Matrix algebra integration

歡迎來到矩陣的世界！

你好！在本章中，我們將一起探索矩陣代數 (Matrix Algebra)。如果你曾使用過試算表，或者在科幻電影中見過「綠色代碼瀑布」，那麼你已經見過矩陣的應用了。矩陣 (Matrix) 其實就是一個由行和列組成的矩形「數字方格」。它們在處理大量數據和表示幾何變換方面是非常強大的工具。

如果起初覺得這些概念有點「陌生」，不用擔心。我們會一步一步拆解，從簡單的加法到尋找矩陣的「逆矩陣」，現在就讓我們開始吧！

1. 基礎知識：加法與減法

矩陣的加減法就像一般數字的加減法，只不過你是針對矩陣中「對應位置」的數字進行運算。

「大小相同」原則

在開始計算之前，有一個黃金法則：只有當兩個矩陣的大小（行數和列數）完全相同時，你才能對它們進行加法或減法運算。在數學術語中，我們稱它們必須具有相同的維度 (dimension)。

如何計算：

只需將每個對應位置的元素相加或相減即可。

例子：
若 \(A = \begin{pmatrix} 2 & 5 \\ -1 & 3 \end{pmatrix}\) 且 \(B = \begin{pmatrix} 1 & 0 \\ 4 & 2 \end{pmatrix}\)
則 \(A + B = \begin{pmatrix} 2+1 & 5+0 \\ -1+4 & 3+2 \end{pmatrix} = \begin{pmatrix} 3 & 5 \\ 3 & 5 \end{pmatrix}\)

快速回顧：做加減法時，對準位置就對了！如果矩陣大小不同，是無法計算的。

2. 標量乘法 (Scalar Multiplication)

「標量 (Scalar)」其實就是單一個數字（如 3、-5 或 0.5）的專業名稱。當你將一個矩陣乘以一個標量時，本質上就是將整個矩陣進行「縮放」。

如何計算：

將矩陣內的每一個數字都乘以該標量。

例子：
若 \(k = 3\) 且 \(A = \begin{pmatrix} 2 & -4 \\ 1 & 7 \end{pmatrix}\)
則 \(3A = \begin{pmatrix} 3 \times 2 & 3 \times -4 \\ 3 \times 1 & 3 \times 7 \end{pmatrix} = \begin{pmatrix} 6 & -12 \\ 3 & 21 \end{pmatrix}\)

重點提示：這個標量就像一位「老闆」，他會拜訪辦公室（矩陣）裡的每一位員工（元素）並將他們的價值乘以該標量！

3. 矩陣乘法 (兩個矩陣的積)

這部分開始變得有趣了。兩個矩陣相乘不是逐個對應位置相乘，而是使用行乘列 (Row-by-Column) 規則。

「RC」規則

記憶法：想像一下「RC 汽水」。你需要用第一個矩陣的列 (Rows) 乘以第二個矩陣的行 (Columns)。

\(2 \times 2\) 矩陣的運算步驟：

要計算結果左上角的元素，你需要將第一個矩陣的頂部列 (Row) 乘以第二個矩陣的左側行 (Column)，並將計算結果相加。

令 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\) 且 \(B = \begin{pmatrix} e & f \\ g & h \end{pmatrix}\)
則積 \(AB = \begin{pmatrix} (ae + bg) & (af + bh) \\ (ce + dg) & (cf + dh) \end{pmatrix}\)

要避免的常見錯誤：在普通代數中，\(2 \times 3\) 與 \(3 \times 2\) 結果相同。但在矩陣代數中，順序很重要！通常 \(AB\) 並不等於 \(BA\)。務必按照題目要求的順序進行乘法。

4. \(2 \times 2\) 矩陣的行列式 (Determinant)

行列式 (Determinant) 是一個能告訴我們關於矩陣許多訊息的數值。對於矩陣 \(M = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)，行列式記作 \(det(M)\) 或 \(|M|\)。

公式：

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

小撇步：將其想像為一個「交叉十字」。將主對角線相乘 \((a \times d)\)，然後減去另一條對角線的乘積 \((b \times c)\)。

奇異矩陣與非奇異矩陣

1. 若 \(det(M) = 0\)，該矩陣為奇異矩陣 (singular)。（它沒有逆矩陣）。
2. 若 \(det(M) \neq 0\)，該矩陣為非奇異矩陣 (non-singular)。

你知道嗎？行列式告訴你該變換的「面積比例因子」。如果行列式是 3，那麼圖形的面積就會擴大為原來的 3 倍！

5. \(2 \times 2\) 矩陣的逆矩陣 (Inverse)

矩陣 \(A\) 的逆矩陣 (inverse) 記作 \(A^{-1}\)。它是矩陣版本的「倒數」。當你將一個矩陣與其逆矩陣相乘時，會得到單位矩陣 (Identity Matrix) \(I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)。

如何求逆矩陣（「食譜」）：

對於 \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\)：

1. 計算行列式：\( \Delta = ad - bc \)。
2. 交換主對角線上的元素（\(a\) 和 \(d\) 的位置）。
3. 改變另外兩個元素的符號（\(b\) 和 \(c\) 變成負數）。
4. 將整個矩陣乘以 \( \frac{1}{\Delta} \)。

公式： \(A^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}\)

重點：如果行列式為 0，你就會除以零，這是不可能的！這就是為什麼奇異矩陣沒有逆矩陣。

6. 逆矩陣的反轉定律 (Reversal Law)

課程中有一個特殊法則，當處理兩個矩陣相乘後的逆矩陣時，你需要記住它。

規則：

\((AB)^{-1} = B^{-1}A^{-1}\)

類比：想像你先穿上襪子（矩陣 B），然後穿上鞋子（矩陣 A）。要「還原」這個過程（逆操作），你必須先脫掉鞋子 (\(A^{-1}\))，然後再脫掉襪子 (\(B^{-1}\))。順序是顛倒的！

重點總結：
- 加法/減法：要求大小相同，按對應位置計算。
- 乘法：行乘列 (Row-by-Column)（順序很重要！）。
- 行列式：\(ad - bc\)。若等於 0，則為奇異矩陣。
- 逆矩陣：交換 \(a\) 與 \(d\)，將 \(b\) 與 \(c\) 變號，最後乘以行列式的倒數。
- 反轉定律：計算 \((AB)^{-1}\) 時，要將順序顛倒。