很好地近似来说，向量化的目标是编写避免循环并使用整个数组操作的代码。作为一个简单的例子，考虑
for i = 1:n
for j = 1:m
c(i,j) = a(i,j) + b(i,j);
endfor
endfor
与简单得多的写法相比：
c = a + b;
这不仅更容易编写，在内部也更容易优化。Octave 将此操作委托给底层的实现，该实现除了其他优化外，还可能使用特殊的向量硬件指令，甚至可以并行执行加法运算。一般来说，如果代码被向量化，底层实现就拥有更多的自由度来进行假设，从而实现更快的执行。
这对于循环体"廉价"的循环尤为重要。通常只需对最内层循环进行向量化就足以获得可接受的性能。一个通用的经验法则是：向量化后的循环体的"阶数"应大于或等于外层循环的"阶数"。
作为一个不那么简单的例子，与其写成：
for i = 1:n-1 a(i) = b(i+1) - b(i); endfor
不如写成：
a = b(2:n) - b(1:n-1);
这展示了一个重要的通用概念：使用数组进行索引，而不是在索引变量上循环。详见 索引表达式。同时也要大量使用布尔索引。如果需要测试某个条件，这个条件也可以写成布尔索引的形式。例如，与其写成：
for i = 1:n
if (a(i) > 5)
a(i) -= 20
endif
endfor
不如写成：
a(a>5) -= 20;
这利用了 a > 5 会产生一个布尔索引的事实。
尽可能使用逐元素向量运算符来避免循环（如 .* 和 .^ 等运算符）。详见 算术运算符。
同时在逐元素运算符中利用广播机制，既可以避免循环，也可以避免不必要的中间内存分配。详见 广播。
尽可能使用内置函数和库函数。内置函数和已编译函数非常快。即使使用 m 文件库函数，它也很有可能已经过优化，或者将在未来的版本中得到进一步优化。
例如，比以下写法更好的是：
a = b(2:n) - b(1:n-1);
使用：
a = diff (b);
大多数 Octave 函数在设计时都考虑到了向量和数组参数。如果你发现自己正在编写一个包含非常简单操作的循环，很可能这样的函数已经存在了。以下函数在向量化代码中经常出现：
