矩阵

将矩阵代数规则应用于可调整大小的网格

矩阵是一个由数字组成的矩形网格，可以作为一个整体进行加、减、乘或变换，遵循自己的一套代数规则，与普通算术不同。 选择一种运算，构建矩阵 A（如果该运算需要，还需构建矩阵 B），使用加减行/列按钮将每个网格调整为您需要的任何尺寸，此计算器将应用相应的规则。

加法和减法要求两个矩阵大小完全相同。乘法要求矩阵 A 的列数与矩阵 B 的行数相匹配（结果的行数取自矩阵 A，列数取自矩阵 B）。行列式只对方阵（行数与列数相同）存在。转置适用于任何形状的矩阵，交换其行和列。

此计算器不涉及行化简、矩阵求逆或特征值 — 这些是与此处运算截然不同、规模大得多的工作。

计算公式

以下示例使用 2x2 矩阵来清晰说明每条规则 — 相同的规则可直接扩展到上方网格所支持的任何尺寸的矩阵。设矩阵 A 的元素为 $\vA{a_{11}}, \vA{a_{12}}, \vA{a_{21}}, \vA{a_{22}}$，矩阵 B 的元素为 $\vB{b_{11}}, \vB{b_{12}}, \vB{b_{21}}, \vB{b_{22}}$，分别写作

$$A = \begin{bmatrix} \vA{a_{11}} & \vA{a_{12}} \\ \vA{a_{21}} & \vA{a_{22}} \end{bmatrix}, \quad B = \begin{bmatrix} \vB{b_{11}} & \vB{b_{12}} \\ \vB{b_{21}} & \vB{b_{22}} \end{bmatrix}$$

• 加法/减法逐个组合对应位置的元素： $A \pm B = \begin{bmatrix} \vA{a_{11}} \pm \vB{b_{11}} & \vA{a_{12}} \pm \vB{b_{12}} \\ \vA{a_{21}} \pm \vB{b_{21}} & \vA{a_{22}} \pm \vB{b_{22}} \end{bmatrix}$
• 乘法不是逐元素运算 — 结果的每个元素都是”行乘列”的点积： $AB = \begin{bmatrix} \vA{a_{11}}\vB{b_{11}} + \vA{a_{12}}\vB{b_{21}} & \vA{a_{11}}\vB{b_{12}} + \vA{a_{12}}\vB{b_{22}} \\ \vA{a_{21}}\vB{b_{11}} + \vA{a_{22}}\vB{b_{21}} & \vA{a_{21}}\vB{b_{12}} + \vA{a_{22}}\vB{b_{22}} \end{bmatrix}$
• 行列式是一个单一数字，描述矩阵对面积的缩放程度： $\det(A) = \vA{a_{11}}\vA{a_{22}} - \vA{a_{12}}\vA{a_{21}}$
• 转置沿主对角线翻转矩阵，交换两个非对角元素： $A^T = \begin{bmatrix} \vA{a_{11}} & \vA{a_{21}} \\ \vA{a_{12}} & \vA{a_{22}} \end{bmatrix}$

举例说明

使用 $A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ 和 $B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$：

1. 加法： $A + B = \begin{bmatrix} 1+5 & 2+6 \\ 3+7 & 4+8 \end{bmatrix} = \begin{bmatrix} 6 & 8 \\ 10 & 12 \end{bmatrix}$。
2. 乘法： 左上角元素为 $1 \times 5 + 2 \times 7 = 19$，右上角为 $1 \times 6 + 2 \times 8 = 22$，左下角为 $3 \times 5 + 4 \times 7 = 43$， 右下角为 $3 \times 6 + 4 \times 8 = 50$，得到 $AB = \begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}$。
3. A 的行列式： $1 \times 4 - 2 \times 3 = -2$。

需要考虑的关键因素

• 矩阵乘法通常不满足交换律——顺序很重要。 与普通数字乘法不同，对于矩阵而言 AB 通常不等于 BA，如果维度不匹配，某一种顺序甚至可能在数学上根本无效——请始终留意哪个矩阵在前。
• 行列式为零意味着一个方阵是”奇异”的，没有逆矩阵。 这是其他矩阵运算（如求解线性方程组）失败的常见原因——矩阵要可逆，行列式必须非零。
• 矩阵是计算机图形学、物理学和工程学中线性变换背后的标准工具。 对一个 2D 或 3D 形状进行旋转、缩放和错切（在游戏开发和动画制作中很常见），都是通过对一组坐标点进行矩阵乘法来表示的。
• 矩阵维度总是写作”行 × 列”，这个顺序对是否兼容很重要。 一个 2×3 矩阵有 2 行 3 列——要使乘法有效，第一个矩阵的列数必须与第二个矩阵的行数相匹配，这正是为什么即使两个矩阵在形状上原本都兼容，AB 可能有效而 BA 却无效的原因。

常见错误

• 逐元素相乘而不是使用”行乘列”规则。 矩阵乘法与加法或减法不是同一种运算——结果的每个元素都是一整行与一整列的点积，而不是单一的成对相乘。
• 假设 AB 和 BA 会得到相同的结果。 矩阵乘法通常不满足交换律，颠倒顺序可能产生完全不同的结果——如果维度不再匹配，甚至可能在数学上根本无效。
• 试图求非方阵的行列式。 行列式只对方阵（行数与列数相同）有定义——2×3 或 3×2 矩阵根本没有行列式。
• 在检查兼容性时混淆矩阵的维度。 矩阵的大小始终是”行 × 列”，按此顺序——混淆哪个数字代表什么，是”为什么这个乘法不起作用”这类困惑的常见根源。

需要了解的信息

• 你正在处理一个由矩阵表示的方程组吗？如果这正是你需要的，一元二次方程求根公式计算器 可以直接处理单变量的情况。
• 除了矩阵运算之外，你还需要三角函数、对数函数或其他函数吗？科学计算器 涵盖了这一更广泛的工具集。
• 你处理的是大型数据集而不是小矩阵吗？统计计算器 可以直接从数字列表中计算平均值、中位数和标准差。