线性代数小结02伴随矩阵的十二个性质

River Chandler

已于 2023-12-20 08:11:37 修改

阅读量6.5k

点赞数 2

分类专栏：代数学基础与进阶文章标签： python

于 2022-04-27 16:56:31 首次发布

本文链接：https://blog.csdn.net/Chandler_river/article/details/124453955

版权

代数学基础与进阶专栏收录该内容

12 篇文章 0 订阅

订阅专栏

性质一

$A^{*}A=|A|E$

性质二

$(\lambda A)^{*}=\lambda ^{n-1}A^{*}$

性质三

$A^{*}$ 可逆的充要条件是 $A$ 可逆

证明

充分性

显然的

必要性

证明伴随矩阵可逆，原矩阵必然可逆

假设A不可逆，那么A的行列式为0，有

$AA^{*}=\left | A \right |E=O$

$AA^{*}(A^{*})^{-1}=0$

$A=E$

$A^{*}=O$

零矩阵不可逆，得出矛盾

性质四

矩阵的伴随矩阵的转置矩阵等于矩阵的转置矩阵的伴随矩阵

$(A^{*})^{T}=(A^{T})^{^{*}}$

暴力求证

得证

性质五

对称矩阵的伴随矩阵也是对称矩阵

$(A^{*})^{T}=(A^{T})^{*}=A^{*}$

性质六

<1>正交矩阵的伴随矩阵是正交矩阵

$\because A.is-orthogonal \therefore AA^{T}=A^{T}A=E;\left | A \right |^{2}=1 \because AA^{*}=\left | A \right |E$

$\begin{matrix} \therefore (AA^{*})^{T}=\left | A \right |E\\ (A^{*})^{T}A^{T}=\left | A \right |E\\ (A^{*})^{T}A^{T}AA^{*}=\left | A \right |^{2}E\\ (A^{*})^{T}A^{*}=E\\ \end{matrix}$

<2>矩阵的伴随矩阵为正交矩阵,那么矩阵数乘其行列式的倒数也是正交矩阵

$\begin{matrix} A^{*} is-inversible\rightarrow Ais-inversible\rightarrow \left | A \right |\neq 0\\ \because A^{*}A=\left | A \right |E\\ \therefore (A^{*}A)^{T}=\left | A \right |E\\ A^{T}(A^{*})^{T}=\left | A \right |E\\ A^{T}(A^{*})^{T}A^{*}A=\left | A \right |^{2}E\\ A^{T}A=\left | A \right |^{2}E\\ \left ( \frac{A}{\left | A \right |} \right )^{T}\left ( \frac{A}{\left | A \right |} \right )=E \end{matrix}$

性质七

$r(A^{*})=\left\{\begin{matrix} n & r(A)=n\\ 1 & r(A)=n-1\\ 0 & r(A)<=n-1 \end{matrix}\right.$

见小结01

性质八

<1>一个二阶以上可逆矩阵的m重伴随矩阵

$A^{*^{m}}=\left | A \right |^{\frac{(n-1)^{m}+(-1)^{m-1}}{n}}A^{(-1)^{m}}$

<2>一个三阶以上的不可逆矩阵的重伴宿矩阵为零矩阵

<3>一个二阶的不可逆矩阵的m重伴随矩阵

$A^{*^{m}}=\left\{\begin{matrix} A & m=2k\\ A^{*}& m=2k-1 \end{matrix}\right.$

待证明

性质九

若两矩阵相似,那么他们与自己的伴随矩阵的乘积相等

$\begin{matrix} \because A\sim B\\ \therefore \exists P-- that B=P^{-1}AP\\ BB^{*}=\left | B \right |E=\left | A \right |E\\ AA^{*}=\left | A \right |E\\ \therefore AA^{*}=BB^{*} \end{matrix}$

性质十

<1>若 $\lambda$ 为可逆矩阵 $A$ 的一个特征值, $\xi$ 是 $A$ 的属于特征值为 $\lambda$ 的特征向量,则 $\frac{\left | A \right |}{\lambda }$ 是 $A^{*}$ 的特征值, $\xi$ 是 $A^{*}$ 的属于特征值为 $\frac{\left | A \right |}{\lambda }$ 的特征向量

$A\xi =\lambda \xi$

$\begin{matrix} A^{*}A\xi =\lambda A^{*}\xi \\ \left | A \right |\xi =\lambda A^{*}\xi \\ \because A-is-inversible\therefore \lambda \neq 0\\ A^{*}\xi =\frac{\left | A \right |}{\lambda }\xi \\ \end{matrix}$ $\begin{matrix} \\ \\ \\ \\ \end{matrix}$