Jordan 标准形

我们想按"换一组基能否互相变到"给算子分类：对角化是最理想的结局，但剪切一类的算子根本凑不齐足够的特征向量。Jordan 定理的洞见是，失败只以一种最简单的模式发生——链。在每个块对应的链基 $v_1,\dots ,v_k$ 上，$T$ 的行为是 $T{v}_j=\lambda v_j+v_{j-1}$（约定 $v_0=0$）：先做伸缩 $\lambda$，再沿传送带把基向量往前挪一格，挪到头就消失，这正是"对角部分加幂零部分"。整体地写，$T=D+N$，其中 $D$ 可对角化、$N$ 幂零且二者交换，Jordan 形无非把 $N$ 整理成最干净的移位形状。于是标准形像一份病历：所有块都是 $1\times 1$ 当且仅当可对角化；块越长，说明要乘越多次 $(T-\lambda I)$ 才能吞掉该方向上的全部"广义"成分。块与块之间互不干扰，全部复杂性都被关进单个块内——这正是直和分解的意义。

最小的例子：$\left(\begin{array}{cc}2& 1\\ 0& 2\end{array}\right)=J_2(2)$ 本身已是标准形。其特征多项式为 $(x-2{)}^2$，但解 $(T-2I)v=0$ 只得到一维解空间，几何重数 $1$ 小于代数重数 $2$，故不可对角化；极小多项式 $(x-2{)}^2$ 的指数 $2$ 正是最大块尺寸。

不变量的分辨率是一个微妙的边界：特征多项式与极小多项式合在一起也不足以确定 Jordan 形。比较 $J_2(0)\oplus J_2(0)$ 与 $J_2(0)\oplus J_1(0)\oplus J_1(0)$：两者的特征多项式同为 $x^4$、极小多项式同为 $x^2$，但前者秩为 $2$、后者秩为 $1$，故并不相似。一般地要用整族数据 $\mathrm{rank}(T-\lambda I{)}^j$ 才能重构全部块尺寸。还要分清唯一性的层次：块的多重集唯一，Jordan 基本身远不唯一。

分裂假设不可省略：实矩阵 $\left(\begin{array}{cc}0& -1\\ 1& 0\end{array}\right)$ 的特征多项式 $x^2+1$ 在 $\mathbb{R}$ 上不分裂，它没有实 Jordan 形，只能改用 $2\times 2$ 旋转伸缩块的"实 Jordan 形"，或扩域到 $\mathbb{C}$ 后对角化为 $\mathrm{diag}(i,-i)$。

数值计算是另一条核心边界：Jordan 结构对任意小扰动不连续——把 $J_2(0)$ 的左下角零改成 $\epsilon >0$，特征值立刻分裂为 $\pm \sqrt{\epsilon }$，矩阵变得可对角化——所以浮点环境下不应以求 Jordan 形为目标。一般稳定结构由Schur 分解公理库Schur 分解Schur decomposition · Schur triangularization · Real Schur form用酉或正交相似变换把一般矩阵化为上三角或实准上三角形，作为浮点全谱计算的稳定结构目标。承载，特征值则通过QR 算法公理库QR 特征值算法QR algorithm · Shifted QR algorithm · Francis QR algorithm先化 Hessenberg 或三对角形，再用隐式移位 QR、bulge chasing 与 deflation 计算 Schur 形和全部特征值。从 Hessenberg/Schur 路线提取，而不是恢复 Jordan 块。

定理把相似分类问题终结为一份有限数据：块多重集是完全不变量，判断两个复方阵是否相似只需比对它。证明的中间产物同样常用：$V$ 先分解为诸广义特征空间公理库广义特征空间Generalized eigenspace · Root space由某个 $(T-\lambda I)^k$ 消去的全部向量组成的最大特征根空间。的直和，这一步已足以支撑许多论证；从标准形还能一眼读出 Cayley–Hamilton 定理公理库Cayley–Hamilton 定理Cayley–Hamilton theorem每个有限维线性算子都满足自己的特征多项式。，因为特征多项式逐块零化每个 Jordan 块。计算层面，标准形把矩阵函数变成显式公式：对单块 $J=\lambda I+N$，

因此线性常微分方程组公理库线性常微分方程组Linear system of ordinary differential equations形如 x′=A(t)x+b(t) 的向量值一阶线性方程组。的解由 $t^j{e}^{\lambda t}$ 型函数张成，线性递推公理库线性递推Linear recurrence relation当前项由固定数量先前项的线性组合给出。在重根 $\lambda$（重数 $m$）处的通项由 ${\lambda }^n,n{\lambda }^n,\dots ,n^{m-1}{\lambda }^n$ 张成——重特征值带出的多项式因子正对应块的长度。