方阵特征值是线性代数中的一个重要概念，它不仅可以帮助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。本文将通过几个例题，详细解析方阵特征值的计算技巧，帮助读者轻松掌握这一知识点。
一、特征值的基本概念
首先，我们需要明确什么是特征值。对于一个方阵 ( 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 ) 就被称为矩阵 ( A ) 的一个特征值，而 ( \mathbf{v} ) 则是对应的特征向量。
二、例题解析
例题1：计算方阵的特征值
给定方阵 ( A = \begin{bmatrix} 2 & 1 \ -1 & 2 \end{bmatrix} )，求其特征值。
解答思路：
- 根据特征值的定义，我们需要解方程 ( \det(A - \lambda I) = 0 )，其中 ( I ) 是单位矩阵。
- 将 ( A ) 代入方程，得到 ( \det\begin{bmatrix} 2-\lambda & 1 \ -1 & 2-\lambda \end{bmatrix} = 0 )。
- 展开行列式，得到 ( (2-\lambda)^2 - 1 = 0 )。
- 解这个方程，得到 ( \lambda_1 = 1 ) 和 ( \lambda_2 = 3 )。
例题2：求特征向量
已知方阵 ( A = \begin{bmatrix} 4 & 2 \ 1 & 3 \end{bmatrix} ) 的特征值为 ( \lambda_1 = 2 ) 和 ( \lambda_2 = 5 )，求对应的特征向量。
解答思路：
- 对于特征值 ( \lambda_1 = 2 )，解方程 ( (A - 2I)\mathbf{v} = \mathbf{0} )。
- 将 ( A ) 和 ( \lambda_1 ) 代入方程，得到 ( \begin{bmatrix} 2 & 2 \ 1 & 1 \end{bmatrix} \mathbf{v} = \mathbf{0} )。
- 解这个方程，得到特征向量 ( \mathbf{v}_1 = \begin{bmatrix} -1 \ 1 \end{bmatrix} )。
- 对于特征值 ( \lambda_2 = 5 )，解方程 ( (A - 5I)\mathbf{v} = \mathbf{0} )。
- 将 ( A ) 和 ( \lambda_2 ) 代入方程，得到 ( \begin{bmatrix} -1 & 2 \ 1 & -2 \end{bmatrix} \mathbf{v} = \mathbf{0} )。
- 解这个方程，得到特征向量 ( \mathbf{v}_2 = \begin{bmatrix} 2 \ 1 \end{bmatrix} )。
例题3：特征值与特征向量的性质
已知方阵 ( A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix} )，证明 ( A ) 的特征值之和等于其迹（即对角线元素之和）。
解答思路：
- 根据特征值的性质，特征值之和等于矩阵的迹。
- 计算矩阵 ( A ) 的迹，得到 ( \text{tr}(A) = 1 + 4 = 5 )。
- 根据例题1的结果，我们知道 ( A ) 的特征值为 ( \lambda_1 = 1 ) 和 ( \lambda_2 = 4 )。
- 计算特征值之和，得到 ( \lambda_1 + \lambda_2 = 1 + 4 = 5 )。
- 因此，证明了 ( A ) 的特征值之和等于其迹。
三、总结
通过以上例题，我们可以看到，计算方阵特征值和特征向量的关键在于理解特征值的定义，并熟练运用行列式和矩阵运算。通过不断的练习，相信读者可以轻松掌握这一知识点。