定义

伴随矩阵

记为 $A^*$ 。

余子式

A 关于第 i 行第 j 列的余子式（记作 $M_{ij}$ ）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。

代数余子式

A 关于第 i 行第 j 列的代数余子式（记作 $C_{ij}$ ）为 $(-1)^{i+j}M_{ij}$ 。

余子矩阵

A 的余子矩阵是一个 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。

伴随矩阵

引入以上的概念后，可以定义：矩阵 A 的伴随矩阵是 A 的余子矩阵的转置矩阵，即 $adj(A)=C^T$ 。简言之，伴随矩阵就是把原来矩阵每一行的代数余子式竖着写，即 $\begin{bmatrix} adj(A) \end{bmatrix}_{ij}=C_{ji}$ 。

例子

一个 2*2 矩阵 $A=\begin{bmatrix} a & b\\ c & d \end{bmatrix}$ 的伴随矩阵是 $adj(A)=\begin{bmatrix} d & -b\\ -c & a \end{bmatrix}$ 。

对于 3*3 的矩阵 $A=\begin{bmatrix} a_{11} & a_{12} & a_{13}\\ a_{21} & a_{22} & a_{23}\\ a_{31} & a_{32} & a_{33} \end{bmatrix}$ ，其伴随矩阵是 $adj(A)=\begin{bmatrix} +\left \| \begin{bmatrix} a_{22} & a_{23}\\ a_{32} & a_{33} \end{bmatrix} \right \| &-\left \| \begin{bmatrix} a_{21} & a_{23}\\ a_{31} & a_{33} \end{bmatrix} \right \| &+\left \| \begin{bmatrix} a_{21} & a_{22}\\ a_{31} & a_{32} \end{bmatrix} \right \| \\ \\ -\left \| \begin{bmatrix} a_{12} & a_{13}\\ a_{32} & a_{33} \end{bmatrix} \right \| & +\left \| \begin{bmatrix} a_{11} & a_{13}\\ a_{31} & a_{33} \end{bmatrix} \right \| &-\left \| \begin{bmatrix} a_{11} & a_{12}\\ a_{31} & a_{32} \end{bmatrix} \right \| \\ \\ +\left \| \begin{bmatrix} a_{12} & a_{13}\\ a_{22} & a_{23} \end{bmatrix} \right \| &-\left \| \begin{bmatrix} a_{11} & a_{13}\\ a_{21} & a_{23} \end{bmatrix} \right \| & +\left \| \begin{bmatrix} a_{11} & a_{12}\\ a_{21} & a_{22} \end{bmatrix} \right \| \end{bmatrix}$

性质

$adj(I)=I$
$adj(AB)=adj(B)adj(A)$
$adj(A^T)=adj(A)^T$
$det(adj(A))=det(A)^{n-1}$
$adj(kA)=k^{n-1}adj(A)$
当 n>2 时， $adj(adj(A))=(detA)^{n-2}A$
如果 A 是可逆，那么 $adj(A^{-1})=adj(A)^{-1}=\frac{A}{detA}$

逆矩阵

逆矩阵又称反矩阵。给定一个 n 阶方阵 A，若存在一个 n 阶方阵 B，使得 $AB=BA=I_n$ ，则称 A 是可逆的，逆矩阵记为 $A^{-1}$ 。

只有方阵才可能有逆矩阵。若方阵 A 的逆矩阵存在，则称 A 为非奇异方阵或可逆矩阵。

性质

$(A^{-1})^{-1}=A$
$(\lambda A)^{-1}=\frac{A^{-1}}{\lambda }$
$(AB)^{-1}=B^{-1}A^{-1}$
$(A^T)^{-1}=(A^{-1})^T$
$det(A^{-1})=\frac{1}{det(A)}$

矩阵求逆

伴随矩阵法

如果矩阵 A 可逆，则 $A^{-1}=\frac{A^{*}}{\left \| A \right \|}$ 。

$A=\begin{bmatrix} 2 & 7 & 6\\ 9 & 5 & 1\\ 4 & 3 & 8 \end{bmatrix}$ ，求 $A^{-1}$ 。

我们先求 A 的行列式。 $det(A)=\begin{vmatrix} 2 & 7 & 6\\ 9 & 5 & 1\\ 4 & 3 & 8 \end{vmatrix}$ ，由于只是 3 阶方阵，我们可以直接计算。

$det(A)=\begin{vmatrix} 2 & 7 & 6\\ 9 & 5 & 1\\ 4 & 3 & 8 \end{vmatrix}\\=(-1)^{1+1}*2*\begin{vmatrix} 5 & 1\\ 3 & 8 \end{vmatrix}+(-1)^{1+2}*7*\begin{vmatrix} 9 & 1\\ 4 & 8 \end{vmatrix}+(-1)^{1+3}*6*\begin{vmatrix} 9 & 5\\ 4 & 3 \end{vmatrix}\\=-360$ 。

再写出代数余子式。

$C_{11}=(-1)^{1+1}*\begin{vmatrix} 5 & 1\\ 3 & 8 \end{vmatrix}=37$

$C_{12}=(-1)^{1+2}*\begin{vmatrix} 9 & 1\\ 4 & 8 \end{vmatrix}=-68$

$C_{13}=(-1)^{1+3}*\begin{vmatrix} 9 & 5\\ 4 & 3 \end{vmatrix}=7$

$C_{21}=(-1)^{2+1}*\begin{vmatrix} 7 & 6\\ 3 & 8 \end{vmatrix}=-38$

$C_{22}=(-1)^{2+2}*\begin{vmatrix} 2 & 6\\ 4 & 8 \end{vmatrix}=-8$

$C_{23}=(-1)^{2+3}*\begin{vmatrix} 2 & 7\\ 4 & 3 \end{vmatrix}=22$

$C_{31}=(-1)^{3+1}*\begin{vmatrix} 7 & 6\\ 5 & 1 \end{vmatrix}=-23$

$C_{32}=(-1)^{3+2}*\begin{vmatrix} 2 & 6\\ 9 & 1 \end{vmatrix}=52$

$C_{33}=(-1)^{3+3}*\begin{vmatrix} 2 & 7\\ 9 & 5 \end{vmatrix}=-53$

因为对应的伴随矩阵 $A^*=\begin{bmatrix} 37 & -38 & -23\\ -68 & -8 & 52\\ 7 & 22 & -53 \end{bmatrix}$ 。

$A^{-1}=\frac{A^*}{det(A)}=\begin{bmatrix} \frac{37}{-360} & \frac{-38}{-360} & \frac{-23}{-360}\\ \frac{-68}{-360} & \frac{-8}{-360} & \frac{52}{-360}\\ \frac{7}{-360} & \frac{22}{-360} & \frac{-53}{-360} \end{bmatrix}=\begin{bmatrix} -\frac{37}{360} & \frac{19}{180} & \frac{23}{360}\\ \frac{17}{90} & \frac{1}{45} & -\frac{13}{90}\\ -\frac{7}{360} & -\frac{11}{180} & \frac{53}{360} \end{bmatrix}$

初等变换法

如果矩阵 A 和 B 互逆，则 $AB=BA=I$ 。可以构造增广矩阵，使用高斯消去法。

逆矩阵和伴随矩阵（Inverse matrix and adjoint matrix）相关推荐

adjacent matrix和affinity matrix之间的区别
本文描述adjacent matrix和affinity matrix 的异同点. 如下图是一个无向图,其有4个点,5条边,每个边的权重为1. 如果使用 adjacent matrix描述该图,则ad ...
求一个矩阵的逆矩阵(用伴随矩阵求)
题目:noyj774 用代数余子式求逆矩阵方法: 若现有矩阵A,要求其逆矩阵: 若|A|==0,则其不存在逆矩阵: 若|A|!=0,其逆矩阵A^-1==*A/|A|:其中*A为其伴随矩阵: 伴随矩阵的 ...
R语言使用psych包进行探索性因子分析EFA、使用cov2cor函数将原始数据的协方差矩阵将其转换为相关性矩阵（ covariance matrix into correlation matrix)
R语言使用psych包进行探索性因子分析EFA.使用cov2cor函数将原始数据的协方差矩阵将其转换为相关性矩阵( covariance matrix transform into correlati ...
Matrix: android 中的Matrix (android.graphics.Matrix) (转)
本篇博客主要讲解一下如何处理对一个Bitmap对象进行处理,包括:缩放.旋转.位移.倾斜等.在最后将以一个简单的Demo来演示图片特效的变换. 1. Matrix概述对于一个图片变换的处理,需要Ma ...
Toeplitz matrix 与 Circulant matrix
之所以专门定义两个新的概念,在于它们特殊的形式,带来的特别的形式. 1. Toeplitz matrix 对角为常数: n×nn\times n 的矩阵 AA 是 Toepliz 矩阵当且仅当,对于 ...
html中的matrix属性,transform,matrix属性讲解
矩阵可以理解为方阵,只不过,平时方阵里面站的是人,矩阵中是数值: → 而所谓矩阵的计算,就是两个方阵的人(可以想象成古代的方阵士兵)相互冲杀. CSS3中的矩阵 CSS3中的矩阵指的是一个方法,书写 ...
2.2 转置矩阵、逆矩阵、伴随矩阵
1 转置矩阵 (AT)T=A(\boldsymbol{A}^T)^T=\boldsymbol{A}(AT)T=A (A+B)T=AT+BT(\boldsymbol{A}+\boldsymbol{B}) ...
【Python】逆矩阵 || 行列式 || 伴随矩阵 || 代数余子式
文章目录一.逆矩阵二.行列式三.伴随矩阵 1.代数余子式 2.计算代数余子式 3.伴随矩阵与逆矩阵一.逆矩阵举例如下: # 昵称:XieXu # 时间: 2022/9/11/0011 2 ...
求矩阵的逆矩阵、伴随矩阵、特征根
1.特征根 2.逆矩阵三种方法(伴随矩阵是补得那个)
pytorch 邻接矩阵转稀疏矩阵 (dense matrix to coo matrix)
如何将一个dense矩阵,比如:一个 N×NN \times NN×N 的邻接矩阵a 转成 pytorch的sparse coo 矩阵. 方法一: import numpy as np import ...

逆矩阵和伴随矩阵（Inverse matrix and adjoint matrix）

定义

伴随矩阵

余子式

代数余子式

余子矩阵

伴随矩阵

例子

性质

逆矩阵

性质

矩阵求逆

伴随矩阵法

初等变换法

逆矩阵和伴随矩阵（Inverse matrix and adjoint matrix）相关推荐

最新文章

热门文章