#include <iostream>
#include <valarray>

template<class T> class Slice_iter {
  std::valarray<T>* v;
  std::slice s;
  size_t curr;
  T& ref(size_t i) const {
    return (*v)[s.start()+i*s.stride()];
  }
public:
  Slice_iter(std::valarray<T> *vv, std::slice ss):v(vv),s(ss),curr(0) {}
  Slice_iter end() {
    Slice_iter t=*this;
    t.curr=s.size();
    return t;
  }
  Slice_iter& operator++() {curr++; return *this;}
  Slice_iter operator++(int) {Slice_iter t=*this; curr++; return t;}
  T& operator[] (size_t i) {return ref(curr=i);}
  T& operator* () {return ref(curr);}

  size_t size() const {return s.size();}

  template<class U>
  friend bool operator==(const Slice_iter<U>&, const Slice_iter<U>&);
  template<class U>
  friend bool operator!=(const Slice_iter<U>&, const Slice_iter<U>&);
  template<class U>
  friend bool operator<(const Slice_iter<U>&, const Slice_iter<U>&);
};

template<class T> bool operator==(const Slice_iter<T>& p, const Slice_iter<T>& q) {
  return p.curr==q.curr && p.s.stride()==q.s.stride() && p.s.start()==q.s.start();
}

template<class T> bool operator!=(const Slice_iter<T>& p, const Slice_iter<T>& q) {
  return !(p==q);
}

template<class T> bool operator<(const Slice_iter<T>& p, const Slice_iter<T>& q) {
  return p.curr<q.curr && p.s.stride()==q.s.stride() && p.s.start()==q.s.start();
}

class Matrix {
  std::valarray<double>* v;
  size_t d1, d2;
public:
  Matrix(size_t x, size_t y);
  Matrix(const Matrix&);
  Matrix& operator=(const Matrix&);
  ~Matrix() {
    if(!v)
      delete v;
  }

  size_t size() const {return d1*d2;}
  size_t dim1() const {return d1;}
  size_t dim2() const {return d2;}

  Slice_iter<double> row(size_t i);
  Slice_iter<double> column(size_t i);

  Slice_iter<double> operator[] (size_t i) {return row(i);}

  Matrix& operator*=(double);

  std::valarray<double>& array() {return *v;}
};

inline Slice_iter<double> Matrix::row(size_t i) {
  return Slice_iter<double>(v, std::slice(i*d2,d2,1));
}

inline Slice_iter<double> Matrix::column(size_t i) {
  return Slice_iter<double>(v, std::slice(i, d1, d2));
}

Matrix::Matrix(size_t x, size_t y) {
  d1=x;
  d2=y;
  v=new std::valarray<double> (x*y);
}

double mul(Slice_iter<double> v1, const std::valarray<double>& v2) {
  double res=0;
  for(int i=0; i<v1.size(); ++i)
    res+=v1[i]*v2[i];

  return res;
}

std::valarray<double> operator*(Matrix& m, const std::valarray<double>& v) {
  std::valarray<double> res(m.dim1());
  for(int i=0;i<m.dim1();++i)
    res[i]=mul(m.row(i), v);

  return res;
}

Matrix& Matrix::operator*=(double d) {
  (*v) *= d;
  return *this;
}

size_t slice_index(const std::slice& s, size_t i) {
  return s.start()+i*s.stride();
}

void print_seq(const std::slice& s) {
  for(int i=0;i<s.size(); ++i)
    std::cout<<slice_index(s,i)<<" ";
}

int main() {
  const double vd[] = {1,2,3,4,5,6,7,8};
  std::valarray<double> v(vd, sizeof(vd)/sizeof(vd[0]));
  Matrix MyMat(2, 4);
  MyMat.array()=v;

  std::cout<<"dim1 = "<<MyMat.dim1()<<" ";
  std::cout<<"dim2 = "<<MyMat.dim2()<<"\n";

  for(size_t i=0;i<MyMat.dim1();++i) {
    for(size_t j=0;j<MyMat.dim2();++j) {
      std::cout<<MyMat.row(i)[j]<<" ";
    }
    std::cout<<"\n";
  }

  std::slice seg(0, 4, 1);
  std::valarray<double> bar=v[seg];
  for(size_t i=0; i<bar.size(); ++i) {
    std::cout<<bar[i]<<" ";
  }

  std::cout<<"\n";

  std::cout<<"The product of MyMat and bar is: \n";
  std::valarray<double> res=MyMat*bar;

  for(size_t i=0;i<res.size();++i) {
    std::cout<<res[i]<<" ";
  }
  std::cout<<"\n";

  return 0;
}

c++ valarray 实现矩阵与向量相乘的更多相关文章

  1. 学习笔记DL004:标量、向量、矩阵、张量,矩阵、向量相乘,单位矩阵、逆矩阵

    线性代数,面向连续数学,非离散数学.<The Matrix Cookbook>,Petersen and Pedersen,2006.Shilov(1977). 标量.向量.矩阵.张量. ...

  2. Python 矩阵与矩阵以及矩阵与向量的乘法

    import numpy as np numpy模块的array相乘时,有两种方式:一是矩阵形式,二是挨个相乘. 需要用矩阵形式相乘时,则要用np.dot()函数. #矩阵与矩阵相乘a = np.ar ...

  3. Eigen中的矩阵及向量运算

    Eigen中的矩阵及向量运算 ,[+,+=,-,-=] ,[\*,\*=] ,[.transpose()] ,[.dot(),.cross(),.adjoint()] ,针对矩阵元素进行的操作[.su ...

  4. 学习笔记DL005:线性相关、生成子空间,范数,特殊类型矩阵、向量

    线性相关.生成子空间. 逆矩阵A⁽-1⁾存在,Ax=b 每个向量b恰好存在一个解.方程组,向量b某些值,可能不存在解,或者存在无限多个解.x.y是方程组的解,z=αx+(1-α),α取任意实数. A列 ...

  5. Spark机器学习中ml和mllib中矩阵、向量

    1:Spark ML与Spark MLLIB区别? Spark MLlib是面向RDD数据抽象的编程工具类库,现在已经逐渐不再被Spark团队支持,逐渐转向Spark ML库,Spark ML是面向D ...

  6. MathType输入矩阵或者向量的注意事项

    如图A区域是换行搞得,BC是插入矩阵,AC明显看着不一样,就是说行间不要使用换行,列间隔不要用空格(ctrl+shift+space),直接插入矩阵,向量就是矩阵的行或者列数目是1. 还有就是需要注意 ...

  7. 两矩阵各向量余弦相似度计算操作向量化.md

    余弦相似度计算: \cos(\bf{v_1}, \bf{v_2}) = \frac{\left( v_1 \times v_2 \right)}{||v_1|| * ||v_2|| } \cos(\b ...

  8. matlab求矩阵、向量的模

    求矩阵的模: function count = juZhenDeMo(a,b) [r,c] = size(a);%求a的行列 [r1,c1] = size(b);%求b的行列 count = 0; f ...

  9. 掌握Spark机器学习库-05-spark中矩阵与向量的使用

    1)介绍 矩阵: Matrix,看做二维表,基本运算(+,-,*,T) 向量: Vectors,方向和大小,基本运算,范数 2)spark中向量的使用(主要使用breeze.linalg) 3)spa ...

随机推荐

  1. html5——地理位置

    获取地理位置 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UT ...

  2. java 操作clob

    之前在学校的时候做的都是练习,小儿科,遇到的情况完全都在自己的设想范围内.最近老是遇到字段溢出的情况,但是varchar2好像最长也只有4000个字符.所以不得不另辟蹊径,就找上了clob字段. pa ...

  3. JavaScript的基础数据类型和表达式

    Java Script的基础数据类型和表达式 基本的数据类型: number(数值)类型:可分为整数和浮点数 string(字符)类型:是用单引号“'”或者双引号“"”来说明的. boole ...

  4. 汇总——WEB前端资源网

    前端攻城师 爱思资源网 HTML5吧 0101后花园 前端网 编程教程和源代码示例 Javascript中文网 Web前端资源网 移动端HTML5资源整理 Web开发者 SegmentFault 前端 ...

  5. Android List,Set,Map集合安全 集合区别 并发集合类性能分析

    对于Android开发者来说深入了解Java的集合类很有必要主要是从Collection和Map接口衍生出来的,目前主要提供了List.Set和 Map这三大类的集合 Collection接口主要有两 ...

  6. comdlg32.dll

    dll的应用,目前还不知道要怎么查看dll里的功能,暂且试着用了一个, 下面的Declare 分32位office软件和64位,如果是64位,要在Declare 后面加上PtrSafe ,定义的Typ ...

  7. 不用float也可以让div横向显示

    display: inline-block; vertical-align: top; 就这两个属性,给div设置上,div就不会换行显示啦,而且还不影响横向的其他元素的显示.

  8. CAD从二制流数据中加载图形(com接口VB语言)

    主要用到函数说明: _DMxDrawX::ReadBinStream 从二制流数据中加载图形,详细说明如下: 参数 说明 VARIANT varBinArray 二制流数据,是个byte数组 BSTR ...

  9. 【转】resultMap详解(包含多表查询)

    简介: MyBatis的每一个查询映射的返回类型都是ResultMap,只是当我们提供的返回类型属性是resultType的时候,MyBatis对自动的给我们把对应的值赋给resultType所指定对 ...

  10. 【Apache Kafka】一、Kafka简介及其基本原理

      对于大数据,我们要考虑的问题有很多,首先海量数据如何收集(如Flume),然后对于收集到的数据如何存储(典型的分布式文件系统HDFS.分布式数据库HBase.NoSQL数据库Redis),其次存储 ...