我正在使用Julia 1.2。这是我的测试：
a = rand(1000, 1000)
b = adjoint(a)
c = copy(b)
@btime a * x setup=(x=rand(1000)) # 114.757 ?s
@btime b * x setup=(x=rand(1000)) # 94.179 ?s
@btime c * x setup=(x=rand(1000)) # 110.325 ?s
我期望a和c至少不会变慢。
在检查了stdlib / LinearAlgebra / src / matmul.jl之后，发现朱莉娅将b.parent（即a）传递给BLAS.gemv，而不是b，而是将LAPACK的dgemv_切换到了另一个明显更快的模式。
我是否假设加速是由于以下事实而进行的，即当内存处于trans = T模式时，无论dgemv_做什么，内存都以更有利的方式对齐？如果是这样，那么我猜想这是不可行的，除了可能以某种方式在文档中提到陷阱。如果我的假设是错误的，那么对此有什么办法要做？
来自@stevengj的答复在同一Discourse线程中：
我是否假设加速是由于以下事实而进行的，即当内存处于trans = T模式时，无论dgemv_做什么，内存都以更有利的方式对齐？
关。它确实与内存有关，但这与局部性有关，而不与对齐有关。要了解的基本知识是，由于存在高速缓存行，因此从内存访问连续（或至少附近）的数据比分离的数据更有效。（连续访问在利用SIMD指令方面也具有一些优势。）
Julia会按列优先顺序存储矩阵，以便列在内存中是连续的。因此，当将转置矩阵（尚未复制）乘以向量时，它可以将其计算为连续列（=转置行）与连续向量的点积，该向量具有良好的空间局部性，因此可以利用缓存线有效。
相反，为了将非转置矩阵乘以矢量，您将矩阵的非连续行的点积与矢量相乘，因此更难有效利用高速缓存行。在这种情况下，为了提高空间局部性，我相信，像OpenBLAS这样的优化BLAS实际上一次计算出矢量的多个行的点积（“块”），这就是为什么它仅慢10％而不差很多的原因。（实际上，即使转置的情况也可能会做一些阻塞，以将向量保持在缓存中。）