在数学和工程学中，方阵的特征值是一个非常重要的概念。特征值不仅能够揭示方阵的性质，而且在解决线性方程组、矩阵对角化等方面有着广泛的应用。下面，我们就将通过几个例题，来一起轻松掌握特征值的计算方法。
例题一：计算方阵的特征值
问题
给定方阵 ( A = \begin{pmatrix} 2 & 1 \ 1 & 2 \end{pmatrix} )，求其特征值。
解题步骤
- 计算特征多项式：特征多项式 ( \det(A - \lambda I) ) 是一个关于 ( \lambda ) 的二次方程，其中 ( I ) 是单位矩阵。
[ \det(A - \lambda I) = \det\begin{pmatrix} 2 - \lambda & 1 \ 1 & 2 - \lambda \end{pmatrix} = (2 - \lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 ]
- 求解特征值：将特征多项式设为零，解出 ( \lambda )。
[ \lambda^2 - 4\lambda + 3 = 0 \Rightarrow (\lambda - 1)(\lambda - 3) = 0 ]
因此，特征值为 ( \lambda_1 = 1 ) 和 ( \lambda_2 = 3 )。
结论
方阵 ( A ) 的特征值为 1 和 3。
例题二：特征值与特征向量的关系
问题
已知方阵 ( B = \begin{pmatrix} 4 & 2 \ 2 & 4 \end{pmatrix} )，求其特征值和对应的特征向量。
解题步骤
- 计算特征值：与例题一类似，计算特征多项式。
[ \det(B - \lambda I) = \det\begin{pmatrix} 4 - \lambda & 2 \ 2 & 4 - \lambda \end{pmatrix} = (4 - \lambda)^2 - 4 = \lambda^2 - 8\lambda + 12 ]
解得特征值为 ( \lambda_1 = 2 ) 和 ( \lambda_2 = 6 )。
求解特征向量：对于每个特征值，解线性方程组 ( (B - \lambda I)x = 0 )。
- 对于 ( \lambda_1 = 2 )：
[ (B - 2I)x = \begin{pmatrix} 2 & 2 \ 2 & 2 \end{pmatrix}x = 0 ]
解得特征向量 ( x_1 = \begin{pmatrix} -1 \ 1 \end{pmatrix} )。
- 对于 ( \lambda_2 = 6 )：
[ (B - 6I)x = \begin{pmatrix} -2 & 2 \ 2 & -2 \end{pmatrix}x = 0 ]
解得特征向量 ( x_2 = \begin{pmatrix} 1 \ 1 \end{pmatrix} )。
结论
方阵 ( B ) 的特征值为 2 和 6，对应的特征向量分别为 ( \begin{pmatrix} -1 \ 1 \end{pmatrix} ) 和 ( \begin{pmatrix} 1 \ 1 \end{pmatrix} )。
总结
通过以上两个例题，我们可以看到计算方阵特征值的基本步骤：首先计算特征多项式，然后求解特征值，最后求出对应的特征向量。在实际应用中，特征值和特征向量可以帮助我们更好地理解矩阵的性质，以及它在解决实际问题中的作用。希望这些例题能够帮助你轻松掌握特征值的计算方法。