这可能不是在 MATLAB 中执行此操作的最有效方法，但以下在 Octave 中对我有用：

A=rand(200,200);
for i=1:15
  B(:,:,i)=A;
end

而且，我认为它在 MATLAB 中也应该可以正常工作。如果您的尺寸变得更大，或者您必须经常创建 3D 矩阵，则可能有更有效的方法来完成此操作。

这里有三个选项： with repmator bsxfun，@Christian Clason 唤起的两个函数。在某些版本的 Matlab 上（特别是早于 2013 年，从https://stackoverflow.com/questions/16746999/most-efficient-way-for-repeating-a-vector-in-matlab可以看出），bsxfun速度更快，如果不是这样，被认为使用更少的内存（如果你得到比$200\times 200\times15$）。最后一个玩索引。

nRow = 200;
nCol = 200;
nDep = 15;

r = rand(nRow,nCol);
o = zeros(nRow,nCol,nDep); % Not bad to initialize

% Choose one
o = repmat(r,1,1,nDep); % repmat version
o = bsxfun(@times,ones(1, 1 , nDep),r); % bsxfun version
o = r(:,:,ones(1, 1 , nDep)); % multiple-indexing version

就我而言（Matlab2013b），repmat 是$2/3$对于几个矩阵大小和重复深度（包括你的），比其他两个更快。根据一些证词，由于repmatMatlab2013b 及更高版本中存在新的编码，bsxfun确实可以更慢。