# 矩阵

> AP 预备微积分 · 第4单元：含参数的函数、向量与矩阵
> 来源: https://www.owlsprep.com/zh/study/ap-precalculus-u4-matrices/

本模块讲解符合AP预备微积分课程及考试说明（CED）第4单元要求的矩阵记号、基础运算、2×2行列式、逆矩阵以及2×2线性方程组的求解，包含例题和学习技巧。

**先修:** [二元线性方程组](https://www.owlsprep.com/zh/study/ap-precalculus-u4-systems-of-linear-equations/); [基础向量点积运算](https://www.owlsprep.com/zh/study/ap-precalculus-u4-vector-operations/); 实数乘法的代数性质

## 学习目标

- 定义矩阵及其维度与记号
- 进行核心矩阵运算（加法、标量乘法、乘法）
- 计算2×2行列式和逆矩阵
- 使用逆矩阵求解2×2线性方程组

## 矩阵基础：定义与记号

矩阵是将数字（称为元素或元）按有序行和列排列的矩形阵列。矩阵的维度（大小）记为$m \times n$，其中$m$是行数，$n$是列数。

单个元素记为$a_{ij}$，其中$i$是该元素的行号，$j$是列号。例如，$a_{23}$指第二行第三列的元素。矩阵用于紧凑地组织数据、表示线性系统和描述线性变换，是AP预备微积分第4单元的核心主题。

> **info**
>
> 注意：Unit 4（含矩阵）不在 AP 预备微积分考试范围内——College Board 课程与考试说明（CED）仅考查第 1–3 单元。矩阵属教师自选／延伸内容，为后续线性代数等 STEM 课程打基础。

**矩阵** — 按$m$行$n$列排列元素的矩形阵列，用于组织数据和表示线性关系。

*记法:* $m \times n$

## 按元素运算：加法与标量乘法

最简单的矩阵运算是按元素运算：加法、减法和标量乘法。矩阵加法仅对两个维度相同（行数和列数都相同）的矩阵有定义。两个矩阵相加时，对应元素相加：$(A + B)_{ij} = a_{ij} + b_{ij}$。减法遵循相同规则：$(A - B)_{ij} = a_{ij} - b_{ij}$。

标量乘法是将整个矩阵乘以一个常数（称为标量）。进行标量乘法时，将矩阵的每个元素都乘以该标量：对任意标量$k$和任意矩阵$A$，都有$(kA)_{ij} = k \cdot a_{ij}$。

这些运算遵循大多数我们熟悉的实数代数规则：加法满足交换律和结合律，标量乘法对矩阵加法满足分配律。

**例题:** 已知$A = \begin{bmatrix} 2 & -1 \\ 0 & 3 \end{bmatrix}$ 和 $B = \begin{bmatrix} -4 & 2 \\ 1 & -2 \end{bmatrix}$，计算 $3A - 2B$。

1. 首先确认维度：$A$和$B$都是$2 \times 2$矩阵，因此该运算有效。
2. 将$A$的每个元素乘以3，得到$3A$：

   $$3A = \begin{bmatrix} 3(2) & 3(-1) \\ 3(0) & 3(3) \end{bmatrix} = \begin{bmatrix} 6 & -3 \\ 0 & 9 \end{bmatrix}$$
3. 将$B$的每个元素乘以2，得到$2B$：

   $$2B = \begin{bmatrix} 2(-4) & 2(2) \\ 2(1) & 2(-2) \end{bmatrix} = \begin{bmatrix} -8 & 4 \\ 2 & -4 \end{bmatrix}$$
4. 按元素相减得到最终结果：

   $$3A - 2B = \begin{bmatrix} 6 - (-8) & -3 - 4 \\ 0 - 2 & 9 - (-4) \end{bmatrix} = \begin{bmatrix} 14 & -7 \\ -2 & 13 \end{bmatrix}$$

> **考试提示:** 进行任何矩阵运算前，务必先检查矩阵维度。这类选择题经常将「无定义」作为选项，考察你是否知道只有同维度矩阵才能相加。

## 矩阵乘法与2×2行列式

矩阵乘法*不是*按元素运算，遵循不同的规则。要计算矩阵$A$乘以矩阵$B$得到$AB$，$A$的列数必须等于$B$的行数。若$A$是$m \times n$矩阵，$B$是$n \times p$矩阵，则乘积$AB$是$m \times p$矩阵。

$AB$中位置$(i,j)$处的元素是$A$的第$i$行与$B$的第$j$列的点积：

$$(AB)_{ij} = \sum_{k=1}^n a_{ik}b_{kj}$$

> **warning**
>
> 矩阵乘法的一个关键性质是**不满足交换律**：大多数情况下$AB \neq BA$，因此绝不能交换乘法顺序。

对于方阵（行数等于列数，例如$2 \times 2$），我们可以计算行列式，这是一个标量值，用于判断矩阵是否存在逆矩阵。对于$2 \times 2$矩阵，行列式为：

$$\det(A) = ad - bc \quad \text{for} \quad A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}$$

如果$\det(A) = 0$，矩阵称为奇异矩阵，不存在逆矩阵。如果$\det(A) \neq 0$，矩阵可逆。

**例题:** 已知$A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ 和 $B = \begin{bmatrix} 0 & -1 \\ 2 & 5 \end{bmatrix}$，计算 $AB$ 和 $\det(A)$。

1. 检查维度：两个都是$2 \times 2$矩阵，因此乘法有效，乘积也是$2 \times 2$矩阵。
2. 计算元素 (1,1)：A 的第一行和 B 的第一列的点积：$(1)(0) + (2)(2) = 4$。
3. 计算元素 (1,2)：A 的第一行和 B 的第二列的点积：$(1)(-1) + (2)(5) = 9$。
4. 计算元素 (2,1)：A 的第二行和 B 的第一列的点积：$(3)(0) + (4)(2) = 8$。
5. 计算元素 (2,2)：A 的第二行和 B 的第二列的点积：$(3)(-1) + (4)(5) = 17$。
6. 合并元素得到 $AB$，再计算 $\det(A)$：

   $$AB = \begin{bmatrix} 4 & 9 \\ 8 & 17 \end{bmatrix}, \quad \det(A) = (1)(4) - (2)(3) = -2$$

> **考试提示:** 时刻记住矩阵乘法的「先行后列」规则：(i,j)元素来自第一个矩阵的第i行和第二个矩阵的第j列。交换顺序会得到错误结果。

## 逆矩阵与2×2线性方程组的求解

对于可逆的$2 \times 2$矩阵$A$，逆矩阵$A^{-1}$满足性质$AA^{-1} = A^{-1}A = I$，其中$I$是2×2单位矩阵：

$$I = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$$

单位矩阵是矩阵乘法中的单位元，就像1对于实数一样。$2 \times 2$矩阵的逆矩阵公式为：

$$A^{-1} = \frac{1}{\det(A)} \begin{bmatrix} d & -b \\ -c & a \end{bmatrix} \quad \text{for} \quad A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}$$

逆矩阵最常见的应用是求解2×2线性方程组。任意线性方程组都可以写成紧凑的矩阵形式：

$$A\vec{x} = \vec{b}, \quad A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}, \quad \vec{x} = \begin{bmatrix} x \\ y \end{bmatrix}, \quad \vec{b} = \begin{bmatrix} e \\ f \end{bmatrix}$$

如果$A$可逆，我们可以在等式两边同时左乘$A^{-1}$，得到$\vec{x} = A^{-1}\vec{b}$，直接给出$x$和$y$的解。

**例题:** 使用逆矩阵求解方程组 $\begin{cases} 2x + 3y = 12 \\ x - 2y = -1 \end{cases}$。

1. 将方程组写成矩阵形式：

   $$A = \begin{bmatrix} 2 & 3 \\ 1 & -2 \end{bmatrix}, \quad \vec{b} = \begin{bmatrix} 12 \\ -1 \end{bmatrix}$$
2. 计算行列式判断是否可逆：

   $$\det(A) = (2)(-2) - (3)(1) = -7 \neq 0, 所以逆矩阵存在$$
3. 应用逆矩阵公式：

   $$A^{-1} = \frac{1}{-7} \begin{bmatrix} -2 & -3 \\ -1 & 2 \end{bmatrix} = \begin{bmatrix} 2/7 & 3/7 \\ 1/7 & -2/7 \end{bmatrix}$$
4. 乘以$\vec{b}$得到解向量$\vec{x}$：

   $$\vec{x} = \begin{bmatrix} (2/7)(12) + (3/7)(-1) \\ (1/7)(12) + (-2/7)(-1) \end{bmatrix} = \begin{bmatrix} 21/7 \\ 14/7 \end{bmatrix} = \begin{bmatrix} 3 \\ 2 \end{bmatrix}$$
5. 解为$x=3$，$y=2$，代回原方程组验证成立。

**概念自测**

用这道AP风格的选择题测试你的理解：

1. 已知 $A = \begin{bmatrix} -2 & 1 \\ 3 & 0 \end{bmatrix}$ 和 $B = \begin{bmatrix} 4 & -1 \\ -2 & 3 \end{bmatrix}$，$2A + AB$ 中第二行第一列的元素是多少？

   - -2
   - 6
   - 10
   - 该表达式无定义

   *答案:* 10

   *解析:* $2A$ 的 (2,1) 元素是 $2 \cdot 3 = 6$。$AB$ 的 (2,1) 元素是 A 的第二行和 B 的第一列的点积：$(3)(4) + (0)(-2) = 12$。相加得到 $6 + 12 = 10$。

> **考试提示:** 写逆矩阵时，交换$a$和$d$后不要忘记给$b$和$c$加上负号——这是这里最常见的易错点。

## 常见错误

- **错误做法:** 对不同维度的矩阵相加（例如，将2×2矩阵和2×3矩阵相加，只相加匹配位置的元素，保留最后一列不变）
  - 原因: 学生混淆了矩阵加法和矩阵乘法（乘法仅要求内维度匹配），认为只要行数匹配就可以相加
  - 正确做法: 相加前务必确认两个矩阵的行数和列数都相同；否则和无定义
- **错误做法:** 交换矩阵乘法顺序，例如将$AB + AC$化简为$(B + C)A$，或默认$AB = BA$
  - 原因: 学生错误地将实数乘法的交换律迁移到矩阵上
  - 正确做法: 除非两个矩阵互为逆矩阵，否则绝不要交换矩阵乘法的顺序
- **错误做法:** 将$\begin{bmatrix} a & b \\ c & d \end{bmatrix}$的行列式算成$ad + bc$，或在逆矩阵中保留$b$和$c$的正号
  - 原因: 学生记错了行列式和逆矩阵公式的符号规则
  - 正确做法: 每次计算行列式时，默念「ad减bc」确认符号；求逆矩阵时，先明确标出$b$和$c$的负号再继续计算
- **错误做法:** 求解$A\vec{x} = \vec{b}$时，将逆矩阵乘在右侧，得到$\vec{x} = \vec{b}A^{-1}$，而非$\vec{x} = A^{-1}\vec{b}$
  - 原因: 学生习惯了实数的交换性，没有重视逆矩阵乘法的顺序
  - 正确做法: 始终在矩阵方程两边同时左乘逆矩阵，以消去$\vec{x}$左侧的$A$
- **错误做法:** 行列式为零时仍声称逆矩阵存在，或试图计算分母为零的逆矩阵
  - 原因: 学生忘记行列式对可逆性的意义
  - 正确做法: 总是先计算行列式；如果行列式等于零，说明矩阵是奇异矩阵，不存在逆矩阵，方程组没有唯一解

## 速查表

| 类别 | 公式/规则 | 说明 |
| --- | --- | --- |
| 矩阵维度 | $m \times n$ | $m$ = 行数，$n$ = 列数；加法要求两个矩阵的$m$和$n$都匹配 |
| 矩阵加法 | $(A+B)_{ij} = A_{ij} + B_{ij}$ | 仅对同维度矩阵有效 |
| 标量乘法 | $(kA)_{ij} = k \cdot A_{ij}$ | 对任意矩阵和标量$k$都有效 |
| 矩阵乘法 | $(AB)_{ij} = \sum_{k=1}^n A_{ik}B_{kj}$ | 仅当$A$的列数 = $B$的行数时有效；一般情况下$AB \neq BA$ |
| 2×2行列式 | $\det\begin{bmatrix}a & b \\ c & d\end{bmatrix} = ad - bc$ | $\det(A) = 0$ 表示不存在逆矩阵 |
| 2×2逆矩阵 | $A^{-1} = \frac{1}{\det(A)}\begin{bmatrix}d & -b \\ -c & a\end{bmatrix}$ | 仅当$\det(A) \neq 0$时有效；$AA^{-1} = A^{-1}A = I$ |
| 2×2单位矩阵 | $I = \begin{bmatrix}1 & 0 \\ 0 & 1\end{bmatrix}$ | 乘法单位元：$AI = IA = A$ |
| 线性方程组解 | $A\vec{x} = \vec{b} \implies \vec{x} = A^{-1}\vec{b}$ | 仅适用于$A$可逆的情况 |

## 下一步

矩阵是线性代数的基础，如果你后续学习AP微积分、大学统计学、数据科学或工程学，都会大量用到矩阵。在AP预备微积分第4单元中，本主题是学习向量线性变换的前置知识，线性变换依靠矩阵乘法将输入向量映射为输出向量。如果不掌握矩阵运算、行列式和逆矩阵，你将无法分析线性变换，也无法求解本单元后续出现的含参数线性方程组，而这些内容是本单元参数、向量和线性关系核心主题的综合应用。

- [矩阵的逆与行列式](https://www.owlsprep.com/zh/study/ap-precalculus-u4-the-inverse-and-determinant-of/)
- [线性变换与矩阵](https://www.owlsprep.com/zh/study/ap-precalculus-u4-linear-transformations-and-matrices/)
- [作为函数的矩阵](https://www.owlsprep.com/zh/study/ap-precalculus-u4-matrices-as-functions/)

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-precalculus-u4-matrices/