第三章 · 矩阵分解

前两章把矩阵讲成了「线性映射的坐标版」：第一章给空间装上坐标（基、维数、内积），第二章把两个空间连起来（线性映射、矩阵、特征值）。第三章换一个方向——不再问矩阵「表示什么」，而是问矩阵「能拆成什么」。

课件开篇给出的定义与类比只有三行，却把整章的动机说清了：

矩阵分解：把矩阵分解为较为简单或具有某种特性的若干矩阵的乘积或和。 简单类比：$36=4\times9=2^2\times3^2$。 分解的意义：清晰地反映出原矩阵的某些特征，提供有效的理论分析或数值计算依据。

同一个 $36$，写成 $4\times9$ 还是 $2^2\times3^2$，值都不变，但看得见的信息不同——后者一眼看出它是平方数、能被 $2$ 和 $3$ 整除。矩阵分解是同一件事：$A=P^{-1}\Gamma Q$ 把「秩」亮出来，$A=BC$（满秩分解）把「列空间的骨架」亮出来，QR 分解把骨架掰成正交的、把特征值计算变成一台迭代机器，Schur 分解则把「特征值全部摆上对角线」这件事做成人人有份的保底。分解不是化简，是换一副眼镜看同一个对象。

本编依据课程第三章课件整理。已入库四份课件（3.1、3.2、3.4、3.5），对应四节正文；3.3（三角分解）待素材到位后按同样流程补全。

课件章节目录（第三章全貌）

关于编号：本编正文保留课件原编号（3.1：引理 3.1.1、例 3.1.1、定理 3.1.1 的注 1、命题 3.1.1；3.2：定理 3.2.1、注 1–注 3、例 3.2.1、定理 3.2.2、例 3.2.2；3.4：定义 3.4.1、定理 3.4.1、注 1、例 3.4.1–3.4.4、定义 3.4.2、推论 3.4.1；3.5：定理 3.5.1–3.5.5、注 1–注 5、定义 3.5.1–3.5.3、推论 3.5.1–3.5.2、例 3.5.1–3.5.5 及例 3.5.2 续），可与课件逐条对照；本编新增的例题用字母编号（例 3.1.A–例 3.1.D、例 3.2.A、例 3.2.B（新增、例 3.4.A、例 3.4.B（新增、例 3.5.A、例 3.5.B）。

一条主线

第三章的每一节都是一副「眼镜」：3.1 的眼镜叫「相抵」，它把任何矩阵看成同一个标准形 $\Gamma$——于是「秩」成为唯一的不变量；3.2 的眼镜叫「满秩」，它把矩阵看成「列空间的基 $\times$ 坐标」——于是列空间的结构成为可见的骨架；3.4 的眼镜把骨架掰直——左因子换成标准正交基（酉矩阵），坐标表自动变成上三角，而「反复做这个分解」竟把全部特征值挤上对角线；3.5 的眼镜把「对角化」放松成「三角化」——人人有份，且负责换基的矩阵升级为酉矩阵。四副眼镜都由同一个动作造出来：选基（3.1 选让映射变成 $\Gamma$ 的基，3.2 选列空间的基，3.4 用 Gram–Schmidt 把基掰成标准正交，3.5 逐个吃掉特征向量再正交化），而选基的学问正是第一章的主题（1.3）。

分解的两条主线在后续小节继续分岔：相抵 → 三角分解（3.3 待素材）/ QR（3.4）/ Schur（3.5）→ 奇异值分解（把可逆矩阵进一步约束成三角阵或正交阵），满秩 → 广义逆 / 最小二乘（3.2.4 的 $X$ 已预告）。两节新内容反复使用前面铺好的地基：3.5 的酉相似证明用的正是 3.4 的 QR 分解定理，而 3.4 的唯一性证明用的正是「上三角 $+$ 酉 $\Rightarrow$ 对角」这类 2.5 的基本功；3.1 的两个结论（单侧逆判别与秩等式）在 3.4.2 的列正交规范矩阵处再次出场。