设A为n阶方阵，若A²＝E，证明A的特征值只能是1或－1
证明: 设λ是A的特征值则 λ^2-1 是 A^2-E=0 的特征值 (定理)而零矩阵的特征值只能是0所以 λ^2-1=0所以 λ=1 或 -1。
定义 设A是n阶方阵，如果数λ和n维非零列向量x使关系式
AX=λX (1)
成立，那么这样的数λ称为矩阵A特征值，非零向量x称为A的对应于特征值λ的特征向量．
（1）式也可写成，
( A-λE)X=0 (2)
这是n个未知数n个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式
| A-λE|=0 , (3)
扩展资料
求矩阵的全部特征值和特征向量的方法如下：
第一步：计算的特征多项式；
第二步：求出特征方程的全部根，即为的全部特征值；
第三步：对于的每一个特征值，求出齐次线性方程组：的一个基础解系，则的属于特征值的全部特征向量是（其中是不全为零的任意实数）．
设λ是A的任意一个特征值,α是λ所对应的特征向量
Aα=λα
A²α=λAα
Eα=α=λ·λα=λ²α
λ²=1
λ=±1
所以A的特征值只能是±1
扩展资料
(1)可以用在研究物理、化学领域的微分方程、连续的或离散的动力系统中。例如，在力学中，惯量的特征向量定义了刚体的主轴。惯量是决定刚体围绕质心转动的关键数据；
(2)被数学生态学家用来预测原始森林遭到何种程度的砍伐，会造成猫头鹰的种群灭亡；
(3)著名的图像处理中的PCA方法，选取特征值最高的k个特征向量来表示一个矩阵，从而达到降维分析+特征显示的方法，还有图像压缩的K-L变换。再比如很多人脸识别，数据流模式挖掘分析等方面。
(4)在谱系图论中，一个图的特征值定义为图的邻接矩阵A的特征值，或者（更多的是）图的拉普拉斯算子矩阵，Google的PageRank算法就是一个例子。
设λ是A的任意一个特征值,α是λ所对应的特征向量
Aα=λα
A²α=λAα
Eα=α=λ·λα=λ²α
λ²=1
λ=±1
所以A的特征值只能是±1
扩展资料
由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。记作：
这m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i,j)元，以数 aij为(i,j)元的矩阵可记为(aij)或(aij)m × n，m×n矩阵A也记作Amn。
元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵 。
