第 5 章：特征值与特征向量

为什么从这个问题开始

不先定义行列式，怎样证明复向量空间上的算子必有特征值？ 本页不把矩阵计算当作最终答案，而是先固定域、空间、维数和量词，再区分定义、见证、不变量与坐标表示。Axler 的路线从 v,Tv,... 的线性相关构造多项式关系，再利用复多项式分解得到 T-λI 不可逆，从而出现特征向量，无需先引入行列式。

官方第四版定位

本页依据 Sheldon Axler 官方开放获取 PDF 独立编排中文教学结构。当前核对版本在版权页标注 fourth edition, 13 July 2026, © 2024 Sheldon Axler；作者官网 与 Springer 第四版页面 共同确认 9 章、开放获取与第四版范围。旧版页码、目录和练习编号不能替代本页列出的第四版正式节点。

正式目录逐项映射

• 5A Invariant Subspaces：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Eigenvalues：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Polynomials Applied to Operators：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• 5B The Minimal Polynomial：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Existence of Eigenvalues on Complex Vector Spaces：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Eigenvalues and the Minimal Polynomial：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Eigenvalues on Odd-Dimensional Real Vector Spaces：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• 5C Upper-Triangular Matrices：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• 5D Diagonalizable Operators：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Diagonal Matrices：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Conditions for Diagonalizability：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• Gershgorin Disk Theorem：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。
• 5E Commuting Operators：在“第 5 章：特征值与特征向量”中定位它的定义对象、输入假设、允许使用的定理和坐标无关结论；复核时必须能给出正常见证与删除假设后的边界。

定义、对象与量词

• 不变子空间：满足 T(U)⊆U 的子空间 U。 在本页推导中必须同时写出所属空间与适用前提。
• 特征向量：被 T 仅缩放而不改变方向的非零向量。 在本页推导中必须同时写出所属空间与适用前提。
• 最小多项式：消去 T 的最低次数首一多项式。 在本页推导中必须同时写出所属空间与适用前提。
• 上三角化：选择一组基使 T 的矩阵为上三角。 在本页推导中必须同时写出所属空间与适用前提。
• 可对角化：存在一组完全由特征向量组成的基。 在本页推导中必须同时写出所属空间与适用前提。

必须先声明以下假设：

• V 非零且有限维
• 存在性定理的标量域是 C
• 特征向量 v 明确要求非零
• 最小多项式按首一且最低次数定义

核心定理与证明入口

本页主张： 非零有限维复向量空间上的每个算子都有特征值；最小多项式分裂可控制上三角化与可对角化。

这条主张的验收不是背公式。复核者要能从同一对象重建下列证明骨架，并在每一步指出使用了哪条定义或已有定理：

1. 声明对象：V 非零且有限维 依据是：先冻结“第 5 章：特征值与特征向量”的域、空间与量词，避免证明中途换题。
2. 展开定义：不变子空间与特征向量按定义进入推导 依据是：只使用“第 5 章：特征值与特征向量”正文已声明的定义，不把待证结论当引理。
3. 构造见证：对上三角矩阵 [[2,1],[0,3]]，对角元给出特征值 2、3，最小多项式 (x-2)(x-3) 无重根，因此可对角化。 依据是：非平凡对象让“非零有限维复向量空间上的每个算子都有特征值；最小多项式分裂可控制上三角化与可对角化。”中的结构可以逐步检查。
4. 保持不变量：特征值、最小多项式和可对角化性不随换基改变。 依据是：每一步都核对“第 5 章：特征值与特征向量”真正不随选择改变的量。
5. 封闭结论：非零有限维复向量空间上的每个算子都有特征值；最小多项式分裂可控制上三角化与可对角化。 依据是：结论只覆盖四条假设允许的范围，并与“实平面旋转 90° 的算子没有实特征值；把 C 上的存在性定理直接搬到 R 会失败。”区分。

正常例：把抽象结构落到一个对象

对上三角矩阵 [[2,1],[0,3]]，对角元给出特征值 2、3，最小多项式 (x-2)(x-3) 无重根，因此可对角化。 这个例子必须保存输入基、所属空间、关键中间对象和“特征值、最小多项式和可对角化性不随换基改变。”的检查结果。比较对角矩阵与二阶 Jordan 块：它们可有相同唯一特征值，但最小多项式是否含重因子决定是否可对角化。

反例与适用边界

实平面旋转 90° 的算子没有实特征值；把 C 上的存在性定理直接搬到 R 会失败。 反例只删除一条假设，其余对象保持不变；这样才能定位结论首次失效的位置，而不是换一道完全不同的题。

最小可重放记录

page: 03-spectral-inner/lad4-eigenvalues-eigenvectors
theorem: 非零有限维复向量空间上的每个算子都有特征值；最小多项式分裂可控制上三角化与可对角化。
normal_object: 对上三角矩阵 [[2,1],[0,3]]，对角元给出特征值 2、3，最小多项式 (x-2)(x-3) 无重根，因此可对角化。
removed_hypothesis: V 非零且有限维
boundary_object: 实平面旋转 90° 的算子没有实特征值；把 C 上的存在性定理直接搬到 R 会失败。
invariant: 特征值、最小多项式和可对角化性不随换基改变。
artifact: 不变子空间、p(T)v 依赖关系、最小多项式分解与特征向量见证。

代码、数值或图形只能验证具体对象，不能替代全称证明。“第 5 章：特征值与特征向量”的交付物至少包含 不变子空间、p(T)v 依赖关系、最小多项式分解与特征向量见证。；若换基后结论变化，必须先区分是坐标变化还是结构真的变化。

练习与答案

本章回顾

非零有限维复向量空间上的每个算子都有特征值；最小多项式分裂可控制上三角化与可对角化。 本页掌握标准是：会声明假设、会构造正常见证、会逐步说明理由、会删除一条假设制造反例，并能解释“特征值、最小多项式和可对角化性不随换基改变。”为什么不依赖偶然坐标。