En un típico programa MATLAB , cada elemento de la matriz tiene un valor distinto de cero y una programación definida conjunto de valores de X e Y que definen el tamaño total de la agrupación. Por ejemplo , una matriz de tres filas por cuatro columnas tiene un valor X de " 4 " y un valor Y de " 3 " y se compone de 12 números totales. Esta es una matriz estándar y se utiliza para una amplia variedad de modelos matemáticos en la ciencia e ingeniería ; un ejemplo de este tipo de matriz en uso sería una transformada de Fourier
Sparse Matrices
< . br>
arrays estándar son herramientas maravillosas que cada combinación de coordenadas X e y tiene un número válido en el mismo. Por desgracia , no todos los problemas matemáticos y de ingeniería producen datos en buenas matrices , uniformemente pobladas. Cuando se analiza este tipo de datos , se llama una matriz de "escasa " , y los valores vacíos de la matriz se tratan como que tiene un valor de "0 ".
Scientific campos que tienen matrices dispersas
serie de datos dispersos conjuntos de MATLAB proviene de campos que requieren optimización a gran escala. Estos van desde la dinámica de fluidos y análisis de circuitos en las áreas de ingeniería y cualquier cosa que necesiten ecuaciones diferenciales parciales en las matemáticas y la investigación científica .
Efectos de rendimiento de matrices dispersas
herramientas MATLABs para la manipulación de matrices dispersas están diseñadas para tomar ventaja de la serie de valores de 0 en el conjunto de datos . En cálculos de la matriz , la identificación de los valores de cero identifica una parte del conjunto de datos que no necesita cálculo pero requiere un puntero en donde el valor es cero . Esto mejora la velocidad de cálculo dentro de MATLAB y puede reducir significativamente la cantidad de memoria necesaria para llevar a cabo un conjunto dado de operaciones . Matrices dispersas permiten a los conjuntos de datos mucho más grandes para ser manipulados y calculados.