这可能不是科学计算问题，而是更多 MATLAB 问题，如果是这种情况，请随时关闭或迁移问题。

求根问题在科学计算中经常遇到，形式多种多样；但在这种情况下，目标是使用算子分裂技术求解非线性时间相关 PDE。在不深入 PDE 问题的细节的情况下（因为它与我的主要问题无关），每个时间步都会执行以下几行：

S = arrayfun(@(x,y) fsolve(@(c)[x-c(1)-c(1)*c(2);y-c(1)*c(2)],rand(1,2),options),u,v, ... 
      'UniformOutput',false);

options 是设置 fsolve 参数的结构，u 和 v 是中等大小（~8k 或更大）的列向量，fsolve 返回一个向量（1 行 x 2 列），需要设置选项（用于 arrayfun）UniformOutput错误的。我可以用以下 for 循环替换这两行：

for i=1:length(u)
    S(i,:) = fsolve(@(c)[u(i)-c(1)-c(1)*c(2);v(i)-c(1)*c(2)],rand(1,2),options);
end

这段摘录的运行速度是上一段的两倍。如果 S 提前初始化并转置（因此它与 MATLAB 的列优先顺序对齐），则时间差异会更加显着。显然，这种行为是意料之中的，因为 arrayfun 只是“隐藏”（内部化）了 for 循环，而且额外的函数句柄会引入额外的开销。

在这种观察下，函数arrayfun 的正确用例是什么？如果 for 循环更快，为什么有人会使用 arrayfun？特别是当（可以说）for循环更容易阅读时？

注意：有一些细微差别。例如，作为 arrayfun 的输出的 S 是一个元胞数组，与我们从 for 循环方法获得的 n×2 矩阵 S 形成对比。所以假设我不关心输出，它也可以在计算后被转储。我对为什么有人会在 for 循环中使用 arrayfun 的原因更感兴趣，因为 arrayfun 慢了 2 倍。

编辑 1：Octave 为 arrayfun 的存在提供了以下理由：“这对于不接受数组参数的函数很有用。”。但接着是“如果函数确实接受数组参数，最好直接调用函数。”，因为它们也只内化了 for 循环。在文档的最后，他们说内置的 @plus 函数比匿名函数快 60% @(x,y) x+y。这可能是因为@plus 的行为更像 C 宏，因此没有额外的函数调用开销。