逆矩阵计算器

逆矩阵 A⁻¹ 满足 AA⁻¹ = A⁻¹A = I（单位矩阵），地位相当于数的倒数——左乘 A⁻¹ 就能"撤销"A 的作用。解线性方程组 Ax = b 的优雅写法：x = A⁻¹b。前提：det(A) ≠ 0（奇异矩阵没有逆，正如 0 没有倒数）。

2×2 求逆有口诀：[[a,b],[c,d]]⁻¹ = (1/det) × [[d,−b],[−c,a]]——主对角线交换、副对角线变号、除以行列式。[[1,2],[3,4]]：det = −2，逆 = [[−2, 1], [1.5, −0.5]]。验证：[[1,2],[3,4]] × [[−2,1],[1.5,−0.5]] = [[−2+3, 1−1], [−6+6, 3−2]] = [[1,0],[0,1]] ✓。

3×3 以上用伴随矩阵法 A⁻¹ = adj(A)/det(A)（每个元素换成代数余子式再转置）或高斯-若尔当消元（把 [A|I] 行变换成 [I|A⁻¹]）。工程实践中很少显式求逆——数值稳定性差，解方程组直接上 LU/QR 分解更快更准，"需要 A⁻¹b 时算的是解 x 而不是逆矩阵本身"是数值计算的第一课。

逆矩阵的本质是「撤销一次变换」。矩阵 A 把向量 x 变成 b，逆矩阵 A⁻¹ 就把 b 原样送回 x——正如除法是乘法的逆运算，矩阵求逆是矩阵乘法的逆运算。有了这个工具，解方程组 Ax = b 就形式化为一步 x = A⁻¹b，虽然实际计算中更常用消元法，但这个视角把「解方程」统一进了「变换与逆变换」的框架。

不可逆矩阵对应「信息丢失」的变换。把三维空间拍扁到平面（投影矩阵）、把所有点压到一条直线，这类操作无法撤销——就像照片无法还原被裁掉的部分。行列式为零正是「压扁」的代数信号：体积缩放因子归零，空间维度坍塌，逆变换不复存在。

逆矩阵的存在性完全由行列式决定：det(A) = 0 时矩阵不可逆（奇异），det(A) ≠ 0 时必可逆。不可逆在几何上意味着这个线性变换把空间压缩到了一个更低维度——例如把整个平面压缩成一条直线（秩亏），此时无法从结果唯一地恢复原始向量。

实际计算中很少直接求逆来解方程组。计算机解 Ax = b 用 LU 分解或高斯消元远比求 A⁻¹ 稳定且高效；直接求逆的数值误差更大。但逆矩阵在理论推导中无可替代：协方差矩阵的逆出现在多元正态分布的密度函数中、最小二乘法 β̂ = (XᵀX)⁻¹Xᵀy 的优雅闭式解、控制理论中的状态反馈设计都需要求逆。