在 MATLAB 的日常使用中，我们经常需要处理矩阵和数组运算。你可能会遇到这样的情况：在进行矩阵初始化、预分配内存或建立数学模型时，我们需要一个所有元素都为零的矩阵、数组或向量。这就是我们今天要深入探讨的主题——如何在 MATLAB 中高效地创建零数组。
虽然我们可以手动输入一串 0 来完成这项工作，但在专业的 MATLAB 编程中，掌握内置的 zeros() 函数才是更优的选择。这不仅是因为代码更加简洁，更重要的是它对于内存管理和程序性能有着至关重要的影响。
在这篇文章中，我们将一起探索创建零数组的各种方法，从基础的手动输入到灵活多变的 zeros() 函数的各种高级用法，并分享一些实战中的最佳实践。
为什么我们需要“零数组”？
在深入代码之前，让我们先理解为什么这个操作如此重要。
- 内存预分配：这是最重要的原因。如果你在一个循环中动态增长数组（例如
x = [x; new_val]），MATLAB 每次都要重新寻找内存块并复制数据，效率极低。如果我们预先创建一个足够大的零数组，然后填入数据，程序的运行速度会显著提升。 - 数据初始化：在数学计算中，我们经常需要累加器或初始状态为 0 的矩阵。
1. 手动创建零数组（基础篇）
首先，让我们看看最直观的方法。这种方法虽然简单，但在处理小规模数据或快速测试时非常方便。
#### 创建行向量
如果你需要一个包含 5 个零的行向量（1×5 矩阵），我们可以直接使用方括号并输入 0。
% MATLAB 创建零数组（行向量）的代码
X = [0 0 0 0 0];
disp(X)
代码解析：
这里我们使用了空格或逗号来分隔列元素。这会创建一个 1 行 5 列的行向量。
输出：
#### 创建列向量
如果你需要垂直方向的向量（5×1），我们可以使用分号 ; 来分隔行。
% MATLAB 创建包含零的列向量的代码
X = [0; 0; 0; 0; 0];
disp(X)
代码解析：
分号在 MATLAB 中表示“新的一行”。这生成了一个 5 行 1 列的列向量。
输出：
#### 手动创建矩阵
对于二维矩阵（例如 3 行 4 列），我们可以结合使用空格（列分隔符）和分号（行分隔符）。
% MATLAB 创建 3x4 零矩阵的代码
X = [0 0 0 0; 0 0 0 0; 0 0 0 0];
disp(‘3x4 矩阵:‘);
disp(X);
局限性：
虽然这种方法很直观，但想象一下，如果我们要创建一个 100×100 的矩阵，手动输入 10,000 个零显然是不现实的。这就是我们需要引入 zeros() 函数 的原因。
2. 使用内置 zeros() 函数（进阶篇）
MATLAB 提供了强大的 zeros() 函数，它允许我们通过指定维度来快速生成零数组。让我们深入看看这个函数的各种用法。
#### 创建标量零
最简单的用法是不带任何参数。
语法： X = zeros
这将返回一个标量 0，也就是一个双精度浮点数。
% MATLAB 创建标量零的代码
X = zeros;
disp([‘返回类型: ‘, class(X)]);
disp([‘值: ‘, num2str(X)]);
输出：
实用见解： 这种用法通常用于将变量初始化为数值 0，确保后续的数学运算不会因为类型错误（例如字符串操作）而中断。
#### 创建方阵
如果你想创建一个 NxN 的方阵，只需传递一个整数参数。
语法： matrix = zeros(n)
- n：方阵的大小。
- 特殊情况：如果 n 是 0，它返回空矩阵；如果是负数，通常也被视为 0 或空矩阵（取决于 MATLAB 版本，通常建议使用非负整数）。
示例：创建 3×3 零矩阵
% MATLAB 创建 3x3 零矩阵的代码
matrix = zeros(3);
disp(‘3x3 零矩阵:‘);
disp(matrix);
输出：
#### 创建多维数组（Rectangular Matrix）
这是最常用的形式。我们可以分别指定行数和列数。
语法： matrix = zeros(sz1, sz2, ......., szN)
- 返回值：一个 sz1 行 x sz2 列 x … x szN 维度的数组。
- 输入参数：必须为整数值。
示例 1：创建 2×3 矩阵
% MATLAB 创建 2行3列 零矩阵的代码
matrix = zeros(2, 3);
disp(‘2x3 矩阵:‘);
disp(matrix);
示例 2：创建 3维数组
让我们尝试创建一个 2x3x4 的三维数组。这在处理图像数据（RGB通道）或视频序列时非常有用。
% MATLAB 创建 3D 零数组 (2x3x4)
matrix = zeros(2, 3, 4);
disp([‘3维数组的大小: ‘, num2str(size(matrix))]);
% 注意：在命令行显示完整的 3D 矩阵可能很长，这里我们只显示大小
代码解析：
上面的代码创建了一个“块”状数据。第一维是 2（行），第二维是 3（列），第三维是 4（页/层）。这在处理张量运算时非常关键。
#### 使用向量语法创建特定大小
除了直接列出数字，zeros() 还允许你传入一个包含维度信息的向量。
语法： INLINECODE71502ccd // 这里 INLINECODE76554dc7 是一个向量 INLINECODE61f059db 或 INLINECODEb7e59ee0。
这在编写通用函数时特别有用，因为你可以将 INLINECODEa513ea65 函数的结果直接传递给 INLINECODEd6c03d35。
示例：克隆现有矩阵的大小
假设我们有一个矩阵 A，我们想要创建一个和 A 形状一模一样的零矩阵 B。
% MATLAB 克隆另一个矩阵大小的代码
A = ones(2, 3); % 创建一个 2x3 的全1矩阵作为模板
disp(‘模板矩阵 A 的大小:‘);
disp(size(A));
% 方法1：直接使用 size 函数的输出
matrix = zeros(size(A));
disp(‘与 A 大小相同的零矩阵:‘);
disp(matrix);
% 方法2：手动定义向量
sz_vector = [4 5];
matrix_custom = zeros(sz_vector);
disp(‘自定义 4x5 零矩阵:‘);
disp(matrix_custom);
输出：
实用见解： 当你要对运算结果进行归零或重置时，这种技巧非常实用。
深入探讨：数据类型与性能优化
作为经验丰富的开发者，我们需要关注代码的底层效率。zeros 函数还有一些隐藏的强大功能。
#### 指定数据类型
默认情况下，MATLAB 创建的是 double（双精度浮点数）类型的数组。这在科学计算中很标准，但在某些情况下，它不仅浪费内存，还会降低计算速度。
- 场景：如果你在处理图像像素值（0-255），使用 INLINECODEbec58020 类型比 INLINECODEe5d1d86f 节省 8 倍内存。
语法： X = zeros(..., ‘typename‘)
示例：创建不同类型的零数组
% 创建默认双精度矩阵 (占用 8 字节/元素)
default_zeros = zeros(2, 2);
% 创建无符号 8位整数矩阵 (占用 1 字节/元素)
uint8_zeros = zeros(2, 2, ‘uint8‘);
% 创建逻辑型 (true/false) 矩阵
logical_zeros = zeros(2, 2, ‘logical‘);
disp(‘Double 类型内存占用 (字节):‘);
disp(whos(‘default_zeros‘).bytes);
disp(‘Uint8 类型内存占用 (字节):‘);
disp(whos(‘uint8_zeros‘).bytes);
实战建议： 在大数据处理或嵌入式系统开发中，始终根据你的数据范围选择合适的数据类型。
#### 类似对象复制
这是 zeros 函数一个非常高级且实用的特性：创建一个与另一个变量具有相同数据类型、稀疏性甚至复数特性的零数组。
语法： X = zeros(sz, ‘like‘, Y)
示例：
% 假设我们有一个稀疏矩阵或者特定类型的矩阵
p = uint8([1; 2; 3]);
% 我们想创建一个和 p 一样类型和形状的零数组
z = zeros(size(p), ‘like‘, p);
disp(class(p)); % 输出 uint8
disp(class(z)); % 输出 uint8
常见错误与解决方案
在零数组创建过程中，新手和资深开发者都可能会遇到一些陷阱。
#### 1. 索引越界
错误场景： 你创建了一个 3×3 的零数组，但试图访问第 4 行。
Z = zeros(3);
% val = Z(4, 1); % 这将报错：Index exceeds array bounds.
解决： 始终检查数组大小，使用 size(Z) 函数确认维度。
#### 2. 维度混淆
错误场景： 混淆了行向量（1xN）和列向量（Nx1）。这在矩阵乘法中会导致维度不匹配错误。
Row = zeros(1, 5); % 1行5列
Col = zeros(5, 1); % 5行1列
% result = Row * Col; % 这可以工作 (1x5 * 5x1 = 1x1 标量)
% result2 = Row * Row; % 这会报错 (1x5 * 1x5 维度不匹配)
解决： 习惯使用 INLINECODEe30b4f4e 函数或者在创建时严格使用转置符号 INLINECODEf93e245e (例如 zeros(5,1)‘ 也是行向量)。
#### 3. 忽略预分配导致的性能陷阱
正如我们在开头提到的，不使用 zeros 预分配而是动态增长数组是 MATLAB 性能最大的杀手。
反面教材：
% 性能极差的写法
for i = 1:1000
A(i) = 0; % 每次循环都在改变数组大小，重新分配内存
end
正面教材：
% 性能优异的写法
A = zeros(1, 1000); % 一次性分配好内存
for i = 1:1000
A(i) = compute_value(i); % 直接填充
end
总结
在这篇文章中，我们全面介绍了在 MATLAB 中创建零数组的方法。
- 手动输入适合测试和极小规模数据，但在生产环境中应尽量避免。
- zeros() 函数是我们最强大的工具，它支持从标量到高维张量的各种创建方式。
- 通过利用 INLINECODEc1f389a8 参数克隆和指定 INLINECODEbd2bf98a，我们可以编写出更健壮、更高效的代码。
后续步骤建议：
既然你已经掌握了零数组的创建，我建议你接下来了解一下 MATLAB 中其他数组生成函数，如 INLINECODE1e435554 (全1矩阵)、INLINECODE6cb3629d (单位矩阵) 和 INLINECODE8bb6f41f (随机数矩阵)。它们与 INLINECODEdd81cf69 语法非常相似，掌握其中一个就等于掌握了全部。
希望这篇文章能帮助你写出更专业的 MATLAB 代码！如果你在实际项目中遇到了关于数组初始化的有趣问题，欢迎继续深入探讨。