[英]Is there a procedure to make use of the hermiticity of a matrix to make matrix-vector multiplication faster?
例如，假设B是2X1实矢量，A是埃尔米特2X2矩阵，即A = [a1，a2; a3，a4]，其中a1和a4是实数，a3和a2是复共轭。 是否有一种方法/程序（最好是在python中）利用A的隐性来加固矩阵向量乘法的计算：AB
（当然我想对高维矩阵向量乘法应用这样的程序。简单的例子就是澄清这个想法）
没有可以重复使用的常见因素（a_i b_j永远不会出现多次），所以我认为你不能加快速度。
Matlab中的稀疏矩阵向量乘法比Python更快吗？
[英]Is sparse matrix-vector multiplication faster in Matlab than in Python?
CUPY：矩阵向量乘法比向量向量乘法和小尺寸的 l2norm 更快
[英]CUPY: matrix-vector multiplication is faster than vector-vector multiplication and l2norm for small sizes
Python / cvxpy 中快速矩阵向量乘法的优化问题
[英]Optimization Problem with fast matrix-vector multiplication in Python / cvxpy
尝试使用python中的循环进行矩阵向量和矩阵矩阵乘法
[英]Trying to do matrix-vector and matrix-matrix multiplication using loops in python
Numpy：当一些向量元素等于零时，矩阵向量乘法不会跳过计算吗？
[英]Numpy: does matrix-vector multiplication not skip computation when some vector elements are equal to zero?
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
