作为函数的矩阵 — AP 微积分预备

1. 矩阵函数的核心定义 ★★☆☆☆ ⏱ 3 min

在AP微积分预备第4单元中，矩阵不只是静态的数字数组，更是将输入向量映射到输出向量的线性函数。本主题占第4单元内容的8-10%，会出现在选择题和自由作答题部分，通常与几何变换或向量应用结合考查。

与一般的非线性函数不同，所有矩阵函数都满足两个核心线性性质：$f(a\mathbf{v}) = a f(\mathbf{v})$对任意标量$a$成立，$f(\mathbf{v} + \mathbf{w}) = f(\mathbf{v}) + f(\mathbf{w})$对任意输入向量$\mathbf{v}, \mathbf{w}$成立。这个框架统一了许多几何和代数运算，将缩放、旋转和反射转化为易于计算的矩阵乘积。

2. 矩阵-向量乘法作为函数求值 ★★☆☆☆ ⏱ 4 min

将矩阵视为函数时，在输入向量处对函数求值就是矩阵-向量乘法。乘法的维度规则与函数的定义域、陪域规则直接对应：$m \times n$矩阵接受$n \times 1$向量，因此其定义域是整个$\mathbb{R}^n$，输出$m \times 1$向量，因此陪域是整个$\mathbb{R}^m$。

A = \begin{bmatrix} a_{11} & a_{12} & \dots & a_{1n} \\ a_{21} & a_{22} & \dots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \dots & a_{mn} \end{bmatrix}, \quad \mathbf{v} = \begin{bmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{bmatrix}

输出通过取$A$的每一行与$\mathbf{v}$的点积计算得到：

A\mathbf{v} = \begin{bmatrix} a_{11}v_1 + a_{12}v_2 + \dots + a_{1n}v_n \\ a_{21}v_1 + a_{22}v_2 + \dots + a_{2n}v_n \\ \vdots \\ a_{m1}v_1 + a_{m2}v_2 + \dots + a_{mn}v_n \end{bmatrix}

Exam tip: 相乘前一定要确认输入向量的维度与矩阵的列数匹配——如果不匹配，函数在该输入处无定义，这是选择题中常见的陷阱选项。

3. 矩阵函数的复合 ★★★☆☆ ⏱ 4 min

和其他函数一样，只要内层函数的输出维度与外层函数的输入维度匹配，矩阵函数就可以复合。对于两个函数$f: \mathbb{R}^n \to \mathbb{R}^m$（由$m \times n$矩阵$A_f$定义）和$g: \mathbb{R}^m \to \mathbb{R}^k$（由$k \times m$矩阵$B_g$定义），复合$(g \circ f)(\mathbf{v}) = g(f(\mathbf{v}))$可简化为矩阵乘法：$(g \circ f)(\mathbf{v}) = B_g (A_f \mathbf{v}) = (B_g A_f)\mathbf{v}$。

这说明矩阵函数的复合完全等价于矩阵乘法，和函数复合一样遵循从右到左的顺序：内层（先作用的）函数的矩阵放在右侧，外层（后作用的）函数的矩阵放在左侧。和标量函数乘法不同，矩阵复合不满足交换律，因此对于大多数矩阵对，顺序改变会得到不同的结果。

Exam tip: 如果题目要求的是$f \circ g$（先g后f）而不是$g \circ f$，将乘法顺序反过来变为$A_f B_g$，而不是$B_g A_f$。永远不要假设顺序不影响结果。

4. 作为矩阵函数的几何变换 ★★★☆☆ ⏱ 5 min

所有线性二维几何变换都可以表示为二阶矩阵函数，将输入位置向量$\begin{bmatrix} x \\ y \end{bmatrix}$映射为变换后的输出位置向量。AP考试中常考的变换包括均匀缩放、关于x轴、y轴或直线$y=x$的反射，以及绕原点的旋转。

这些变换都是线性的，因此符合矩阵函数框架，且当行列式非零时，所有变换都可逆。当依次应用多个变换时，组合变换矩阵通过复合各个矩阵函数得到，遵循从右到左的顺序规则。

Exam tip: 变换矩阵的顺序永远是：先作用的变换放在乘积的右侧，因为它是复合中的内层函数。

5. 概念检查 ★★☆☆☆ ⏱ 2 min