直观理解矩阵：变换旅行的机器

矩阵是那个会让本来学得好好的学生突然觉得自己变笨的主题。到此为止，每一种运算都有一幅图。加法是合并。乘法是缩放。就连上周那篇文章里的向量运算，也是你可以走完的旅行。然后有人写出两张数字表格，宣布你要用「行乘列」的方式把它们乘起来，图景就此消失。规则管用。没人能说出它在做什么。

结果是第二种重影，是向量那篇文章里那一种的同胞。代数课上，矩阵是一盒数字。后续课程里它成了「线性变换」，这个说法听起来像答案，却什么也没解释。这篇文章就是那座桥：矩阵是一台吃进一次旅行、吐出另一次旅行的机器，表格的每一列都是一根坐标轴落点的记录，而乘法规则不过是两台机器依次运行时的记账方式。

一台变换旅行的机器

这个系列反复回到同一个念头：数是有指向的。负数是沿数轴指向反方向的普通数。虚数是指向侧面的数，离开数轴，进入一个平面。向量是这个念头的彻底解放，一个携带任意方向的量。一旦你有了旅行，下一个问题几乎是被迫提出的。什么东西作用在一次旅行上？什么东西把「向东 3、向北 4」变成另一次旅行？

那个行动者就是矩阵。

想象一台机器，它的设定可以拉伸、压扁、旋转或翻转你送进去的任何东西。你给它一次旅行，它还给你一次旅行。一个 2 乘 2 的矩阵，就是这样一台作用在平面上的机器的完整说明书。一个 3 乘 3 的矩阵，是同一想法在空间里的版本。那张数字表格不是对象本身。表格是说明书。

这就是为什么矩阵不是一个更大的向量。向量是一次旅行。矩阵是一条改造旅行的规则。把两者混为一谈，就像把旅程本身和把你吹偏航线的天气混为一谈。

各列记录的是坐标轴落在哪里

下面这个事实，会让整个主题变得可读。你不必知道矩阵对每一次可能的旅行做了什么。你只需要知道它对其中两次做了什么：向东一步，以及向北一步。其他每一次旅行都是这两次的组合，所以机器对任意旅行的作用，就是它对坐标轴作用的同一种组合。

把这两个结果写成列，你就得到了矩阵。

假设机器把向东一步送到 (2, 1)，把向北一步送到 (0, 3)。矩阵就是那个 2 乘 2 的表格，第一列是 2, 1，第二列是 0, 3。把旅行 (3, 4) 送进去，意思是「先向东 3，再向北 4」，输出就是 3 份第一列加上 4 份第二列：3 倍的 (2, 1) 加上 4 倍的 (0, 3)，也就是 (6, 3) 加上 (0, 12)，结果是 (6, 15)。这就是矩阵乘向量。课本里的行乘列仪式，就是这同一个和，写成计算机不用画箭头也能跑的样子。

从向量那篇文章过来的读者会认出这个和：你在把缩放后的旅行加起来。矩阵并没有发明一种新算术。它复用了旅行的算术，每一列用一次。

单位矩阵是什么也不做的那台机器。向东一步仍是向东一步，向北一步仍是向北一步，所以它的各列恰好就是两根坐标轴上的旅行。送进去任何东西，你拿回来的都是同样的东西。它是设定为 100%、不旋转的复印机，也是数字 1 在这门学科里有对应物的原因。

乘法的意思是先做这个，再做那个

那个感觉像凭空发明出来的规则，两个矩阵相乘，其实是函数复合穿上了一张表格。用 A 乘 B，就是造出那台先做 B、再做 A 的单一机器。你把一次旅行送给 B，取出结果，再送给 A。乘积 AB 就是这台组合机器的说明书。

这就是为什么顺序很重要，也是为什么它感觉是反的。AB 不是 BA，理由和先穿袜子再穿鞋不等于先穿鞋再穿袜子一样。右边的机器先作用，因为我们写函数时已经是这个约定：f(g(x)) 先作用 g。矩阵乘法继承了同一套惯例。

这也是行乘列配方存在的原因。AB 的各列，是组合机器对坐标轴做的事，也就是把 A 作用到 B 的各列上。其中每一列都是一次矩阵乘向量，而每一次矩阵乘向量都是一堆数量积。课本仪式是同一想法的三层叠加，压成一条口诀。

一个有用的后果：你可以停止死记什么时候两个矩阵允许相乘。它们能相乘，当且仅当第一台机器吐出的旅行，尺寸刚好能送进第二台。一个 2 乘 3 的矩阵吃进三维旅行，吐出二维旅行。它可以坐在一个 2 乘 2 矩阵的右边，后者吃进二维旅行；也可以坐在一个 3 乘 4 矩阵的左边，后者吐出三维旅行。内侧的尺寸必须匹配，因为它们是同一条走廊。

行列式是面积还剩多少

把边为两根坐标轴旅行的单位正方形送进机器。图像是一个平行四边形，边就是那两列。行列式是这个平行四边形的有向面积。

如果行列式是 2，机器把面积翻倍。如果是 1/2，它把面积减半。如果是 0，平行四边形已经塌成一条线段或一个点：机器把平面压扁了，两次不同的旅行可以落到同一处，信息被扔掉了。如果是负的，机器翻转了定向，把逆时针的正方形变成顺时针的，和负数在数轴上做的掉头是同一件事。

那些计算配方，2 乘 2 时的 ad 减 bc，以及后来的余子式展开，都是算出这块面积的办法。它们不是含义。一旦你看见那个平行四边形，「行列式为零」就不再是一次神秘的失败，而变成一幅图：两列沿着同一条直线指去，所以它们张不成面积，所以这台机器和向那条直线的投影无法区分。

这也是行列式为零便禁止逆矩阵存在的原因，而逆矩阵正是下一节的全部主题。

逆矩阵就是撤销

逆矩阵是撤销按钮。如果 A 把旅行 v 送成旅行 w，那么 A 的逆就把 w 送回 v。先运行机器再运行它的逆，得到的是单位矩阵：你回到出发的地方，仿佛什么也没发生。

一台机器恰好在它没有扔掉信息时才能被撤销。这又是行列式检验。如果两次不同的输入旅行能产生同一个输出，就没有诚实的办法说出一个输出来自哪一次输入，逆矩阵也就不存在。如果每一个输出都恰好来自一次输入，撤销机器就存在，而且唯一。

在学校里，这件事以一个公式登场，公式里有行列式的倒数，还有一张打乱重排的数字表格。公式是真的，也值得练，但它是推论。想法是「把胶片倒着放」，而它只有在胶片没有把场面压扁时才成立。

线性方程组就是同一想法换了装。代数教过你用消元法解两个未知数的两个方程。那两个方程就是一个矩阵作用在一次未知的旅行上，并等于一次已知的旅行。解这个方程组，就是施加逆矩阵。当方程组无解，或有无穷多解时，行列式为零：机器把平面压扁了，右边要么没打中剩下的那条线，要么以无穷多种方式落在那条线上。你当年当作「无解」和「无穷多解」背下来的两种情形，就是一台塌缩的机器无法给出唯一撤销的两种方式。

特征向量拒绝转向

大多数旅行送进机器后，出来时指向了新方向。少数特别的旅行出来时仍指向它们进去的那个方向，只是更长或更短。那些旅行就是特征向量，伸缩倍数就是特征值。

画面是一座风洞。大多数箭头会被吹歪。特征向量是那些风只把它们拉长或缩短的箭头。如果倍数是 2，机器把那次旅行翻倍。如果倍数是 1，它放过那次旅行。如果倍数是 0，它把那次旅行压成虚无，这就是前两节里的压扁，沿着单一方向看见的样子。如果倍数是负的，它既拉伸那次旅行，也让它掉头。

这是后续章节里那个看起来高深、其实并不高深的想法。求特征向量，就是在问：沿着哪些方向，这台机器表现得像普通的数乘？一旦你有了那些方向，机器在那套坐标系里就变简单了，这就是为什么每一个用到矩阵的学科，从微分方程到给网页排名，一上来都在搜它们。

错误从哪里来

矩阵的错误集中在三处，而每一处都是一幅从未被画出来的图。

第一处是按格子对应相乘。学生看见两张同样大小的表格，就把数字一对一对配上，就像矩阵加法那样，而加法确实是逐格进行的。乘法不是加法。它是先运行一台机器，再运行另一台。两个 2 乘 2 的矩阵得到另一个 2 乘 2，但每一列输出都是 A 作用到 B 的一列上，而不是四对对应格子各自相乘。

第二处是无视顺序。只要 A 和 B 做的事不同，AB 和 BA 就是不同的机器，而这几乎总是如此。按你遇见它们的顺序来写因子，而不是按它们作用的顺序来写，就是袜子和鞋的错误，也是整章里最常见的代数滑倒。

第三处是把行列式为零当成计算器坏了，而不是一个被压扁的平行四边形。机器仍然在做事：它把每一次旅行送到一条线上，或送到原点。它只是无法被撤销。「没有逆矩阵」不是宇宙的拒绝。它是对一台丢掉了一个维度的机器的描述。

Math Zen 能帮上什么

矩阵坐落在向量这一层楼板之上，那里的晃动会立刻显形。把各列相加，就是向量加法。「行乘列」那一步是数量积。2 乘 2 矩阵的行列式是平行四边形的有向面积，和向量那篇文章里平行四边形法则用的是同一套几何。如果那些运算还停留在口头上而不是视觉上，每一次矩阵计算都会变成仪式。

Math Zen 的分级题桶练习会把楼层按顺序夯实。前期的题桶反复操练带符号的运算和单位圆。随后的向量题桶让加法、缩放和数量积变成反射。矩阵题桶把这些当作已知，再操练新的运算：乘法、求行列式、求逆、解方程组、求特征值，而这恰好就是这篇文章里那串图景，变成你可以每天做的短题。间隔重复练习会把「各列记录的是坐标轴落在哪里」从一句你曾经觉得有说服力的话，变成你在考题第二行就会用上的反射。

一句话总结

矩阵是一台吃进一次旅行、吐出另一次旅行的机器。那张数字表格是说明书：每一列是一根坐标轴的落点，对任何其他旅行的作用，就是这些列的对应组合。两个矩阵相乘，造出的是先运行右边那一台的机器。行列式是面积还剩多少，为零时机器把平面压扁。逆矩阵是撤销按钮，恰好在什么也没被压扁时存在。特征向量是那些机器只拉伸、不转动的稀有旅行。

这样收拢在一起，这门课里其实只有一个想法，只是被应用到越来越大的机器上。两间教室造成的重影，会在你不再追问矩阵「究竟」是一张表格还是一个变换的那一刻消散。它其实是一台机器，表格不过是坐标轴去了哪里的清单。