矩陣與線性變換：旋轉、張量與座標轉換

從向量到矩陣：一台「把向量變成向量」的機器

在物理裡，一個向量（vector）常寫成一疊數字，也就是一個直行（column）。例如平面上的位移可寫成 $\vec{v}=\begin{pmatrix} 1 \\ 0 \end{pmatrix}$，代表往 $x$ 方向走一步。那麼「矩陣」（matrix）是什麼？它是一台機器：吃進一個向量，吐出另一個向量。這種「輸入向量、輸出向量，而且尊重加法與伸縮」的機器，數學上稱為線性變換（linear transformation）。

所謂線性，意思是這台機器滿足 $A(\vec{u}+\vec{v})=A\vec{u}+A\vec{v}$ 與 $A(c\vec{v})=c\,A\vec{v}$。旋轉、縮放、鏡射、投影，全都是線性變換，因此全都能寫成一次矩陣乘法。這正是線性代數（linear algebra）能滲透整個物理的原因：只要一個過程對「疊加」與「放大」是誠實的，它就住在矩陣的世界裡。

二維旋轉矩陣：主動轉向量，還是被動轉座標軸

最重要的例子是把平面上的向量逆時針轉一個角度 $\theta$。這件事由旋轉矩陣（rotation matrix）完成：

$$ R(\theta)=\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} $$

這裡要分清兩種觀點。主動旋轉（active rotation，轉向量）是：座標軸不動，把物理向量本身轉過去。被動旋轉（passive rotation，轉座標軸）是：向量不動，改用一組轉過角度的新座標軸去描述它。兩者的矩陣互為反向（差一個負號的角度），初學時最容易在這裡混淆——同一個公式，看你要轉的是「東西」還是「尺」。

換基：同一個向量，在不同座標下有不同分量

一個真實的物理向量（例如一支箭）並不在乎我們用哪組座標軸。但它的分量（components）會隨座標軸而變。換基（change of basis）就是把同一個向量從一組基底的分量，換算成另一組基底的分量，這個換算本身也是一次矩陣乘法。這帶來一個關鍵觀念：分量會變，但向量這個「物」不變。物理定律要寫得對，就得寫成不依賴座標選擇的形式，這是張量（tensor）語言的起點。

特徵值與特徵向量：主軸、穩定方向與簡正模

對某些特別的向量，矩陣 $A$ 作用後只是把它伸縮，而不改變方向：$A\vec{v}=\lambda\vec{v}$。這樣的 $\vec{v}$ 稱為特徵向量（eigenvector），伸縮倍率 $\lambda$ 稱為特徵值（eigenvalue）。特徵向量是這台機器的「天然方向」，沿著它作用最單純。在物理裡，它有許多化身：剛體轉動的主軸（principal axes）、系統的穩定方向、耦合振動的簡正模（normal modes）——每一個簡正模就是一組能整體同頻振盪的特徵向量。

矩陣在物理裡到處都是

矩陣不是抽象練習，而是物理的骨架。轉動慣量張量（moment-of-inertia tensor）把角速度連到角動量，對角化（diagonalize）後就找到剛體的主軸；應力張量（stress tensor）描述材料內每個面上的受力；耦合振子的簡正模（normal modes of coupled oscillators）由一個矩陣的特徵值決定振動頻率；量子力學（quantum mechanics）裡，可觀測量是算符（operator，即矩陣），系統狀態是態向量（state vector）；狹義相對論的勞侖茲變換（Lorentz transformation）則是把時間與空間混在一起的一個 $4\times4$ 矩陣。

一個算得出來的例子

把向量 $\vec{v}=\begin{pmatrix} 1 \\ 0 \end{pmatrix}$ 逆時針轉 $90^{\circ}$。代入 $\theta=90^{\circ}$，$\cos 90^{\circ}=0$、$\sin 90^{\circ}=1$：

$$ R(90^{\circ})=\begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} $$

作用在 $\vec{v}$ 上：

$$ R(90^{\circ})\begin{pmatrix} 1 \\ 0 \end{pmatrix}=\begin{pmatrix} 0\cdot 1+(-1)\cdot 0 \\ 1\cdot 1+0\cdot 0 \end{pmatrix}=\begin{pmatrix} 0 \\ 1 \end{pmatrix} $$

原本指向 $x$ 軸的箭，變成指向 $y$ 軸，正是「逆時針轉九十度」——矩陣忠實地做完了這件事。

高中到大學普通物理：矩陣的角色升級

深入探討（研究所視角）

在更高的視角，線性代數是物理的共同底層語言。抽象的向量空間（vector space）把「向量」從箭頭推廣為任何可以相加、可以伸縮的對象；加上內積（inner product）成為內積空間後，就能談長度、角度與正交。量子力學正是建立在無窮維的希爾伯特空間（Hilbert space）上的線性代數：態是向量，可觀測量是厄米算符（Hermitian operator），而譜定理（spectral theorem）保證厄米算符可對角化，其實特徵值就是測量可能得到的實數值，特徵向量就是對應的本徵態。

張量（tensor）則是多線性映射（multilinear map），核心不在「它是一疊數字」，而在「換座標時它的分量依固定法則變換」——這條變換律才是張量的身分證。最後，物理的對稱性由群（group）刻畫：三維旋轉群 $SO(3)$、與自旋密切相關的 $SU(2)$、時空對稱的勞侖茲群，都是以矩陣實現的對稱操作。從普物的一個 $R(\theta)$，到量子場論裡的對稱群，線性代數一路是同一條主線。Uedu 希望文科背景的學習者也能看見：矩陣不是符號堆疊，而是「旋轉與變換」這個直覺的精確寫法。