伴随矩阵和原矩阵的关系+AB=0+由伴随矩阵求原矩阵(当伴随矩阵的秩不为零时(A=(\frac{A*}{|A|})^{-1}))

伴随矩阵和原矩阵的关系

r(A)|r(A*)
|:----------- :-------------:-------------:-------------:-------------:-------------:-------------
n|n|
n-1|1|

r(A)=n,则|A|≠0,|A||A*|=1,|A*|≠0,所以这时候r(A*)=n
r(A)=n-1,则rank A*>=1,AA*=0,rank(A*)=1
r(A)


A A ∗ = ∣ A ∣ E , 对式子两边取行列式,可得 ∣ A ∗ ∣ = ∣ A ∣ n − 1 AA^*=|A|E,对式子两边取行列式,可得|A^*|=|A|^{n-1} AA=AE,对式子两边取行列式,可得A=An1
如果AB=O,那么r(A)+r(B)<=n (n为A的列数,B的行数)

  • 假设特情况下B为A*,因为AA*=|A|E,所以AA*=|A|E=O;所以A*的列向量都是AX=0的解。
    所以:A*的列向量可由AX=0的基础解系线性表示。
    所以r(A*)<=AX=0的基础解系的秩=n-r(A)。故有r(A)+r(A*)<=n.
    然后可推广到一般情况:若AB=0,A,B分别是m行n列,n行s列矩阵,则r(A)+r(B)<=n。证明如下:

  • 所以B的列向量都是AX=0的解。
    所以:B的列向量可由AX=0的基础解系线性表示。
    所以r(B)<=(AX=0的基础解系的秩)=n-r(A)。故有r(A)+r(B)<=n.

更进一步的R(AB)+n>=R(A)+R(B)


由伴随矩阵求原矩阵(当伴随矩阵的秩不为零时)

A = ( A ∗ ∣ A ∣ ) − 1 = ∣ A ∣ ∗ ( A ∗ ) − 1 = ∣ A ∣ ∗ n − 1 ( A ∗ ) − 1 A=(\frac{A*}{|A|})^{-1}=|A|^{*}(A^{*})^{-1}=\sqrt[n-1]{|A|^{*}}(A^{*})^{-1} A=(AA)1=A(A)1=n1A (A)1
伴随矩阵计算:代数余子式矩阵–的–转置

你可能感兴趣的:(代数,矩阵,线性代数,机器学习)