伴随矩阵是线性代数中的一个重要概念，在求解逆矩阵、行列式以及矩阵方程中具有重要作用。本文将总结伴随矩阵的基本定义及其主要性质，并通过逻辑推导的方式，展示这些性质的来源与推导过程。 一、伴随矩阵的定义 设 $ A = (a_{ij}) $ 是一个 $ n \times n $ 的方阵，其代数余子式为 $ A_{ij} $，即去掉第 $ i $ 行第 $ j $ 列后得到的 $ (n-1) \times (n-1) $ 矩阵的行列式，并乘以 $ (-1)^{i+j} $。那么，伴随矩阵（adjugate matrix）记作 $ \text{adj}(A) $，其元素为 $ A_{ji} $，即： $$ \text{adj}(A) = (A_{ji}) $$ 也就是说，伴随矩阵是将原矩阵每个元素的代数余子式按转置方式排列形成的矩阵。 二、伴随矩阵的性质及推导 以下是伴随矩阵的一些重要性质及其推导过程的总结： | 性质编号 | 性质描述 | 推导过程简述 | | 1 | $ A \cdot \text{adj}(A) = \text{adj}(A) \cdot A = \det(A) \cdot I_n $ | 根据代数余子式的定义，计算矩阵乘积时，主对角线上的元素为 $ \det(A) $，其余为0，因此结果为 $ \det(A) \cdot I_n $。 | | 2 | 若 $ A $ 可逆，则 $ \text{adj}(A) = \det(A) \cdot A^{-1} $ | 由性质1可得：$ A \cdot \text{adj}(A) = \det(A) \cdot I_n $，两边同时乘以 $ A^{-1} $ 得到该结论。 | | 3 | $ \text{adj}(A^T) = (\text{adj}(A))^T $ | 由于伴随矩阵是代数余子式的转置排列，而转置操作不改变行列式的值，因此该性质成立。 | | 4 | $ \text{adj}(AB) = \text{adj}(B) \cdot \text{adj}(A) $ | 通过对矩阵乘积的展开进行代数推导，可以证明该性质。 | | 5 | 若 $ A $ 是对角矩阵，则 $ \text{adj}(A) $ 也是对角矩阵 | 对角矩阵的代数余子式只在主对角线上有非零值，因此伴随矩阵仍为对角形式。 | | 6 | $ \det(\text{adj}(A)) = (\det(A))^{n-1} $ | 由性质2可知，若 $ A $ 可逆，则 $ \text{adj}(A) = \det(A) \cdot A^{-1} $，两边取行列式即可得到该结果。 |
三、小结 伴随矩阵在矩阵理论中有着广泛的应用，其核心性质不仅有助于理解矩阵的结构，也为求解逆矩阵和行列式提供了有效途径。通过代数余子式的定义与矩阵乘法的结合，我们可以系统地推导出这些性质，从而加深对伴随矩阵本质的理解。 通过上述表格，读者可以清晰地看到伴随矩阵的各项性质及其背后的数学逻辑，有助于进一步掌握相关知识并应用于实际问题中。 |