<分区>
我有一个 7*1 向量 a = (1:7).'
。我想从向量 a
中形成一个大小为 4*4 的矩阵 A
,这样 a
的元素形成矩阵 的反对角线code>A
如下:
A = [1 2 3 4;
2 3 4 5;
3 4 5 6;
4 5 6 7]
我希望这适用于一般的 a
,而不仅仅是当元素是连续整数时。
感谢任何帮助。
<分区>
我有一个 7*1 向量 a = (1:7).'
。我想从向量 a
中形成一个大小为 4*4 的矩阵 A
,这样 a
的元素形成矩阵 的反对角线code>A
如下:
A = [1 2 3 4;
2 3 4 5;
3 4 5 6;
4 5 6 7]
我希望这适用于一般的 a
,而不仅仅是当元素是连续整数时。
感谢任何帮助。
最佳答案
将 meshgrid
的两个输出相加可以给出索引:
[x, y] = meshgrid(1:4, 0:3);
x + y;
% ans = [1 2 3 4
% 2 3 4 5
% 3 4 5 6
% 4 5 6 7];
如果a
就像在您的示例中一样,您可以停在那里。或者,使用它来索引一般向量 a
.为了进行比较,我将使用与 rahnema1 为他们的方法所做的相同的示例输入:
a = [4 6 2 7 3 5 1];
[x, y] = meshgrid(1:4, 0:3);
A = a(x + y);
% A = [4 6 2 7
% 6 2 7 3
% 2 7 3 5
% 7 3 5 1]
有许多方法可以创建索引而不是使用 meshgrid
,请参阅下面的基准测试函数以获取一些示例!
以下是运行不同方法的一些时间安排,包括使用 cumsum
的方法, repmat
, hankel
和一个简单的 for
环形。该基准测试是在 Matlab 2015b 中完成的,因此利用了 Matlab 优化等,而 rahnema1 答案中的 Octave 基准测试可能无法做到。我也用 timeit
比 tic
更强大的功能/toc
因为它会进行多次试验等。
function benchie()
n = 10000; % (large) square matrix size
a = 1:2*n-1; % array of correct size, could be anything this long
f1 = @() m1(a,n); disp(['bsxfun: ', num2str(timeit(f1))]);
f2 = @() m2(a,n); disp(['cumsum: ', num2str(timeit(f2))]);
f3 = @() m3(a,n); disp(['meshgrid: ', num2str(timeit(f3))]);
f4 = @() m4(a,n); disp(['repmat: ', num2str(timeit(f4))]);
f5 = @() m5(a,n); disp(['for loop: ', num2str(timeit(f5))]);
f6 = @() m6(a,n); disp(['hankel1: ', num2str(timeit(f6))]);
f7 = @() m7(a,n); disp(['hankel2: ', num2str(timeit(f7))]);
end
% Use bsxfun to do broadcasting of addition
function m1(a,n); A = a(bsxfun(@plus, (1:n), (0:n-1).')); end
% Use cumsum to do cumulative vertical addition to create indices
function m2(a,n); A = a(cumsum([(1:n); ones(n-1,n)])); end
% Add the two meshgrid outputs to get indices
function m3(a,n); [x, y] = meshgrid(1:n, 0:n-1); A = a(x + y); end
% Use repmat twice to replicate the meshgrid results, for equivalent one liner
function m4(a,n); A = a(repmat((1:n)',1,n) + repmat(0:n-1,n,1)); end
% Use a simple for loop. Initialise A and assign values to each row in turn
function m5(a,n); A = zeros(n); for ii = 1:n; A(:,ii) = a(ii:ii+n-1); end; end
% Create a Hankel matrix (constant along anti-diagonals) for indexing
function m6(a,n); A = a(hankel(1:n,n:2*n-1)); end
% Create a Hankel matrix directly from elements
function m7(a,n); A = hankel(a(1:n),a(n:2*n-1)); end
输出:
bsxfun: 1.4397 sec
cumsum: 2.0563 sec
meshgrid: 2.0169 sec
repmat: 1.8598 sec
for loop: 0.4953 sec % MUCH quicker!
hankel1: 2.6154 sec
hankel2: 1.4235 sec
所以你最好使用 rahnema1 的建议 bsxfun
或直接生成 hankel
matrix 如果你想要一个衬里,这是一个很棒的 StackOverflow 答案,它解释了一些 bsxfun
的优势:In Matlab, when is it optimal to use bsxfun?
但是,for 循环的速度要快两倍多!优化可以是最快的。
关于matlab - 如何创建一个对称矩阵,其中每行/列都是已知向量的子集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44715150/