特征向量是矩阵A的线性变换下的“解”，也就是说，对于任何非零向量x,都有Av=x,其中v就是我们要找的特征向量，求解特征向量的方法有很多，其中最常用的有幂法和Gram-Schmidt正交化过程。
在幂法中，我们从一个随机的初始向量开始，然后不断地将它乘以矩阵A并求和，直到这个向量的模接近于0(即这个向量已经“消失”了)，这个过程中的每一步得到的向量都是矩阵A的一个特征向量。
Gram-Schmidt过程是一种更严谨的方法，我们按照列对矩阵A进行正交化，然后从靠前列开始，用当前列减去前面所有列与其的内积(即点积)乘以一个缩放因子，使得结果向量的模为0，这个过程一直持续到所有列完成正交化，每一步得到的向量都是矩阵A的一个特征向量。
这两种方法都假设矩阵A是对称的，如果矩阵A不是对称的，那么可能需要使用其他的求解特征向量的方法。
