MATLAB中计算特定对角矩阵T的嵌套循环能否优化？

你要计算的t(i)本质是Q第i行元素的平方分别乘以D对应对角元后的求和，原代码里的嵌套循环完全可以用MATLAB的矩阵运算替代，效率还更高：

核心思路 #

t(i)的计算公式可以转化为矩阵运算：

• 要么利用你已经定义的L = Q*sqrt(D)，那么L(i,j)² = Q(i,j)²·D(j,j)，所以t就是L每行的平方和，直接用sum(L.^2, 2)就能得到n×1的t向量；
• 要么更直接，跳过L的计算，用Q.^2 * diag(D)，这里Q.^2是元素-wise平方后的矩阵，乘以D的对角元向量（diag(D)提取对角元），矩阵乘法的行求和正好对应每行元素平方乘D对角元的累加结果。

然后构造T的时候，sqrt(inv(diag(t)))可以简化：inv(diag(t))就是对角元为1/t(i)的对角矩阵，开平方后直接是对角元为1/√t(i)的矩阵，用diag(1./sqrt(t))比求逆更高效。

完整无循环代码 #

Q=[0.7477 0.0742 0.6599; -0.5632 0.5973 0.5710; -0.3518 -0.7986 0.4883];
D=diag([0 0.7106 2.2967]);

% 方法1：基于已有的L计算
L = Q*sqrt(D);
t = sum(L.^2, 2);

% 方法2：直接计算（无需生成L，更省内存）
% t = Q.^2 * diag(D);

T = diag(1./sqrt(t));

原代码的冗余问题 #

原代码里的内层for j=1:n完全是多余的——每次循环里sum(L(i,j)^2)其实就是单个元素的平方，累加起来和直接sum(L(i,:).^2)结果一致，但嵌套循环在n较大时速度会远慢于矩阵运算。

内容的提问来源于stack exchange，提问作者Lee