在線即時計算器 · 純前端本地秒算 · 零數據上傳

🔢 3X3 Matrix Determinant 計算機

專業免費的 3X3 Matrix Determinant 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
-3 det A
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是 3×3 矩陣行列式計算機?

這個工具會根據你輸入的九個實數,計算 3×3 矩陣 A 的行列式,同時回報行列式的倒數(1/det A)。行列式是一個單一數值,可以告訴你矩陣是否可逆:行列式不為零代表矩陣存在反矩陣;行列式為零則表示這是一個奇異矩陣(不可逆)。

使用方式

請在標示好的格子中填入九個元素,其中 a-列-行 代表該列與該行交會位置的元素。每一格都可以輸入任意實數(正數、負數或小數皆可)。按下計算後,主要結果會顯示 det A,下方則顯示 1/det A。若行列式為零,倒數會標記為「未定義」。

公式解析

沿著第一列進行餘因子(拉普拉斯)展開:

\det A = a_{11}(a_{22}a_{33}-a_{23}a_{32}) - a_{12}(a_{21}a_{33}-a_{23}a_{31}) + a_{13}(a_{21}a_{32}-a_{22}a_{31})

這與薩魯斯法則(rule of Sarrus)等價:把三條由左上往右下的對角線乘積相加,再減去三條由右上往左下的對角線乘積。最終結果代表由 A 所表示的線性變換對體積的「帶正負號的縮放倍率」;若數值為負,表示該變換會翻轉空間的方向(定向)。

實例演算

以 A = [[1,2,3],[4,5,6],[7,8,10]] 為例:

\det A = 1(5× 10 - 6× 8) - 2(4× 10 - 6× 7) + 3(4× 8 - 5× 7) = 1(2) - 2(-2) + 3(-3) = 2 + 4 - 9 = -3
倒數為 1/(-3) = -0.3333\ldots。由於 det A 不等於零,因此這個矩陣是可逆的。

更多工作範例

每個範例都沿著第一列使用餘因子展開:

\det A = a_{11}(a_{22}a_{33}-a_{23}a_{32}) - a_{12}(a_{21}a_{33}-a_{23}a_{31}) + a_{13}(a_{21}a_{32}-a_{22}a_{31})

範例 1 — 奇異矩陣 (det = 0)

這裡第三列正好是前兩列的和,所以矩陣是奇異的。

A=\begin{pmatrix}1 & 2 & 3\\ 4 & 5 & 6\\ 5 & 7 & 9\end{pmatrix}

沿著第一列展開:

  1. 1 (5· 9 - 6· 7) = 1 (45-42) = 3
  2. - 2 (4· 9 - 6· 5) = -2 (36-30) = -12
  3. + 3 (4· 7 - 5· 5) = 3 (28-25) = 9

相加:3 - 12 + 9 = 0。因為 \det A = 0,矩陣是奇異的,而倒數 1/\det A 是無定義的(不存在反矩陣)。

範例 2 — 負數和小數項

A=\begin{pmatrix}2 & -1 & 0.5\\ -3 & 4 & 1\\ 0 & 2 & -2\end{pmatrix}

沿著第一列展開:

  1. 2 (4·(-2) - 1· 2) = 2 (-8-2) = 2 (-10) = -20
  2. - (-1) ((-3)·(-2) - 1· 0) = +1 (6-0) = 6
  3. + 0.5 ((-3)· 2 - 4· 0) = 0.5 (-6-0) = -3

相加:-20 + 6 - 3 = -17。倒數是 1/\det A = -1/17 ≈ -0.0588。

範例 3 — 上三角矩陣 (det = 對角線乘積)

A=\begin{pmatrix}3 & 5 & -2\\ 0 & 4 & 7\\ 0 & 0 & 2\end{pmatrix}

沿著第一列展開(注意左下方的零使非對角線餘因子消失):

  1. 3 (4· 2 - 7· 0) = 3 (8) = 24
  2. - 5 (0· 2 - 7· 0) = -5 (0) = 0
  3. + (-2) (0· 0 - 4· 0) = -2 (0) = 0

相加:24 + 0 + 0 = 24,這等於對角線項的乘積 3· 4· 2 = 24。對於任何三角矩陣,行列式就是對角線項的乘積。

關鍵術語說明

行列式(\det A 或 |A|)
一個從方矩陣計算出的單一純量,編碼矩陣是否可逆以及它如何縮放體積。對於 3×3 矩陣,它通過餘因子展開來求得。
未成年子式(M_{ij})
刪除第 i 列和第 j 列後留下的較小矩陣的行列式。對於 3×3 矩陣,每個未成年子式都是一個 2×2 行列式。
餘因子(C_{ij})
一個帶符號的未成年子式:C_{ij} = (-1)^{i+j} M_{ij}。棋盤符號模式是 \begin{smallmatrix}+&-&+\\-&+&-\\+&-&+\end{smallmatrix}。
拉普拉斯 / 餘因子展開
一種方法,通過選定的行或列中的每一項乘以其餘因子的和來計算行列式:\det A = \sum_j a_{ij}C_{ij}。選擇包含零的行或列可以減少工作量。
薩呂法則
僅適用於 3×3 矩陣的快速方法:加上三個從左到右的對角線乘積,減去三個從右到左的對角線乘積。它給出與餘因子展開相同的結果。
奇異矩陣
一個滿足 \det A = 0 的矩陣;它沒有反矩陣,因為行(和列)線性相關。
可逆(非奇異)矩陣
一個滿足 \det A ≠ 0 的矩陣;它有唯一的反矩陣 A^{-1}。
伴隨矩陣(伴隨)
餘因子矩陣的轉置。它出現在反矩陣公式 A^{-1} = ((1) ÷ (\det A)) adj(A) 中。
線性相關
當一列(或一行)可以寫成其他列(或行)的組合時。線性相關強制 \det A = 0,這意味著矩陣將 3 維空間映射到一個較低維度的集合。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

行列式等於零代表什麼?
表示這是一個奇異矩陣,沒有反矩陣;它的各列(或各行)之間呈線性相依。
行列式可以是負數嗎?
可以。負的行列式只是代表對應的線性變換會翻轉方向(定向),其絕對值仍然代表體積的縮放倍率。
為什麼要顯示 1/det A?
在反矩陣的封閉形式公式中(伴隨矩陣除以 det A),這個倒數 \(\frac{1}{\det A}\) 會作為一個純量係數出現,因此把它列出來是相當實用的參考資訊。