方阵特征值是线性代数中的一个重要概念，它不仅关系到矩阵的几何意义，还在数值计算、工程应用等领域有着广泛的应用。本文将通过例题解析，帮助读者轻松掌握方阵特征值的计算方法及其应用。
一、方阵特征值的定义
首先，我们需要明确方阵特征值的定义。对于一个n阶方阵A，如果存在一个非零向量x，使得Ax = λx成立，其中λ为实数，那么λ就是方阵A的一个特征值，x就是对应的一个特征向量。
二、例题解析
例题1：计算方阵A的特征值
给定方阵A如下：
\[ A = \begin{bmatrix} 2 & 1 \\ 1 & 2 \end{bmatrix} \]
我们需要计算A的特征值。
解答思路
- 求解特征多项式：特征多项式为|λE - A|，其中E为n阶单位矩阵。
- 求解特征多项式的根：特征多项式的根即为方阵的特征值。
解答步骤
- 求解特征多项式：
\[ |λE - A| = \begin{vmatrix} λ-2 & -1 \\ -1 & λ-2 \end{vmatrix} = (λ-2)^2 - 1 = λ^2 - 4λ + 3 \]
- 求解特征多项式的根：
\[ λ^2 - 4λ + 3 = 0 \]
解得：λ1 = 1，λ2 = 3。
因此，方阵A的特征值为1和3。
例题2：求方阵A的特征向量
继续使用例题1中的方阵A，我们需要求解A的特征向量。
解答思路
- 对于每个特征值λ，求解线性方程组(λE - A)x = 0。
- 每个线性方程组的解即为对应特征值的特征向量。
解答步骤
- 对于λ1 = 1，求解线性方程组：
\[ (1E - A)x = \begin{bmatrix} -1 & -1 \\ -1 & -1 \end{bmatrix}x = 0 \]
解得：x1 = (1, 1)。
- 对于λ2 = 3，求解线性方程组：
\[ (3E - A)x = \begin{bmatrix} 1 & -1 \\ -1 & 1 \end{bmatrix}x = 0 \]
解得：x2 = (1, -1)。
因此，方阵A的特征向量分别为(1, 1)和(1, -1)。
三、总结
通过以上例题解析，我们可以看出，计算方阵特征值和特征向量需要掌握以下步骤：
- 求解特征多项式。
- 求解特征多项式的根。
- 对于每个特征值，求解线性方程组(λE - A)x = 0。
熟练掌握这些步骤，可以帮助我们轻松解决方阵特征值相关问题。