CLapack sggev求解广义特征值问题：特征向量与MATLAB存在误差疑问

核心原因：特征向量的非唯一性与归一化差异 #

广义特征向量本身不唯一——若(\mathbf{v})是满足(A\mathbf{v} = \lambda B\mathbf{v})的解，则任意非零标量(k)乘(\mathbf{v})依然是解。MATLAB的eig(A,B)和CLAPACK的sggev对特征向量的归一化规则不同，这是导致数值差异的最常见原因：

• MATLAB默认对右特征向量做2-范数归一化（即(|\mathbf{v}|_2 = 1)）；
• CLAPACK的sggev则是将特征向量的某个分量（通常是第一个非零分量）缩放为1，或采用其他平台特定的归一化方式。

你看到的0.01级误差，大概率是两个工具对特征向量的缩放比例不同导致的，而非计算错误。

需要排查的潜在使用问题 #

虽然特征值一致说明整体流程没问题，但仍可检查以下点确认sggev的使用是否正确：

1. 特征向量类型参数：确认JOBVL和JOBVR参数设置正确。若需要与MATLAB默认的右特征向量对比，需将JOBVR设为'V'（表示计算右特征向量），JOBVL可设为'N'（不计算左特征向量）。若误设为左特征向量，结果会和MATLAB的右特征向量完全无关。
2. 矩阵存储顺序：CLAPACK和MATLAB均采用列优先存储，需确保C语言中矩阵A、B的存储方式正确。例如5阶矩阵的第(i)行第(j)列元素（从0开始计数）应存在数组的A[i + j*5]位置，而非行优先的A[j + i*5]。
3. 精度类型匹配：sggev是单精度（float）版本的广义特征值求解器，而MATLAB默认使用双精度（double）计算。若你的C代码用单精度处理数据，而MATLAB用双精度加载同一矩阵，特征向量的计算精度差异可能被放大。可尝试改用CLAPACK的双精度版本dggev，看误差是否显著减小。

验证特征向量正确性的方法 #

要确认sggev的结果是否正确，无需直接和MATLAB的向量数值对比，而是验证其满足广义特征值的定义：

1. 对每个特征值(\lambda = dr[k] + di[k]i)和对应的特征向量(\mathbf{v})（由wr/wi组成），计算残差(A\mathbf{v} - \lambda B\mathbf{v})的2-范数；
2. 若残差接近单精度机器精度（约(10^{-6})），则说明特征向量是正确的，差异仅来自归一化缩放。

另外，可对比MATLAB和CLAPACK对应特征向量的分量比值——若同一特征向量的所有分量比值都接近某个常数（正负均可），则完全可以确认是缩放导致的差异。

内容的提问来源于stack exchange，提问作者euraad