矩阵变换简介
欢迎来到矩阵变换的世界！如果你玩过电子游戏，或使用过修图软件来旋转或调整图片大小，你其实已经见识过矩阵变换的威力了。在 Further Pure Mathematics 1 (FP1) 的这一章中，我们将学习如何利用 2x2 的矩阵（一组数字格）来移动、翻转、拉伸和旋转图形。如果以前你觉得矩阵只是“一堆数字”，别担心——在这里，它们将成为创造动态效果的强大工具！
1. 什么是线性变换 (Linear Transformation)？
线性变换是一种将点 \( (x, y) \) 移动到新位置 \( (x', y') \) 的规则。我们通常将原始点表示为列向量 (column vector)：
\( \begin{pmatrix} x \\ y \end{pmatrix} \)
当我们用 2x2 矩阵乘以这个向量时，就会得到该点的“像 (image)”或新位置。这就像给该点一套 GPS 指令，告诉它下一步该去哪里。
秘密武器：单位正方形 (The Unit Square)
理解任何矩阵最简单的方法，就是观察它如何处理两个特定的点：\( I(1, 0) \) 和 \( J(0, 1) \)。这两个点是“单位正方形”的顶点。
若矩阵为 \( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)：
- 第一列 \( \begin{pmatrix} a \\ c \end{pmatrix} \) 即为点 \( (1, 0) \) 移动后的位置。
- 第二列 \( \begin{pmatrix} b \\ d \end{pmatrix} \) 即为点 \( (0, 1) \) 移动后的位置。
快速回顾：要找出任何变换的矩阵，只需问自己：“\( (1, 0) \) 去了哪里？”以及“\( (0, 1) \) 去了哪里？”。将这两个新的坐标填入矩阵的两列即可！
2. 标准几何变换
课程要求你必须辨认并使用几种特定的变换。让我们逐一拆解。
A. 反射 (Reflections)
想像在坐标平面上放一面镜子。反射会将图形沿著特定直线翻转。
- 沿 x 轴反射：点 \( (1,0) \) 维持在 \( (1,0) \)，但 \( (0,1) \) 翻转至 \( (0,-1) \)。矩阵：\( \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} \)
- 沿 y 轴反射：点 \( (1,0) \) 翻转至 \( (-1,0) \)，但 \( (0,1) \) 维持在 \( (0,1) \)。矩阵：\( \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \)
- 沿直线 \( y = x \) 反射：这会互换 \( x \) 和 \( y \) 坐标。矩阵：\( \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \)
- 沿直线 \( y = -x \) 反射：互换坐标并改变符号。矩阵：\( \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} \)
B. 旋转 (Rotations)
旋转是指图形绕原点 \( (0, 0) \) 转动。在数学中，正角 (positive angles) 永远代表逆时针 (anti-clockwise) 旋转！
绕原点逆时针旋转 \( \theta \) 的通用矩阵为：
\( \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} \)
例子：对于逆时针旋转 90°，\( \cos 90 = 0 \) 且 \( \sin 90 = 1 \)。矩阵变为 \( \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \)。
C. 放大与拉伸 (Enlargements and Stretches)
这些变换会改变图形的大小。
- 放大（中心点 (0,0)，缩放因子 \( k \)）：将整个图形放大 \( k \) 倍。矩阵：\( \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} \)
- 平行于 x 轴拉伸（缩放因子 \( k \)）：像拉面团一样水平拉伸图形。矩阵：\( \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} \)
- 平行于 y 轴拉伸（缩放因子 \( k \)）：垂直拉伸图形。矩阵：\( \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} \)
重点总结：反射和旋转通常涉及 0、1 或三角函数值。拉伸和放大则使用缩放因子 \( k \)。
3. 组合变换 (Combined Transformations)
如果你想将图形先旋转，再进行反射呢？这就是组合变换。
如果变换 \( B \) 由矩阵 \( \mathbf{B} \) 表示，变换 \( A \) 由矩阵 \( \mathbf{A} \) 表示，则“先做 B，后做 A”的组合变换由以下矩阵乘法表示：
\( \mathbf{AB} \)
常见错误警示：顺序是反过来的！如果你先做 \( B \)，它的矩阵要放在右边。想像成函数：\( A(B(x)) \)。离向量 \( x \) 最近的那个运算先发生。
记忆小贴士：“由右至左”。阅读矩阵乘法时由右向左看，就能清楚变换的顺序。
4. 行列式 (Determinants) 与面积
矩阵的行列式与它所变换的图形之间有着美妙的联系。如果你有一个矩阵 \( \mathbf{M} \)：
像的面积 = \( | \det(\mathbf{M}) | \times \) 原图面积
行列式告诉你面积的缩放因子。
- 若 \( \det(\mathbf{M}) = 3 \)，新图形面积是原来的 3 倍。
- 若 \( \det(\mathbf{M}) = 1 \)，面积不变（如旋转或反射）。
- 若 \( \det(\mathbf{M}) \) 为负数，表示图形被倒转 (inverted) 了，但计算面积时取其绝对值作为缩放因子。
你知道吗？如果行列式为 0，该矩阵称为“奇异矩阵 (singular)”。这意味着它将整个 2D 图形压缩成一条线或一个点，因此面积变为 0！
5. 逆变换 (Inverse Transformations)
逆矩阵 \( \mathbf{M}^{-1} \) 就像是一个“复原”按钮。如果矩阵 \( \mathbf{M} \) 将图形旋转了 30°，那么 \( \mathbf{M}^{-1} \) 就会将其反向旋转 -30°。
如果变换是一个组合 \( \mathbf{AB} \)（表示先做 B，再做 A），那么复原整个过程的逆矩阵为：
\( (\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1} \)
注意顺序互换了！就像穿衣服：先穿袜子，再穿鞋 (\( AB \))。要脱掉它们，必须先脱鞋，再脱袜子 (\( B^{-1}A^{-1} \))。
快速回顾：
1. 行列式是面积缩放因子。
2. 逆矩阵会反转变换过程。
3. 要找出组合变换的逆矩阵，请将顺序反转并分别对每个矩阵取逆。
成功备试清单
考前请确保你能：
- 辨认沿 \( x=0, y=0, y=x, y=-x \) 反射的矩阵。
- 构建任意角度 \( \theta \) 的旋转矩阵。
- 透过以正确（相反）的顺序相乘矩阵来合并两个变换。
- 使用行列式计算变换后图形的面积。
- 解释变换矩阵的逆矩阵有何作用。
如果刚开始觉得很抽象，别担心！试着画出单位正方形，并手动移动它的顶点 \( (1,0) \) 和 \( (0,1) \)——矩阵从视觉上会变得容易理解得多！