原文地址:http://blog.sciencenet.cn/blog-86695-785606.html
矩阵列向量归一化在matlab编程时会经常遇到,例如振动理论中特征向量,也就是振型的归一化。本文列出了三种不同的实现方法,前两种方法由博友给出(文献1),这里给出第三种方法,并且比较这三种方法的运行时间。
clear all;
clc;
result=[];
%---------------------------
for k=1:40
num=100*k;
X=rand(num); %随机矩阵
A=X; B=X; C=X;
%第一种方法------------------------
tic
leg=sqrt(sum(A.^2));
A=A./leg(ones(1,num),:);
t1=toc
%第二种方法-----------------------
tic
for i=1:num
B(:,i)=B(:,i)/norm(B(:,i));
end
t2=toc
%第三种方法-----------------------
tic
leg=sqrt(sum(C.^2));
C=bsxfun(@rdivide,C,leg);
t3=toc
result=[result;k t1 t2 t3]; %记录
end
%============================================
由计算所得的时间结果绘图得到下图,观察图发现:在矩阵维数较低时,三种方法的计算时间差距不大,但
随着矩阵规模的增长,三种方法的计算时间也同时提高,但增长的幅度不同。方法三的计算时间最少,其次是方法二
和方法一。
方法一采用矩阵点除的方法实现
方法二实际上为matlab内置的函数normc,每一列除以该列的模。
方法三用时最少主要因于bsxfun函数,该函数可谓是matlab中向量化编程的利器。
现在介绍一下bsxfun函数的用法:
假设A是m*n维的矩阵,B是1*n维的行向量,现在希望A的每一行都加上B,则可用下面语句
bsxfun(@plus,A,B)
实际上该语句等效为
A+repmat(B,m,1)
即把B向量扩展为与A兼容的m*n维矩阵,然后再与A相加。但在bsxfun中,这个扩展的操作是内部虚拟进行的,并不实际占用内存,因此更快。
除了@plus,还有@time,@rdivide,等二元运算,具体用法参见文献2.
参考文献:
1. http://blog.sciencenet.cn/blog-242887-496374.html
2. http://blog.sina.com.cn/s/blog_9e67285801010ttn.html