在线性代数中,一个方形矩阵的伴随矩阵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。
伴随矩阵的定义
设R是一个交换环,A是一个以R中元素为系数的n×n的矩阵。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:
Cij=(−1)i+jMij。
定义: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。
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:
adj(A)=CT,
也就是说,A的伴随矩阵是一个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。
伴随矩阵的例子
2×2矩阵
一个2×2矩阵A=(acbd)的伴随矩阵是
adj(A)=(d−c−ba).
3×3矩阵
对于3×3的矩阵,情况稍微复杂一点:
a=⎝⎛a11a21a31a12a22a32a13a23a33⎠⎞.
其伴随矩阵是:

其中
∣∣aimajmainajn∣∣=det(aimajmainajn).
要注意伴随矩阵是余子矩阵的转置,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
对于数值矩阵, 例如求矩阵A=⎝⎛−3−1320−4−5−21⎠⎞ 的伴随矩阵adj(A),
只需将数值代入上节得到的表达式中。
即:
其中,Mij为删掉矩阵 A 的第 i 横列与第 j 纵行后得到的行列式,Cji为矩阵 A 的余因子。
例如:adj(A)中第3行第2列的元素为

依照其顺序一一计算,便可得到计算后的结果是:

伴随矩阵的应用
作为拉普拉斯公式的推论,关于n×n矩阵A的行列式,有:
A adj(A)=adj(A)A=det(A) I(∗)
其中I是n阶的 单位矩阵。事实上,A adj(A)的第i行第i列的系数是
j=1∑nai;jCi,j。根据拉普拉斯公式,等于A的行列式。
如果i ≠ j,那么Aadj(A)的第i行第j列的系数是
k=1∑nai;kCj,k。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
1=det(I)=det(AA−1)=det(A)det(A−1),
如果det(A)是环中的可逆元那么公式(*)表明
A−1=det(A)−1adj(A)
伴随矩阵的性质
对n×n的矩阵A和B,有:
- $$\mathrm{adj}(\mathbf{I}) = \mathbf{I}$$,
- $$ \mathrm{adj}(\mathbf{AB}) = \mathrm{adj}(\mathbf{B})\,\mathrm{adj}(\mathbf{A})$$,
- $$\mathrm{adj}(\mathbf{A}^T) = \mathrm{adj}(\mathbf{A})^T$$,
- $$\det\big(\mathrm{adj}(\mathbf{A})\big) = \det(\mathbf{A})^{n-1}$$,
- $$\mathrm{adj}(k \mathbf{A}) = k^{n-1} \ \mathrm{adj}(\mathbf{A})$$
- 当n>2时,adj(adj(A))=(detA)n−2A
- 如果A可逆,那么adj(A−1)=adj(A)−1=detAA
- 如果A是对称矩阵,那么其伴随矩阵也是对称矩阵;如果A是反对称矩阵,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。
- 如果A是(半)正定矩阵,那么其伴随矩阵也是(半)正定矩阵。
- 如果矩阵A和B相似,那么adj(A)和adj(B)也相似。
- 如果n>2,那么非零矩阵A是正交矩阵当且仅当adj(A)=±AT
伴随矩阵的秩
当矩阵A可逆时,它的伴随矩阵也可逆,因此两者的秩一样,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
设矩阵A在复域中的特征值为λ1,λ2⋯λn(即为特征多项式的n个根),则A的伴随矩阵的特征值为
λ2λ3⋯λn, λ1λ3⋯λn,
⋯,λ1λ2⋯λn−1。
伴随矩阵和特征多项式
设 p(t)=det(A−tI) 为A的特征多项式,定义q(t)=tp(0)−p(t),那么:
adj(A)=q(A)=−(p1I+p2A+p3A2+⋯+pnAn−1) ,
其中pj 是p(t)的各项系数:
p(t)=p0+p1t+p2t2+⋯pntn。
伴随矩阵也出现在行列式的导数形式中。