歡迎來到矩陣的世界！
在本章中，我們將學習矩陣 (Matrices)。你可以把矩陣想像成一種將資訊整理在行列方格中的方式。雖然它們看起來只是裝著數字的方框，但矩陣的力量非常強大！它們是電腦圖學（像是你最愛的電子遊戲）、GPS 系統以及複雜工程計算背後的「秘密武器」。
別擔心，如果剛開始覺得這些概念有點抽象。我們會一步步拆解，從基礎的運算開始，直到如何利用矩陣來移動和縮放二維空間中的圖形。
1. 基礎：什麼是矩陣？
矩陣就是一個數字的長方形排列。我們透過它的維度 (Dimensions) 來描述矩陣的大小：行數 \(\times\) 列數 (Rows \(\times\) Columns)。
記憶小撇步：記住 "RC"（就像遙控車 Remote Control），代表 Rows（行）先，Columns（列）後。
矩陣運算
加法與減法：這非常直接！你只需要將相同位置的數字相加或相減即可。
注意：只有當兩個矩陣的維度完全相同時，才能進行加減運算。
矩陣乘法：這與一般的乘法有點不同。我們不是「數字乘數字」，而是以行乘列 (Rows by Columns) 的方式進行。
要算出結果矩陣中第一行第一列的元素：
1. 取第一個矩陣的第一行 (Row)。
2. 取第二個矩陣的第一列 (Column)。
3. 將對應的數字相乘並相加（這稱為點積 dot product）。
零矩陣 (\(\mathbf{0}\))：所有元素皆為零的矩陣。它在矩陣運算中的角色就像一般數學中的「0」。
單位矩陣 (\(\mathbf{I}\))：這是一個方陣（行數與列數相等），其主對角線（從左上角到右下角）全為 1，其餘位置全為 0。例如，一個 \(2 \times 2\) 的單位矩陣是：
\(\mathbf{I} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)
任何矩陣乘以 \(\mathbf{I}\) 的結果都不會改變，就像任何數字乘以 1 一樣！
快速複習：
- 行 \(\times\) 列 (RC)。- 加法/減法：對應元素必須匹配。
- 乘法：第一個矩陣的行 \(\times\) 第二個矩陣的列。
2. 行列式與反矩陣
每一個方陣都有一個與之對應的特殊數字，稱為行列式 (Determinant)（記作 \(\det \mathbf{M}\) 或 \(|\mathbf{M}|\)）。這個數字能告訴我們很多關於該矩陣的特性。
奇異與非奇異矩陣
- 若 \(\det \mathbf{M} = 0\)，該矩陣為奇異矩陣 (Singular)。它沒有反矩陣（某種程度上它是「損壞」的）。
- 若 \(\det \mathbf{M} \neq 0\)，該矩陣為非奇異矩陣 (Non-singular)。它擁有反矩陣。
求 \(2 \times 2\) 矩陣的反矩陣
若 \(\mathbf{A} = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，其反矩陣 \(\mathbf{A}^{-1}\) 的求法如下：
1. 計算行列式：\(\det \mathbf{A} = ad - bc\)。
2. 交換 \(a\) 和 \(d\)。
3. 將 \(b\) 和 \(c\) 變號。
4. 將整個矩陣除以行列式：
\(\mathbf{A}^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)
求 \(3 \times 3\) 矩陣的行列式
對於 \(3 \times 3\) 矩陣，我們沿著一行（通常是第一行）進行「展開」。
若 \(\mathbf{M} = \begin{pmatrix} a & b & c \\ d & e & f \\ g & h & i \end{pmatrix}\)，則：
\(\det \mathbf{M} = a(ei - fh) - b(di - fg) + c(dh - eg)\)
注意：記得第一行的「加、減、加」規律！
關鍵重點：
- 奇異矩陣 = 行列式為 0（無反矩陣）。- 非奇異矩陣 = 行列式不為 0（有反矩陣）。
3. 反矩陣的重要性質
關於兩個矩陣相乘後的反矩陣，有一個非常重要的規則：
\((\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}\)
類比：這可以被想作「穿襪與穿鞋」規則。如果你先穿上襪子 (\(\mathbf{B}\)) 再穿上鞋子 (\(\mathbf{A}\))，要還原這個過程，你必須先脫掉鞋子 (\(\mathbf{A}^{-1}\))，再脫掉襪子 (\(\mathbf{B}^{-1}\))。順序是顛倒的！
4. 作為幾何變換的矩陣
我們可以使用 \(2 \times 2\) 矩陣來對 \(x-y\) 平面上的座標進行變換。如果我們有一個點 \(\begin{pmatrix} x \\ y \end{pmatrix}\)，將它與變換矩陣 \(\mathbf{M}\) 相乘，就能得到一個新的點。
必須掌握的標準變換：
- 反射 (Reflection)：將圖形沿著一條線翻轉（如 x 軸、y 軸或 \(y=x\)。
- 旋轉 (Rotation)：圍繞原點 \((0,0)\) 旋轉圖形。通常為逆時針方向。
- 放大 (Enlargement)：以原點為中心將圖形放大或縮小。
- 拉伸 (Stretch)：在一個方向（水平或垂直）上拉伸圖形。
- 錯切 (Shear)：傾斜圖形（就像把一疊撲克牌推向一側）。
結合變換
如果你先執行變換 \(\mathbf{B}\)，然後再執行變換 \(\mathbf{A}\)，所得的結果矩陣為 \(\mathbf{AB}\)。
等等！為什麼是 \(\mathbf{AB}\) 而不是 \(\mathbf{BA}\)？
因為我們是從右邊將矩陣作用於向量：\(\mathbf{A}(\mathbf{B}\mathbf{v})\)。離向量最近的那個變換會先發生！
面積比例因子 (Area Scale Factor)
你知道嗎？變換矩陣的行列式告訴你面積是如何改變的！
- 影像面積 = \(|\det \mathbf{M}| \times\) 物體面積
- 若行列式為負，代表圖形的定向（方向感）已被反轉（例如反射）。
常見錯誤：
切記，在進行變換時，矩陣乘法的順序很重要！ \(\mathbf{AB}\) 通常不等於 \(\mathbf{BA}\)。5. 不變點與不變線
有時候，變換會讓某些特定事物保持在原位。
不變點 (Invariant Point)：不會移動的點。要找到它，請解 \(\mathbf{M} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x \\ y \end{pmatrix}\)。原點 \((0,0)\) 幾乎總是一個不變點。
不變線 (Invariant Line)：這比較棘手！這是一條線，線上所有的點在變換後依然落在同一條線上。
- 想像火車在軌道上行駛。火車移動了，但它始終在軌道上。那條軌道就是不變線。
不變點之線 (Line of Invariant Points)：這是一種特殊的不變線，線上每一個點都維持在完全相同的位置。
- 想像一排站著不動的人。他們不僅保持在線上，而且完全沒有移動！
不變性總結：
- 不變點：\(\mathbf{M}\mathbf{x} = \mathbf{x}\)（點被卡住了）。
- 不變線：點會移動，但仍停留在該線的路徑上。
最後的鼓勵
學習矩陣感覺就像在學習一種新語言。剛開始時，你可能只專注於加法和乘法的規則。但隨著不斷練習，你會開始明白它們是如何描述空間與運動的。繼續練習那些 \(3 \times 3\) 行列式，並記住反矩陣的「穿襪與穿鞋」規則。你一定做得到的！