矩阵与线性变换可视化
2×2 矩阵对空间做了什么 —— 网格变形、面积缩放与不动的特征方向
第一列 (a, c) 就是 î 的像（青色箭头），第二列 (b, d) 就是 ĵ 的像（橙色箭头）。
实时改写旋转类矩阵；当前若非旋转预设，拖动会自动切到「旋转 θ」
动画按 A(t) = (1−t)·I + t·A 从单位矩阵平滑过渡到目标矩阵，暂停可停在任意中间状态。
① 点「剪切」并播放 —— 面积始终 = 1，纵线却越来越斜
② 点「投影」—— 网格塌成一条线，det = 0、秩降为 1
③ 点「旋转 θ」把 θ 拖到 90° —— 读数变成复特征值，虚线消失
④ 拖动画布移动 v，找到与紫色 Av 共线的方向 —— 那就是特征向量
矩阵就是线性变换：列向量是基向量的像
把矩阵只当成一堆数字是最大的浪费。一个 2×2 矩阵A = [[a, b], [c, d]]真正的身份是平面上的一个线性变换：它把每个向量搬到新位置，同时保证「原点不动、直线仍是直线、平行仍然平行、等距网格仍然等距」。这个变换被两列数字完全决定，因为A·î = (a, c)、A·ĵ = (b, d)，而任意向量都能写成 v = xî + yĵ，于是它的像就是 x 倍第一列加 y 倍第二列。上方画布里青色箭头是 î 的像、橙色箭头是 ĵ 的像，两者张成的平行四边形就是原单位正方形被搬运后的样子 —— 看懂这一点，矩阵乘法的定义就不再需要死记。
行列式的几何意义：面积缩放与定向翻转
行列式det A = ad − bc的绝对值等于面积缩放倍数：单位正方形变形成平行四边形后，面积正好是 |det|，而且平面上任何图形的面积都按同一倍数变化。符号则携带方向信息，det < 0 表示定向被翻转，原本从 î 逆时针转向 ĵ，变换后要反过来转，几何上等价于照了一次镜子。剪切变换的 det 恒为 1，所以形状被拉歪但面积分毫不变；反射的 det = −1，面积不变而定向反转。这也解释了为什么复合变换的行列式等于各自行列式之乘积 —— 面积倍数当然要连乘。
特征值与特征向量：不改变方向的轴
大多数向量在变换后既改变长度又改变方向，但总有些特殊方向只被拉伸而不被转动，它们满足A·v = λv，v 是特征向量、λ 是特征值。解特征方程λ² − tr·λ + det = 0得λ = (tr ± √(tr² − 4det))/2。当判别式为负时特征值是共轭复数，说明变换含纯旋转成分，实平面上没有任何方向能保持不变，纯旋转矩阵就是典型例子。λ > 1 表示该方向被拉长，0 < λ < 1 被压短，λ < 0 则被翻到反向。虚线画出的这两条轴，才是理解对角化、二次型主轴和振动主模态的钥匙。
秩、可逆与降维：det = 0 时空间被压扁
当 det = 0 时面积倍数为零，整个平面被压扁到一条过原点的直线上（若矩阵全为零则压成一点），此时秩从 2 降到 1，两列向量共线、线性相关。降维必然伴随信息丢失：直线上的一个点对应原平面上一整条直线的无数个原像，因此无法唯一反推，逆矩阵不存在，方程组 Ax = b 要么无解要么有无穷多解。条件数κ = σ₁/σ₂衡量的正是「离奇异有多近」：κ 越大，副画布中的椭圆越扁，数值求解时误差被放大得越厉害，工程计算里这就是病态矩阵的警报。需要精确的逆矩阵、行列式与特征值数值，可用本站矩阵计算器核算。
工程应用
线性变换几乎支撑起整个工程数学。计算机图形学中平移、旋转、缩放全部写成变换矩阵并连乘成一个齐次矩阵，GPU 每帧对上百万顶点做的就是这件事；机器人学用位姿矩阵描述连杆坐标系之间的变换，正逆运动学本质是矩阵链的合成与求逆；有限元分析中的刚度矩阵把节点位移线性映射为节点力，其特征值决定结构的固有振动模态与失稳临界载荷；材料力学的应力应变张量做特征分解得到主应力方向，正是本页虚线特征轴的三维版本；数据分析里的 PCA 对协方差矩阵求特征向量，用最大特征值方向做主成分实现降维；图像处理的旋转、缩放、仿射校正与透视变换同样都是矩阵乘法。理解「矩阵 = 对空间做的一件事」，这些领域就共享了同一套直觉。
- • 线性代数「线性变换」章节预习
- • 把行列式从公式变成面积直觉
- • 亲眼看到特征向量为何不转动
- • 现场改矩阵元素，替代静态板书
- • 用投影预设讲清 det = 0 与降维
- • 播放插值动画演示空间连续变形
- • 复习图形学与机器人坐标变换
- • 用条件数判断矩阵是否病态
- • 精确数值请用本站矩阵计算器
为什么说矩阵的列就是基向量的像？
因为线性变换只需知道基向量去哪儿了。把 î = (1,0) 代入 A 得到 A·î = (a, c)，正是第一列；ĵ = (0,1) 得到 A·ĵ = (b, d)，正是第二列。任意向量 v = xî + yĵ 的像就是 x·(第一列) + y·(第二列)。你可以在工具里改动 a 或 c，会看到只有青色的 î 箭头动，橙色的 ĵ 箭头不动 —— 这就是"列 = 基向量的像"最直观的证据。
行列式为负说明发生了什么？
det < 0 表示变换翻转了平面的定向，也就是把"右手系"变成了"左手系"。原来从 î 逆时针转到 ĵ，变换后要顺时针转过去。工具里此时平行四边形会变成粉红色并标注"定向已翻转"。试试预设「反射（x 轴）」det = −1 或「反射（y = x）」det = −1：面积大小没变（|det| = 1），但图形被镜像了。镜面反射、坐标轴换序都属于这一类。
det = 0 的时候发生了什么，为什么不可逆？
det = 0 意味着面积缩放倍数为零，整个平面被压扁到一条直线（甚至一个点）上，这就是降维。点击预设「投影（到 x 轴）」可以看到：所有网格线都塌到 x 轴上，î、ĵ 的像共线，平行四边形面积为 0，秩从 2 降到 1。信息在压缩中丢失了 —— 无数个不同的 v 映射到同一个点，因此无法反推回去，逆矩阵不存在。
特征向量的几何意义到底是什么？
特征向量是变换中方向不改变的那些轴：A·v = λv，向量只被拉长或压短 λ 倍（λ 为负时反向），但仍躺在原来的直线上。工具用虚线画出这些直线，实心点是单位特征向量，空心圈是它的像 λv，两点始终在同一条虚线上。有个漂亮的事实：播放动画时特征方向完全不动，因为 (1−t)I + tM 与 M 的特征向量相同，特征值变成 (1−t) + tλ。
为什么纯旋转矩阵没有实特征向量？
因为旋转把每一个方向都转走了，不存在"方向不变"的实向量。代数上，旋转矩阵的判别式 tr² − 4det = 4cos²θ − 4 < 0（θ 不为 0 或 180° 时），特征值是共轭复数 cosθ ± i·sinθ = e^(±iθ)，模长为 1，对应的特征向量在复平面里而非实平面里。选「旋转 θ」预设并把 θ 拖到 90°，读数会给出 0 ± 1i，画布上也不会出现虚线。
这个工具的计算准确吗，能用于作业和教学吗？
所有量都用解析公式在浏览器本地实时计算：行列式 ad − bc、特征值 (tr ± √(tr² − 4det))/2、特征向量由 (A − λI)v = 0 解出并已用 Av = λv 数值校验（残差小于 1e-9），奇异值取 AᵀA 特征值的平方根。用于课堂演示和概念理解完全可靠。若需要逆矩阵、高阶行列式等精确数值结果，请配合本站的矩阵计算器核对。