虽然特征多项式 $p(\lambda) = \det(A - \lambda I)$ 是定义特征值的理论基础，但在高维系统中其数值上‘病态’且计算效率低下。在实际应用中——例如求解波传播的Sturm-Liouville系统——多项式根对系数扰动的敏感性使得直接展开成为次优选择。
从连续波到离散矩阵
弦或膜的振动由波动方程控制：
$$\rho(x) \frac{\partial^2 v}{\partial t^2}(x, t) = \frac{\partial}{\partial x} \left[ p(x) \frac{\partial v}{\partial x}(x, t) \right]$$
为求解 $v(x, t) = \sum_{k=0}^{\infty} c_k u_k(x) \cos \sqrt{\lambda_k}(t - t_0)$，我们必须求解 Sturm-Liouville 系统：
$$\frac{d}{dx} \left[ p(x) \frac{du_k}{dx}(x) \right] + \lambda_k \rho(x) u_k(x) = 0$$
离散化复杂性
对算子进行离散化会产生如 $Aw = -0.04 \frac{\rho}{p} \lambda w$ 的矩阵方程。对于一个 $4 \times 4$ 的三对角矩阵，$p(\lambda)$ 尚可处理。然而，随着网格细化（$n$ 增大），我们面临两个障碍：
- Abel-Ruffini 限制： 当 $n \ge 5$ 时，多项式根不存在代数解。
- 舍入敏感性： 在高维系统中，单个元素小数点后第 $10^{-10}$ 位的微小变化，可能导致特征值发生数量级级别的偏移（即 Wilkinson 多项式现象）。
数值必要性与专业库
专业数值库（如 IMSL、NAG）避免使用原始特征多项式，而是采用迭代方法进行近似计算：
- IMSL 库： 使用线性最小二乘法、三次样条插值和快速傅里叶变换。
- NAG 库： 采用最小二乘多项式逼近和 $l_1/l_{\infty}$ 范数拟合。
在近似系统 $\lambda_i = 1 + 4\alpha\left(\sin \frac{\pi i}{2m}\right)^2$ 的特征值时，我们依赖离散最小二乘法和迭代发现，而非根求解。
🎯 理论工具与数值风险
特征多项式 $p(\lambda) = \det(A - \lambda I)$ 在证明中至关重要，但在计算中却具有危险性。物理中的实际特征值问题通过保持稳定性的迭代变换（如 QR 方法）来求解。