计算工具 · 数学计算

矩阵运算

加减乘/转置/行列式/逆矩阵

✓本地处理 · 不上传 ✓免费 · 无需登录 ✓无次数限制累计 116 次使用

矩阵运算 matrix calculator 支持小数 0.5、分数 1/3 · 行列式与逆矩阵分数精确

A 行 2 列 2 B 行 2 列 2

矩阵 A 2×2

矩阵 B 2×2

基础运算 · 精确分数

单矩阵分析 · 精确分数

分解 · 特征 · 方程组

运算结果点击上方任一运算

选择矩阵运算，结果将以精确分数呈现，并可切换小数显示。

输入：每格支持小数 3.14 或分数 1/3、-2/5；方向键 / 回车在格间移动。

精确计算：四则、转置、行列式、逆矩阵、秩、RREF、解方程、伴随全程用 BigInt 有理数，1/3 即显示 1/3 而非 0.333；可在上方切「小数」显示。

行列式：化三角 O(n³) 记录行交换符号；余子式展开 O(n!) 适合小阶演示。

逆矩阵：高斯-若尔当把 [A | I] 化为 [I | A⁻¹]；伴随法 A⁻¹ = adj(A) / det(A)。det = 0 即奇异、无逆并给出提示。

特征值 / LU / QR / Gram-Schmidt / 2D 作用：数值浮点法（2×2、3×3 闭式，更大阶 QR 迭代），用于教学与几何直观。

提示：所有计算在你本机浏览器完成，数据不出本地。

就绪 · A、B 已就位，点选运算开始

第一节

关于本工具

About

手算一个 4×4 矩阵的逆，稍不留神就在代数余子式里错符号。输入矩阵元素，工具即时返回加减乘、转置、行列式与逆矩阵，每一步结果都对应标准线性代数定义。数据仅在浏览器内运算，不上传至服务器——适合作业自查、工程计算时快速验算中间步骤。

使用场景

壹

验证线性回归解

数据分析师小陈刚用 Python 算完一套多元线性回归的系数，但他怀疑数据有共线性导致结果失真。他不想重跑整个模型，而是把设计矩阵和因变量向量复制进本工具，手动算一次正规方程的解（AᵀA 的逆乘 Aᵀb）。工具给出逆矩阵后，他发现行列式接近 0，确认了矩阵奇异性，避免了一次错误的业务决策。

贰

检测图像变换参数

算法工程师在调试一个无人机航拍图像的拼接程序，需要验证仿射变换矩阵的正确性。她手动选取了三个匹配点对，算出变换矩阵后，用本工具计算其行列式。行列式值偏离 1 太多，说明变换包含了非保面积的缩放或剪切，而实际场景只是平移加旋转，从而定位到特征点匹配有误。

叁

核对电路节点方程

大三电子系学生用节点电压法列了一个 4×4 的导纳矩阵，手算逆矩阵求各节点电压时，总觉得自己算错了。他把矩阵输入本工具，得到逆矩阵后与自己手算的逐元素对比，发现第 2 行第 3 列符号反了。修正后重新代入，仿真结果和实验数据吻合，省去了重做实验的半天时间。

肆

快速求解线性方程组

机械工程师在优化一个 3 自由度机械臂的连杆长度，需要反复解 3 个方程组成的线性系统。每次修改一个参数就要重算一遍，手算容易出错且慢。他把系数矩阵和常数向量填入工具，用逆矩阵法一次算出所有变量的精确值，然后复制结果到 CAD 软件里验证运动轨迹，迭代效率提升了 5 倍。

伍

检查网络流量分配

网络管理员在配置 SDN 流表时，需要验证一个 6 节点拓扑的流量分配矩阵是否满足「每节点进出流量守恒」。他把流量矩阵输入本工具，计算其转置矩阵，与原矩阵对比。发现转置后某些非对角线元素不对称，说明存在未记录的环回流量，从而定位到某个交换机的流表规则配置遗漏。

对比矩阵

维度	本工具	专业数学软件 (如 MATLAB / Octave)	手工 / 纸笔计算
隐私	矩阵数据完全在浏览器本地处理，不上传任何服务器	需将矩阵数据输入到本地安装的软件中，数据不离开本机	数据完全在个人控制下，但需手动抄写和计算
离线可用	首次加载后，后续计算完全离线，不依赖网络	安装后完全离线可用	完全离线，仅需纸笔
学习成本	打开即用，无需安装或学习软件操作	需要学习软件语法（如创建变量、调用函数），有一定门槛	需要掌握线性代数的手算规则（如行列式展开、逆矩阵公式）
计算速度	浏览器内即时计算，毫秒级返回结果	计算速度极快，尤其适合大型矩阵（1000x1000 以上）	对于 3x3 以上矩阵，手算耗时且极易出错
矩阵规模限制	受浏览器内存限制，适合中小规模矩阵（如 10x10 以内）	可处理百万级大型矩阵，无实用规模上限	理论上无上限，但实际手算仅适合 3x3 及以下
输入方式	直接输入数字，或从表格粘贴数据	需按特定语法（如 [1 2; 3 4]）输入，或通过界面导入	手动抄写到纸上，无输入便捷性可言
结果可追溯性	仅显示最终数值结果，不展示中间步骤	可显示每一步计算过程，便于教学和调试	每一步计算过程都在纸上，完全可追溯

第二节

使用指南

Getting Started

使用步骤

1在矩阵 A 区域逐格输入行与列的数字，矩阵 B 区域自动同步生成同尺寸空矩阵
2从「运算」下拉菜单选择：加、减、乘、转置、行列式或逆矩阵
3点击「计算」按钮，结果区立即显示运算后的矩阵或数值（如行列式值）
4若选择「逆矩阵」且矩阵不可逆（行列式为 0），结果区显示「不可逆」提示

输入输出示例

输入	输出	说明
A=[[1,2],[3,4]]; B=[[5,6],[7,8]]; 运算: A+B	[[6,8],[10,12]]	常规：2×2 矩阵加法，验证基本加法运算
A=[[1,2,3],[4,5,6]]; B=[[7,8],[9,10],[11,12]]; 运算: A×B	[[58,64],[139,154]]	常规：2×3 与 3×2 矩阵乘法，验证维度匹配与乘法规则
A=[[1,0,0],[0,1,0],[0,0,1]]; 运算: det(A)	1	边界：单位矩阵的行列式恒为1，验证工具对特殊矩阵的处理
A=[[1,2,3],[4,5,6],[7,8,9]]; 运算: det(A)	0	边界：奇异矩阵（行列式为0），验证工具对不可逆矩阵的检测
A=[[1,2],[3,4]]; 运算: inv(A)	[[-2,1],[1.5,-0.5]]	常规：2×2 可逆矩阵的逆，验证逆矩阵计算
A=[[1,2,3],[4,5,6]]; 运算: inv(A)	错误：非方阵无法求逆	易错：用户常对非方阵求逆，工具应明确报错
A=[[1,2,3],[4,5,6],[7,8,9]]; 运算: inv(A)	错误：矩阵不可逆（行列式为0）	易错：奇异矩阵求逆，工具应提示不可逆原因

常见错误对照

1.乘法维度不匹配

✗ 错误矩阵 A 为 2×3，矩阵 B 为 4×2，直接输入 A*B

✓ 修复先确认 A 列数等于 B 行数（如 A 2×3 配 B 3×2），或交换顺序计算 B*A（4×2 配 2×3）

矩阵乘法要求左矩阵列数等于右矩阵行数，否则无定义。工具会报错或返回空，但用户常误以为任意两个矩阵都能乘。

2.行列式只对方阵计算

✗ 错误对 2×3 矩阵求行列式

✓ 修复只对 n×n 方阵（如 2×2、3×3）求行列式

行列式定义仅适用于方阵。非方阵没有行列式概念，工具会直接拒绝计算或返回错误。

3.逆矩阵要求方阵且满秩

✗ 错误对 2×3 矩阵求逆，或对行列式为 0 的 2×2 矩阵求逆

✓ 修复仅对行列式 ≠ 0 的方阵求逆（如 2×2 矩阵 [[1,2],[3,4]] 行列式 -2 ≠ 0 可逆）

只有方阵才可能有逆矩阵，且行列式必须非零（满秩）。奇异矩阵（行列式=0）不可逆，工具会返回无解。

4.减法顺序导致符号错误

✗ 错误计算 A-B 时，将 A 和 B 位置互换输入，得到 B-A 的结果

✓ 修复输入时保持 A 在前、B 在后，结果矩阵的每个元素为 A_ij - B_ij

矩阵减法不满足交换律，A-B ≠ B-A。位置颠倒会导致所有元素符号取反。

5.转置符号与共轭转置混淆

✗ 错误对复数矩阵 [[1+i, 2], [3, 4-i]] 直接转置，期望同时取共轭

✓ 修复

纯转置只交换行和列，不改变元素值；若需共轭转置（Hermitian 转置）需额外对每个元素取共轭

数学中 T 表示转置（元素不变），H 表示共轭转置（元素取共轭再转置）。本工具转置操作仅做 T，不自动取共轭。

6.标量乘法误写成矩阵乘法

✗ 错误将 2 倍矩阵 A 写成 2*A（若工具将 * 解析为矩阵乘法）

✓ 修复

使用标量乘法功能或写成 A*2（若工具支持标量与矩阵混合运算），否则应手动将每个元素乘以 2

标量乘法是每个元素乘以常数，矩阵乘法是行×列求和。若工具未区分运算符，2*A 可能被解释为 1×1 矩阵乘 A，维度不匹配。

7.矩阵元素分隔符不一致

✗ 错误同一矩阵内混合使用空格、逗号、分号分隔元素，如 [1 2,3;4]

✓ 修复统一使用一种分隔方式（如全用空格：[[1 2] [3 4]] 或全用逗号：[[1,2],[3,4]]）

大多数工具要求矩阵元素分隔符一致。混用会导致解析错误，工具可能只识别第一个分隔符，后续元素被忽略。

第三节

工作原理

How It Works

核心公式

det(A) = a₁₁a₂₂a₃₃ + a₁₂a₂₃a₃₁ + a₁₃a₂₁a₃₂ - a₁₃a₂₂a₃₁ - a₁₂a₂₁a₃₃ - a₁₁a₂₃a₃₂

变量说明

det(A)3×3 方阵 A 的行列式值
aᵢⱼ矩阵第 i 行第 j 列元素

示例

矩阵 A = [[1,2,3],[4,5,6],[7,8,10]]，det(A) = 1×5×10 + 2×6×7 + 3×4×8 - 3×5×7 - 2×4×10 - 1×6×8 = 50 + 84 + 96 - 105 - 80 - 48 = -3。行列式非零，矩阵可逆。

用户输入 / 输出运算选择本地处理校验与格式说明

第四节

开发者集成

For Developers

6 种主流语言实现，复制即用：

import numpy as np
# 示例：2x2 矩阵的加减乘、转置、行列式、逆矩阵
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print("A + B:\n", A + B)
print("A - B:\n", A - B)
print("A @ B:\n", A @ B) # 矩阵乘法
print("A^T:\n", A.T)
print("det(A):", np.linalg.det(A))
print("A^-1:\n", np.linalg.inv(A))

// 使用 math.js 库（npm install mathjs）
const math = require('mathjs');
const A = [[1, 2], [3, 4]];
const B = [[5, 6], [7, 8]];
console.log('A + B:', math.add(A, B));
console.log('A - B:', math.subtract(A, B));
console.log('A * B:', math.multiply(A, B));
console.log('A^T:', math.transpose(A));
console.log('det(A):', math.det(A));
console.log('A^-1:', math.inv(A));

package main
import (
"fmt"
"gonum.org/v1/gonum/mat"
)
func main() {
a := mat.NewDense(2, 2, []float64{1, 2, 3, 4})
b := mat.NewDense(2, 2, []float64{5, 6, 7, 8})
var sum, diff, prod, inv mat.Dense
sum.Add(a, b)
diff.Sub(a, b)
prod.Product(a, b)
inv.Inverse(a)
fmt.Printf("A+B:\n%v\n", mat.Formatted(&sum))
fmt.Printf("A-B:\n%v\n", mat.Formatted(&diff))
fmt.Printf("A*B:\n%v\n", mat.Formatted(&prod))
fmt.Printf("A^T:\n%v\n", mat.Formatted(a.T()))
fmt.Printf("det(A): %.4f\n", mat.Det(a))
fmt.Printf("A^-1:\n%v\n", mat.Formatted(&inv))
}

use nalgebra as na;
fn main() {
let a = na::Matrix2::new(1.0, 2.0, 3.0, 4.0);
let b = na::Matrix2::new(5.0, 6.0, 7.0, 8.0);
println!("A + B:\n{}", a + b);
println!("A - B:\n{}", a - b);
println!("A * B:\n{}", a * b);
println!("A^T:\n{}", a.transpose());
println!("det(A): {}", a.determinant());
println!("A^-1:\n{}", a.try_inverse().unwrap());
}

import org.apache.commons.math3.linear.*;
public class MatrixOps {
public static void main(String[] args) {
RealMatrix A = MatrixUtils.createRealMatrix(new double[][]{{1,2},{3,4}});
RealMatrix B = MatrixUtils.createRealMatrix(new double[][]{{5,6},{7,8}});
System.out.println("A+B: " + A.add(B));
System.out.println("A-B: " + A.subtract(B));
System.out.println("A*B: " + A.multiply(B));
System.out.println("A^T: " + A.transpose());
System.out.println("det(A): " + new LUDecomposition(A).getDeterminant());
System.out.println("A^-1: " + new LUDecomposition(A).getSolver().getInverse());
}
}

require 'matrix'
A = Matrix[[1, 2], [3, 4]]
B = Matrix[[5, 6], [7, 8]]
puts "A+B: #{A + B}"
puts "A-B: #{A - B}"
puts "A*B: #{A * B}"
puts "A^T: #{A.transpose}"
puts "det(A): #{A.determinant}"
puts "A^-1: #{A.inverse}"

第五节

常见问题

Q & A

问这个矩阵计算器能不能算带字母的符号矩阵？＋

答

不能。本工具只接受纯数字矩阵（整数、小数、分数用小数形式）。输入框里如果写了 x、a、sin 等符号，会直接报错。需要符号运算（如保留 π 或变量）请用 Mathematica、SymPy 或 Maple。

问矩阵乘法算出来结果不对，是不是工具有 bug？＋

答

先检查两个矩阵的维度是否匹配：左矩阵列数必须等于右矩阵行数。例如 2×3 和 3×4 可以乘，但 2×3 和 4×3 不能乘——工具会提示维度不匹配，不会出错误结果。如果维度对但结果与预期不同，请确认输入顺序：A×B 和 B×A 结果通常不同。

问行列式算出来是 0 是什么意思？＋

答

行列式为 0 表示该矩阵是奇异矩阵（不可逆）。常见原因：某两行成比例、某一行全为零、或行（列）之间存在线性相关。如果后续需要解线性方程组或求逆矩阵，行列式为 0 说明方程组无唯一解或矩阵不可逆，需检查原始数据是否有误。

问逆矩阵算出来结果全是小数，能保留分数形式吗？＋

答

不能。本工具所有结果都以浮点数（小数）显示，不做分数化简。如果逆矩阵元素是 1/3，会显示 0.3333333。需要精确分数结果，建议用 SymPy 或 WolframAlpha。不过本工具浮点精度足够应付大部分工程和考试验算场景。

问最多能输入多大的矩阵？会不会卡死？＋

答

本工具纯前端运算，矩阵大小受浏览器内存限制。实测 10×10 以内加减乘逆秒出；50×50 行列式计算可能卡几秒；100×100 以上逆矩阵或行列式容易导致浏览器无响应。建议日常使用控制在 20×20 以内，大矩阵用专业软件。

问数据会上传到服务器吗？隐私安全吗？＋

答

本工具全部在浏览器本地计算，数据不上传任何服务器。即使断网也能正常使用（页面加载后）。所以输入的矩阵数据（例如公司财务数据、科研数据）不会外泄，适合处理敏感信息。

问转置和逆矩阵有什么区别？什么时候用转置什么时候用逆？＋

答

转置是行列互换（A[i][j] 变 A[j][i]），计算最快，不涉及除法。逆矩阵相当于矩阵的倒数（A⁻¹），用于解方程组 A·X = B 时两边左乘 A⁻¹。简单说：只调整方向用转置；需要消去系数用逆。两者结果通常不同，不要混用。

问矩阵加减法时两个矩阵大小不一样，工具会报错吗？＋

答

会。两个矩阵必须行数和列数完全相同才能加减。例如 3×2 和 2×3 不能直接加。工具输入框会分别显示行数列数，提交后如果维度不匹配会提示错误。如果确实需要操作不同大小的矩阵，考虑用扩维（补零）后再计算。

隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。