広義固有ベクトルのソースを表示

[[線型代数学]]において，{{math|''n'' × ''n''}} [[行列]] {{mvar|A}} の'''広義'''（あるいは'''一般'''）'''固有ベクトル'''（こうぎこゆうベクトル，いっぱんこゆうベクトル，{{lang-en-short|generalized eigenvector}}）は，（通常の）[[固有ベクトル]]の定義を緩めたある条件を満たす[[ベクトル]]である{{sfn|Bronson|1970|p=189}}．

{{mvar|V}} を {{mvar|n}} 次元[[ベクトル空間]]とする．{{mvar|&phi;}} を {{mvar|V}} から {{mvar|V}} への[[線型写像]]とする．{{mvar|A}} をある[[基底 (線型代数学)|基底]]についての {{mvar|&phi;}} の[[行列表示]]とする．

{{mvar|V}} の完全な基底をなす {{mvar|A}} の {{mvar|n}} 個の[[線型独立]]な固有ベクトルがいつも存在するとは限らない．つまり，行列 {{mvar|A}} は[[対角化可能]]とは限らない{{sfn|Beauregard|Fraleigh|1973|p=310}}{{sfn|Nering|1970|p=118}}．これは少なくとも1つの[[固有値]] {{mvar|&lambda;{{sub|i}}}} の[[代数的重複度]]がその[[幾何学的重複度]]（行列 {{math|''A'' &minus; ''&lambda;{{sub|i}}I''}} の{{仮リンク|退化次数|en|Kernel (linear algebra)}}，あるいはその[[零空間]]の[[次元 (線型代数学)|次元]]）よりも大きいときに起こる．この場合，{{mvar|&lambda;{{sub|i}}}} は{{仮リンク|不足固有値|en|defective eigenvalue}}と呼ばれ，{{mvar|A}} は{{仮リンク|不足行列|en|defective matrix}}と呼ばれる{{sfn|Golub|Van Loan|1996|p=316}}．

{{mvar|&lambda;{{sub|i}}}} に対応する広義固有ベクトル {{mvar|x{{sub|i}}}} は，行列 {{math|''A'' &minus; ''&lambda;{{sub|i}}I''}} とあわせて，{{mvar|V}} の[[不変部分空間]]の基底をなす線型独立な広義固有ベクトルのジョルダン鎖を生成する{{sfn|Beauregard|Fraleigh|1973|p=319}}{{sfn|Bronson|1970|pp=194–195}}{{sfn|Golub|Van Loan|1996|p=311}}．

広義固有ベクトルを用いて，{{mvar|A}} の線型独立な固有ベクトルの集合を必要ならば {{mvar|V}} の完全な基底に拡張できる{{sfn|Bronson|1970|p=196}}．この基底は {{mvar|A}} に[[行列の相似|相似]]な[[ジョルダン標準形]]にある「ほとんど対角な行列」{{mvar|J}} を決定するのに用いることができ，これは {{mvar|A}} のある{{仮リンク|行列関数|en|matrix function}}を計算するのに有用である{{sfn|Bronson|1970|p=189}}．行列 {{mvar|J}} は {{mvar|A}} が対角化可能とは限らないときに[[常微分方程式|線形微分方程式系]] {{math|1='''''x&prime;''''' = {{mvar|A}}'''''x'''''}} を解く際にも有用である{{sfn|Beauregard|Fraleigh|1973|pp=316–318}}{{sfn|Nering|1970|p=118}}．

== 概要と定義 ==
（通常の）'''固有ベクトル'''を定義するいくつかの同値な方法がある{{sfn|Anton|1987|pp=301–302}}{{sfn|Beauregard|Fraleigh|1973|p=266}}{{sfn|Burden|Faires|1993|p=401}}{{sfn|Golub|Van Loan|1996|pp=310–311}}{{sfn|Harper|1976|p=58}}{{sfn|Herstein|1964|p=225}}{{sfn|Kreyszig|1972|pp=273, 684}}{{sfn|Nering|1970|p=104}}．{{math|''n'' × ''n''}} 行列 {{mvar|A}} の固有値 {{mvar|λ}} の固有ベクトル {{mvar|'''x'''}} とは，{{math|1=(''λI'' − ''A'')'''''x''''' = '''0'''}} なる零でないベクトルである，ただし {{mvar|I}} は {{math|''n'' × ''n''}} の[[単位行列]]であり，{{mathbf|0}} は {{mvar|n}} 次元の[[零ベクトル]]である{{sfn|Burden|Faires|1993|p=401}}．つまり，{{math|'''''x'''''}} は[[線型変換|変換]] {{math|''A'' − ''λI''}} の[[核 (線型代数学)|核]]に属する．{{mvar|A}} が {{mvar|n}} 個の線型独立な固有ベクトルを持てば，{{mvar|A}} は対角行列 {{mvar|D}} に相似である．つまり，ある[[可逆行列]] {{mvar|M}} が存在して，{{mvar|A}} は相似変換 {{math|1=''D'' = ''M''{{sup|−1}}''AM''}} により対角化可能である{{sfn|Beauregard|Fraleigh|1973|pp=270–274}}{{sfn|Bronson|1970|pp=179–183}}．行列 {{mvar|D}} は {{mvar|A}} の{{仮リンク|スペクトル行列|en|spectral matrix}}と呼ばれる．行列 {{mvar|M}} は {{mvar|A}} の {{仮リンク|モード行列|en|modal matrix}} と呼ばれる{{sfn|Bronson|1970|p=181}}．対角化可能な行列は，その行列関数が容易に計算できるなどの特長がある{{sfn|Bronson|1970|p=179}}．

一方，{{math|''n'' × ''n''}} 行列 {{mvar|A}} が {{mvar|n}} 個の線型独立な固有ベクトルを持たないとき，{{mvar|A}} は対角化可能ではない{{sfn|Beauregard|Fraleigh|1973|pp=270–274}}{{sfn|Bronson|1970|pp=179–183}}．

; 定義: ベクトル {{math|'''''x'''''{{sub|''m''}}}} が行列 {{mvar|A}} の固有値 {{mvar|λ}} に対応する'''階数''' {{mvar|m}} '''の広義'''（あるいは'''一般'''）'''固有ベクトル''' ({{lang-en-short|generalized eigenvector}}) であるとは，<math display="block">(A - \lambda I)^m \boldsymbol{x}_m = 0</math> を満たすが，<math display="block">(A - \lambda I)^{m-1} \boldsymbol{x}_m \ne \boldsymbol0</math> であることをいう{{sfn|Bronson|1970|p=189}}．

明らかに，階数 1 の広義固有ベクトルは通常の固有ベクトルである{{sfn|Bronson|1970|pp=190, 202}}．すべての {{math|''n'' × ''n''}} 行列 {{mvar|A}} は {{mvar|n}} 個の線型独立な広義固有ベクトルを持ち，[[ジョルダン標準形]]の「ほとんど対角」な行列 {{mvar|J}} に相似であることを示すことができる{{sfn|Bronson|1970|pp=189, 203}}．つまり，可逆行列 {{mvar|M}} が存在して，{{math|1=''J'' = ''M''{{sup|−1}}''AM''}} となる{{sfn|Bronson|1970|pp=206–207}}．このときの行列 {{mvar|M}} は {{mvar|A}} の {{仮リンク|広義モード行列|en|generalized modal matrix}} と呼ばれる{{sfn|Bronson|1970|p=205}}．{{mvar|λ}} が代数的重複度 {{mvar|&mu;}} の固有値ならば，{{mvar|A}} は {{mvar|λ}} に対応する {{mvar|&mu;}} 個の線型独立な広義固有ベクトルを持つ{{sfn|Bronson|1970|p=196}}．これらの結果は，{{mvar|A}} のある種の行列関数を簡易に計算する際に有用となる{{sfn|Bronson|1970|pp=189, 209–215}}．

与えられた {{mvar|λ}} に対するすべての広義固有ベクトルによって[[線型包|張られる]]集合は {{mvar|λ}} の'''広義'''（あるいは'''一般'''）'''固有空間''' ({{lang-en-short|generalized eigenspace}}) をなす{{sfn|Nering|1970|p=118}}．

==例==
広義固有ベクトルの概念を説明するいくつかの例を挙げる．詳細のいくつかは後で記述される．

=== 例 1 ===
まず，固有値が重複しても異なる（通常の）固有ベクトルが得られる例について示す．
: <math> A = \begin{pmatrix} 1 & 0\\ 0 & 1 \end{pmatrix}</math>
とする．{{mvar|A}} の固有値は，{{math|1=det(''&lambda;I'' − ''A'') = 0}} を満たす {{mvar|λ}} であり，これを解くと，<math> (\lambda - 1)^2=0 </math> となり，ただ1つの固有値 {{math|1=''&lambda;'' = 1}} が得られる．その代数的重複度は <math>\mu=2</math> である．この固有値 {{math|1=''&lambda;'' = 1}} に対する（通常の）固有ベクトルを求めてみよう．<math display="inline"> \boldsymbol{x}=\begin{pmatrix}x_1\\ x_2\end{pmatrix} </math> とおき，<math> (1I - A)\boldsymbol{x}=0 </math> を満たすゼロでないベクトルを求めると，
:<math> \begin{pmatrix} 0 & 0\\ 0 & 0 \end{pmatrix}\begin{pmatrix} x_1 \\ x_2 \end{pmatrix}
= \begin{pmatrix} 0 \\ 0 \end{pmatrix}</math>

となり，{{math|''x''{{sub|1}}}}, {{math|''x''{{sub|2}}}} とも任意でよい．たとえば，<math display="inline"> \boldsymbol{x}=\begin{pmatrix}1\\0\end{pmatrix}</math>
も，<math display="inline">\boldsymbol{x}=\begin{pmatrix}0\\1\end{pmatrix}</math>もいずれも固有値 {{math|1=''&lambda;'' = 1}} に対する固有ベクトルとなる．この2つの固有ベクトルは互いに線形独立である．

なお，
:<math> \operatorname{rank}(\lambda I-A) = 0 =\underbrace{2}_{n}-\underbrace{2}_{\gamma}</math>
であり，幾何学的重複度は {{math|1=''&gamma;'' = 2}} である．実際に，固有値 {{math|1=''&lambda;'' = 1}} に対して，2つの互いに線形独立な固有ベクトルが得られることがわかる．

===例 2===
固有値が重複する場合に異なる（通常の）固有ベクトルが'''得られない'''例について示す{{sfn|Nering|1970|p=118}}{{sfn|Herstein|1964|p=261}}{{sfn|Beauregard|Fraleigh|1973|p=310}}．
:<math> A = \begin{pmatrix} 1 & 1\\ 0 & 1 \end{pmatrix}</math>
とする．{{mvar|A}} の固有値は，{{math|1=det(''&lambda;I'' − ''A'') = 0}} を満たす {{mvar|λ}} であり，これを解くと，{{math|1=(''&lambda;'' − 1){{sup|2}} = 0}} となり，ただ1つの固有値 {{math|1=''&lambda;'' = 1}} が得られる．その代数的重複度は {{math|1=''&mu;'' = 2}} である．例 1 と異なり，
:<math> \operatorname{rank}(\lambda I-A) = 1 =\underbrace{2}_{n}-\underbrace{1}_{\gamma}</math>
で，幾何的重複度は {{math|1=''&gamma;'' = 1}} である．すなわち，例 1 とは異なり，固有値 {{math|1=''&lambda;'' = 1}} に対する（通常の）固有ベクトルは1つしかない．

では，この固有値 {{math|1=''&lambda;'' = 1}} に対する（通常の）固有ベクトルを求めよう．今，<math display="inline"> \boldsymbol{x}=\begin{pmatrix}x_1\\ x_2\end{pmatrix} </math> とおき，{{math|1=(1''I'' − ''A'')'''''x''''' = 0}} を満たすゼロでないベクトルを求めると，
:<math> \begin{pmatrix} 0 & -1\\ 0 & 0 \end{pmatrix}\begin{pmatrix} x_1 \\ x_2 \end{pmatrix}
= \begin{pmatrix} 0 \\ 0 \end{pmatrix}</math>
となり，{{math|''x''{{sub|1}}}} は任意であるが，{{math|1=''x''{{sub|2}} = 0}} でなくてはならない．したがって，たとえば，<math display="inline"> \boldsymbol x=\begin{pmatrix}1 \\0 \end{pmatrix}</math> は固有値 {{math|1=''&lambda;'' = 1}} に対する固有ベクトルとなる．なお，{{math|''x''{{sub|1}}}} は任意であるから，<math display="inline"> \boldsymbol x=\begin{pmatrix}2 \\0 \end{pmatrix}</math> もまた固有ベクトルであるが，<math display="inline"> \boldsymbol x=\begin{pmatrix}1 \\0 \end{pmatrix}</math> と <math display="inline"> \boldsymbol  x=\begin{pmatrix}2 \\0 \end{pmatrix}</math> は互いに独立ではないことにも注意されたい．

つぎに，この（通常の）固有ベクトル <math display="inline">\boldsymbol x=\begin{pmatrix}1 \\0 \end{pmatrix}</math> を {{math|'''''x'''''{{sub|1}}}} として，一般固有ベクトル {{math|'''''x'''''{{sub|2}}}} を求めよう．これは，<math display="inline"> \boldsymbol x_2=\begin{pmatrix}x_{21}\\ x_{22}\end{pmatrix} </math> とおき，<math display="inline"> (\lambda I-A) \boldsymbol x_2 = -\boldsymbol x_1 </math> を解くことによって求めることができる．具体的には，
:<math> \left( 1 \begin{pmatrix} 1 & 0\\ 0 & 1 \end{pmatrix}
 - \begin{pmatrix} 1 & 1\\ 0 & 1 \end{pmatrix} \right)\begin{pmatrix}x_{21} \\x_{22} \end{pmatrix}
 = \begin{pmatrix} 0 & -1\\ 0 & 0 \end{pmatrix} \begin{pmatrix}x_{21} \\x_{22} \end{pmatrix}
 = -\begin{pmatrix}1 \\0 \end{pmatrix}</math>
を解くと，{{math|''x''{{sub|21}}}} は任意であり，{{math|1=''x''{{sub|22}} = 1}} となる．すると階数 2 の一般固有ベクトルは <math display="inline">\boldsymbol x_2=\begin{pmatrix}a \\1 \end{pmatrix}</math> である，ただし {{mvar|a}} は任意のスカラー値である．{{math|1=''a'' = 0}} とするのが最も単純である．

{{math|'''''x'''''{{sub|1}}}} と {{math|'''''x'''''{{sub|2}}}} は線型独立であり，ベクトル空間 {{mvar|V}} の基底をなす．

行列 {{mvar|A}} は，対角化可能ではないことに注意されたい．この行列は1つの {{仮リンク|優対角|en|superdiagonal}}成分があるから，階数が 1 よりも大きい一般化固有ベクトルが1つある（あるいは，ベクトル空間 {{mvar|V}} の次元は 2 だから階数が 1 よりも大きい広義固有ベクトルは高々1つであることも分かる）．あるいは，{{math|(''&lambda;I'' − ''A'')}} の[[零空間]]の次元が {{math|1=''p'' = 1}} であることを計算でき，したがって階数が 1 よりも大きい広義固有ベクトルは {{math|1=''m'' − ''p'' = 1}} 個ある．

さて，求めた（通常の）固有ベクトルと（一般）固有ベクトルを並べた行列

:<math>M=\begin{pmatrix}\boldsymbol x_1& \boldsymbol x_2\end{pmatrix} = \begin{pmatrix} 1&0 \\0 & 1\end{pmatrix}</math>

に対して，
:<math>J=M^{-1}AM = \begin{pmatrix} 1&1 \\0 & 1\end{pmatrix}</math>
となり，{{mvar|A}} は対角化はできていないが，{{mvar|J}} には {{mvar|A}} の固有値が対角成分に現れ，右上に“1” が配置されたジョルダン標準形となっていることがわかる．

===例 3===
この例は[[#例 2|例 2]] よりも複雑である．低い次数のよい例題を構成することはやや少し難しい{{sfn|Nering|1970|pp=122, 123}}．

行列

:<math>A = \begin{pmatrix} 
1 & 0 & 0 & 0 & 0 \\
3 & 1 & 0 & 0 & 0 \\
6 & 3 & 2 & 0 & 0 \\
10 & 6 & 3 & 2 & 0 \\
15 & 10 & 6 & 3 & 2
\end{pmatrix}</math>

の固有値は
:{{math|1=det(''&lambda;I'' − ''A'') = (''&lambda;'' − 1){{sup|2}}(''&lambda;'' − 2){{sup|3}} =0}}
の解なので，固有値 {{math|1=''&lambda;''{{sub|1}} = 1}} と {{math|1=''&lambda;''{{sub|2}} = 2}} を持ち，その代数的重複度はそれぞれ {{math|1=''&mu;''{{sub|1}} = 2}} と {{math|1=''&mu;''{{sub|2}} = 3}} である．{{math|1=''&lambda;''{{sub|1}} = 1}} に対して，
:<math> \operatorname{rank}(\lambda_1I-A) = 4 =\underbrace{5}_{n}-\underbrace{1}_{\gamma_1}</math>
となるので，幾何学的重複度は {{math|1=''&gamma;''{{sub|1}} = 1}} である．{{math|1=''&lambda;''{{sub|2}} = 2}} に対して，
:<math> \operatorname{rank}(\lambda_2I-A) = 4 =\underbrace{5}_{n}-\underbrace{1}_{\gamma_2}</math>
となるので，幾何的重複度は {{math|1=''&gamma;''{{sub|2}} = 1}} である．

はじめに，{{math|1=''&lambda;''{{sub|1}} = 1}} に対する（通常の）固有ベクトル {{math|'''''x'''''{{sub|11}}}} を求める．幾何学的重複度は {{math|1=''&gamma;''{{sub|1}} = 1}} なので，残りの一般固有ベクトルは，{{math|'''''x'''''{{sub|11}}}} から逐次的に求められる．具体的には，次のように求めた．

:<math>(1I -A) \boldsymbol x_{11}
 = \begin{pmatrix} 
0   &  0  & 0  & 0  & 0 \\
-3  &  0  & 0  & 0  & 0 \\
-6  &  -3 & -1 & 0  & 0 \\
-10 &  -6 & -3 & -1 & 0 \\
-15 & -10 & -6 & -3 & -1
\end{pmatrix}\begin{pmatrix}
0 \\ 3 \\ -9 \\ 9 \\ -3
\end{pmatrix} = \begin{pmatrix}
0 \\ 0 \\ 0 \\ 0 \\ 0
\end{pmatrix} = \boldsymbol0 ,</math>

:<math>(1I -A) \boldsymbol x_{12}
 = \begin{pmatrix} 
0 & 0 & 0 & 0 & 0 \\
-3 & 0 & 0 & 0 & 0 \\
-6 & -3 & -1 & 0 & 0 \\
-10 & -6 & -3 & -1 & 0 \\
-15 & -10 & -6 & -3 & -1
\end{pmatrix} \begin{pmatrix}
1 \\ -15 \\ 30 \\ -1 \\ -45
\end{pmatrix} =
-\begin{pmatrix}
0 \\ 3 \\ -9 \\ 9 \\ -3
\end{pmatrix} = -\boldsymbol x_{11} ,</math>

つぎに，{{math|1=''&lambda;''{{sub|2}} = 2}} に対する（通常の）固有ベクトル {{math|'''''x'''''{{sub|21}}}} を求め，幾何学的重複度は {{math|1=''&gamma;''{{sub|2}} = 1}} なので，残りの一般固有ベクトル {{math|'''''x'''''{{sub|22}}}} と {{math|'''''x'''''{{sub|23}}}} は，{{math|'''''x'''''{{sub|21}}}} から逐次的に求められる．具体的には，次のように求めた．
:<math>( 2 I -A) \boldsymbol x_{21}
 = \begin{pmatrix} 
1 & 0 & 0 & 0 & 0 \\
-3 & 1 & 0 & 0 & 0 \\
-6 & -3 & 0 & 0 & 0 \\
-10 & -6 & -3 & 0 & 0 \\
-15 & -10 & -6 & -3 & 0
\end{pmatrix} \begin{pmatrix}
0 \\ 0 \\ 0 \\ 0 \\ 9
\end{pmatrix} = \begin{pmatrix}
0 \\ 0 \\ 0 \\ 0 \\ 0
\end{pmatrix} = \boldsymbol 0 ,</math>

:<math>(2 I -A) \boldsymbol x_{22} = \begin{pmatrix} 
1 & 0 & 0 & 0 & 0 \\
-3 & 1 & 0 & 0 & 0 \\
-6 & -3 & 0 & 0 & 0 \\
-10 & -6 & -3 & 0 & 0 \\
-15 & -10 & -6 & -3 & 0
\end{pmatrix} \begin{pmatrix}
0 \\ 0 \\ 0 \\ 3 \\ 0
\end{pmatrix} =
- \begin{pmatrix}
0 \\ 0 \\ 0 \\ 0 \\ 9
\end{pmatrix} = -\boldsymbol x_{21} ,</math>

:<math>(2 I -A) \boldsymbol x_{23} = \begin{pmatrix} 
1 & 0 & 0 & 0 & 0 \\
-3 & 1 & 0 & 0 & 0 \\
-6 & -3 & 0 & 0 & 0 \\
-10 & -6 & -3 & 0 & 0 \\
-15 & -10 & -6 & -3 & 0
\end{pmatrix} \begin{pmatrix}
0 \\ 0 \\ 1 \\ -2 \\ 0
\end{pmatrix} = -\begin{pmatrix}
0 \\ 0 \\ 0 \\ 3 \\ 0
\end{pmatrix} = -\boldsymbol x_{22} .</math>

これは {{mvar|A}} の各広義固有空間の基底となる．広義固有ベクトルの2つの鎖と合わせて5次元列ベクトル全体の空間を張る．

:<math>
\left\{ \boldsymbol x_{11}, \boldsymbol x_{12} \right\} =
\left\{
\begin{pmatrix} 0 \\ 3 \\ -9 \\ 9 \\ -3 \end{pmatrix},\,
\begin{pmatrix} 1 \\ -15 \\ 30 \\ -1 \\ -45 \end{pmatrix} 
\right\},\;
\left\{ \boldsymbol x_{21}, \boldsymbol x_{22}, \boldsymbol x_{23} \right\} =
\left\{ 
\begin{pmatrix} 0 \\ 0 \\ 0 \\ 0 \\ 9 \end{pmatrix},\,
\begin{pmatrix} 0 \\ 0 \\ 0 \\ 3 \\ 0 \end{pmatrix},\,
\begin{pmatrix} 0 \\ 0 \\ 1 \\ -2 \\ 0 \end{pmatrix}
\right\}
</math>

{{mvar|A}} に相似な「ほぼ対角」なジョルダン標準形の行列 {{mvar|J}} は以下のようにして得られる：

:<math>
M =
\begin{pmatrix}
\boldsymbol x_{11} & \boldsymbol x_{21} & \boldsymbol x_{21} & \boldsymbol x_{22} & \boldsymbol x_{23}
\end{pmatrix}
=
\begin{pmatrix}
0 &  1 & 0 &0& 0 \\
3 &  -15 & 0 &0& 0 \\
-9 &  30 & 0 &0& 1 \\
9 &  -1 & 0 &3& -2 \\
-3 &  -45 & 9 &0& 0
\end{pmatrix},</math>
:<math>J = M^{-1}AM=\begin{pmatrix}
1 & 1 & 0 & 0 & 0 \\
0 & 1 & 0 & 0 & 0 \\
0 & 0 & 2 & 1 & 0 \\
0 & 0 & 0 & 2 & 1 \\
0 & 0 & 0 & 0 & 2
\end{pmatrix},
</math>

ただし {{mvar|M}} は {{mvar|A}} の {{仮リンク|広義モード行列|en|generalized modal matrix}} であり，{{mvar|M}} の列は {{mvar|A}} の{{仮リンク|標準基底|en|Canonical basis#Linear algebra|preserve=1}}であり，{{math|1=''AM'' = ''MJ''}} である{{sfn|Bronson|1970|pp=189–209}}．

== ジョルダン鎖 ==
; 定義: {{math|'''''x'''''{{sub|''m''}}}} を行列 {{mvar|A}} の固有値 {{mvar|&lambda;}} に対応する階数 {{mvar|m}} の広義固有ベクトルとする．{{math|'''''x'''''{{sub|''m''}}}} '''によって生成される鎖'''とは次で与えられるベクトルの集合 <math>\left\{ \boldsymbol{x}_m, \boldsymbol{x}_{m-1}, \dots , \boldsymbol{x}_1 \right\}</math> である：

{{NumBlk|:::|
<math> \boldsymbol{x}_{m-1} = (A - \lambda I) \boldsymbol{x}_m, </math><br>
<math> \boldsymbol{x}_{m-2} = (A - \lambda I)^2 \boldsymbol{x}_m = (A - \lambda I) \boldsymbol{x}_{m-1}, </math><br>
<math> \boldsymbol{x}_{m-3} = (A - \lambda I)^3 \boldsymbol{x}_m = (A - \lambda I) \boldsymbol{x}_{m-2}, </math><br>
::<math> \vdots </math><br>
<math> \boldsymbol{x}_1 = (A - \lambda I)^{m-1} \boldsymbol{x}_m = (A - \lambda I) \boldsymbol{x}_2. </math>
|{{EquationRef|1}}}}

したがって，一般に，

{{NumBlk|:|<math> \boldsymbol{x}_j = (A - \lambda I)^{m-j} \boldsymbol{x}_m = (A - \lambda I) \boldsymbol{x}_{j+1} \qquad (j = 1, 2, \dots , m - 1). </math>|{{EquationRef|2}}}}

({{EquationNote|2}}) によって与えられるベクトル {{mvar|'''x'''{{sub|j}}}} は固有値 {{mvar|&lambda;}} に対応する階数 {{mvar|j}} の広義固有ベクトルである．鎖はベクトルの線型独立な集合である{{sfn|Bronson|1970|pp=194–195}}．

== 標準基底 ==
{{Main|{{仮リンク|標準基底#線型代数学|en|Canonical basis#Linear algebra|preserve=1}}}}
'''定義'''：{{mvar|n}} 個の線型独立な広義固有ベクトルの集合が'''標準基底''' (canonical basis) であるとは，ジョルダン鎖の全体からなることをいう．

したがって，階数 {{mvar|m}} の広義固有ベクトルが標準基底に入っていることを一度決定すれば，{{math|'''x'''{{sub|''m''}}}} によって生成されるジョルダン鎖に入っている {{math|''m'' − 1}} 個のベクトル <math> \boldsymbol{x}_{m-1}, \boldsymbol{x}_{m-2}, \ldots , \boldsymbol{x}_1 </math> も標準基底に入っていることが従う{{sfn|Bronson|1970|pp=196, 197}}．

{{mvar|&lambda;{{sub|i}}}} を {{mvar|A}} の代数的重複度 {{mvar|&mu;{{sub|i}}}} の固有値とする．まず，行列 <math> (A - \lambda_i I), (A - \lambda_i I)^2, \ldots , (A - \lambda_i I)^{m_i} </math> の[[行列の階数|階数]]を求める．整数 {{mvar|m{{sub|i}}}} は <math> (A - \lambda_i I)^{m_i} </math> の階数が {{math|''n'' − ''&mu;{{sub|i}}''}} となる「最初の整数」として決定される（{{mvar|n}} は {{mvar|A}} の行や列の個数である，つまり {{mvar|A}} は {{math|''n'' × ''n''}} である）．

さて

:<math> \rho_k = \operatorname{rank}(A - \lambda_i I)^{k-1} 
- \operatorname{rank}(A - \lambda_i I)^k \qquad (k = 1, 2, \ldots , m_i)</math>

と定義する．変数 {{mvar|&rho;{{sub|k}}}} は {{mvar|A}} の標準基底に現れる固有値 {{mvar|&lambda;{{sub|i}}}} に対応する階数 {{mvar|k}} の線型独立な広義固有ベクトルの個数を表す．

:<math> \operatorname{rank}(A - \lambda_i I)^0 = \operatorname{rank}(I) = n </math>
に注意{{sfn|Bronson|1970|pp=197, 198}}．

== 広義固有ベクトルの計算 ==
これまでの節で {{math|''n'' × ''n''}} 行列 {{mvar|A}} に付随するベクトル空間 {{mvar|V}} に対する標準基底の {{mvar|n}} 個の線型独立な広義固有ベクトルを得る方法を見た．これらの方法を結合して手順を得る：

:固有値 {{mvar|&lambda;{{sub|i}}}} と代数的重複度 {{mvar|&mu;{{sub|i}}}} に対する {{mvar|A}} の[[特性多項式|特性方程式]]を解く；
:各 {{mvar|&lambda;{{sub|i}}}} に対して：
::{{math|''n'' − ''&mu;{{sub|i}}''}} を決定する；
::{{mvar|m{{sub|i}}}} を決定する；
::{{math|1=''k'' = 1, ..., ''m{{sub|i}}''}} に対して {{mvar|&rho;{{sub|k}}}} を決定する；
::{{mvar|&lambda;{{sub|i}}}} に対して各ジョルダン鎖を決定する；

=== 例 4 ===
行列

:<math>
A = 
\begin{pmatrix}
 5 &  1 & -2 &  4 \\
 0 &  5 &  2 &  2 \\
 0 &  0 &  5 &  3 \\
 0 &  0 &  0 &  4
\end{pmatrix}
</math>

の固有値は
:<math> \det (\lambda I - A)=(\lambda-5)^3(\lambda-4)^1 =0 </math>
の解であり，これを解くと {{math|1=''&lambda;''{{sub|1}} = 5}}（代数的重複度 {{math|1=''&mu;''{{sub|1}} = 3}}）および {{math|1=''&lambda;''{{sub|2}} = 4}}（代数的重複度 {{math|1=''&mu;''{{sub|2}} = 1}}）が得られる．また，{{math|1=''n'' = 4}} である．{{math|1=''&lambda;''{{sub|1}} = 5}} に対して {{math|1=''n'' − ''&mu;''{{sub|1}} = 4 − 3 = 1}} である．

:<math>
(A - 5I) =
\begin{pmatrix}
 0 &  1 & -2 &  4 \\
 0 &  0 &  2 &  2 \\
 0 &  0 &  0 &  3 \\
 0 &  0 &  0 & -1
\end{pmatrix},
\qquad \operatorname{rank}(A - 5I) = 3.
</math>
:<math>
(A - 5I)^2 =
\begin{pmatrix}
 0 &  0 &  2 & -8 \\
 0 &  0 &  0 &  4 \\
 0 &  0 &  0 & -3 \\
 0 &  0 &  0 &  1
\end{pmatrix},
\qquad \operatorname{rank}(A - 5I)^2 = 2.
</math>
:<math>
(A - 5I)^3 =
\begin{pmatrix}
0 &  0 &  0 & 14 \\
 0 &  0 &  0 & -4 \\
 0 &  0 &  0 &  3 \\
 0 &  0 &  0 & -1
\end{pmatrix},
\qquad \operatorname{rank}(A - 5I)^3 = 1.
</math>

<math>(A - 5I)^{m_1}</math> の階数が {{math|1=''n'' − ''&mu;''{{sub|1}} = 1}} になる最初の整数 {{math|''m''{{sub|1}}}} は {{math|1=''m''{{sub|1}} = 3}} である．

次のように定義する：

:<math>\begin{align}
\rho_3 &= \operatorname{rank}(A - 5I)^2 - \operatorname{rank}(A - 5I)^3 = 2 - 1 = 1 , \\
\rho_2 &= \operatorname{rank}(A - 5I)^1 - \operatorname{rank}(A - 5I)^2 = 3 - 2 = 1 , \\
\rho_1 &= \operatorname{rank}(A - 5I)^0 - \operatorname{rank}(A - 5I)^1 = 4 - 3 = 1 .
\end{align}</math>

したがって，3つの線型独立な広義固有ベクトルが存在する；階数 3, 2, 1 に1つずつである．{{math|''&lambda;''{{sub|1}}}} は3つの線型独立な広義固有ベクトルのただ1つの鎖に対応するので，{{math|''&lambda;''{{sub|1}}}} に対応する階数 3 の広義固有ベクトルであって

{{NumBlk|:|<math>(A - 5I)^3 \boldsymbol{x}_3 = \boldsymbol0</math>|{{EquationRef|3}}}}
{{NumBlk|:|<math>(A - 5I)^2 \boldsymbol{x}_3\neq \boldsymbol0</math>|{{EquationRef|4}}}}

なるものが存在することを知っている．方程式 ({{EquationNote|3}}) と ({{EquationNote|4}}) は {{math|'''''x'''''{{sub|3}}}} について解くことができる[[線型方程式系]]を表す．

:<math>
\boldsymbol{x}_3 = 
\begin{pmatrix}
x_{31} \\
x_{32} \\
x_{33} \\
x_{34}
\end{pmatrix}
</math>

とする．すると

:<math>
(A - 5I)^3 \boldsymbol{x}_3 = 
\begin{pmatrix}
 0 &  0 &  0 & 14 \\
 0 &  0 &  0 & -4 \\
 0 &  0 &  0 &  3 \\
 0 &  0 &  0 & -1
\end{pmatrix}
\begin{pmatrix}
x_{31} \\
x_{32} \\
x_{33} \\
x_{34}
\end{pmatrix} = 
\begin{pmatrix}
14 x_{34} \\
-4 x_{34} \\
 3 x_{34} \\
-  x_{34}
\end{pmatrix} = 
\begin{pmatrix}
 0 \\
 0 \\
 0 \\
 0
\end{pmatrix}
</math>

および

:<math>
(A - 5I)^2 \boldsymbol{x}_3 = 
\begin{pmatrix}
 0 &  0 &  2 & -8 \\
 0 &  0 &  0 &  4 \\
 0 &  0 &  0 & -3 \\
 0 &  0 &  0 &  1
\end{pmatrix}
\begin{pmatrix}
x_{31} \\
x_{32} \\
x_{33} \\
x_{34}
\end{pmatrix} = 
\begin{pmatrix}
 2 x_{33} - 8 x_{34} \\
 4 x_{34} \\
-3 x_{34} \\
    x_{34}
\end{pmatrix} \ne 
\begin{pmatrix}
 0 \\
 0 \\
 0 \\
 0
\end{pmatrix}
</math>

である．したがって，条件 ({{EquationNote|3}}) と ({{EquationNote|4}}) を満たすためには，{{math|1=''x''{{sub|34}} = 0}} かつ {{math|1=''x''{{sub|33}} &ne; 0}} でなければならない．{{math|''x''{{sub|31}}}} と {{math|''x''{{sub|32}}}} には何の制約もない．{{math|1=''x''{{sub|31}} = ''x''{{sub|32}} = ''x''{{sub|34}} = 0}}, {{math|1=''x''{{sub|33}} = 1}} と選ぶことで，{{math|1=''&lambda;''{{sub|1}} = 5}} に対応する階数 3 の広義固有ベクトルとして

:<math>
\boldsymbol{x}_3 = 
\begin{pmatrix}
0 \\
 0 \\
 1 \\
 0
\end{pmatrix}
</math>

を得る．{{math|''x''{{sub|31}}}}, {{math|''x''{{sub|32}}}}, {{math|''x''{{sub|33}}}} で {{math|''x''{{sub|33}} ≠ 0}} なる異なる値を選ぶことによって階数 3 の他の広義固有ベクトルを無限個得ることができることに注意．しかしながら，我々の最初の選択が最も単純である{{sfn|Bronson|1970|pp=190–191}}．

さて方程式 ({{EquationNote|1}}) を用いて，{{math|'''x'''{{sub|2}}}} と {{math|'''x'''{{sub|1}}}} をそれぞれ階数 2 と 1 の広義固有ベクトルとして得る，ただし

:<math>
\boldsymbol{x}_2 = (A - 5I) \boldsymbol{x}_3 = 
\begin{pmatrix}
-2 \\
 2 \\
 0 \\
 0
\end{pmatrix}
</math>

および

:<math>
\boldsymbol{x}_1 = (A - 5I) \boldsymbol{x}_2 = 
\begin{pmatrix}
 2 \\
 0 \\
 0 \\
 0
\end{pmatrix}
</math>

である．代数的重複度が 1 の固有値 {{math|1=''&lambda;''{{sub|2}} = 4}} は[[固有値|標準的な手法]]で扱うことができ，通常の固有ベクトル

:<math>
\boldsymbol y_1 = 
\begin{pmatrix}
-14 \\
  4 \\
 -3 \\
  1
\end{pmatrix}
</math>

を持つ．{{mvar|A}} の標準基底は

:<math>
\left\{ \boldsymbol{x}_3, \boldsymbol{x}_2, \boldsymbol{x}_1, \boldsymbol y_1 \right\} =
\left\{
\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}
\begin{pmatrix} -2 \\ 2 \\ 0 \\ 0 \end{pmatrix}
\begin{pmatrix} 2 \\ 0 \\ 0 \\ 0 \end{pmatrix}
\begin{pmatrix} -14 \\ 4 \\ -3 \\ 1 \end{pmatrix}
\right\}
</math>

である．{{math|'''''x'''''{{sub|1}}, '''''x'''''{{sub|2}}, '''''x'''''{{sub|3}}}} は {{math|''&lambda;''{{sub|1}}}} に伴う広義固有ベクトルである．{{math|'''''y'''''{{sub|2}}}} は {{math|''&lambda;''{{sub|2}}}} に伴う通常の固有ベクトルである．

これはかなり単純な例であることに注意すべきである．一般に，階数 {{mvar|k}} の線型独立な広義固有ベクトルの個数 {{mvar|&rho;{{sub|k}}}} は必ずしも等しくない．つまり，特定の固有値に対応する異なる長さのいくつかの鎖があるかもしれない{{sfn|Bronson|1970|pp=197–198}}．

== 広義モード行列 ==
{{Main|{{仮リンク|広義モード行列|en|Generalized modal matrix}}}}
{{mvar|A}} を {{math|''n'' × ''n''}} 行列とする．{{mvar|A}} の'''広義モード行列''' (''generalized modal matrix'') {{mvar|M}} とは，{{math|''n'' × ''n''}} 行列であって，その列が，ベクトルと考えたときに，{{mvar|A}} の標準基底をなし，{{mvar|M}} において以下の規則に従って現れるものをいう：

* 1つのベクトルからなるすべてのジョルダン鎖は {{mvar|M}} のはじめの列に現れる．
* 1つの鎖のすべてのベクトルは {{mvar|M}} の隣接する列に一緒に現れる．
* 各鎖は {{mvar|M}} において階数が増える順番で現れる（つまり，階数 1 の広義固有ベクトルは同じ鎖の階数 2 の広義固有ベクトルよりも前に現れ，これは同じ鎖の階数 3 の広義固有ベクトルよりも前に現れ，……）{{sfn|Bronson|1970|p=205}}．

== ジョルダン標準形 ==
[[File:Jordan blocks.svg|right|thumb|250px|ジョルダン標準形の行列の例．灰色の箱はジョルダンブロックと呼ばれる．]]
{{Main|ジョルダン標準形}}
{{mvar|V}} を {{mvar|n}} 次元ベクトル空間とする；{{mvar|&phi;}} を {{mvar|V}} から自身への線型写像全体の集合 {{math|End(''V'')}} の元とする；{{mvar|A}} をある基底に関する {{mvar|&phi;}} の行列表示とする．次のことを示すことができる．{{mvar|A}} の[[特性多項式]] {{math|''f''(''&lambda;'')}} が一次式に分解して

:<math> f(\lambda) = \pm (\lambda - \lambda_1)^{\mu_1}(\lambda - \lambda_2)^{\mu_2}
 \cdots (\lambda - \lambda_r)^{\mu_r}</math>

の形，ただし <math> \lambda_1, \lambda_2, \ldots , \lambda_r </math> は {{mvar|A}} の相異なる固有値，になれば，各 {{mvar|&mu;{{sub|i}}}} は対応する固有値 {{mvar|&lambda;{{sub|i}}}} の代数的重複度であり，{{mvar|A}} は'''ジョルダン標準形'''の行列 {{mvar|J}} に相似である，ただし各 {{mvar|&lambda;{{sub|i}}}} は対角線上連続した {{mvar|&mu;{{sub|i}}}} 回現れ，各 {{mvar|&lambda;{{sub|i}}}} の上（すなわち{{仮リンク|優対角|en|superdiagonal}}）の各成分は 0 または 1 である；各 {{mvar|&lambda;{{sub|i}}}} の最初の出現の上の成分はつねに 0 である．すべての他の成分は 0 である．行列 {{mvar|J}} は {{mvar|A}} の対角化にできるだけ近い．{{mvar|A}} が対角化可能ならば，対角線の上のすべての成分は 0 である{{sfn|Beauregard|Fraleigh|1973|p=311}}．教科書によっては優対角成分ではなく {{仮リンク|劣対角成分|en|subdiagonal}}, すなわち主対角線の直下に 1 たちがあることに注意．固有値はなお主対角線にある{{sfn|Cullen|1966|p=114}}{{sfn|Franklin|1968|p=122}}．

すべての {{math|''n'' × ''n''}} 行列 {{mvar|A}} は相似変換 {{math|1=''J'' = ''M''{{sup-|1}}''AM''}} によって得られるジョルダン標準形の行列 {{mvar|J}} に相似である，ただし {{mvar|M}} は {{mvar|A}} の広義モード行列である{{sfn|Bronson|1970|p=207}}．

=== 例 5 ===

:<math>
A = 
\begin{pmatrix}
 0 &  4 &  2 \\
-3 &  8 &  3 \\
 4 & -8 & -2
\end{pmatrix}
</math>
に相似なジョルダン標準形の行列を見つけよ．

'''解'''：{{mvar|A}} の特性方程式は {{math|1=(''&lambda;'' − 2){{sup|3}} = 0}} であるので，固有値は {{math|1=''&lambda;'' = 2}}（代数的重複度 {{math|1=''&mu;'' = 3}}）である．前の節の手順に従って，

:<math> \operatorname{rank}(2I - A) = 1</math>

と

:<math>\operatorname{rank}(2I - A)^2 = 0 = n - \mu </math>

が分かる．したがって，{{math|1=''ρ''{{sub|2}} = 1}} と {{math|1=''ρ''{{sub|1}} = 2}} であり，{{mvar|A}} の標準基底は階数 2 の1つの線型独立な広義固有ベクトルと階数 1 の2つの線型独立な広義固有ベクトルを含むことが分かる，あるいは同じことだが，2つのベクトルの1つの鎖 {{math|{{mset|'''''x'''''{{sub|2}}, '''''x'''''{{sub|1}}}}}} と1つのベクトルの1つの鎖 {{math|{{mset|'''''y'''''{{sub|1}}}}}} を含む．{{math|1=''M'' = ('''''y'''''{{sub|1}} '''''x'''''{{sub|1}} '''''x'''''{{sub|2}})}} と書いて，次が分かる：

:<math>
M = 
\begin{pmatrix}
 2 &  2 &  0 \\
 1 &  3 &  0 \\
 0 & -4 &  1
\end{pmatrix}
</math>

および

:<math>
J = 
\begin{pmatrix}
 2 &  0 &  0 \\
 0 &  2 &  1 \\
 0 &  0 &  2
\end{pmatrix},
</math>

ただし {{mvar|M}} は {{mvar|A}} の広義モード行列で，{{mvar|M}} の列は {{mvar|A}} の標準基底で，{{math|1=''AM'' = ''MJ''}} である{{sfn|Bronson|1970|p=208}}．広義固有ベクトル自身は一意ではないから，また {{mvar|M}} と {{mvar|J}} の両方の列のいくつかは交換できるから，{{mvar|M}} と {{mvar|J}} はいずれも一意ではないことが従うことに注意{{sfn|Bronson|1970|p=206}}．

=== 例 6 ===
[[#例 4|例 4]] において，行列 {{mvar|A}} に対する線型独立な広義固有ベクトルの標準基底を求めた．{{mvar|A}} の広義モード行列は

:<math>
M =
\begin{pmatrix} \boldsymbol y_1 & \boldsymbol{x}_1 & \boldsymbol{x}_2 & \boldsymbol{x}_3 \end{pmatrix} =
\begin{pmatrix}
-14 &   2 &  -2 &   0 \\
   4 &   0 &   2 &   0 \\
  -3 &   0 &   0 &   1 \\
   1 &   0 &   0 &   0
\end{pmatrix}</math>

である．{{mvar|A}} に相似なジョルダン標準形の行列は

:<math>J = \begin{pmatrix}
 4 &  0 &  0 &  0 \\
 0 &  5 &  1 &  0 \\
 0 &  0 &  5 &  1 \\
 0 &  0 &  0 &  5
\end{pmatrix}
</math>

であり，{{math|1=''AM'' = ''MJ''}} である．

== 応用 ==

=== 行列関数 ===
{{Main|{{仮リンク|行列関数|en|Matrix function}}}}
[[正方行列]]に実行できる最も基本的な演算の3つは，和とスカラー倍と積である{{sfn|Beauregard|Fraleigh|1973|pp=57–61}}．これらは {{math|''n'' × ''n''}} 行列 {{mvar|A}} の[[多項式]]関数を定義するのにちょうど必要な演算である{{sfn|Bronson|1970|p=104}}．多くの関数が[[マクローリン級数]]として書けることを基本的な[[解析学]]から思い出すと，行列のより一般の関数をきわめて容易に定義できる{{sfn|Bronson|1970|p=105}}．{{mvar|A}} が対角化可能ならば，つまり

:<math> D = M^{-1}AM </math>

で

:<math>
D = 
\begin{pmatrix}
 \lambda_1 & 0 & \cdots & 0 \\
     0 &  \lambda_2 & \cdots & 0 \\
\vdots &     \vdots & \ddots & \vdots \\
     0 &          0 & \cdots & \lambda_n
\end{pmatrix}
</math>

ならば，

:<math>
D^k = 
\begin{pmatrix}
 \lambda_1^k &           0 & \cdots & 0 \\
           0 & \lambda_2^k & \cdots & 0 \\
      \vdots &      \vdots & \ddots & \vdots \\
           0 &           0 & \cdots & \lambda_n^k
\end{pmatrix}
</math>

であり，{{mvar|A}} の関数のマクローリン級数の計算は大きく単純化される{{sfn|Bronson|1970|p=184}}．例えば，{{mvar|A}} の任意の冪 {{mvar|k}} を得るには，{{mvar|D{{sup|k}}}} を計算し，{{mvar|M}} を左から掛け，さらに {{math|''M''{{sup|−1}}}} を右から掛けるだけでよい{{sfn|Bronson|1970|p=185}}．

広義固有ベクトルを用いて，{{mvar|A}} のジョルダン標準形を得ることができ，これらの結果は対角化可能でない行列の関数を計算する直截的手法に一般化できる{{sfn|Bronson|1970|pp=209–218}}．（{{仮リンク|行列関数#ジョルダン分解|en|Matrix function#Jordan decomposition}}を参照．）

=== 微分方程式 ===
{{Main|常微分方程式}}
次の線型常微分方程式系を解く問題を考える：

{{NumBlk|:|<math> \boldsymbol{x}' = A \boldsymbol{x} ,</math>|{{EquationRef|5}}}}

ただし

:<math>
\boldsymbol{x} = 
\begin{pmatrix}
x_1(t) \\
x_2(t) \\
\vdots \\
x_n(t)
\end{pmatrix}, \quad
\boldsymbol{x}' = 
\begin{pmatrix}
x_1'(t) \\
x_2'(t) \\
\vdots \\
x_n'(t)
\end{pmatrix},
</math> {{spaces|4}} および {{spaces|4}} <math> A = (a_{ij}) .</math>

行列 {{mvar|A}} が対角行列で {{math|''i'' &ne; ''j''}} に対して {{math|1=''a{{sub|ij}}'' = 0}} のとき，系 ({{EquationNote|5}}) は次の形の {{mvar|n}} 個の方程式の系に簡約される：

{{NumBlk|:|
<math> x_1' = a_{11} x_1 </math><br>
<math> x_2' = a_{22} x_2 </math><br>
:<math> \vdots </math><br>
<math> x_n' = a_{nn} x_n .</math>
|{{EquationRef|6}}}}

この場合，一般解は次で与えられる：

:<math> x_1 = k_1 e^{a_{11}t} </math>
:<math> x_2 = k_2 e^{a_{22}t} </math>
::<math> \vdots </math>
:<math> x_n = k_n e^{a_{nn}t} .</math>

一般の場合には，{{mvar|A}} を対角化し系 ({{EquationNote|5}}) を ({{EquationNote|6}}) のような系に以下のように簡約しようとする．{{mvar|A}} が対角化可能ならば，{{mvar|M}} を {{mvar|A}} のモード行列として，{{math|1=''D'' = ''M''{{sup|−1}}''AM''}} である．{{math|1=''A'' = ''MDM''{{sup|−1}}}} を代入して，方程式 ({{EquationNote|5}}) は次の形となる：<math> M^{-1} \boldsymbol{x}' = D(M^{-1} \boldsymbol{x}) ,</math> あるいは

{{NumBlk|:|<math> \boldsymbol{y}' = D \boldsymbol{y} ,</math>|{{EquationRef|7}}}}

ただし

{{NumBlk|:|<math> \boldsymbol{x} = M \boldsymbol{y} .</math>|{{EquationRef|8}}}}

({{EquationNote|7}}) の解は

:<math> y_1 = k_1 e^{\lambda_1 t} </math>
:<math> y_2 = k_2 e^{\lambda_2 t} </math>
::<math> \vdots </math>
:<math> y_n = k_n e^{\lambda_n t} .</math>

({{EquationNote|5}}) の解 {{mathbf|''x''}} はすると関係式 ({{EquationNote|8}}) を用いて得られる{{sfn|Beauregard|Fraleigh|1973|pp=274–275}}．

一方，{{mvar|A}} が対角化可能でなければ，{{mvar|M}} を {{mvar|A}} の広義モード行列に選び，{{math|1=''J'' = ''M''{{sup|−1}}''AM''}} を {{mvar|A}} のジョルダン標準形とする．系 {{math|1='''''y'''''&prime; = {{mvar|J'''y'''}}}} は次の形を持つ：

{{NumBlk|:|
<math>
\begin{align}
y_1' & = \lambda_1 y_1 + \epsilon_1 y_2 \\
& \vdots \\
y_{n-1}' & = \lambda_{n-1} y_{n-1} + \epsilon_{n-1} y_n \\
y_n' & = \lambda_n y_n ,
\end{align}
</math>
|{{EquationRef|9}}}}

ただし {{mvar|λ{{sub|i}}}} は {{mvar|J}} の主対角成分にある固有値であり，{{mvar|ε{{sub|i}}}} は {{mvar|J}} の優対角成分にある 1 と 0 である．系 ({{EquationNote|9}}) はしばしば ({{EquationNote|5}}) よりも容易に解かれる．({{EquationNote|9}}) の最後の方程式を {{mvar|y{{sub|n}}}} に対して解いて，<math>y_n = k_n e^{\lambda_n t} </math> を得る．次に {{mvar|y{{sub|n}}}} のこの解を ({{EquationNote|9}}) の最後から二番目の方程式に代入して，{{math|''y''{{sub|''n'' − 1}}}} に対して解く．この手順を続けて，({{EquationNote|9}}) を最後の方程式から最初までやり，{{mathbf|''y''}} に対する全体の系を解く．すると解 {{mathbf|''x''}} は関係式 ({{EquationNote|8}}) を用いて得られる{{sfn|Beauregard|Fraleigh|1973|p=317}}．

==脚注==
{{reflist|30em}}

== 参考文献 ==
* {{ citation | first1 = Howard | last1 = Anton | year = 1987 | isbn = 0-471-84819-0 | title = Elementary Linear Algebra | edition = 5th | publisher = [[John Wiley & Sons|Wiley]] | location = New York }}
*{{Cite book
  | last = Axler
  | first = Sheldon
  | title = Linear Algebra Done Right
  | publisher = Springer
  | year = 1997
  | edition = 2nd
  | isbn = 978-0-387-98258-8}}
* {{ citation | first1 = Raymond A. | last1 = Beauregard | first2 = John B. | last2 = Fraleigh | year = 1973 | isbn = 0-395-14017-X | title = A First Course In Linear Algebra: with Optional Introduction to Groups, Rings, and Fields | publisher = [[Houghton Mifflin Co.]] | location = Boston }}
* {{ citation | first1 = Richard | last1 = Bronson | year = 1970 | lccn = 70097490 | title = Matrix Methods:  An Introduction | publisher = [[Academic Press]] | location = New York }}
* {{ citation | first1 = Richard L. | last1 = Burden | first2 = J. Douglas | last2 = Faires | year = 1993 | isbn = 0-534-93219-3 | title = Numerical Analysis | edition = 5th | publisher = [[Prindle, Weber and Schmidt]] | location = Boston }}
* {{ citation | first1 = Charles G. | last1 = Cullen | title = Matrices and Linear Transformations | location = Reading | publisher = [[Addison-Wesley]] | year = 1966 | lccn = 66021267 }}
* {{ citation | first1 = Joel N. | last1 = Franklin | title = Matrix Theory | location = Englewood Cliffs | publisher = [[Prentice-Hall]] | year = 1968 | lccn = 68016345 }}
* {{ citation | first1 = Gene H. | last1 = Golub | first2 = Charles F. | last2 = Van Loan | year = 1996 | isbn = 0-8018-5414-8 | title = Matrix Computations | edition = 3rd | publisher = [[Johns Hopkins University Press]] | location = Baltimore }}
* {{ citation | first1 = Charlie | last1 = Harper | year = 1976 | isbn = 0-13-487538-9 | title = Introduction to Mathematical Physics | publisher = [[Prentice-Hall]] | location = New Jersey }}
* {{ citation | first1 = I. N. | last1 = Herstein | year = 1964 | isbn = 978-1114541016 | title = Topics In Algebra | publisher = [[Blaisdell Publishing Company]] | location = Waltham }}
* {{ citation | first1 = Erwin | last1 = Kreyszig | year = 1972 | isbn = 0-471-50728-8 | title = Advanced Engineering Mathematics | edition = 3rd | publisher = [[John Wiley & Sons|Wiley]] | location = New York }}
* {{ citation | first1 = Evar D. | last1 = Nering | year = 1970 | title = Linear Algebra and Matrix Theory | edition = 2nd | publisher = [[John Wiley & Sons|Wiley]] | location = New York | lccn = 76091646 }}

== 外部リンク ==
* {{MathWorld|urlname=GeneralizedEigenvector|title=Generalized Eigenvector|author=Stover, Christopher.}}
* {{PlanetMath|urlname=GeneralizedEigenvector|title=generalized eigenvector}}

{{Linear algebra|collapsed}}
{{数学|collapsed}}

{{DEFAULTSORT:こうきこゆうへくとる}}
[[Category:線型代数学]]
[[Category:行列論]]
[[Category:数学に関する記事]]