What is Matrix?

TODO

What is Eigenvector and Eigenvalue？

任何只被矩阵缩放而不被旋转的矢量被称为该矩阵的特征向量（Eigenvector），而向量被缩放的程度称为特征值（Eigenvalue）。

不同的输入矢量会被缩放和旋转得到不同的结果。然而，这些变换都是线性的，也就是说，任何与输入矢量在同一条线上的矢量都会被映射到与相应输出矢量在同一条线上。

学到的矩阵的第一个应用是如何帮助我们解决方程组。
question:

\[3x - 2y = 1 \\ -x + 4y = 3 \]

系数可以放入一个矩阵，变量放入另一个，输出放在等式右边;

\[\begin{pmatrix} 3 & -2 \\ -1 & 4 \end{pmatrix} \binom{x}{y} = \binom{1}{3} \]

然后怎么求出X,Y？

从正向来看，

矩阵 * （1,1） = （1,3），这个问题是要求我们找出这个矩阵将哪个输入矢量映射到（1,3）。

但是问题是我们怎么知道矩阵将哪个输入矢量映射到这个输出？我们只需要做之前相同的变换，反向进行，即可找到答案（1,1）。

求解逆矩阵：

\[A_{}^{-1} \binom{1}{3} = \binom{1}{1} \]

TODO

矩阵的常用应用，当方程组变得更复杂时，我们只需要扩展矩阵，就可以分析具有任意多个变量的系统。

矩阵在电路和电子领域的应用之所以重要，是因为这些可以用线性方程表示，其中所有电压和电流都是未知变量。
当电路变得复杂时，我们只需要让计算机找到一个逆矩阵，就能得到我们需要的电流和电压。