👋 歡迎來到矩陣的世界！

矩陣聽起來可能很複雜，但它們其實只是一種超高效率儲存和處理數據的方法！你可以把它們想像成高科技的試算表。在本章中，我們將學習如何使用「矩陣語言」——包括如何定義、加法、乘法，以及如何利用它們解決現實生活中的問題。

為什麼這很重要？ 矩陣是電腦圖學（想想 3D 遊戲！）、數據加密、經濟學，甚至是快速求解複雜方程式系統的基石。如果一開始覺得有點棘手，不用擔心，我們會一步步拆解每一個步驟！

⭐ 第 1 節：基礎知識 - 什麼是矩陣？

1.1 定義矩陣及其階數 (Order)

矩陣 (Matrix)（複數形式為 matrices）是一個由數字組成的矩形陣列，排列成行 (rows)（水平）和列 (columns)（垂直）。

例如，矩陣 A 看起來可能是這樣的：

$$ A = \begin{pmatrix} 3 & 7 \\ 1 & 0 \\ -2 & 5 \end{pmatrix} $$

矩陣的階數 (Order)（或維度）告訴我們它的大小：（行數）×（列數）。

  • 矩陣 A 有 3 行 2 列。
  • 因此，A 的階數是 3 x 2。

💡 記憶小貼士： 永遠記住 RC (Row, Column) —— 就像遙控器 (Remote Control) 一樣，或者簡單記作先「行 (Row)」後「列 (Column)」！

1.2 元素與矩陣的類型

矩陣中的每個數字稱為元素 (element)。我們使用它們的位置 \((i, j)\) 來定位元素，其中 \(i\) 是行數，\(j\) 是列數。

  • 在上面的矩陣 A 中，位於第 3 行、第 1 列的元素是 \(-2\)。我們寫作 \(a_{31} = -2\)。

矩陣的主要類型：

  • 行矩陣 (Row Matrix)：只有一行（例如 1 x 3）。
  • 列矩陣 (Column Matrix)：只有一列（例如 2 x 1）。
  • 方陣 (Square Matrix)：行數等於列數（例如 2 x 2、3 x 3）。這些矩陣非常重要！
  • 零矩陣 (Zero Matrix)：每個元素都是 0。
快速複習：

要處理矩陣，你必須清楚它們的階數 (行數 x 列數)。如果階數不同，它們就是不同的矩陣。

⭐ 第 2 節：矩陣運算（加法、減法與標量乘法）

矩陣運算涉及加法、減法以及與單個數字（稱為標量，scalar）相乘的簡單規則。

2.1 加法與減法

這是最簡單的運算，但有一個不可逾越的規則：

矩陣必須具有完全相同的階數！

比喻： 你只能將蘋果加蘋果，橘子加橘子。如果矩陣 A 是 2x3 而矩陣 B 是 2x2，你無法將它們相加。

過程： 將對應位置的元素相加或相減（即位於相同位置的元素）。

範例： 設 \(A = \begin{pmatrix} 5 & 1 \\ 2 & 4 \end{pmatrix}\) 且 \(B = \begin{pmatrix} 1 & 6 \\ 0 & 3 \end{pmatrix}\)。

$$ A + B = \begin{pmatrix} 5+1 & 1+6 \\ 2+0 & 4+3 \end{pmatrix} = \begin{pmatrix} 6 & 7 \\ 2 & 7 \end{pmatrix} $$

2.2 標量乘法 (Scalar Multiplication)

將矩陣乘以一個單一數字（稱為標量）非常直接。

過程： 將矩陣中的每一個元素乘以該標量數字。

範例： 若 \(A = \begin{pmatrix} 5 & 1 \\ 2 & 4 \end{pmatrix}\)，求 \(3A\)。

$$ 3A = 3 \times \begin{pmatrix} 5 & 1 \\ 2 & 4 \end{pmatrix} = \begin{pmatrix} 3 \times 5 & 3 \times 1 \\ 3 \times 2 & 3 \times 4 \end{pmatrix} = \begin{pmatrix} 15 & 3 \\ 6 & 12 \end{pmatrix} $$

⭐ 第 3 節：矩陣乘法（行與列的舞步）

矩陣乘法是最具挑戰性的運算，所以請務必仔細！它不是將對應元素直接相乘。

3.1 兼容性規則

在將矩陣 A 乘以矩陣 B（寫作 \(AB\)）之前，它們的階數必須以特定方式匹配。

  • 若 A 的階數為 \(m \times \mathbf{n}\)
  • 且 B 的階數為 \(\mathbf{n} \times p\)
  • 規則： A 的列數 (\(\mathbf{n}\)) 必須等於 B 的行數 (\(\mathbf{n}\))。

💡 記憶小貼士： 內部維度必須匹配。如果匹配，所得矩陣的階數將是外部維度 (\(m \times p\))。

範例： A (2x3) 乘以 B (3x4) 是可以的！結果將是 2x4。

範例： A (2x3) 乘以 C (2x4) 無法進行（3 不等於 2）。

3.2 分步乘法（行乘列）

要找到積矩陣 \(C = AB\) 中的一個元素，你需要將 A 的某一行元素與 B 的某一列元素相乘，然後將這些乘積加在一起。

設 \(A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}\) 且 \(B = \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix}\)。

積矩陣 C 將是一個 2x2 矩陣。讓我們找出 \(c_{11}\)（第 1 行，第 1 列）：

第 1 步： 取 A 的第 1 行和 B 的第 1 列。
\(\begin{pmatrix} \mathbf{1} & \mathbf{2} \\ 3 & 4 \end{pmatrix} \times \begin{pmatrix} \mathbf{5} & 6 \\ \mathbf{7} & 8 \end{pmatrix}\)

第 2 步： 將對應元素相乘並求和。
\(c_{11} = (1 \times 5) + (2 \times 7)\)
\(c_{11} = 5 + 14 = 19\)

第 3 步： 對 \(c_{12}\) 重複此步驟（A 的第 1 行，B 的第 2 列）：
\(c_{12} = (1 \times 6) + (2 \times 8)\)
\(c_{12} = 6 + 16 = 22\)

...以此類推，直到計算出所有元素。

🛑 常見陷阱：

矩陣乘法通常不符合交換律。這意味著 \(AB \ne BA\)。如果你改變乘法順序，答案（甚至乘法的可行性！）都會改變。

⭐ 第 4 節：特殊矩陣與單位矩陣

就像數字 1 在算術中很特別（乘以 1 不會改變數字）一樣，有一種稱為「單位矩陣」的特殊矩陣。

4.1 單位矩陣 (Identity Matrix, \(I\))

單位矩陣 (\(I\)) 是一個方陣，其主對角線（從左上角到右下角）上的所有元素均為 1，其餘所有元素均為 0。

對於 2x2 矩陣： $$ I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} $$

對於 3x3 矩陣： $$ I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix} $$

規則： 當你將任何矩陣 A 乘以單位矩陣 \(I\) 時（前提是它們兼容），結果就是原始矩陣 A。
$$ AI = IA = A $$

⭐ 第 5 節：行列式與逆矩陣（聚焦於 2x2）

要對矩陣進行「除法」，我們使用它的逆矩陣 (Inverse)。但首先，我們需要一個從矩陣派生出來的特殊數字：行列式 (Determinant)。

5.1 2x2 矩陣的行列式

行列式是一個僅與方陣相關聯的單個數字。它寫作 \(det(A)\) 或 \(|A|\)。

設 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)。

公式為： $$ det(A) = ad - bc $$

比喻： 將主對角線上的元素相乘 (\(a \times d\))，減去另一條對角線上元素的乘積 (\(b \times c\))。

範例： 求 \(A = \begin{pmatrix} 3 & 4 \\ 1 & 2 \end{pmatrix}\) 的行列式。
\(det(A) = (3 \times 2) - (4 \times 1) = 6 - 4 = 2\)。

5.2 尋找逆矩陣 (\(A^{-1}\))

逆矩陣 (\(A^{-1}\)) 是與 A 相乘後產生單位矩陣 \(I\) 的矩陣。
$$ A A^{-1} = A^{-1} A = I $$

2x2 矩陣 A 的逆矩陣公式為： $$ A^{-1} = \frac{1}{det(A)} \times \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} $$

尋找 \(A^{-1}\) 的分步步驟：

  1. 計算行列式，\(det(A) = ad - bc\)。
  2. 建立伴隨矩陣 (Adjugate Matrix)，方法是交換主對角線上的元素 (a 和 d)，並更改其餘兩個元素的符號 (b 和 c)。
  3. 將伴隨矩陣乘以行列式的倒數 (\(\frac{1}{det(A)}\))。

接上例： 對於 \(A = \begin{pmatrix} 3 & 4 \\ 1 & 2 \end{pmatrix}\)，我們求出 \(det(A) = 2\)。
伴隨矩陣為：\(\begin{pmatrix} 2 & -4 \\ -1 & 3 \end{pmatrix}\)。
$$ A^{-1} = \frac{1}{2} \begin{pmatrix} 2 & -4 \\ -1 & 3 \end{pmatrix} = \begin{pmatrix} 1 & -2 \\ -1/2 & 3/2 \end{pmatrix} $$

5.3 奇異矩陣 (Singular Matrices)

如果行列式為零 (\(det(A) = 0\))，則矩陣 A 稱為奇異矩陣。

如果 \(det(A) = 0\)，項 \(\frac{1}{det(A)}\) 就會變成除以零，這是無意義的。
結論： 奇異矩陣沒有逆矩陣。

⭐ 第 6 節：應用 - 求解聯立方程式

在當前程度下，逆矩陣最強大的用途是求解線性聯立方程式系統。

6.1 轉換為矩陣形式

考慮兩個線性方程式：
\(ax + by = e\)
\(cx + dy = f\)

我們可以將此系統寫成矩陣形式 \(AX = B\)，其中：

  • A 是係數矩陣（x 和 y 前面的數字）。
  • X 是變數矩陣（未知數）。
  • B 是結果矩陣（等號右側的常數）。

$$ \underbrace{\begin{pmatrix} a & b \\ c & d \end{pmatrix}}_{\text{A}} \underbrace{\begin{pmatrix} x \\ y \end{pmatrix}}_{\text{X}} = \underbrace{\begin{pmatrix} e \\ f \end{pmatrix}}_{\text{B}} $$

6.2 使用逆矩陣求解

若 \(AX = B\)，我們想孤立 X，就在等式兩邊同時乘以 A 的逆矩陣 \(A^{-1}\)。
關鍵： 因為矩陣乘法不符合交換律，你必須從左側乘以 \(A^{-1}\)：
\(A^{-1} (AX) = A^{-1} B\)
由於 \(A^{-1} A = I\)（單位矩陣），我們得到：
$$ IX = A^{-1} B $$ $$ \mathbf{X = A^{-1} B} $$

分步求解過程：

  1. 將方程式系統寫成 \(AX = B\) 的形式。
  2. 計算 A 的行列式。
  3. 求出逆矩陣 \(A^{-1}\)。
  4. 使用行乘列計算乘積 \(A^{-1} B\)。
  5. 所得的 2x1 矩陣就是解矩陣 X，給出 \(x\) 和 \(y\) 的值。
你知道嗎？

矩陣的研究是由 Arthur Cayley 等數學家在 19 世紀中期正式建立的。它們最初的發展並非為了計算，而是為了研究數學變換，這使得它們對於任何涉及幾何和電腦圖學中的旋轉、縮放或移動都至關重要！

🥳 章節總結：關鍵重點

  • 矩陣由其階數（行數 x 列數）定義。
  • 加法/減法要求階數相同。
  • 乘法 (\(AB\)) 要求內部維度匹配（A 的列數 = B 的行數）。
  • 單位矩陣 (\(I\)) 的作用就像數字 1。
  • 行列式 \(det(A) = ad - bc\) 對於尋找 2x2 逆矩陣至關重要。
  • 逆矩陣 \(A^{-1}\) 用於有效地對矩陣進行「除法」，讓我們能通過 \(X = A^{-1} B\) 公式來求解聯立方程式。
  • 如果 \(det(A)=0\)，該矩陣為奇異矩陣，沒有逆矩陣。

繼續練習行乘列的乘法；一旦你掌握了這一點，矩陣章節剩下的內容就會豁然開朗！你一定做得到！