块对角矩阵
贡献者： addis
预备知识 分块矩阵
，矩阵与线性映射
，子空间的直和、补空间
块对角矩阵（block diagonal matrix）一般是指由方形对角块组成的分块方阵，例如
\begin{equation}
\boldsymbol{\mathbf{A}} = \begin{pmatrix}1 & 1 & 0 & 0 & 0 & 0\\ 1 & 1 & 0 & 0 & 0 & 0\\ 0 & 0 & 2 & 0 & 0 & 0\\ 0 & 0 & 0 & 3 & 3 & 3 \\ 0 & 0 & 0 & 3 & 3 & 3\\ 0 & 0 & 0 & 3 & 3 & 3\end{pmatrix}
~.\end{equation}
也就是除了对角线上的方块（包括单个对角元）外，其他矩阵元都为零。我们把对角线上的方块称为
对角块（diagonal block），注意对角块未必要求所有矩阵元都非零。
当我们把该矩阵乘以一个列矢量时，可以把列矢量也进行同样的划分，若对角块的大小依次为 $N_1, N_2, \dots$，那么就把列矢量也划分为相同长度的小段。这样，矩阵和列矢量相乘就相当于依次把第 $i$ 个对角块和列矢量的第 $i$ 小段相乘，每段的乘法相互独立，互不影响。
下面来看如何把块对角矩阵与线性映射联系起来：
定理 1
若 $N$ 维线性空间 $V$ 中有若干 $N_i$ 维子空间 $V_i$（$i=1,\dots,n$），满足
\begin{equation}
V = V_1 \oplus V_2 \oplus \dots \oplus V_n~,
\end{equation}
每个 $V_i$ 的一组基底为 $v_{i,j}$（$j=1,\dots,N_i$）。那么所有的 $v_{i,j}$ 是 $V$ 的一组基底（未必需要是正交归一的）。定义基底的顺序为
\begin{equation}
v_{1,1},\dots, v_{1,N_1}, v_{2,1}, \dots, v_{2,N_2}, \dots~
\end{equation}
此时若线性映射 $A: V\to V$ 在每个 $V_i$ 中都闭合。那么 $A$ 关于这组基底的矩阵就是块对角矩阵，第 $i$ 块的大小为 $N_i\times N_i$。第 $i$ 块对角块就是算符 $A:V_i\to V_i$ 关于基底 $v_{i,j}$（$j=1,\dots,N_i$）的矩阵。
证明留作习题。请试着用式 1 的矩阵作为定理 1 的例子。