进阶 · 18 分钟 · 更新于 2026-05-05
Jordan 块：当方向不够用时，剪切感从哪里来
用二维例子说明“几乎可对角化”的矩阵，以及广义特征向量的几何角色。
一个只有一条特征方向的矩阵
最小的 Jordan 块可以写成 [[lambda, 1], [0, lambda]]。它看起来只比 lambda I 多了一个 1，但这一个 1 带来了剪切。沿第一条基方向，它像普通缩放；沿第二条方向，它不仅缩放，还被推向第一条方向。
这类矩阵提醒我们：重复特征值不一定意味着有足够多的特征向量。代数上有两个位置，几何上却可能只有一条稳定方向。缺失的方向不会凭空消失，而是以“广义特征向量”的形式出现。
在图像上，你会看到网格沿某个方向被持续推开。它不像纯对角矩阵那样各方向独立，而是一个方向影响另一个方向。
广义特征向量在补什么
普通特征向量满足 (A - lambda I)v = 0。广义特征向量 w 则满足 (A - lambda I)w = v，其中 v 是特征向量。也就是说，w 被 A - lambda I 推到真正稳定的方向上。
这听起来抽象，但图像很清楚：缺失的第二个方向无法保持自身方向，只能在变换后朝稳定方向滑动。广义特征向量记录的正是这种滑动关系。
因此 Jordan 块不是失败的对角化，而是对“方向不够”这件事的精确描述。它保留了缩放信息，也保留了剪切信息。
为什么它值得早一点理解
很多教材把 Jordan 标准型放得很后，因为完整理论需要多项式、维数和基变换。但二维直觉可以更早建立。你只需要知道：有些矩阵不能被完全拆成独立方向，它们还带着方向之间的传递。
一旦接受这一点，矩阵指数、微分方程和迭代系统会更自然。Jordan 块反复作用时，除了 lambda 的幂，还会出现随次数增长的线性项；这正是剪切不断累积的结果。
学习 Jordan 块时，不要只盯着标准型的唯一性。先问它在平面上做了什么，再回到代数定义，理解会轻很多。
一句话带走
Jordan 块描述的是“缩放 + 方向间滑动”，它补上了特征向量不足时的几何信息。