On Differentiating Eigenvalues and Eigenvectors
特征值与特征向量的求导AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般矩阵特征值与特征向量的微分理论，未指明因子模型或其他所列应用。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
特征值与特征向量的求导
- 研究问题
- 给定方阵及其归一化特征向量，哪些条件保证附近存在唯一可微的特征值与特征向量函数，其导数如何计算？
- 方法与思路
- 作者围绕特征方程与归一化要求研究局部可微函数的存在和唯一性，并推导特征值及特征向量的导数表达。
- 材料陈述的贡献
- 摘要称，得到特征值的一阶、二阶导数与特征向量的一阶导数，并另外提供特征值一阶导数的两种表达。
- 阅读关注点
- 应核对特征值重数、归一化与复数情形的处理，尤其补全所给摘要中缺失的方程内容，再检查导数公式的适用条件。
- 阅读边界
- 所给 Crossref 摘要部分方程显示不完整，且未列出可微性条件；不能补造归一化公式或判断重特征值情形的结果。
原文摘要
Let X 0 be a square matrix (complex or otherwise) and u 0 a (normalized) eigenvector associated with an eigenvalue λ o of X 0 , so that the triple ( X 0 , u 0 , λ 0 ) satisfies the equations Xu = λ u , . We investigate the conditions under which unique differentiable functions λ( X ) and u ( X ) exist in a neighborhood of X 0 satisfying λ( X 0 ) = λ O , u ( X 0 ) = u 0 , X u = λ u , and . We obtain the first and second derivatives of λ( X ) and the first derivative of u ( X ). Two alternative expressions for the first derivative of λ( X ) are also presented.