求矩阵的特征值步骤如下：
1、对于一个n × n的矩阵A，求其特征值需要先求出其特征多项式p(λ) = det(A - λI)，其中I是单位矩阵，λ是待求的特征值。
2、将特征多项式p(λ)化为标准的形式，即p(λ) = (λ - λ1) · (λ - λ2) · · · (λ - λn)，其中λ1, λ2, ..., λn是不同的n个特征值。
3、对于每一个特征值λi，求出其对应的特征向量yi，即求解方程组(A - λiI)yi = 0，并得到n个线性无关的特征向量y1, y2, ..., yn。
4、如果存在重复特征值，即有两个或以上的特征向量对应同一个特征值，需要使用广义特征向量求解复杂特征向量。
5、最后得到的n个特征值和其对应的特征向量构成了矩阵A的特征值分解。
注意：在实际计算中，可以使用特征值分解的方法求解矩阵的特征值和特征向量，或者使用迭代法（如幂方法、反幂方法、QR分解方法等）逐步逼近特征值和特征向量。
线性代数矩阵介绍：
线性代数中的矩阵是一种非常重要的概念，它经常被用来表示或解决线性方程组、线性变换、向量空间和特征值等问题。矩阵是一个由 m 行 n 列数字组成的矩形方阵，其中每个数字被称为“元素”或“项”，通常用大写字母表示，如 A、B、C。
在矩阵中，行和列分别被称为“行向量”和“列向量”，可以进行加减乘运算，并且有许多规律和特性。例如，两个矩阵相加必须满足行数和列数相同，两个矩阵相乘应该满足左矩阵的列数等于右矩阵的行数等等。
另外，在矩阵中还有一些特殊的矩阵，例如单位矩阵、零矩阵、对称矩阵、反对称矩阵和正交矩阵等。这些矩阵在不同的数学分支和实际应用中都具有非常重要的作用。
总之，矩阵是线性代数中非常基础和重要的概念，掌握好矩阵的性质和运算规律，对于理解和运用线性代数的相关知识都至关重要。