Python SciPy linalg.block_diag用法及代码示例

本文简要介绍 python 语言中 scipy.linalg.block_diag 的用法。

用法:

scipy.linalg.block_diag(*arrs)#

从提供的数组创建块对角矩阵。

给定输入 A、B 和 C，输出将这些数组排列在对角线上：

[[A, 0, 0],
 [0, B, 0],
 [0, 0, C]]

参数 ：：

A, B, C, …： 数组，最多二维

输入数组。一维数组或类似数组的长度序列n被视为具有形状的二维数组(1,n).

返回 ：：

D： ndarray

对角线上有 A、B、C、... 的数组。 D 与 A 具有相同的 dtype。

注意：

如果所有输入数组都是方阵，则输出称为块对角矩阵。

空序列(即大小为零的array-likes)将不会被忽略。值得注意的是， [] 和 [[]] 都被视为形状为 (1,0) 的矩阵。

例子：

>>> import numpy as np
>>> from scipy.linalg import block_diag
>>> A = [[1, 0],
...      [0, 1]]
>>> B = [[3, 4, 5],
...      [6, 7, 8]]
>>> C = [[7]]
>>> P = np.zeros((2, 0), dtype='int32')
>>> block_diag(A, B, C)
array([[1, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0],
       [0, 0, 3, 4, 5, 0],
       [0, 0, 6, 7, 8, 0],
       [0, 0, 0, 0, 0, 7]])
>>> block_diag(A, P, B, C)
array([[1, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 3, 4, 5, 0],
       [0, 0, 6, 7, 8, 0],
       [0, 0, 0, 0, 0, 7]])
>>> block_diag(1.0, [2, 3], [[4, 5], [6, 7]])
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  2.,  3.,  0.,  0.],
       [ 0.,  0.,  0.,  4.,  5.],
       [ 0.,  0.,  0.,  6.,  7.]])