1. 伴随矩阵 A∗A^*A∗ 的核心性质 (必背公式库)
伴随矩阵是线性代数计算中的"常客"，熟练掌握其性质能大幅提高解题速度。
| 性质分类 | 数学表达 | 专家补充/备注 |
|---|---|---|
| 基础定义式 | AA∗=A∗A=∣A∣EAA^* = A^*A = |A|EAA∗=A∗A=∣A∣E | 所有的性质推导几乎都源于此 |
| 行列式值 | ∣A∗∣=∣A∣n−1|A^*| = |A|^{n-1}∣A∗∣=∣A∣n−1 | 常用在已知 ∣A∣|A|∣A∣ 求 ∣A∗∣|A^*|∣A∗∣ 的题目中 |
| 双伴随性质 | (A∗)∗=∣A∣n−2A(A^*)^* = |A|^{n-2}A(A∗)∗=∣A∣n−2A | 注意 n≥2n \ge 2n≥2 的前提；当 n=2n=2n=2 时结果为 AAA |
| 数乘伴随 | (kA)∗=kn−1A∗(kA)^* = k^{n-1}A^*(kA)∗=kn−1A∗ | 高频坑点 ：注意指数是 n−1n-1n−1，而非 nnn |
| 逆与伴随 | (A∗)−1=(A−1)∗=1∣A∣A(A^*)^{-1} = (A^{-1})^* = \frac{1}{|A|}A(A∗)−1=(A−1)∗=∣A∣1A | 需满足 ∣A∣≠0|A| \neq 0∣A∣=0 |
| 转置与伴随 | (A∗)T=(AT)∗(A^*)^T = (A^T)^*(A∗)T=(AT)∗ | 伴随与转置运算可交换 |
| 积的伴随 | (AB)∗=B∗A∗(AB)^* = B^*A^*(AB)∗=B∗A∗ | 顺序反转，类似于求逆与转置的规则 |
2. 矩阵运算的"反常"规律
在处理矩阵乘法时，要注意它与标量代数的本质区别。
2.1 转置顺序陷阱
- 公式 ：(2AB)T=2(AB)T=2BTAT(2AB)^T = 2(AB)^T = 2B^T A^T(2AB)T=2(AB)T=2BTAT
- 注意 ：只有数乘常数 kkk 的位置是自由的，矩阵相乘的转置必须交换顺序。
2.2 交换律缺失
- 结论： A∗A=∣A∣E=AA∗A^* A = |A|E = AA^*A∗A=∣A∣E=AA∗。
- 对比： 尽管 AAA 与其伴随矩阵可交换，但通常情况下 ATA≠AATA^T A \neq AA^TATA=AAT。只有当 AAA 为正规矩阵（如对称矩阵）时，等号才成立。
3. 典型例题：利用矩阵关系求解
【例题】 已知 AB=(100010031)AB = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 3 & 1 \end{pmatrix}AB= 100013001 。
【解析】 若要探寻 AAA 与 B−1B^{-1}B−1 的关系，可根据 AB=C ⟹ B=A−1CAB = C \implies B = A^{-1}CAB=C⟹B=A−1C。
进而求得 B−1=(A−1C)−1=C−1AB^{-1} = (A^{-1}C)^{-1} = C^{-1}AB−1=(A−1C)−1=C−1A。
这种题型考查的是对积的求逆公式 (AB)−1=B−1A−1(AB)^{-1} = B^{-1}A^{-1}(AB)−1=B−1A−1 的灵活运用。
4. 秩 (Rank) 的逻辑传递与判定
4.1 线性表示与秩
- 定理： 若向量组 (I) 可由向量组 (II) 线性表示，则：
r(I)≤r(II)r(I) \le r(II)r(I)≤r(II)
- 直观理解： 低维空间的"地基"无法支撑起更高维度的向量组。
4.2 乘积为零的深度推论
关于 AB=0AB = 0AB=0 的逻辑链条，在做选择题时非常有用：
AB=0 ⟹ ∣AB∣=0 ⟹ ∣A∣∣B∣=0AB = 0 \implies |AB| = 0 \implies |A||B| = 0AB=0⟹∣AB∣=0⟹∣A∣∣B∣=0
重要补强：
- 虽然 AB=0AB=0AB=0 能推导出 ∣A∣∣B∣=0|A||B|=0∣A∣∣B∣=0，但反之不成立（行列式为0只说明矩阵不可逆）。
- 核心定理： 若 AAA 是 m×nm \times nm×n 矩阵，AB=0AB=0AB=0，则 r(A)+r(B)≤nr(A) + r(B) \le nr(A)+r(B)≤n。
5. CSDN 学习笔记总结
- 计算逆矩阵前：先看能否通过初等变换或伴随矩阵公式简化。
- 处理 A∗A^*A∗ 时 ：牢记秩是 n−1n-1n−1 还是 n−2n-2n−2。
- 逻辑判定 ：∣A∣=0|A|=0∣A∣=0 是矩阵"塌陷"的标志，但并不等同于矩阵本身为 000。
考研复习是一场苦修，但脚踏实地走过的每一步，都是你最坚固的护城河。
如果今天的复盘对你有启发，欢迎 一键三连（点赞、收藏、关注) 支持一下！