Matlab / Octave是否支持对矩阵切片进行操作？

Question

我是Octave / Matlab的新手，所以到目前为止我知道，你可以应用矩阵运算（如* ）或单元格运算（如.* ）。

现在我遇到了这两种模式之间的问题。

例如（这只是例子 ）我有一个矩阵（10,10）和一个向量（10,1）。 我想在切片中使用这个矩阵（在这种情况下是列切片）并向它们添加向量。 因此，向第一列添加向量，向第二列添加向量，....，向最后一列添加向量。 并且在结果中获取矩阵（10,10）当然。

到目前为止，我提出了两种方法：

1. 手动循环遍历列，并添加向量

2. 重复向量，然后将整个重复的向量（所以现在它真的是矩阵）添加到矩阵

第二种方法使用矢量化方法，然而消耗大量内存，在第一种情况下，没有矢量化方法（手动循环），但内存不会过度使用。

问题 - 是否有一些不错的第三种方式切片模式？ 我可以说，将矩阵视为切片，向切片添加矢量，然后放下这样的视图，并照常处理矩阵？

Answer 1

您可以在二进制单例扩展（ bsxfun ）中使用Matlab的bult以内存有效的方式实现您想要的结果。

x = ones(10); %// 10x10 matrix
y = 1:10; %// 10x1 matrix
z = bsxfun(@plus, x, y)

这将给出以下输出

z =

 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11

使用repmat命令通常是浪费的（正如您在问题中指出的那样），通常可以避免使用。 有关bsxfun与repmat的详细说明，请参阅此文章

http://blogs.mathworks.com/loren/2008/08/04/comparing-repmat-and-bsxfun-performance/

至少对于乘法，您可以使用涉及对角矩阵的技巧来实现结果。 您可以使用sparse关键字来减少对角矩阵的临时存储的内存使用量

x = ones(10); %// 10x10 matrix
y = 1:10; %// 10x1 matrix
yd = sparse(diag(y)); %// 10x10 matrix, but memory is only used to store data and its indicies

z =  yd * x %// 10x10 matrix

但是，bsxfun解决方案通常更优越。