求矩阵的特征向量通常遵循以下步骤：

计算特征多项式 ：

写出矩阵 $A$ 的特征方程 $|A - lambda I| = 0$，其中 $I$ 是单位矩阵，$lambda$ 是特征值。

计算行列式 $|A - lambda I|$ 得到特征多项式 $f（lambda）$。

求特征值 ：

解特征多项式 $f（lambda） = 0$ 得到所有特征值 $lambda$。

求特征向量 ：

对于每个特征值 $lambda$，解齐次线性方程组 $（A - lambda I）x = 0$ 得到特征向量 $x$。

特征向量 $x$ 是非零向量，满足 $Ax = lambda x$。

特征向量的归一化 （如果需要）：

将求得的特征向量 $x$ 归一化为单位向量，即 $||x|| = 1$。

处理重复特征值 ：

如果特征值有重复，对应的特征向量可能不唯一，需要找到该特征值对应特征空间的一组基。

示例

假设有一个 $2 times 2$ 矩阵 $A$：

$$A = begin{pmatrix} 4 & 1 2 & 3 end{pmatrix}$$

计算特征多项式 ：

$$|A - lambda I| = begin{vmatrix} 4 - lambda & 1 2 & 3 - lambda end{vmatrix} = (4 - lambda)(3 - lambda) - 2 = lambda^2 - 7lambda + 10$$

求特征值 ：

$$lambda^2 - 7lambda + 10 = 0$$

解这个二次方程得到特征值 $lambda_1 = 2$ 和 $lambda_2 = 5$。

求特征向量 ：

对于 $lambda_1 = 2$：

$$(A - 2I)x = begin{pmatrix} 2 & 1 2 & 1 end{pmatrix} begin{pmatrix} x_1 x_2 end{pmatrix} = begin{pmatrix} 0 0 end{pmatrix}$$

解得 $x_1 = -x_2$，取 $x_1 = 1$，则特征向量 $mathbf{v}_1 = begin{pmatrix} 1 -1 end{pmatrix}$。

对于 $lambda_2 = 5$：

$$(A - 5I)x = begin{pmatrix} -1 & 1 2 & -2 end{pmatrix} begin{pmatrix} x_1 x_2 end{pmatrix} = begin{pmatrix} 0 0 end{pmatrix}$$

解得 $x_1 = 2x_2$，取 $x_2 = 1$，则特征向量 $mathbf{v}_2 = begin{pmatrix} 2 1 end{pmatrix}$。

归一化 （如果需要）：

$mathbf{v}_1 = frac{1}{sqrt{2}} begin{pmatrix} 1 -1 end{pmatrix}$

$mathbf{v}_2 = frac{1}{sqrt{5}} begin{pmatrix} 2 1 end{pmatrix}$

通过以上步骤，你可以求得矩阵 $A$ 的特征向量。对于更高阶的矩阵，可能需要使用数值方法如QR算法、幂法或Jacobi迭代法来求解特征值和特征向量。