Transformations using matrices

欢迎来到矩阵变换的世界！

你有没有想过，你最爱的电子游戏中的电脑图像，是如何在屏幕上移动角色的？又或者，相片编辑器是如何「拉伸」或「旋转」你的照片的？在那些按钮和滑块的背后，正是矩阵代数 (Matrix Algebra) 的强大力量！在本章中，我们将学习如何将 2x2 矩阵当作「数学机器」，用来在坐标网格上平移、翻转和调整图形的大小。别担心，如果起初觉得这些概念有点抽象，我们会一步步为你拆解！

1. 基本概念：以列向量表示点

在进行任何变换之前，我们需要使用正确的「语言」。在矩阵变换中，我们将一个点 \( (x, y) \) 表示为一个列向量 (column vector)：

\( \begin{pmatrix} x \\ y \end{pmatrix} \)

当我们讲一个 2x2 矩阵乘以这个列向量时，会得到一个新的列向量，它代表该点的像 (image)，也就是变换后的新位置。

黄金法则：矩阵 \( \times \) 物体 \( = \) 像
\( \mathbf{M} \mathbf{v} = \mathbf{v'} \)

快速复习：如何进行乘法

要找出新的 \( x \)，请乘以顶行；要找出新的 \( y \)，请乘以底行：
\( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} ax + by \\ cx + dy \end{pmatrix} \)

重点归纳：矩阵就像是一个「规则」，告诉图形上的每一个点准确地移动到哪里。

2. 「单位向量」技巧（如何找出任意矩阵）

还在苦恼记不住哪个矩阵对应什么变换吗？有一个简单的秘诀！每个变换矩阵都是由网格中两个「积木」的变化所构成的：

1. 向量 \( \mathbf{i} \)：\( \begin{pmatrix} 1 \\ 0 \end{pmatrix} \)（向右移动一步）
2. 向量 \( \mathbf{j} \)：\( \begin{pmatrix} 0 \\ 1 \end{pmatrix} \)（向上移动一步）

如果你知道这两个点在变换后落在什么位置，你就找到了该矩阵！第一列是 \( \mathbf{i} \) 的去向，第二列则是 \( \mathbf{j} \) 的去向。

你知道吗？这被称为「线性变换 (Linear Transformation)」，因为原点 \( (0,0) \) 永远不会移动，而且直线变换后依然保持为直线！

3. 常见的几何变换

反射 (Reflections)

想象在图表上放置一面镜子。该矩阵会将图形沿著镜射线「翻转」。

• 关于 x 轴反射： \( \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} \)（y 坐标符号互换）
• 关于 y 轴反射： \( \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \)（x 坐标符号互换）
• 关于 \( y = x \) 反射： \( \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \)（x 和 y 坐标位置互换）
• 关于 \( y = -x \) 反射： \( \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} \)

旋转 (Rotations)

这些矩阵会使图形绕着原点 \( (0,0) \) 转动。在数学中，正角度表示逆时针旋转！

旋转角度为 \( \theta \) 的通用矩阵为：
\( \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} \)

例子：对于 90° 逆时针旋转，由于 \( \cos(90)=0 \) 且 \( \sin(90)=1 \)，我们得到： \( \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \)。

放大与拉伸 (Enlargements and Stretches)

这些变换会改变图形的大小。

• 放大（中心为 (0,0)，比例因子 \( k \)）： \( \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} \)
• 平行于 x 轴拉伸（比例因子 \( k \)）： \( \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} \)
• 平行于 y 轴拉伸（比例因子 \( k \)）： \( \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} \)

重点归纳：如果矩阵的对角线外有数值（非对角元素），通常涉及反射或旋转。如果角落（对角线外）是 0，则通常是拉伸或放大。

4. 组合变换（「袜子与鞋子」规则）

如果我们想先对图形进行反射，然后再旋转，该怎么办？我们可以使用矩阵乘法！

如果先进行变换 \( \mathbf{A} \)，随后进行变换 \( \mathbf{B} \)，则组合后的矩阵为 \( \mathbf{BA} \)。

等等，为什么顺序是反过来的？
把它想像成先穿袜子再穿鞋子。如果向量是 \( \mathbf{v} \)：
1. 首先，应用 A： \( \mathbf{A} \mathbf{v} \)
2. 然后，将 B 应用于结果： \( \mathbf{B}(\mathbf{A} \mathbf{v}) \)
这就是为什么我们写成 \( \mathbf{BA} \)。最靠近向量的变换会优先执行！

常见错误：学生通常会按照阅读顺序（先 A 后 B）进行乘法。请务必记得从右到左书写！

5. 行列式与面积

矩阵最酷的地方之一，就是它们能告诉你图形的面积变化了多少。

变换的面积比例因子 (area scale factor) 是该矩阵行列式 (determinant) 的绝对值。

\( \text{新面积} = |\text{det}(\mathbf{M})| \times \text{旧面积} \)

快速提醒：对于矩阵 \( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)，行列式为 \( ad - bc \)。

注意：如果行列式为负，仅表示该图形在调整大小的同时也进行了「翻转」（反射）。

重点归纳：如果行列式为 1，则面积不会改变（例如简单的旋转或反射）。

6. 逆矩阵：反向操作

如果矩阵 \( \mathbf{M} \) 将物体变换为像，则逆矩阵 \( \mathbf{M}^{-1} \) 会将像变回原始物体。

别担心，这看起来有点棘手：你只需要使用标准公式来求 2x2 矩阵的逆矩阵：
\( \mathbf{M}^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \)

如果行列式为 0，则该矩阵为奇异矩阵 (singular matrix)。这意味着该变换将整个图形压缩成一条线或一个点——你无法「撤销」这种操作，因此它没有逆矩阵！

重点摘要：
1. 点使用列向量表示。
2. 矩阵的列是 (1,0) 和 (0,1) 的像。
3. 乘法顺序很重要： \( \mathbf{BA} \) 代表先做 A 再做 B。
4. 行列式即为面积比例因子。
5. 逆矩阵用于「撤销」变换。