矩阵计算器 — 加法、乘法、行列式

输入矩阵A（二元运算还需输入B）的值，即可自动计算结果。支持2×2和3×3矩阵，提供加法、减法、乘法、转置和行列式五种运算。

矩阵大小:

运算:

矩阵 A

矩阵 B

请在上方输入矩阵的值以进行计算。

工作原理

矩阵的概念及其重要性

矩阵是将数字按行和列排列成的矩形数组。一个m×n矩阵有m行n列。矩阵是线性代数的基本对象，而线性代数是数据科学、计算机图形学、物理仿真和工程优化的数学语言。

矩阵中的每个元素由其行号和列号确定，第i行第j列的元素记作aᵢⱼ。在2×2矩阵中，a₁₁是左上角元素，a₁₂是右上角，a₂₁是左下角，a₂₂是右下角。行数等于列数的方阵具有行列式和迹等特有性质，非方阵则没有这些性质。

矩阵表示线性变换——即在保持加法和标量乘法的前提下将向量映射到向量的函数。2×2矩阵可以表示二维平面中旋转、缩放、反射和错切的任意组合。两个矩阵相乘等于对应变换的合成：若A表示旋转45°，B表示缩放2倍，则AB先旋转再缩放。

矩阵运算详解

加法和减法要求两个矩阵具有相同的维度。对应位置的元素逐一相加或相减：(A+B)ᵢⱼ = aᵢⱼ + bᵢⱼ。加法满足交换律（A+B = B+A），但减法不满足（A−B ≠ B−A）。

矩阵乘法较为复杂，且不满足交换律——一般情况下AB ≠ BA。对于两个n×n方阵，积的第i行第j列元素是A的第i行与B的第j列的点积：(AB)ᵢⱼ = Σₖ aᵢₖ bₖⱼ。2×2矩阵的乘法需要8次乘法和4次加法。

矩阵A的转置记作Aᵀ，通过交换行和列得到：(Aᵀ)ᵢⱼ = aⱼᵢ。A的第一行变为Aᵀ的第一列。转置在最小二乘回归的正规方程（AᵀA）、主成分分析以及神经网络反向传播中被广泛使用。行列式是从方阵得到的一个标量值，对于2×2矩阵[[a,b],[c,d]]，行列式为ad − bc。行列式为0的矩阵称为奇异矩阵——它没有逆矩阵，意味着对应的线性变换会将空间压缩到更低维度。

矩阵计算的实际应用

计算机图形学完全依赖矩阵运算。对三维场景施加的每一次旋转、平移、缩放和透视投影，都以齐次坐标上的矩阵乘法形式实现。渲染管线将模型矩阵、视图矩阵和投影矩阵三个4×4矩阵相乘（合成），然后作用于每个顶点。GPU正是专门为这类大规模矩阵乘法而优化的处理器。

在机器学习中，神经网络的权重以矩阵形式存储。每一层的前向传播是输入向量（或批次矩阵）与权重矩阵的乘法，再经过非线性激活函数。像ChatGPT这样的大型语言模型在每次前向传播中执行数十亿次矩阵乘法。反向传播中使用转置矩阵计算梯度：δL/δW = xᵀ · δL/δy。

线性方程组可以用矩阵来表示和求解。方程组 ax + by = e，cx + dy = f 等价于矩阵方程 [[a,b],[c,d]] · [x,y]ᵀ = [e,f]ᵀ。若行列式不为零，唯一解为 x = [x,y]ᵀ = A⁻¹[e,f]ᵀ。行列式、逆矩阵与方程组可解性之间的关系是数值分析和科学计算的核心内容。

常见问题

›为什么矩阵乘法不满足交换律？

矩阵乘法表示线性变换的合成。就像先旋转再缩放与先缩放再旋转的结果不同，AB和BA一般也不相等。只有在特殊情况下（例如两个矩阵都是对角矩阵，或其中一个是单位矩阵）才满足交换律。

›行列式为0意味着什么？

行列式为0的矩阵称为奇异矩阵——它没有逆矩阵。从几何角度来看，该变换会压缩至少一个维度（将2D压缩为直线，或将3D压缩为平面或直线）。对于线性方程组，行列式为0意味着方程组无解或有无穷多解。

›如何计算矩阵的逆？

对于2×2矩阵[[a,b],[c,d]]，逆矩阵为(1/det) × [[d,−b],[−c,a]]，前提是det = ad−bc ≠ 0。对于更大的矩阵，使用高斯消元法或LU分解。此工具目前可计算行列式和转置，逆矩阵是自然的扩展方向。

›什么是单位矩阵？

单位矩阵I的主对角线上全为1，其余位置全为0。它相当于数字中的1：对任意相容大小的矩阵A，AI = IA = A。与单位矩阵相乘不改变原矩阵。

›可以将不同大小的矩阵相乘吗？

可以，但前提是A的列数等于B的行数。m×n矩阵乘以n×p矩阵得到m×p矩阵。此工具仅处理2×2和3×3方阵。对于非方阵运算，需要使用更专业的计算器。

›什么是矩阵的迹？

迹是对角元素之和（a₁₁ + a₂₂ + … + aₙₙ），等于特征值之和，且在相似变换下保持不变（A和P⁻¹AP有相同的迹）。此工具目前不显示迹，但您可以通过将对角元素相加来手动计算。

›计算结果是精确的吗？

此工具使用JavaScript标准的64位浮点运算。结果显示时四舍五入到小数点后10位。对于整数输入，大多数结果是精确的。对于大型或病态矩阵，浮点舍入可能在最后几位引入微小误差。

›「转置」在几何上意味着什么？

转置矩阵相当于沿主对角线进行反射。若A表示某个线性变换，则Aᵀ表示其伴随变换。对于旋转矩阵（正交矩阵），转置等于逆矩阵——旋转θ角后再旋转−θ角即可还原。