Performance Numpy V^t V-寻找更快的计算方法_Performance_Numpy_Matrix_Orthogonal

Performance Numpy V^t V-寻找更快的计算方法

performance numpy matrix

Performance Numpy V^t V-寻找更快的计算方法,performance,numpy,matrix,orthogonal,Performance,Numpy,Matrix,Orthogonal,有人想到过一种快速的方法来加速正交的和三对角对称的，相对于什么来加速吗？你有没有试过速度太慢的东西？你有没有试过直接的np.dot（V.T，np.dot（T，V））或V。T@T@V？或者你希望能用V和T的特殊几何结构来更快地计算它？嗨，这就是我在区间I（N）中尝试的：区间j（N）：区间k（N）：tv[k]=offDiag[k-1]*V[j，k-1]+Diag[k]*V[j，k]+offDiag[k]*V[j，k+1]Q[I，j]=np.dot（V[I，：]，tv[I，：]对于在100x100矩阵

有人想到过一种快速的方法来加速正交的和三对角对称的，相对于什么来加速吗？你有没有试过速度太慢的东西？你有没有试过直接的

np.dot（V.T，np.dot（T，V））

或

V。T@T@V

？或者你希望能用

和

的特殊几何结构来更快地计算它？嗨，这就是我在区间I（N）中尝试的：区间j（N）：区间k（N）：tv[k]=offDiag[k-1]*V[j，k-1]+Diag[k]*V[j，k]+offDiag[k]*V[j，k+1]Q[I，j]=np.dot（V[I，：]，tv[I，：]对于在100x100矩阵上用对角线相乘1000次，我得到np.dot（np.diag（D），a）的13.58秒，（D*a.T.）T的1.72秒和D[：，newaxis]*a的1.69秒