如何用SymPy高效交替两个N阶方阵的行构建2N×N矩阵？

对于两个N阶SymPy方阵x和y，要生成交替行的2N×N矩阵，避免循环的高效方案如下：

方案一：纯SymPy原生操作 #

利用SymPy的矩阵拼接和索引重组，无需循环，直接通过向量式索引实现：

from sympy import Matrix

# 示例矩阵
x = Matrix([[1,2], 
            [3,4]])
y = Matrix([[5,6], 
            [7,8]])
N = x.shape[0]  # 获取矩阵阶数

# 1. 先将x和y上下拼接成2N×N的临时矩阵
temp = x.col_join(y)
# 2. 生成交替行的索引：x第0行、y第0行、x第1行、y第1行...
indices = [idx for pair in zip(range(N), range(N, 2*N)) for idx in pair]
# 3. 按索引提取行得到目标矩阵
z = temp[indices, :]

print(z)
# 输出：
# Matrix([[1, 2],
#         [5, 6],
#         [3, 4],
#         [7, 8]])

这种方法依赖SymPy的底层优化，避免了Python层面的循环遍历，处理大型矩阵时性能远优于列表循环。

方案二：结合Numpy加速（适合超大型矩阵） #

如果矩阵规模极大，可借助Numpy的高效数组索引能力，再转回SymPy矩阵：

from sympy import Matrix
import numpy as np

x = Matrix([[1,2], 
            [3,4]])
y = Matrix([[5,6], 
            [7,8]])
N = x.shape[0]

# 转成Numpy数组
x_np = np.array(x)
y_np = np.array(y)
# 上下拼接后按交替索引提取行
combined_np = np.vstack([x_np, y_np])
indices_np = np.array([[i, i+N] for i in range(N)]).flatten()
z_np = combined_np[indices_np, :]
# 转回SymPy矩阵
z = Matrix(z_np)

Numpy的索引操作是C级别的实现，对于百万级元素的矩阵，速度比纯SymPy操作更优。

内容的提问来源于stack exchange，提问作者Darko