Arrays 矩阵相乘时的数组{Float64,2}问题

我用矩阵做了一些相当简单的事情：

for i in 1:N
  X=XT[1:2,i]
  A[i]=X'*Sig*X+b
end

其中XT是我从Matlab导入的数组数组（1×5数组{Any，2}），通过这样做，我得到了数组{Float64，2}类型的X。Sig是一个2x2矩阵，也是数组{Float64,2}

问题是：X'SigX的结果是数组{Float64,2}类型，尽管只有一个元素。我不能把它和b相加

我知道我可以放一个点，然后求和，但是如果我这样做，我仍然会有这个数组类型，并将它存储在另一个数组中，这可能会是一个大混乱

---

有什么办法可以解决这个问题保持简单

Julia明确区分元素和元素数组。其他一些对类型不太明确的语言（如R和Matlab）将单个元素矩阵视为一个数字，用户习惯于隐式地这样做。然而，在朱莉娅身上，这两件事是根本不同的——一件是数字的容器，另一件是数字

因此答案很简单，只需执行

（X'*Sig）[1]

或

首先（X'*Sig）

即可取出元素。在Julia即将发布的版本中，您应该能够对只有一个元素的容器显式地执行

only（X'*Sig）

---

它简单明了，与Matlab或R不同。实际上，语言中“简单”的含义有着根本的哲学区别。在R或Matlab中，我会说“简单”意味着“没有太多的运算/字符”。在朱莉娅的小说中，“简单”的意思是“清晰、明确、直截了当的推理”。这只是一种不同的哲学，需要一些时间来适应

Julia明确区分元素和元素数组。其他一些对类型不太明确的语言（如R和Matlab）将单个元素矩阵视为一个数字，用户习惯于隐式地这样做。然而，在朱莉娅身上，这两件事是根本不同的——一件是数字的容器，另一件是数字

因此答案很简单，只需执行

（X'*Sig）[1]

或

首先（X'*Sig）

即可取出元素。在Julia即将发布的版本中，您应该能够对只有一个元素的容器显式地执行

only（X'*Sig）

---

它简单明了，与Matlab或R不同。实际上，语言中“简单”的含义有着根本的哲学区别。在R或Matlab中，我会说“简单”意味着“没有太多的运算/字符”。在朱莉娅的小说中，“简单”的意思是“清晰、明确、直截了当的推理”。这只是一种不同的哲学，需要一些时间来适应

A的尺寸是多少？它也是数组{Float64,2}吗？它的大小是多少？您希望和的结果是存储在A中的数组还是只存储在[i]中的标量？这是奇数

XT[1:2，i]

应该是向量，而不是矩阵。很奇怪，我想把它存储为Float64。A也应该是数组{Float64,2}。请编辑您的问题，以包括数组A和XT的初始化？这很重要，我已经编辑过了。碰巧，我的数组XT不是正规矩阵。问题就在这里。看起来我可以做XT[I][：]得到正确的维数，但我不知道为什么它不会以另一种方式发生。A的维数是多少？它也是数组{Float64,2}吗？它的大小是多少？您希望和的结果是存储在A中的数组还是只存储在[i]中的标量？这是奇数

XT[1:2，i]

应该是向量，而不是矩阵。很奇怪，我想把它存储为Float64。A也应该是数组{Float64,2}。请编辑您的问题，以包括数组A和XT的初始化？这很重要，我已经编辑过了。碰巧，我的数组XT不是正规矩阵。问题就在这里。似乎我可以做XT[I][：]并得到正确的维数，但我不知道为什么它不会以另一种方式发生。这是我的第一个答案，但OP的代码中实际上还有另一个错误：

X=XT[1:2，I]

给出了

XT

中的前两个元素（前两个数组）（a

1D

数组）当

i

为1时，否则为错误。第一行没有为此目的适当索引

XT

。还有

A[]

来访问唯一的元素。

MAT.jl

将MATLAB的行或列向量读取为Julia的2D矩阵。如果使用

vec

等将

X

作为

向量

，则可以避免OP的

1x1

矩阵问题

v'*M*v

自动使用

LinearAlgebra.dot

给出标量而不是数组，并以一种高效的方式避免矩阵乘法。这要归功于Andreas Peter，他今天在Julia Slack的“帮助台”频道上解释了这个解决方案。视角不错。这是我第一次找到答案，但OP的代码中实际上还有另一个错误：

X=XT[1:2，i]

给出了

XT

中的前两个元素（前两个数组）（a

1D

数组）当

i

为1时，否则为错误。第一行没有为此目的对

XT

进行适当索引。还有

a[]

访问唯一元素。

MAT.jl

读取MATLAB的行或列向量作为Julia的2D矩阵。如果将

X

作为

向量

，例如，

vec

v'*M*v

自动使用

linearagebra.dot

给出标量ra，则可以避免OP的

1x1

矩阵问题这要归功于Andreas Peter，他今天在Julia Slack的帮助台频道上解释了这个解决方案。视角不错。