master
Dispersas
Escuela
de
ciencias
aplicadas
departamento
de
matemáticas,
Universidad
Sergio
arboleda,
Bogotá
I.
ABSTRACT
En el siguiente paper evaluaremos un
set de posibilidades de aplicaciones de
matrices dispersas, al igual que todas
las formas posibles de organización de
los datos. Noscentraremos en
aplicabilidades
en
el
área
computacional, seguido de alternativas
de algoritmos que solucionan nuestro
problema, al igual de pequeñas ayudas
visuales que mejorarán nuestra
comprensión.
II.
INTRODUCCIÓN
El método de matrices dispersas (en
ocasiones conocido como MDG) es un
método, aplicado especialmente en
áreas computacionales relacionadocon
problemas
de
optimización
de
memoria,
con
problemas
de
identificación de posición en arreglos,
al igual que en problemas de conteos
demográficos . De esta manera el
MDG (Pattern based representation o
PBR en inglés) se especializa en ciclos
internos, y la reducción de búsquedas
innecesarias de espacios de memoria.
La idea general de una matriz dispersa
a reducir los puntos dedispersión y
concentrarnos en un punto atractor o
vector, o un arreglo de un conjunto de
vectores que nos permite la ubicación
de los elementos con mucha más
eficacia y rapidez que una matriz con
gran cantidad de nulidades o núcleos.
Existe gran cantidad estudios cuyos
resultados se verán reflejados en
matrices, en algunos casos la cantidad
nulidades en la representación final
llega aexceder el 50% del resultado,
comúnmente en este tipo de estudios se
aplica la representación vectorial para
esas matrices dispersas, bien sea la
esquematizada o la CSR, sea como
considerando el siguiente ejemplo:
TABLA #1
Ejemplos de Disperciones
0
0
3
1
0
0
0
0
5
0
12
0
0
2
3
3
2
0
7
0
0
8
0
0
0III.
APLICABILIDAD
DE
MATRICES
DISPERSAS
El
MDG
nos
genera
un
vector
resultante
como
producto
una
matriz
dispersa
A,
sea
bien
por
CSR
o
por
un
método
de
esquematización,
el
vector
resultante
nos
garantiza
que
todas
las operaciones
aritméticas
en
con
el
mismo
vector
sean
no
nulas,
y
bien
ahora
no
indicando
dos
índices
I,
J
sino
uno
solo
que
indica
la
posición
del
elemento
en
el
vector.
A. Análisis
demográficos:
Cuando
se
recogen
gran cantidad
de
datos
y
el
censo
poblacional
es
demasiado
grande,
o
la
muestra
es
de
un
tamaño
considerable.
Tómese
el
ejemplo
de
que
en
una
empresa,
se
pregunta
anualmente
la
nueva
cantidad
de
hijos
por
familia
a cada
trabajor,
para
de
esta
manera
determinar
su
sueldo,
elementalmente,
en
el
ejemplo
anterior
se
espera
que
la
mayoría
las
entradas
de
la
matriz
sea
cero,
luego
una
tabulación
posterior
de
los
datos
que
involucren
cada
dato
la
matriz
resultante,
sería
una
pérdida
en
la
aplicación
de
la
optimización,
ya
que
el
incremento
porcentual
del
salario
para
estas
personas
sería
una
cantidad
nula,
luego
desde
el
punto
de
vista
de
la
optimización,
es...
Regístrate para leer el documento completo.