基于scipy.sparse的三对角分块矩阵
是一种稀疏矩阵的表示方法，它在计算机科学和数学领域中被广泛应用。下面是对该概念的完善和全面的答案：
概念：
基于scipy.sparse的三对角分块矩阵是一种特殊的稀疏矩阵，它由多个三对角矩阵组成，每个三对角矩阵称为一个分块。这种矩阵结构在某些科学和工程问题中具有重要的数学性质和计算效率。
分类：
基于scipy.sparse的三对角分块矩阵可以根据分块的数量和大小进行分类。常见的分类包括单一分块、多个相同大小的分块和多个不同大小的分块。
优势：
- 节省存储空间：由于稀疏性质，基于scipy.sparse的三对角分块矩阵可以有效地压缩存储空间，节省内存消耗。
- 提高计算效率：基于scipy.sparse的三对角分块矩阵可以利用矩阵的特殊结构，通过优化算法和数据结构来提高计算效率。
- 适用于大规模问题：由于稀疏性质和计算效率的提升，基于scipy.sparse的三对角分块矩阵特别适用于解决大规模科学和工程问题。
应用场景：
基于scipy.sparse的三对角分块矩阵在很多领域都有广泛的应用，包括但不限于：
- 数值计算：在数值计算中，三对角分块矩阵可以用于求解线性方程组、计算特征值和特征向量等。
- 有限元方法：在有限元方法中，三对角分块矩阵可以用于描述和求解复杂的物理问题，如结构力学、流体力学等。
- 信号处理：在信号处理中，三对角分块矩阵可以用于滤波、降噪、图像处理等。
- 优化问题：在优化问题中，三对角分块矩阵可以用于描述和求解约束条件，如线性规划、非线性规划等。
推荐的腾讯云相关产品和产品介绍链接地址：
腾讯云提供了一系列云计算相关产品，以下是一些与基于scipy.sparse的三对角分块矩阵相关的推荐产品和链接地址：
- 云服务器（Elastic Cloud Server，ECS）：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（TencentDB for MySQL）：https://cloud.tencent.com/product/cdb_mysql
- 人工智能机器学习平台（AI Machine Learning Platform）：https://cloud.tencent.com/product/tiia
- 云存储（Cloud Object Storage，COS）：https://cloud.tencent.com/product/cos
- 云原生应用引擎（Tencent Cloud Native Application Engine）：https://cloud.tencent.com/product/tcnae
以上是对基于scipy.sparse的三对角分块矩阵的完善且全面的答案，希望能够满足您的需求。
相关·内容
1回答
我有一个带有矩阵的文件:假设matrix.dat和我想从其中提取对角线、次对角线和上对角线，来创建一个新的三对角矩阵M。我知道使用numpy可以得到对角线，但是有什么方法可以提取次对角线或上对角线的数据。
浏览 1提问于2018-06-05得票数 0
回答已采纳
1回答
枕稀疏矩阵的回归对角元
、、、、
给定一个scipy.sparse.csr.csr_matrix，是否有一种快速的方法返回对角线上的元素？
我想这样做的原因是为了计算inv(D) A，其中D是一个对角线矩阵，其对角线条目与A一致(A是我的稀疏矩阵，保证对角线上有非零)。
浏览 7提问于2016-08-21得票数 2
回答已采纳
2回答
我有一个由NxN代码计算的对称三对角矩阵，我想对它进行对角化。
在特定的情况下，我要处理的是N = 6000，但是矩阵可以变得更大。由于它是稀疏的，所以我认为对角化的最好方法是使用算法scipy.sparse.linalg.eigsh()，它在我所使用的其他稀疏和对称矩阵(虽然不是三对角矩阵)中表现非常好。特别是，由于我只需要频谱的低空部分，所以我在函数中指定了k=2和which='SM'。
但是，在这种情况下，该算法似乎不起作用，因为经过大约20分钟的计算，我得到以下错误：
ArpackNoConvergence: ARPACK误差-1:无收敛(60001次迭代，0/2特征
浏览 1提问于2017-09-21得票数 3
回答已采纳
我已经开始使用numpy和接口UMFPACK的pysparse包，但是numpy的浮点结果有一个问题。顺便说一下，这是一个结构问题的lanczos特征值求解器。
当我在MATLAB中做同样的运算时，我得到了不同的结果，结果在1e-6,1e-8的数量级上，用MATLAB的表示，我得到了正确的特征值。NumPy和PySparse的结果也不是很远，至少在阶数上是这样，然而，使用它们来创建一个三对角矩阵，在该矩阵上寻找特征值是问题的根源。我不能理解哪里出了问题，问题出在浮点表示上，但是如果可能的话，如何解决这个问题呢？我尝试使用'Float64‘作为我的数据类型，但这并没有改变问题的结果。比如
浏览 0提问于2011-05-31得票数 4
我正在实现的模型有一组参数a1，...，aH，它们对应于对以前的输出进行加权。它是通过乘以一个看起来像这样的矩阵来实现的： a1 0 0 0 0 ...
a2 a1 0 0 0 ...
a3 a2 a1 0 0 ...
: : : : : 在当前的实现中，a被保存在具有H个条目的一维nn.parameter.Parameter中，在每次前向传递期间从H个条目构造矩阵。矩阵的梯度通过自动梯度自动传播到参数。 然而，这需要在每次前向传递时重新构造矩阵。有没有一种方法可以让矩阵本身成为参数，但将权重沿着主对角线和下对角线联系起来，这样它就等同于从参数向量构造它？
浏览 18提问于2019-02-01得票数 0
我正在研究一个算法，它使用一个大的(将是e06 x e06)块对角稀疏矩阵的对角和第一个非对角块。
现在，我创建了一个dict，它以这样一种方式存储块，这样我就可以像时尚一样访问矩阵中的块。例如，B给出了矩阵A的第一个块(20x20)，假设5x5个块，并且矩阵A属于sparse.lil类型。
这很好用，但是运行的时间太长了。它的效率很低，因为它复制了数据，正如下面的引用所揭示的那样：
有没有办法在字典中只存储稀疏矩阵上的视图？我希望更改内容，但仍然可以使用相同的标识符。如果需要更长一点的时间也没关系，因为它应该只做一次。这些积木将有许多不同的尺寸和形状。
浏览 1提问于2011-06-04得票数 5
回答已采纳
1回答
假设我有一个scipy.sparse格式的稀疏矩阵。如何提取除主对角线以外的对角线？对于numpy数组，可以使用numpy.diag。有枕骨稀疏的等价物吗？
例如：
from scipy import sparse
A = sparse.diags(ones(5),1)
我如何在不转换成numpy数组的情况下返回它们的向量？
浏览 1提问于2013-08-07得票数 2
回答已采纳
我有一个大维数的稀疏矩阵，我想取每一行元素的和，i，并用结果填充对角线。我该怎么做？
我的粗野方法：
A = np.sum(A, axis=1)
D = np.diag(A)
我该如何用枕木来处理这个问题？
编辑:我正在使用scipy.sparse并将A初始化为csr_matrix。我读过医生的书，但也许我读错了，或者遗漏了什么。对于sparse.diags(D)，我只是得到了一个列数组，即当我试图将稀疏矩阵转化为np.array时，它没有给出对角矩阵。
浏览 3提问于2021-05-08得票数 0
回答已采纳
1回答
我有一个稀疏矩阵A，我如何有效地创建一个更大的稀疏矩阵，作为A作为对角线块？
例如，对于n = 2，我将得到矩阵
A, 0*A
0*A, A
例如，让我们说
from scipy.sparse import kron as spkron
from scipy.sparse import hstack, vstack
import numpy as np
A_dense = np.arange(9).reshape(3, 3)
A = spkron(A_dense, 2)
n = 2
我将如何非常轻松地完成这一任务，就是迭代地添加所有元素，然后将每一行叠加起来，然后叠加到最后的矩阵中：
zero
浏览 9提问于2022-01-30得票数 0
我希望矩阵A的对角线项是实数c>1的幂，这样a_ii=c^(i+1)，也就是当我们经过对角线时，从小到大的幂。
我的矩阵是10x10平方矩阵。
from scipy.sparse import lil_matrix
A = lil_matrix((10, 10))
我考虑过使用函数A.setdiag，但不知道如何引入对i的依赖关系。
浏览 1提问于2015-10-26得票数 1
回答已采纳
2回答
元组中的稀疏数组
、、、、
我在网上找了一本西西稀疏矩阵的指南，结果失败了。如果有人愿意与我分享任何消息来源，我会很高兴的，但现在我要提出疑问：
我有一组元组。我希望将元组数组更改为稀疏矩阵，其中元组出现在主对角线和对角线上，就像下面的示例所示。做这件事的花哨(有效)方法是什么？
import numpy as np
A=np.asarray([[1,2],[3,4],[5,6],[7,8]])
B=np.zeros((A.shape[0],A.shape[0]+1))
for i in range(A.shape[0]):
B[i,i]=A[i,0]
B[i,i+1]=A[i,1]
print B
产出
浏览 4提问于2013-11-21得票数 4
回答已采纳
9回答
我想创建一个从三个numpy.ndarray开始的块三对角矩阵。在python中有什么(直接)方法可以做到这一点吗？
提前谢谢你！
干杯
浏览 2提问于2011-04-30得票数 17
我想对Ax=b使用乔列斯基方法，我的A矩阵是一个5对角矩阵，在对角线上有形式为'3*I + B‘的子矩阵的方程式。B是另一个变量的子矩阵，I是单位矩阵。我想把这个方程式从子矩阵放到A矩阵中，比如：
A=[[3*I + B, 0, 0 ,0],[0, 3*I + B , 0, 0],[0, 0, 3*I + B, 0],[0, 0, 0,3*I + B]]
浏览 0提问于2018-02-25得票数 2
1回答
我想将稀疏矩阵(在Python中)的对角线元素设置为1，当行元素的和等于0时。换句话说，当sum_j A_ij = 0时，我想设置A_ii =1。由于我的矩阵非常大，有没有人知道如何在不迭代行的情况下做到这一点？
提前谢谢你，贝斯特
浏览 0提问于2018-10-15得票数 0
我有几个矩阵，假设是[M1,M2,M3,M4]。每个矩阵都有不同的形状。我如何将这些矩阵组成一个对角的大矩阵，如：
[[M1, 0, 0, 0]
[0, M2, 0, 0]
[0, 0, M2, 0]
[0, 0, 0, M2]]
示例：
M1 = [[1,2],[2,1]]
M2 = [[1,2]]
M3 = [[3]]
M4 = [[3,4,5],[4,5,6]]
要组成这个大矩阵：
[[1, 2, 0, 0, 0, 0, 0]
[2, 1, 0, 0, 0, 0, 0]
[0, 0, 1, 2, 0, 0, 0]
[0, 0, 0, 0, 3, 4, 5]
[0, 0,
浏览 0提问于2019-11-18得票数 2
4回答
我有一个A*x = B形式的方程组，其中[A]是一个三对角系数矩阵。利用Numpy求解器numpy.linalg.solve，我可以求解x的方程组。
参见下面关于我如何开发三对角线[A] martix的示例。{B}向量，并求解x
# Solve system of equations with a tridiagonal coefficient matrix
# uses numpy.linalg.solve
# use Python 3 print function
from __future__ import print_function
from __future__ import d
浏览 13提问于2014-04-16得票数 5
回答已采纳
1回答
python中稀疏矩阵的并行汇编
、、、、
我正在尝试使用mpi4py并行组装一个非常大的稀疏矩阵。每个秩产生一个稀疏子矩阵(以scipy的dok格式)，需要将其放在非常大的矩阵中。到目前为止，如果每个秩都生成一个numpy数组，其中包含非零值的索引和值(模仿coo格式)，那么我就成功了。在聚集过程之后，我可以从numpy数组中组装出大的矩阵。最终矩阵将以mtx格式文件的形式写入磁盘。
收集稀疏子矩阵的最有效方法是什么？也许，直接将它们作为参数传递给gather()？但是怎么做呢？
这是我所做的一个简化的例子:它从对角子矩阵中组合出一个大的对角矩阵，在实际情况下，得到的大矩阵的大小通常是500000x500000，而不是对角线。
fro
浏览 7提问于2017-02-08得票数 0
4回答
我想要创建一个相关矩阵给定的相关向量，这是相关矩阵的上(或下)三角矩阵。
目标是转换这个向量
在对角线上有1s的相关矩阵。
你知道是否有一种方法来创建一个矩阵，给定对角上方的三角形，并将对角线设置为1？
浏览 1提问于2013-09-03得票数 7
回答已采纳
1回答
我看了过去关于三对角线的问题，但似乎没有人遇到我遇到的问题。我试图用scipy.sparse.spdiags来构造非均匀泊松方程的三对角刚度矩阵，但结果似乎没有收到矩阵。
def Poisson_Stiffness(x0):
N = len(x0) - 1 #THE AMOUNT OF ELEMENTS (NOT THE AMOUNT OF POINTS) x0, x1, ... , x_N
h = np.zeros(N)
a = np.zeros(N+1)
b = np.zeros(N)
for i in range(N):
h[i] = x0[i+1] - x0[i] #Le
浏览 1提问于2015-06-25得票数 2
回答已采纳
2回答
我想得到一个100x100的矩阵，如下所示： [-2,1,0,0]
[1,-2,1,0]
[0,1,-2,1]
[0,0,1,-2] 我从创建对角线开始： import numpy as np
diagonal= (100)
diagonal= np.full(diagonal, -2)
A100 = (100,100)
A100 = np.zeros(A100)
np.fill_diagonal(A100, diagonal) 现在我试着改变偏移量： off1=(99)
off1=np.ones(off1)
off1=np.diagonal(A100, offset=1) 但这并不管用。谢
浏览 9提问于2020-12-03得票数 0
回答已采纳
假设有两个稀疏矩阵：
> A, A.shape = (n,m)
> B, B.shape = (m,n)
我想计算点积A*B，但只保留对角线。矩阵很大，实际上我不想计算对角线上的其他值。
这是问题的一个变体
最相关的答案似乎是使用np.einsum
np.einsum('ij,ji->i', A, B)
然而，这是行不通的：
ValueError: einstein sum subscripts string contains too many subscripts for operand 0
解决方案是使用todense()，但它大大增加了内存使用量：np.
浏览 13提问于2022-01-26得票数 2
2回答
我读过，但我无法创建一个(N ^2xN^2)-矩阵A，在对角线上有( N) -矩阵I，对角线上有T。我试过这个
def prep_matrix(N):
I_N = np.identity(N)
NV = zeros(N*N - 1)
# now I want NV[0]=NV[1]=...=NV[N-1]:=I_N
但我不知道如何用矩阵填充NV。我能做什么?我发现了很多关于如何用标量来创建三对角矩阵，而不是用矩阵块。
浏览 1提问于2015-03-18得票数 1
回答已采纳
3回答
我试着做一个100 x 100的三对角线矩阵，2沿着对角线，-1围绕着2‘。我可以做一个三对角线矩阵，只有1的三对角线和预成型矩阵相加，以获得我想要的，但我想知道是否有一种方法来定制三个对角线，无论你想要什么。maplehelp没有列出任何有用的东西。
浏览 0提问于2010-03-18得票数 1
一个程序，它将创建一个任意大小的方阵--其对角线上的值是1，而矩阵的其余值是0。
matrix = []
dimension = int (input ("Enter matrix unit size:"))
for i in range (0, dimension):
for j in range (0, dimension):
if i == j:
matrix.append (1)
else:
matrix.append (0)
print (matri
浏览 1提问于2018-11-16得票数 0
回答已采纳
3回答
我当时正致力于起草/测试我为解决微分方程而设计的一种技术，以提高速度和效率。
这将需要存储、操作、调整大小，并且(在某些情况下)可能对非常大的稀疏矩阵进行对角化。我希望能够有由0和几个(比方说<5) 1组成的行，并一次添加几个行(按照所使用的cpus数量的顺序)。
我认为gpu加速将是有用的--所以任何关于利用这一优势的最佳方法的建议也将受到感谢(比如pycuda，theano等)。
浏览 3提问于2011-08-29得票数 5
回答已采纳
2回答
创建双对角线矩阵
、、
是否有来自numpy或scipy的特定函数，以便轻松创建双对角矩阵或三对角矩阵？
到目前为止，我想出的最简单的解决方案是：
main_diag = [1,2,3,4,5]
off1 = [1,2,3,4]
np.diag(main_diag) + np.diag(off1, 1)
array([[1, 1, 0, 0, 0],
[0, 2, 2, 0, 0],
[0, 0, 3, 3, 0],
[0, 0, 0, 4, 4],
[0, 0, 0, 0, 5]])
有什么功能可以在一步之内完成吗？
浏览 0提问于2019-01-31得票数 3
回答已采纳
2回答
我用GNU GSL做一些矩阵计算。我试图用矩阵A的逆将矩阵B相乘。
现在我注意到，GSL的BLAS部分有一个功能来完成这个任务，但前提是A是三角形的。这有什么特别的原因吗？另外，最快的计算方法是什么？我应该用LU分解倒置A，还是有更好的方法？
FWIW，A的形式是P'_G_P，其中P是正规矩阵，P‘是它的逆，G是对角矩阵。
谢谢大家:)
浏览 1提问于2010-08-23得票数 4
因为可以在Matlab中创建一个(非常数)对角矩阵，f.i.A = diag([1;2;3])，我想知道是否有一种简单的方法来创建非常数三对角矩阵。因为画廊(‘tridiag’，...)命令仅适用于常量三对角矩阵。
浏览 1提问于2015-10-08得票数 0
1回答
在用scipy的linalg.eigh对角化矩阵时，我遇到了'SIGSEGV‘故障。
下面的代码在for循环的几次迭代之后重现这个问题：
import scipy.sparse as sparse
import scipy.linalg as linalg
a = sparse.random(128, 128, 0.8)
b = sparse.random(128, 128, 0.8)*1j
a = a + b
a = a + a.H
for i in range(0, 100):
E, R = linalg.eigh(a.todense())
经过单步执行和调试，
浏览 8提问于2019-11-14得票数 2
回答已采纳
1回答
用Python并行精确矩阵对角化
、、、、
是否有人知道并行精确矩阵对角化的实现版本(可能使用的是the /numpy)(等价地，找到特征系统)？如果有帮助的话，我的矩阵是对称的和稀疏的。我不想花一天的时间重新发明轮子。
编辑：
我的矩阵至少有10,000×10,000(但最好至少大20倍)。目前，我只能访问一台4核英特尔机器(超线程，每个内核有2个进程)，每台拥有12 to的3.0GHz。稍后，我可能可以访问具有256 my内存的128核节点~3.6GHz/核，因此单机/多核应该这样做(对于我的其他并行任务，我一直在使用multiprocessing)。我更希望算法能更好地扩展。
我确实需要精确的对角化，所以scipy.sparse例
浏览 7提问于2014-07-28得票数 1
回答已采纳
1回答
我有稀疏COO3DA矩阵NxNxM (第三维是M)和密集2DB矩阵(NxN)，这将是我的求解器的优化变量。我想把A和B相乘，得到(NxNXM)矩阵。然后，我需要对生成的3D矩阵的元素求和，以创建2D矩阵(NxN)。
为了清楚起见，如果我不使用稀疏矩阵，我可以使用下面的代码。它是3D和2D矩阵的乘法。
np.sum(np.einsum('ijk,jk->ijk', A, B))
其中A是3D矩阵，B是2D矩阵。
我的目标函数是最小化稀疏A与决策变量矩阵B的乘法的元素之和。
我该怎么做呢？
我正在使用创建稀疏矩阵。
浏览 5提问于2020-10-24得票数 1
1回答
我正试图在Fortran中建立一个块三对角矩阵。现在我有了这段代码，它只处理放置在A_matrix主对角线上的矩阵，这是i中每一步的一个新矩阵。
do i = gs+1, total_mesh_points
start_line = (3*i)-2
start_colu = (3*i)-2
final_line = (3*i)
final_colu = (3*i)
do ii = 1, 3
do jj = 1, 3
A_matrix(start_line:final_line,start_colu:final_colu) =
浏览 1提问于2016-08-31得票数 2
回答已采纳
在我的应用程序中，我正在计算一个块三对角矩阵A的逆-Theano的矩阵求逆是否会考虑到这种结构(通过使用更有效的矩阵求逆算法)？
此外，我只需要得到逆矩阵的对角线和第一对角线块。有没有办法防止Theano计算剩下的块？
一般来说，我很好奇自己是否值得实现一个前向/后向块三向矩阵求逆算法。
浏览 1提问于2015-04-20得票数 0
1回答
python中三对角矩阵的求解
、、、、
我一直在研究求解化学反应微分方程的数值方法。通常用有限差分法将微分方程放入三对角矩阵，然后用列向量表示边界条件。一旦我有了矩阵和向量，我就使用了枕木的直线。但是，在建立了上面的三对角矩阵之后，我不知道如何在python上解决这个问题，因为现在代数值都在三对角矩阵中，我是否使用了一些迭代方法？
如有任何指导，将不胜感激。
浏览 4提问于2022-11-10得票数 0
回答已采纳
1回答
用稀疏矩阵相乘稠密矩形矩阵
、、、、
我使用Python、Numpy和Scipy包来进行矩阵计算。我试图执行计算X.transpose() * W * X，其中X是2x3稠密矩阵，W是稀疏对角线矩阵。(下面是非常简化的例子)
import numpy
import scipy.sparse as sp
X = numpy.array([[1, 1, 1],[2, 2, 2]])
W = sp.spdiags([1, 2], [0], 2, 2).tocsr()
我需要找到稠密矩阵X.transpose和稀疏矩阵W的乘积。
我所知道的一种方法是在右边不接受稀疏矩阵。
>>> sp.csr_matrix.dot(
浏览 5提问于2014-02-09得票数 1
回答已采纳
我正在解一个线性系统，其中的矩阵是块三对角线。设B是99乘99三对角矩阵，4在主对角线上，-1在两个子对角线上，I是99乘99单位矩阵。我想存储大小为99^2的块三对角线矩阵A乘以99^2，其中主对角线是B，次对角线是-I。执行此操作的最有效方法是什么？我想出了一个办法：
t1=ones(99,1);
t2=ones(98,1);
B=4*diag(t1)-diag(t2,-1)-diag(t2,1);
I=diag(t1);
Bp=repmat({B}, 99, 1);
M = blkdiag(Bp{:});
t3=ones(9702,1);
I=zeros(9801)-diag(t3,-9
浏览 126提问于2017-01-31得票数 1
回答已采纳
在tensorflow中给定三个一维张量(即向量)，是否有一种巧妙(有效)的方法来制作三对角矩阵:将一个向量放在子对角线上，另一个放在对角线上，最后一个放在超对角线上。 tf.diag使得从其中一个向量创建对角矩阵变得很容易。 你也可以举一个使用tf.while_loop的例子来做吗？
浏览 21提问于2019-03-08得票数 1
回答已采纳
难以从numpy阵列生成三对角矩阵的。我成功地复制了给定的结果，但我无法将这些技术应用于我的问题。我也可能误解了的应用。
在上下文中，我正在研究一个问题，它需要生成一个三对角矩阵来用有限差分数值求解一个常微分方程。
from scipy.sparse import diags
import numpy as np
v1 = [3*i**2 +(i/2) for i in range(1, 6)]
v2 = [-(6*i**2 - 1) for i in range(1, 6)]
v3 = [3*i**2 -(i/2) for i in range(1, 6)]
matrix = np.ar
浏览 0提问于2018-05-11得票数 3
回答已采纳
1回答
我正在创建优化算法，其中我需要插入A的初始值，A是一个具有正对角线的下三角矩阵。我的第一个问题是如何导出一个具有正对角线的随机下三角矩阵作为r中的初值矩阵？选择随机矩阵是个好主意吗？如果不是，有什么方法可以对这种类型的矩阵进行更好的初始猜测？
浏览 22提问于2021-06-01得票数 0
回答已采纳
1回答
我想求解系统A.b=x，其中A是，几乎是，是python中的三对角矩阵：
A是这样的矩阵
a b 0 0 .... 0 0 b
b a b 0 .... 0 0 0
0 b a b .... 0 0 0
.
.
0 0 0 0 .... b a b
b 0 0 0 .... 0 b a
即具有非零对角的三对角线。
我可以使用numpy解决程序来解决和集成我的系统：
numpy.linalg.solve
这是可行的，但非常慢，因为我的矩阵是巨大的，我不认为它利用了稀疏和接近三对角的A阵列。
如果它是一个纯三对角系统，我知道如何使用经典的正反向替换算法快速高效地求解，但我遇到的是那些非零的相对角点
浏览 3提问于2020-06-10得票数 1
回答已采纳
2回答
我有一个2X2矩阵，例如A=matrix(1:4,2,2)。使用这个矩阵，我想构建对角线元素为A的矩阵，如下所示。这个例子只有三个A，但我想用矩阵A的n个对角线元素构成矩阵
|A 0 0|
|0 A 0|
|0 0 A|
浏览 0提问于2016-04-10得票数 0
3回答
我有一个5x5矩阵
A =
[0 0 0 0 1;
0.36 0 0 0 1;
0 0.25 0 0 1;
0.35 0 0 0 1;
0 0 0.28 0 1];
我想提取矩阵的下三角元素，而不考虑对角线元素。因此，结果矩阵应该是
C = [0.36 0 0.35 0 0.25 0 0 0 0.28 0]
告诉我怎么才能拿到这个。
浏览 2提问于2014-10-10得票数 0
4回答
我正在实现一个三对角矩阵，并且我必须尽可能地高效。显然，我只会保存包含数据的元素。我重载了operator()，以便在矩阵中充当索引器，但我希望这个操作符返回一个引用，以便用户可以修改矩阵。但是，我不能只对非三对角线元素执行return 0;，因为零不是一个引用。如何让用户修改三对角线上的数据，但是当使用operator()检查非三对角线元素时，只返回0而不是对0的引用？
下面是相关的类定义
template <class T>
class tridiagonal
{
public:
tridiagonal();
~tridiagonal();
T&am
浏览 1提问于2012-04-10得票数 2
回答已采纳
我想从一个向量中创建一个具有单位对角线元素的下三角矩阵。
从一个向量
[a_21, a_31, a_32, ..., a_N1, ... , a_N(N-1)]
如何将其转换为具有单位对角线元素形式的下三角矩阵，
[[1, 0, ..., 0], [a_21, 1, ..., 0], [a_31, a_32, 1, ..., 0], ..., [a_N1, a_N2, ... , a_N(N-1), 1]]
到目前为止，使用NumPy
import numpy
A = np.eye(N)
idx = np.tril_indices(N, k=-1)
A[idx] = X
但是，TensorFl
浏览 2提问于2018-07-28得票数 2
我有一个numpy 2D数组，其值表示节点之间的边的权重。矩阵是对称的，我取对角线为零。我没有找到一个如何将这个矩阵转换成的例子。我尝试过以下方法，但它不起作用：
import numpy as np
import igraph
def symmetrize(a):
return a + a.T - 2*np.diag(a.diagonal())
A = symmetrize(np.random.random((100,100)))
G = igraph.Graph.Adjacency(A.tolist())
浏览 9提问于2016-04-14得票数 2
回答已采纳
1回答
组合矩阵和稀疏矩阵
、、、、
如何将1列矩阵添加到稀疏矩阵，或将稀疏矩阵添加到列矩阵(无论哪种方式)？它不应该替换数据，只需将其连接成一种数据类型。
稀疏矩阵：
>>print type(X)
>>print X.shape
<class 'scipy.sparse.csr.csr_matrix'>
(53, 6596)
要添加的列：
>>print type(Y)
>>print Y.shape
<class 'numpy.matrixlib.defmatrix.matrix'>
(53, 1)
你怎么能这样做呢？
浏览 2提问于2012-09-03得票数 4
2回答
我目前正在使用sklearn的ProjectedGradientNMF和nimfa的Lsnmf求解器来分解一个非常稀疏的矩阵。ProjecteGradientNMF运行较慢，但收敛到更接近的解，而Lsnmf运行速度大约快一倍，但收敛到另一个解(frobenius范数距离度量)。
我很好奇python社区目前最快或最接近的求解器是什么，或者有没有更好的稀疏矩阵(矩阵是稀疏的，而不是scipy.sparse)？
浏览 0提问于2015-07-17得票数 0
scipy.sparse.diags允许我输入多个对角向量及其位置，以构建一个矩阵，如
from scipy.sparse import diags
vec = np.ones((5,))
vec2 = vec + 1
diags([vec, vec2], [-2, 2])
我正在寻找一种高效的方法来做同样的事情，但是构建一个密集矩阵，而不是DIA。np.diag只支持单个对角线。从多对角向量构造稠密矩阵的有效方法是什么？
预期输出:与np.array(diags([vec, vec2], [-2, 2]).todense())相同
浏览 0提问于2019-04-07得票数 0
1回答
快速迭代写入hdf5文件
、、、
不久前，我写了一个并行的FORTRAN代码，它在超级计算机上对角化非常大的密集矩阵。这些矩阵是从密集分块的hdf5数据集中读取的。现在，我想将此代码用于使用Python构造的非常稀疏的矩阵。
但是，当我尝试将我的数据写入密集的hdf5文件时，它需要很长时间。稀疏矩阵由3x3非零块组成，使用三个数组存储：rows、cols、data。我尝试迭代地编写每个代码块：
fl = h5py.File(filepath, 'w')
dataset = fl.create_dataset("matrix", shape, dtype='d',
浏览 5提问于2019-10-26得票数 1
3回答
假设我在MATLAB中有一个矩阵，比如
A = [1 2 3;
4 5 6;
7 8 9]
我想要得到一个矩阵的形式
B = [1 0 0;
0 4 0;
0 0 7;
2 0 0;
0 5 0;
0 0 8;
3 0 0;
0 6 0;
0 0 9]
即，作为三个对角矩阵的级联的矩阵，每个对角矩阵在其对角线上具有矩阵A的列。我知道如何在A的列上使用for循环，然后连接所有结果，但我正在寻找一种更短的方法。请分享你的想法。
浏览 0提问于2013-05-06得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
