Schur 分解

对角化试图找到一组彼此独立的特征轴，一般矩阵却可能没有足够特征向量，或者特征向量基极度歪斜。Schur 分解退一步：只要求一组正交坐标把矩阵变成上三角。对角线交付全部特征值，上三角非对角部分保留方向之间尚未解耦的作用，而坐标变换始终保持长度与夹角。

这一步退让换来稳定性。Jordan 形要判断某些量究竟是精确零还是极小非零，微小扰动就可能改变块尺寸；Schur 形不试图做这项不连续判决，而是把全部耦合诚实保留在上三角部分。

剪切矩阵

本身已经是复 Schur 形，可以取 $Q=I,T=A$。$Q$ 的第一列 $e_1$ 是特征向量，第二列 $e_2$ 却不是，因为 $A{e}_2=(1,1{)}^{\mathsf{T}}$。这直接反驳“Schur 向量逐列都是特征向量”，也表明上三角 $T$ 并不等于对角矩阵。

实旋转

没有实特征向量，实 Schur 形只能保留这个 $2\times 2$ 块；扩到复数理路复数Complex number形如 a+bi 的数，按坐标规则构成实数域的二次扩张。后才可酉对角化为特征值 $i,-i$。实准上三角块不是算法未完成，而是对共轭复谱的正确实数表示。

近缺陷族

在 $\epsilon =0$ 时有一个二阶 Jordan 块，任意 $\epsilon >0$ 却有两个不同特征值 $1\pm \sqrt{\epsilon }$。Jordan 结构发生跳变，Schur 分解仍通过正交变换给出上三角或准上三角表示。Schur 形也不唯一：特征值可重排，重特征值对应的不变子空间内还可更换正交基。

Jordan 标准形理路Jordan 标准形Jordan canonical form · Jordan normal form在特征多项式分裂时，把有限维算子表示成 Jordan 块直和。精确编码广义特征向量链，适合代数分类与矩阵函数公式；Schur 分解不提供 Jordan 块尺寸，却是一般浮点矩阵的稳定计算目标。二者回答不同问题，不能用“Schur 近似 Jordan”混成一条主线。

QR 特征值算法理路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。先把矩阵化为 Hessenberg 形，再通过隐式移位与 deflation 收敛到 Schur 形。这实现了本页分解的计算接口：返回 $Q,T$，并在浮点中检查相似残差、正交性和块结构；超出迭代预算须报告未收敛。得到 $Q,T$ 后，后续计算可以直接利用三角或块三角结构，而无需构造病态特征向量矩阵。

Sylvester 方程理路Sylvester 方程与谱分离Sylvester equation刻画 AX−XB=C 对所有右端唯一可解的充要条件，并用非正规矩阵说明特征值间距不能代替 sep 敏感性。的谱不交判据说明何时可以逐块求解，Bartels–Stewart 算法理路Bartels–Stewart 矩阵方程算法Bartels–Stewart algorithm用 Schur 变换、从左下开始的块回代及坐标恢复求解矩阵方程，明确实二阶块、缩放输出、执行不变量和立方级成本。给出两侧 Schur 变换、右端变换及块回代的完整执行。Schur–Parlett 算法理路Schur–Parlett 矩阵函数算法Schur–Parlett algorithm从 TF=FT 推导块 Parlett 递推，把接近特征值留在同一块内，以局部函数求值和 Sylvester 方程恢复整个矩阵函数。则先求对角块上的函数，再用 Sylvester 方程恢复跨块耦合；接近特征值需要一起处理，不能直接除以很小的对角差。