MATLAB的定义是
afun = @(x,n)gallery('moler',n)*x;% returns A*x
n因此，您可以将矩阵的大小作为参数传递。如果您要针对不同的 n 值运行代码，您只需声明 n 并运行代码，例如：
for n1 = 10:21
% do something
b1 = afun(ones(n1,1),n1);
[x1,flag1,rr1,iter1,rv1] = pcg(@(x)afun(x,n1),b1,tol,maxit,M);
% do something
end
你的定义
afun = @(x)gallery('moler',n2)*x;
明确指定使用n2=21，因此它将创建一个 21x21 的矩阵，并且仅创建一个 21x21 的矩阵。如果您需要为不同的 值运行它n，则必须为每个不同的 定义函数n。
for n2 = 10:21
% do something
afun = @(x)gallery('moler',n2)*x;% returns A*x
b2 = afun(ones(n2,1));
[x2,flag2,rr2,iter2,rv2] = pcg(afun,b2,tol,maxit,M);
% do something
end
在上面的简单示例中，代码将在 for 的每个循环中声明并创建afun变量，而在 MATLAB 的示例中，afun函数仅声明一次。
编辑：添加执行时间。
MATLAB 对如何测量代码的性能进行了很好的讨论，但基本上你可以使用timeit或tic toc函数。要测量部分代码，可以使用tic/ toc，但测量函数执行时间的建议是使用timeit. 文档内容如下：
与 tic 和 toc 不同，timeit 函数会多次调用您的代码，因此会考虑首次成本。
然后让我们重写我们的代码来检查执行时间。首先，定义函数：
function [] = matlabfun(num)
%% matlab's definition
tol = 1e-6; maxit = 1500;
afun = @(x,n)gallery('moler',n)*x;
for n1 = 10:num
% do something
b1 = afun(ones(n1,1),n1);
[x1,flag1,rr1,iter1,rv1] = pcg(@(x)afun(x,n1),b1,tol,maxit);
% do something
end
end
function [] = myfun(num)
%% my definition
tol = 1e-6; maxit = 1500;
for n2 = 10:num
% do something
afun = @(x)gallery('moler',n2)*x;% returns A*x
b2 = afun(ones(n2,1));
[x2,flag2,rr2,iter2,rv2] = pcg(afun,b2,tol,maxit);
% do something
end
end
然后编写你的主脚本来测量每个函数的执行时间：
clc;clear;
num = 4e+2;%number of tests
matlab_fun = @() matlabfun(num);
my_fun = @() myfun(num);
timeit(matlab_fun)
timeit(my_fun)
结果是：
ans =
19.9332
ans =
19.6177
因此，看起来您的定义比 MATLAB 的定义运行得更快。但是，在我的计算机中，差异并不大。
但是，我无法确定为什么会发生这种情况，如果您更改语句的顺序，您将得到不同的响应：
clc;clear;
num = 4e+2;%number of tests
matlab_fun = @() matlabfun(num);
my_fun = @() myfun(num);
timeit(my_fun)
timeit(matlab_fun)
结果是：
ans =
19.5554
ans =
19.4029
现在看起来 MATLAB 的定义更快了。这样做的原因，这只是我个人的想法，是第一次调用gallery/pcg函数比随后的调用花费更长的时间。好像 MATLAB 必须找出这些函数的路径/库/工具箱，并且由于这是第一次调用，它会运行一些代码来准备您的计算机运行它。
这是我多年来在 MATLAB 中编程时注意到的一点，第一次调用函数总是比其他函数花费更长的时间。因此，无论您首先在代码中运行哪个定义，都会花费更长的时间。我仍然没有找到一个很好的解释来解释为什么会发生这种情况，但这就是 MATLAB 似乎是如何工作的。但是，嘿，不要太担心这个。