Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Matrices dispersas

Matrices dispersas elementales, algoritmos de reordenación, métodos iterativos, álgebra lineal dispersa

Las matrices dispersas proporcionan un almacenamiento eficiente de datos double o logical que tienen un gran porcentaje de ceros. Mientras que las matrices completas (o densas) almacenan cada uno de los elementos en la memoria independientemente del valor, las matrices dispersas almacenan solo los elementos distintos de cero y sus índices de filas. Por este motivo, con el uso de matrices dispersas es posible reducir de manera significativa la cantidad de memoria que se necesita para almacenar datos.

Todas las operaciones aritméticas, lógicas y de indexación integradas de MATLAB® se pueden aplicar a matrices dispersas, o a mezclas de matrices dispersas y completas. Las operaciones en matrices dispersas arrojan como resultado matrices dispersas y, por su parte, las operaciones en matrices completas devuelven matrices completas. Para obtener más información, consulte Computational Advantages of Sparse Matrices y Constructing Sparse Matrices.

Funciones

expandir todo

spallocAllocate space for sparse matrix
spdiagsExtract nonzero diagonals and create sparse band and diagonal matrices
speyeSparse identity matrix
sprandSparse uniformly distributed random matrix
sprandnSparse normally distributed random matrix
sprandsymSparse symmetric random matrix
sparseCreate sparse matrix
spconvertImport from sparse matrix external format
issparseDetermine whether input is sparse
nnzNúmero de elementos distintos de cero de una matriz
nonzerosElementos de una matriz distintos de cero
nzmaxAmount of storage allocated for nonzero matrix elements
spfunApply function to nonzero sparse matrix elements
sponesReplace nonzero sparse matrix elements with ones
spparmsSet parameters for sparse matrix routines
spyVisualize sparsity pattern of matrix
findEncontrar índices y valores de elementos distintos a cero
fullConvert sparse matrix to full storage
dissectNested dissection permutation
amdApproximate minimum degree permutation
colamdColumn approximate minimum degree permutation
colpermSparse column permutation based on nonzero count
dmpermDulmage-Mendelsohn decomposition
randpermPermutación aleatoria de enteros
symamdSymmetric approximate minimum degree permutation
symrcmSparse reverse Cuthill-McKee ordering
pcgSolve system of linear equations — preconditioned conjugate gradients method
lsqrSolve system of linear equations — least-squares method
minresSolve system of linear equations — minimum residual method
symmlqSolve system of linear equations — symmetric LQ method
gmresSolve system of linear equations — generalized minimum residual method
bicgSolve system of linear equations — biconjugate gradients method
bicgstabSolve system of linear equations — stabilized biconjugate gradients method
bicgstablSolve system of linear equations — stabilized biconjugate gradients (l) method
cgsSolve system of linear equations — conjugate gradients squared method
qmrSolve system of linear equations — quasi-minimal residual method
tfqmrSolve system of linear equations — transpose-free quasi-minimal residual method
equilibrateMatrix scaling for improved conditioning
ichol Incomplete Cholesky factorization
iluIncomplete LU factorization
eigsSubset of eigenvalues and eigenvectors
svdsSubset of singular values and vectors
normest2-norm estimate
condest1-norm condition number estimate
sprankStructural rank
etreeElimination tree
symbfactSymbolic factorization analysis
spaugmentForm least-squares augmented system
dmpermDulmage-Mendelsohn decomposition
etreeplotPlot elimination tree
treelayoutLay out tree or forest
treeplotPlot picture of tree
gplotPlot nodes and edges in adjacency matrix
unmeshConvert edge matrix to coordinate and Laplacian matrices

Temas

Ejemplos destacados