歡迎來到矩陣的世界！
在本章中，我們將一起探索矩陣 (Matrices)。你可以將矩陣想像成一個功能強大的「數學試算表」，它能讓我們在空間中移動、拉伸和旋轉各種圖形。無論你對遊戲畫面設計、結構工程還是數據科學感興趣，矩陣都是讓這一切成真的關鍵工具！剛開始看到滿滿的數字時別擔心，我們會一步一步拆解這些概念。
1. 矩陣基礎：加法、減法與乘法
矩陣只是一個將數字排列在橫列 (rows)（水平）和直行 (columns)（垂直）中的矩形網格。我們通常用 \(m \times n\)（列數 \(\times\) 行數）來描述矩陣的大小。
加法與減法
要進行矩陣的加減法，它們必須具有相同的大小（在數學上，我們稱之為可相加減/相容的 (conformable)）。你只需將對應位置的數字進行相加或相減即可。
例子：\(\begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} + \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} 1+5 & 2+6 \\ 3+7 & 4+8 \end{pmatrix} = \begin{pmatrix} 6 & 8 \\ 10 & 12 \end{pmatrix}\)
純量乘法 (Scalar Multiplication)
這指的是將整個矩陣乘以一個單一的數字（即純量 (scalar)）。你只需將矩陣內每一個「元素」都乘以該數字。這就像是在調整圖片的縮放比例一樣！
矩陣乘法（最棘手的部分！）
兩個矩陣相乘並不是將對應位置的數字相乘。我們使用「列乘行 (Row by Column)」的規則。若要得出結果矩陣左上角的元素，你需要將第一個矩陣的第 1 列與第二個矩陣的第 1 行對應相乘後相加。
快速複習：只有當第一個矩陣的行數等於第二個矩陣的列數時，才能進行矩陣乘法。如果矩陣 A 是 \(2 \times 3\)，矩陣 B 是 \(3 \times 2\)，那麼它們可以相乘！最終結果將是一個 \(2 \times 2\) 的矩陣。
記憶小撇步：試著聯想數字 7。你的手在第一個矩陣中橫向 (across) 移動，在第二個矩陣中向下 (down) 移動，就像在畫出數字 7 一樣。
重點提示：矩陣乘法具有結合律 (Associative)：\((\mathbf{AB})\mathbf{C} = \mathbf{A}(\mathbf{BC})\)。
但是，它不具備交換律 (Commutative)：\(\mathbf{AB} \neq \mathbf{BA}\)。在矩陣的世界裡，順序非常重要！
關鍵總結：
開始運算前，務必檢查矩陣是否「可相乘」。記住：先處理列，再處理行！
2. 特殊矩陣：零矩陣與單位矩陣
就像普通算術中的 0 和 1 一樣，矩陣也有其特殊的版本。
- 零矩陣 (\(\mathbf{0}\))：每一個元素都是 0。將它加到任何矩陣上都不會產生任何變化。
- 單位矩陣 (\(\mathbf{I}\))：這是一個方陣，其主對角線（左上到右下）全是 1，其餘位置全是 0。任何矩陣乘以 \(\mathbf{I}\) 後保持不變 (\(\mathbf{AI} = \mathbf{A}\))。
\(\mathbf{I} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\) （以 \(2 \times 2\) 的情況為例）。
3. 二維線性變換 (Linear Transformations)
矩陣可以用來表示線性變換。這意味著它們會將每一個點 \((x, y)\) 移動到一個新的位置 \((x', y')\)。線性變換始終保持原點 \((0,0)\) 固定，並且保持直線仍為直線。
如何找到變換矩陣
找到矩陣最簡單的方法是觀察單位向量 (unit vectors) \(\mathbf{i} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\mathbf{j} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 發生了什麼變化。
- 將變換應用於 \(\begin{pmatrix} 1 \\ 0 \end{pmatrix}\)。新的坐標將成為矩陣的第一行 (column)。
- 將變換應用於 \(\begin{pmatrix} 0 \\ 1 \end{pmatrix}\)。新的坐標將成為矩陣的第二行 (column)。
常見的二維變換：
- 反射 (Reflection)：沿 \(x\) 軸、\(y\) 軸或 \(y = x\) 等直線翻轉。
- 旋轉 (Rotation)：圍繞原點旋轉。正角度始終代表逆時針方向。
- 放大 (Enlargement)：從原點進行縮放。
- 拉伸 (Stretch)：平行於 \(x\) 或 \(y\) 軸拉伸圖形。
- 錯切 (Shear)：保持一條軸不動，同時傾斜圖形。
連續變換 (Successive Transformations)
如果你先執行變換 \(\mathbf{A}\)，再執行變換 \(\mathbf{B}\)，則組合矩陣為 \(\mathbf{BA}\)。
常見錯誤：學生經常會寫成 \(\mathbf{AB}\)。請記住，最靠近向量的變換會先發生。我們將其寫作 \(\mathbf{B}(\mathbf{A}\mathbf{r})\)，所以順序是從右到左！
關鍵總結：
要找到任何變換矩陣，只需追蹤 \((1,0)\) 和 \((0,1)\) 移動到了哪裡。這就是你的矩陣的各行！
4. 行列式 (Determinants)：面積與體積縮放因子
矩陣的行列式（寫作 \(\det \mathbf{M}\) 或 \(|\mathbf{M}|\)）是一個單一數值，它能告訴我們關於該變換的許多資訊。
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，請使用你的計算機！MEI 課程大綱鼓勵在處理 \(3 \times 3\) 行列式時使用科技輔助。
它代表什麼意義？
- 面積縮放因子：在二維中，行列式的絕對值即為面積縮放因子。如果 \(\det \mathbf{M} = 3\)，代表新圖形的面積是原來的 3 倍。
- 體積縮放因子：在三維中，行列式代表體積縮放因子。
- 方向性：如果行列式為負數，代表圖形經過了反射（圖形「內外翻轉」或「手性」發生了改變）。
- 奇異矩陣 (Singular Matrices)：如果 \(\det \mathbf{M} = 0\)，該矩陣稱為奇異矩陣。這意味著它將整個圖形壓縮成了一條線或一個點！
你知道嗎？如果一個矩陣是奇異的，它就無法逆向還原。這就像一個數學黑洞，資訊在變換中丟失了！
5. 反矩陣 (Inverse Matrices)
矩陣 \(\mathbf{M}\) 的反矩陣（寫作 \(\mathbf{M}^{-1}\)）是指能「撤銷」\(\mathbf{M}\) 變換效果的矩陣。
\(\mathbf{M}\mathbf{M}^{-1} = \mathbf{I}\)。
求 \(2 \times 2\) 矩陣的反矩陣
如果 \(\mathbf{M} = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，則：
\(\mathbf{M}^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)
步驟：交換主對角線元素（\(a\) 和 \(d\)），改變其餘兩個元素（\(b\) 和 \(c\)）的正負號，最後將整個矩陣除以行列式。
反矩陣的乘積規則
這是考試中最愛出的題目之一！\((\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}\)。
類比：想像你先穿上襪子 (\(\mathbf{A}\)) 再穿上鞋子 (\(\mathbf{B}\))。要還原這個動作，你必須先脫掉鞋子 (\(\mathbf{B}^{-1}\)) 再脫掉襪子 (\(\mathbf{A}^{-1}\))。順序是顛倒過來的！
關鍵總結：
只有非奇異矩陣（\(\det \neq 0\)）才有反矩陣。你可以利用 \(\mathbf{M}^{-1}\) 來求解 \(\mathbf{M}\mathbf{x} = \mathbf{c}\) 這類方程，計算方式為 \(\mathbf{x} = \mathbf{M}^{-1}\mathbf{c}\)。
6. 不變性：點與線
有時，圖形的某些部分在變換過程中不會移動。
- 不變點 (Invariant Point)：保持在完全相同位置的點。在線性變換中，原點 \((0,0)\) 永遠是不變點。
- 不變線 (Invariant Line)：一條線上的每一個點都保持在完全相同的位置。
- 點點不變線 (Line of Invariant Points)：這是比不變線更強的條件，即該線上每一個個別的點都固定不動。
快速複習箱：
- 奇異 (Singular)：行列式為 0，無反矩陣。
- 非奇異 (Non-singular)：行列式不為 0，有反矩陣。
- 連續變換：順序是先 \(\mathbf{A}\) 後 \(\mathbf{B}\) = \(\mathbf{AB}\) 是錯誤的，應該是 \(\mathbf{BA}\)。
- 行列式：告訴你面積或體積的縮放因子。
如果剛開始覺得這部分很難，別擔心！矩陣運算非常講究機械式步驟。一旦你掌握了「列乘行」的節奏，並且學會如何使用計算機處理 \(3 \times 3\) 的情況，這些題目對你來說就會輕而易舉！