Matrices and transformations

欢迎来到矩阵（Matrices）的世界！

在这个单元中，我们将学习矩阵 (Matrices) 与变换 (Transformations)。你可以把矩阵想象成一个“数学容器”，用来将数字整理在一个表格中。虽然乍看之下它们只是装著数字的方格，但它们是非常强大的工具。在现实世界中，矩阵是 3D 电玩图形、GPS 导航，甚至像 Google 这类搜索引擎如何对网站进行排名的幕后功臣！

我们将探索如何对它们进行运算，更重要的是，了解它们如何像“遥控器”一样，用来移动、翻转和拉伸二维空间中的形状。如果刚开始觉得有点抽象也别担心，一旦你看出了当中的规律，就会觉得非常直观了。

1. 矩阵基础与代数

矩阵由其阶（Order）（即大小）定义，记作行数 \(\times\) 列数 (rows \(\times\) columns)。在本课程中，你将处理最大至 \(3 \times 3\) 的矩阵。

单位矩阵（Identity Matrix，记作 \(I\)）

在普通乘法中，数字 1 是“单位元”，因为 \(5 \times 1 = 5\)。在矩阵的世界中，我们有单位矩阵，记作 \(I\)。它的主对角线（从左上到右下）为 1，其余位置皆为 0。
对于 \(2 \times 2\) 矩阵：\(I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
对于 \(3 \times 3\) 矩阵：\(I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}\)

矩阵乘法规则

矩阵乘法与普通数字乘法不同，你需要进行“行乘以列” (Rows by Columns) 的运算。
小撇步：要记住顺序，可以想象“RC 可乐” (RC Cola) 或“跳水进游泳池”（先沿着顶部横向走，然后垂直跳进列中）。
重要提示：在矩阵代数中，\(AB\) 通常不等于 \(BA\)。乘法的顺序非常重要！

转置矩阵（Transposing a Matrix，记作 \(A^T\)）

转置意味着将矩阵沿着主对角线“翻转”。行变成列，列变成行。
课程必记规则：\((AB)^T = B^T A^T\)。注意顺序是如何交换的！这就像脱鞋子再脱袜子一样——要还原（转置）它们，你必须反转顺序。

快速回顾：
- 矩阵大小 = 行数 \(\times\) 列数。
- \(I\) 是矩阵界的“1”。
- 顺序很重要：\(AB \neq BA\)。
- \((AB)^T = B^T A^T\)。

2. 行列式与逆矩阵 (2x2)

对于矩阵 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，有两个你必须掌握的重要概念。

行列式（Determinant，记作 \(\det A\)）

行列式是一个单一数值，计算公式为：\(\det A = ad - bc\)。
- 若 \(\det A \neq 0\)，该矩阵为非奇异矩阵（non-singular）（它有逆矩阵）。
- 若 \(\det A = 0\)，该矩阵为奇异矩阵（singular）（它没有逆矩阵）。这就像是一个已经“塌陷”且失去了一个维度的形状。

逆矩阵（Inverse Matrix，记作 \(A^{-1}\)）

逆矩阵是能够“撤销”原始矩阵操作的矩阵。如果你将一个矩阵与其逆矩阵相乘，会得到单位矩阵：\(AA^{-1} = I\)。
对于 \(2 \times 2\) 矩阵：\(A^{-1} = \frac{1}{ad - bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)
步骤：
1. 交换 \(a\) 和 \(d\)（主对角线）。
2. 将 \(b\) 和 \(c\) 的符号变号（另一条对角线）。
3. 将矩阵内的每个元素除以行列式值。
课程必记规则：\((AB)^{-1} = B^{-1} A^{-1}\)。就像转置一样，顺序是反转的！

关键点：奇异矩阵（\(\det = 0\)）就像除法中的 0 一样——你无法对它进行“除法”或找到它的逆矩阵。

3. 二维几何变换

我们可以使用 \(2 \times 2\) 矩阵来变换平面上的坐标 \(\begin{pmatrix} x \\ y \end{pmatrix}\)。每个矩阵都讲述了一个关于单位正方形如何变化的故事。

标准变换

你需要熟悉这些变换（许多都在你的公式手册中，但理解它们很有帮助！）：
- 旋转 (Rotations)：绕原点 \((0,0)\) 旋转。逆时针为正方向。
- 反射 (Reflections)：沿着如 \(y = x\)、\(y = -x\) 或坐标轴的镜像变换。
- 放大 (Enlargements)：以原点为中心，按比例因子 \(k\) 进行缩放。矩阵：\(\begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix}\)。
- 拉伸 (Stretches)：沿 x 轴或 y 轴平行拉伸形状。

行列式的意义

你知道吗？行列式 \(\det A\) 就是变换的面积比例因子 (Area Scale Factor)。
- 若 \(\det A = 3\)，则新形状的面积变为原来的 3 倍。
- 若 \(\det A = -2\)，则面积变为原来的 2 倍，但形状已经被翻转了（改变了定向/手性）。

组合变换

如果你想先进行变换 \(A\)，再进行变换 \(B\)，组合后的矩阵是 \(BA\)。
等等！为什么是 \(BA\)？因为我们是这样对向量 \(\mathbf{v}\) 进行运算的：\(B(A\mathbf{v})\)。离向量最近的矩阵先执行。永远要从右到左阅读。

快速回顾：
- 行列式 = 面积比例因子。
- 行列式为负 = 涉及反射或翻转。
- 组合变换：从右到左执行（\(BA\) 代表先做 \(A\)，再做 \(B\)）。

4. 切变（Shears）

切变 (Shear) 是一种将形状向侧向推动的变换，就像倾斜一副纸牌一样。有一条线（不变线，invariant line）保持不动，其他所有点都平行于该线移动。

- 平行于 x 轴的切变： x 坐标改变，但 y 坐标保持不变。矩阵：\(\begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix}\)。
- 平行于 y 轴的切变： y 坐标改变，但 x 坐标保持不变。矩阵：\(\begin{pmatrix} 1 & 0 \\ k & 1 \end{pmatrix}\)。
注意：你需要学会识别这些矩阵。数值 \(k\) 代表切变的“强度”。

5. 不变点与不变线

这通常是本章中最棘手的部分，但我们用一个类比来拆解它。

不变点（Invariant Points）

不变点是指在变换后完全没有移动的点。
如果 \(M \mathbf{v} = \mathbf{v}\)，那么 \(\mathbf{v}\) 就是不变的。对于我们在这里研究的所有变换，原点 \((0,0)\) 都是不变的！

不变线 vs. 不变点直线

它们听起来很像，但意义完全不同：
1. 不变点直线 (Line of Invariant Points)：该直线上的每一个点都保持在原来的位置。想想反射**—镜像线上的每个点都保持不动。
2. 不变线 (Invariant Line)：整条直线变换后仍落在自身的位置上，但线上的个别点可能在线上移动。想想以原点为中心的放大**—任何通过原点的直线都是不变的，因为点只是沿着同一条线向外滑动。

如何寻找它们：要找到不变线 \(y = mx\)，请将矩阵作用于一般点 \(\begin{pmatrix} x \\ mx \end{pmatrix}\)，并确保结果 \(\begin{pmatrix} x' \\ y' \end{pmatrix}\) 仍然满足 \(y' = mx'\)。

关键点：
- 不变点 = “我保持在这里不动。”
- 不变线 = “我们团队保持在这一条车道上，即使我们在里面走动。”

常见错误提示

- 乘法顺序错误：记住，对于变换，第一个执行的变换写在右边。
- 行列式符号：小心 \(\det A = ad - bc\)，特别是当 \(b\) 或 \(c\) 为负数时。负负得正！
- 混淆切变与拉伸：拉伸会改变大小（行列式 \(\neq 1\)），但切变只会改变形状（行列式始终为 1）。
- 弧度与角度：使用旋转矩阵时，请务必检查题目要求的是角度（degree）还是弧度（radian）！

你能行的！矩阵需要一点练习来掌握计算的“节奏”，但它们是 Further Maths 中最稳定且逻辑最清晰的部分之一。