连接矩阵

Python3 numpy

numpy.concatenate

  • 竖接
import numpy as np
A = np.array([[1,1,1],[-2,-1,1],[1,1,1]])
b = np.array([[0,0,1]])
Ab = np.concatenate((A,b.T),axis=1)
print(A)
print(b.T)
print(Ab)

[[ 1  1  1]
 [-2 -1  1]
 [ 1  1  1]]
 
[[0]
 [0]
 [1]]
 
[[ 1  1  1  0]
 [-2 -1  1  0]
 [ 1  1  1  1]]

  • 横接
import numpy as np
A = np.array([[1,1,1],[-2,-1,1],[1,1,1]])
b = np.array([[0,0,1]])
Ab = np.concatenate((A,b),axis=0)
print(A)
print(b)
print(Ab)
[[ 1  1  1]
 [-2 -1  1]
 [ 1  1  1]]
 
[[0 0 1]]

[[ 1  1  1]
 [-2 -1  1]
 [ 1  1  1]
 [ 0  0  1]]
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
功能连接矩阵通常用于描述系统中不同组件之间的连接关系。如果您要计算功能连接矩阵,可以按照以下步骤进行: 1. 确定系统中的不同组件,例如 A、B、C 等。 2. 对于每个组件,确定其输入和输出信号。例如,对于组件 A,它可能有一个输入信号 x1 和一个输出信号 y1。 3. 根据系统的连接关系,确定每个组件的输入信号来自哪些组件的输出信号,以及每个组件的输出信号会被哪些组件作为输入信号使用。例如,如果组件 A 的输出信号 y1 会作为组件 B 的输入信号 x2 使用,则可以将连接关系表示为 y1 -> x2。 4. 将每个组件的输入信号和输出信号表示为向量。例如,组件 A 的输入信号向量为 [x1],输出信号向量为 [y1]。 5. 将连接关系表示为矩阵形式。例如,对于连接关系 y1 -> x2,可以将其表示为矩阵 [[0, 1]], 其中 0 表示未连接,1 表示连接。 6. 将每个组件的输入信号和输出信号向量按行排列,得到输入输出矩阵。例如,对于组件 A 和 B,可以将输入输出矩阵表示为: ``` A: [x1] -> [y1] B: [x2] <- [y2] ``` 7. 将连接关系矩阵与输入输出矩阵相乘,得到功能连接矩阵。例如,对于上述示例,连接关系矩阵为 [[0, 1], [0, 0]],输入输出矩阵为: ``` [[x1, y1], [x2, y2]] ``` 将它们相乘,得到功能连接矩阵: ``` [[0, 1, 0, 0], [0, 0, 0, 1]] ``` 其中,每一列表示一个组件的输入信号和输出信号。在这个例子中,第一列表示组件 A 的输入信号 x1 和输出信号 y1,第二列表示组件 B 的输入信号 x2 和输出信号 y2。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值