矩陣變換簡介
歡迎來到矩陣變換的世界！如果你玩過電子遊戲，或使用過修圖軟件來旋轉或調整圖片大小，你其實已經見識過矩陣變換的威力了。在 Further Pure Mathematics 1 (FP1) 的這一章中，我們將學習如何利用 2x2 的矩陣（一組數字格）來移動、翻轉、拉伸和旋轉圖形。如果以前你覺得矩陣只是「一堆數字」，別擔心——在這裡，它們將成為創造動態效果的強力工具！
1. 什麼是線性變換 (Linear Transformation)？
線性變換是一種將點 \( (x, y) \) 移動到新位置 \( (x', y') \) 的規則。我們通常將原始點表示為列向量 (column vector)：
\( \begin{pmatrix} x \\ y \end{pmatrix} \)
當我們用 2x2 矩陣乘以這個向量時，就會得到該點的「像 (image)」或新位置。這就像給該點一套 GPS 指令，告訴它下一步該去哪裡。
秘密武器：單位正方形 (The Unit Square)
理解任何矩陣最簡單的方法，就是觀察它如何處理兩個特定的點：\( I(1, 0) \) 和 \( J(0, 1) \)。這兩個點是「單位正方形」的頂點。
若矩陣為 \( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)：
- 第一列 \( \begin{pmatrix} a \\ c \end{pmatrix} \) 即為點 \( (1, 0) \) 移動後的位置。
- 第二列 \( \begin{pmatrix} b \\ d \end{pmatrix} \) 即為點 \( (0, 1) \) 移動後的位置。
快速回顧：要找出任何變換的矩陣，只需問自己：「\( (1, 0) \) 去了哪裡？」以及「\( (0, 1) \) 去了哪裡？」。將這兩個新的坐標填入矩陣的兩列即可！
2. 標準幾何變換
課程要求你必須辨認並使用幾種特定的變換。讓我們逐一拆解。
A. 反射 (Reflections)
想像在坐標平面上放一面鏡子。反射會將圖形沿著特定直線翻轉。
- 沿 x 軸反射：點 \( (1,0) \) 維持在 \( (1,0) \)，但 \( (0,1) \) 翻轉至 \( (0,-1) \)。矩陣：\( \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} \)
- 沿 y 軸反射：點 \( (1,0) \) 翻轉至 \( (-1,0) \)，但 \( (0,1) \) 維持在 \( (0,1) \)。矩陣：\( \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \)
- 沿直線 \( y = x \) 反射：這會互換 \( x \) 和 \( y \) 坐標。矩陣：\( \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \)
- 沿直線 \( y = -x \) 反射：互換坐標並改變符號。矩陣：\( \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} \)
B. 旋轉 (Rotations)
旋轉是指圖形繞原點 \( (0, 0) \) 轉動。在數學中，正角 (positive angles) 永遠代表逆時針 (anti-clockwise) 旋轉！
繞原點逆時針旋轉 \( \theta \) 的通用矩陣為：
\( \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} \)
例子：對於逆時針旋轉 90°，\( \cos 90 = 0 \) 且 \( \sin 90 = 1 \)。矩陣變為 \( \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \)。
C. 放大與拉伸 (Enlargements and Stretches)
這些變換會改變圖形的大小。
- 放大（中心點 (0,0)，縮放因子 \( k \)）：將整個圖形放大 \( k \) 倍。矩陣：\( \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} \)
- 平行於 x 軸拉伸（縮放因子 \( k \)）：像拉麵糰一樣水平拉伸圖形。矩陣：\( \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} \)
- 平行於 y 軸拉伸（縮放因子 \( k \)）：垂直拉伸圖形。矩陣：\( \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} \)
重點總結：反射和旋轉通常涉及 0、1 或三角函數值。拉伸和放大則使用縮放因子 \( k \)。
3. 組合變換 (Combined Transformations)
如果你想將圖形先旋轉，再進行反射呢？這就是組合變換。
如果變換 \( B \) 由矩陣 \( \mathbf{B} \) 表示，變換 \( A \) 由矩陣 \( \mathbf{A} \) 表示，則「先做 B，後做 A」的組合變換由以下矩陣乘法表示：
\( \mathbf{AB} \)
常見錯誤警示：順序是反過來的！如果你先做 \( B \)，它的矩陣要放在右邊。想像成函數：\( A(B(x)) \)。離向量 \( x \) 最近的那個運算先發生。
記憶小撇步：「由右至左」。閱讀矩陣乘法時由右向左看，就能清楚變換的順序。
4. 行列式 (Determinants) 與面積
矩陣的行列式與它所變換的圖形之間有著美妙的聯繫。如果你有一個矩陣 \( \mathbf{M} \)：
像的面積 = \( | \det(\mathbf{M}) | \times \) 原圖面積
行列式告訴你面積的縮放因子。
- 若 \( \det(\mathbf{M}) = 3 \)，新圖形面積是原來的 3 倍。
- 若 \( \det(\mathbf{M}) = 1 \)，面積不變（如旋轉或反射）。
- 若 \( \det(\mathbf{M}) \) 為負數，表示圖形被倒轉 (inverted) 了，但計算面積時取其絕對值作為縮放因子。
你知道嗎？如果行列式為 0，該矩陣稱為「奇異矩陣 (singular)」。這意味著它將整個 2D 圖形壓縮成一條線或一個點，因此面積變為 0！
5. 逆變換 (Inverse Transformations)
逆矩陣 \( \mathbf{M}^{-1} \) 就像是一個「復原」按鈕。如果矩陣 \( \mathbf{M} \) 將圖形旋轉了 30°，那麼 \( \mathbf{M}^{-1} \) 就會將其反向旋轉 -30°。
如果變換是一個組合 \( \mathbf{AB} \)（表示先做 B，再做 A），那麼復原整個過程的逆矩陣為：
\( (\mathbf{AB})^{-1} = \mathbf{B}^{-1}\mathbf{A}^{-1} \)
注意順序互換了！就像穿衣服：先穿襪子，再穿鞋 (\( AB \))。要脫掉它們，必須先脫鞋，再脫襪子 (\( B^{-1}A^{-1} \))。
快速回顧：
1. 行列式是面積縮放因子。
2. 逆矩陣會反轉變換過程。
3. 要找出組合變換的逆矩陣，請將順序反轉並分別對每個矩陣取逆。
成功備試清單
考前請確保你能：
- 辨認沿 \( x=0, y=0, y=x, y=-x \) 反射的矩陣。
- 構建任意角度 \( \theta \) 的旋轉矩陣。
- 透過以正確（相反）的順序相乘矩陣來合併兩個變換。
- 使用行列式計算變換後圖形的面積。
- 解釋變換矩陣的逆矩陣有何作用。
如果剛開始覺得很抽象，別擔心！試著畫出單位正方形，並手動移動它的頂點 \( (1,0) \) 和 \( (0,1) \)——矩陣從視覺上會變得容易理解得多！