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
这里有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,因此为 (λ − 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 仅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 λ=1 相关,因此具有缺陷 2。
所以我们建立4x4单位矩阵和矩阵B=A-λI
Id = eye(4);
B = A - L*Id;
当L=1时,当我们计算B^2和B^3时
B2 = B*B
B3 = B2*B
我们发现 B2 ≠ 0,但 B3 = 0,因此应该有一条长度为 3 的链与
特征值 λ = 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
and
u3 = B*u2
u3 =
42
7
-21
-42
因此,我们基于(普通)找到了长度为 3 的链 {u3, u2, u1}
特征向量 u3。 (为了使该结果与 MATLAB 的 eigensys 计算一致,您
可以检查 u3-42w1=7w2)