数学基础 -- 线性代数之伴随矩阵

伴随矩阵

1. 代数余子式

首先我们需要理解什么是代数余子式 。对于一个 n × n n \times n n×n 的方阵 A A A,代数余子式 M i j M_{ij} Mij 是指从矩阵 A A A 中删除第 i i i 行和第 j j j 列后,剩下的子矩阵的行列式。

假设有一个 3 × 3 3 \times 3 3×3 的矩阵:

A = ( a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 ) A = \begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{pmatrix} A= a11a21a31a12a22a32a13a23a33

其中,某个元素的代数余子式的计算方式如下:

  • M 11 M_{11} M11:删除第1行和第1列后,矩阵变为:

( a 22 a 23 a 32 a 33 ) \begin{pmatrix} a_{22} & a_{23} \\ a_{32} & a_{33} \end{pmatrix} (a22a32a23a33)

其行列式为 M 11 = a 22 a 33 − a 23 a 32 M_{11} = a_{22}a_{33} - a_{23}a_{32} M11=a22a33−a23a32。

特别注意: M 11 M_{11} M11是个标量,不是矩阵;

2. 代数余子式矩阵

将每个元素的代数余子式填入到对应的位置,可以得到矩阵 A A A 的代数余子式矩阵。对于 3 × 3 3 \times 3 3×3 的矩阵 A A A,代数余子式矩阵为:

代数余子式矩阵 = ( M 11 M 12 M 13 M 21 M 22 M 23 M 31 M 32 M 33 ) \text{代数余子式矩阵} = \begin{pmatrix} M_{11} & M_{12} & M_{13} \\ M_{21} & M_{22} & M_{23} \\ M_{31} & M_{32} & M_{33} \end{pmatrix} 代数余子式矩阵= M11M21M31M12M22M32M13M23M33

3. 伴随矩阵

伴随矩阵 是通过将代数余子式矩阵进行转置(即将行和列互换)得到的矩阵。代数余子式矩阵中的元素有时会带上符号,符号由位置的正负号决定。位置 ( i , j ) (i,j) (i,j) 的符号为 ( − 1 ) i + j (-1)^{i+j} (−1)i+j。

以一个 2 × 2 2 \times 2 2×2 的矩阵为例:

A = ( a b c d ) A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} A=(acbd)

这个矩阵的代数余子式矩阵是:

( d c b a ) \begin{pmatrix} d & c \\ b & a \end{pmatrix} (dbca)

根据位置符号,代数余子式矩阵变为:

( d − b − c a ) \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} (d−c−ba)

这就是矩阵 A A A 的伴随矩阵。

4. 应用:求矩阵的逆

通过伴随矩阵,可以求出原矩阵的逆矩阵。逆矩阵 A − 1 A^{-1} A−1 的计算公式为:

A − 1 = 1 det ( A ) × adj ( A ) A^{-1} = \frac{1}{\text{det}(A)} \times \text{adj}(A) A−1=det(A)1×adj(A)

其中 det ( A ) \text{det}(A) det(A) 是矩阵 A A A 的行列式, adj ( A ) \text{adj}(A) adj(A) 是矩阵 A A A 的伴随矩阵。

总结

伴随矩阵的计算过程涉及以下几个步骤:

  1. 计算原矩阵每个元素的代数余子式。
  2. 构造代数余子式矩阵。
  3. 将代数余子式矩阵转置得到伴随矩阵。

伴随矩阵在矩阵的逆运算中至关重要,是求解逆矩阵的关键步骤之一。

相关推荐
18538162800航4 小时前
短视频矩阵系统搭建指南:源码部署与全流程解析
线性代数·矩阵·音视频
Theodore_102214 小时前
深度学习(9)导数与计算图
人工智能·深度学习·机器学习·矩阵·线性回归
夏鹏今天学习了吗16 小时前
【LeetCode热题100(62/100)】搜索二维矩阵
算法·leetcode·矩阵
我爱C编程1 天前
基于无六环H校验矩阵和归一化偏移minsum算法的LDPC编译码matlab性能仿真
matlab·矩阵·ldpc·无六环·归一化偏移·minsum
短视频矩阵源码定制1 天前
矩阵系统哪个好?2025年全方位选型指南与品牌深度解析
java·人工智能·矩阵·架构·aigc
hakuii1 天前
SVD分解后的各个矩阵的深层理解
人工智能·机器学习·矩阵
bubiyoushang8881 天前
使用MATLAB计算梁单元的刚度矩阵和质量矩阵
开发语言·matlab·矩阵
无风听海1 天前
神经网络之奇异值分解
神经网络·线性代数·机器学习
西西弗Sisyphus1 天前
线性代数 - 奇异值分解(SVD Singular Value Decomposition)- 奇异值在哪里
线性代数·矩阵·奇异值分解·线程方程组
小蜜蜂爱编程1 天前
行列式的展开
线性代数