如何有效地在MATLAB中标准化向量？任何相关的内置功能？

[poster]

我在MATLAB中将向量V归一化，如下所示：

normalized_V = V/norm(V); 但是，这是在MATLAB中归一化矢量的最优雅（有效）方法吗？


回答：
您建议的原始代码是最好的方法。

Matlab至少在大型矢量方面非常擅长此类矢量化操作。

内置的规范功能非常快。以下是一些计时结果：

V = rand(10000000,1); % Run once tic; V1=V/norm(V); toc % result: 0.228273s tic; V2=V/sqrt(sum(V.*V)); toc % result: 0.325161s tic; V1=V/norm(V); toc % result: 0.218892s 在这里第二次计算V1只是为了确保在第一次调用时没有重要的缓存惩罚。

此处的时序信息是使用Windows上的R2008a x64生成的。

编辑：

根据gnovice的建议修改了答案（请参阅评论）。矩阵数学（很少）获胜：

clc; clear all; V = rand(1024*1024*32,1); N = 10; tic; for i=1:N, V1 = V/norm(V); end; toc % 6.3 s tic; for i=1:N, V2 = V/sqrt(sum(V.*V)); end; toc % 9.3 s tic; for i=1:N, V3 = V/sqrt(V'*V); end; toc % 6.2 s *** tic; for i=1:N, V4 = V/sqrt(sum(V.^2)); end; toc % 9.2 s tic; for i=1:N, V1=V/norm(V); end; toc % 6.4 s 恕我直言，“ norm（V）”和“ sqrt（V'* V）”之间的差异很小，以至于对于大多数程序而言，最好使用更清晰的程序。对我来说，“范数（V）”更清晰易读，但是“ sqrt（V'* V）”在Matlab中仍然很常见。



更多&回答...