Калькулятор матриць
Матриці - це прямокутні масиви чисел, організовані у рядки та стовпці, які широко використовуються в лінійній алгебрі, комп'ютерній графіці, машинному навчанні, фізиці та багатьох інших сферах. Операції з матрицями включають додавання, віднімання, множення, обчислення визначника, знаходження оберненої матриці, транспонування та багато іншого. Наш калькулятор матриць підтримує всі основні операції з матрицями різних розмірів, автоматично перевіряє можливість виконання операцій та відображає детальні результати з поясненнями. Розуміння роботи з матрицями критично важливе для вирішення систем лінійних рівнянь, перетворень у просторі, обробки даних та багатьох інших завдань.
Операції з матрицями та формули
Визначник матриці 2×2
Для матриці A = [a b; c d]:
det(A) = ad - bc
Обернена матриця
Для матриці A = [a b; c d] обернена матриця:
A⁻¹ = (1/det(A)) · [d -b; -c a]
Обернена матриця існує тільки якщо det(A) ≠ 0.
Транспонування
Транспонована матриця Aᵀ отримується заміною рядків на стовпці:
Якщо A = [a b; c d], то Aᵀ = [a c; b d]
Множення матриць
Для множення A·B кількість стовпців A має дорівнювати кількості рядків B:
(A·B)ᵢⱼ = Σₖ Aᵢₖ·Bₖⱼ
Слід матриці
Слід квадратної матриці - це сума елементів головної діагоналі:
tr(A) = Σᵢ Aᵢᵢ
Застосування матриць
Матриці мають надзвичайно широке застосування:
Лінійна алгебра
- Розв'язання систем лінійних рівнянь
- Лінійні перетворення у просторі
- Власні значення та власні вектори
- Діагоналізація матриць
Комп'ютерна графіка
- Перетворення координат (обертання, масштабування, зсув)
- 3D-моделювання та анімація
- Проекції та перспектива
Машинне навчання
- Обробка даних та признаків
- Нейронні мережі
- Аналіз головних компонент (PCA)
- Оптимізація параметрів
Практичне значення та контекст
Коротка довідка
Систему лінійних рівнянь знали ще давні єгиптяни та китайці. Гаус розробив метод виключення у XIX ст., Кеєлі ввів матриці у 1858 р.
Де застосовується
Лінійна алгебра — мова сучасної науки. Машинне навчання використовує матричні операції для навчання нейронних мереж. Комп'ютерна графіка застосовує матриці трансформацій для 3D-рендерингу. Квантова механіка описує стани через вектори гільбертового простору.
Часті запитання (FAQ)
Що таке матриця?
Матриця - це прямокутна таблиця чисел, організована у рядки та стовпці. Матриця розміру m×n має m рядків та n стовпців. Елемент матриці позначається Aᵢⱼ, де i - номер рядка, j - номер стовпця.
Що таке визначник матриці?
Визначник - це скалярна величина, яка характеризує квадратну матрицю. Для матриці 2×2: det([a b; c d]) = ad - bc. Визначник дорівнює нулю тоді і тільки тоді, коли матриця вироджена (не має оберненої).
Що таке обернена матриця?
Обернена матриця A⁻¹ така, що A·A⁻¹ = A⁻¹·A = I (одинична матриця). Обернена матриця існує тільки для невироджених матриць (det(A) ≠ 0). Для матриці 2×2: A⁻¹ = (1/det(A))·[d -b; -c a].
Як множити матриці?
Множення матриць виконується рядок на стовпець. Для A·B кількість стовпців A має дорівнювати кількості рядків B. Елемент (A·B)ᵢⱼ обчислюється як скалярний добуток i-го рядка A на j-й стовпець B.
Що таке транспонування матриці?
Транспонована матриця Aᵀ отримується заміною рядків на стовпці. Якщо A = [a b; c d], то Aᵀ = [a c; b d]. Властивості: (Aᵀ)ᵀ = A, (A·B)ᵀ = Bᵀ·Aᵀ.
Що таке одинична матриця?
Одинична матриця I - це квадратна матриця з одиницями на головній діагоналі та нулями в інших місцях. Для будь-якої матриці A: A·I = I·A = A. Одинична матриця є нейтральним елементом множення.
Що таке слід матриці?
Слід квадратної матриці - це сума елементів головної діагоналі: tr(A) = Σᵢ Aᵢᵢ. Властивості: tr(A+B) = tr(A) + tr(B), tr(AB) = tr(BA), tr(A) = сума власних значень.
Що таке вироджена матриця?
Вироджена (сингулярна) матриця - це квадратна матриця з нульовим визначником (det(A) = 0). Така матриця не має оберненої та не може бути використана для унікального розв'язання системи лінійних рівнянь.
Що таке власні значення та власні вектори?
Власний вектор v матриці A - це ненульовий вектор, такий що A·v = λ·v, де λ - власне значення. Власні значення знаходяться з характеристичного рівняння det(A - λI) = 0. Вони важливі для діагоналізації та аналізу матриць.
Як використовувати матриці для розв'язання систем рівнянь?
Систему AX = B можна розв'язати через обернену матрицю: X = A⁻¹B (якщо A невироджена). Альтернативно використовується метод Гаусса або правило Крамера. Матричний підхід особливо ефективний для великих систем.