矩阵积分回路优化

Question

假设我有一个向量U，其中包含n个条目，所有这些都是依赖于变量t并返回单个值的函数。例如。 U [0] = f0（t），U [1] = f1（t），等等。考虑它是一个向量函数U（t），它以t作为输入并返回n x 1的向量。

还假设我有一个n x n矩阵Y，它的常数不依赖于t。

我想做的是对t取整数U ^ T * Y * U（^ T代表转置）。此刻，我将必须执行以下操作：

container = []    
for i in range(0,t): 
    out = np.dot(np.dot(U(t), Y), U(t))
    container.append(out)

result = np.sum(container)/normalisation

在此循环中，我必须每次都用Y做点积，即使它永远不变。这在计算上非常昂贵，我想知道是否有一种更有效的解决方案来解决此问题，而我不必每次都与Y相乘。