在数学的线性代数领域中，方阵的特征值是一个非常重要的概念。它不仅可以帮助我们理解矩阵的几何和代数性质，而且在解决实际问题中也具有广泛的应用。下面，我将通过一些例题，详细讲解如何掌握方阵求特征值的解题技巧。
1. 什么是特征值？
首先，我们需要明确什么是特征值。对于一个给定的方阵 ( A )，如果存在一个非零向量 ( \mathbf{v} ) 和一个标量 ( \lambda )，使得 ( A\mathbf{v} = \lambda \mathbf{v} )，那么 ( \lambda ) 就被称为方阵 ( A ) 的一个特征值，而 ( \mathbf{v} ) 则是相应的特征向量。
2. 如何求特征值？
求特征值的一般步骤如下：
2.1 计算特征多项式
首先，我们需要计算方阵的特征多项式 ( p(\lambda) )。特征多项式是通过将方阵 ( A ) 的所有元素替换为 ( \lambda )，然后求行列式得到的。即 ( p(\lambda) = \det(A - \lambda I) )，其中 ( I ) 是单位矩阵。
2.2 求解特征方程
特征方程 ( p(\lambda) = 0 ) 的解就是方阵的特征值。
2.3 求解特征向量
对于每个特征值 ( \lambda )，我们需要找到对应的特征向量 ( \mathbf{v} )。这通常涉及到解线性方程组 ( (A - \lambda I)\mathbf{v} = \mathbf{0} )。
3. 例题讲解
例题1：求方阵 ( A = \begin{bmatrix} 2 & 1 \ 1 & 2 \end{bmatrix} ) 的特征值和特征向量。
解答：
计算特征多项式 ( p(\lambda) = \det(A - \lambda I) = \det\begin{bmatrix} 2-\lambda & 1 \ 1 & 2-\lambda \end{bmatrix} = (2-\lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 )。
求解特征方程 ( \lambda^2 - 4\lambda + 3 = 0 )，得到特征值 ( \lambda_1 = 1 ) 和 ( \lambda_2 = 3 )。
对于 ( \lambda_1 = 1 )，解线性方程组 ( (A - I)\mathbf{v} = \mathbf{0} )，得到特征向量 ( \mathbf{v}_1 = \begin{bmatrix} 1 \ -1 \end{bmatrix} )。
对于 ( \lambda_2 = 3 )，解线性方程组 ( (A - 3I)\mathbf{v} = \mathbf{0} )，得到特征向量 ( \mathbf{v}_2 = \begin{bmatrix} 1 \ 1 \end{bmatrix} )。
例题2：求方阵 ( A = \begin{bmatrix} 4 & -2 & 1 \ 1 & 2 & 0 \ 0 & 0 & 1 \end{bmatrix} ) 的特征值和特征向量。
解答：
计算特征多项式 ( p(\lambda) = \det(A - \lambda I) )。
求解特征方程 ( p(\lambda) = 0 )，得到特征值。
对于每个特征值，求解对应的线性方程组，得到特征向量。
4. 总结
通过以上例题，我们可以看到，求方阵的特征值和特征向量是一个系统性的过程。关键在于熟练掌握特征多项式的计算和特征方程的求解。通过大量的练习，相信你一定能够掌握这一技巧。