幂迭代法（Power Iteration）是一种数值算法，用来反复进行“矩阵乘以向量”的计算，从而逐步逼近矩阵的主特征向量（对应最大特征值的特征向量）。它常用于大型稀疏矩阵的特征值/特征向量估计（例如网络分析中的排名计算）。
/ˈpaʊər ˌɪtəˈreɪʃən/
Power iteration can find the dominant eigenvector of a matrix.
幂迭代法可以求出矩阵的主特征向量。
By repeatedly multiplying a sparse matrix and renormalizing the result, power iteration efficiently approximates the leading eigenvalue and eigenvector even when the matrix is too large for direct decomposition.
通过反复对稀疏矩阵做乘法并对结果归一化，幂迭代法即使在矩阵大到无法直接分解时，也能高效近似其最大特征值和对应特征向量。
“Power”在这里指的是对矩阵反复做“乘方”式的迭代效果：从向量 \(x\) 出发，连续计算 \(A x, A^2 x, A^3 x,\dots\)，在满足条件时方向会逐渐被最大特征值对应的特征向量“主导”。“Iteration”表示这种重复更新的迭代过程。
Select Language