一、前言
矩阵一般都是多阶的,但是,一阶矩阵仍然是存在的. 在本文中,我们就来探讨一下一阶矩阵的伴随矩阵是什么样子的.
二、正文
要讨论一阶矩阵的伴随矩阵,我们首先要讨论一下零阶矩阵对应的行列式的值:
我们知道,任意阶的单位矩阵对应的行列式都是等于 $1$ 的:
$$
\begin{vmatrix}
1 & 0 & 0 \\
0 & 1 & 0 \\
0 & 0 & 1
\end{vmatrix}_{\textcolor{gray}{ 3 \times 3 }} = \begin{vmatrix}
1 & 0 \\
0 & 1
\end{vmatrix}_{\textcolor{gray}{2 \times 2}} = \begin{vmatrix}
1
\end{vmatrix}_{\textcolor{gray}{1 \times 1}} = 1
$$
所以,为了保持数学定理的一致性,数学家们就规定了,零阶的单位矩阵对应的行列式,也等于 $1$, 即:
$$
\textcolor{yellow}{
\begin{vmatrix}
\varnothing
\end{vmatrix}_{\textcolor{gray}{ 0 \times 0}} = 1
} \tag{1}
$$
由于任意一个零阶的矩阵对应的行列式都是 $\begin{vmatrix} \varnothing \end{vmatrix}_{\textcolor{gray}{0 \times 0}}$, 所以,我们可以说,任意一个零阶的矩阵对应的行列式都等于 $1$.
接下来,我们来讨论一下一阶矩阵的伴随矩阵问题. 例如,我们有一阶矩阵为:
$$
\boldsymbol{A} = \begin{bmatrix}
a
\end{bmatrix}
$$
若要求解其伴随矩阵,就要首先求解其余子式,根据余子式的定义,我们将上面矩阵 $\boldsymbol{A}$ 的第 $1$ 行第 $1$ 列的元素 $a$ 划掉之后,就得到了一个空矩阵,再由上面的 $(1)$ 式可知,空矩阵对应的行列式等于 $1$, 所以,元素 $a$ 的余子式 $\boldsymbol{M}_{11}$ $=$ $1$, 进而可知,元素 $a$ 对应的代数余子式为:
$$
\boldsymbol{A}_{11} = (-1)^{1+1} \cdot \boldsymbol{M}_{11} = 1
$$
接着,对代数余子式 $\boldsymbol{A}_{11}$ 做转置操作:
$$
\boldsymbol{A}_{11}^{\top} = 1
$$
余子式和代数余子式都是指的某个数字,余子式和代数余子式既不是行列式,也不是矩阵.
于是可知,矩阵 $\boldsymbol{A}$ 的伴随矩阵 $\boldsymbol{A}^{*}$ 为:
$$
\textcolor{lightgreen}{ \boldsymbol{A}^{*} } = \begin{bmatrix} a \end{bmatrix}^{} = \begin{bmatrix}
\boldsymbol{A}_{11}^{\top}
\end{bmatrix} = \textcolor{lightgreen}{ \begin{bmatrix}
1
\end{bmatrix} }
$$
综上可知,任意一个一阶矩阵的伴随矩阵都是矩阵 $\textcolor{lightgreen}{ \begin{bmatrix} 1 \end{bmatrix} }$.
这里有一个需要特别注意的地方:
根据上面的结论,我们知道,如果一阶矩阵 $\boldsymbol{A}$ 中的元素是 $0$, 即 $\boldsymbol{A}$ $=$ $\begin{bmatrix} 0 \end{bmatrix}_{\textcolor{gray}{1 \times 1}}$, 那么,其伴随矩阵也是 $\begin{bmatrix} 1 \end{bmatrix}_{\textcolor{gray}{1 \times 1}}$, 即:$\boldsymbol{A}^{*}$ $=$ $\begin{bmatrix} 0 \end{bmatrix}_{\textcolor{gray}{1 \times 1}}^{*}$ $=$ $\begin{bmatrix} 1 \end{bmatrix}_{\textcolor{gray}{1 \times 1}}$.
但是,对于二阶及以上阶数的零矩阵,其伴随矩阵也是同样的零矩阵,即($n \neq 1$):$\begin{bmatrix} 0 \end{bmatrix}_{\textcolor{gray}{n \times n}}^{*}$ $=$ $\begin{bmatrix} 0 \end{bmatrix}_{\textcolor{gray}{n \times n}}$, 例如:$\begin{bmatrix}
0 & 0 \\
0 & 0
\end{bmatrix}^{*}$ $=$ $\begin{bmatrix}
0 & 0 \\
0 & 0
\end{bmatrix}$, $\begin{bmatrix}
0 & 0 & 0 \\
0 & 0 & 0 \\
0 & 0 & 0
\end{bmatrix}^{*}$ $=$ $\begin{bmatrix}
0 & 0 & 0 \\
0 & 0 & 0 \\
0 & 0 & 0
\end{bmatrix}$.
高等数学
涵盖高等数学基础概念、解题技巧等内容,图文并茂,计算过程清晰严谨。
线性代数
以独特的视角解析线性代数,让繁复的知识变得直观明了。
特别专题
通过专题的形式对数学知识结构做必要的补充,使所学知识更加连贯坚实。