引言
在考研数学中，线性代数部分是一个非常重要的模块，其中特征向量与特征值的概念及其应用是线性代数的核心内容之一。掌握特征向量与特征值的计算方法，对于解决线性方程组、矩阵对角化等问题至关重要。本文将详细解析特征向量的概念、计算方法，并结合历年考研真题，为大家提供一份全攻略。
一、特征向量的概念
1.1 定义
特征向量是指一个线性变换（或矩阵）作用在某向量上，使得该向量变为一个标量倍数的向量。即对于线性变换 ( T ) 和非零向量 ( \mathbf{v} )，如果存在标量 ( \lambda ) 使得 ( T(\mathbf{v}) = \lambda \mathbf{v} )，则称 ( \mathbf{v} ) 为 ( T ) 的一个特征向量，( \lambda ) 为对应的特征值。
1.2 特征向量的性质
- 唯一性：对于给定的线性变换和特征值，特征向量可能不唯一，但特征向量的线性组合仍然是特征向量。
- 正交性：若 ( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 是属于不同特征值的特征向量，则 ( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 正交。
- 线性无关性：特征向量组通常线性无关。
二、特征向量的计算方法
2.1 求解特征值
- 计算特征多项式：对于给定的矩阵 ( A )，计算其特征多项式 ( \det(A - \lambda I) = 0 )。
- 求解特征方程：解特征方程，得到特征值 ( \lambda )。
2.2 求解特征向量
- 构造特征向量方程：对于每个特征值 ( \lambda )，构造方程 ( (A - \lambda I)\mathbf{v} = \mathbf{0} )。
- 求解方程组：解方程组，得到对应的特征向量。
三、真题解析
3.1 2010年数学一真题
题目：设 ( A ) 是 ( n ) 阶实对称矩阵，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 是 ( A ) 的两个不同特征向量，对应的特征值分别为 ( \lambda_1 ) 和 ( \lambda_2 )。
解析：根据特征向量的性质，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 正交，即 ( \mathbf{v}_1^T\mathbf{v}_2 = 0 )。
3.2 2015年数学二真题
题目：设 ( A ) 是 ( n ) 阶实对称矩阵，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 是 ( A ) 的两个不同特征向量，对应的特征值分别为 ( \lambda_1 ) 和 ( \lambda_2 )。
解析：根据特征向量的性质，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 正交，即 ( \mathbf{v}_1^T\mathbf{v}_2 = 0 )。
3.3 2020年数学三真题
题目：设 ( A ) 是 ( n ) 阶实对称矩阵，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 是 ( A ) 的两个不同特征向量，对应的特征值分别为 ( \lambda_1 ) 和 ( \lambda_2 )。
解析：根据特征向量的性质，( \mathbf{v}_1 ) 和 ( \mathbf{v}_2 ) 正交，即 ( \mathbf{v}_1^T\mathbf{v}_2 = 0 )。
四、总结
特征向量与特征值是线性代数中的重要概念，掌握其计算方法和应用对于解决线性代数问题至关重要。通过以上解析，相信大家对特征向量有了更深入的了解。在备考考研数学的过程中，多加练习，结合真题进行巩固，相信大家一定能够取得优异的成绩。