Schur 三角化：每个复算子都有旗

对角不可能时退而求三角

对角化需要特征基，并可能失败。可三角化性要求更少：一组使 T 成上三角的基。在复数域上这总能成功，因为特征多项式总有根，所以 T 总有至少一个特征向量来开启构造。

上三角在不变子空间的语言里有干净的含义。T 在基 (b_1, ……, b_n) 下是上三角，当且仅当每个起始段 span{b_1, ……, b_k} 都是不变子空间。三角化无非就是构造一座嵌套的不变子空间塔。

旗：嵌套的不变子空间塔

旗是一条链 {0} = V_0 ⊂ V_1 ⊂ …… ⊂ V_n = V，且 dim V_k = k。当每个 V_k 都 T-不变时，称其为 T-不变旗。三角化的全部内容就是：每个复算子都容许一面 T-不变旗，你甚至可以选得使相邻基向量两两正交且单位化。

找出 T 的一个特征向量 v_1（在 C 上有保证）；令 V_1 = span{v_1}，不变。
转到商空间 V / V_1；那里诱导的算子也有特征向量，提升回来把 V_1 扩成不变的 V_2。
重复，每次把不变子空间增长一维，直到到达 V_n = V。
用 Gram-Schmidt 把所得的基正交单位化，得到酉版本——即 Schur 形。

Schur decomposition:  for any complex matrix A there is a
UNITARY U (U* U = I) and an UPPER-TRIANGULAR matrix R with

        A = U R U*        ( U* = conjugate transpose of U )

        R = [ l1  *   *  ;
              0   l2  *  ;
              0   0   l3 ]

The diagonal entries l1, l2, l3 are exactly the eigenvalues of A
(counted with multiplicity). The columns of U are an orthonormal
basis realizing a T-invariant flag:  span{u1} subset span{u1,u2} ...

Schur 分解：酉相似于上三角，特征值列于对角线上。

读出谱

一旦有了 Schur 分解 A = U R U*，特征值就只是 R 的对角线。酉的 U 意味着基变换数值稳定——无需求逆病态矩阵——这正是为什么真实的特征值算法实际计算的是 Schur 形而非 Jordan 形。

回报：从单个算子到可交换族

旗的思想可以漂亮地推广。若多个算子可交换，它们在每一级都共享一个公共不变子空间，于是它们能够在同一组基下被同时化为上三角。这就是同时三角化，它是李理论的线性代数骨架。

退一步，纵观整条轨道的弧线。我们从单条特征直线出发，把它推广为不变子空间，发现补可能失效，用广义特征向量与准素分解修补缺口，最终到达一条普适的结构定理：在 C 上每个算子都可三角化，每个可交换族都能一起三角化，而对角线总是向你展示谱。即便一个算子拒绝对角，分块三角形式也能驯服它——这正是从原始特征理论通往前方标准形的桥梁。