第 7 章 · 谱定理：全书的高光时刻
什么样的算子能对角化得漂亮？答案：自伴算子（对称/厄米）。谱定理保证：自伴算子有一组由特征向量组成的正交基。这是线性代数的顶点定理之一，量子力学的可观测量、主成分分析、二次型分类都在用它。
自伴算子：对称性的代数定义
实空间中即对称矩阵 $A = A^T$。自伴的关键红利：特征值全实（$\lambda\|v\|^2 = \langle Tv,v\rangle$ 自实）、不同特征值的特征向量自动正交、正交补不变。这些性质让对角化的每一步都"干净"。
谱定理的陈述与证明骨架
$T$ 自伴（有限维）⟹ 存在标准正交基 $e_1,\dots,e_n$ 使
证明思路（归纳）：取模最大的特征值对应的特征向量（自伴保证实特征值存在——用极值论证或多项式论证），其正交补在 $T$ 下不变，归纳到底。正规矩阵（$TT^* = T^*T$）是可正交对角化的充要范围：自伴、酉、反自伴都是特例。
谱定理的三个立即可得品
- 二次型主轴定理：实对称阵的二次型 $\mathbf{x}^TA\mathbf{x} = \sum\lambda_i y_i^2$——正定的判据 $\lambda_i > 0$ 全体；合同规范形由此而来。
- 平方根：正算子 $T$ 有唯一正平方根 $T = S^2$，$S = \sum\sqrt{\lambda_i}\langle\cdot,e_i\rangle e_i$。
- 极分解预告与 SVD 的近亲：$T = (\text{正算子})\times(\text{酉算子})$。
老师的提醒
- 谱定理的适用判据先查 $TT^* = T^*T$：不是任何矩阵都能正交对角化（比如 $\begin{pmatrix}1&1\\0&1\end{pmatrix}$ 不行），不能时退到 Jordan/上三角理论。
- 主观能题的检验习惯：算出正交对角化后，乘回 $Q\Lambda Q^*$ 验证等于原矩阵。
自检
- 自伴算子的特征值为什么必为实数？
- 复述谱定理的归纳证明思路。
- 用谱定理陈述正定矩阵的判据。
更深一层：自伴是"对称性"的代数标准形
自伴算子 $\langle Tu, v\rangle = \langle u, Tv\rangle$ 的本质是：算子不偏不倚——无论你从左边作用还是右边作用，结果一致。这个对称性立刻兑现三笔红利：特征值全实（$\lambda\|v\|^2 = \langle Tv,v\rangle$ 自实——左边实右边实夹出实数）、不同特征值的特征向量正交、正交补不变。三笔红利叠加，谱定理水到渠成：正交特征基存在。"对称 ⟹ 可正交对角化"可以理解为：对称性提供的结构恰好补偿了"特征向量正交化"所需的一切约束。量子力学里可观测量全部取自伴算子，正是因为测量值必须实、不同测量值的态必须可区分（正交）——物理需求与代数特权在这里精确匹配。
正规矩阵 $TT^* = T^*T$ 是可正交对角化的充要范围：自伴（实谱）、酉（谱在单位圆）、反自伴（纯虚谱）都是特例。判别口诀：先查 $TT^*$ 与 $T^*T$ 是否相等——不等则老老实实去 Jordan 理论（第 8 章）报到。
推导细读：谱定理的极值式证明与"三个赠品"
谱定理的归纳证明需要先解决"第一个特征向量从哪来"。对称情形有一个极值论证：$A$ 自伴时 Rayleigh 商 $R(\mathbf{x}) = \frac{\mathbf{x}^TA\mathbf{x}}{\mathbf{x}^T\mathbf{x}}$ 在紧单位球面上取到最大值，且极值点恰是特征向量（拉格朗日乘子语言：约束极值处 $\nabla R \parallel \mathbf{x}$ 给出 $A\mathbf{x} = \lambda\mathbf{x}$）。"最大特征值 = Rayleigh 商最大值"这个极值刻画，比任何代数推导都更能说明对称特征值为何数值上"好算"——它是一个最优化问题，可以直接用迭代法逼近。
谱定理到手的三个立即可用赠品：主轴定理（二次型 $\mathbf{x}^TA\mathbf{x} = \sum\lambda_iy_i^2$，正定性判据 $\lambda_i > 0$）、正平方根（$T = S^2$ 的唯一正解 $S = \sum\sqrt{\lambda_i}\langle\cdot,e_i\rangle e_i$——矩阵函数的起点）、极分解（$T = S\cdot U$，正算子乘酉算子——SVD 的近亲）。三个赠品分别喂饱二次型分类、矩阵方程、奇异值理论。
在真实世界里：谱定理的"工程身份证"
自伴/对称矩阵在工程里的出场率近乎垄断：刚度矩阵（结构）、协方差矩阵（统计）、图拉普拉斯（图学习）、哈密顿量（量子）——全部对称。原因也一致：对称 = 能量泛函的二阶导 = 可靠性。主轴定理的工业面孔：惯性张量对角化（刚体的主轴）、应力张量的主应力（材料力学第一课）、协方差椭圆的定向（PCA）。图拉普拉斯的特征分解支撑谱聚类与图滤波。当你看到"对一个对称矩阵做特征分解"，背后几乎总是主轴/模态/谱三种解读之一——三种解读共享谱定理这一个数学身体。
专题深入：自伴算子的"对称性红利"完整版
自伴算子 $\langle Tu, v\rangle = \langle u, Tv\rangle$ 的三笔红利值得完整展开：特征值全实（$\lambda\|v\|^2 = \langle Tv,v\rangle$ 自实——左边实右边实夹出实数）、不同特征值的特征向量正交、正交补不变。三笔红利叠加，谱定理水到渠成：正交特征基存在。"对称 ⟹ 可正交对角化"可以理解为：对称性提供的结构恰好补偿了"特征向量正交化"所需的一切约束。量子力学里可观测量全部取自伴算子，正是因为测量值必须实、不同测量值的态必须可区分（正交）——物理需求与代数特权在这里精确匹配。
正规矩阵 $TT^* = T^*T$ 是可正交对角化的充要范围：自伴（实谱）、酉（谱在单位圆）、反自伴（纯虚谱）都是特例。**判别口诀：先查 $TT^*$ 与 $T^*T$ 是否相等**——不等则老老实实去 Jordan 理论报到。
数学细节展开：谱定理的极值式证明与"三个赠品"
谱定理的归纳证明需要先解决"第一个特征向量从哪来"：$A$ 自伴时 Rayleigh 商 $R(\mathbf{x}) = \frac{\mathbf{x}^TA\mathbf{x}}{\mathbf{x}^T\mathbf{x}}$ 在紧单位球面上取到最大值，且极值点恰是特征向量（拉格朗日乘子语言：约束极值处 $\nabla R \parallel \mathbf{x}$ 给出 $A\mathbf{x} = \lambda\mathbf{x}$）。"最大特征值 = Rayleigh 商最大值"这个极值刻画，比任何代数推导都更能说明对称特征值为何数值上"好算"——它是一个最优化问题，可以直接用迭代法逼近。
三个赠品：主轴定理（二次型 $\mathbf{x}^TA\mathbf{x} = \sum\lambda_iy_i^2$——正定的判据 $\lambda_i > 0$ 全体）、正平方根（$T = S^2$ 的唯一正解——矩阵函数的起点）、极分解（$T = S\cdot U$，正算子乘酉算子——SVD 的近亲）。
工程案例细节：谱定理的"工程身份证"工程版
自伴/对称矩阵在工程里的出场率近乎垄断：刚度矩阵（结构）、协方差矩阵（统计）、图拉普拉斯（图学习）、哈密顿量（量子）——全部对称。原因一致：对称 = 能量泛函的二阶导 = 可靠性。主轴定理的工业面孔：惯性张量对角化（刚体的主轴）、应力张量的主应力（材料力学第一课）、协方差椭圆的定向（PCA）。当你看到"对一个对称矩阵做特征分解"，背后几乎总是主轴/模态/谱三种解读之一——三种解读共享谱定理这一个数学身体。
例题
用谱定理把对称矩阵 $A = \begin{pmatrix} 2 & 1\\ 1 & 2\end{pmatrix}$ 正交对角化，并写出 $A = Q\Lambda Q^T$。
解答
特征值：$\det(A - \lambda I) = (2-\lambda)^2 - 1 = 0 \Rightarrow \lambda = 1, 3$。
特征向量：$\lambda = 1$：$(1, -1)^T$；$\lambda = 3$：$(1, 1)^T$——自动正交（不同特征值的对称阵特征向量必正交）✓。
归一化：
验证：$Q\Lambda Q^T = \frac12\begin{pmatrix}1&1\\-1&1\end{pmatrix}\begin{pmatrix}1&0\\0&3\end{pmatrix}\begin{pmatrix}1&-1\\1&1\end{pmatrix} = \begin{pmatrix}2&1\\1&2\end{pmatrix}$ ✓
- 自伴（对称）⟹ 实特征值 + 正交特征基，这就是谱定理；二次型 $\mathbf{x}^TA\mathbf{x} = y_1^2 + 3y_2^2 > 0$ 还免费给出正定性。