如何使用Python基于系数向量生成对应的上下三角矩阵

首先明确系数向量到矩阵的映射规则：从你给出的示例结构来看，n阶目标矩阵的元素M[i][j]（行、列索引均从0开始计数）满足规则：M[i][j] = a[i + j] ，系数向量a的长度需要大于等于2n - 1，如果是你示例中给出的6元素向量a = [a0,a1,a2,a3,a4,a5]，可以生成3阶矩阵使用前5个元素，也可以生成4阶矩阵使用全部6个元素。

1. 嵌套循环实现（逻辑直观易修改） #

def generate_matrix(a: list, n: int) -> list:
    # a: 输入系数向量
    # n: 生成的方阵阶数
    matrix = [[0 for _ in range(n)] for _ in range(n)]
    for i in range(n):
        for j in range(n):
            matrix[i][j] = a[i + j]
    return matrix

# 示例调用
a = [1,2,3,4,5,6]
# 生成3阶矩阵
n = 3
res = generate_matrix(a, n)
for row in res:
    print(row)

运行输出结果如下：

[1, 2, 3]
[2, 3, 4]
[3, 4, 5]

2. Numpy 高效实现（适合大矩阵场景） #

如果需要处理高阶矩阵，可以用numpy的向量化操作避免嵌套循环，运算性能更高：

import numpy as np

def generate_matrix_np(a: np.ndarray, n: int) -> np.ndarray:
    a = np.asarray(a)
    i = np.arange(n)
    j = np.arange(n)
    # 广播生成索引矩阵直接取值
    return a[i[:, None] + j]

# 示例调用
a = np.array([1,2,3,4,5,6])
n = 3
print(generate_matrix_np(a, n))

如果你的矩阵上下三角对应不同的索引逻辑，只需要修改赋值行的索引计算规则即可，核心逻辑都是通过行索引i和列索引j的运算得到系数向量的下标，再取值赋值。

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