如何按行计算矩阵对角线及以内元素与向量的加权累积和（排除零值）

嘿，我明白你的需求了——你想要跳过矩阵里的上三角零元素，只针对每行对角线及左侧的元素，和向量y对应位置的元素相乘后求和，得到目标向量w。下面给你几种简单高效的实现方式：

方法1：用下三角掩码筛选元素 #

首先我们可以生成一个和矩阵x同大小的"掩码"，只保留对角线及以内的元素，然后逐行计算加权和：

# 先初始化你的数据
x <- c(6,3,2,0,4,8,0,0,5)
x <- matrix(x, nrow = 3, ncol = 3)
y <- c(0.5,1.2,4.8)

# 创建下三角掩码（包含对角线）
lower_mask <- lower.tri(x, diag = TRUE)

# 逐行计算：筛选出有效元素后和y对应位置相乘，再求和
w <- apply(x * lower_mask, 1, function(row) sum(row * y[1:length(row)]))

运行后就能得到你想要的结果：

> w
[1]  3.0  6.3 34.6

方法2：矩阵乘法+行求和（更简洁高效） #

其实你的需求本质就是计算下三角矩阵和向量y的行-wise点积，我们可以直接构造下三角矩阵后用rowSums来计算：

# 保留矩阵的下三角部分（含对角线）
lower_x <- x * lower.tri(x, diag = TRUE)

# 计算每行和y的加权和（y会自动广播成和矩阵同维度）
w <- rowSums(lower_x * y)

这个方法比apply更高效，尤其是当矩阵很大的时候。

为什么之前的尝试没成功？ #

你用的cumsum(y*x)和cumsum(y*t(x))之所以不对，是因为：

• cumsum是对整个展开后的向量做累积求和，而不是按行计算特定元素的总和
• 虽然矩阵上三角的零元素乘y后还是零，但cumsum会把这些零也加入累积计算，导致结果完全偏离你的预期

额外提示：如果矩阵不是严格下三角 #

要是之后你的矩阵上三角出现非零元素，只要你还是只想保留每行对角线及左侧的元素，上面的掩码方法依然管用，lower.tri(diag=TRUE)会精准标记出你需要的位置。

内容的提问来源于stack exchange，提问作者Inna