歡迎來到變換、矩陣與向量的世界！
你好！這一章將帶領你領略代數與幾何如何以奇妙的方式結合。你將學習如何利用強大的數學工具——向量 (Vectors) 與 矩陣 (Matrices)——來精確描述空間中的移動、形狀變化及位置。不用擔心這些術語聽起來很複雜，我們將會把它們拆解成簡單的步驟來學習。學完這一章後，你就能夠精確地控制一個形狀如何移動以及如何變形！
為什麼這些概念很重要？ 這些概念是電腦圖學、航空學、物理學與工程學的基礎。你現在所學的數學，正是讓電子遊戲畫面看起來栩栩如生，並幫助飛機進行導航的關鍵知識！
第 1 節：重溫二維變換（基礎知識）
在介紹矩陣與向量之前，讓我們先快速回顧在二維平面上用來移動形狀的四種標準變換。
快速回顧：完整描述變換的要素
- 平移 (Translation)： 需要平移向量，例如 \(\binom{2}{-3}\)。
- 反射 (Reflection)： 需要反射軸，例如 \(y=x\)。
- 旋轉 (Rotation)： 需要旋轉中心、角度及旋轉方向（順時針或逆時針）。
- 放大 (Enlargement)： 需要放大中心及放大比例因子 (Scale factor)。
你知道嗎？ 平移是唯一一種不會改變形狀方向或大小的變換，它單純就是一個滑動的動作！
關於變換的核心重點
要完整描述一個變換，你需要精確的座標或方程式。我們現在將學習提供這種精確度的工具（向量與矩陣）。
第 2 節：理解向量（移動的指令）
簡單來說，向量是一個同時具備大小 (Magnitude) 與方向 (Direction) 的量。你可以把它想像成一套駕駛導航指令。
1. 行向量 (Column Vectors)
我們通常以行向量的形式來書寫二維向量：
$$ \mathbf{a} = \binom{x}{y} $$
- \(x\) 是水平方向的位移（正數為向右，負數為向左）。
- \(y\) 是垂直方向的位移（正數為向上，負數為向下）。
範例：位置向量與位移向量
點 P 的座標為 \((4, 1)\)。其位置向量（從原點 O 出發）為 \(\vec{OP} = \binom{4}{1}\)。
如果你從點 A \((1, 5)\) 移動到點 B \((3, 2)\)，其位移向量 \(\vec{AB}\) 的計算方式為 \(\text{B} - \text{A}\)：
$$ \vec{AB} = \binom{3-1}{2-5} = \binom{2}{-3} $$類比： 位置向量告訴你從一個固定起點（原點）「你現在在哪裡」。位移向量則告訴你從一點到另一點「你是如何到達那裡的」。
2. 向量運算
i. 向量加法與減法
向量相加就像是連續執行指令。我們將對應的組件相加或相減即可。
若 \(\mathbf{a} = \binom{4}{1}\) 且 \(\mathbf{b} = \binom{-2}{3}\)：
$$ \mathbf{a} + \mathbf{b} = \binom{4+(-2)}{1+3} = \binom{2}{4} $$ii. 純量乘法 (Scalar Multiplication)
將向量乘以一個純數（純量）會改變其大小（長度），但不會改變其方向（除非純量是負數）。
使用 \(\mathbf{a} = \binom{4}{1}\)：
$$ 3\mathbf{a} = 3\binom{4}{1} = \binom{3 \times 4}{3 \times 1} = \binom{12}{3} $$向量 \(\mathbf{a}\) 與 \(3\mathbf{a}\) 是平行的，因為它們互為純量倍數。
iii. 求向量的大小（長度）
向量 \(\mathbf{a} = \binom{x}{y}\) 的大小（長度）記作 \(|\mathbf{a}|\)。由於組件形成了一個直角三角形，我們可以使用畢氏定理：
$$ |\mathbf{a}| = \sqrt{x^2 + y^2} $$逐步範例： 求 \(\mathbf{v} = \binom{5}{-12}\) 的大小。
- 將組件平方： \(5^2 = 25\)， \((-12)^2 = 144\)。
- 相加： \(25 + 144 = 169\)。
- 取平方根： \(\sqrt{169} = 13\)。
- 因此， \(|\mathbf{v}| = 13\)。
關於向量的核心重點
向量用於描述移動與位置。我們可以使用畢氏定理進行向量的加減、純量乘法，並計算其長度。
第 3 節：引入矩陣（計算機器）
矩陣只是一個矩形的數字排列。在本課程大綱中，我們主要專注於 2x2 矩陣（2 行 2 列）。
$$ A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} $$1. 矩陣運算
i. 加法與減法
這是最簡單的運算！你只需要將對應位置的數字進行相加或相減即可（逐項運算）。
$$ \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} + \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} 1+5 & 2+6 \\ 3+7 & 4+8 \end{pmatrix} = \begin{pmatrix} 6 & 8 \\ 10 & 12 \end{pmatrix} $$ii. 矩陣乘法（最棘手的部分！）
矩陣乘法是「列乘行」。這是本單元中最重要的一條規則。你必須使用列乘行 (Row by Column, RC) 的方法。
逐步教學：2x2 矩陣乘以 2x1 向量
這是我們將變換應用於點 \((x, y)\) 的方法：
$$ T \times P = P' \quad \rightarrow \quad \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} $$- 上方元素（新的 X）： 用矩陣的第一列 乘以向量。 \((a \times x) + (b \times y)\)
- 下方元素（新的 Y）： 用矩陣的第二列 乘以向量。 \((c \times x) + (d \times y)\)
範例： 將變換 \(T = \begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix}\) 應用於點 \((4, 5)\)。
$$ \begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix} \begin{pmatrix} 4 \\ 5 \end{pmatrix} = \begin{pmatrix} (2 \times 4) + (1 \times 5) \\ (0 \times 4) + (3 \times 5) \end{pmatrix} = \begin{pmatrix} 8+5 \\ 0+15 \end{pmatrix} = \begin{pmatrix} 13 \\ 15 \end{pmatrix} $$新的點是 \((13, 15)\)。
常見陷阱： 順序很重要！ \(A \times B\) 通常不等於 \(B \times A\)。
iii. 單位矩陣 (\(I\))
這是一個「不做任何變動」的矩陣。當你將任何矩陣（或向量）乘以 \(I\) 時，它會保持不變。
$$ I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} $$2. 行列式與反矩陣
矩陣的行列式 (Determinant) 告訴我們形狀在變換後面積如何變化。它記作 \(\det(A)\) 或 \(|A|\)。
對於矩陣 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，其行列式為：
$$ \det(A) = ad - bc $$記憶小撇步： 想成主對角線 \((ad)\) 減去反對角線 \((bc)\)。
反矩陣 (\(A^{-1}\))
反矩陣非常重要，因為它能撤銷 (undo) 原本的變換。如果矩陣 A 將 P 變換成 P'，那麼 \(A^{-1}\) 就能將 P' 還原成 P。
$$ A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} $$求反矩陣的步驟：
- 找出行列式 \(D = ad - bc\)。
- 交換主對角線上的元素 (\(a\) 和 \(d\))。
- 更改其餘兩個元素的符號 (\(b\) 和 \(c\))。
- 將新矩陣乘以 \(\frac{1}{D}\)。
重要規則： 若行列式為零 (\(ad-bc = 0\))，則該矩陣稱為奇異矩陣 (Singular matrix)，它沒有反矩陣。這意味著變換將面積壓縮至零（例如，將二維形狀壓扁成一條線）。
關於矩陣的核心重點
矩陣是計算與變換的工具。行列式與反矩陣對於理解變換如何影響面積以及如何將變換還原至關重要。
第 4 節：表示變換的矩陣（以原點為中心）
2x2 矩陣所描述的變換均固定原點 \((0, 0)\) 不動。
黃金法則： 若要找出關於原點進行任何變換的 2x2 矩陣 (T)，請觀察單位向量 \(i = \binom{1}{0}\) 與 \(j = \binom{0}{1}\) 變換後落在哪裡。
$$ T = \begin{pmatrix} \text{新的 } i & \text{新的 } j \end{pmatrix} $$1. 標準變換矩陣（關於原點）
a) 旋轉（繞原點逆時針旋轉）
逆時針是標準的正方向。
- 90° 逆時針： $$ \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} $$
- 180°（逆時針或順時針皆同）： $$ \begin{pmatrix} -1 & 0 \\ 0 & -1 \end{pmatrix} $$
- 270° 逆時針（或 90° 順時針）： $$ \begin{pmatrix} 0 & 1 \\ -1 & 0 \end{pmatrix} $$
b) 反射
- 對 x 軸反射 (\(y=0\))： $$ \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} $$
- 對 y 軸反射 (\(x=0\))： $$ \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} $$
- 對直線 \(y=x\) 反射： $$ \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} $$
c) 放大（中心在原點，比例因子 \(k\)）
每個點都乘以比例因子 \(k\)。
$$ \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} $$2. 組合變換
如果你先執行變換 A，接著執行變換 B，其結果的組合矩陣 (C) 可以通過將矩陣以相反順序相乘得到： \(C = B \times A\)。
口訣： 變換是從右向左發生的。最靠近座標的矩陣先發揮作用。
範例： 一個形狀先對 x 軸反射 (A)，再逆時針旋轉 90° (B)。
$$ C = B \times A = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \times \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} $$得到的矩陣 C 代表先執行 A 再執行 B 的單一等效變換。
關鍵事實： 組合矩陣 \(C\) 的行列式等於個別行列式的乘積： \(\det(C) = \det(B) \times \det(A)\)。
關於矩陣與變換的核心重點
2x2 矩陣定義了關於原點的變換。我們使用矩陣乘法來求取新的座標，或結合多項變換。
快速回顧：變換、矩陣與向量
你已經涵蓋了運動的幾何學（變換）以及計算它們所需的代數（向量與矩陣）。請持續練習乘法規則——這是本章最重要的技能！
摘要檢核表：
- 我會進行向量加法與減法嗎？
- 我會計算向量的大小嗎？
- 我會進行 2x2 矩陣乘法（列乘行）嗎？
- 我會計算 2x2 矩陣的行列式嗎？
- 我會求 2x2 矩陣的反矩陣嗎？
- 我知道關於原點旋轉、反射與放大的標準矩陣嗎？
你已經完成了最困難的部分——理解規則。現在，去享受運用這些強大工具解決幾何問題的樂趣吧！