设λ为n阶方阵A的一个特征值，则A^2+2A+E的一个特征值为
设λ为n阶方阵A的一个特征值，则A^2+2A+E的一个特征值为λ^2+2λ+1。 设A是n阶方阵，如果存在数m和非零n维列向量 x，使得 Ax=mx 成立，则称 m 是A的一个特征值或本征值。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。 扩展资料： 特征值的更多应用： 量子力学： 设A是向量空间的一个线性变换，如果空间中某一非零向量通过A变换后所得到的向量和X仅差一个常数因子，即AX=kX ，则称k为A的特征值，X称为A的属于特征值k的特征向量或特征矢量。 如在求解薛定谔波动方程时，在波函数满足单值、有限、连续性和归一化条件下，势场中运动粒子的总能量(正)所必须取的特定值，这些值就是正的本征值。 设M是n阶方阵， I是单位矩阵， 如果存在一个数λ使得 M-λI 是奇异矩阵（即不可逆矩阵， 亦即行列式为零）， 那么λ称为M的特征值。 在A变换的作用下，向量ξ仅仅在尺度上变为原来的λ倍。称ξ是A 的一个特征向量，λ是对应的特征值（本征值）,是（实验中）能测得出来的量，与之对应在量子力学理论中，很多量并不能得以测量，当然，其他理论领域也有这一现象。
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A为n阶方阵,且|A|=2,A*为A的伴随矩阵,则|A*|=？
|A*|=2^(n-1)。 在线性代数中，一个方形矩阵的伴随矩阵是一个类似于逆矩阵的概念。如果二维矩阵可逆，那么它的逆矩阵和它的伴随矩阵之间只差一个系数，对多维矩阵也存在这个规律。然而，伴随矩阵对不可逆的矩阵也有定义，并且不需要用到除法 。 线性代数的学术地位： 1、线性代数在数学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位。在计算机广泛应用的今天，计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分。 2、线性代数所体现的几何观念与代数方法之间的联系，从具体概念抽象出来的公理化方法以及严谨的逻辑推证、巧妙的归纳综合等，对于强化人们的数学训练，增益科学智能是非常有用的。 3、随着科学的发展，我们不仅要研究单个变量之间的关系，还要进一步研究多个变量之间的关系，各种实际问题在大多数情况下可以线性化，而由于计算机的发展，线性化了的问题又可以被计算出来，线性代数正是解决这些问题的有力工具。 4、线性代数的计算方法也是计算数学里一个很重要的内容。 以上内容参考：百度百科-伴随矩阵 以上内容参考：百度百科-线性代数