四阶矩阵的伴随矩阵怎么求 四阶矩阵如何求伴随，希望方法简单
\u56db\u9636\u77e9\u9635\u7684\u4f34\u968f\u77e9\u9635\u600e\u4e48\u6c42\u5982\u679cn\u9636\u77e9\u9635A\u53ef\u9006\uff0c\u5219A\u7684\u4f34\u968f\u77e9\u9635A*=\u2502A\u2502A^\uff08-1\uff09,\u8fd9\u4f1a\u6bd4\u8f83\u7b80\u5355
\u5982\u679cA\u4e0d\u53ef\u9006\uff0c\u53ef\u4ee5\u7528\u521d\u7b49\u53d8\u5316\u884c\u6216\uff08\u5217\uff09\uff0c\u5148\u786e\u5b9a\u4e00\u4e0bA\u7684\u79e9\uff0c\u5982\u679c\uff1a\u79e9\uff08A\uff09\uff1cn-1\uff0c\u5219A*=0
\u5982\u679c\uff1a\u79e9\uff08A\uff09=n-1,\u6211\u4eec\u53ea\u80fd\u77e5\u9053\uff1a\uff08A*\uff09=1\uff0c\u8fd9\u5c31\u8981\u6839\u636e\u5b9a\u4e49\u6765\u6c42\u5566
\u5177\u4f53\u505a\u9898\u5c31\u8981\u6839\u636e\u5177\u4f53\u7684\u77e9\u9635\u6765\u9009\u62e9\u54ea\u79cd\u65b9\u6cd5\uff0c
\u56db\u9636\u4e00\u4e0b\u7684\u76f4\u63a5\u7528\u5b9a\u4e49\u662f\u6bd4\u8f83\u7b80\u5355
\u5df2\u77e5\u4e24\u4e2a\u6570\u7684\u548c\u4e0e\u5dee\uff0c\u6c42\u51fa\u8fd9\u4e24\u4e2a\u6570\u5404\u662f\u591a\u5c11\u7684\u5e94\u7528\u9898\uff0c\u53eb\u505a\u548c\u5dee\u5e94\u7528\u9898\u3002
\u57fa\u672c\u6570\u91cf\u5173\u7cfb\u662f\uff1a
\uff08\u548c\uff0b\u5dee\uff09\u00f72\uff1d\u5927\u6570
\uff08\u548c\uff0d\u5dee\uff09\u00f72\uff1d\u5c0f\u6570
\u4e8c\u3002\u548c\u500d\u95ee\u9898 \uff1a
\u5df2\u77e5\u4e24\u4e2a\u6570\u7684\u548c\uff0c\u53c8\u77e5\u4e24\u4e2a\u6570\u7684\u500d\u6570\u5173\u7cfb\uff0c\u6c42\u8fd9\u4e24\u4e2a\u6570\u5206\u522b\u662f\u591a\u5c11\uff0c\u8fd9\u7c7b\u95ee\u9898\u79f0\u4e3a\u548c\u500d\u95ee\u9898\u3002
\u89e3\u51b3\u548c\u500d\u95ee\u9898\u7684\u57fa\u672c\u65b9\u6cd5\uff1a\u5c06\u5c0f\u6570\u770b\u62101\u4efd\uff0c\u5927\u6570\u662f\u5c0f\u6570\u7684n\u500d\uff0c\u5927\u6570\u5c31\u662fn\u4efd\uff0c\u4e24\u4e2a\u6570\u4e00\u5171\u662fn+1\u4efd\u3002 \u57fa\u672c\u6570\u91cf\u5173\u7cfb\uff1a
\u5c0f\u6570=\u548c\u00f7\uff08n+1\uff09
\u5927\u6570=\u5c0f\u6570\u00d7\u500d\u6570 \u6216 \u548c-\u5c0f\u6570=\u5927\u6570
\u4e09.\u5dee\u500d\u95ee\u9898 \uff1a
\u5df2\u77e5\u4e24\u4e2a\u6570\u7684\u5dee\uff0c\u5e76\u4e14\u77e5\u9053\u4e24\u4e2a\u6570\u500d\u6570\u5173\u7cfb\uff0c\u6c42\u8fd9\u4e24\u4e2a\u6570\uff0c\u8fd9\u6837\u7684\u95ee\u9898\u79f0\u4e3a\u5dee\u500d\u95ee\u9898\u3002
\u89e3\u51b3\u5dee\u500d\u95ee\u9898\u7684\u57fa\u672c\u65b9\u6cd5\uff1a\u8bbe\u5c0f\u662f1\u4efd\uff0c\u5982\u679c\u5927\u6570\u662f\u5c0f\u6570\u7684n\u500d\uff0c\u6839\u636e\u6570\u91cf\u5173\u7cfb\u77e5\u9053\u5927\u6570\u662fn\u4efd\uff0c\u53c8\u77e5\u9053\u5927\u6570\u4e0e\u5c0f\u6570\u7684\u5dee\uff0c\u5373\u77e5\u9053n-1\u4efd\u662f\u51e0\uff0c\u5c31\u53ef\u4ee5\u6c42\u51fa1\u4efd\u662f\u591a\u5c11\u3002
\u57fa\u672c\u6570\u91cf\u5173\u7cfb\uff1a
\u5c0f\u6570=\u5dee\u00f7(n-1)
\u5927\u6570=\u5c0f\u6570\u00d7n \u6216 \u5927\u6570=\u5dee+\u5c0f\u6570
\u5982\u679cn\u9636\u77e9\u9635A\u53ef\u9006\uff0c\u5219A\u7684\u4f34\u968f\u77e9\u9635A*=\u2502A\u2502A^\uff08-1\uff09,\u8fd9\u4f1a\u6bd4\u8f83\u7b80\u5355
\u5982\u679cA\u4e0d\u53ef\u9006\uff0c\u53ef\u4ee5\u7528\u521d\u7b49\u53d8\u5316\u884c\u6216\uff08\u5217\uff09\uff0c\u5148\u786e\u5b9a\u4e00\u4e0bA\u7684\u79e9\uff0c\u5982\u679c\uff1a\u79e9\uff08A\uff09\uff1cn-1\uff0c\u5219A*=0
\u5982\u679c\uff1a\u79e9\uff08A\uff09=n-1,\u6211\u4eec\u53ea\u80fd\u77e5\u9053\uff1a\uff08A*\uff09=1\uff0c\u8fd9\u5c31\u8981\u6839\u636e\u5b9a\u4e49\u6765\u6c42\u5566
\u5177\u4f53\u505a\u9898\u5c31\u8981\u6839\u636e\u5177\u4f53\u7684\u77e9\u9635\u6765\u9009\u62e9\u54ea\u79cd\u65b9\u6cd5\uff0c
\u56db\u9636\u4e00\u4e0b\u7684\u76f4\u63a5\u7528\u5b9a\u4e49\u662f\u6bd4\u8f83\u7b80\u5355
如果n阶矩阵A可逆，则A的伴随矩阵A*=│A│A^（-1）。如果A不可逆，可以用初等变化行或（列）。
先确定一下A的秩，如果：秩（A）＜n-1，则A*=0。如果：秩（A）=n-1，只能知道：（A*）=1，要根据定义来求。
扩展资料：
一个m行n列的矩阵简称为m*n矩阵，特别把一个n*n的矩阵成为n阶正方阵，或者n阶矩阵，此外，行列式的阶数与矩阵类似，但是行列式必然为一个正方阵。
说一个矩阵为n阶矩阵，即默认该矩阵为一个n行n列的正方阵。高等代数中常见的可逆矩阵，对称矩阵等问题都是建立在这种正方阵基础上的。
参考资料来源：百度百科-伴随矩阵
假设矩阵为A=(aij)，其伴随矩阵为A*=（Aij）.
其中Aij=(-1)^(i+j)×Mij. Mij叫做代数余子式，它是矩阵A去掉aji所在行和所在列后所得到的矩阵的行列式值。
如果n阶矩阵A可逆，则A的伴随矩阵A*=│A│A^（-1），如果A不可逆，可以用初等变化行或（列），先确定一下A的秩，如果：秩（A）＜n-1，则A*=0。
两个矩阵的乘法仅当第一个矩阵A的列数和另一个矩阵B的行数相等时才能定义。矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积，矩阵的分解法一般有三角分解、谱分解、奇异值分解、满秩分解等。
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。如果二维矩阵可逆，那么它的逆矩阵和它的伴随矩阵之间只差一个系数，对多维矩阵也存在这个规律。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。
绛旓細濡傛灉n闃剁煩闃A鍙嗭紝鍒橝鐨勪即闅忕煩闃A*=鈹侫鈹侫^锛-1锛夈傚鏋淎涓嶅彲閫嗭紝鍙互鐢ㄥ垵绛夊彉鍖栬鎴栵紙鍒楋級銆傚厛纭畾涓涓婣鐨勭З锛屽鏋滐細绉╋紙A锛夛紲n-1锛屽垯A*=0銆傚鏋滐細绉╋紙A锛=n-1锛屽彧鑳界煡閬擄細锛圓*锛=1锛岃鏍规嵁瀹氫箟鏉ユ眰銆
绛旓細|A*| = |A|^(n-1) = (-2)^3 = -8
绛旓細瑙ｆ瀽锛氬洜涓篈鐨勭ЗR锛圓锛=3锛屾墍浠ョ煩闃礎涓嶅彲閫嗭紝|A|=0銆鏍规嵁浼撮殢鐭╅樀鍏紡锛欰A*=|A|E锛屾墍浠ュ張鍥犱负AA*=|A|E=0 鏍规嵁甯哥敤鍏充簬绉╃殑鍏紡锛歊锛圓*锛+R锛圓锛夆墹R锛圓A*锛夋墍浠锛圓*锛+R锛圓锛夆墹R锛圓A*锛+4=4 鍥犳锛孯锛圓*锛夆墹4-3=1 鍙堝洜涓篟锛圓锛=3 鎵浠ュ叾涓夐樁浠ｆ暟浣欏瓙寮忚嚦灏戞湁涓涓笉涓...
绛旓細R(A*)=0 鍥犱负R(A)=2锛屾墍浠鐨勪换浣3闃跺瓙闃甸兘濂囧紓锛屾墍浠*=0 涓鑸潵璁瞡(>1)闃剁煩闃电殑浼撮殢闃礎*鏈変笁绉嶆儏鍐碉紝閫氳繃鍒嗘瀽AA*=|A|I鍙煡 R(A)=n => R(A*)=n R(A)=n-1 => R(A*)=1 R(A)<n-1 => R(A*)=0
绛旓細涓攟A|=-4锛0锛屸埓-1蹇呮槸A/鈭2鐨勭壒寰佸硷紝鈭−鈭2蹇呮槸A鐨勭壒寰佸硷紝鍥犱负A涓4闃剁煩闃锛屾墍浠A|=4锛岀敱鐭╅樀鍜屽叾浼撮殢鐭╅樀鐨鐗瑰緛鍊肩殑鍏崇郴鍙煡锛-|A|/鈭2鏄即闅忕煩闃礎*鐨勪竴涓壒寰佸硷紝鍗-4/鈭2=-2鈭2鏄即闅忕煩闃礎*鐨勪竴涓壒寰佸硷紝鍥犳浼撮殢鐭╅樀A*鐨勪竴涓壒寰佸间负-2鈭2銆傝绠楁棰樼殑閲嶇偣鍦ㄤ簬...
绛旓細1銆浼撮殢鐭╅樀鐨鏂规硶锛堝鏋滀笉瀚岄夯鐑︼級2銆佸垵绛夎鍙樻崲娉曪紙杩欎釜寰堢畝鍗曞惂,涓涓嬪氨鍐欏嚭鏉ヤ簡锛3銆佽В鏂圭▼缁,濡侫X=Y,鍒檟=A^-1Y,闇瑕佹瀯閫犲悜閲廥鍜孻,姣旇緝闅 閽堝涓嬩笁瑙掑舰閫氬父灏辫繖浜涙柟娉曚簡濡傛灉鏄瘮杈冪壒娈婄殑鐭╅樀,姣斿绋鐤忕殑涓嬩笁瑙掔煩闃电瓑,杩樺彲浠ュ鍔犱竴绉嶆柟娉曪細4銆佸垎鍧楃煩闃电殑鏂规硶 鎺ㄨ崘鏂规硶2,锛圓|E锛夆斺>锛圗...
绛旓細1銆佸師鐭╅樀涓殑鍊间笌浼撮殢鐭╅樀涓殑鍊间竴涓鏄犲皠銆2銆佸綋鐭╅樀鏄ぇ浜庣瓑浜庝簩闃舵椂锛屼富瀵硅鍏冪礌鏄皢鍘熺煩闃佃鍏冪礌鎵鍦ㄨ鍒楀幓鎺夊啀姹傝鍒楀紡锛岄潪涓诲瑙掑厓绱犲叡杞綅缃殑鍏冪礌鍘绘帀鎵鍦ㄨ鍒楁眰琛屽垪寮忕殑鍊笺3銆佸綋鐭╅樀鐨闃舵暟绛変簬涓闃舵椂锛屼粬鐨勪即闅忕煩闃涓轰竴闃跺崟浣嶆柟闃点4銆佷簩闃剁煩闃鍙娇鐢ㄤ富瀵硅绾垮厓绱犱簰鎹紝鍓瑙掔嚎鍏冪礌鍙樺彿鐨...
绛旓細瑙: 鐢盇A^T=2I 绛夊紡涓よ竟鍙栬鍒楀紡寰 |A|^2=|AA^T|=|2I|=2^4=16 鐢 det(A)<0 鐭 |A|=-4.鍙堢敱 det(3I+A)=0 鐭 -3 鏄疉鐨勪竴涓壒寰佸 鎵 |A|/位 = -4/(-3) = 4/3 鏄疉*鐨勪竴涓壒寰佸.
绛旓細涓鐩存槸姝ｆ暟锛屾病蹇呰鑰冭檻涓诲瑙掑厓绱犵殑绗﹀彿闂銆2銆佸綋鐭╅樀鐨闃舵暟绛変簬涓闃鏃讹細浼撮殢鐭╅樀涓轰竴闃跺崟浣嶆柟闃点傛眰鐭╅樀鐨勫叏閮ㄧ壒寰佸煎拰鐗瑰緛鍚戦噺鐨勬柟娉曞涓嬶細绗竴姝ワ細璁＄畻鐨勭壒寰佸椤瑰紡锛涚浜屾锛氭眰鍑虹壒寰佹柟绋嬬殑鍏ㄩ儴鏍癸紝鍗充负鐨勫叏閮ㄧ壒寰佸硷紱绗笁姝ワ細瀵逛簬鐨勬瘡涓涓壒寰佸硷紝姹傚嚭榻愭绾挎ф柟绋嬬粍鐨勪竴涓熀纭瑙ｇ郴銆
绛旓細浼撮殢鐭╅樀鐨绉╀负0 浜嬪疄涓,鍥涢樁鐭╅樀A鐨勭З涓2,鏁匒鐨勬墍浠3闃跺瓙寮忛兘涓0,鑰孉*鏄敱A鐨勬墍浠ュ厓绱犵殑浠ｆ暟浣欏瓙寮忔瀯鎴愮殑,鑰屼唬鏁颁綑瀛愬紡閮芥槸A鐨3闃跺瓙寮,鏁匒*=0,浠庤孯(A*)=0
