歡迎來到矩陣的世界！
各位進階數學（Further Mathematicians）的同學們，大家好！這一章我們將要探索矩陣（Matrices）。你可以把矩陣想像成一種將資訊組織成網格的方法，就像試算表一樣。雖然起初它們看起來只是一堆數字方格，但矩陣其實是功能強大的工具，廣泛應用於電腦圖學、工程學和物理學中，用來解決複雜問題及變換空間中的圖形。如果感覺有太多新術語，請別擔心——我們會一步一步為大家拆解！
1. 矩陣的語言
在我們開始用矩陣進行運算之前，必須先掌握它的專門用語。矩陣是一個將數字（或複數）排列成列（rows）和行（columns）的長方形陣列。
你需要掌握的關鍵術語：
- 維度（Dimensions，\(m \times n\)）： 我們透過列數（\(m\)）和行數（\(n\)）來描述矩陣的大小。記憶小技巧：永遠先數「向下」（列），再數「向右」（行）。
- 方陣（Square Matrix）： 行數等於列數的矩陣（例如 \(2 \times 2\) 或 \(3 \times 3\)）。
- 零矩陣（Zero/Null Matrix）： 所有元素皆為 \(0\) 的矩陣，以符號 0 表示。
- 單位矩陣（Identity Matrix，\(I\)）： 主對角線（從左上到右下）均為 \(1\)，其餘元素皆為 \(0\) 的方陣。它在矩陣乘法中的作用就像普通乘法中的數字「1」。
- 轉置矩陣（Transpose，\(M^T\)）： 將矩陣的行與列互換後得到的矩陣。第一列會變成第一行，以此類推。
- 相等矩陣（Equal Matrices）： 兩個矩陣必須維度相同，且對應位置的每個元素都完全相同，它們才相等。
快速回顧： 矩陣只有在尺寸「匹配」的情況下才能進行特定運算。我們將在下一節中說明這意味著什麼！
2. 矩陣算術
矩陣的加減法很簡單，但乘法則需要更加專注。
加法與減法
進行加減法時，矩陣必須是相同大小的。你只需要將相同位置的數字進行相加或相減即可。
\(\begin{pmatrix} a & b \\ c & d \end{pmatrix} + \begin{pmatrix} e & f \\ g & h \end{pmatrix} = \begin{pmatrix} a+e & b+f \\ c+g & d+h \end{pmatrix}\)
純量乘法（Scalar Multiplication）
這指的是將矩陣與一個單一數字（純量，scalar）相乘。只需將矩陣中的每一個元素都乘以該數字即可。
矩陣乘法（最棘手的部分！）
要將矩陣 \(A\) 乘以矩陣 \(B\)，A 的行數必須與 B 的列數相匹配，我們稱之為相容（conformable）。
規則：列乘行（Row by Column）。 要計算結果中的某個元素，你需要將第一個矩陣的某一「列」的元素與第二個矩陣的某一「行」的元素對應相乘，然後將結果加總。
例子： 要得到結果矩陣左上角的元素，請使用 \(A\) 的第一列與 \(B\) 的第一行進行運算。
重要性質：
- 不可交換（Not Commutative）： 通常 \(AB \neq BA\)。順序很重要！
- 結合律（Associative）： \((AB)C = A(BC)\)。只要保持順序不變，你可以任意分組。
- 零矩陣： 任何矩陣乘以零矩陣，結果均為零矩陣。
- 單位矩陣： 任何矩陣 \(M\) 乘以單位矩陣 \(I\)，其值保持不變：\(MI = IM = M\)。
核心重點： 在矩陣乘法中，順序就是一切。想像一下穿襪子再穿鞋的過程——你不能隨意調換順序，否則結果會完全不同！
3. 行列式（Determinants）
行列式是一個由方陣計算出的單一數值，它能告訴我們該矩陣所代表的變換的「縮放」程度。
計算行列式（\(\det M\) 或 \(|M|\)）：
- 對於 \(2 \times 2\) 矩陣 \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\)：行列式值為 \(ad - bc\)。
- 對於 \(3 \times 3\) 矩陣： 計算數值時可以使用計算機，但若是代數形式，則需要沿著某一行或某一列使用餘子式（minors）和代數餘子式（cofactors）進行「展開」。
這代表什麼意義？
- 面積/體積縮放因子： 在二維空間中，變換矩陣的行列式就是面積縮放因子。在三維空間中，它是體積縮放因子。
- 定向（Orientation）： 如果 \(\det M\) 為正數，則定向保持不變；如果為負數，則物件被「翻轉」（例如反射），定向會反轉。
- 奇異矩陣（Singular Matrix）： 如果 \(\det M = 0\)，該矩陣稱為奇異矩陣。這意味著變換將物件壓縮至更低維度（例如將二維形狀壓縮成一條線）。奇異矩陣沒有逆矩陣。
小貼士： \(\det(AB) = \det(A) \times \det(B)\)。這是在考試中非常實用的快捷技巧！
4. 逆矩陣（Inverse Matrices）
矩陣 \(M\) 的逆矩陣（記作 \(M^{-1}\)）是能「抵銷」\(M\) 所做變換的矩陣。當你將矩陣與其逆矩陣相乘時，會得到單位矩陣：\(MM^{-1} = I\)。
如何求逆矩陣：
- 對於 \(2 \times 2\) 矩陣 \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\)：
1. 交換 \(a\) 和 \(d\)。
2. 將 \(b\) 和 \(c\) 變號。
3. 將整個矩陣乘以 \(\frac{1}{\det M}\)。 - 對於 \(3 \times 3\) 矩陣： 這涉及計算代數餘子式矩陣、轉置它，然後除以行列式值。務必在考試中盡可能使用計算機檢查結果！
逆矩陣的性質：
- 穿鞋襪規則（Shoes and Socks Rule）： \((AB)^{-1} = B^{-1}A^{-1}\)。要撤銷一系列動作，你必須先撤銷最後那個動作！
- 僅限非奇異矩陣： 只有行列式不為零的矩陣才擁有逆矩陣。
核心重點： 逆矩陣是矩陣版本的除法。我們不是「除以 \(M\)」，而是乘以 \(M^{-1}\)。
5. 線性變換（Linear Transformations）
矩陣可以代表座標系中點的移動。我們將矩陣乘以代表原始物件（object）的列向量，即可得到變換後圖像（image）。
必須記住的二維變換：
- 旋轉（Rotation）： \(\begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix}\)，代表繞原點逆時針旋轉 \(\theta\)。
- 反射（Reflection）： 針對 \(x\) 軸、\(y\) 軸，或如 \(y = x\) 和 \(y = -x\) 這類直線的反射，有不同的矩陣。
- 放大（Enlargement）： \(\begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix}\)，其中 \(k\) 是縮放因子。
- 拉伸（Stretch）： 平行於某個軸。例如，平行於 \(x\) 軸、縮放因子為 \(k\) 的拉伸矩陣為 \(\begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix}\)。
- 切變（Shear）： 其中一個軸保持固定，而點根據其距離該軸的遠近進行平行移動。
連續變換：
如果你先執行變換 \(B\)，再執行變換 \(A\)，總合變換矩陣為 \(AB\)。
千萬別忘記：位於右側的矩陣是先執行的！
三維變換：
在三維空間中，我們使用 \(3 \times 3\) 矩陣。你需要具備識別平面反射（如 \(x=0\)）以及繞 \(x, y, z\) 軸旋轉的能力。
你知道嗎？ 在三維旋轉中，旋轉軸本身是不變的。因此，繞 \(z\) 軸旋轉的矩陣，其中一列一定長得像 \(\begin{pmatrix} 0 \\ 0 \\ 1 \end{pmatrix}\)。
6. 不變點與不變直線（Invariant Points and Lines）
有時候，變換會使圖形上的某些部分保持原位。
- 不變點（Invariant Point）： 指不會移動的點。原點 \((0,0)\) 對於這些線性變換而言，永遠是一個不變點。
- 不變點直線（Line of Invariant Points）： 直線上的每一個點都保持在原位。
- 不變直線（Invariant Line）： 整條直線的位置不變，但直線上的個別點可能會沿著該直線滑動。
小貼士： 若要找出不變點，請解方程 \(M \mathbf{x} = \mathbf{x}\)，其中 \(\mathbf{x} = \begin{pmatrix} x \\ y \end{pmatrix}\)。
7. 解聯立方程組
矩陣最實用的用途之一就是解方程組。我們可以將如下方程組：
\(ax + by = e\)
\(cx + dy = f\)
寫成矩陣方程式：\(M\mathbf{x} = \mathbf{c}\)，其中 \(M = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)、\(\mathbf{x} = \begin{pmatrix} x \\ y \end{pmatrix}\) 以及 \(\mathbf{c} = \begin{pmatrix} e \\ f \end{pmatrix}\)。
解的類型：
- 唯一解（Unique Solution）： 當 \(\det M \neq 0\) 時存在。你可以使用 \(\mathbf{x} = M^{-1}\mathbf{c}\) 求得。
- 無解（No Solution，不相容）： 方程組代表平行且永不相交的線或平面。這發生在 \(\det M = 0\) 且方程組互相矛盾時。
- 無限多解（Infinite Solutions，相容）： 方程組代表同一條線，或是交於一條線的平面。這發生在 \(\det M = 0\) 且方程之間成倍數關係時。
幾何解釋（三維）：
當解三個變數的三個方程時，你是在觀察三個平面如何在空間中相交。它們可能交於一點、交於一條線，或者完全不相交！
總結： 矩陣不僅僅是數字，它們是移動空間的指令！掌握行列式以理解大小，運用逆矩陣來解方程，並熟練乘法規則以結合各種變換。你一定沒問題的！