handsomeboy的个人博客分享 http://blog.sciencenet.cn/u/handsomeboy

博文

Matlab中矩阵列向量归一化的三种方法比较

已有 61423 次阅读 2014-4-16 21:01 |系统分类:科研笔记

矩阵列向量归一划在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



https://blog.sciencenet.cn/blog-86695-785606.html

上一篇:多目标进化算法QQ群~~
收藏 IP: 219.220.215.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 04:45

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部