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。
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。