图片来自《鸢尾花书4矩阵力量》
这张图在讲一件很核心、很“机器学习/线性代数”风格的事：
把“两个方程”打包成一个矩阵方程
Ax=b，然后用逆矩阵A⁻¹一步解出未知量x。
我按图里的顺序，用最通俗的方式解释一遍。
1）左边：原本是两个一元一次方程（其实是二元）
图里一开始是：
你可以把它理解成：
第一条：
第二条：
我们要找的就是x1和x2这两个未知数。
2）中间：把系数“收集”成一个矩阵
图里做了一个“打包”动作：
它对应关系非常直观：
✅ 系数矩阵 A
就是把每个方程里 x1,x2 的系数按顺序排成表格。
✅ 未知量向量 x
把未知数竖着放成一列。
✅ 常数向量 b
把等号右边的常数竖着放成一列。
3）一句话写法：Ax = b
所以图里写：
Ax=b
意思就是：
矩阵 A 乘上未知向量 x，结果等于 b。
这相当于把“两条方程”合成了“一条矩阵方程”。
4）怎么求解 x？用逆矩阵“反过来乘”
如果矩阵 A 是可逆的，那么就能两边同时左乘A⁻¹：
因为：
是单位矩阵（相当于数字里的 1），所以：
因此得到结论：
这就是图里最关键的公式：
✅解向量 x = 逆矩阵 A⁻¹ × b
5）图里给出了 A 的逆矩阵，并算出了结果
A 的逆矩阵，是如何算出来的？
我们一步步把它算出来（完全对应你图里的 A）：
(5.1）先写出矩阵 A
(5.2）2×2 逆矩阵有一个“万能公式”
对任何
它的逆矩阵是：
你会看到它分两部分：
分母 ad−bc：叫做行列式（determinant）
右边那个矩阵：把 a,d 交换，b,c 变号
(5.3）代入 A 的 a,b,c,d
对
所以：
a=1
b=1
c=2
d=4
(5.4）先算行列式 det(A)
✅ 行列式不为 0，说明A 可逆。
(5.5）按规则拼出“伴随矩阵那部分”
公式里那部分：
(5.6）最后除以 det(A)=2
✅ 这就得到了你图里那个逆矩阵：
(5.7）为什么这个公式一定对？（快速验算）
逆矩阵的定义是：
我们直接乘一下看看是不是单位矩阵：
逐项算：
左上：2−1=1
右上：−0.5+0.5=0
左下：4−4=0
右下：−1+2=1
得到：
✅ 完全正确。
总结（最记忆友好的版本）
对 2×2 矩阵：
逆矩阵就是：
图中写：
然后计算：
我们来手算验证一下，让它更“有感觉”。
✅ 算 x1
逐步算：
所以：
✅ 算 x2
逐步算：
所以：
6）最后一句：逆矩阵完成了 “b → x 的线性映射”
图里最后写：
逆矩阵
完成 b→x 线性映射。
这句话用大白话讲就是：
你给我一个结果 b，我用
立刻把它“翻译回”未知数 x。
就像：
A 是“从原因推出结果”的机器（给 x 得 b）
是“从结果反推原因”的机器（给 b 得 x）
7）用原方程再验算一次（更踏实）
我们算出。
带回去：
x1+x2=23+12=35✅
✅
完全匹配。
总结一句话（最通俗版）
这张图就是在讲：
把多个方程整理成矩阵形式
Ax=b，再用x=A⁻¹b一步解出所有未知数。
