伴随矩阵的性质及其应用
伴随矩阵的性质及应用汇总

伴随矩阵的性质及应用汇总伴随矩阵,也被称为伴随矩阵、伴随方阵或伴随法方阵,是与一个给定的矩阵相关联的矩阵。
在线性代数中,伴随矩阵的性质及应用非常重要。
下面是对伴随矩阵的性质及应用的汇总。
一、伴随矩阵的基本性质:1.对于任意的n阶矩阵A,它的伴随矩阵存在且唯一2. 伴随矩阵的行列式等于原矩阵A的n次方,即,adj(A), = ,A,^(n-1)。
3. 如果原矩阵A是可逆的,则它的伴随矩阵也是可逆的,并且有逆矩阵的性质,即(adj(A))^(-1) = 1/,A, * adj(A)。
4. 伴随矩阵的转置等于原矩阵的伴随矩阵的转置,即(adj(A))^T = adj(A^T)。
二、伴随矩阵的应用:1. 伴随矩阵在求逆矩阵中的应用:利用伴随矩阵可以很方便地求解矩阵的逆。
对于可逆矩阵A,有A^(-1) = 1/,A, * adj(A)。
通过计算原矩阵的行列式和伴随矩阵,即可得到逆矩阵。
2. 伴随矩阵在线性方程组求解中的应用:对于线性方程组AX = B,如果矩阵A是可逆的,则可以通过左乘伴随矩阵满足(adj(A) * A)* X= adj(A) * B,进而求解出X的解。
3. 伴随矩阵在求解特征值和特征向量中的应用:矩阵A的伴随矩阵adj(A)与矩阵A一样具有相同的特征值,但是特征向量方向相反。
因此,可以通过求解伴随矩阵的特征值和特征向量来得到矩阵A的特征值和特征向量。
4. 伴随矩阵在向量夹角和投影中的应用:对于两个向量A和B,它们的夹角θ可以通过伴随矩阵求解得到,即cosθ = (A・B) / (,A,* ,B,) = (adj(A)・B) / (,A, * ,B,)。
此外,在向量的投影计算中也可以通过伴随矩阵来实现,即投影向量P = A * (adj(A)・B) / (adj(A)・A)。
综上所述,伴随矩阵具有独特的性质和广泛的应用。
它在求逆矩阵、线性方程组求解、特征值和特征向量求解、向量夹角和投影等方面发挥着重要的作用。
伴随矩阵运算法则

伴随矩阵运算法则
(最新版)
目录
1.伴随矩阵的定义与性质
2.伴随矩阵的运算法则
3.伴随矩阵的应用
4.总结
正文
一、伴随矩阵的定义与性质
伴随矩阵是线性代数中一个重要的概念,它与逆矩阵有着密切的关系。
伴随矩阵的定义是:一个方形矩阵 A 的伴随矩阵,是由矩阵 A 的代数余子式构成的一个矩阵。
伴随矩阵的性质包括:
1.伴随矩阵是一个方阵,其行数和列数与原矩阵相同。
2.伴随矩阵的元素是原矩阵的代数余子式,即伴随矩阵第 i 行第 j 列的元素是原矩阵的第 j 行第 i 列的代数余子式。
3.伴随矩阵的转置等于原矩阵的代数余子式的转置。
二、伴随矩阵的运算法则
伴随矩阵的运算法则主要包括以下几点:
1.伴随矩阵的加法:两个矩阵的伴随矩阵相加,对应位置的元素是两个矩阵对应位置的代数余子式之和。
2.伴随矩阵的数乘:一个矩阵的伴随矩阵与一个标量的乘积,对应位置的元素是原矩阵对应位置的代数余子式乘以该标量。
3.伴随矩阵的乘法:两个矩阵的伴随矩阵相乘,对应位置的元素是原矩阵对应位置的代数余子式的乘积。
三、伴随矩阵的应用
伴随矩阵在线性代数中有广泛的应用,主要包括:
1.求解线性方程组:当矩阵 A 可逆时,可以用伴随矩阵表示矩阵 A 的逆矩阵,从而求解线性方程组。
2.矩阵的行列式:矩阵的行列式等于其伴随矩阵的行列式,可以利用伴随矩阵求矩阵的行列式。
3.矩阵的秩:伴随矩阵的秩等于原矩阵的秩,可以利用伴随矩阵求矩阵的秩。
四、总结
伴随矩阵是线性代数中的一个基本概念,它与逆矩阵、行列式等有着密切的关系。
浅谈伴随矩阵的性质及其应用【开题报告】

开题报告数学与应用数学浅谈伴随矩阵的性质及其应用一、综述本课题国内外研究动态, 说明选题的根据和意义矩阵是代数学的一个主要研究对象, 是数学中最重要的基本概念之一, 也是数学研究及应用的一个重要工具. 矩阵这一概念自19世纪英国数学家凯利首先提出以后, 就形成了矩阵代数这一系统理论, 而且还广泛应用于实际生活. 把现实世界中的实际问题抽象成数学模型, 求出模型的解, 验证模型的合理性后, 用它的解来解释现实问题, 这其中要用到许多的数学知识, 而矩阵作为一种认识复杂问题的简捷的数学工具, 在数学模型中具有重要的作用, 如在各循环赛中常用的赛况表格、国民经济的数学问题等.矩阵可以分为很多类, 有初等矩阵、分块矩阵、幂等矩阵、伴随矩阵等, 在不同的矩阵类型中近几年来分别取得了不同的成果与进展. 而伴随矩阵作为矩阵中较特殊的一类, 其理论与应用有自身的特点, 它是矩阵理论及线性代数中的一个基本概念, 是许多数学分支研究的重要工具. 在线性代数的解题方面, 灵活地运用这些伴随矩阵的性质有效地解决了线性代数中的问题, 且它有助于拓宽解决线性代数问题的思路. 比如, 矩阵间一些关系的证明, 求矩阵的逆, 一些复合矩阵的行列式等. 运用伴随矩阵的性质还可以用来解决一些复杂的问题. 比如, 用伴随矩阵的性质: I A A A AA ==**可以解决《美国数学月刊》上的E3227号问题(注: 若A 和B 为n 阶矩阵, 存在非零向量x 和向量y , 使得0=Ax , Bx Ay =. 设i A 为A 中第i 列被B 中的第i 列替换后所得到的矩阵,证明01=∑=n i i A). 现今不仅专业研究伴随矩阵的数学工作者愈加众多, 而且量子力学、刚体力学、流体力学、自动控制等各个学科或尖端技术领域内的研究工作者也都以它为必需的工具. 如蔡建乐提出了用特征矩阵的伴随矩阵求惯量主轴的代数方法, 这有利于刚体力学的发展, 体现伴随矩阵的物理意义.正因为它有如此重要的作用, 古今中外对其研究颇多, 并且得到了许多重要的成果. 如杨闻起探讨了伴随矩阵在对称、反对称、正定、半正定、正交、相似和特征值等方面的性质; 王航平也在伴随矩阵的定义与基本性质的基础上, 探讨了伴随矩阵的运算性质, 特别研究了乘积矩阵的伴随矩阵的性质, 并提出了自伴随矩阵的定义及其性质, 归纳了伴随矩阵较强的继承性; 郑茂玉也提出了伴随矩阵与原矩阵之间的联系, 探讨了伴随矩阵的性质, 并且将伴随矩阵推广到了m重; 徐淳宁也探究了m重伴随矩阵的定义及其性质, 得到了一些有意义的结果, 使伴随矩阵的内涵更加丰富. 上述结论都是在A为方阵的前提下提出来的, 对于Am 矩阵的伴随矩阵的定义与一些性不为方阵的情况又有许多种性质. 贾美娥提出了关于n质的证明. 这一主张的提出, 更加完善了伴随矩阵的性质. 伴随矩阵的性质还有很多, 在此不一一举例.尽管前人的研究很多, 但是目前对伴随矩阵的性质还没有一套完整的证明. 在《高等代数》和《线性代数》的各种教材中, 伴随矩阵只是作为求解逆矩阵的工具出现的, 并没有进行深入的研究. 但是在后继的课程的学习中经常用伴随矩阵来解决很多问题, 为此我们常常不知所措. 为了解决更多的问题, 有必要探讨它的性质及其一些应用. 本文将对伴随矩阵的性质和应用进行探讨, 这不仅有利于教师的教学, 还有助于学生的学习, 以便我们更得心应手地运用伴随矩阵的各种性质解决线性代数中的相关问题及拓宽它在各领域中的应用.二、研究的基本内容, 拟解决的主要问题:研究的基本内容: 本文主要研究伴随矩阵的性质及其各领域上的应用.拟解决的主要问题: 证明伴随矩阵的性质和探究它的应用, 并作推广.三、研究步骤、方法及措施:研究步骤: 1. 明确任务, 查阅相关资料, 做好笔记.2. 在老师指导下, 撰写开题报告, 翻译英文资料, 撰写文献综述.4. 上交开题报告、文献综述、英文资料; 确定整个论文的思路, 列出论文提纲.5. 确定论文提纲, 撰写毕业论文.6. 上交论文初稿.7. 反复修改论文.8. 论文定稿.方法、措施: 通过到图书馆、上网等查阅收集资料, 参考相关内容. 在老师指导下, 与同学研究讨论, 用推理论证的方法来解决问题.四、参考文献:[1]R. A. Horn, C. R. Johnson. Matrix Analysis[M]. Cambridge University Press, 1986.[2]蔡建乐. 用特征矩阵的伴随矩阵求解惯量主轴方向[J]. 大学物理, 1995, 14(9): 21~22.[3]杨闻起. 伴随矩阵的性质[J]. 宝鸡文理学院学报, 2004, (3):20~25.[4]王航平. 伴随矩阵的若干性质[J]. 中国计量学院学报, 2004, 15(3): 247~249.[5]郑茂玉. 伴随矩阵的性质[J]. 南方冶金学院学报, 1991, 12(3):55~60.[6]徐淳宁. 关于伴随矩阵的推广[J]. 长春邮电学院学报, 1997, 15(4): 63~64.m 矩阵的伴随矩阵[J]. 赤峰学院学报, 2009, 25(9): 16~17.[7]贾美娥. 关于n[8]北京大学数学系几何与代数小组编. 高等代数[M]. 北京: 高等教育出版社, 2003, 9.[9]韩成茂. 伴随矩阵性质研究[D]. 山东: 山东大学, 2008.[10]刘佑林. 伴随矩阵若干性质[J]. 湘南学院学报, 2009, 30(5): 31~32.[11]肖翔, 许伯生. 伴随矩阵的性质[J]. 上海工程技术大学教育研究, 2007, (3):48~49.[12]吕兴汉. 关于伴随矩阵性质的进一步讨论[J]. 2006, 22: 322~323.[13] C. M. Han. Some operation properities of Adjoint Matrices for Block Matrices[J]. Journalof Mathematics Reseearch, 2009, 1(2): 119~122.[14]苗宝军, 赵艳敏. 高等代数中伴随矩阵性质的研究及其应用[J]. 考试周刊, 2009, 31: 61.。
伴随变换与伴随矩阵的性质与应用

伴随变换与伴随矩阵的性质与应用伴随变换与伴随矩阵是线性代数中重要的概念,它们在矩阵论和线性变换的理论中有着广泛的应用。
本文将探讨伴随变换与伴随矩阵的性质以及它们在实际问题中的应用。
一、伴随变换的定义与性质伴随变换是指在线性空间中,给定一个线性变换T,其伴随变换T*是一个线性变换,满足对于任意的向量u和v,有内积的性质:(T(u), v)= (u, T*(v))其中(,)表示内积。
伴随变换的性质包括:1. 线性性质:对于任意的向量u和v,以及任意的标量a和b,有T*(au+bv) = aT*(u) + bT*(v)。
2. 对偶性质:如果存在一个向量w,使得对于任意的向量u,有(T(u), v)= (u, w),则称w为T的伴随向量,记作w=T*(v)。
伴随变换的作用是根据给定的线性变换T,求解其对应的伴随向量。
二、伴随矩阵的定义与性质对于一个线性变换T,如果存在一个矩阵A,使得对于任意的向量u和v,有 T(u) = Av,则称矩阵A为线性变换T的矩阵表示。
伴随矩阵B是指对于给定的矩阵A,存在一个矩阵B,使得(AB)^T =BA^T,其中()^T表示矩阵的转置。
伴随矩阵的性质包括:1. 转置性质:伴随矩阵的转置等于原矩阵的伴随矩阵的转置,即(A^T)^T = A*。
2. 乘法性质:对于两个线性变换T和S,其伴随矩阵分别为A和B,则对应的复合变换的伴随矩阵为BA,即(TS)* = B*A。
三、伴随变换与伴随矩阵的应用伴随变换与伴随矩阵在实际问题中有各种各样的应用。
下面以几个例子来说明其应用。
1. 线性变换的正交性判断:对于给定的线性变换T,可以通过求解其伴随变换T*,再判断T和T*的关系来确定T是否是正交变换。
如果T和T*相等,则T是正交变换;如果T和T*互为逆变换,则T是酉变换。
2. 矩阵的相似性判断:对于给定的两个矩阵A和B,可以通过求解其伴随矩阵A*和B*,再判断A*和B*的关系来确定A和B是否相似。
谈谈伴随矩阵的性质及其应用

谈谈伴随矩阵的性质及其应用摘要:线性代数是高等院校理工科学生必学的一门课程,其中矩阵理论在线性代数中占有十分重要的地位,而矩阵的运算也是数值分析领域中具有极其广泛的应用。
然而,在现行的教材中都出现过方阵的伴随矩阵的概念,但是大多编者和教材并没有对伴随矩阵进行过全面的探究。
我们知道矩阵的伴随矩阵是一个十分重要的概念.它有很多重要的性质,并且有及其广泛的应用。
所以系统的去分析伴随矩阵的性质和运算,具有十分重要的意义。
本文对于伴随矩阵常用的性质做了归纳与总结,然后介绍了矩阵的伴随矩阵一些常见的应用。
关键词:伴随矩阵;逆矩阵;矩阵的秩;线性代数在线性代数讨论矩阵的逆时,为了求可逆矩阵的逆矩阵,我们引入了矩阵的伴随矩阵的概念,用伴随矩阵的性质推得了矩阵可逆的充要条件,并由此推出了求逆矩阵的公式。
但由于用定义计算逆矩阵比较繁琐,所以,在实际计算中,通常我们一般利用矩阵的初等变换求它的逆矩阵。
然而,伴随矩阵及其性质的重要性不仅仅在讨论矩阵的逆时用到,它在讨论矩阵的行列式,矩阵的秩以及矩阵的特征值等等,都有其广泛的应用。
下面,我们首先给出矩阵的伴随矩阵的概念,然后讨论一下伴随矩阵的性质,最后,探讨伴随矩阵性质的一些应用。
1.伴随矩阵的概念定义:设是一个n阶方阵,为中元素的代数余子式,称n 阶矩阵为n阶矩阵的伴随矩阵。
1.伴随矩阵的性质性质1. ;注:这是n阶矩阵的伴随矩阵的一个非常重要的性质,一般情况下,只要涉及到有关伴随矩阵的命题,都是从这个性质作为切入点展开讨论。
至于这个性质的证明,只要利用矩阵的乘法即行列式的性质直接验证即可。
由性质1,易推得如下性质2至性质7.性质2. 如果,则;性质3. (1);(2);(3)性质4. 如果为对称矩阵,则也是对称矩阵;性质5. ;性质6. ,(其中为阶方阵)性质7. 如果可逆,则也可逆,且;性质8. 设为n阶方阵,则;证明:如果,则,由性质1可知,在等式两边取行列式可得,由此推得,从而;如果,则,由性质1可知,由此可知得列向量都是齐次线性方程组的解,又由于,可知,齐次线性方程组的基础解系含有个解向量,因此,;如果,则的每一个元素,也即为零矩阵,故。
伴随矩阵的性质及其应用

伴随矩阵的性质及其应用伴随矩阵的性质及其应用摘要:在矩阵中占据着比较特殊的位置,通过它我们可以推导出逆矩阵的计算公式,使方阵求逆的问题得到解决,伴随矩阵的性质和应用有着与众不同的特点。
伴随矩阵不仅仅可以求矩阵的逆,它还有很多重要的性质。
本文介绍了伴随矩阵的十四条性质,每一条都给出了详细的证明,同时也给出了应用伴随矩阵性质的例子。
伴随矩阵是矩阵学习中的重点和难点,它的性质及其应用更是学习中的重中之重,掌握这些性质、证明及其应用将有利于我们今后的数学学习.关键词:伴随矩阵可逆矩阵方阵性质Adjoint matrices properties and applicationsAbstract Adjoint matrices is matrix and linear algebra, is an important concept of an important branch of mathematics study many tools, through which we can deduce that the inverse matrix calculation formula of inverse square, is the problem can be solved, the status of adjoint matrix in the matrix, it is special the properties and application has unique characteristics. In university mathematics study, adjoint matrices is only used for the inverse matrix solution, not too deep understanding of adjoint matrix, actually there are many important properties, this paper introduces the properties of adjoint matrix 12 is given, every single detail of the proof and the partial nature, and introduces the application of the development process, along with matrix matrix was the key and difficult point matrix learning, it is also learning the properties and applications of priority, master these properties, proof and application will benefit our future mathematics learning.Keywords Adjoint matrix Reversible matrix The phalanx Properties矩阵是高等数学中非常重要的一个概念,而且应用相当广泛,它是线性代数的核心,矩阵的运算、概念和理论贯穿整个线性代数的学习中。
伴随矩阵与原矩阵关系

伴随矩阵与原矩阵关系介绍在线性代数中,矩阵是一种重要的数学工具,常用于表示线性方程组、线性映射和线性变换等。
矩阵的伴随矩阵是一种特殊的矩阵,与原矩阵有着一定的关系。
本文将详细探讨伴随矩阵与原矩阵的关系,介绍伴随矩阵的定义、性质和应用。
伴随矩阵的定义伴随矩阵,也称为伴随矩阵、复共轭转置矩阵或Hermitian转置矩阵,是指对于一个复矩阵A,将其每个元素取复共轭并转置得到的矩阵,通常用符号A*表示。
对于一个m×n的复矩阵A=(a_{ij}),其伴随矩阵A*=()T。
其中,表示a_{ij}的复共轭,T表示转置。
伴随矩阵与原矩阵的关系伴随矩阵与原矩阵之间有着一些重要的关系。
下面将介绍几个常见的关系。
1. 基本关系对于一个复矩阵A和B,有以下基本关系成立:•(A^)^ = A•(A+B)^* = A^* + B^*•(kA)^* = A^其中,A^表示矩阵A的伴随矩阵,k是一个复数。
2. 伴随矩阵的性质伴随矩阵具有以下重要性质:•(AB)^* = B^A^•(A^)^n = (A n)(n为正整数)•A是Hermitian矩阵(即A=A^*)当且仅当A的所有特征值为实数•A是正规矩阵(即AA^=A^A)当且仅当A可对角化为实对角阵3. 伴随矩阵的应用伴随矩阵在线性代数和数学物理等领域具有广泛的应用,下面介绍几个典型的应用。
3.1. 线性方程组的解法通过求解伴随矩阵的线性方程组,可以求解原矩阵的线性方程组。
设A为一个m×n的复矩阵,X为一个n×1的向量,B为一个m×1的向量,可表示为AX=B的线性方程组。
则该线性方程组的解为X=(A^){-1}B,其中,A为A的伴随矩阵。
3.2. 矩阵的共轭转置伴随矩阵也可以表示矩阵的共轭转置。
对于一个复矩阵A,其共轭转置矩阵为A^*。
通过求解伴随矩阵,可以得到原矩阵的共轭转置。
3.3. 矩阵的特征值和特征向量伴随矩阵与原矩阵具有相同的特征值,但不一定有相同的特征向量。
伴随矩阵的性质和应用

伴随矩阵的性质及其应用摘要:伴随矩阵是矩阵理论及线性代数中的一个基本概念,是许多数学分支研究的重要工具。
伴随矩阵作为矩阵中较为特殊的一类,其理论和应用有自身的特点.而在大学的学习中,伴随矩阵只是作为求解逆矩阵的工具出现的,并没有深入的研究.本文分类研究伴随矩阵的性质,并讨论其证明过程,得到一系列有意义的结论。
(1)介绍伴随矩阵在其行列式、秩等方面的基本性质; (2)研究数乘矩阵、乘积矩阵、分块矩阵的伴随矩阵的运算性质及伴随矩阵在逆等方面的运算性质; (3)研究矩阵与其伴随矩阵的关联性质,主要介绍由矩阵的对称性、正定性、奇异性、正交性推出伴随矩阵的对称性、正定性、奇异性、正交性; (4)研究伴随矩阵间的关系性质,主要研究由两矩阵的相似、合同等关系推出对应的两伴随矩阵之间的关系; (5)研究伴随矩阵在特征值与特征向量等方面的性质; (6)给出m 重伴随矩阵的定义及其一般形式,研究m 重伴随矩阵的相应的性质。
本文的主要创新点在于研究了一类分块矩阵的伴随矩阵的性质。
矩阵是高等代数学中的常见工具,也常见于统计分析等应用数学学科中。
在物理学中,矩阵于电路学、力学、光学和量子物理中都有应用;计算机科学中,三维动画制作也需要用到矩阵。
在天体物理、量子力学等领域,也会出现无穷维的矩阵,是矩阵的一种推广。
然而伴随矩阵在矩阵中占据着比较特殊的位置,通过它可以推导出逆矩阵的计算公式,使方阵求逆的问题得到解决,伴随矩阵的性质和应用有着与众不同的特点。
在矩阵计算及讨论中, 常常会遇到伴随矩阵,但对伴随矩阵的一些性质进行系统讨论的却很少, 以下将主要针对伴随矩阵的各种性质及应用讨论。
关键词:伴随矩阵 可逆矩阵 方阵性质1、 伴随矩阵的定义定义 1.设ij A 是矩阵A =⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡nn n n n n a a a a a a a a a212222111211中元素ij a 的代数余子式,则矩阵A *=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡nn n n n n A A A A A A A A A212222111211称为A 的伴随矩阵。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
伴随矩阵的性质及其应用摘要:在矩阵中占据着比较特殊的位置,通过它我们可以推导出逆矩阵的计算公式,使方阵求逆的问题得到解决,伴随矩阵的性质和应用有着与众不同的特点。
伴随矩阵不仅仅可以求矩阵的逆,它还有很多重要的性质。
本文介绍了伴随矩阵的十四条性质,每一条都给出了详细的证明,同时也给出了应用伴随矩阵性质的例子。
伴随矩阵是矩阵学习中的重点和难点,它的性质及其应用更是学习中的重中之重,掌握这些性质、证明及其应用将有利于我们今后的数学学习.关键词:伴随矩阵可逆矩阵方阵性质Adjoint matrices properties and applicationsAbstract Adjoint matrices is matrix and linear algebra, is an important concept of an important branch of mathematics study many tools, through which we can deduce that the inverse matrix calculation formula of inverse square, is the problem can be solved, the status of adjoint matrix in the matrix, it is special the properties and application has unique characteristics. In university mathematics study, adjoint matrices is only used for the inverse matrix solution, not too deep understanding of adjoint matrix, actually there are many important properties, this paper introduces the properties of adjoint matrix 12 is given, every single detail of the proof and the partial nature, and introduces the application of the development process, along with matrix matrix was the key and difficult point matrix learning, it is also learning the properties and applications of priority, master these properties, proof and application will benefit our future mathematics learning.Keywords Adjoint matrix Reversible matrix The phalanx Properties矩阵是高等数学中非常重要的一个概念,而且应用相当广泛,它是线性代数的核心,矩阵的运算、概念和理论贯穿整个线性代数的学习中。
伴随矩阵是一种特殊矩阵,它和矩阵的逆矩阵有着紧密的联系,方阵的伴随矩阵是在求可逆矩阵的逆矩阵时提出(1)证明:由行列式按一列(行)d 0 …d ■-AA * =A * A=展开的公式得出01 00 0 d=d E,其中 d =A 。
来的,是大学数学学习的重点和难点,而且也有很多的应用价值,和数学其他分支的 联系也很广泛,学习好伴随矩阵对学好大学数学是很重要的.本文将全面总结出一些有关方阵的伴随矩阵的性质及其应用, 让我们对伴随矩阵 的认识和理解更加全面.1. 伴随矩阵的定义首先我们给出伴随矩阵和逆矩阵的定义。
A nn称为A 的伴随矩阵。
定义2:设A 为n 阶方阵,如果有矩阵B 满足AB=BA=ESU B 就称为A 的逆矩阵, 记为B=A '。
由以上定义我们看到只有方阵才有伴随矩阵和逆矩阵。
2. 伴随矩阵的性质2.1伴随矩阵与逆矩阵之间的关系性质1:设A 为n 阶方阵,AA * =A *A=AE . 定义1 :设A j 是矩阵A=a 11a 21a 12a 22a 1n Ia 2n中元素a j 的代数余子式,则矩阵a n1a n2A 11 I A 21A—A 12A…Aa nnA 1n I A 2nA n2该性质可以用来求矩阵的逆和伴随矩阵, 是最直接常用的方法,也是最一般的用性质2: n 阶矩阵A 可逆的充分必要条件是矩阵 A 的行列式不等于零,即证明:由性质.知AA *=A *A =AE ,故G 命亡宀常该性质用来直接求逆矩阵,对于求逆矩阵和矩阵的证明问题非常有用 性质3:若A 为非奇异矩阵,则(A 」)* =(A*)」.1证明:因为(kA )」二A 」,由性质2两边取逆可得kA 二 A (A *)」故(A*宀-A ,另一方面,由性质2有(A 」)° =A (A 」)* = A (A‘)*= (A"1)* =丄A , A |A | 由(A°)* -(A*) ‘ .该性质说明了 A 的逆的伴随矩阵和A 的联系,也是常考的部分,有效的掌握对于 解题很有帮助• 2.2伴随矩阵秩的性质n ,当秩A = n 时性质4:设A 为n 阶矩阵,则秩A *=当秩A = n-1时.0,当秩A 兰n —2时证明:(1)当秩A=n 时,贝U A=0,A 是可逆的,即有A’存在,所以可见,秩A =n反之,当秩A =n 时,A 可逆时,则有(A ),存在,所以A= A(A*) =必有A =0,否则,由上式知 A=0,从而A =0,这与秩A =n 矛盾,所以A =0,A 式0, 且A A*A于是秩(A)=n ;(2)当秩(A)=n_1时,则A必有一个n_1阶子式不为0,即A*中至少有一个元素不为0,所以,秩(A*)_ 1,另外秩(A)=n—1.则A=0,于是,AA*=|AE = 0.从而,秩(A)+秩(A*)_n,故秩(A*) _1这便知秩(A*)1.反之若秩(A*)=1,则A*中必有一个A j式0,即是说A必有一个n-1阶子式不为零,故秩A_n-1但不能有秩(A)=n,否则,有秩A* =n,而n_2,这样与秩(A*) = 1矛盾,所以秩(A)- n,则秩(A)<n_1 ,因此,秩(A)= n_1(3)当秩(A)v n —1时,则A中一切n —1阶子式均为0,于是一切A j = 0,A* -0所以,这时有秩(A*)=0,反之,若秩(A*)=0,则A* =0,即一切A j -0,亦即A的一切n -1阶子式为0,所以秩(A)<n-1.这是矩阵一章中综合性较强的问题,一方面注意到矩阵A的秩等于A的非零子式的最高阶数,另一方面注意到A*的元素都是A的元素的n -1阶子式.该性质可以用来求 A 的伴随矩阵的秩,A的秩可以直接求出,通过A的秩可以直接求出A的伴随矩阵的秩.性质5:秩A* 一秩A.2.3伴随矩阵行列式的性质性质6:A* = A n」,其中A是n阶方阵(n >2)证明:若|A -0, AA*=|A E,|AA]=A J IA|A*|=IA n = n -1若|A=0,这时秩A* A =0,而也有A = A综合得A* = A性质7:若A是n阶非零实矩阵,A、A*,则A^0.证明:用反证法,若制=0,则AA'= AA* =|AE = 0,令一方面,设A=(a j))R俪nn ■— a ni i 4由(2)式主对角元素均等于0,可得a j =0,(i,j =1,2,…,n ),此即A=0,这与非零 矩阵的假设矛盾,.円=0.i 1条件A 是实方阵中“实”字不能少,否则,比如设A=|i ",则A = A *,但A = 0 〔-1 i 」 U 2.4伴随矩阵的继承性性质8令A,B 为n 阶矩阵,则(1) A 对称=A *对称; (2) A 正交=A 正交;(3) 若A 与B 等价,则A *与B *也等价; (4) 若A 与B 相似,则A *与B *也相似; (5) 若A 与B 合同,则A *与B *也合同; (6) A 氓 A * 二 B * ; (7) A 正定=A *正定;(8) A 为可逆矩阵=A *为可逆矩阵;(9) 如果A 是可逆矩阵,那么A 为反对称=A *为反对称. 证明:这里只证(1),(2),其余的这里就不再证明了。
(1) (A *)T =(A T )* 二 A *, A *为对称矩阵; (2) 因为A 是正交矩阵,故AA T = E, A (A )= A (A T ) =(A T A)二 E 二 E = A 是正交矩阵.芦a 1ii4aAA =AA * =na 2i 2i 4=0(2)从该性质我们看到方阵有很多的性质是能“遗传”给它的伴随矩阵的,因此我们在不求矩阵伴随的时候就能通过原矩阵的性质去判断伴随矩阵的性质了。
2.5 (A*)*的性质性质9:(A*)* =(A*)T.这个证明比较简单,在这里就不详细证明了,读者可自行证明.性质10 一切代幼(不一定A非奇异)都有(A*)* = A'^A.证明:A*|=A2(i)当秩A=n时,| A式0, A可逆,用A-1左乘式子AA* = AE两边得,A*=|AA」用A换A*得,(A*)* = A*(A*)」= A n」(£)= A^A|A|(ii)当秩A乞n-1 时,则秩A* < 1, A = 0,从而秩(A*)* =0,则(A*)* =0 = A n-2A, 综合即证(A*)* = A n,A.该性质讨论了A的伴随矩阵的伴随矩阵和A的关系,一些问题会涉及此性质,应多加注意.2.6伴随矩阵的其他性质性质11:若A为n阶矩阵,则(aA)* =a n4 A* . (a为实数)证明:设人=佝)'n再设aA =(b j)n n,那么b ij为行列式aA中划去第j行和第i列的代数余子式(n-1阶行列式),其中每行提出公因子a后,可得b j =a n4A ji(i, j =1,2,....,n),由此即证(aA)* =a n4 A*.数乘矩阵的伴随矩阵可以用该性质很好的得出,本性质是一些选择、填空常考点.性质12设A,B均为n阶方阵,则(AB)*二B*A*.证明:当AB式0时,这时A式0,B式0,由公式A* = AA^可得(AB)* =|AB(AB),= B B,AA,= B*A*,结论成立.AB =0时,考虑矩阵A ( ■) A —E,B() = B- E,由于A和B都最多只有限个特征值,因为存在无穷多个&使A(k)学0, BQJ鼻0 (3)那么由上面的结论有(A( • )B( • ) )*= B()A*(.)( 4)令(A( ■ )B( ■ ) =(f j( ))nn,B ( ')A( )= (g j( ))n n,则有f j(0 =g j(),(i, j =1,2厂,n) (5)由于有无穷多个■使(5)式成立,从而有无穷多个,使(5)式成立,但f j(),g ij()都是多项式,从而(3)式对一切■都成立,特别令• =0,这时有(AB)* =(A(0)B(0))* 二B*(0)A*(0) = B* A*.该性质是一些题目的常考点,把求AB的伴随矩阵转化为求A的伴随矩阵和B的伴随矩阵的问题,可以很有效的解决问题.性质13:如果矩阵A可逆,令■为它的特征值,:•是A的属于■的特征向量,则A*的特征值是■ J A 是A*的属于,」A的特征向量.证明:由于A可逆,所以■ = 0,由于A〉=.】二,左边乘以A* 得, A* A〉=,A* :•,故 A a = 'fa.性质14:若A为n阶方阵且矩阵的行列式不为零,那么A*可表示为A的多项式形式•证明:A的特征多项式是f「)V n- a n■n J■ L ■ a< ■ a0.因为A可逆,所以a。