線性代數專區
從矩陣變換到 SVD — 不是背公式，而是動手玩。每個概念都對應到一個 CS 應用，先建直覺再上符號。
圖學 / 遊戲 — 4×4 變換、透視投影、quaternion 旋轉
機器學習 — 矩陣乘法、SVD、PCA（= 對角化 covariance）
NLP / 推薦 — 餘弦相似度、SVD（LSA）、attention = 矩陣乘
圖論 — adjacency matrix、PageRank（= 最大特徵向量）
訊號 / 影像 — Fourier = 換基底、DCT（JPEG）、convolution
量子運算 — 向量空間、unitary 矩陣、tensor product
Chapter 1 · 直覺基礎
把矩陣當作「動詞」— 即時調整每個分量，看立方體與向量怎麼被拉伸、旋轉、平移。
Chapter 1 · 直覺基礎
兩個矩陣怎麼疊起來？順序為什麼這麼重要？— 看 A·B 跟 B·A 到底差在哪。
Chapter 2 · 核心工具
把一個向量「壓」到一條線或一個平面 — 看殘差為什麼永遠垂直，理解線性回歸的幾何。
Chapter 2 · 核心工具
同一個向量，在不同座標系裡長得不一樣。圖學、PCA、Fourier 的共同骨幹。
Chapter 3 · 分解與譜論
哪些方向「被矩陣作用後仍是原方向」？PageRank、PCA 與量子裡的不變方向。
Chapter 3 · 分解與譜論
CS 裡最重要的矩陣分解 — 推薦系統、降維、影像壓縮、潛在語意分析全靠它。
對標 3Blue1Brown · Essence of Linear Algebra — 看影片建直覺，回這裡動手玩。