No sé nada sobre este tipo de problema y estoy trabajando fuera de mi alcance. Un experto puede dar una mejor solución.
Reescribe el sistema como
[matemáticas] A x + B y = \ lambda x [/ matemáticas],
[matemáticas] B ^ \ top x + (D – \ mu I) y = 0 [/ matemáticas].
Elija [math] \ mu \ in \ mathbb {R} [/ math] no un valor propio de D, y tome
- ¿Qué son los jacobianos, los hessianos, los wronskianos y los laplacianos?
- ¿Cuáles son las aplicaciones del álgebra lineal en el aprendizaje automático?
- ¿Existen otras descomposiciones matriciales que no sean SVD que encuentran el mínimo global de algún error de reconstrucción?
- ¿Cuáles son algunas técnicas efectivas de factorización matricial y sus casos de uso?
- Álgebra lineal: ¿cómo puedo encontrar una ecuación de verificación de paridad?
[matemáticas] y = – (D – \ mu I) ^ {- 1} B ^ \ top x [/ matemáticas].
Sustituyendo esto en la primera ecuación,
[matemática] \ izquierda [A – B (D – \ mu I) ^ {- 1} B ^ \ arriba \ derecha] x = \ lambda x [/ matemática].
Esto es bastante fácil de resolver: solo estamos encontrando valores propios de una matriz. Esto debería dar todas las soluciones para las cuales [math] \ mu [/ math] no es un valor propio de D. Tenga en cuenta que los valores propios de una matriz dependen continuamente de sus entradas, por lo que [math] \ lambda [/ math] debería depender continuamente en [math] \ mu [/ math]. Podría valer la pena intentar trazar esta dependencia en algunos casos de baja dimensión.
De todos modos, el resultado es que hay MUCHO más de estas cosas de “valor propio acoplado” que valores propios: una matriz nxn tiene como máximo n valores propios, mientras que hay innumerables de estos dispositivos.