Matrices and transformations

👋 歡迎來到矩陣與變換的世界！

你好！如果你已經來到這一章，代表你正要深入探索進階數學（Further Mathematics）中最精彩的領域之一。矩陣不僅僅是一堆數字的表格；它們是描述幾何學與電腦圖學中平移、縮放與變形的核心工具。

在本章中，我們將學習如何進行矩陣運算（代數部分），以及最重要的——如何從視覺上解讀這些運算的含義（幾何部分）。如果一開始覺得有點棘手，請別擔心——我們會一步一步拆解這些概念！

本章重點：FPP1.1 矩陣與變換

我們在 AS 進階數學（FPP1）中的重點主要在於 \(x-y\) 平面上的 \(2 \times 2\) 幾何變換矩陣，但我們同時也要熟悉 \(3 \times 3\) 矩陣的代數運算。

---

1. 矩陣代數基礎（至 \(3 \times 3\)）

矩陣 (Matrix) 其實就是一個矩形的數字排列。其大小（或稱階數/維度，order）由其列數 (\(m\)) 與行數 (\(n\)) 定義，記作 \(m \times n\)。

矩陣加法與減法

這是最簡單的運算！只有當矩陣具有完全相同的階數時，你才能進行加法或減法。你只需將對應位置的元素進行加減即可。

例子：
$$\begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix} + \begin{pmatrix} 1 & 5 \\ 4 & -2 \end{pmatrix} = \begin{pmatrix} 2+1 & 1+5 \\ 0+4 & 3-2 \end{pmatrix} = \begin{pmatrix} 3 & 6 \\ 4 & 1 \end{pmatrix}$$

矩陣乘法 (\(A \times B\))

這是學生最容易犯錯的地方。矩陣乘法不具交換律（通常 \(AB \neq BA\)），且遵循特定的「列乘行」規則。

相容性規則：

只有當矩陣 \(A\)（階數 \(m \times n\)）的行數等於矩陣 \(B\)（階數 \(p \times q\)）的列數時，你才能將 \(A\) 乘上 \(B\)。也就是說，\(n\) 必須等於 \(p\)。

相乘後的結果矩陣 \(AB\) 其大小將會是 \(m \times q\)。

逐步乘法：

要計算 \(AB\) 中第 \(i\) 列第 \(j\) 行的元素，你需要將 \(A\) 的第 \(i\) 列與 \(B\) 的第 \(j\) 行中對應的元素相乘並加總（即點積，dot product）。

類比：想像一艘船（A 矩陣的列）順著河流（B 矩陣的行）航行。每當它們交會時，就把對應數值相乘，最後再把結果加總起來！

單位矩陣 (\(I\))

單位矩陣 (Identity Matrix) 的作用就像一般乘法中的數字「1」。當你用任何矩陣 \(A\) 乘以單位矩陣 \(I\)（合適的大小）時，你會得到原來的矩陣 \(A\)：\(AI = IA = A\)。

它是一個方陣，主對角線上全是 1，其餘位置全是 0。

• \(2 \times 2\) 單位矩陣： $$I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$$
• \(3 \times 3\) 單位矩陣（我們也要記住這個！）： $$I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$$

矩陣的轉置 (\(A^{\text{T}}\))

轉置矩陣只要簡單地將列與行互換即可得到。

例子：若 $$A = \begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{pmatrix}$$，則 $$A^{\text{T}} = \begin{pmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{pmatrix}$$

重要的轉置結果（課程大綱要求）：

乘積的轉置等於轉置乘積的順序顛倒： $$(\mathbf{AB})^{\text{T}} = \mathbf{B}^{\text{T}}\mathbf{A}^{\text{T}}$$

---

2. \(2 \times 2\) 矩陣的行列式與反矩陣

\(2 \times 2\) 矩陣的行列式

行列式 (Determinant)，記作 \(\det(A)\) 或 \(|A|\)，是從方陣中算出的單一純量值。在幾何變換中，它代表了面積縮放因子（稍後會詳細說明！）。

對於 \(2 \times 2\) 矩陣 $$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$，其行列式為： $$ \det(A) = ad - bc $$

\(2 \times 2\) 矩陣的反矩陣 (\(A^{-1}\))

矩陣 \(A\) 的反矩陣 \(A^{-1}\) 滿足：兩者相乘會得到單位矩陣：\(AA^{-1} = A^{-1}A = I\)。

逐步計算反矩陣：

若 $$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$，則其反矩陣為： $$ A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} $$

小撇步：將 \(a\) 和 \(d\) 對調，並把 \(b\) 和 \(c\) 變號。最後再全部除以行列式！

奇異矩陣 (Singular) 與非奇異矩陣 (Non-singular)

行列式是反矩陣存在的關鍵「守門員」：

• 如果 \(\det(A) \neq 0\)，該矩陣為非奇異矩陣，反矩陣 \(A^{-1}\) 存在。
• 如果 \(\det(A) = 0\)，該矩陣為奇異矩陣。因為 \(\frac{1}{0}\) 是沒有定義的，所以該矩陣沒有反矩陣。在幾何上，這代表該變換將整個平面的面積壓縮為零（例如：將整個平面映射到一條直線上）。

重要的反矩陣結果（課程大綱要求）：

乘積的反矩陣等於反矩陣乘積的順序顛倒： $$(\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1}$$

你知道嗎？這種順序顛倒的規則（同時出現在轉置與反矩陣中），有時被稱為「襪子與鞋子」法則。如果你先穿襪子再穿鞋子，要恢復原狀，你必須先脫鞋子，再脫襪子！

---

3. 作為幾何變換的矩陣（2D）

\(2 \times 2\) 矩陣 \(M\) 將平面上的一個點 \((x, y)\) 變換為新點 \((x', y')\)，關係如下： $$ \begin{pmatrix} x' \\ y' \end{pmatrix} = M \begin{pmatrix} x \\ y \end{pmatrix} $$

找出變換矩陣（單位正方形技巧）

如果你忘記了某個變換的標準矩陣，請記住：矩陣的列就是單位向量 \(\mathbf{i} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 和 \(\mathbf{j} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\) 被映射後的位置。

如果 \(\mathbf{i} \to \begin{pmatrix} a \\ c \end{pmatrix}\) 且 \(\mathbf{j} \to \begin{pmatrix} b \\ d \end{pmatrix}\)，則矩陣為 $$ M = \begin{pmatrix} a & b \\ c & d \end{pmatrix} $$。

標準變換（以原點為中心）

1. 放大 (Enlargement，以原點為中心)

若放大倍率為 \(k\)： $$ E = \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} $$

2. 拉伸 (Stretches，平行於軸)

• 平行於 \(x\)-軸（或垂直於 \(y\)-軸）拉伸，倍率為 \(k\)： $$ S_x = \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} $$
• 平行於 \(y\)-軸（或垂直於 \(x\)-軸）拉伸，倍率為 \(k\)： $$ S_y = \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} $$

3. 旋轉 (Rotation，以原點為中心)

以原點為中心，逆時針旋轉角度 \(\theta\)： $$ R = \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} $$

記憶輔助：第一列 \(\begin{pmatrix} \cos \theta \\ \sin \theta \end{pmatrix}\) 永遠是 (1, 0) 被映射到的點。

4. 反射 (Reflections，沿過原點的直線)

這些標準矩陣通常會出現在公式手冊中，但記住它們會很有幫助：

• 沿 \(x\)-軸反射 (\(y=0\))： $$ \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} $$
• 沿 \(y\)-軸反射 (\(x=0\))： $$ \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} $$
• 沿直線 \(y=x\) 反射： $$ \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} $$
• 沿直線 \(y=-x\) 反射： $$ \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} $$

5. 切變 (Shears)

切變會將點沿著一條固定線（通常是 \(x\)-軸或 \(y\)-軸）平移。

• 平行於 \(x\)-軸的切變（切變因子 \(k\)）： $$ \begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix} $$ （\(x\)-軸上的點保持不變。）
• 平行於 \(y\)-軸的切變（切變因子 \(k\)）： $$ \begin{pmatrix} 1 & 0 \\ k & 1 \end{pmatrix} $$ （\(y\)-軸上的點保持不變。）

注意：如果一個矩陣代表切變，且不變直線不是 \(x\) 或 \(y\) 軸，題目會明確告知你是切變。

複合變換

要找出複合變換的矩陣，你需要將個別的變換矩陣相乘。

關鍵規則：順序很重要！

若先進行變換 \(T_1\)，接著進行變換 \(T_2\)，則複合矩陣 \(M\) 計算方式為： $$ M = T_2 T_1 $$

這樣想：最靠近座標向量 \(\begin{pmatrix} x \\ y \end{pmatrix}\) 的矩陣會先作用。讀取順序是從右到左。

例子：一個點先順時針旋轉 90° (\(T_1\))，再沿 \(y=x\) 反射 (\(T_2\))。複合矩陣為 \(M = T_2 T_1\)。

---

4. 幾何特性與不變量 (Invariants)

行列式與面積

\(2 \times 2\) 行列式最重要的幾何意義在於它與面積的連結：

• 行列式的絕對值 \(|\det(A)|\) 是變換的面積縮放因子 (Area Scale Factor)。
• 如果一個圖形的面積為 \(A_0\)，變換後的面積 \(A'\) 為： $$ A' = |\det(A)| \times A_0 $$

解讀負數行列式

如果 \(\det(A)\) 為負數，表示該變換包含了一次反射（方向反轉）。

例子：旋轉（無反射）的行列式為 +1。反射的行列式為 -1。旋轉後再反射，其行列式會是 -1。

不變點 (Invariant Points)

不變點是指在變換後位置保持不變的點。如果變換由矩陣 \(A\) 表示，那麼點 \(\mathbf{x} = \begin{pmatrix} x \\ y \end{pmatrix}\) 為不變點的條件是： $$ \mathbf{A}\mathbf{x} = \mathbf{x} $$

由於 \(\mathbf{x} = I\mathbf{x}\)（\(I\) 為單位矩陣），我們可以重排方程式來求解 \(\mathbf{x}\)： $$ A\mathbf{x} - I\mathbf{x} = \mathbf{0} $$ $$ (A - I)\mathbf{x} = \mathbf{0} $$

這是一個線性方程組，你可以透過聯立方程求解，找出不變點（或不變點直線）的座標。

不變直線 (Invariant Lines)

不變直線是指直線上的每一點在變換後仍然落在「同一條直線上」。

注意差別：

• 不變點直線 (Line of Invariant Points)：直線上的每一點都完全維持不動。（反射與切變會發生這種情況）。
• 不變直線 (Invariant Line)：直線本身位置固定，但線上的個別點可以沿著線移動到新位置。（拉伸會發生這種情況）。

如何找出不變直線：

我們通常尋找通過原點的直線 \(y = mx\)。假設一般點 \((x, mx)\) 變換後得到新點 \((x', y')\)，且該新點也必須滿足直線方程式，即 \(y' = m x'\)。

1. 建立變換關係： $$ \begin{pmatrix} x' \\ y' \end{pmatrix} = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ mx \end{pmatrix} $$ 2. 用 \(x\) 和 \(m\) 表示 \(x'\) 和 \(y'\)。 3. 將結果代入 \(y' = m x'\)。 4. 化簡並解出 \(m\)。（你通常會得到關於 \(m\) 的一元二次方程式。）

如果你發現整條線上的點都是不變點，那麼該變換必須對所有點都滿足 \(y = mx\)，這通常屬於特殊的變換類型（反射或切變）。

請持續練習代數運算，尤其是矩陣乘法，因為這是變換考題中最常見的失誤原因。祝你學習順利！