计算机特征值可以通过以下几种方法求解：
特征值方程法
构造特征方程 `det（A - λI） = 0`，其中 `A` 是给定的方阵，`I` 是单位矩阵，`λ` 是特征值。
求解上述方程，得到的根即为矩阵 `A` 的特征值。
迭代法
幂法：通过迭代计算矩阵的幂次来逼近最大的特征值和对应的特征向量。
反幂法：通过求解矩阵的逆的方向来逼近最小的特征值。
雅可比迭代法：一种逐步逼近特征值和特征向量的迭代方法。
特征向量法
利用特征向量可相似变换的性质，将矩阵转化为对角矩阵。
QR分解法
将矩阵分解为一个正交矩阵和一个上三角矩阵的乘积。
通过迭代不断将矩阵进行QR分解，直到得到一个上三角矩阵，对角线上的元素即为矩阵的特征值。
特征值分解法
对称矩阵可以通过特征值分解得到全部特征值和对应的特征向量。
数值计算软件
利用计算机和数值计算软件（如MATLAB、NumPy等）来加速求解过程。
特殊矩阵的处理
对于行列式非零的矩阵，可以尝试化简特征行列式为三角型再展开。
对于形式特殊的矩阵，利用其行列式公式直接得出特征值。
初等行变换法
将特征方程的矩阵通过初等行变换化简，然后求解化简后的方程得到特征值。
这些方法各有优缺点，选择哪种方法取决于具体问题的需求和矩阵的性质。在实际应用中，可以根据矩阵的规模和特性选择最合适的方法进行计算。