歡迎來到矩陣代數入門！

你好！這一章聽起來可能很複雜，因為它似乎結合了兩個大概念——矩陣與微積分（積分），但別擔心。在 FP1 中，我們主要關注矩陣如何變換幾何圖形，以及這些矩陣的性質如何衡量這些變化，這是非常有力的數學概念。

這一章至關重要，因為矩陣就是「變換」的語言。理解矩陣如何縮放面積，能讓你將代數計算（如求行列式）直接與幾何測量連結起來。即使你之前覺得矩陣的概念很難，我們也會將成功的關鍵概念拆解開來，助你一臂之力！

第一節：核心概念——變換與縮放

在 FP1 中，我們只處理 2x2 矩陣。這些矩陣用於描述點、線和圖形如何在二維平面（\(xy\)-平面）上移動和改變大小。

1.1 行列式的作用

與 2x2 矩陣相關的最重要數字就是它的行列式 (Determinant)。行列式通常被視為矩陣的「縮放因子」或「特性指標」。

計算行列式

對於一個一般的 2x2 矩陣 \(M\)：

$$M = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$

M 的行列式，記作 \(\det(M)\) 或 \(|M|\)，計算公式為：

$$\det(M) = ad - bc$$

記憶技巧（交叉相乘法）：將數字沿著對角線向右下方相乘 (\(ad\))，然後減去沿著對角線向左上方相乘的積 (\(bc\))。

範例： 若 \(A = \begin{pmatrix} 5 & 2 \\ 3 & 4 \end{pmatrix}\)，則 \(\det(A) = (5 \times 4) - (2 \times 3) = 20 - 6 = 14\)。

行列式為零的意義

如果 \(\det(M) = 0\)，該矩陣稱為奇異矩陣 (Singular Matrix)。

  • 奇異矩陣會將整個區域變換到一條直線上，甚至變換成一個點。它會將空間「壓縮」。
  • 關鍵點：奇異矩陣沒有逆矩陣（你無法撤銷這種變換）。
快速回顧：行列式

行列式 \(ad-bc\) 告訴我們變換是縮放、收縮還是壓平了圖形。如果結果為零，則該變換是不可逆的。

第二節：行列式與面積縮放因子

本節將矩陣代數直接與幾何和測量連結起來，這正是我們在這個程度將矩陣與積分概念聯繫起來的核心原因。當矩陣變換一個圖形時，行列式準確地告訴我們面積是如何變化的。

2.1 面積變換規則

如果變換 \(T\) 由矩陣 \(M\) 表示，並且此變換應用於面積為 \(A\) 的區域 \(R\)，則變換後的面積 \(A'\) 為：

$$A' = |\det(M)| \times A$$

重要提示：絕對值！

由於面積永遠為正，我們使用行列式的絕對值（或模），即 \(|\det(M)|\)。

  • 如果 \(\det(M)\) 是 5，面積縮放因子就是 5（圖形變大 5 倍）。
  • 如果 \(\det(M)\) 是 -2，面積縮放因子就是 2（圖形變大 2 倍，而負號表示發生了反射）。

類比：影印機
想像圖形是一張照片，而矩陣是影印機的設定。如果行列式是 -4，影印機印出的影像會比原圖大四倍，同時還會將影像沿某條軸進行翻轉（反射）。

2.2 與微積分的聯繫（積分概念）

雖然 FP1 不需要你正式對矩陣內部的函數進行積分，但積分的概念本質上就是求曲線下的面積。當你使用行列式求變換後圖形的面積時，你實際上是在計算幾何測量的縮放因子。

如果你使用積分法來計算變換後圖形的面積，其結果將正好等於原圖面積乘以縮放因子 \(|\det(M)|\)。

你知道嗎？
在高等數學（如多變量微積分）中，行列式在進行積分變量替換時，作為雅可比行列式 (Jacobian) 發揮著重要作用。它確保了當你切換坐標系時，計算出的面積（或體積）保持一致。現在，只需記住行列式就是「面積調整器」！

分步範例

三角形 \(R\) 的頂點位於 (0, 0)、(4, 0) 和 (0, 3)。它經過矩陣 \(T = \begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix}\) 進行變換。

  1. 求原始面積 (\(A\))：這是一個直角三角形。$A = \frac{1}{2} \times \text{底} \times \text{高} = \frac{1}{2} \times 4 \times 3 = 6$ 平方單位。
  2. 求行列式 (\(|\det(T)|\))： $$\det(T) = (2 \times 3) - (1 \times 0) = 6 - 0 = 6$$
  3. 計算新面積 (\(A'\))： $$A' = |\det(T)| \times A = 6 \times 6 = 36 \text{ 平方單位。}$$

    變換後的三角形 \(R'\) 的面積將會是 36 單位。

面積縮放的關鍵要點

行列式衡量的是面積縮放因子。在計算最終面積時，記得要使用行列式的絕對值。

第三節：逆矩陣（撤銷變化）

如果行列式不為零（即矩陣是非奇異的），則變換可以被反轉或「撤銷」。執行反向變換的矩陣稱為逆矩陣 (Inverse Matrix)，記作 \(A^{-1}\)。

鼓勵一下：計算逆矩陣可能看起來很死板，但一旦你掌握了步驟，這可是拿分的捷徑！

3.1 計算 2x2 矩陣的逆矩陣

如果 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，則逆矩陣 \(A^{-1}\) 的公式為：

$$A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}$$
求 \(A^{-1}\) 的分步流程
  1. 求行列式：計算 \(\det(A) = ad - bc\)。如果結果為零，請停止！逆矩陣不存在。
  2. 交換對角線元素：交換 \(a\) 和 \(d\) 的位置。
  3. 改變符號：將 \(b\) 和 \(c\) 乘以 \(-1\)。
  4. 除以行列式：將所得矩陣乘以純量分數 \(\frac{1}{\det(A)}\)。
求逆矩陣範例

設 \(B = \begin{pmatrix} 3 & 1 \\ 4 & 2 \end{pmatrix}\)。

  1. 行列式： \(\det(B) = (3 \times 2) - (1 \times 4) = 6 - 4 = 2\)。
  2. 伴隨矩陣（交換與變號）： $$\text{Adj}(B) = \begin{pmatrix} 2 & -1 \\ -4 & 3 \end{pmatrix}$$
  3. 逆矩陣： $$B^{-1} = \frac{1}{2} \begin{pmatrix} 2 & -1 \\ -4 & 3 \end{pmatrix} = \begin{pmatrix} 1 & -1/2 \\ -2 & 3/2 \end{pmatrix}$$

3.2 使用逆矩陣來反轉變換

如果由 \(M\) 定義的變換將點 \(P\) 映射到 \(P'\)，那麼對 \(P'\) 應用 \(M^{-1}\) 將會把它映射回 \(P\)。

如果 \(MP = P'\)，則 \(M^{-1} P' = P\)。

這對於解決「已知變換後的最終點，需求原始坐標」的問題至關重要。

常見錯誤！
  • 錯誤 1：忘記交換 \(a\) 和 \(d\)。
  • 錯誤 2：忘記將 \(b\) 和 \(c\) 變號。
  • 錯誤 3：行列式算錯，特別是在有負數的情況下！要小心負負得正。例如，如果 \(A = \begin{pmatrix} 2 & -3 \\ 1 & 4 \end{pmatrix}\)，則 \(\det(A) = 8 - (-3) = 11\)。
快速回顧：逆矩陣

逆矩陣 \(A^{-1}\) 可以反轉由 \(A\) 執行的變換。它僅在 \(\det(A) \neq 0\) 時存在。

第四節：總結與綜合運用

FP1 的矩陣內容著重於簡單的代數矩陣如何定義幾何變換。從矩陣結構中衍生出的關鍵性質（行列式與逆矩陣）使我們能夠測量和反轉這些變化。

請記住這些核心連結：

矩陣概念 代數作用 幾何影響（縮放/積分連結）
行列式 (\(\det(M)\)) 純量值 \(ad - bc\)。 面積縮放因子。若為負數，表示有反射。
奇異矩陣 \(\det(M) = 0\)。 變換將面積壓縮到一條線或一個點上。不可逆。
逆矩陣 (\(M^{-1}\)) 由 \(M M^{-1} = I\)（單位矩陣）定義。 反轉或撤銷原始變換。

請持續練習計算行列式和逆矩陣的步驟。這些基本功將助你解開考試中所有關於變換的問題！

你一定做得到！