要的性質。
矩陣乘法的性質
儘管它不具交換性，但它確實有一些有用的性質：
- 結合律： \( A(BC) = (AB)C \) （分組方式不影響結果）。
- 分配律： \( A(B+C) = AB + AC \) 以及 \( (A+B)C = AC + BC \)
- 純量性質： \( (\lambda A)(\mu B) = (\lambda \mu)AB \)
- 行列式性質： \( |AB| = |A||B| \) （乘積的行列式等於它們行列式的乘積。超級有用！）
重點提示
矩陣乘法要求內維數匹配。請記住「行乘列」的規則。最重要的是，乘法的次序很重要：一般而言，\(AB \neq BA\)。
4. 矩陣的逆：撤銷按鈕
什麼是逆？
在普通的代數中，5 的逆是 \(\frac{1}{5}\)，因為 \(5 \times \frac{1}{5} = 1\)。在矩陣世界中，矩陣 \(A\) 的逆是另一個矩陣，寫作 \(A^{-1}\)，它能「撤銷」\(A\)。
當你將一個矩陣乘以它的逆時，你會得到單位矩陣 \(I\)。
\( AA^{-1} = A^{-1}A = I \)
重要點：
- 只有方陣才能有逆矩陣。
- 一個有逆矩陣的矩陣稱為可逆矩陣或非奇異矩陣。
- 一個沒有逆矩陣的矩陣稱為不可逆矩陣或奇異矩陣。
- 一個矩陣有逆矩陣當且僅當其行列式不為零。如果 \(\det(A) = 0\)，則沒有逆矩陣！
找出 \(2 \times 2\) 矩陣的逆
找出 \(2 \times 2\) 矩陣的逆有一個簡單的公式。你應該記住它！
如果 \( A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)，那麼它的逆是：
\( A^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \)
項 \(ad-bc\) 是該矩陣的行列式。
逐步指南 (\(2 \times 2\))：
- 計算行列式： \(\det(A) = ad - bc\)。
- 檢查是否為零。如果 \(\det(A) = 0\)，停止。逆矩陣不存在。
- 創建一個新矩陣：
- 交換主對角線上的元素（\(a\) 和 \(d\)）。
- 改變另外兩個元素（\(b\) 和 \(c\)）的符號。
- 將新矩陣乘以 \(\frac{1}{\det(A)}\)。
例子： 求矩陣 \( M = \begin{pmatrix} 4 & 7 \\ 2 & 6 \end{pmatrix} \) 的逆。
- \(\det(M) = (4)(6) - (7)(2) = 24 - 14 = 10\)。（不為零，所以我們可以繼續！）
- 交換 4 和 6，改變 7 和 2 的符號： \( \begin{pmatrix} 6 & -7 \\ -2 & 4 \end{pmatrix} \)
- 乘以 \(\frac{1}{10}\)：
\( M^{-1} = \frac{1}{10} \begin{pmatrix} 6 & -7 \\ -2 & 4 \end{pmatrix} = \begin{pmatrix} 0.6 & -0.7 \\ -0.2 & 0.4 \end{pmatrix} \)
找出 \(3 \times 3\) 矩陣的逆
這是一個較長的過程，但它非常有系統。我們使用一種涉及行列式和「伴隨矩陣」的方法。
快速概念：矩陣轉置
矩陣的轉置（寫作 \(A^T\)）是將矩陣沿著其主對角線翻轉而得。行會變成列，列會變成行。
例子： 如果 \( A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix} \)，那麼 \( A^T = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix} \)
逐步指南 (\(3 \times 3\))：
- 計算 \(3 \times 3\) 矩陣的行列式。如果為零，停止。逆矩陣不存在。
- 找出子式矩陣。對於每個元素，遮蓋其行和列，然後計算剩下 \(2 \times 2\) 矩陣的行列式。
- 創建餘因子矩陣。對子式矩陣應用「棋盤式」的正負號模式（+、-、+、-等）。
\( \begin{pmatrix} + & - & + \\ - & + & - \\ + & - & + \end{pmatrix} \) - 找出伴隨矩陣 (\(\text{adj}(A)\))。這是餘因子矩陣的轉置 (\(\text{adj}(A) = C^T\))。
- 使用公式計算逆： \( A^{-1} = \frac{1}{\det(A)} \text{adj}(A) \)
這個過程最好通過練習來學習。每一步都請慢慢來！
逆矩陣的性質
令 \(A\) 和 \(B\) 為可逆矩陣，\(\lambda\) 為非零純量。
- 唯一性：一個矩陣的逆矩陣是唯一的。
- 雙重逆： \( (A^{-1})^{-1} = A \) （撤銷一次撤銷會讓你回到起點）。
- 純量逆： \( (\lambda A)^{-1} = \frac{1}{\lambda} A^{-1} \)
- 轉置逆： \( (A^T)^{-1} = (A^{-1})^T \)
- 逆矩陣的行列式： \( |A^{-1}| = \frac{1}{|A|} \)
- 乘積逆（襪子與鞋子法則）： \( (AB)^{-1} = B^{-1}A^{-1} \) 類比：要撤銷先穿襪子再穿鞋的動作，你必須先脫鞋，然後才脫襪子。次序顛倒了！
重點提示
逆矩陣 \(A^{-1}\) 「撤銷」矩陣 \(A\)，得到單位矩陣 \(I\)。一個矩陣只有在其行列式不為零時才存在逆矩陣。請記住 \(2 \times 2\) 逆矩陣的公式，以及乘積的逆矩陣的「襪子與鞋子」法則。