Transformations using matrices

歡迎來到矩陣變換的世界！

你有沒有想過，你最愛的電子遊戲中的電腦圖像，是如何在螢幕上移動角色的？又或者，相片編輯器是如何「拉伸」或「旋轉」你的照片的？在那些按鈕和滑桿的背後，正是矩陣代數 (Matrix Algebra) 的強大力量！在本章中，我們將學習如何將 2x2 矩陣當作「數學機器」，用來在座標網格上平移、翻轉和調整圖形的大小。別擔心，如果起初覺得這些概念有點抽象，我們會一步步為你拆解！

1. 基本概念：以列向量表示點

在進行任何變換之前，我們需要使用正確的「語言」。在矩陣變換中，我們將一個點 \( (x, y) \) 表示為一個列向量 (column vector)：

\( \begin{pmatrix} x \\ y \end{pmatrix} \)

當我們將一個 2x2 矩陣乘以這個列向量時，會得到一個新的列向量，它代表該點的像 (image)，也就是變換後的新位置。

黃金法則：矩陣 \( \times \) 物體 \( = \) 像
\( \mathbf{M} \mathbf{v} = \mathbf{v'} \)

快速複習：如何進行乘法

要找出新的 \( x \)，請乘以頂行；要找出新的 \( y \)，請乘以底行：
\( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} ax + by \\ cx + dy \end{pmatrix} \)

重點歸納：矩陣就像是一個「規則」，告訴圖形上的每一個點準確地移動到哪裡。

2. 「單位向量」技巧（如何找出任意矩陣）

還在苦惱記不住哪個矩陣對應什麼變換嗎？有一個簡單的秘訣！每個變換矩陣都是由網格中兩個「積木」的變化所構成的：

1. 向量 \( \mathbf{i} \)：\( \begin{pmatrix} 1 \\ 0 \end{pmatrix} \)（向右移動一步）
2. 向量 \( \mathbf{j} \)：\( \begin{pmatrix} 0 \\ 1 \end{pmatrix} \)（向上移動一步）

如果你知道這兩個點在變換後落在什麼位置，你就找到了該矩陣！第一列是 \( \mathbf{i} \) 的去向，第二列則是 \( \mathbf{j} \) 的去向。

你知道嗎？這被稱為「線性變換 (Linear Transformation)」，因為原點 \( (0,0) \) 永遠不會移動，而且直線變換後依然保持為直線！

3. 常見的幾何變換

反射 (Reflections)

想像在圖表上放置一面鏡子。該矩陣會將圖形沿著鏡射線「翻轉」。

• 關於 x 軸反射： \( \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} \)（y 座標符號互換）
• 關於 y 軸反射： \( \begin{pmatrix} -1 & 0 \\ 0 & 1 \end{pmatrix} \)（x 座標符號互換）
• 關於 \( y = x \) 反射： \( \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} \)（x 和 y 座標位置互換）
• 關於 \( y = -x \) 反射： \( \begin{pmatrix} 0 & -1 \\ -1 & 0 \end{pmatrix} \)

旋轉 (Rotations)

這些矩陣會使圖形繞著原點 \( (0,0) \) 轉動。在數學中，正角度表示逆時針旋轉！

旋轉角度為 \( \theta \) 的通用矩陣為：
\( \begin{pmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{pmatrix} \)

例子：對於 90° 逆時針旋轉，由於 \( \cos(90)=0 \) 且 \( \sin(90)=1 \)，我們得到： \( \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} \)。

放大與拉伸 (Enlargements and Stretches)

這些變換會改變圖形的大小。

• 放大（中心為 (0,0)，比例因子 \( k \)）： \( \begin{pmatrix} k & 0 \\ 0 & k \end{pmatrix} \)
• 平行於 x 軸拉伸（比例因子 \( k \)）： \( \begin{pmatrix} k & 0 \\ 0 & 1 \end{pmatrix} \)
• 平行於 y 軸拉伸（比例因子 \( k \)）： \( \begin{pmatrix} 1 & 0 \\ 0 & k \end{pmatrix} \)

重點歸納：如果矩陣的對角線外有數值（非對角元素），通常涉及反射或旋轉。如果角落（對角線外）是 0，則通常是拉伸或放大。

4. 組合變換（「襪子與鞋子」規則）

如果我們想先對圖形進行反射，然後再旋轉，該怎麼辦？我們可以使用矩陣乘法！

如果先進行變換 \( \mathbf{A} \)，隨後進行變換 \( \mathbf{B} \)，則組合後的矩陣為 \( \mathbf{BA} \)。

等等，為什麼順序是反過來的？
把它想像成先穿襪子再穿鞋子。如果向量是 \( \mathbf{v} \)：
1. 首先，應用 A： \( \mathbf{A} \mathbf{v} \)
2. 然後，將 B 應用於結果： \( \mathbf{B}(\mathbf{A} \mathbf{v}) \)
這就是為什麼我們寫成 \( \mathbf{BA} \)。最靠近向量的變換會優先執行！

常見錯誤：學生通常會按照閱讀順序（先 A 後 B）進行乘法。請務必記得從右到左書寫！

5. 行列式與面積

矩陣最酷的地方之一，就是它們能告訴你圖形的面積變化了多少。

變換的面積比例因子 (area scale factor) 是該矩陣行列式 (determinant) 的絕對值。

\( \text{新面積} = |\text{det}(\mathbf{M})| \times \text{舊面積} \)

快速提醒：對於矩陣 \( \begin{pmatrix} a & b \\ c & d \end{pmatrix} \)，行列式為 \( ad - bc \)。

注意：如果行列式為負，僅表示該圖形在調整大小的同時也進行了「翻轉」（反射）。

重點歸納：如果行列式為 1，則面積不會改變（例如簡單的旋轉或反射）。

6. 逆矩陣：反向操作

如果矩陣 \( \mathbf{M} \) 將物體變換為像，則逆矩陣 \( \mathbf{M}^{-1} \) 會將像變回原始物體。

別擔心，這看起來有點棘手：你只需要使用標準公式來求 2x2 矩陣的逆矩陣：
\( \mathbf{M}^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \)

如果行列式為 0，則該矩陣為奇異矩陣 (singular matrix)。這意味著該變換將整個圖形壓縮成一條線或一個點——你無法「撤銷」這種操作，因此它沒有逆矩陣！

重點摘要：
1. 點使用列向量表示。
2. 矩陣的列是 (1,0) 和 (0,1) 的像。
3. 乘法順序很重要： \( \mathbf{BA} \) 代表先做 A 再做 B。
4. 行列式即為面積比例因子。
5. 逆矩陣用於「撤銷」變換。