在MATLAB中，通过向量元素缩放稀疏矩阵中的每一行

我有一个稀疏矩阵

obj.resOp = sparse(row,col,val); 

% Random sparse matrix: 10 rows, 4 cols, density 20%
S = sprand(10,4, 0.2);

和一个向量，包含矩阵中每行的和

sums = sparse(sum(obj.resOp,2));

现在我想做的是

obj.resOp = obj.resOp ./ sums;

这将缩放矩阵中的每一行，使每一行的行和为1

然而，在最后一行中，MATLAB内部似乎从

obj.resOp

构建了一个完整的矩阵，因此我得到了以下错误：

使用./Requested 38849x231827（17.5GB）数组时出错超过最大值 数组大小首选项。可能会创建大于此限制的数组 需要很长时间，并导致MATLAB变得无响应。请参阅数组大小限制或首选项 有关更多信息，请参阅面板

对于足够大的矩阵

---

理论上，我认为扩展到一个完整的矩阵是没有必要的。在保持

obj.resOp

的稀疏性的同时，是否有我想要实现的任何MATLAB公式？

您可以使用类似的方法来实现这一点

从一些稀疏矩阵开始

obj.resOp = sparse(row,col,val); 

% Random sparse matrix: 10 rows, 4 cols, density 20%
S = sprand(10,4, 0.2);

获取行和，注意

sum

从稀疏输入返回一个稀疏矩阵，因此不需要额外的转换（）

查找所有非零索引及其值

[rowidx, colidx, vals] = find(S)

现在从元素分割创建一个稀疏矩阵

out = sparse(rowidx, colidx, vals./rowsums(rowidx), size(S,1), size(S,2));

---

等效计算

obj.resOp = inv(diag(sums)) * obj.resOp;

---

运行平稳。

可能需要知道您使用的是哪个版本的MATLAB？我使用的是MATLAB 2017a.obj.resOp=inv（diag（sums））*obj.resOp；应该给我同样的结果，但是被杀了。这可能是我的向量中的一个错误。

sum

中的一些条目为零，这就是上面的方法不起作用的原因。修复后，一切正常！无论如何，谢谢你的建议，@wolfie除非绝对必要，否则无论如何都不要使用

inv

。众所周知，它容易出错。因为你在寻找一个对角矩阵的逆矩阵，结果就是另一个对角矩阵，它的系数是逆矩阵。因此：

inv（diag（sums））-->diag（1./sums）

。这篇文章是作者写的。谢谢你的提示。已实现。此解决方案确实比我的解决方案快，并且不太容易出现内存不足的情况。很高兴我能提供帮助，该方法对我来说太新了，以至于我不知道它能很好地工作