为什么不建议在matlab中用循环？

循环是程序流程控制的三大剑客之一，没有循环可以说好多功能都不能实现。MATLAB作为一种特殊的编程语言，其在循环的优化上并不是特别出色，但在矩阵化运算（也称矢量化运算）上具有较其他编程语言不可比拟的优势。

为了比较在matlab中for循环与向量化运算的差别，在此做一个小实验，实验过程如下：

在matlab中计算1000到10000大小的矩阵相乘，为了节约时间，以500为矩阵大小的步长。在每一个尺度下，进行十次重复计算然后平均计算时间。下图不同矩阵大小与计算所花时间的关系图，以及不同矩阵大小与for循环所花时间和向量化计算时间之比：

图1. 不同矩阵大小与计算所花时间

图2. 不同矩阵大小与for循环所花时间和向量化计算时间之比

从图中不难发现，在MATLAB中矢量化计算比for循环计算显著的优势，尤其时当矩阵尺度较大时，矢量化计算的优势越明显。当然，并不是所有情况下都能采用矢量化计算，得根据实际情况来确定。矢量化计算高效便捷、公式化、代码直观并于阅读，但其编程韵味略显不足。本文相关代码放置文末，感兴趣得小伙伴可以试一试。

关联阅读>>>>>

30多个实用matlab编程技巧

宁用循环也不要用这几个matlab函数

本文相关源程序：

clc;clear;N   = 1000:500:10000; % 定义不同尺度的矩阵大小
len = length(N);     % 
tf  = zeros(1,len);  % 存储for循环时间
tv  = zeros(1,len);  % 存储矢量运算时间
for k = 1:len    
    C   = zeros(N(k));    
    D   = zeros(N(k));    
    tft = zeros(1,10);    
    tfv = zeros(1,10);    % 为了使计算结果更有说服力，每个尺度计算十次然后取时间平均    
    for u = 1:10        % 定义两个计算用矩阵        
        A   = rand(N(k));        
        B   = rand(N(k));                
        % for循环计时        
        tic;        
        for m = 1:N(k)            
            for n = 1:N(k)                
                C(m,n) = A(m,n)*B(m,n);            
            end        
        end        
    tft(u) = toc;  
    end             
    % 矢量运算计时       
    tic;        
    D = A.*B;        
    tfv(u) = toc;    
    tf(k) = mean(tft);    
    tv(k) = mean(tfv);
end
% 绘制图像
plot(N,tf,'r.-',N,tv,'b.-');