方阵特征值是线性代数中的一个重要概念，它不仅有助于我们理解矩阵的性质，而且在解决实际问题中也有着广泛的应用。本文将通过例题详解，帮助读者轻松掌握方阵特征值的核心技巧。
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v，使得Av = λv，其中λ是一个标量，那么λ就是矩阵A的一个特征值，v就是对应的一个特征向量。
二、例题解析
例题1：求矩阵A的特征值和特征向量
给定矩阵A：
\[ A = \begin{bmatrix} 2 & 1 \\ 1 & 2 \end{bmatrix} \]
解题步骤：
- 计算特征多项式：\(|A - λI| = 0\)，其中I是单位矩阵。
- 解特征多项式得到特征值λ。
- 对于每个特征值λ，求解方程\((A - λI)v = 0\)，得到对应的特征向量v。
解答：
- 特征多项式：\(|A - λI| = \begin{vmatrix} 2 - λ & 1 \\ 1 & 2 - λ \end{vmatrix} = (2 - λ)^2 - 1 = λ^2 - 4λ + 3 = 0\)。
- 解得特征值λ1 = 1，λ2 = 3。
- 当λ1 = 1时，方程\((A - λ1I)v = 0\)变为：
\[ \begin{bmatrix} 1 & 1 \\ 1 & 1 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \]
解得特征向量v1 = [1, -1]。
当λ2 = 3时，方程\((A - λ2I)v = 0\)变为：
\[ \begin{bmatrix} -1 & 1 \\ 1 & -1 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \]
解得特征向量v2 = [1, 1]。
例题2：判断矩阵A是否可对角化
给定矩阵A：
\[ A = \begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix} \]
解题步骤：
- 计算特征值。
- 判断特征值的几何重数是否等于其代数重数。
解答：
- 特征值λ1 = 1，λ2 = 1。
- 由于特征值λ1和λ2都是1，且矩阵A的秩为1，因此特征值1的几何重数为1。由于特征值的代数重数也是1，所以矩阵A可对角化。
三、总结
通过以上例题的解析，我们可以看到，求解方阵特征值和特征向量的关键在于：
- 确定特征多项式。
- 解特征多项式得到特征值。
- 求解线性方程组得到特征向量。
在实际应用中，这些技巧可以帮助我们更好地理解矩阵的性质，解决实际问题。希望本文能帮助读者轻松掌握方阵特征值的核心技巧。