如何在R中实现比%*%更快的下三角矩阵与向量乘法？

1. 利用下三角结构手动计算（零依赖最快方案） #

下三角矩阵的核心特点是第i行只有前i个元素非零，计算结果的第i个值，本质就是矩阵第i行前i个元素和向量前i个元素的点积。直接针对这个逻辑写计算，能跳过所有右上角的0元素，比默认矩阵乘法少算一半以上的无效运算。

示例代码：

# 构造测试数据
set.seed(123)
n <- 1000
L <- matrix(0, n, n)
L[lower.tri(L, diag = TRUE)] <- rnorm(n*(n+1)/2)
v <- rnorm(n)

# 显式循环实现（直观且高效）
result <- numeric(n)
for (i in 1:n) {
  result[i] <- sum(L[i, 1:i] * v[1:i])
}

# 或者用sapply简化写法
result <- sapply(1:n, function(i) crossprod(L[i,1:i], v[1:i]))

2. 用Matrix包的稀疏矩阵实现 #

如果想借助现成的稀疏矩阵工具，Matrix包专门处理这类场景。把普通下三角矩阵转成**对角线压缩的下三角稀疏矩阵（dtCMatrix）**后，乘法运算会自动忽略零元素，比默认%*%快不少，而且代码改动极小。

示例代码：

library(Matrix)

# 转成稀疏下三角矩阵
L_sparse <- as(L, "dtCMatrix")

# 稀疏矩阵与向量相乘
result_sparse <- L_sparse %*% v

3. Rcpp底层实现（极致性能） #

如果需要反复执行这个运算，追求极致速度，可以用Rcpp写C++循环，直接操作内存，避开R的循环开销，速度会比纯R方案快一个量级。

先写C++代码（保存为lower_tri_mult.cpp）：

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
NumericVector lower_tri_mult(NumericMatrix L, NumericVector v) {
  int n = L.nrow();
  NumericVector res(n);
  for (int i = 0; i < n; i++) {
    double sum = 0.0;
    for (int j = 0; j <= i; j++) {
      sum += L(i, j) * v[j];
    }
    res[i] = sum;
  }
  return res;
}

然后在R里编译调用：

library(Rcpp)
sourceCpp("lower_tri_mult.cpp")
result_rcpp <- lower_tri_mult(L, v)

内容的提问来源于stack exchange，提问作者matehorvath