Matrices and transformations

歡迎來到矩陣（Matrices）的世界！

在這個單元中，我們將學習矩陣 (Matrices) 與變換 (Transformations)。你可以把矩陣想像成一個「數學容器」，用來將數字整理在一個表格中。雖然乍看之下它們只是裝著數字的方格，但它們是非常強大的工具。在現實世界中，矩陣是 3D 電玩圖形、GPS 導航，甚至像 Google 這類搜尋引擎如何對網站進行排名的幕後功臣！

我們將探索如何對它們進行運算，更重要的是，了解它們如何像「遙控器」一樣，用來移動、翻轉和拉伸二維空間中的形狀。如果剛開始覺得有點抽象也別擔心，一旦你看出了當中的規律，就會覺得非常直觀了。

1. 矩陣基礎與代數

矩陣由其階（Order）（即大小）定義，記作行數 \(\times\) 列數 (rows \(\times\) columns)。在本課程中，你將處理最大至 \(3 \times 3\) 的矩陣。

單位矩陣（Identity Matrix，記作 \(I\)）

在普通乘法中，數字 1 是「單位元」，因為 \(5 \times 1 = 5\)。在矩陣的世界中，我們有單位矩陣，記作 \(I\)。它的主對角線（從左上到右下）為 1，其餘位置皆為 0。
對於 \(2 \times 2\) 矩陣：\(I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
對於 \(3 \times 3\) 矩陣：\(I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}\)

矩陣乘法規則

矩陣乘法與普通數字乘法不同，你需要進行「行乘以列」 (Rows by Columns) 的運算。
小撇步：要記住順序，可以想像「RC 可樂」 (RC Cola) 或「跳水進游泳池」（先沿著頂部橫向走，然後垂直跳進列中）。
重要提示：在矩陣代數中，\(AB\) 通常不等於 \(BA\)。乘法的順序非常重要！

轉置矩陣（Transposing a Matrix，記作 \(A^T\)）

轉置意味著將矩陣沿著主對角線「翻轉」。行變成列，列變成行。
課程必記規則：\((AB)^T = B^T A^T\)。注意順序是如何交換的！這就像脫鞋子再脫襪子一樣——要還原（轉置）它們，你必須反轉順序。

快速回顧：
- 矩陣大小 = 行數 \(\times\) 列數。
- \(I\) 是矩陣界的「1」。
- 順序很重要：\(AB \neq BA\)。
- \((AB)^T = B^T A^T\)。

2. 行列式與逆矩陣 (2x2)

對於矩陣 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，有兩個你必須掌握的重要概念。

行列式（Determinant，記作 \(\det A\)）

行列式是一個單一數值，計算公式為：\(\det A = ad - bc\)。
- 若 \(\det A \neq 0\)，該矩陣為非奇異矩陣（non-singular）（它有逆矩陣）。
- 若 \(\det A = 0\)，該矩陣為奇異矩陣（singular）（它沒有逆矩陣）。這就像是一個已經「塌陷」且失去了一個維度的形狀。

逆矩陣（Inverse Matrix，記作 \(A^{-1}\)）

逆矩陣是能夠「撤銷」原始矩陣操作的矩陣。如果你將一個矩陣與其逆矩陣相乘，會得到單位矩陣：\(AA^{-1} = I\)。
對於 \(2 \times 2\) 矩陣：\(A^{-1} = \frac{1}{ad - bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)
步驟：
1. 交換 \(a\) 和 \(d\)（主對角線）。
2. 將 \(b\) 和 \(c\) 的符號變號（另一條對角線）。
3. 將矩陣內的每個元素除以行列式值。
課程必記規則：\((AB)^{-1} = B^{-1} A^{-1}\)。就像轉置一樣，順序是反轉的！

關鍵點：奇異矩陣（\(\det = 0\)）就像除法中的 0 一樣——你無法對它進行「除法」或找到它的逆矩陣。

3. 二維幾何變換

我們可以使用 \(2 \times 2\) 矩陣來變換平面上的座標 \(\begin{pmatrix} x \\ y \end{pmatrix}\)。每個矩陣都講述了一個關於單位正方形如何變化的故事。

標準變換

你需要熟悉這些變換（許多都在你的公式手冊中，但理解它們很有幫助！）：
- 旋轉 (Rotations)：繞原點 \((0,0)\) 旋轉。逆時針為正方向。
- 反射 (Reflections)：沿著如 \(y = x\)、\(y = -x\) 或座標軸的鏡像變換。
- 放大 (Enlargements)：以原點為中心，按比例因子 \(k\) 進行縮放。矩陣：\(\begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix}\)。
- 拉伸 (Stretches)：沿 x 軸或 y 軸平行拉伸形狀。

行列式的意義

你知道嗎？行列式 \(\det A\) 就是變換的面積比例因子 (Area Scale Factor)。
- 若 \(\det A = 3\)，則新形狀的面積變為原來的 3 倍。
- 若 \(\det A = -2\)，則面積變為原來的 2 倍，但形狀已經被翻轉了（改變了定向/手性）。

組合變換

如果你想先進行變換 \(A\)，再進行變換 \(B\)，組合後的矩陣是 \(BA\)。
等等！為什麼是 \(BA\)？因為我們是這樣對向量 \(\mathbf{v}\) 進行運算的：\(B(A\mathbf{v})\)。離向量最近的矩陣先執行。永遠要從右到左閱讀。

快速回顧：
- 行列式 = 面積比例因子。
- 行列式為負 = 涉及反射或翻轉。
- 組合變換：從右到左執行（\(BA\) 代表先做 \(A\)，再做 \(B\)）。

4. 切變（Shears）

切變 (Shear) 是一種將形狀向側向推動的變換，就像傾斜一副紙牌一樣。有一條線（不變線，invariant line）保持不動，其他所有點都平行於該線移動。

- 平行於 x 軸的切變： x 座標改變，但 y 座標保持不變。矩陣：\(\begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix}\)。
- 平行於 y 軸的切變： y 座標改變，但 x 座標保持不變。矩陣：\(\begin{pmatrix} 1 & 0 \\ k & 1 \end{pmatrix}\)。
注意：你需要學會識別這些矩陣。數值 \(k\) 代表切變的「強度」。

5. 不變點與不變線

這通常是本章中最棘手的部分，但我們用一個類比來拆解它。

不變點（Invariant Points）

不變點是指在變換後完全沒有移動的點。
如果 \(M \mathbf{v} = \mathbf{v}\)，那麼 \(\mathbf{v}\) 就是不變的。對於我們在這裡研究的所有變換，原點 \((0,0)\) 都是不變的！

不變線 vs. 不變點直線

它們聽起來很像，但意義完全不同：
1. 不變點直線 (Line of Invariant Points)：該直線上的每一個點都保持在原來的位置。想想反射**—鏡像線上的每個點都保持不動。
2. 不變線 (Invariant Line)：整條直線變換後仍落在自身的位置上，但線上的個別點可能在線上移動。想想以原點為中心的放大**—任何通過原點的直線都是不變的，因為點只是沿著同一條線向外滑動。

如何尋找它們：要找到不變線 \(y = mx\)，請將矩陣作用於一般點 \(\begin{pmatrix} x \\ mx \end{pmatrix}\)，並確保結果 \(\begin{pmatrix} x' \\ y' \end{pmatrix}\) 仍然滿足 \(y' = mx'\)。

關鍵點：
- 不變點 = 「我保持在這裡不動。」
- 不變線 = 「我們團隊保持在這一條車道上，即使我們在裡面走動。」

常見錯誤提示

- 乘法順序錯誤：記住，對於變換，第一個執行的變換寫在右邊。
- 行列式符號：小心 \(\det A = ad - bc\)，特別是當 \(b\) 或 \(c\) 為負數時。負負得正！
- 混淆切變與拉伸：拉伸會改變大小（行列式 \(\neq 1\)），但切變只會改變形狀（行列式始終為 1）。
- 弧度與角度：使用旋轉矩陣時，請務必檢查題目要求的是角度（degree）還是弧度（radian）！

你能行的！矩陣需要一點練習來掌握計算的「節奏」，但它們是 Further Maths 中最穩定且邏輯最清晰的部分之一。