在Python中，可以使用NumPy库来计算伴随矩阵。以下是一个使用NumPy计算伴随矩阵的示例代码：
```python
import numpy as np
定义一个函数来计算伴随矩阵
def adjugate_matrix（matrix）:
计算矩阵的行列式
det_A = np.linalg.det（matrix）
如果行列式为0，则矩阵不可逆，伴随矩阵不存在
if det_A == 0:
return "矩阵不可逆，伴随矩阵不存在"
计算伴随矩阵
adjugate = np.linalg.inv（matrix） * det_A
return adjugate
输入矩阵的阶数和元素
n = int（input（"请输入矩阵的阶数："））
matrix = np.zeros（（n, n））
print（"请输入矩阵的元素："）
for i in range（n）:
for j in range（n）:
matrix[i, j] = float（input（））
计算并打印伴随矩阵
adjugate = adjugate_matrix（matrix）
if isinstance（adjugate, np.ndarray）:
print（"伴随矩阵为："）
print（adjugate）
else:
print（adjugate）
这段代码首先导入了NumPy库，然后定义了一个函数`adjugate_matrix`来计算给定矩阵的伴随矩阵。函数中首先计算了矩阵的行列式，如果行列式为0，则返回提示信息，表示矩阵不可逆，伴随矩阵不存在。如果行列式不为0，则使用`np.linalg.inv`函数计算矩阵的逆，然后乘以行列式得到伴随矩阵。用户被要求输入矩阵的阶数和元素，然后代码将这些输入转换为NumPy数组，并调用`adjugate_matrix`函数计算伴随矩阵，最后打印出结果。请注意，如果矩阵的阶数较大，计算伴随矩阵可能会消耗较多的内存和计算资源。对于大型矩阵，可能需要使用更高效的算法或专门的数学库来处理