第 5 章 · 特征值与不变子空间：上三角化的引擎

任何一个方阵，能不能找到一组基让它变成上三角？答案：在复数域上总能。这一章讲的就是这件事的证明机器：特征值与不变子空间。它是全书技术上最漂亮的一段推理。

特征值：方向不被掰弯的向量

特征向量是"被映射只做伸缩"的方向；特征多项式 $p(z) = \det(zI - T)$ 的根是特征值（复数域上必有根 ⟹ 复方阵必有特征值——代数基本定理在这里进场）。实方阵可能没有实特征值（旋转 90°），这是复数域在本书被偏爱的原因。

上三角化的存在性证明（本书成名之处）

对维数归纳：复方阵 $T$ 有特征值 $\lambda$ 与特征向量 $v$；把 $v$ 扩充成基，$T$ 在该基下的矩阵呈块状（第一列为 $(\lambda, 0,\dots,0)^T$）；对商空间/正交补归纳，逐步把矩阵化成上三角。结论：复向量空间上的任何算子都有上三角矩阵表示。上三角矩阵的特征值就是对角线元素——特征值的全部信息在三角化后一目了然。

不变子空间：分解的合法性

子空间 $U$ 满足 $TU \subseteq U$ 则叫不变子空间。特征向量张成的一维空间是不变的；上三角化 = 找到一串嵌套的不变子空间（维数 $1,2,\dots,n$）。对角化是上三角的特例：$T$ 有 $n$ 个线性无关特征向量 ⟺ 可对角化（不同特征值的特征向量自动线性无关——必背小定理）。

特征多项式与 Cayley-Hamilton

上三角表示下易证：$p(T) = 0$（Cayley-Hamilton）——矩阵被自己的特征多项式"零化"。这给了"把 $T$ 的高次幂化成低次组合"的工具。

老师的提醒

• 可对角化的判别：$n$ 阶矩阵有 $n$ 个互异特征值必可对角化（充分不必要）；有重根时逐个检查几何重数 = 代数重数。
• 实矩阵在实数域讨论时，复特征值成对出现 $a\pm bi$——处理旋转、振荡问题的常规背景。

自检

• 为什么复数域上任何方阵都有特征值？
• 复述上三角化的归纳证明思路。
• 可对角化的充要条件是什么？

更深一层：不变子空间链是"地图的图例"

上三角化定理的文字表述是"存在基使矩阵上三角"，它的几何翻译更深刻：存在一串逐维递增的不变子空间链 $0 = V_0 \subset V_1 \subset \dots \subset V_n = V$（$\dim V_k = k$，每个 $T V_k \subseteq V_k$）。上三角矩阵就是对这条链的坐标化——第 $k$ 个基向量恰好添在链的 $k$ 层。特征值 = 链的第一层（一维不变子空间 = 特征向量张成）。这个"链视角"解释了上三角矩阵的性质为什么那么好：特征值就是对角元（商空间的诱导映射的特征值逐层累加）、行列式就是对角元之积。Jordan 形（第 8 章）只是把"链"细化成"分支树"——不变子空间视角贯穿非对角化理论的始终。

复数域的必要性也在此图景下清晰：复域上特征值必然存在（代数基本定理）⟹ 链的第一层必有 ⟹ 归纳启动。实域上特征值可能不存在 ⟹ 链断在第一层 ⟹ 只能退而求其次（二维不变块 = 旋转平面）——实矩阵的复特征值成对现象，本质是"一维不变子空间不存在时，最小的不变子空间是二维"。

推导细读：特征多项式的"无行列式"推导

Axler 的招牌是绕开行列式定义特征多项式。上三角化后 $p(z) = \prod(z - \lambda_i)$（对角元之积），而 $p(T) = 0$ 的证明用"特征值配对消去"：对每个 $v_j$（链的增量向量），$v_j$ 的像落在 $V_{j-1}$ 里被 $(T - \lambda_j)$ 消掉一半……逐层配对后全体向量被消光 ⟹ $p(T) = 0$（Cayley-Hamilton）。这个证明的价值不在结论（行列式路线也能到），而在证明的姿态：只使用不变子空间与线性无关的代数，不引入任何"逐元素计算"——这正是"结构优先、计算垫后"的 Axler 哲学。工程人可以各取所需：算特征值用数值算法（QR），理解结构用不变子空间——两条路通向同一个定理。

在真实世界里：可对角化的"实用判据手册"

理论判据（$n$ 个无关特征向量）在工程里翻译成三个快速检查：互异特征值 → 必可对角化（最常用的充分条件）；实对称/厄米 → 谱定理保底（第 7 章必可正交对角化）；重根出现 → 逐特征值查 $\dim\text{null}(A - \lambda I)$ 是否等于代数重数。不可对角化时的实用后果集中在微分方程：$\dot{\mathbf{x}} = A\mathbf{x}$ 的解出现 $t^ke^{\lambda t}$ 项（重根的 Jordan 链产物）——共振放大、临界阻尼的临界行为，全是 Jordan 块的物理显形。"能不能对角化"不是一个代数洁癖问题，它决定系统的解是纯指数还是带多项式增长。

专题深入：不变子空间链是"地图的图例"展开

上三角化定理的几何翻译值得展开：存在一串逐维递增的不变子空间链 $0 = V_0 \subset V_1 \subset \dots \subset V_n = V$（$\dim V_k = k$，每个 $T V_k \subseteq V_k$）。上三角矩阵就是对这条链的坐标化——第 $k$ 个基向量恰好添在链的 $k$ 层。特征值 = 链的第一层（一维不变子空间 = 特征向量张成）。这个"链视角"解释了上三角矩阵的性质为什么那么好：特征值就是对角元（商空间的诱导映射的特征值逐层累加）、行列式就是对角元之积。Jordan 形只是把"链"细化成"分支树"——不变子空间视角贯穿非对角化理论的始终。

复数域的必要性在此图景下清晰：复域上特征值必然存在（代数基本定理）⟹ 链的第一层必有 ⟹ 归纳启动。实域上特征值可能不存在 ⟹ 链断在第一层 ⟹ 只能退而求其次（二维不变块 = 旋转平面）——实矩阵的复特征值成对现象，本质是"一维不变子空间不存在时，最小的不变子空间是二维"。

数学细节展开：Axler 的"无行列式"推导哲学

Axler 的招牌是绕开行列式定义特征多项式：上三角化后 $p(z) = \prod(z - \lambda_i)$，而 $p(T) = 0$ 的证明用"特征值配对消去"。这个证明的价值不在结论（行列式路线也能到），而在证明的姿态：只使用不变子空间与线性无关的代数，不引入任何"逐元素计算"——这正是"结构优先、计算垫后"的 Axler 哲学。工程人可以各取所需：算特征值用数值算法（QR），理解结构用不变子空间——两条路通向同一个定理。

工程案例细节：可对角化的"实用判据手册"工程版

理论判据（$n$ 个无关特征向量）在工程里翻译成三个快速检查：互异特征值 → 必可对角化（最常用的充分条件）；实对称/厄米 → 谱定理保底（必可正交对角化）；重根出现 → 逐特征值查 $\dim\text{null}(A - \lambda I)$ 是否等于代数重数。不可对角化时的实用后果集中在微分方程：$\dot{\mathbf{x}} = A\mathbf{x}$ 的解出现 $t^ke^{\lambda t}$ 项（重根的 Jordan 链产物）——共振放大、临界阻尼的临界行为，全是 Jordan 块的物理显形。