这篇文章主要为大家详细介绍了如何利用Python实现生成对角矩阵和对角块矩阵，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起了解一下
对角矩阵
scipy中的函数
在scipy.linalg中，通过tri(N, M=None, k=0, dtype=None)可生成N×M对角矩阵，若M=None，则M默认为N。k表示矩阵中用1填充的次对角线个数。
print(tri(3,5,2,dtype=int)) ''' [[1 1 1 0 0] [1 1 1 1 0] [1 1 1 1 1]] '''
在numpy中也提供了多种对角矩阵生成函数，包括diag, diagflat, tri, tril, triu等，
numpy.diagflat
diagflat用于生成对角矩阵，diag在diagflat基础上，添加了提取对角元素的功能，例如
>>> np.diagflat([1,2,3]) array([[1, 0, 0], [0, 2, 0], [0, 0, 3]]) >>> np.diag([1,2,3]) array([[1, 0, 0], [0, 2, 0], [0, 0, 3]]) >>> np.diag(np.ones([3,3])) #提取对角元素 array([1., 1., 1.])
numpy.tri
tri(M,N,k)用于生成M行N列的三角阵，其元素为0或者1，k用于调节0和1的分界线相对于对角线的位置，例如
>>> np.tri(3,5,1) array([[1., 1., 0., 0., 0.], [1., 1., 1., 0., 0.], [1., 1., 1., 1., 0.]]) >>> np.tri(3,5,2) array([[1., 1., 1., 0., 0.], [1., 1., 1., 1., 0.], [1., 1., 1., 1., 1.]]) >>> np.tri(3,5,3) array([[1., 1., 1., 1., 0.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.]])
tril, triu可用于提取出矩阵的左下和右上的三角阵，其输入参数除了待提取矩阵之外，另一个参数与tri中的k相同。
x = np.arange(12).reshape(4,3) >>> np.tril(x,-1) array([[ 0, 0, 0], [ 3, 0, 0], [ 6, 7, 0], [ 9, 10, 11]]) >>> np.triu(x,-1) array([[ 0, 1, 2], [ 3, 4, 5], [ 0, 7, 8], [ 0, 0, 11]])
对角块矩阵
对于scipy.linalg.block_diag(A,B,C)而言，会生成如下形式矩阵
from scipy.linalg import * import numpy as np A = np.ones([2,2]) B = np.round(np.random.rand(3,3),2) C = np.diag([1,2,3]) bd = block_diag(A,B,C) print(bd) ''' [[1. 1. 0. 0. 0. 0. 0. 0. ] [1. 1. 0. 0. 0. 0. 0. 0. ] [0. 0. 0.8 0.38 0.41 0. 0. 0. ] [0. 0. 0.84 0.45 0.24 0. 0. 0. ] [0. 0. 0.32 0.22 0.25 0. 0. 0. ] [0. 0. 0. 0. 0. 1. 0. 0. ] [0. 0. 0. 0. 0. 0. 2. 0. ] [0. 0. 0. 0. 0. 0. 0. 3. ]] '''
其中
到此这篇关于Python实现生成对角矩阵和对角块矩阵的文章就介绍到这了,更多相关Python矩阵内容请搜索0133技术站以前的文章或继续浏览下面的相关文章希望大家以后多多支持0133技术站！
以上就是Python实现生成对角矩阵和对角块矩阵的详细内容，更多请关注0133技术站其它相关文章！
