矩阵特征值与特征向量计算方法详解
在矩阵分析与计算中，特征值和特征向量的计算是一个核心问题，它们在众多领域都有广泛的应用，如物理、工程、计算机科学等。本文将详细介绍几种常见的计算矩阵特征值和特征向量的方法，包括幂法、Jordan标准型、QR方法以及Householder变换等。
1. 幂法
幂法是一种用于计算矩阵主特征值（绝对值最大的特征值）及其对应特征向量的迭代方法。其基本思想是通过不断对一个随机向量进行矩阵变换，使得向量逐渐趋近于主特征向量的方向。
1.1 原理
假设矩阵 $A$ 是实矩阵，且其特征值互不相同，按绝对值从大到小排列为 $|\lambda_1| > |\lambda_2| > \cdots > |\lambda_n|$。对于空间中的任意向量 $x$，由于特征向量构成空间的一组基，所以 $x$ 可以表示为特征向量的线性组合：
$x = \alpha_1e_1 + \cdots + \alpha_ne_n$，其中 $\alpha_i \neq 0$，$1 \leq i \leq n$。
对 $x$ 进行 $m$ 次矩阵 $A$ 的变换，可得：
$A^mx = \lambda_1^m e_1 + \lambda_2^m e_2 + \cdots + \lambda_n^m e_n = \lambda_1^m \left(e_1 + \left(\frac{\lambda_2}{\lambda_1}\right)^m e_2 + \cdots + \left(\frac{\lambda_n}{\lambda_1}\right)^m e_n\right)$
当 $m \to \inf
