Matrices

歡迎來到矩陣（Matrices）的世界！

在這個章節中，我們將一起探索矩陣。你可以把矩陣想像成一個組織嚴密的「試算表」或「數值網格」。雖然它們乍看之下只是一堆放在格子裡的數字，但它們是非常強大的工具，廣泛應用於電腦圖學、工程學和物理學，用來處理物體變換以及求解複雜的聯立方程組。別擔心，即使一開始看起來有很多新術語，我們一步一步來，很快就能上手！

1. 矩陣的語言

在我們進行矩陣運算前，必須先學會如何描述它們。矩陣簡單來說就是一個數值（實數或複數皆可）的矩形排列。

維度：「m x n」規則

我們總是透過行（Rows，水平方向）和列（Columns，垂直方向）來描述矩陣的大小。
一個擁有 m 行和 n 列的矩陣被稱為 \(m \times n\) 矩陣。

記憶小撇步：記住 「RC」。先 Rows（行），再 Columns（列）！

必知術語：

• 方陣（Square Matrix）：行數與列數相等的矩陣（例如 \(2 \times 2\) 或 \(3 \times 3\)）。
• 矩形矩陣（Rectangular Matrix）：行數與列數不相等的矩陣。
• 零矩陣（Zero/Null Matrix）：每一個元素皆為 0 的矩陣。它相當於數字中的「0」。
• 單位矩陣（Identity Matrix，記作 \(I\)）：「主對角線」（從左上到右下）全是 1，其餘位置全是 0 的方陣。在矩陣乘法中，它的地位就像數字「1」一樣。
• 轉置矩陣（Transpose，記作 \(M^T\)）：將行與列互換後的結果。原矩陣的第一行會變成轉置後的第一列，以此類推。
• 相等矩陣（Equal Matrices）：兩個矩陣相等的前提是：它們的維度相同，且對應的每一個元素都必須完全相同。

快速複習：要找到 \(\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}\) 的轉置矩陣，將第一行 \((1, 2)\) 變為第一列。結果就是 \(\begin{pmatrix} 1 & 3 \\ 2 & 4 \end{pmatrix}\)。

核心重點：務必先檢查階數（order）（行 \(\times\) 列）。這決定了你是否能對它們進行運算！

2. 矩陣算術：加法、減法與乘法

加法與減法

若要進行矩陣的加減法，矩陣必須是可相容的（conformable）。這意味著它們的大小必須完全相同。
只需將對應位置的數字相加或相減即可。

純量乘法（Scalar Multiplication）

這指的是將矩陣乘以一個單一數字（即「純量」）。你只需要將矩陣內的每一個元素都乘以該數字。

矩陣乘法（最棘手的部分！）

矩陣乘法並非簡單地將對應位置的數字相乘。我們使用「橫行乘直列（Row by Column）」的方法。

步驟解析：
1. 檢查是否能相乘：第一個矩陣的列數必須等於第二個矩陣的行數。
2. 在第一個矩陣中橫向移動，在第二個矩陣中向下移動，將對應的數對相乘並累加。
3. 你知道嗎？ 矩陣乘法具有結合律 \((AB)C = A(BC)\)，但不具有交換律。這表示通常 \(AB \neq BA\)。順序非常重要！

常見錯誤：切勿以為 \(A^2\) 只是將矩陣內每一個數字平方。\(A^2\) 代表 \(A \times A\)，你必須使用完整的矩陣乘法規則。

核心重點：加法很簡單（大小須相同），但乘法需要運用「橫行乘直列」的方法。記得隨時檢查乘法的順序！

3. 行列式（Determinants）：比例因子

每一個方陣都有一個與之對應的特殊數字，稱為行列式，寫作 \(\det M\) 或 \(|M|\)。

計算行列式

• 對於 \(2 \times 2\) 矩陣： \(\begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，行列式為 \(ad - bc\)。
• 對於 \(3 \times 3\) 矩陣： 若是純數值矩陣，你可以使用計算機；但你也應該學會如何使用餘因子（minors）展開（將其拆解為較小的 \(2 \times 2\) 矩陣）。

它代表什麼意義？

行列式代表該矩陣所進行變換的面積比例因子（二維）或體積比例因子（三維）。
- 若 \(\det = 2\)，圖形的面積會加倍。
- 若 \(\det = 1\)，面積保持不變。
- 若 \(\det = 0\)，該矩陣稱為奇異矩陣（singular）。此時圖形被壓縮成一條線或一個點（面積/體積為零），且該矩陣沒有反矩陣。

重要性質： \(\det(AB) = \det(A) \times \det(B)\)。這在考試中是一個非常好用的捷徑！

核心重點：行列式 = 比例因子。如果行列式為零，則該矩陣無法求逆（即奇異矩陣）。

4. 反矩陣（Inverses）：「復原」按鈕

矩陣 \(A\) 的反矩陣寫作 \(A^{-1}\)。當你將一個矩陣乘以它的反矩陣時，會得到單位矩陣：\(AA^{-1} = I\)。

尋找反矩陣

• 非奇異矩陣：只有在矩陣為非奇異（non-singular）（即 \(\det \neq 0\)）時，才能求得反矩陣。
• 對於 \(2 \times 2\) 矩陣：將主對角線的數字交換，另外兩個數字變號，最後除以行列式：\(A^{-1} = \frac{1}{\det A} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)。
• 性質：一個非常有用的規則是 \((AB)^{-1} = B^{-1}A^{-1}\)。注意順序顛倒了！

核心重點：反矩陣能「抵銷」原矩陣的作用。若無法求出行列式，也就無法求出反矩陣。

5. 線性變換（Linear Transformations）

矩陣可以用來表示二維或三維空間中的點移動。我們稱原本的點為物體（object），變換後的點為像（image）。

二維變換

你需要學會如何求出以下變換的矩陣：

• 反射：關於 x 軸、y 軸，或直線 \(y = x\) 及 \(y = -x\)。
• 旋轉：繞原點旋轉（正角度為逆時針方向）。
• 縮放：以原點為中心進行比例縮放。
• 拉伸與錯切（Stretches and Shears）：平行於坐標軸的方向。

連續變換

如果你想先進行變換 B，再進行變換 A，總合的矩陣為 \(AB\)。
類比：就像先穿襪子再穿鞋子一樣。寫在左邊的最後一個矩陣，就是最後執行的步驟！

不變性（Invariance）

• 不變點（Invariant Point）：變換後位置保持不變的點（例如，在這些矩陣中，原點始終是不變點）。
• 不變線（Invariant Line）：線上的每一點在變換後仍落在同一條直線上。
• 不變點直線（Line of Invariant Points）：一條特殊的線，線上每一個點的位置完全不發生移動。

核心重點：矩陣就是移動的指令。處理連續變換時，請由右向左讀取！

6. 聯立方程求解

我們可以使用矩陣來求解如下方程組：
\(ax + by = e\)
\(cx + dy = f\)

這可以寫成：\(\begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} e \\ f \end{pmatrix}\)。
為了求出 \(x\) 和 \(y\)，我們只需將右側乘以反矩陣：\(X = A^{-1}B\)。

快速複習：此方法僅在存在唯一解時有效，這意味著矩陣必須是非奇異的（\(\det \neq 0\)）。如果行列式為零，方程組的直線可能是平行的或完全重合的！

核心重點：矩陣將繁瑣的方程組轉化為簡單的「乘以反矩陣」問題。