方阵特征值是线性代数中的一个重要概念，它揭示了方阵的内在性质，对于理解矩阵的几何意义和解决实际问题具有重要意义。本文将详细介绍方阵特征值的求解方法，并通过经典例题进行解析，帮助读者轻松掌握这一知识点。
一、方阵特征值的定义
方阵特征值是指一个方阵与其某个非零向量相乘，使得结果向量与原向量成比例的标量。设 ( A ) 是一个 ( n \times n ) 的方阵，( \lambda ) 是一个标量，( \mathbf{v} ) 是一个非零向量，如果满足以下等式：
[ A\mathbf{v} = \lambda \mathbf{v} ]
则 ( \lambda ) 被称为方阵 ( A ) 的一个特征值，而 ( \mathbf{v} ) 被称为对应于特征值 ( \lambda ) 的特征向量。
二、方阵特征值的求解方法
求解方阵特征值的基本方法是求解特征多项式，并求出其根。具体步骤如下：
计算特征多项式：特征多项式 ( f(\lambda) ) 是由方阵 ( A ) 的行列式 ( \det(A - \lambda E) ) 得到的，其中 ( E ) 是单位矩阵。
求解特征多项式：将特征多项式 ( f(\lambda) ) 设为0，解出 ( \lambda ) 的值。
求特征向量：对于每个特征值 ( \lambda )，求解线性方程组 ( (A - \lambda E)\mathbf{v} = \mathbf{0} )，得到对应的特征向量。
三、经典例题解析
例题1：求解方阵 ( A = \begin{bmatrix} 2 & 1 \ 0 & 2 \end{bmatrix} ) 的特征值和特征向量
解：
计算特征多项式：( f(\lambda) = \det(A - \lambda E) = \det\begin{bmatrix} 2-\lambda & 1 \ 0 & 2-\lambda \end{bmatrix} = (2-\lambda)^2 - 0 = \lambda^2 - 4\lambda + 4 )
求解特征多项式：( \lambda^2 - 4\lambda + 4 = 0 ) 的解为 ( \lambda_1 = \lambda_2 = 2 )
求特征向量：对于 ( \lambda_1 = \lambda_2 = 2 )，求解 ( (A - 2E)\mathbf{v} = \mathbf{0} ) 得到特征向量 ( \mathbf{v}_1 = \begin{bmatrix} 1 \ 0 \end{bmatrix} ) 和 ( \mathbf{v}_2 = \begin{bmatrix} 0 \ 1 \end{bmatrix} )
例题2：求解方阵 ( A = \begin{bmatrix} 1 & 2 \ 3 & 2 \end{bmatrix} ) 的特征值和特征向量
解：
计算特征多项式：( f(\lambda) = \det(A - \lambda E) = \det\begin{bmatrix} 1-\lambda & 2 \ 3 & 2-\lambda \end{bmatrix} = (1-\lambda)(2-\lambda) - 6 = \lambda^2 - 3\lambda - 4 )
求解特征多项式：( \lambda^2 - 3\lambda - 4 = 0 ) 的解为 ( \lambda_1 = -1 )，( \lambda_2 = 4 )
求特征向量：对于 ( \lambda_1 = -1 )，求解 ( (A + E)\mathbf{v} = \mathbf{0} ) 得到特征向量 ( \mathbf{v}_1 = \begin{bmatrix} 1 \ 1 \end{bmatrix} )；对于 ( \lambda_2 = 4 )，求解 ( (A - 4E)\mathbf{v} = \mathbf{0} ) 得到特征向量 ( \mathbf{v}_2 = \begin{bmatrix} 1 \ -1 \end{bmatrix} )
四、总结
通过本文的介绍，相信读者已经对方阵特征值的求解方法有了清晰的认识。在实际应用中，掌握特征值和特征向量对于解决线性方程组、矩阵分解等问题具有重要意义。希望本文能够帮助读者轻松学会如何求解特征值，并在今后的学习中取得更好的成绩。