MATLAB中的广义特征向量？

Question

有一种方法可以获得广义特征向量,以获得具有单个或至少非常少的命令的高多重特征值？如果我可以使用每个特征值的多重性1 [V,D] = eig(A),但该命令不适用于多个特征值.

Answer 1

根据 Matlab 文档， [V,D] = eig(A,B) 生成广义特征值的对角矩阵 D 和全矩阵 V，其列是相应的特征向量，因此 A*V = B*V*D

这是一个如何自己做的例子......首先我们输入一个样本矩阵A：

 A = [ 35  -12   4   30 ;
       22   -8   3   19 ;
      -10    3   0   -9 ;
      -27    9  -3  -23 ]; 

然后我们探索它的特征多项式、特征值和特征向量。

 poly(A) 
 ans = 
     1.0000   -4.0000    6.0000   -4.0000    1.0000 

这些是特征多项式的系数，因此是 (? ? 1)^4 然后

 [V, D] = eigensys(A) 
 V = 
 [ 1, 0] 
 [ 0, 1] 
 [-1, 3] 
 [-1, 0] 


 D = 
 [1] 
 [1] 
 [1] 
 [1] 

因此 MATLAB 只找到两个独立的特征向量

 w1 = [1  0  -1  -1]';     
 w2 = [0  1   3   0]'; 

与单个重数 4 特征值 ?=1 相关联，因此具有缺陷 2。
因此我们设置了 4x4 单位矩阵和矩阵 B=A-?I

  Id = eye(4);        
  B = A - L*Id; 

当 L=1 时，当我们计算 B^2 和 B^3

  B2 = B*B      
  B3 = B2*B 

我们发现 B2 ? 0，但 B3 = 0，所以应该有一个长度为 3 的链与
特征值相关联？= 1。选择第一个广义特征向量

 u1 = [1  0  0  0]'; 

我们计算进一步的广义特征向量

 u2 = B*u1 
 u2 = 
     34 
     22 
    -10 
    -27 

和

 u3 = B*u2 
 u3 = 
     42 
      7 
    -21 
    -42 

因此，我们基于（普通）特征向量 u3 找到了长度为 3 的链 {u3, u2, u1}。（为了使这个结果与 MATLAB 的 eigensys 计算一致，您可以检查 u3-42w1=7w2）