问题标签 [blockdiag]

我正在寻找 MATLAB 中以下操作的有效实现。

假设有A = blkdiag(A_1,...,A_i,...,A_n)和B = blkdiag(B_1,...,B_i,...,B_n)。假设有两个块f(A_i,B_i)和输出变量的一些功能F = blkdiag(f(A_1,B_1),...,f(A_i,B_i),...,f(A_n,B_n))。因此，我向您寻求有关如何在不使用循环的情况下完成此任务的帮助。

在我的情况下f(A_i,B_i) = U'*kron(A_i,B_i)*U'，对于一些矩阵U，n大约是 100。块A_i和B_i所有 i 的大小相同。所有帮助将不胜感激。

我有一个单元格数组，其中每个单元格包含不同大小的方形邻接矩阵（在 MATLAB 中），例如

现在我想从 A 的每个单元格创建一个块对角矩阵 B，使得 A 的每个单元格都在 B 的对角线上。示例

所以 B 会是 NxN，其中 N = 29+30+24+10

我尝试使用以下代码，但没有成功。

最后我还必须对归一化矩阵 B 进行行

在此处输入图像描述

在图 3 中，某个系统的框图显示了输入（）和输出（）。一个。找出将输入与输出相关联的差分方程。湾。求系统传递函数()。

I need to create a diagonal matrix in python from an X matrix which is repeated 3 times. In matlab I do it in the following way:

But I don't know how to do this in Pyhton.

I would appreciate any help.

--------------------------------- ANSWER:--------------------------------------

Taking into account the answer provided by Fabrizio Bernini, I modified his code in order to do it more general. The code can now repeat the matrix X (any dimension), n times on the diagonal. For example:

n=5

x = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])

Mdiag = np.zeros((n*x.shape[0], n*x.shape[1]))

for i in range(n):

Mdiag[x.shape[0]*i:x.shape[0]*i+x.shape[0],x.shape[1]*i:x.shape[1]*i+x.shape[1]]= x

Thanks you all for the answers provided.

我正在尝试在加权网络（network_ex）上运行指数随机图模型（ergm）。该网络显示了四个不同组中的个人之间的交互。组之间不能发生交互，因此需要在模型中包含块对角约束。但是，当我包含块对角线约束时，ergm 函数（否则运行）返回错误（见下文），我的 R 会话要么无限期运行，要么直接中止。

有没有办法基于加权块对角矩阵运行 ergm？

通过 CD-MCMLE 开始对比散度估计：迭代 1，最多 60 次：

根据 VEC 值，我还得到：

MH 提议功能的初始网络配置是不能提议任何切换的网络配置

我想通过框图在列表中显示一些数据。我正在尝试实现此示例，但无法编写正确的 python 代码。

如果有人可以指导我，那就太好了。如何执行 blockdiag 代码？