第4卷第7章矩阵

从联立方程组的无解、无穷多解与唯一解分类出发，建立矩阵乘法、行列式、逆矩阵和线性变换，再由斐波那契Q矩阵与旋转观察矩阵幂背后的结构。

学习目标

能用矩阵保存方程组的系数、未知量与目标，并用解集分类解释无解、无穷多解和唯一解
能按行乘列计算矩阵积，理解 ad−bc 同时控制消元、行列式、逆矩阵和可逆性
能用斐波那契 Q 矩阵与数学归纳解释矩阵幂中的递推结构，并用图形语言理解线性变换
能用旋转矩阵和交互实验比较基向量的像、行列式塌缩与变换复合，复核每个公式的方向

从看不见的岛开始：矩阵究竟把什么指向什么

章首借没有罗盘的航行提出隐喻：一旦岛屿离开视野，船就失去方向。矩阵正是本章的罗盘。它把方程、向量、平面变形、递推数列和旋转放进同一种记法，使看似分散的对象可以互相指路。

先预测：

两个方程消元后得到0=1，是计算出错，还是方程组本来就没有解？
为什么同一个ad-bc既出现在消元公式、行列式、逆矩阵，又决定平面是否塌缩？
计算机直接给出Q¹⁰=[[89,55],[55,34]]，还缺少哪一层理解？
将平面逆时针旋转任意角θ，怎样只用一个二阶矩阵表达？

7.1 图书室

7.1.1 瑞谷老师

放学后的图书室里，管理员瑞谷老师请“我”和泰朵拉整理书库。高到天花板的书架、沉积的纸张气味，让“我”想起双仓图书馆里混着海风的书香。老师回到管理室后，两个人把暂放的书逐本归位。

这个场景先给出本章的第一种“整理”：书必须依据位置进入书架，数学对象也需要一种能保存相对位置的记法。稍后出现的，正是把许多系数有秩序地放在一起。

7.1.2 TETRALIANE

泰朵拉从有机化学书谈起tetraliane：碳原子数从4000、400、40一路减到4，对应名称也不断变化。日语谐音让两人边整理边笑。最后一本书是《线性代数》，泰朵拉才发现自己一直把“线性”误听成“线形”。

书掉到地上，两人同时弯腰，额头撞在一起。泰朵拉伸手查看“我”的额头；沉默里，“我”把手放到她肩上，几乎要抱住她。她突然推开“我”，否认那个瞬间，跑出书库，只留下《线性代数》和不知如何解释的“我”。

这里的“线性”不是线条长什么样，而是一套严格规则。它终将把方程和图形相连，但在进入那条主线前，故事先留下了一段无法直接“求解”的关系。

7.2 尤里

7.2.1 无解

周六，尤里在“我”的房间学习，做完作业后索要一道有趣的问题。“我”写出一个二元一次方程组。整理后，两式是：

\begin{cases} 2x+4y=7,\\ 2x+4y=8. \end{cases}

尤里想用消元法，相减却得到：

0=1.

这不是某个特别奇怪的x、y，而是矛盾：同一个2x+4y不可能同时等于7和8。因此不存在同时满足两式的点。不是“还没算出来”，而是“解不存在”。

从几何上看：

y=-\frac12x+\frac74, \qquad y=-\frac12x+2.

两条直线斜率相同、截距不同，彼此平行，所以没有交点。代数里的0=1与几何里的“不相交”是同一事实的两种表达。

7.2.2 无穷多解

把常数7换成8：

\begin{cases} 2x+4y=8,\\ x+2y=4. \end{cases}

第一式恰是第二式的2倍。消元得到0=0，它没有限制剩余变量。所有满足x+2y=4的点都满足两式，例如：

(x,y)=(0,2),(2,1),(4,0),\ldots

这叫无穷多解。几何上，两式根本是同一条直线；每个线上点都是交点。0=0不是“唯一答案为0”，而是这一轮消元没有增加任何约束。

7.2.3 唯一解

现在研究一般形式：

\begin{cases} ax+by=s,\\ cx+dy=t. \end{cases}

用第一式乘d、第二式乘b后相减：

(ad-bc)x=sd-bt.

再用第一式乘c、第二式乘a后相减：

(ad-bc)y=at-sc.

若：

ad-bc\ne0,

就可以除以这个系数，得到：

x=\frac{sd-bt}{ad-bc}, \qquad y=\frac{at-sc}{ad-bc}.

这说明ad-bc≠0足以保证。但尤里立即指出逻辑缺口：我们只证明了“若ad-bc≠0，则唯一解”，还没有证明“若唯一解，则ad-bc≠0”。

与不能互换。要得到，必须补上反方向。

先把单个方程ax+by=s看成平面上的：

系数情况	解集
`a=b=0，s=0`	整个平面
`a=b=0，s≠0`	空集
`a=0，b≠0`	水平直线
`a≠0，b=0`	竖直直线
`a≠0，b≠0`	斜直线

方程组的解是两个解集的交集。退化成整个平面或空集时，不会凭空产生唯一交点；对于两条非退化直线，ad-bc=0意味着方向成比例，只可能平行或重合。只有ad-bc≠0时，两条直线方向不同并恰交一点。因此：

\text{方程组有唯一解} \Longleftrightarrow ad-bc\ne0.

这才完成必要性与充分性的双向证明。

消元的最后一行不是算术尾巴，而是解集分类的证据。

7.2.4 信

解完方程，尤里谈起一封写给即将转学的男同学的信。泰朵拉建议她先忠实写下此刻的想法，再决定是否寄出；尤里把泰朵拉视为可靠的姐姐。“我”问她怎样看待最近的疏远，她回答：最好的语言不是漂亮的套话，而是真正把感受传到对方那里。

这一小节没有新公式，却继续章首问题：面对关系中的“不确定系数”，人不能像解线性方程一样机械消元。数学里的表达要求等价、完整，信里的表达则要求诚实、可传达。

7.3 泰朵拉

7.3.1 图书室

周一，“我”把一张道歉纸条递给泰朵拉。她写回“不必太在意”，又恢复笑容。两人没有把前一日的情绪解释成一个封闭答案，但重新建立了对话。

泰朵拉说自己想获得“明白了的感觉”。这种感觉不能靠背下定义制造，而来自亲手算过例子、识别过模式，并能把一个表示法翻译成另一个表示法。

7.3.2 行与列

：

A= \begin{pmatrix} a&b\\ c&d \end{pmatrix}

有两条横向的和两条纵向的，所以是2×2矩阵，也称二阶方阵。横着数行、竖着数列，可以用字形方向辅助记忆。

\boldsymbol{x}= \begin{pmatrix} x\\y \end{pmatrix}

是，尺寸为2×1；而：

\begin{pmatrix} x&y \end{pmatrix}

是，尺寸为1×2。位置不是装饰：它决定后面的乘法能否进行以及结果的形状。

7.3.3 矩阵与向量的积

二阶矩阵乘列向量：

\begin{pmatrix} a&b\\ c&d \end{pmatrix} \begin{pmatrix} x\\y \end{pmatrix} = \begin{pmatrix} ax+by\\ cx+dy \end{pmatrix}.

泰朵拉把动作说成“相乘、相乘、再相加”：第一行与向量逐项相乘再相加，得到第一分量；第二行重复同样过程，得到第二分量。

这里反复使用：

\begin{pmatrix} a_1&a_2 \end{pmatrix} \begin{pmatrix} b_1\\b_2 \end{pmatrix} =a_1b_1+a_2b_2.

直接背结果容易混淆行列；亲手沿“行对列”移动，才会看到每个输出分量从哪里来。

左边每一行各自读取右边整列；输出向量的每个分量都有一条可追踪的路径。

7.3.4 联立方程式与矩阵

一般联立方程组可以压成：

\underbrace{ \begin{pmatrix} a&b\\ c&d \end{pmatrix}}_{A} \underbrace{ \begin{pmatrix} x\\y \end{pmatrix}}_{\boldsymbol{x}} = \underbrace{ \begin{pmatrix} s\\t \end{pmatrix}}_{\boldsymbol{b}}.

也就是：

A\boldsymbol{x}=\boldsymbol{b}.

这不是把两行公式藏起来，而是分离三个角色：A保存系数，x保存未知量，b保存目标。改变右侧常数时，系数矩阵仍可复用；以后研究随机游走时，同一种矩阵记法还会保存状态之间的转移。

7.3.5 矩阵的积

设：

A= \begin{pmatrix} a&b\\c&d \end{pmatrix}, \qquad B= \begin{pmatrix} p&q\\r&u \end{pmatrix}.

定义为：

AB= \begin{pmatrix} ap+br&aq+bu\\ cp+dr&cq+du \end{pmatrix}.

尺寸规则是：

(m\times n)(n\times q)=m\times q.

中间维数必须相同，外侧维数决定结果。矩阵乘法一般不满足交换律：

AB\ne BA.

这并非不方便的例外，而是“先做B再做A”与“先做A再做B”通常会产生不同结果。顺序保存了过程。

7.3.6 逆矩阵

通过下面的关系定义。先定义二阶矩阵的

如下。

\det A=ad-bc.

当det A≠0时，定义：

A^{-1} = \frac1{ad-bc} \begin{pmatrix} d&-b\\ -c&a \end{pmatrix}.

直接相乘可核查：

\begin{aligned} A^{-1}A &= \frac1{ad-bc} \begin{pmatrix} d&-b\\-c&a \end{pmatrix} \begin{pmatrix} a&b\\c&d \end{pmatrix}\\ &= \frac1{ad-bc} \begin{pmatrix} ad-bc&0\\0&ad-bc \end{pmatrix}\\ &= \begin{pmatrix} 1&0\\0&1 \end{pmatrix} =I. \end{aligned}

I在矩阵乘法中扮演数字1的角色。对Ax=b的两边同时左乘A⁻¹：

\begin{aligned} A\boldsymbol{x}&=\boldsymbol{b},\\ A^{-1}A\boldsymbol{x}&=A^{-1}\boldsymbol{b},\\ I\boldsymbol{x}&=A^{-1}\boldsymbol{b},\\ \boldsymbol{x}&=A^{-1}\boldsymbol{b}. \end{aligned}

代入逆矩阵：

\begin{pmatrix} x\\y \end{pmatrix} = \frac1{ad-bc} \begin{pmatrix} d&-b\\-c&a \end{pmatrix} \begin{pmatrix} s\\t \end{pmatrix} = \begin{pmatrix} \dfrac{sd-bt}{ad-bc}\\[6pt] \dfrac{at-sc}{ad-bc} \end{pmatrix}.

消元中出现的ad-bc、sd-bt、at-sc再次出现。把分子也写成替换列后的行列式，就得到二阶。复杂字母没有消失，但共通模式变得可见。

两列决定整个变换；行列式为零意味着至少丢失一个方向。

泰朵拉仍觉得字母很多，但她不再退缩：内积和行列式把变量中的重复模式显露出来。所谓“明白了的感觉”，正从计算、观察与重新命名之间形成。

7.4 米尔嘉

7.4.1 看穿隐藏的谜题

第二天图书室里，米尔嘉拿出村木老师的卡片。理纱虽然因之前的争执坐得较远，却在大家计算时悄悄挪近。题目要求计算：

Q^{10}, \qquad Q= \begin{pmatrix} 1&1\\ 1&0 \end{pmatrix}.

理纱用计算机很快得到：

POWER(MATRIX(1,1,1,0),10)
⇒ MATRIX(89,55,55,34)

泰朵拉则从低次幂开始：

\begin{aligned} Q^1&= \begin{pmatrix}1&1\\1&0\end{pmatrix},\\ Q^2&= \begin{pmatrix}2&1\\1&1\end{pmatrix},\\ Q^3&= \begin{pmatrix}3&2\\2&1\end{pmatrix},\\ Q^4&= \begin{pmatrix}5&3\\3&2\end{pmatrix}. \end{aligned}

四个位置里出现1,1,2,3,5,...。令斐波那契数满足：

F_0=0,\quad F_1=1,\quad F_{n+1}=F_n+F_{n-1},

猜想：

Q^n= \begin{pmatrix} F_{n+1}&F_n\\ F_n&F_{n-1} \end{pmatrix}.

这个Q称为。用数学归纳法证明。n=1显然成立；假设n=k成立，则：

\begin{aligned} Q^{k+1} &=Q^kQ\\ &= \begin{pmatrix} F_{k+1}&F_k\\ F_k&F_{k-1} \end{pmatrix} \begin{pmatrix} 1&1\\1&0 \end{pmatrix}\\ &= \begin{pmatrix} F_{k+1}+F_k&F_{k+1}\\ F_k+F_{k-1}&F_k \end{pmatrix}\\ &= \begin{pmatrix} F_{k+2}&F_{k+1}\\ F_{k+1}&F_k \end{pmatrix}. \end{aligned}

所以公式对所有正整数n成立。取n=10：

Q^{10} = \begin{pmatrix} F_{11}&F_{10}\\ F_{10}&F_9 \end{pmatrix} = \begin{pmatrix} 89&55\\55&34 \end{pmatrix}.

计算机答案没有错，但泰朵拉通过手算看穿了隐藏谜题：矩阵乘法中的“相加”正好复现斐波那契递推。头脑、纸笔和计算机不是竞争关系；计算机快速验证，例子暴露模式，证明负责一般化。

理纱没有从数值输出里认出斐波那契结构。泰朵拉伸出斐波那契问候的手势，理纱用二进制00101回应。两人的距离没有靠一段道歉独白缩短，而是在共同看一个问题时缩短。

低次幂发现模式，归纳步骤解释模式为什么一直成立。

7.4.2 线性变换

米尔嘉把矩阵从“算式”翻到“图形”。矩阵A把平面上的每个向量映为：

\begin{pmatrix} x\\y \end{pmatrix} \longmapsto A \begin{pmatrix} x\\y \end{pmatrix} = \begin{pmatrix} ax+by\\cx+dy \end{pmatrix}.

满足：

A(\boldsymbol{u}+\boldsymbol{v}) =A\boldsymbol{u}+A\boldsymbol{v},

以及：

A(k\boldsymbol{u})=kA\boldsymbol{u}.

这种保持向量加法和数乘的映射叫，上述两条性质合称线性性。

例如：

A= \begin{pmatrix} 2&1\\ 1&2 \end{pmatrix}

把(x,y)变为(2x+y,x+2y)。画出一整张方格纸再变换，原来的横纵网格会成为倾斜、伸缩后的平行网格。线性变换固定原点，因为：

A\boldsymbol{0}=\boldsymbol{0}.

所以纯线性变换不能把所有点统一平移一个非零向量。

矩阵的两列已经决定整个变换。令为：

\boldsymbol{e}_1= \begin{pmatrix}1\\0\end{pmatrix}, \qquad \boldsymbol{e}_2= \begin{pmatrix}0\\1\end{pmatrix}.

则：

A\boldsymbol{e}_1= \begin{pmatrix}a\\c\end{pmatrix}, \qquad A\boldsymbol{e}_2= \begin{pmatrix}b\\d\end{pmatrix}.

也就是说，第一列是第一基向量的去向，第二列是第二基向量的去向。任意向量x e₁+y e₂的像由线性法则随之确定。

若det A≠0，两列方向不共线，整个平面不会丢失一个维度，变换可逆。若det A=0且A不是零矩阵，两列共线，平面被压到一条过原点的直线；零矩阵则把所有点压到原点。行列式为零的矩阵也叫。

于是第7.2节的唯一解判据有了新的解释：Ax=b的解是在寻找映射到b的原像。可逆变换给每个b恰好一个原像；塌缩变换则对某些b没有原像，对另一些b有无穷多个原像。

7.4.3 旋转

逆时针旋转90度时：

\begin{pmatrix} x\\y \end{pmatrix} \longmapsto \begin{pmatrix} -y\\x \end{pmatrix},

线性排版就是“(x,y)变为(-y,x)”。

所以矩阵是：

\begin{pmatrix} 0&-1\\ 1&0 \end{pmatrix}.

一般角度θ下，第一基向量e₁转到(cosθ,sinθ)，第二基向量e₂转到(-sinθ,cosθ)。把两个像按列排好，得到：

R_\theta = \begin{pmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{pmatrix}.

它的行列式是：

\det R_\theta =\cos^2\theta+\sin^2\theta =1,

所以旋转永远可逆，逆变换就是反向旋转：

R_\theta^{-1}=R_{-\theta}.

连续施加变换对应矩阵相乘：

R_\alpha R_\beta=R_{\alpha+\beta}.

取θ=2π/3，连续三次旋转120度回到原位：

R_{2\pi/3}^3=R_{2\pi}=I.

在复平面上，乘以三次单位根ω=e^{2π i/3}也是同一旋转，因此：

\omega^3=1.

米尔嘉转动自动铅笔，把它称作“欧米伽华尔兹”。星星、星座和天球仪的比喻在这里连接：坐标会变，旋转会复合，但结构用矩阵稳定保存。

旋转不塌缩面积；矩阵乘法记录先旋转谁、再旋转谁。

7.5 回家路上

四人一起走向车站。泰朵拉整理今天的连接：联立方程组、平面上的直线、矩阵、向量和线性变换并不是五个孤立主题。矩阵把方程组写成Ax=b，又把同一个A解释为平面变换；行列式同时判断唯一解、逆矩阵和维度塌缩。

米尔嘉提醒大家打磨自己的武器。只记住公式还不够，必须在需要时回想、调用、验证。例子是理解的试金石：它既能揭穿错误记忆，也能暴露隐藏模式。Q矩阵的低次幂就是这样的例子。

她还区分两种孤独：没有对话的封闭，与带着问题同自己、文本和他人持续对话的独处。后者不是停滞。尤里的信、泰朵拉的纸条、理纱靠近讨论，都说明表达与理解需要可往返的通道。

泰朵拉终于把联立方程、点、线、平面和行列式串起来，决定认真读那本《线性代数》。说到书库时她又想起额头相撞后的瞬间而脸红。章末把所有角色放到“线性”的舞台：向量是演员，矩阵是动作，方程是寻找原像，直线和平面是动作发生的空间。

本章回顾：从方程的交点到平面的旋转

2x+4y=7与2x+4y=8相减得到0=1，表示两条平行线无交点，因此方程组无解。
两式成比例时，消元得到0=0，两式表示同一直线，因此有无穷多解。
一般二元一次方程组消元得到(ad-bc)x=sd-bt与(ad-bc)y=at-sc。
ad-bc≠0时可除法求出唯一解，证明了唯一解的充分条件。
通过平面、空集、横线、竖线和斜线的解集分类，可补上必要性。
方程组有唯一解当且仅当ad-bc≠0。
矩阵用行列位置保存系数，列向量可保存坐标、未知量或目标。
矩阵乘向量遵循行对列内积，结果正好复现两个线性表达式。
Ax=b把系数、未知向量和目标向量分离成三个角色。
矩阵乘法以左行与右列做内积，中间维数必须一致，而且一般不交换。
二阶行列式是det A=ad-bc，它非零时逆矩阵存在。
A⁻¹=(1/det A)[[d,-b],[-c,a]]，并满足A⁻¹A=I。
两边左乘逆矩阵得到x=A⁻¹b，展开后与消元公式一致。
克拉默法则把三个重复的二阶式统一为行列式之比。
斐波那契Q矩阵满足Qⁿ=[[Fₙ₊₁,Fₙ],[Fₙ,Fₙ₋₁]]。
低次幂帮助发现模式，数学归纳法把模式证明为一般结论。
Q¹⁰=[[89,55],[55,34]]既是计算结果，也是斐波那契递推的矩阵编码。
线性变换保持向量加法与数乘，并必定固定原点。
矩阵的两列分别是两个基向量的像，因此两列决定整个平面变形。
行列式非零时变换可逆；行列式为零时平面塌缩到直线或点。
一般旋转矩阵是Rθ=[[cosθ,-sinθ],[sinθ,cosθ]]，行列式恒为1。
旋转复合满足RαRβ=Rα+β，三次120度旋转对应ω³=1。
方程组、矩阵、向量、直线、平面与线性变换共享同一个线性结构。
例子、手算、计算机和证明各有分工；真正理解来自它们之间的对话。

官方概念回收：把每个符号放回它的动作

这章的第一条线索是把系数按长方形阵列排列：同一个ad-bc会在消元、行列式和逆矩阵里反复出现。要读懂其位置，先确认行列位置关系；消元法中的第一式乘d、第二式乘b，再与第一式乘c、第二式乘a配对，分别得到 x=(sd-bt)/(ad-bc) 与 y=(at-sc)/(ad-bc)。必要条件不能被“充分条件”替代：唯一解的 iff 论证要同时处理 ad-bc=0 的解集。

把这一段想成 Solution-Set Overlay：两条横向的行、两条纵向的列先组成 2×2矩阵，再把平行、重合和相交叠到同一张解集图上；Iff Proof Audit 则逐项检查“若”和“仅若”。这样，代数里的0=1是矛盾、0=0是重复约束，而不是神秘的计算结果。

矩阵乘法必须保留方向。行向量与列向量相乘时，遵循对应分量相乘后求和；在 A保存系数、x保存未知量、b保存目标 的记法中，左矩阵的每一行读取右矩阵的每一列。Row-by-Column Trace 用路径复核这一动作；AB≠BA 说明先做B再做A与先做A再做B不是同一流程。矩阵没有通用除法，只能在逆矩阵存在时通过两边同时左乘A⁻¹恢复输入，左乘顺序不可改成右乘；若行列式为零，逆矩阵根本不存在。这里的 二阶矩阵的行列式 与 A的负一次方 不是装饰，而是可验证的 Inverse Verification。

Q矩阵的证据链也要逐格保存：F₀=0、F₁=1、Fₙ₊₁=Fₙ+Fₙ₋₁ 是递推的起点；基础情形取 n=1，归纳步从 n=k 交给 n=k+1，因为 QᵏQ 正好产生下一行的两个相邻斐波那契数。Power-Pattern Table 记录 Q¹ 到 Q⁴，Induction Handoff 解释为什么可以从 k 走到 k+1，而不是只凭 二进制00101 或计算机输出猜答案。

最后把符号翻译成几何动作。线性性要求 A(u+v)=Au+Av 与 A(ku)=kAu；e₁=(1,0)、e₂=(0,1) 的像作为两列，说明两列决定整个变换。奇异矩阵把平面压到低维，Ax=b 就是在寻找映射到b的原像；可逆时每个b恰好一个原像。Basis-Image Grid 对照非奇异和奇异情况，Determinant Collapse Test 检查面积是否塌缩；一般角度θ的旋转满足 det Rθ=1，且 R₂π/₃³=I。复数记法 ω=e^(2πi/3) 也表达同一件事：乘法表示变换复合，乘方表示重复施加同一变换。整章最后回到线性的舞台：矩阵是动作，向量是被动作带走的对象，方程是寻找原像。

Matrix State Lab

切换系数矩阵，观察 det、原像和解集如何一起改变。

A = [[2, 1], [1, 2]]

原像只有一个

det A = 3；两列不共线，Ax=b 可左乘 A⁻¹。

分步1 / 4

1. 分类：从消元结果读解集

先区分 0=1、0=0 和 ad−bc≠0，再用直线的方向解释无解、无穷多解和唯一解。