歡迎來到矩陣（Matrices）的世界！
在這一章，我們要探索矩陣。你可以把矩陣想像成一個強大的「數學試算表」或者一個整齊的數字盒子。雖然它們乍看之下只是一堆行與列，但它們實際上是電腦圖形、電子遊戲引擎，甚至是 GPS 地圖在你轉彎時隨之旋轉的背後祕密語言。
我們將學習如何操作這些數字盒子，更重要的是，學習它們如何對圖形進行變換（Transformations）——在二維和三維空間中進行翻轉、旋轉和拉伸。如果一開始覺得規則太多，別擔心；一旦你看懂了其中的規律，它就會變成數學中最具邏輯性和直觀的部分！
1. 矩陣基礎：加法、減法與標量乘法
在移動圖形之前，我們需要先學會如何處理這些「盒子」本身。
矩陣運算
要對兩個矩陣進行加減運算，它們必須是可相容的（conformable）。這是一個比較正式的說法，意思就是它們必須擁有相同的維度（大小）（即行數和列數必須完全相同）。
- 加法/減法：直接將對應位置的數字相加或相減。這就像是把兩份購物清單合在一起一樣簡單！
- 標量乘法（Scalar Multiplication）：這是指將整個矩陣乘以一個單獨的數（稱為標量）。你只需要將矩陣內每一個數字都乘以該標量即可。
特殊矩陣
- 零矩陣（\(\mathbf{0}\)）：所有元素皆為 0 的矩陣。任何矩陣加上零矩陣都不會改變。
- 單位矩陣（\(\mathbf{I}\)）：這是矩陣版本的數字「1」。它的主對角線（從左上角到右下角）全為 1，其餘位置皆為 0。對於 2x2 矩陣：\(\mathbf{I} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)。
相等
兩個矩陣只有在維度相同且每一個對應的元素都完全相同時，才被視為相等。
重點複習：只有維度相同的矩陣才能相加減。乘上標量會「拉伸」盒子裡的每一個數字。
2. 矩陣乘法：「行乘以列」規則
矩陣相乘與普通數字相乘大不相同。這是一個將第一個矩陣的行與第二個矩陣的列進行結合的過程。
記憶小撇步：記住 「RC」（就像遙控車 Remote Control 或可樂 Coca-Cola）。我們永遠是先看行（Row）再看列（Column）。
運作步驟：
1. 選取矩陣 A 的第一行（Row）與矩陣 B 的第一列（Column）。
2. 將對應的元素兩兩相乘，然後將結果加總。
3. 這個總和就是答案矩陣中第一行第一列的數值。
重要規則：
- 不可交換性（Non-Commutative）：在普通數學中，\(2 \times 3 = 3 \times 2\)。但在矩陣中，\(\mathbf{AB}\) 通常不等於 \(\mathbf{BA}\)。順序至關重要！
- 結合律（Associative）：你可以自由分組：\(\mathbf{A(BC) = (AB)C}\)。
- 大小匹配：要進行 \(\mathbf{A}\) 與 \(\mathbf{B}\) 的乘法，\(\mathbf{A}\) 的列數必須等於 \(\mathbf{B}\) 的行數。
核心觀念：順序很重要！交換矩陣相乘的順序就像是你先把鞋子穿上再穿襪子一樣——結果根本行不通。
3. 二維空間的線性變換
這是矩陣最令人興奮的地方。一個 2x2 矩陣可以作為一套指令，將任何點 \((x, y)\) 移動到新的位置。
單位向量技巧
尋找變換矩陣最簡單的方法，是觀察單位向量 \(\mathbf{i} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\mathbf{j} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 的變動情況。
如果 \(\mathbf{i}\) 移動到 \(\begin{pmatrix} a \\ c \end{pmatrix}\)，而 \(\mathbf{j}\) 移動到 \(\begin{pmatrix} b \\ d \end{pmatrix}\)，那麼變換矩陣就是 \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\)。
常見變換：
- 反射（Reflection）：沿著 \(x\) 軸、\(y\) 軸，或直線 \(y = x\) 和 \(y = -x\) 進行翻轉。
- 旋轉（Rotation）：繞原點旋轉。逆時針旋轉角度 \(\theta\) 的矩陣為：\(\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix}\)。(注意：順時針旋轉對應負角度！)
- 放大（Enlargement）：以原點為中心，按比例因子 \(k\) 進行縮放。矩陣為：\(\begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix}\)。
- 拉伸（Stretch）：僅在一個方向（平行於 \(x\) 軸或 \(y\) 軸）上拉伸圖形。
- 錯切（Shear）：在保持一條軸不動的情況下，將圖形傾斜。
你知道嗎？在三維變換中，我們通常處理如 \(x=0\)（即 \(yz\) 平面）的反射，以及繞 \(x\)、\(y\) 或 \(z\) 軸旋轉 \(90^\circ\) 或 \(180^\circ\)。其邏輯與二維完全相同！
4. 連續變換
如果你想先旋轉一個圖形，然後再對它進行反射，該怎麼做？這稱為連續變換（Successive Transformations）。
如果變換 \(\mathbf{T}\) 由矩陣 \(\mathbf{M}\) 表示，變換 \(\mathbf{U}\) 由矩陣 \(\mathbf{N}\) 表示，則組合變換「先做 T 再做 U」由矩陣乘積 \(\mathbf{NM}\) 表示。
常見錯誤：學生常會按照發生的順序寫成 MN。但矩陣運算是由右向左進行的。最靠近向量的矩陣才是先作用的那個！
核心觀念：變換矩陣的書寫順序應與變換發生的順序相反。
5. 行列式（Determinant）：縮放比例因子
矩陣的行列式（寫作 \(\det\mathbf{M}\) 或 \(|\mathbf{M}|\)）是一個單一的數值，它告訴我們關於變換的許多資訊。
如何計算：
- 對於 2x2 矩陣 \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，行列式為 \(ad - bc\)。
- 對於 3x3 矩陣，你可以使用計算機，但你也必須學會如何手動透過「餘子式（minor）」進行計算（沿著一行展開）。
行列式的意義：
- 面積/體積縮放因子：行列式的絕對值告訴你面積（二維）或體積（三維）被縮放了多少倍。如果 \(\det\mathbf{M} = 5\)，圖形就變成了原來的 5 倍大！
- 方向性（Orientation）：如果行列式為負數，代表圖形經過了翻轉（如同鏡像）。圖形的「手性（handedness）」改變了。
- 奇異矩陣（Singular Matrices）：如果 \(\det\mathbf{M} = 0\)，該矩陣稱為奇異矩陣。這意味著它會把整個圖形壓縮成一條線或一個點。奇異矩陣沒有反矩陣！
6. 反矩陣：撤銷按鈕
反矩陣（Inverse Matrix）\(\mathbf{M}^{-1}\) 可以撤銷原矩陣的效果。如果你將一個矩陣與其反矩陣相乘，會得到單位矩陣：\(\mathbf{MM}^{-1} = \mathbf{I}\)。
反矩陣的性質：
- 求解方法：對於 2x2 矩陣，交換 \(a\) 和 \(d\)，變更 \(b\) 和 \(c\) 的符號，最後除以行列式。對於 3x3 矩陣，除非題目要求，否則通常建議使用計算機。
- 矩陣方程式：要解 \(\mathbf{Ax} = \mathbf{B}\)，請在等式兩邊的左側同時乘以反矩陣：\(\mathbf{x} = \mathbf{A}^{-1}\mathbf{B}\)。
- 積的法則：這是經典的考試題！乘積的反矩陣等於各矩陣反矩陣的反序乘積：\((\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}\)。
類比：把積的法則想像成脫鞋子和襪子。要「撤銷」穿上它們的過程（先穿襪子再穿鞋子），你必須按反向順序操作（先脫鞋子再脫襪子）。
7. 不變性：保持靜止
有時候，圖形在變換過程中某些部分是不會變動的。
- 不變點（Invariant Point）：在變換後位置完全不變的特定點 \((x, y)\)。原點 \((0, 0)\) 對所有線性變換而言都是不變點。
- 不變直線（Invariant Line）：一條直線，上面所有的點變換後依然落在這條直線上（儘管這些點可能會沿著線滑動）。
- 不變點直線（Line of Invariant Points）：一種特殊情況，即這條線上的每一個點在變換後都完全不動（例如反射變換中的鏡像線）。
重點複習：不變直線就像火車軌道——火車沿著軌道移動，雖然會改變位置，但仍在軌道上。而不變點直線就像一輛凍結在軌道上的火車——什麼都不會移動！
如果一開始覺得矩陣很抽象，別擔心。保持練習「行乘以列」的乘法，並試著想像單位向量 \(\mathbf{i}\) 和 \(\mathbf{j}\) 的變動，很快你就會成為矩陣大師了！