跳转到内容

伴随矩阵

本页使用了标题或全文手工转换
维基百科,自由的百科全书
线性代数
向量 · 向量空间 · 基底  · 行列式  · 矩阵

线性代数中,一个方形矩阵伴随矩阵(英語:adjugate matrix)是一个类似于逆矩阵的概念。如果矩阵可逆,那么它的逆矩阵和它的伴随矩阵之间只差一个系数。然而,伴随矩阵对不可逆的矩阵也有定义,并且不需要用到除法

的伴随矩阵记作,或

定义

[编辑]

R是一个交换环A是一个以R中元素为系数的n×n矩阵A的伴随矩阵可按如下步骤定义:

  • 定义:A关于第i行第j列的余子式(记作Mij)是去掉A的第i行第j列之后得到的(n − 1)×(n − 1)矩阵的行列式
  • 定义:A关于第i行第j列的代数余子式是:
  • 定义:A余子矩阵是一个n×n的矩阵C,使得其第i行第j列的元素是A关于第i 行第j 列的代数余子式

引入以上的概念后,可以定义:矩阵A伴随矩阵A的余子矩阵的转置矩阵

也就是说,A伴随矩阵是一个n×n的矩阵(记作adj(A)),使得其第i 行第j 列的元素是A关于第j行第i列的代数余子式。 简言之,伴随矩阵就是把原来余子矩阵C每一列的代数余子式横着写:

例子

[编辑]

2x2矩阵

[编辑]

一个矩阵的伴随矩阵是

3x3矩阵

[编辑]

对于的矩阵,情况稍微复杂一点:

其伴随矩阵是:

其中

要注意伴随矩阵是餘因子矩陣的转置,因此第3行第2列的系数是A关于第2行第3列的代数余子式。

具体情况

[编辑]

对于数值矩阵, 例如求矩阵 的伴随矩阵

只需将数值代入上节得到的表达式中。

即:

其中,為刪掉矩陣 的第 i 橫列與第 j 縱行後得到的行列式,為矩陣 餘因子


例如:第3行第2列的元素为

依照其順序一一計算,便可得到计算后的结果是:

应用

[编辑]

作为拉普拉斯公式的推论,关于n×n矩阵A行列式,有:

其中In阶的单位矩阵。事实上,A adj(A)的第i行第i列的系数是

。根据拉普拉斯公式,等于A的行列式。

如果ij,那么A adj(A)的第i行第j列的系数是

。拉普拉斯公式说明这个和等于0(实际上相当于把A的第j行元素换成第i行元素后求行列式。由于有两行相同,行列式为0)。

由这个公式可以推出一个重要结论:交换环R上的矩阵A可逆当且仅当其行列式在环R中可逆。

这是因为如果A可逆,那么

如果det(A)是环中的可逆元那么公式(*)表明

性质

[编辑]

的矩阵AB,有:

  1. 当n>=2时,
  2. 如果A可逆,那么
  3. 如果A对称矩阵,那么其伴随矩阵也是对称矩阵;如果A反对称矩阵,那么当n为偶数时,A的伴随矩阵也是反对称矩阵,n为奇数时则是对称矩阵。
  4. 如果A是(半)正定矩阵,那么其伴随矩阵也是(半)正定矩阵。
  5. 如果矩阵AB相似,那么也相似。
  6. 如果n>2,那么非零矩阵A正交矩阵当且仅当

伴随矩阵的秩

[编辑]

当矩阵A可逆时,它的伴随矩阵也可逆,因此两者的一样,都是n。当矩阵A不可逆时,A的伴随矩阵的秩通常并不与A相同。当A的秩为n-1时,其伴随矩阵的秩为1,当A的秩小于n-1时,其伴随矩阵为零矩阵。

伴随矩阵的特征值

[编辑]

设矩阵A在复域中的特征值(即为特征多项式n个根),则A的伴随矩阵的特征值为

证明

这里要用到一个结论作为引理:一个n阶矩阵的n个特征值的和等于它的迹数,它们的乘积等于矩阵的行列式

分3种情况讨论:

  • 如果A的秩为n,即是说A可逆,那么由引理有:。只需证明A的伴随矩阵的特征值为。考察矩阵

由于,因此

因此

可以看到的特征多项式为,因此命题成立。

  • 如果A的秩严格小于n-1,即是说A至少有两个特征值为0,于是

全部都是0。这时A的伴随矩阵为0,因此特征值也全是0。命题成立。

  • 如果A的秩等于n-1,即是说A至少有一个特征值为0,不妨设其为。由于这时A的伴随矩阵秩为1,它至少有n-1个特征值为0。设剩余的一个为,则其迹数。另一方面,A的伴随矩阵的迹数为

这个和恰好等于,即等于(其余都是0)。

综上所述,对任意的矩阵A,命题都成立。

伴随矩阵和特征多项式

[编辑]

特征多项式,定义,那么:

,

其中的各项系数:

伴随矩阵也出现在行列式导数形式中。


参见

[编辑]

参考来源

[编辑]

外部链接

[编辑]