#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. dotnetnuke 头像调用 头像缩放

    public static string GetProfileImage(int userId, int width, int height)        {                     ...

  2. mysql 如何用命令清除表数据,让表数据索引是从0开始呢?

    truncate MYTABLE 这样就可以了 其实这个命令就相当于删除表再建 所有的数据都还原 可以使用工具来完成这个操作 右键单击要操作的表,选择Turncale Table 执行查询语句,数据就 ...

  3. jenkins执行python脚本

    参考: https://blog.csdn.net/qq_39247153/article/details/81003244 https://blog.csdn.net/huashao0602/art ...

  4. u-boot常用命令

    查看ip地址等信息 print tftp相关 设置ip地址 set ipaddr 192.168.1.5 设置tftp所在电脑ip set serverip 192.168.1.8 最后必须输入sav ...

  5. 所有对象的父类(java.lang.Object)

    一.介绍 Object类是类层次结构的根源,每一个类都存在一个父类为Object类.所有的对象,包括数组,都实现了 Object 类的方法. 二.对象初始化 这里使用了静态代码块进行Object类的初 ...

  6. HTML学习笔记之HTML5新特性

    目录 1.拖放 2.画布 3.可伸缩矢量图形 4.地理定位 5.Web 存储 6.应用缓存 7.Web Worker 1.拖放 拖放是一种常见的特性,用于抓取对象以后拖到另一个位置,它是 HTML5 ...

  7. node.js开发环境配置

    node.js是什么 Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境.Node.js 使用了一个事件驱动.非阻塞式 I/O 的模型,使其轻量又高效.Node.j ...

  8. pandas - 案例(美国2012年总统候选人政治献金数据分析)

    # 提供数据 months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6, 'JUL' : 7, 'AUG' ...

  9. linux学习7-数据流重定向

    数据流重定向 实验介绍 你可能对重定向这个概念感到些许陌生,但你应该在前面的课程中多次见过>或>>操作了,并知道他们分别是将标准输出导向一个文件或追加到一个文件中.这其实就是重定向, ...

  10. CDOJ 889 Battle for Silver

    Battle for Silver Time Limit: 2999/999MS (Java/Others)     Memory Limit: 65432/65432KB (Java/Others) ...