免费伴随矩阵计算器

方阵的伴随矩阵（通常称为伴随矩阵或伴矩阵）是线性代数的基石，它提供了求逆矩阵的直接途径，并在克莱姆法则等理论公式中扮演核心角色。伴随矩阵计算器自动推导出该矩阵，让您免去手动重复计算行列式和符号变换的繁琐。无论您需要2×2矩阵的伴随还是3×3矩阵的伴随，该工具都能即时给出结果。

什么是伴随矩阵？

对于 $n \times n$ 矩阵 $A$，其伴随矩阵 $\operatorname{adj}(A)$ 定义为 $A$ 的代数余子式矩阵的转置。根据出处，可能会看到它被称为经典伴随或简称伴随——此处两者等同使用。注意将此概念与共轭转置（在复矩阵语境中有时也称为伴随）区分开，这是不同的运算。

任意方阵的逐步计算过程

伴随矩阵的构造遵循固定模式：

1. 余子式 – 对于每个元素 $a_{ij}$，从 $A$ 中删除第 $i$ 行和第 $j$ 列。得到的 $(n-1) \times (n-1)$ 子矩阵的行列式即为余子式 $M_{ij}$。
2. 代数余子式 – 将符号因子 $(-1)^{i+j}$ 乘以余子式得到代数余子式 $C_{ij} = (-1)^{i+j} M_{ij}$。
3. 代数余子式矩阵 – 将所有代数余子式收集到矩阵 $\operatorname{cof}(A)$ 中，其中元素 $(i,j)$ 为 $C_{ij}$。
4. 转置 – 伴随矩阵是代数余子式矩阵的转置：$\operatorname{adj}(A) = \bigl(\operatorname{cof}(A)\bigr)^{\mathsf{T}}$。等价地，$\operatorname{adj}(A)$ 的 $(i,j)$ 元素等于 $(j,i)$ 位置的代数余子式 $C_{ji}$。

此方法适用于任意实或复元素方阵。

2×2 矩阵的伴随

设

$$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}.$$

四个代数余子式为：

• $C_{11}=+d$
• $C_{12}=-c$
• $C_{21}=-b$
• $C_{22}=+a$

因此代数余子式矩阵为 $\begin{pmatrix} d & -c \\ -b & a \end{pmatrix}$。转置即得到2×2矩阵的伴随的常见公式：

$$\operatorname{adj}(A) = \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}.$$

用文字表达：交换主对角线元素 $a$ 和 $d$，并取反副对角线元素 $b$ 和 $c$。

数值示例

取 $B = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$。使用快捷方法：

• 对角线交换：$4$（左上）和 $1$（右下）。
• 非对角线取反：$-2$（右上）和 $-3$（左下）。

因此 $\operatorname{adj}(B) = \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix}$。验证 $B \cdot \operatorname{adj}(B) = \det(B) \cdot I = (1\cdot4 - 2\cdot3) \cdot I = -2 \cdot I$。

3×3 矩阵的伴随

对于 $3\times3$ 矩阵，逻辑相同但涉及九个代数余子式，每个需要计算一个 $2\times2$ 子矩阵的行列式。符号模式遵循标准棋盘格：

$$\begin{pmatrix} + & - & +\\ - & + & -\\ + & - & + \end{pmatrix}.$$

计算所有代数余子式并组成代数余子式矩阵后，伴随再次为转置。虽然代数计算可操作，但手动计算耗时且容易出错，因此代数余子式矩阵计算器（通常与伴随工具集成）有助于快速验证。

使用伴随矩阵计算器

1. 选择方阵的维度（2×2、3×3，直到计算器支持的最大维度）。
2. 将每个系数输入相应字段。矩阵预览会动态更新，让您及时发现输入错误。
3. 伴随矩阵立即显示。多数实现还会同时展示代数余子式矩阵和行列式。

由于所有算术处理自动完成，您可以专注于结果解读，而不是反复进行重复的行列式计算。

伴随的重要性：连接逆矩阵

伴随矩阵最重要的应用是计算矩阵的逆。对于任意可逆矩阵 $A$，

$$A \cdot \operatorname{adj}(A) = \det(A) \cdot I,$$

其中 $I$ 是 $n \times n$ 单位矩阵。重新整理得，

$$A^{-1} = \frac{1}{\det(A)} \, \operatorname{adj}(A).$$

因此，一旦知道伴随矩阵和行列式，逆矩阵就直接得出。如果 $\det(A)=0$ 则矩阵奇异，逆不存在，但伴随矩阵仍然有定义（在退化情况下成为秩为1的矩阵或零矩阵）。

无论您是在核对手工计算、学习线性代数，还是在工程或数据科学中应用矩阵方法，伴随矩阵计算器都能提供可靠、快速的方式获取伴随矩阵，进而得到逆矩阵。