两路声音混在一起，哪种模式不变形？#

简化一个双通道混音器：左输出是两倍左输入加右输入，右输出是左输入加两倍右输入，矩阵为 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$。

若左右同时输入同样的信号 $(s,s)$，输出为 $(3s,3s)$：整体只放大 3 倍。若左右反相 $(s,-s)$，输出为 $(s,-s)$：整体不变。

这两个“同相”和“反相”模式没有互相混杂。特征向量就是这种经过机器后仍保持模式的方向，特征值就是放大倍数。一般输入可拆成这两种模式，分别处理再相加。

把任意双声道拆成同相与反相#

输入 $(L,R)$ 可以唯一写成

第一项是两路共同部分，第二项是两路差异。混音器对第一种模式放大 3 倍，对第二种保持不变，因此输出立刻得到，无需每次从头追踪两路互相混合。

例如 $(4,2)=3(1,1)+(1,-1)$，输出为 $9(1,1)+(1,-1)=(10,8)$。直接矩阵乘法也给同一结果。特征分解的用处就在这里：用适合机器的模式重新描述输入。

反复作用时，主要模式怎样出现#

作用 $k$ 次后，同相部分乘 $3^k$，反相部分乘 $1^k$。除非同相分量原来恰好为零，输出会越来越由同相方向主导。

这解释了很多迭代方法为什么寻找主特征向量。但并非任何矩阵都能这样拆成完美独立方向：有的实矩阵没有实特征方向，有的虽然有重特征值，却没有足够独立的特征向量。

亲手看一个对角化失败的机器#

令 $J(x,y)=(x+y,y)$。它把水平轴上的向量保持不变；如果 $y\ne0$，每次都会多加一次 $y$ 到横坐标。迭代 $k$ 次得到 $(x+ky,y)$。

它只有特征值 1，但并非所有输入都保持不变，更不会始终有界。这里有一个随 $k$ 增长的剪切效应，单看特征值列表会漏掉它。这正是 Jordan 结构存在的动机。

为什么对称性带来正交模式#

若 $A=A^T$，先作用机器再比较两个向量，与把机器移到另一个向量上比较，内积结果相同。对两个特征方向，得到 $\lambda\langle u,v\rangle=\mu\langle u,v\rangle$。

当两个倍率不同，唯一可能就是 $\langle u,v\rangle=0$。因此对称机器的不同特征模式不会互相干扰，最后可以用正交基完整描述。这就是实对称谱定理的几何价值。

带你做：总体共同变化与个体差异怎样演化#

使用混音矩阵 $A=\begin{pmatrix}2&1\\1&2\end{pmatrix}$，初始输入 $(1,0)$ 可拆成 $\tfrac12(1,1)+\tfrac12(1,-1)$。做两次后为 $\tfrac92(1,1)+\tfrac12(1,-1)=(5,4)$。

直接算 $A^2=\begin{pmatrix}5&4\\4&5\end{pmatrix}$ 也能核对。做十次，特征方式只需写 $(3^{10}+1)/2,(3^{10}-1)/2$，不必反复展开矩阵乘法。

若初始输入恰是 $(1,-1)$，主特征值 3 的分量为零，反复作用也不会自动长出同相部分。因此“最大特征值最后主导”还需要初始向量在该方向上有非零分量。

这类条件在幂迭代里很重要。理论说某方向可能增长最快，不等于任何起点都会含有它；看清分解系数，才知道具体轨迹会发生什么。

回头整理：定义、工具与练习#