矩陣特徵值的求法可以概括如下：
定義與特徵多項式。對於方陣 ( A )，如果一個數 ( \lambda ) 和非零向量 ( \mathbf{x} ) 滿足 ( A\mathbf{x} = \lambda \mathbf{x} )，則 ( \lambda ) 是 ( A )的一個特徵值，( \mathbf{x} ) 是對應於 ( \lambda ) 的特徵向量。特徵值和特徵向量的計算通常涉及特徵多項式 ( f(\lambda) = \det(\lambda I - A) )，其中 ( I ) 是單位矩陣。
直接法。通過計算特徵多項式的根來直接求解特徵值。這些根是滿足 ( f(\lambda) = 0 ) 的 ( \lambda ) 值。
冪法。這是一種疊代方法，通過重複地對一個向量乘以矩陣 ( A ) 並歸一化，可以找到矩陣的最大特徵值和對應的特徵向量。
反疊代法。在冪法的基礎上增加了一個反演步驟，用於快速求解任意一個特徵值和對應的特徵向量。
QR分解法。這是一種基於正交變換的方法，可以用於求解矩陣的所有特徵值和對應的特徵向量。
Gershgorin Disk Theorem。這是一個關於矩陣特徵值範圍的理論，可以幫助估計特徵值的位置。
以上方法提供了求矩陣特徵值的多種途徑，可以根據矩陣的具體情況和所需特徵值的性質選擇最合適的方法。