In mathematics, a matrix (plural matrices) is a rectangular array of numbers, symbols, or expressions, arranged in rows and columns. The individual items in a matrix are called its elements or entries.
In computer science the term “matrix” refers to a multidimensional array, that is a systematic arrangement of objects, usually in rows and columns.
In questo articolo si illustra i vari tidi di matrice, e i vari tipi di memorizzazione di matrice. Dal modo in cui sono collocati gli elementi all’interno di una matrice, possiamo distinguere vari tipi
Matrice SINGOLARE
e’ una matrice triangolare (sueriore o inferiore), dove almeno un elemento a[i,i] della diagonale e’ uguale a 0.
La caratteristica di una matrice triangolare e’ che se fa parte di un sistema lineare, allora il sistema ammette infinite soluzioni.
Il determinante di una matrice singolare e’ uguale a zero.
Matrice A DIAGONALE DOMINANTE
matrice quadrate appartenente a R[nxn] di dice a diagonale dominante se per ogni i=1,2,…,n vale:
n
abs(a[i,i]) >= sum abs(a[i,j]) quando i != j
i,j=1
se vale il segno > allora di dice DIAGONALE STRETTAMENTE DOMINANTE
Matrice DEFINITA POSITIVA
una matrice quadrata A appartenente a R[nxn], che e’ simmetrice, si dice definita positiva se per qualsiasi vettore x appartenente a R[n], e x != 0, risulta: x(trasposto) * A * x > 0
Matrice ORTOGONALE
una matrice Q e’ ortogonale se la sua inversa e’ proprio uguale alla sua trasposta.
Da Q * Q(inversa) = I segue che Q * Q(trasosta) = I
Matrice CIRCOLANTE
e’ una matrice dove il vettore riga k-esimo e’ ottenuto dal vettore riga (k-1)-esimo shiftato circolarmente di una posizione verso destra:
Esempio:
1 2 3 4 5
5 1 2 3 4
4 5 1 2 3
3 4 5 1 2
2 3 4 5 1
Matrici di TOEPLITZ
Sono uguali alle Matrici CIRCOLANTI, con la caratteristica che non viene effettuato lo shift circolare, ma ad ogni shift puo’ etrare un nuovo elemento. Esempio
1 2 3 4 5
9 1 2 3 4
6 9 1 2 3
0 6 9 1 2
1 0 6 9 1
Una matrice di TOEPLITZ puo’ essere immersa in una matrice CIRCOLANTE piu’ grande in modo da poter usare algoritmi per matrici CIRCOLANTI.
Matrice SIMMETRICA
Una matrice si dice simmetrica quando A[i][j] = A[j][i]
Matrice BIDIAGONALE (superiore o inferiore)
Bidiagonale inferiore se: a(i,j)=0 per j>i e per i>j+1
Bidiagonale superiore se: a(i,j)=0 per i>j e per j>i+1
Matrice TRIDIAGONALE
Matrice tridiagonale: se a(i,j)=0 per |i-j|>1
In una matrice tridiagonale di dim nxn gli elementi che bisogna effettivamente conservare sono quelli delle tre diagonali cioË sono 3n-2.
Matrice SPARSA
E’ una matrice a[n,m] in cui ci sono molti elementi uguali a 0. La sparsita’ di una matrice si misura grazie al “Grado di sparsita’”:
numero coefficienti nulli
SP = —————————-
numero totale coefficienti
Quando gli elementi nulli sono 0, allora -> SP = 0 |
|-> Quindi 0 <= SP <= 1
Quando non ci sono elementi nulli, allora -> SP = 1 |
La matrice e’ molto sparsa quando SP e’ molto vicino a 1.
Matrice A BANDA
Ampiezza di banda inferiore=p, ampiezza di banda superiore=q se a(i,j)=0 per i>j+p e per j>i+q
CONFRONTO: SIMMETRICA DIAGONALE DOMINANTE E SIMMETRICA DEFINITA POSITIVA
|-Simmetrica |-Simmetrica
se A = | => A = | ?
|-Diagonale dominante |-Definita positiva
Ovvero quando una matrice simmetrica a diagonale dominante e’ anche definita positiva? L’affermazione e’ vera quando A e’:
– non singolare (det(A)>0)
– simmetrica
– a diagonale dominante
– ha gli elementi sulla diag non negativi
Tipi di Memorizzazione per una Matrice
A secondo del tipo di matrice, possiamo scegliere il metodo di memorizzazione più adatto alle nostre esigenze. Le memorizzazioni sono spesse scelte per ottimizzare lo spazio su disco e i calcoli sulle matrici, come:
1) Prodotto scalare tra due vettori
Da come risultato uno scalare.
2) Prodotto Matrice-Matrice
Basato sul prodotto scalare di sue vettori.
A[nxm] * B[mxp] = C[nxp]
3) Norma 1 di una matrice
Data una matrice facciamo la somma degli elementi riga per riga. La norma 1 sara’ uguale al massimo, in valore assoluto, di tutte le somme ottenute.
4) Norma infinito di una matrice
Data una matrice facciamo la somma degli elementi colonna per colonna. La norma 1 sara’ uguale al massimo, in valore assoluto, di tutte le somme ottenute.
Qui vi sono alcuni metodi di memorizzazione:
BAND STORAGE
Questa memorizzazione e’ utile per memorizzare matrici a banda. Si consideri la seguente matrice a bandauna matrice 6×6 con p=1 e q=2
a(1,1) a(1,2) a(1,3)
a(2,1) a(2,2) a(2,3) a(2,4)
a(3,2) a(3,3) a(3,4) a(3,5)
a(4,3) a(4,4) a(4,5) a(4,6)
a(5,4) a(5,5) a(5,6)
a(6,5) a(6,6)
questa matrice viene memorizzata nel formato BAND STORAGE nel seguente modo:
* * a(1,3) a(2,4) a(3,5) a(4,6)
- a(1,2) a(2,3) a(3,4) a(4,5) a(5,6)
a(1,1) a(2,2) a(3,3) a(4,4) a(5,5) a(6,6)
a(2,1) a(3,2) a(4,3) a(5,4) a(6,5) *
PACKED STORAGE
Questa memorizzazione e’ utile per matrici simmetriche oppure triangolari (inferiori o superiori). Si consideri la seguente matrice triangolare:
a(1,1) a(1,2) a(1,3) a(1,4) a(1,5)
a(2,2) a(2,3) a(2,4) a(2,5)
a(3,3) a(3,4) a(3,5)
a(4,4) a(4,5)
a(5,5)
questa matrice memorizzata in PACKED STORAGE per righe:
a(1,1) a(1,2) a(1,3) a(1,4) a(1,5) a(2,2) a(2,3) a(2,4) a(2,5) a(3,3) a(3,4) a(3,5) a(4,4) a(4,5) a(5,5)
mentre memorizzata in PACKED STORAGE per colonne:
a(1,1) a(1,2) a(2,2) a(1,3) a(2,3) a(3,3) a(1,4) a(2,4) a(3,4) a(4,4) a(1,5) a(2,5) a(3,5) a(4,5) a(5,5)
MEMORIZZAZIONE CON TRE VETTORI
Questa memorizzazione e’ utile per matrici sparse.
Dicendo “nz” il numero di elementi non nulli dela matrice sparsa A ed n la sua dimensione, si memorizza la matrice in tre vettori:
R[nz] = (elementi non nulli riga per riga)
J[nz] = (indici di colonna degli elementi di R[])
I[n+1] = (posizione in R del primo elemento non nullo di ogni riga di A; L’ultimo elemento e’ I(n+1)=nz+1)