NumPy — популярная библиотека Python для научных вычислений и манипулирования данными. Среди множества полезных функций функция blockвыделяется своей способностью создавать блочные матрицы. В этой статье мы углубимся в синтаксис и использование функции block, а также предоставим примеры кода, демонстрирующие ее универсальность. К концу вы получите четкое представление о том, как использовать эту мощную функцию в своих проектах.

Методы и примеры кода:

1. Создание блочной матрицы из 2D-массивов:

   import numpy as np
   A = np.array([[1, 2], [3, 4]])
   B = np.array([[5, 6], [7, 8]])
   C = np.array([[9, 10], [11, 12]])
   block_matrix = np.block([[A, B], [C]])
   print(block_matrix)

2. Вложенность блочных матриц:

   import numpy as np
   A = np.array([[1, 2], [3, 4]])
   B = np.array([[5, 6], [7, 8]])
   block_matrix_1 = np.block([[A, B]])
   block_matrix_2 = np.block([[block_matrix_1], [B]])
   print(block_matrix_2)

3. Объединение массивов и скаляров:

   import numpy as np
   A = np.array([[1, 2], [3, 4]])
   B = 5
   block_matrix = np.block([[A, B], [B, A]])
   print(block_matrix)

4. Создание блочно-диагональных матриц:

   import numpy as np
   A = np.array([[1, 2], [3, 4]])
   B = np.array([[5, 6], [7, 8]])
   block_matrix = np.block([[np.diag(A.flatten()), np.zeros((4, 2))], [np.zeros((2, 4)), B]])
   print(block_matrix)

5. Объединение блочных матриц по горизонтали:

   import numpy as np
   A = np.array([[1, 2], [3, 4]])
   B = np.array([[5, 6], [7, 8]])
   C = np.array([[9, 10], [11, 12]])
   block_matrix = np.block([A, B, C])
   print(block_matrix)