不用numpy，用type去实现上一条问题

如果您不想使用NumPy库，可以使用Python内置的列表和基本的数学运算来实现对矩阵的余子式计算。以下是一个示例代码：

def calculate_cofactor(matrix, i, j):
    submatrix = [row[:j] + row[j+1:] for row in (matrix[:i] + matrix[i+1:])]
    cofactor = (-1) ** (i+j) * calculate_determinant(submatrix)
    return cofactor

def calculate_determinant(matrix):
    n = len(matrix)
    
    if n == 1:
        return matrix[0][0]
    
    determinant = 0
    sign = 1
    
    for j in range(n):
        cofactor = sign * matrix[0][j] * calculate_determinant([row[:j] + row[j+1:] for row in matrix[1:]])
        determinant += cofactor
        sign *= -1
    
    return determinant

def calculate_cofactor_matrix(matrix):
    n = len(matrix)
    cofactor_matrix = [[0] * n for _ in range(n)]
    
    for i in range(n):
        for j in range(n):
            cofactor_matrix[i][j] = calculate_cofactor(matrix, i, j)
    
    return cofactor_matrix

# 示例用法
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
cofactor_matrix = calculate_cofactor_matrix(matrix)

print("Matrix:")
for row in matrix:
    print(row)
print("\nCofactor Matrix:")
for row in cofactor_matrix:
    print(row)

在上面的代码中，`calculate_cofactor`函数用于计算特定位置上的余子式，`calculate_determinant`函数用于计算子矩阵的行列式。`calculate_cofactor_matrix`函数遍历矩阵的每个元素，并使用`calculate_cofactor`函数来计算对应位置的余子式。最后，打印原始矩阵和余子式矩阵的结果。

请注意，上述代码中使用了递归来计算行列式。这种方法在较小的矩阵上效果很好，但对于大型矩阵可能会导致性能问题。如果您需要处理大型矩阵，请考虑使用更高效的算法。