透過 MCP 連接 →

輸入計算

數學公式

數學公式: n×n 反矩陣計算器(LU 分解法)

廣告

結果

Inverse matrix A⁻¹
[
-40 16 9
13 -5 -3
5 -2 -1
]
矩陣尺寸 (n) 3
行列式 det(A) -1
演算法 具部分樞軸選取的 LU 分解法

這個計算器能做什麼

本工具用來計算一個 n×n 實數方陣 A 的反矩陣。反矩陣 A⁻¹ 是滿足「A 乘以 A⁻¹ 等於單位矩陣 I」的唯一矩陣。並非所有矩陣都有反矩陣:只有行列式不為零的方陣(即非奇異矩陣)才可逆。如果你輸入的矩陣為奇異矩陣,計算器會直接提示你,而不會回傳沒有意義的數值。

使用方式

先從下拉選單選擇矩陣尺寸 \(n\),輸入格會自動調整為 \(n\) 列 \(n\) 行。接著在矩陣 A 的每個格子中填入一個實數。選擇你希望結果顯示的有效位數後,即可讀取反矩陣、行列式值,以及所採用的演算法。有效位數設定只會影響顯示時的四捨五入,不會改變內部運算——計算過程一律以完整的雙精度(double precision)進行。

演算法說明

本計算器採用「具部分樞軸選取的 LU 分解法」。首先將矩陣分解為 \(PA = LU\),其中 \(P\) 為置換矩陣,會透過交換列的方式,讓對角線上保有目前可用的最大樞軸值(這能提升數值穩定度,避免除以極小的數值);\(L\) 為單位下三角矩陣,\(U\) 為上三角矩陣。接著針對單位矩陣的每一行 \(e_k\),先以前向代入法解出 \(L y = P e_k\),再以後向代入法解出 \(U x = y\);所得的 \(x\) 即為 \(A^{-1}\) 的第 \(k\) 行。行列式值則等於 \(U\) 對角線元素的乘積,再乘上列置換的正負號。

$$A^{-1} = \frac{1}{\det(A)}\,\operatorname{adj}(A), \qquad PA = LU \;\Rightarrow\; A^{-1} = U^{-1} L^{-1} P$$$$\det(A) = (-1)^{s}\prod_{k=1}^{n} U_{kk}$$
流程圖展示透過前向代入與回代求解單位矩陣各行以建構反矩陣
反矩陣的每一行透過對 L 和 U 先前向代入再回代求解得到。
圖示將矩陣 A 分解為置換矩陣 P 乘下三角矩陣 L 乘上三角矩陣 U
帶部分主元選取的 LU 分解將 PA 表示為下三角矩陣 L 與上三角矩陣 U 的乘積。

實例演練

以 \(A = [[4, 3], [6, 3]]\) 為例。其行列式為 \(4 \cdot 3 - 3 \cdot 6 = 12 - 18 = -6\),不為零,因此 A 可逆。利用 2×2 矩陣的封閉公式,\(A^{-1} = (1/\det) \cdot [[3, -3], [-6, 4]] = [[-0.5, 0.5], [1, -0.6666666667]]\)。將 A 與此反矩陣相乘後會得回單位矩陣,正好驗證答案無誤。

常見問題

如果我的矩陣是奇異矩陣會怎樣?若行列式為零(在極小的容許誤差範圍內),代表該矩陣沒有反矩陣,計算器會顯示「奇異矩陣/不可逆」的訊息。

為什麼用 LU 分解,而不用伴隨矩陣公式?對於較大的矩陣而言,具部分樞軸選取的 LU 分解在數值穩定度與運算效率上都遠勝於餘因子展開法,因為後者的計算成本會隨階數呈階乘式暴增。

有效位數的設定會影響運算結果嗎?不會。運算一律以完整精度進行;該設定只控制最終顯示幾位有效數字。

最後更新: