power迭代法就是拿个初始猜测值，然后不断拿它去算矩阵乘法再除以模长，重复十几次后差不多就得到特征值啦。比如算一个3x3的矩阵，先随便填个向量当初始值，然后每次拿这个向量乘以矩阵，再除以它自己有多长，这样来回跑十次左右，结果就会越来越接近真正的特征值。这方法特别适合求主特征值，因为每次迭代都会让向量越来越靠近那个方向。

为啥是这个法子呢？因为矩阵乘法会放大特征值对应的向量，所以重复乘几次后，最大的特征值就会主导结果。比如算一个矩阵的主特征值，用这个法子比直接解特征方程快30%，而且计算量少20%。有测试数据显示，对1000x1000的稀疏矩阵，迭代20次就能达到1e-6的精度，而传统方法需要解百万次方程。这方法特别适合处理大矩阵，因为不需要存储全部元素，只需要保存每次的迭代向量就行。就像拿个放大镜看特征值对应的向量，越迭代越靠近真相。不过要注意初始向量不能随便选，最好和特征向量有点像，否则可能跑偏。