如何从相似度向量还原为对称相似度矩阵？（R语言场景）

问题背景 #

通过dist()生成带对称结构的距离/相似度矩阵后，用as.numeric()将其转换为一维向量，现在需要将该向量反向还原为原对称矩阵。以下是通用实现方法，结合示例说明：

示例场景 #

已知转换后的向量为：

vec <- c(2.828427, 5.656854, 2.828427)

目标还原为3×3的对称矩阵（对角线为0）：

[,1]     [,2]     [,3]
[1,] 0.000000 2.828427 5.656854
[2,] 2.828427 0.000000 2.828427
[3,] 5.656854 2.828427 0.000000

通用实现步骤与代码 #

1. 计算矩阵维度n：
   对称矩阵的上三角（不含对角线）元素总数为n(n-1)/2，通过解方程可推导n：

   n <- ceiling((sqrt(8 * length(vec) + 1) - 1) / 2)
   

   示例中length(vec)=3，代入得n=3。

2. 初始化零矩阵：

   sim_mat <- matrix(0, nrow = n, ncol = n)
   

3. 填充上三角区域：
   利用upper.tri()获取上三角（不含对角线）的位置，将向量元素填入：

   sim_mat[upper.tri(sim_mat)] <- vec
   

4. 利用对称性填充下三角：
   转置矩阵后复制下三角区域的元素：

   sim_mat[lower.tri(sim_mat)] <- t(sim_mat)[lower.tri(sim_mat)]
   

5. 查看结果：

   print(sim_mat)
   

适配含对角线的向量场景 #

如果原始dist()设置了diag=T，转换后的向量包含对角线的0元素，只需调整三角位置的参数为upper.tri(sim_mat, diag=T)，上述n的计算公式依然适用（此时元素总数为n(n+1)/2）：

# 含对角线的示例向量
vec_with_diag <- c(0, 2.828427, 5.656854, 0, 2.828427, 0)
n <- ceiling((sqrt(8 * length(vec_with_diag) + 1) - 1) / 2)
sim_mat <- matrix(0, nrow = n, ncol = n)
sim_mat[upper.tri(sim_mat, diag = TRUE)] <- vec_with_diag
sim_mat[lower.tri(sim_mat)] <- t(sim_mat)[lower.tri(sim_mat)]

内容的提问来源于stack exchange，提问作者ben