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，而且在很多实际问题中都有广泛的应用。下面，我将通过一些例题解析，帮助你轻松掌握方阵特征值的计算和应用。
一、什么是方阵特征值？
方阵特征值是指一个方阵与其特征向量的乘积，其中特征向量是非零向量，特征值是标量。对于方阵 ( 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 ) 就是方阵 ( A ) 的一个特征值，( \mathbf{v} ) 是对应的特征向量。
二、如何计算方阵特征值？
计算方阵特征值的基本步骤如下：
- 计算特征多项式：特征多项式 ( p(\lambda) ) 是由方阵 ( A ) 的行列式 ( \det(A - \lambda I) ) 得到的，其中 ( I ) 是单位矩阵。
- 求解特征多项式：求解特征多项式 ( p(\lambda) = 0 ) 的根，这些根就是方阵 ( A ) 的特征值。
三、例题解析
例题1：计算方阵 ( A = \begin{bmatrix} 2 & 1 \ 1 & 2 \end{bmatrix} ) 的特征值。
解析：
- 计算特征多项式：( p(\lambda) = \det(A - \lambda I) = \det\begin{bmatrix} 2-\lambda & 1 \ 1 & 2-\lambda \end{bmatrix} = (2-\lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 )。
- 求解特征多项式：( \lambda^2 - 4\lambda + 3 = 0 ) 的根为 ( \lambda_1 = 1 ) 和 ( \lambda_2 = 3 )。
所以，方阵 ( A ) 的特征值为 ( 1 ) 和 ( 3 )。
例题2：已知方阵 ( A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix} ) 的特征值为 ( 5 )，求 ( A ) 的特征向量。
解析：
- 求解特征向量：设 ( A\mathbf{v} = \lambda\mathbf{v} )，其中 ( \lambda = 5 )。即 ( \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix} \begin{bmatrix} x \ y \end{bmatrix} = 5 \begin{bmatrix} x \ y \end{bmatrix} )。
- 化简方程：( \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix} \begin{bmatrix} x \ y \end{bmatrix} = \begin{bmatrix} 5x \ 5y \end{bmatrix} ) 化简为 ( \begin{cases} x + 2y = 5x \ 3x + 4y = 5y \end{cases} )。
- 求解方程组：解得 ( x = 1 )，( y = 2 )。因此，特征向量 ( \mathbf{v} = \begin{bmatrix} 1 \ 2 \end{bmatrix} )。
四、总结
通过以上例题解析，我们可以看到，掌握方阵特征值的计算和应用并不复杂。只要熟悉特征多项式的计算和特征向量的求解方法，就能轻松应对各种相关问题。希望这些解析能帮助你更好地理解方阵特征值，并在实际应用中取得更好的效果。