如何在Python中构造对称矩阵

我有以下几点

Import numpy as np

Mat1 = np.array([[1, 2, 3],
            [0, 4, 5],
            [0, 0, 6]])
Mat2 = np.transpose(Mat1)
for i in range(3):
    for k in range(3):
        if i == k:
            Mat2[i,k] = 0
Mat = Mat2 + Mat1
print(Mat)

但我的回答告诉我

[[0 2 3]
 [2 0 5]
 [3 5 0]]

---

当我应该在对角线中有

1,4,6

时。有人知道为什么吗？

我找到了以下解决方案：

Mat1 = np.array([[0, 2, 3],
            [0, 0, 5],
            [0, 0, 0]])
a = np.array([1, 4, 6])
Mat2 = np.transpose(Mat1)
for i in range(3):
    for k in range(3):
        if i == k:
            Mat2[i,k] = 0
Mat = Mat2 + Mat1
for i in range(3):
    for k in range(3):
        if i == k:
            Mat[i,k] = a[i]
print(Mat)

答案是：

[[1 2 3]
 [2 4 5]
 [3 5 6]]

---

适用于任何尺寸，如我的其他31维矩阵。

您可能需要考虑的一些建议：

正如@NicoSchertler所指出的，原始方法的问题在于转置和原始矩阵共享它们的数据，这意味着每当修改其中一个元素时，另一个元素的对应元素也会发生变化

因此，在最初的方法和第二种方法中，您可能不想写入转置。第二种方法很好：添加矩阵和转置，然后处理对角线。但您的第一个嵌套循环实际上没有效果，所以最好不要使用它

此外，嵌套循环对于设置对角线是完全不必要和浪费的。您可以通过以下方式获得相同的效果：

for i in range(3):
    Mat[i, i] = a[i]

但使用numpy的高级索引，您可以做得更好，您迟早都会想熟悉它：

idx = np.arange(3)
Mat[idx, idx] = a

---

这是循环的矢量化形式，您应该养成尽可能避免循环的习惯，并找到矢量化的解决方案。

从文档中可以看出：尽可能返回视图。。因此，通过将对角线设置为零，您可能同时修改了两个矩阵。使用

Mat2=np.transpose（Mat1.copy（）

@WarrenWeckesser）创建

Mat2

，您不认为这有点浪费吗？在该代码中我会更改很多内容。我的评论是对眼前问题的一个快速修复。@WarrenWeckesser，这很公平。