Kalkulator macierzy

Nasz kalkulator macierzy obsługuje wszystkie kluczowe operacje algebry liniowej w jednym miejscu. Wprowadź macierze o wymiarach do 4×4, a następnie wybierz dodawanie, odejmowanie, mnożenie, wyznacznik, macierz odwrotną, transpozycję, mnożenie przez skalar lub redukcję wierszową metodą Gaussa-Jordana. Każda operacja pokazuje szczegółowe obliczenia krok po kroku, dzięki czemu możesz prześledzić metodę, sprawdzić swoje wyniki lub nauczyć się procesu od podstaw.

star 4.9
auto_awesome AI
New

Kalkulator macierzy calculator

Size: ×
Size: ×

Quick Examples:

Result Matrix

Enter values to compute

grid_on Matrix Formulas

2×2 Determinant
det = ad − bc
2×2 Inverse
A⁻¹ = (1/det)[[d,−b],[−c,a]]
Multiplication C[i][j]
Σ A[i][k] × B[k][j]
Transpose
Aᵀ[i][j] = A[j][i]
Scalar
(kA)[i][j] = k × A[i][j]

table_chart Size Compatibility

Add / Subtract Same size
Multiply A×B A cols = B rows
det / Inverse Square only
Result of m×n × n×p m×p matrix
Transpose of m×n n×m matrix

lightbulb Quick Tips

  • •A×B ≠ B×A — multiplication order matters
  • •det = 0 means singular (no inverse)
  • •RREF reveals rank and solution structure
  • •(AB)ᵀ = BᵀAᵀ (reverse order)
  • •Identity matrix I: A×I = A

How to Use the Kalkulator macierzy

1

Wybierz wymiar macierzy

Wybierz wymiary dla macierzy A (oraz B, jeśli to konieczne): 2×2, 3×3 lub do 4×4

2

Wybierz operację

Wybierz spośród: Dodawanie, Odejmowanie, Mnożenie, Transpozycja, Wyznacznik, Macierz odwrotna lub RREF

3

Wprowadź wartości macierzy

Wypełnij każdy element macierzy A (oraz B w przypadku operacji binarnych)

4

Zobacz wynik i kroki

Zobacz macierz wynikową oraz szczegółowe obliczenia krok po kroku

The Formula

Mnożenie macierzy: C[i][j] = suma A[i][k] × B[k][j]. Dla macierzy 2×2 [[a,b],[c,d]]: det = ad−bc. Macierz odwrotna istnieje tylko wtedy, gdy det ≠ 0. Transpozycja zamienia wiersze z kolumnami. Redukcja wierszowa znajduje równoważną postać RREF za pomocą operacji elementarnych.

C = A × B, det(A) = ad − bc, A⁻¹ = (1/det) × adj(A)

lightbulb Variables Explained

  • A, B Macierze wejściowe
  • det(A) Wyznacznik — wartość skalarna z macierzy kwadratowej
  • A⁻¹ Macierz odwrotna — A × A⁻¹ = I (jednostkowa)
  • Aᵀ Transpozycja — zamienione wiersze i kolumny
  • RREF Zredukowana postać schodkowa wierszowo metodą Gaussa-Jordana

tips_and_updates Pro Tips

1

Mnożenie macierzy NIE jest przemienne: ogólnie A×B ≠ B×A

2

W przypadku mnożenia liczba kolumn w macierzy A musi być równa liczbie wierszy w macierzy B

3

Macierz posiada macierz odwrotną tylko wtedy, gdy jej wyznacznik jest różny od zera

4

Transpozycja iloczynu: (AB)ᵀ = BᵀAᵀ (zwróć uwagę na odwróconą kolejność)

5

Wyznacznik macierzy trójkątnej jest równy iloczynowi elementów na jej przekątnej

6

Operacje elementarne na wierszach (zamiana, skalowanie, dodawanie) nie zmieniają zbioru rozwiązań układu równań liniowych

Macierze są fundamentem algebry liniowej, a ich zastosowania obejmują grafikę komputerową, uczenie maszynowe, inżynierię lądową, mechanikę kwantową oraz ekonomię. Macierz to po prostu prostokątna tablica liczb ułożonych w wiersze i kolumny, ale zdefiniowane dla niej operacje — dodawanie, mnożenie, odwracanie, wyznaczniki i redukcja wierszowa — stanowią matematyczny szkielet współczesnych obliczeń. Mnożenie macierzy, w przeciwieństwie do mnożenia przez skalar, nie jest przemienne (A razy B zazwyczaj nie równa się B razy A), a zrozumienie tej właściwości ma kluczowe znaczenie dla poprawności obliczeń. Wyznacznik macierzy kwadratowej informuje, czy macierz jest odwracalna (wyznacznik jest różny od zera) i reprezentuje współczynnik skalowania, jaki macierz stosuje do pola powierzchni lub objętości. Dla macierzy 2x2 wyznacznik to ad minus bc; w przypadku większych macierzy wymagane jest rozwinięcie Laplace'a lub redukcja wierszowa. Odwrotność macierzy, jeśli istnieje, służy do rozwiązywania układów równań liniowych: jeśli Ax = b, to x = A⁻¹b. Eliminacja Gaussa (redukcja wierszowa) to najbardziej stabilna numerycznie metoda rozwiązywania takich układów, sprowadzająca macierz do postaci schodkowej poprzez systematyczną eliminację zmiennych. Te operacje są wykonywane miliardy razy na sekundę w zastosowaniach od renderowania 3D po trening sieci neuronowych.

Czym jest kalkulator macierzy?

Kalkulator macierzy wykonuje operacje algebry liniowej na prostokątnych tablicach liczb.

Od prostego dodawania po złożone operacje, takie jak wyznaczanie macierzy odwrotnej czy redukcja wierszowa — nasz kalkulator obsługuje wszystkie standardowe działania na macierzach wraz z pełnymi wyjaśnieniami krok po kroku.

Przegląd operacji na macierzach

  • Dodawanie i odejmowanie wymagają równych wymiarów i odbywają się element po elemencie.
  • Mnożenie wymaga, aby liczba kolumn macierzy A była równa liczbie wierszy macierzy B.
  • Wyznacznik to skalar wskazujący odwracalność macierzy.
  • Macierz odwrotna cofa działanie mnożenia (A × A⁻¹ = I).
  • RREF wykorzystuje eliminację Gaussa-Jordana do rozwiązywania układów równań liniowych.

Czym jest macierz i jak działa zapis macierzowy?

Macierz to prostokątna tablica liczb ułożonych w wierszach i kolumnach, zapisana w nawiasach i określona przez swoje wymiary jako liczba wierszy na liczbę kolumn (na przykład macierz 2×3 ma 2 wiersze i 3 kolumny). Każdy element jest opisywany przez swoją pozycję, A[i][j], oznaczającą liczbę w wierszu i oraz kolumnie j.

Według Encyclopaedia Britannica macierze formalizują układy równań liniowych i przekształcenia liniowe w jeden zwarty obiekt.

Macierz kwadratowa ma taką samą liczbę wierszy i kolumn, a jej główna przekątna biegnie od lewego górnego do prawego dolnego rogu. Macierz jednostkowa I ma na tej przekątnej jedynki, a poza nią zera, pełniąc taką samą rolę, jaką liczba 1 odgrywa w zwykłym mnożeniu.

Jak pomnożyć dwie macierze krok po kroku?

Aby pomnożyć macierze A i B, każdy element C[i][j] jest iloczynem skalarnym wiersza i macierzy A z kolumną j macierzy B, co oznacza sumowanie A[i][k]×B[k][j] po wszystkich k. Działanie to jest określone tylko wtedy, gdy liczba kolumn w macierzy A jest równa liczbie wierszy w macierzy B, zatem macierz m×n pomnożona przez macierz n×p daje wynik o wymiarach m×p.

Na przykład [[1,2],[3,4]] × [[5,6],[7,8]] daje C[1][1] = 1×5 + 2×7 = 19, a dokończenie procesu daje [[19,22],[43,50]].

Khan Academy podkreśla, że mnożenie macierzy nie jest przemienne: A×B rzadko równa się B×A. Zasada mnożenia wiersz przez kolumnę stanowi podstawę składania przekształceń liniowych.

Jak obliczyć wyznacznik macierzy 2×2 i 3×3

Wyznacznik macierzy 2×2 [[a,b],[c,d]] wynosi ad − bc; dla [[1,2],[3,4]] jest to (1×4) − (2×3) = 4 − 6 = −2.

W przypadku macierzy 3×3 stosuje się rozwinięcie względem wiersza lub kolumny z użyciem dopełnień algebraicznych, mnożąc każdy element przez wyznacznik podmacierzy 2×2 powstałej po usunięciu jego wiersza i kolumny, ze zmianą znaków na przemian.

Wolfram MathWorld definiuje wyznacznik jako skalar określający, jak odwzorowanie liniowe skaluje zorientowane pole powierzchni lub objętość. Wyznacznik równy zero oznacza, że macierz jest osobliwa (nieodwracalna), ponieważ sprowadza przestrzeń do niższego wymiaru. Wyznaczniki większych macierzy wyznacza się efektywnie poprzez operacje elementarne na wierszach.

Jak znaleźć macierz odwrotną?

Macierz odwrotna A⁻¹ to macierz spełniająca równanie A × A⁻¹ = I, przy czym istnieje ona tylko wtedy, gdy wyznacznik jest różny od zera.

Dla macierzy 2×2 [[a,b],[c,d]] macierz odwrotna wynosi (1/det) × [[d,−b],[−c,a]]. Przyjmując [[1,2],[3,4]] z wyznacznikiem −2, macierz odwrotna to (1/−2) × [[4,−2],[−3,1]] = [[−2,1],[1.5,−0.5]].

W przypadku większych macierzy dołącza się macierz jednostkową do A, tworząc [A | I], a następnie stosuje się eliminację Gaussa-Jordana, aż lewy blok stanie się macierzą I, pozostawiając A⁻¹ po prawej stronie.

Wolfram MathWorld zauważa, że macierz odwrotna bezpośrednio rozwiązuje równanie Ax = b jako x = A⁻¹b, co sprawia, że odwracalność jest kluczowym pojęciem w układach równań liniowych.

Czym jest eliminacja Gaussa i zredukowana postać schodkowa (RREF)?

Eliminacja Gaussa rozwiązuje układy równań liniowych poprzez stosowanie trzech elementarnych operacji na wierszach, aż macierz osiągnie postać schodkową:

  • zamiana wierszy miejscami
  • pomnożenie wiersza przez niezerową stałą
  • dodanie wielokrotności jednego wiersza do innego

Kontynuowanie tego procesu, aż każdy element wiodący wynosi 1 i jest jedynym niezerowym elementem w swojej kolumnie, prowadzi do uzyskania zredukowanej postaci schodkowej (RREF), co jest celem eliminacji Gaussa-Jordana.

Khan Academy wyjaśnia, że postać RREF sprawia, iż zbiór rozwiązań układu jest natychmiast widoczny. Ponieważ operacje te nigdy nie zmieniają zbioru rozwiązań, RREF stanowi najbardziej niezawodną ogólną metodę rozwiązywania równań, obliczania rzędu i odwracania macierzy, a w połączeniu z częściowym wyborem elementu wiodącego jest stabilna numerycznie.

Czym jest rząd macierzy i dlaczego jest ważny?

Rząd macierzy to liczba liniowo niezależnych wierszy, która jest równa liczbie liniowo niezależnych kolumn oraz liczbie pozycji wiodących w jej postaci RREF.

Według Wolfram MathWorld rząd mierzy wymiar przestrzeni rozpiętej przez wiersze lub kolumny macierzy.

Macierz kwadratowa n×n jest odwracalna wtedy i tylko wtedy, gdy ma pełny rząd n; każdy niższy rząd oznacza macierz osobliwą i wyznacznik równy zero. Rząd ujawnia również, ile równań w układzie niesie rzeczywiście nowe informacje, w przeciwieństwie do tych, które są jedynie nadmiarowymi kombinacjami innych.

W nauce o danych niski rząd wskazuje na silną korelację kolumn, co stanowi podstawę takich technik, jak analiza głównych składowych czy kompresja macierzy.

Gdzie w świecie rzeczywistym stosuje się obliczenia macierzowe?

Macierze zasilają niezwykle szeroki wachlarz technologii.

W grafice komputerowej i grach macierze przekształceń obracają, skalują i rzutują sceny 3D na ekran 2D; mnożenie tych macierzy łączy kilka przekształceń w jedno.

W uczeniu maszynowym wagi sieci neuronowych mają postać macierzy, a proces trenowania opiera się na masowym mnożeniu macierzy przyspieszanym przez karty graficzne (GPU).

Pojedyncza zależność opisująca ruch, taka jak droga = prędkość × czas, jest na tyle prosta, że wystarczy do niej prosty kalkulator, jednak Encyclopaedia Britannica zauważa, że macierze przejmują rolę, gdy wiele wielkości sprzęga się ze sobą w fizyce i ekonomii, tak jak w obwodach elektrycznych czy ekonomicznych modelach nakładów i wyników.

Inżynierowie używają ich do analizy konstrukcyjnej i metod elementów skończonych, podczas gdy statystycy stosują macierze kowariancji do opisywania relacji między zmiennymi.

Oryginalny algorytm PageRank firmy Google traktował nawet cały internet jako jedno ogromne zagadnienie własne macierzy.

Czym są wartości własne i wektory własne macierzy?

Wektor własny macierzy kwadratowej A to niezerowy wektor v, którego kierunek nie ulega zmianie po pomnożeniu przez A, tak że A·v = λ·v, gdzie skalar λ jest odpowiadającą mu wartością własną.

Wolfram MathWorld opisuje wartości własne jako pierwiastki wielomianu charakterystycznego det(A − λI) = 0.

Pod względem geometrycznym wektory własne wyznaczają osie, wzdłuż których przekształcenie liniowe po prostu rozciąga lub ściska przestrzeń o współczynnik λ, bez zmiany tego kierunku.

Wartości własne stanowią podstawę analizy stabilności, postaci drgań w inżynierii, kwantowych poziomów energetycznych oraz redukcji wymiarowości, takiej jak analiza głównych składowych. Iloczyn wszystkich wartości własnych jest równy wyznacznikowi, a ich suma jest równa śladowi macierzy (sumie elementów na głównej przekątnej).

Częste błędy podczas wykonywania operacji na macierzach

  • Najczęstszym błędem jest zakładanie, że mnożenie macierzy jest przemienne — A×B zazwyczaj nie równa się B×A, a odwrócenie kolejności daje inny lub nieokreślony wynik.
  • Innym błędem jest próba mnożenia macierzy, których wymiary wewnętrzne się nie zgadzają; liczba kolumn macierzy A musi być równa liczbie wierszy macierzy B.
  • Uczniowie i studenci często próbują odwracać macierz o wyznaczniku równym zero, co jest niemożliwe, ponieważ taka macierz jest osobliwa.
  • Podczas transponowania iloczynu należy pamiętać o odwróceniu kolejności: (AB)ᵀ = BᵀAᵀ.
  • Podczas eliminacji na wierszach zapomnienie o wykonaniu operacji na każdym elemencie wiersza lub dzielenie przez zerowy element wiodący zniekształca wynik.
  • Wreszcie, pomylenie indeksów wierszy i kolumn przy odczytywaniu A[i][j] prowadzi do błędnych odpowiedzi.

Frequently Asked Questions

sell

Tags