导读：谱定理是线性代数的顶峰：自伴（对称）算子必有一组正交特征向量基。Axler 的证明路线（极大正交向量组 + 不变子空间）比行列式路线更能揭示「为什么」。
证明的主干
关键引理：自伴算子的不变子空间的正交补也不变。于是取范数最大的特征向量（存在性由紧性论证），其正交补不变，归纳下降即得正交分解。全程没有行列式。
对比非自伴情形：不变子空间的正交补一般不不变——这就是一般矩阵不能正交对角化的原因，也解释了为什么「接近对称」的矩阵表现良好。
实 vs 复
复空间上正规算子（$TT^*=T^*T$）即可谱分解；实空间需要对称性。旋转矩阵是实矩阵但特征值复——它不是自伴的，正交化注定失败，只能化为 2×2 旋转块（实 Schur 形）。
谱定理的应用清单：二次型的主轴化、PCA（协方差矩阵对称）、应力/应变张量分析、微分方程分离变量——背后全是同一个定理。
谱定理的定量版本
Rayleigh 商 $R(v) = \langle Tv,v\rangle/\|v\|^2$ 在特征向量处取特征值，其极值给出最大/最小特征值（Courant-Fischer）。这是数值方法（幂法、Rayleigh 商迭代）与力学（能量法）的接口。
常见误区
- 对非对称矩阵强求正交特征向量。
- 以为数值上「接近可对角化」没有判据（其实有：Schur 形的非对角范数）。
吃透自检
- 能完整复述谱定理的归纳证明
- 能解释自伴条件在证明中的确切作用
- 能用 Rayleigh 商刻画特征值的极值性质