JordanDecomposition[m] 给出 m 的矩阵分解为 s.j.Inverse[s]：
求 Jordan 分解：
m 等于 s.j.Inverse[s]：
m 特征值是 j 的对角元素：
当且仅当约旦分解的 j 矩阵为对角矩阵，该矩阵可对角化：
如果 m 是对角化的，Jordan 分解实际上和 Eigensystem 相同：
次序是不相同：
特征值是 j 的对角元素：
特征向量是 s 的列元素：
对于可对角化矩阵， JordanDecomposition 将函数应用简化为特征值的应用：
使用对角化计算矩阵指数，仅对对角线项求幂：
使用 MatrixExp 计算矩阵指数：
请注意，这不仅仅是每个项的指数：
对于不可对角化矩阵，约旦分解将函数应用限制在每个广义特征向量链上：
j 矩阵不是对角矩阵，所以 m 不可对角化：
对于 j 在对角线上方有 1 的列，函数应用仅扩展到对角线上方：
验证 ：
对于实对称数值矩阵， 矩阵是正交矩阵：
矩阵为对角实数矩阵：
对于实反对称数值矩阵， 矩阵是酉矩阵：
矩阵是有纯虚对角项的对角矩阵：
对于实酉数值矩阵， 矩阵是酉矩阵：
矩阵为对角矩阵：
对角线项位于单位圆上：
对于正规数值矩阵， 矩阵是酉矩阵：
矩阵为对角矩阵：
正规矩阵 的 SchurDecomposition[n,RealBlockDiagonalFormFalse]：
到这里，结果与约旦分解一致：
t 和 j 矩阵相等：
为验证 q 是否具有特征向量作为列，将每列的第一个条目设置为 1. 可以消除 q 和 s 之间的相位差：