如何在Python中基于系数向量生成对应下三角矩阵

先明确矩阵生成规则：假设系数向量c长度为m，要生成n×n下三角矩阵A，元素取值规则为：

对任意元素A[i][j]，当i≥j且i-j < m时，A[i][j] = c[i-j]，其余位置为0。

你需要的通用实现有两种常用方案：

• 嵌套循环实现：逻辑直观，适合小规模矩阵场景，符合你提到的嵌套循环思路：

def generate_lower_triangular(c, n):
    # 初始化全0矩阵
    A = [[0]*n for _ in range(n)]
    m = len(c)
    for i in range(n):
        for j in range(i+1):
            diff = i - j
            if diff < m:
                A[i][j] = c[diff]
    return A

# 测试用例
c = [0, 1, 0]
# 生成4阶下三角矩阵
print(generate_lower_triangular(c, 4))

运行输出为：

[[0, 0, 0, 0], [1, 0, 0, 0], [0, 1, 0, 0], [0, 0, 1, 0]]

• NumPy向量化实现：无显式循环，性能更高，适合大规模矩阵计算场景：

import numpy as np

def generate_lower_triangular_np(c, n):
    m = len(c)
    row_idx = np.arange(n)
    col_idx = np.arange(n)
    diff = row_idx[:, None] - col_idx
    return np.where((diff >= 0) & (diff < m), np.array(c)[diff], 0)

# 测试用例
c = [0,1,0]
print(generate_lower_triangular_np(c, 4))

运行输出和循环实现完全一致。

你可以根据自己的使用场景选择对应方案，若需要矩阵阶数和系数向量长度相等，直接将参数n设置为len(c)即可。

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