欢迎来到矩阵的世界！
在本章中，我们将学习矩阵 (Matrices)。你可以把矩阵简单地想象成一个用来存储数字的数学“盒子”或格栅。虽然起初它们看起来只是一堆数字，但它们是非常强大的工具，广泛应用于计算机图形学、工程学，甚至用来解复杂的联立方程组。学完这份指南后，你将能够操作这些格栅，并利用它们来对二维和三维空间中的图形进行变换！
1. 矩阵基础：加法、减法与乘法
在进行进阶运算之前，我们先掌握基础知识。一个矩阵由其阶 (order)（即大小）来定义，写作 \(m \times n\)，其中 \(m\) 是行数 (rows)，\(n\) 是列数 (columns)。
加法与减法
要对矩阵进行加减运算，它们必须是可相加减的 (conformable)。这是一个比较正式的说法，意思就是它们的大小必须完全相同。你只需要将对应位置的数字相加或相减即可。
例子：如果你有两个 \(2 \times 2\) 的矩阵，你只需将第一个矩阵左上角的数字与第二个矩阵左上角的数字相加。
标量乘法 (Scalar Multiplication)
标量 (Scalar) 是一个普通的数字（例如 5 或 -2）。要将一个矩阵乘以一个标量，你必须将矩阵内每一个数字都乘以该标量。
矩阵乘法（“行乘列”规则）
将两个矩阵相乘与普通的乘法略有不同。你需要将第一个矩阵的行 (rows) 乘以第二个矩阵的列 (columns)。
重要规则： 若要相乘矩阵 \(A\) 和 \(B\)，A 的列数必须等于 B 的行数。如果两者不匹配，你就不能进行乘法运算！
记忆法：RC Cola
请记住：先是 Rows（行），然后是 Columns（列）。你从第一个矩阵的行“向右”横移，并在第二个矩阵的列“向下”移动。
常见错误： 在普通数学中，\(2 \times 3\) 与 \(3 \times 2\) 的结果相同。但在矩阵中，顺序很重要！ 通常 \(AB\) 不等于 \(BA\)。
特殊矩阵
- 零矩阵 (\(O\))： 所有元素皆为 0 的矩阵。将任何矩阵与它相加，结果都不会变。
- 单位矩阵 (\(I\))： 一个主对角线（从左上到右下）均为 1，其余元素皆为 0 的方阵。将任何矩阵乘以 \(I\)，就像数字乘以 1 一样；结果保持不变！\(AI = A\)。
重点提示： 先检查大小！只有在大小匹配时才能进行加减运算。乘法运算则遵循行乘列的规则。
2. 行列式 (Determinants)：缩放因子
每个方阵都有一个与之对应的特殊数字，称为行列式 (determinant)，写作 \(det A\) 或 \(|A|\)。
\(2 \times 2\) 行列式
对于矩阵 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，其行列式计算公式为：
\(det A = ad - bc\)
\(3 \times 3\) 行列式
对于 \(3 \times 3\) 的矩阵，过程较为繁复。你需要选择一行（通常是第一行），并将每个元素乘以该元素划掉所属行与列后剩下的 \(2 \times 2\) 矩阵的行列式。别忘了符号规则：\(+ - +\)。
你知道吗？ 行列式代表变换后的面积缩放因子 (area scale factor)。如果行列式为 5，则变换后图形的面积将扩大为原来的 5 倍。如果行列式为负数，则表示图形的定向（方向）发生了反转（就像在镜子里看一样）。
奇异矩阵 vs. 非奇异矩阵
- 如果 \(det A = 0\)，该矩阵称为奇异矩阵 (singular)。它没有逆矩阵。从几何学上来说，这意味着变换将二维图形压缩成一条一维直线或一个点（面积变为零！）。
- 如果 \(det A \neq 0\)，该矩阵称为非奇异矩阵 (non-singular)，且拥有逆矩阵。
重点提示： \(det A\) 是面积或体积的缩放因子。如果为 0，则该矩阵是“损坏的”（奇异的），无法进行逆运算。
3. 逆矩阵 (Inverse Matrices)：反向“撤销”按钮
矩阵 \(A\) 的逆矩阵 (inverse)，写作 \(A^{-1}\)，是能够“撤销” \(A\) 所做变换的矩阵。
\(AA^{-1} = I\) 且 \(A^{-1}A = I\)。
求 \(2 \times 2\) 逆矩阵
若要寻找 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\) 的逆矩阵：
1. 求行列式：\(det A = ad - bc\)。
2. 交换 \(a\) 和 \(d\)。
3. 将 \(b\) 和 \(c\) 变为负数。
4. 将整个结果除以行列式：\(A^{-1} = \frac{1}{det A} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)。
\(3 \times 3\) 逆矩阵
手动计算 \(3 \times 3\) 逆矩阵涉及寻找余子式 (minors)、代数余子式 (cofactors) 和伴随矩阵 (adjugate matrix)。别担心，如果觉得困难的话，Edexcel 课程大纲鼓励你在寻找 \(3 \times 3\) 逆矩阵时使用计算器！如果题目要求“代数方法”，请记得列出详细步骤即可。
快速复习： 只有当矩阵是方阵且行列式不为 0 时，你才能求出逆矩阵。
4. 作为变换的矩阵
这就是矩阵最精彩的地方！我们可以利用矩阵在图表上移动点的位置。
二维变换
要了解矩阵的作用，可以观察它如何移动“单位向量”\(\begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\begin{pmatrix} 0 \\ 1 \end{pmatrix}\)。
你需要掌握的常见变换包括：
- 反射： 对于 x 轴、y 轴，或直线 \(y = x\) 和 \(y = -x\) 的反射。
- 旋转： 始终以原点 \((0,0)\) 为中心。正角度表示逆时针旋转。
- 放大： 以原点为中心，缩放因子为 \(k\)。
- 拉伸： 平行于 x 轴或 y 轴的拉伸。
连续变换
如果你想先进行变换 \(B\)，然后进行变换 \(A\)，则组合后的矩阵为 \(AB\)。
类比：袜子与鞋子
想象穿衣服的过程。你先穿袜子 (\(B\))，再穿鞋子 (\(A\))。在数学中，我们将第一个动作写在右边：\(A \times B \times (\text{物体})\)。离物体最近的变换最先发生！
三维变换
对于 AS Level，三维变换仅限于：
- 在平面 \(x=0, y=0,\) 或 \(z=0\) 上的反射。
- 绕 x、y 或 z 轴的旋转。
重点提示： 矩阵 \(AB\) 代表“先做 B，再做 A”。
5. 不变点与不变直线
有时候，变换并不会移动所有东西。
- 不变点 (invariant point) 指的是变换后位置完全不变的点。对于这些线性变换，原点 \((0,0)\) 永远是不变点。
- 不变直线 (invariant line) 指的是直线上的所有点在变换后仍然留在该直线上的直线（尽管点可能会沿着直线滑动）。
小贴士： 要寻找不变点，请解方程 \(M \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix}\)。
6. 解联立方程组
我们可以将包含三个变量的方程组写成如下形式：
\(ax + by + cz = p\)
\(dx + ey + fz = q\)
\(gx + hy + iz = r\)
写成矩阵方程为：\(AX = B\)，其中 \(A\) 是系数矩阵，\(X = \begin{pmatrix} x \\ y \\ z \end{pmatrix}\)，\(B = \begin{pmatrix} p \\ q \\ r \end{pmatrix}\)。
为了求出 \(X\)，我们使用逆矩阵：\(X = A^{-1}B\)。
几何解释（三个平面）
每个包含 3 个变量的方程都代表一个平面（三维空间中的一个二维平面）。主要有三种情况：
- 唯一解： 三个平面交于一点。（当 \(det A \neq 0\) 时发生）。
- 无解： 三个平面可能构成一个“棱柱”，它们不会同时交于一点，或者某些平面可能是平行的。
- 无限多解： 三个平面交于一条线（称为束，sheaf），或者它们根本就是同一个平面。
关于“束”的类比： 想象一本书的书页交汇于书脊。书脊就是所有“平面”相交的那条线！
重点提示： 使用 \(X = A^{-1}B\) 来解联立方程。如果行列式为 0，则该方程组要么是不相容的（无解），要么是相依的（无限多解）。
总结复习
- 矩阵是数字的格栅；乘法时顺序很重要！
- 行列式 = 面积缩放因子。如果为 0，则没有逆矩阵。
- 逆矩阵 = “撤销”按钮。
- 变换写作 \(AB\)，意为“先 B 后 A”。
- 联立方程可以使用逆矩阵 \(A^{-1}\) 来求解。