zeros

创建全零数组

全页折叠

语法

X = zeros

X = zeros(n)

X = zeros(sz1,...,szN)

X = zeros(sz)

X = zeros(___,typename)

X = zeros(___,like=p)

说明

X = zeros 返回标量 0。

X = zeros(n) 返回一个 n×n 的全零矩阵。

示例

X = zeros(sz1,...,szN) 返回 sz1×...×szN 全零数组，其中 sz1,...,szN 指示每个维度的大小。例如，zeros(2,3) 将返回一个 2×3 矩阵。

示例

X = zeros(sz) 返回一个全零数组，其中大小向量 sz 定义 size(X)。例如，zeros([2 3]) 将返回一个 2×3 矩阵。

示例

X = zeros(___,typename) 返回一个数据类型为 typename 的全零数组。例如，zeros("int8") 将返回一个 8 位整数标量 0。您可以使用上述语法中的任何输入参量。

示例

X = zeros(___,like=p) 返回一个与 p 类似的全零数组，它具有与 p 相同的数据类型（类）、稀疏度和复/实性。您可以指定 typename 或 like，但不能同时指定二者。

示例

全部折叠

零矩阵

打开实时脚本

创建一个由零值组成的 4×4 矩阵。

X = zeros(4)

X = 4×4

     0     0     0     0
     0     0     0     0
     0     0     0     0
     0     0     0     0

全零三维数组

打开实时脚本

创建一个 2×3×4 全零数组。

X = zeros(2,3,4);
size(X)

ans = 1×3

     2     3     4

根据现有数组克隆大小

打开实时脚本

创建与现有数组具有相同大小的全零数组。

A = [1 4; 2 5; 3 6];
sz = size(A);
X = zeros(sz)

它是一种将前两行代码合并成一行的常见模式：

X = zeros(size(A));

指定零数据类型

打开实时脚本

创建一个由零组成的 1×3 向量，其元素为 32 位无符号整数。

X = zeros(1,3,"uint32")

X = 1×3 uint32 row vector

   0   0   0

class(X)

ans = 
'uint32'

根据现有数组克隆复/实性

打开实时脚本

创建一个非实数值而是与现有数组类似的复数标量 0。

首先，创建一个复数向量。

p = [1+2i 3i];

创建一个是类如 p 的复数的标量 0。

X = zeros(like=p)

X = 
0.0000 + 0.0000i

根据现有数组克隆稀疏性

打开实时脚本

创建一个 10×10 稀疏矩阵。

p = sparse(10,10,pi);

创建一个由零组成的类如 p 的 2×3 稀疏矩阵。

X = zeros(2,3,like=p)

X = 2×3 sparse double matrix
   All zero

根据现有数组克隆大小和数据类型

打开实时脚本

创建一个由 8 位无符号整数组成的 2×3 数组。

p = uint8([1 3 5; 2 4 6]);

创建一个与 p 具有相同大小和数据类型的全零数组。

X = zeros(size(p),like=p)

X = 2×3 uint8 matrix

   0   0   0
   0   0   0

class(X)

ans = 
'uint8'

克隆分布式数组

如果您拥有 Parallel Computing Toolbox™，请创建一个底层数据类型为 int8 的 1000×1000 分布式全零数组。对于 distributed 数据类型，like 语法除了克隆主数据类型，还克隆基础数据类型。

p = zeros(1000,"int8","distributed");

Starting parallel pool (parpool) using the 'local' profile ...
connected to 6 workers.

创建一个与 p 具有相同大小、主数据类型和底层数据类型的全零数组。

X = zeros(size(p),like=p);
class(X)

ans =

    'distributed'

underlyingType(X)

ans =

    'int8'

输入参数

全部折叠

`n` — 方阵的大小
整数值

方阵的大小，指定为整数值。

如果 n 为 0，则 X 为一个空矩阵。
如果 n 为负数，则将其视为 0。

`sz1,...,szN` — 每个维度的大小（作为单独参量）
整数值

每个维度的大小，指定为包含整数值的单独参量。

如果任一维度的大小为 0，则 X 为空数组。
如果任何维度的大小为负值，则其将被视为 0。
对于第二个维度以上的维度，zeros 忽略大小为 1 的尾部维度。例如，zeros(3,1,1,1) 生成一个 3×1 零向量。

`sz` — 每个维度的大小（作为行向量）
整数值

每个维度的大小，指定为由整数组成的行向量。此向量的每个元素指示对应维度的大小：

如果任一维度的大小为 0，则 X 为空数组。
如果任何维度的大小为负值，则其将被视为 0。
对于第二个维度以上的维度，zeros 忽略大小为 1 的尾部维度。例如，zeros([3 1 1 1]) 生成一个 3×1 零向量。

示例: sz = [2 3 4] 创建一个 2×3×4 数组。

`typename` — 要创建的数据类型（类）
`"double"` (默认) | `"single"` | `"logical"` | `"int8"` | `"uint8"` | ...

要创建的数据类型（类），指定为 "double"、"single"、"logical"、"int8"、"uint8"、"int16"、"uint16"、"int32"、"uint32"、"int64"、"uint64" 或提供 zeros 支持的其他类的名称。

`p` — 要创建的数组的原型
数组

要创建的数组的原型，指定为数组。

输出参量

全部折叠

`X` — 全零数组
标量 | 向量 | 矩阵 | 多维数组

全零数组，以标量、向量、矩阵或多维数组形式返回。

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

用法说明和限制：

维度必须为非负实数整数。不支持空维度。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

用法说明和限制：

请参考“C/C++ 代码生成”一节中的用法说明和限制。同样的限制也适用于 GPU 代码生成。

HDL 代码生成
使用 HDL Coder™ 为 FPGA 和 ASIC 设计生成 VHDL、Verilog 和 SystemVerilog 代码。

维度必须为非负实数整数。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

此函数完全支持基于线程的环境。有关详细信息，请参阅在基于线程的环境中运行 MATLAB 函数。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

zeros 函数支持 GPU 数组输入，但有以下用法说明和限制：

您可以将 typename 指定为 'gpuArray'。如果将 typename 指定为 'gpuArray'，则数组的默认基础类型是 double。
要创建基础类型 datatype 的 GPU 数组，请在 typename 之前将该基础类型指定为附加参量。例如，X = zeros(3,datatype,'gpuArray') 创建一个底层类型为 datatype 的 3×3 全零 GPU 数组。
您可以将基础类型 datatype 指定为以下选项之一：
- 'double'
- 'single'
- 'logical'
- 'int8'
- 'uint8'
- 'int16'
- 'uint16'
- 'int32'
- 'uint32'
- 'int64'
- 'uint64'
您也可以将数值变量 p 指定为 gpuArray。
如果将 p 指定为 gpuArray，则返回的数组的基础类型与 p 相同。

有关详细信息，请参阅在 GPU 上运行 MATLAB 函数 (Parallel Computing Toolbox)。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

用法说明和限制：

您可以将 typename 指定为 'codistributed' 或 'distributed'。如果将 typename 指定为 'codistributed' 或 'distributed'，则返回的数组的默认基础类型为 double。
要创建基础类型 datatype 的分布式或共存分布式数组，请在 typename 之前将该基础类型指定为附加参量。例如，X = zeros(3,datatype,'distributed') 创建一个基础类型 datatype 的由 0 组成的 3×3 分布式矩阵。
您可以将基础类型 datatype 指定为以下选项之一：
- 'double'
- 'single'
- 'logical'
- 'int8'
- 'uint8'
- 'int16'
- 'uint16'
- 'int32'
- 'uint32'
- 'int64'
- 'uint64'
您也可以将 p 指定为 codistributed 或 distributed 数组。
如果将 p 指定为 codistributed 或 distributed 数组，则返回的数组的基础类型与 p 相同。
有关其他 codistributed 语法，请参阅 zeros (codistributed) (Parallel Computing Toolbox)。

有关详细信息，请参阅使用分布式数组运行 MATLAB 函数 (Parallel Computing Toolbox)。

版本历史记录

在 R2006a 之前推出

另请参阅

zeros

语法

说明

示例

零矩阵

全零三维数组

根据现有数组克隆大小

指定零数据类型

根据现有数组克隆复/实性

根据现有数组克隆稀疏性

根据现有数组克隆大小和数据类型

克隆分布式数组

输入参数

n — 方阵的大小 整数值

sz1,...,szN — 每个维度的大小（作为单独参量） 整数值

sz — 每个维度的大小（作为行向量） 整数值

typename — 要创建的数据类型（类） "double" (默认) | "single" | "logical" | "int8" | "uint8" | ...

p — 要创建的数组的原型 数组

输出参量

X — 全零数组 标量 | 向量 | 矩阵 | 多维数组

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

HDL 代码生成 使用 HDL Coder™ 为 FPGA 和 ASIC 设计生成 VHDL、Verilog 和 SystemVerilog 代码。

基于线程的环境 使用 MATLAB® backgroundPool 在后台运行代码或使用 Parallel Computing Toolbox™ ThreadPool 加快代码运行速度。

GPU 数组 通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组 使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

版本历史记录

另请参阅

主题

`n` — 方阵的大小
整数值

`sz1,...,szN` — 每个维度的大小（作为单独参量）
整数值

`sz` — 每个维度的大小（作为行向量）
整数值

`typename` — 要创建的数据类型（类）
`"double"` (默认) | `"single"` | `"logical"` | `"int8"` | `"uint8"` | ...

`p` — 要创建的数组的原型
数组

`X` — 全零数组
标量 | 向量 | 矩阵 | 多维数组

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

HDL 代码生成
使用 HDL Coder™ 为 FPGA 和 ASIC 设计生成 VHDL、Verilog 和 SystemVerilog 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。