伴随矩阵及逆矩阵

伴随矩阵（Adjugate Matrix 或 Adjoint Matrix）是一个与方阵相关的重要概念，在矩阵论和线性代数中有着广泛的应用。伴随矩阵与矩阵的逆、行列式等概念密切相关，通常用于计算矩阵的逆矩阵或解决线性方程组。

定义：

给定一个 $n\times n$的方阵 ( A )，它的伴随矩阵 $\text{adj}(A)$是由 $A$ 的余子式矩阵的转置所构成的矩阵。具体步骤如下：

1. 计算余子式矩阵：
   对于矩阵 $A$中的每一个元素 $a_{ij}$，计算其对应的余子式$C_{ij}$。余子式 $C_{ij}$ 是去掉矩阵 $A$ 中的第 $i$行和第 $j$列后得到的子矩阵的行列式，再乘以 $(-1{)}^{i+j}$（即：$C_{ij}=(-1{)}^{i+j}\cdot \text{det}(M_{ij})$，其中 $M_{ij}$ 是去掉第 $i$行和第$j$ 列后的子矩阵）。

2. 构造伴随矩阵：
   将所有余子式 $C_{ij}$ 组成矩阵 $C$，然后对这个矩阵 $C$进行转置，得到的矩阵就是 $A$ 的伴随矩阵 $\text{adj}(A)$。

$$\text{adj}(A)=C^T$$

计算公式：

给定矩阵 $A=[a_{ij}]$ 的伴随矩阵 $\text{adj}(A)$ 为：

$$\text{adj}(A)={\left[C_{ij}\right]}^T$$

其中 $C_{ij}=(-1{)}^{i+j}\cdot \text{det}(M_{ij})$。

重要性质：

1. 逆矩阵关系：
   如果矩阵 $A$是可逆的，那么有如下关系：

$$A^{-1}=\frac{1}{\text{det}(A)}\text{adj}(A)$$

2. 行列式关系：
   矩阵 $A$的行列式可以通过伴随矩阵与矩阵 $A$ 的乘积计算出来：

$$A\cdot \text{adj}(A)=\text{det}(A)\cdot I$$
其中 ( I ) 是单位矩阵。

3. 对角矩阵情况：
   如果 $A$是对角矩阵，那么 $\text{adj}(A)$仍然是对角矩阵，其对角线上的元素为 $A$ 的对角线元素中其他所有元素的乘积。

举例：

设矩阵 $A$ 为：

$$A=\left(\begin{array}{ccc}1& 2& 3\\ 0& 1& 4\\ 5& 6& 0\end{array}\right)$$

要计算它的伴随矩阵$\text{adj}(A)$，首先要计算各个元素对应的余子式，然后构造余子式矩阵，最后进行转置得到 $\text{adj}(A)$。

通过计算，可以得到：

$$\text{adj}(A)=\left(\begin{array}{ccc}-24& 18& 5\\ 20& -15& -4\\ -5& 4& 1\end{array}\right)$$

这个伴随矩阵可以用于进一步计算矩阵 $A$ 的逆矩阵或用于其他线性代数操作。