计算"v ^ T a v".对于向量v的矩阵 [英] Calculate "v^T A v" for a matrix of vectors v
本文介绍了计算"v ^ T a v".对于向量v的矩阵的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一个k*n
矩阵X和一个k*k
矩阵A.对于X
的每一列,我想计算标量
I have a k*n
matrix X, and an k*k
matrix A. For each column of X
, I'd like to calculate the scalar
X[:, i].T.dot(A).dot(X[:, i])
(或者,从数学上讲,是Xi' * A * Xi
).
(or, mathematically, Xi' * A * Xi
).
当前,我有一个for
循环:
out = np.empty((n,))
for i in xrange(n):
out[i] = X[:, i].T.dot(A).dot(X[:, i])
但是由于n
很大,所以我希望在可能的情况下更快地执行此操作(即使用一些NumPy函数而不是循环).
but since n
is large, I'd like to do this faster if possible (i.e. using some NumPy functions instead of a loop).
推荐答案
这似乎做得很好:
(X.T.dot(A)*X.T).sum(axis=1)
这有点快. np.einsum('...i,...i->...', X.T.dot(A), X.T)
.如果X
和A
是Fortran相邻的,两者都可以更好地工作.
This is a little faster. np.einsum('...i,...i->...', X.T.dot(A), X.T)
. Both work better if X
and A
are Fortran contiguous.
这篇关于计算"v ^ T a v".对于向量v的矩阵的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文