وبلاگ آموزش ها و اخبار متلبی
مکان شما: / / / آموزش کامل دستور zeros در متلب (MATLAB) با مثال‌های عملی...
آموزش کامل دستور zeros در متلب (MATLAB) با مثال‌های عملی

آموزش کامل دستور zeros در متلب (MATLAB) با مثال‌های عملی

0 دیدگاه /در , /توسط

آموزش کامل دستور zeros در متلب (MATLAB) با مثال‌های عملی

1️⃣ مقدمه

در متلب (MATLAB) توابع زیادی برای تولید و مقداردهی اولیه به آرایه‌ها وجود دارد. یکی از پرکاربردترین این توابع، دستور zeros است.

🔹 همان‌طور که از اسمش پیداست، این دستور آرایه‌هایی (بردار، ماتریس یا آرایه‌های چندبعدی) تولید می‌کند که تمام عناصر آن برابر با صفر هستند.

📌 چرا دستور zeros مهم است؟

  1. مقداردهی اولیه (Initialization):
    در بسیاری از الگوریتم‌ها لازم است قبل از شروع محاسبات، یک ماتریس یا آرایه خالی از مقادیر غیرضروری ایجاد کنیم. در این شرایط zeros گزینه‌ای بسیار سریع و ساده است.

  2. پیش‌اختصاص حافظه (Preallocation):
    یکی از تکنیک‌های مهم برای افزایش سرعت اجرای برنامه‌ها در متلب، اختصاص دادن حافظه به متغیرها قبل از ورود به حلقه‌ها است. استفاده از zeros باعث می‌شود متلب بداند آرایه چه ابعادی دارد و حافظه لازم را از ابتدا رزرو کند. این کار در پروژه‌های بزرگ باعث بهبود چشمگیر سرعت اجرا می‌شود.

  3. کاربرد در مدل‌سازی و شبیه‌سازی:
    در بسیاری از پروژه‌های شبیه‌سازی (مثل پردازش تصویر، کنترل، تحلیل داده و مسائل مهندسی)، به آرایه‌های اولیه نیاز داریم که تمام مقادیرشان صفر باشند و سپس در طول محاسبات تغییر کنند.

📊 یک مثال ساده

فرض کنید می‌خواهیم یک ماتریس ۳×۳ بسازیم که در ابتدا همه مقادیرش صفر باشد:

A = zeros(3,3)

خروجی:

A =
0 0 0
0 0 0
0 0 0

همان‌طور که می‌بینید، ماتریسی با ابعاد ۳ در ۳ ساخته شد که همه عناصر آن صفر هستند.

2️⃣ تعریف دستور zerosدر متلب

📌 نحوه نوشتن دستور

تابع zeros در متلب به شکل‌های مختلفی استفاده می‌شود. ساختار کلی آن به این صورت است:

Z = zeros(n)
% ماتریس مربعی n×n از صفر
Z = zeros(m, n)
% ماتریس m×n از صفر
Z = zeros(m, n, p,...)
% آرایه چندبعدی صفر
Z = zeros(size(A))
% آرایه صفر با ابعاد مشابه آرایه A

📖 توضیح ورودی‌ها:

  1. n : یک عدد اسکالر (مثلاً 5). خروجی یک ماتریس مربعی n×n از صفر خواهد بود.

    • مثال: zeros(4) → ماتریس 4×4 صفر.

  2. m, n : دو عدد (مثلاً 2 و 3). خروجی یک ماتریس با m سطر و n ستون است.

    • مثال: zeros(2,3) → ماتریس 2×3 صفر.

  3. m, n, p, ... : چند عدد. خروجی یک آرایه چندبعدی از صفر خواهد بود.

    • مثال: zeros(2,3,4) → آرایه 2×3×4 صفر.

  4. size(A) : اگر به جای عدد، ابعاد یک ماتریس دیگر (مثلاً A) داده شود، آرایه صفر دقیقا با همان ابعاد ساخته می‌شود.

    • مثال: اگر A یک ماتریس 3×5 باشد، zeros(size(A)) → ماتریس 3×5 صفر.

📖 توضیح خروجی:

  • خروجی همیشه یک آرایه عددی از نوع double است مگر این‌که نوع داده‌ی دیگری مشخص شود.

  • برای تغییر نوع داده، می‌توانیم یک کلاس داده مثل single, int8, logical و … به تابع بدهیم:

Z = zeros(3,3,'single');
% ماتریس 3×3 صفر از نوع single
Z = zeros(2,2,'logical');
% ماتریس 2×2 صفر منطقی (false)

⚡ مثال ساده:

A = zeros(4)
% ماتریس 4×4 صفر
B = zeros(2,5)
% ماتریس 2×5 صفر
C = zeros(2,3,4)
% آرایه سه‌بعدی 2×3×4 صفر

3️⃣ ایجاد بردار صفر

بردار (Vector) در متلب یک آرایه یک‌بعدی است که می‌تواند سطری یا ستونی باشد. با دستور zeros به راحتی می‌توانیم چنین بردارهایی ایجاد کنیم.

📌 بردار ستونی صفر

اگر بخواهیم یک بردار ستونی (یعنی فقط یک ستون و چند سطر) بسازیم، باید تعداد سطرها را مشخص کنیم و ستون را برابر ۱ قرار دهیم:

v1 = zeros(5,1)

خروجی:

v1 =
0
0
0
0
0

📖 این یک بردار ستونی ۵×۱ از صفرهاست.

📌 بردار سطری صفر

برای ساخت بردار سطری (یعنی فقط یک سطر و چند ستون)، کافیست تعداد ستون‌ها را مشخص کنیم و سطر را برابر ۱ قرار دهیم:

v2 = zeros(1,5)

خروجی:

v2 =
0 0 0 0 0

📖 این یک بردار سطری ۱×۵ از صفرهاست.

📌 مثال ترکیبی

فرض کنید می‌خواهیم دو بردار صفر (یکی سطری و یکی ستونی) بسازیم و در یک ماتریس کنار هم قرار دهیم:

v_row = zeros(1,4);
% بردار سطری 1×4
v_col = zeros(4,1);
% بردار ستونی 4×1
M = [v_col v_row']
% ترکیب برای ساخت ماتریس

خروجی:

M =
0 0
0 0
0 0
0 0

✅ نتیجه: با zeros(m,1) بردار ستونی و با zeros(1,n) بردار سطری می‌سازیم.

4️⃣ ایجاد ماتریس صفر

ماتریس در متلب یک آرایه دو‌بعدی است که شامل سطر و ستون می‌شود. با دستور zeros می‌توانیم ماتریس‌هایی با ابعاد دلخواه ایجاد کنیم.

📌 ایجاد ماتریس مربعی صفر

برای ساخت یک ماتریس مربعی (تعداد سطر = تعداد ستون) کافیست یک عدد به دستور بدهیم:

A = zeros(4)

خروجی:

A =
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0

📖 این یک ماتریس ۴×۴ از صفرهاست.

📌 ایجاد ماتریس مستطیلی صفر

برای ساخت یک ماتریس غیرمربعی، باید تعداد سطرها و ستون‌ها را جداگانه مشخص کنیم:

B = zeros(3,5)

خروجی:

B =
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0

📖 این یک ماتریس ۳×۵ از صفرهاست.

📌 تغییر نوع داده‌ی ماتریس صفر

به طور پیش‌فرض داده‌های خروجی از نوع double هستند. ولی می‌توان نوع داده را تغییر داد:

C = zeros(2,3,'single')
% ماتریس 2×3 از نوع single
D = zeros(2,2,'logical')
% ماتریس 2×2 از نوع logical (false)

خروجی D:

D =
2×2 logical array
0 0
0 0

📌 مثال ترکیبی

فرض کنید می‌خواهیم یک ماتریس ۳×۳ از صفرها ایجاد کنیم و در ادامه یکی از ستون‌ها را با مقادیر جدید جایگزین کنیم:

M = zeros(3,3);
% ماتریس صفر
M(:,2) = [1;2;3];
% جایگزینی ستون دوم

خروجی:

M =
0 1 0
0 2 0
0 3 0

✅ نتیجه: با zeros(n) ماتریس مربعی و با zeros(m,n) ماتریس مستطیلی از صفر می‌سازیم.

5️⃣ ایجاد آرایه چندبعدی صفر

در متلب، آرایه‌ها فقط محدود به دو بعد (ماتریس) نیستند. می‌توان آرایه‌هایی با سه بعد (3D) یا حتی بیشتر ایجاد کرد. دستور zeros این امکان را به‌سادگی فراهم می‌کند.

📌 ساختار کلی

Z = zeros(m, n, p, ...)

  • m: تعداد سطرها

  • n: تعداد ستون‌ها

  • p: تعداد لایه‌ها (بُعد سوم)

  • ابعاد بیشتر هم می‌توان اضافه کرد.

📌 آرایه سه‌بعدی صفر (3D)

مثال: ساخت یک آرایه ۲×۳×۴ (۲ سطر، ۳ ستون، ۴ لایه):

A = zeros(2,3,4)

📖 این دستور یک آرایه سه‌بعدی ایجاد می‌کند که ۴ لایه دارد و هر لایه یک ماتریس ۲×۳ پر از صفر است.

برای مشاهده یک لایه خاص می‌توانیم بنویسیم:

A(:,:,1)
% نمایش لایه اول
A(:,:,2)
% نمایش لایه دوم

خروجی A(:,:,1) :

ans =
0 0 0
0 0 0

📌 آرایه چهاربعدی و بالاتر

مثال: ساخت یک آرایه چهاربعدی ۲×۲×۳×2 :

B = zeros(2,2,3,2)

📖 این آرایه در واقع شامل ۲ بلوک است، که هر بلوک شامل ۳ لایه از ماتریس‌های ۲×۲ صفر است.

📌 تغییر نوع داده در آرایه چندبعدی

می‌توان نوع داده را مثل قبل تغییر داد:

C = zeros(2,3,4,'single');
% آرایه 3D از نوع single
D = zeros(2,2,2,'logical');
% آرایه 3D از نوع منطقی (false)

📊 مثال کاربردی

فرض کنید می‌خواهیم یک حجم داده سه‌بعدی (3D Data Cube) برای ذخیره‌ی تصاویر سیاه‌وسفید در ۱۰ فریم ایجاد کنیم. هر تصویر ۶۴×۶۴ پیکسل است.

Frames = zeros(64,64,10);

📖 حالا آرایه Frames شامل ۱۰ لایه است، که هر کدام یک تصویر ۶۴×۶۴ (در ابتدا تماماً صفر) می‌باشند.

✅ نتیجه: با دستور zeros می‌توانیم به راحتی آرایه‌های چندبعدی (3D یا بیشتر) بسازیم و در پروژه‌های پردازش تصویر، ویدیو یا شبیه‌سازی داده‌ها استفاده کنیم.

6️⃣ استفاده از size برای ایجاد آرایه صفر

گاهی اوقات در برنامه‌نویسی متلب لازم است یک آرایه صفر با ابعادی مشابه یک ماتریس یا آرایه موجود ایجاد کنیم.
تابع zeros این امکان را با کمک دستور size فراهم می‌کند.

📌 ساختار کلی

Z = zeros(size(A))

  • در اینجا A یک ماتریس یا آرایه موجود است.

  • خروجی Z یک آرایه صفر با ابعادی دقیقاً مشابه A خواهد بود.

📊 مثال ساده

فرض کنید ماتریس زیر را داریم:

A = [1 2 3; 4 5 6; 7 8 9];

حالا می‌خواهیم یک ماتریس صفر با ابعاد مشابه A بسازیم:

Z = zeros(size(A))

خروجی:

Z =
0 0 0
0 0 0
0 0 0

📖 ابعاد ماتریس A سه در سه بود، پس Z هم به صورت ۳×۳ ساخته شد.

📌 مثال در آرایه سه‌بعدی

اگر یک آرایه سه‌بعدی داشته باشیم:

B = rand(4,5,2);
% آرایه 4×5×2 با مقادیر تصادفی

حالا می‌خواهیم آرایه‌ای صفر با همان ابعاد بسازیم:

Z = zeros(size(B))

📖 خروجی یک آرایه صفر با ابعاد ۴×۵×۲ خواهد بود.

📌 تغییر نوع داده همراه با size

همانند قبل می‌توان نوع داده را مشخص کرد:

Z1 = zeros(size(A),'single');
% ماتریس صفر از نوع single
Z2 = zeros(size(B),'logical');
% آرایه صفر منطقی

📊 مثال کاربردی

فرض کنید در پردازش تصویر، یک تصویر خاکستری را داریم و می‌خواهیم یک تصویر صفر با همان ابعاد ایجاد کنیم تا نتایج پردازش روی آن ذخیره شود:

img = imread('cameraman.tif');
% خواندن تصویر نمونه
Zimg = zeros(size(img),'uint8');
% ایجاد تصویر صفر با ابعاد و نوع داده مشابه

📖 در این حالت Zimg تصویری کاملاً سیاه (صفر) خواهد بود که می‌توان به عنوان بوم خالی استفاده کرد.

✅ نتیجه: با ترکیب zeros و size می‌توانیم به راحتی آرایه‌های صفر بسازیم که دقیقاً هم‌اندازه داده‌های موجود هستند.

7️⃣ کاربردهای عملی دستور zeros

دستور zeros فقط برای ساختن آرایه پر از صفر نیست؛ در واقع یکی از ابزارهای اصلی برنامه‌نویسی در متلب است که در پیش‌اختصاص حافظه، شبیه‌سازی‌ها، پردازش داده و مدل‌سازی کاربرد گسترده‌ای دارد.

📌 1. پیش‌اختصاص حافظه (Preallocation)

یکی از رایج‌ترین مشکلات در متلب، کند شدن برنامه‌ها به دلیل تغییر مداوم اندازه‌ی آرایه در حلقه‌هاست.
برای جلوگیری از این مشکل، بهتر است قبل از ورود به حلقه، آرایه را با zeros مقداردهی اولیه کنیم.

🔹 مثال بدون پیش‌اختصاص:

n = 10000;
for i = 1:n
A(i) = i^2;
end

📖 در این حالت متلب مجبور می‌شود در هر بار تکرار حلقه، اندازه آرایه را تغییر دهد → اجرای کند.

🔹 مثال با پیش‌اختصاص:

n = 10000;
A = zeros(1,n);
% پیش‌اختصاص حافظه
for i = 1:n
A(i) = i^2;
end

📖 این بار حافظه از قبل رزرو شده است و حلقه بسیار سریع‌تر اجرا می‌شود.

📌 2. شبیه‌سازی‌ها و مدل‌سازی‌ها

در بسیاری از شبیه‌سازی‌ها لازم است ابتدا یک آرایه صفر ایجاد کنیم و سپس داده‌ها را در طول زمان در آن ذخیره کنیم.

🔹 مثال: ذخیره مقادیر یک سیگنال

t = 0:0.1:10;
% بازه زمانی
y = zeros(size(t));
% آرایه صفر با ابعاد مشابه t
for k = 1:length(t)
y(k) = sin(t(k));
% محاسبه سیگنال
end

📖 در اینجا ابتدا آرایه y با صفر پر شده و سپس در حلقه مقادیر سینوسی جایگزین شده است.

📌 3. پردازش تصویر

در پردازش تصویر، معمولاً نیاز داریم یک تصویر کاملاً سیاه (صفر) ایجاد کنیم تا نتایج پردازش را در آن قرار دهیم.

🔹 مثال: ساخت تصویر سیاه

img = zeros(256,256,'uint8');
imshow(img)

📖 خروجی یک تصویر سیاه ۲۵۶×۲۵۶ خواهد بود.

📌 4. ایجاد ماتریس‌های کمکی

گاهی در محاسبات ماتریسی نیاز به ماتریس صفر داریم (مثلاً به عنوان ماتریس اولیه در حل معادلات یا برای پرکردن بخشی از یک ماتریس بزرگ).

🔹 مثال: ساخت ماتریس بلوکی

A = rand(2,2);
B = rand(2,2);
Z = zeros(2,2);
M = [A Z; Z B]

📖 در اینجا ماتریس M یک ماتریس بلوکی است که در آن ماتریس‌های A و B در قطر اصلی و بلوک‌های صفر در بقیه جاها قرار گرفته‌اند.

📌 5. الگوریتم‌های عددی و بهینه‌سازی

در بسیاری از الگوریتم‌های عددی، مثل روش‌های تکراری یا بهینه‌سازی، لازم است یک بردار یا ماتریس صفر به عنوان مقدار اولیه تعریف شود.

🔹 مثال: مقدار اولیه در روش‌های تکراری

x0 = zeros(3,1);
% بردار اولیه صفر برای الگوریتم

📖 این مقدار می‌تواند شروع یک الگوریتم تکراری مثل روش نیوتن یا الگوریتم‌های بهینه‌سازی باشد.

✅ نتیجه: دستور zeros نه‌تنها برای ساخت آرایه صفر، بلکه برای بهینه‌سازی سرعت برنامه‌ها، مدل‌سازی داده‌ها، پردازش تصویر و الگوریتم‌های عددی یک ابزار ضروری است.

8️⃣ مقایسه zeros با توابع مشابه

در متلب توابع زیادی برای تولید آرایه‌های خاص وجود دارد. هرکدام برای موقعیتی کاربردی هستند. در این بخش، zeros را با توابع مشابه مقایسه می‌کنیم.

📌 1. مقایسه با ones

  • zeros(m,n) → ماتریس m×n پر از صفر

  • ones(m,n) → ماتریس m×n پر از یک

مثال:

A = zeros(2,3)
B = ones(2,3)

خروجی:

A =
0 0 0
0 0 0
B =
1 1 1
1 1 1

📖 تفاوت: یکی پر از صفر و دیگری پر از یک.

📌 2. مقایسه با eye

  • zeros(n) → ماتریس n×n پر از صفر

  • eye(n) → ماتریس همانی (قطر اصلی پر از 1 و بقیه صفر)

مثال:

A = zeros(3)
B = eye(3)

خروجی:

A =
0 0 0
0 0 0
0 0 0
B =
1 0 0
0 1 0
0 0 1

📖 تفاوت: در eye فقط قطر اصلی پر از 1 است.

📌 3. مقایسه با rand

  • zeros(m,n) → ماتریس m×n پر از صفر

  • rand(m,n) → ماتریس m×n با اعداد تصادفی یکنواخت بین 0 و 1

مثال:

A = zeros(2,2)
B = rand(2,2)

خروجی نمونه:

A =
0 0
0 0
B =
0.8147 0.9058
0.1270 0.9134

📖 تفاوت: rand اعداد تصادفی تولید می‌کند، در حالی‌که zeros فقط صفر.

📌 4. مقایسه با randn

  • zeros(m,n) → ماتریس m×n پر از صفر

  • randn(m,n) → ماتریس m×n با اعداد تصادفی با توزیع نرمال استاندارد (میانگین 0، واریانس 1)

مثال:

A = zeros(2,2)
B = randn(2,2)

خروجی نمونه:

A =
0 0
0 0
B =
0.5377 -1.3077
1.8339 0.8622

📖 تفاوت: randn اعداد تصادفی گاوسی تولید می‌کند.

📊 جمع‌بندی مقایسه

دستور خروجی
zeros(m,n) ماتریس صفر
ones(m,n) ماتریس پر از یک
eye(n) ماتریس همانی
rand(m,n) اعداد تصادفی یکنواخت (0 تا 1)
randn(m,n) اعداد تصادفی نرمال (میانگین 0، واریانس 1)

✅ نتیجه: هرکدام از این توابع برای شرایط خاصی استفاده می‌شوند. اگر هدف مقداردهی اولیه بدون عدد اضافی باشد، zeros بهترین انتخاب است.

9️⃣ جمع‌بندی و نکات کلیدی

تابع zeros یکی از پرکاربردترین ابزارهای متلب برای ایجاد آرایه‌های صفر است و کاربردهای آن از مقداردهی اولیه ساده تا شبیه‌سازی‌های پیچیده گسترده است.

📌 نکات کلیدی:

  1. ساخت ماتریس و بردار صفر

    • zeros(n) → ماتریس مربعی n×n

    • zeros(m,n) → ماتریس مستطیلی m×n

    • zeros(m,1) → بردار ستونی

    • zeros(1,n) → بردار سطری

  2. آرایه‌های چندبعدی

    • zeros(m,n,p,...) → آرایه چندبعدی با ابعاد دلخواه

  3. پیش‌اختصاص حافظه (Preallocation)

    • استفاده از zeros قبل از حلقه‌ها باعث افزایش سرعت اجرای برنامه می‌شود.

  4. ایجاد آرایه مشابه یک ماتریس دیگر

    • zeros(size(A)) → ایجاد آرایه صفر با ابعاد مشابه A

  5. تغییر نوع داده

    • به صورت اختیاری می‌توان نوع داده را تغییر داد:

      zeros(3,3,'single')
      zeros(2,2,'logical')

  6. کاربرد در شبیه‌سازی و پردازش داده

    • ایجاد ماتریس‌های کمکی، تصاویر صفر، ذخیره داده‌ها، الگوریتم‌های عددی و بهینه‌سازی

  7. مقایسه با توابع مشابه

    • ones → ماتریس پر از یک

    • eye → ماتریس همانی

    • rand → ماتریس با اعداد تصادفی یکنواخت

    • randn → ماتریس با اعداد تصادفی نرمال

🔹 جمع‌بندی نهایی:

  • ساده اما قدرتمند: zeros پایه و اساس بسیاری از محاسبات و الگوریتم‌های متلب است.

  • کاربرد فراگیر: در همه زمینه‌ها از جمله ریاضیات، مهندسی، شبیه‌سازی و پردازش تصویر استفاده می‌شود.

  • بهینه‌سازی برنامه‌ها: با پیش‌اختصاص حافظه می‌توان سرعت برنامه‌ها را به طرز چشمگیری افزایش داد.

  • سایت متلبی, سایت انجام پروژه متلب به صورت تخصصی است.
  • مستندات دستور zeros در matlab از سایت متورکز

اگر سوالی در مورد این مطلب دارید میتوانید در بخش دیدگاه همین پست با ما در میان بگذارید.

 

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Doc-text Doc-text فرم ثبت سفارش
Basket Basket فروشگاه متلبی
Docs Docs وبلاگ متلبی
User-add User-add دعوت به همکاری
Megaphone Megaphone تبلیغات در متلبی

متلبی با بیش از یک دهه تجربه و فعالیت در زمینه انجام پروژه های صنعتی, تجاری و آموزشی به صورت تخصصی با کلیه نرم افزارهای مهندسی فعالیت دارد.

سایت متلبی با ضمانت هزینه, سفارشات را با بهترین کیفیت و در کمترین زمان ممکن توسط بهترین متخصصین مربوطه انجام میدهد.

آنچه سایت متلبی را از سایرین متمایز می کند انجام پروژه به همراه آموزش و ارائه پشتیبانی قوی آن است.

بانک عظیم و منحصر بفرد مقالات شبیه سازی شده در قالب مباحث آموزشی و کمک آموزشی را در فروشگاه متلبی میتوان یافت, که با تضمین هزینه و پشتیبانی, قبل و بعد از خرید می باشد.

انجام پروژه متلب تنها یکی از خدمات نرم افزاری سایت متلبی است و تمامی سفارشات برنامه نویسی و شبیه سازی با کلیه نرم افزارها قابل انجام است.

ثبت شده در ستاد ساماندهی پایگاه های اینترنتی (مرکز فن آوری دیجیتال)

کتاب Analysis of Electric Machinery and Drive Systemsکتاب Analysis of Electric Machinery and Drive Systemsراهنمای کامل جستجوی داده و عناصر ماتریس در MATLAB (صفر تا صد)راهنمای کامل جستجوی داده و عناصر ماتریس در MATLAB (صفر تا صد)...