Eine strukturelle Eigenschaft einer diskreten Darstellung (typischerweise eine Matrix oder ein Tensor), bei der die meisten Einträge exakt null oder vernachlässigbar klein sind, wodurch spezialisierte Speicherformate und Algorithmen möglich werden, die das Muster der Nicht-Nullen ausnutzen.

Prinzip

Diskrete Operatoren, die aus lokalen Wechselwirkungen (Finite-Elemente mit kompaktem Träger, lokale Stencils) entstehen, erzeugen Matrizen mit begrenzten Nicht-Null-Mustern; die Ausnutzung von Sparsität reduziert Speicher- und Rechenaufwand, indem Operationen auf Null-Einträgen vermieden und der Graph der Nicht-Nullen fokussiert wird.

Demonstration

Die Steifigkeitsmatrix einer Finite-Element-Disretisierung einer elliptischen PDE zweiter Ordnung ist spärlich: Jede Zeile enthält Nicht-Nullen nur für Freiheitsgrade in benachbarten Elementen, und CSR-Speicherung plus spärliche direkte oder iterative Löser senken die Kosten gegenüber dichter Behandlung erheblich.

Fehlanwendung

Eine Matrix als spärlich zu behandeln, obwohl viele kleine, global wichtige Einträge durch Schwellwertbildung auf null gesetzt wurden, was zu Rangverlust oder Erhaltungsverlust führt; oder naive spärliche Formate für Matrizen mit dichter Blockstruktur zu verwenden, was schlechte Leistung zur Folge hat.

Konsequenz

Die korrekte Ausnutzung von Sparsität ermöglicht für viele großskalige Probleme lineare (oder nahezu lineare) Speicher- und Löser-Performanz, gestattet skalierbare Präconditioner und graphbasierte Umordnungen und ist zentral für praktikable Simulationen im großen Maßstab.

Umkehrung

Dichte: Eine Darstellung, bei der die meisten Einträge ungleich null sind und die dichte Speicherung und Algorithmen erfordert; dichteres Verhalten kann auch nach Faktorisierung (Fill-In) auftreten, selbst wenn die ursprüngliche Matrix spärlich war.

Abgrenzung

Sparsität bezieht sich auf das Muster numerisch nahezu nuller Einträge in diskreten Darstellungen und schließt komplementäre Kompressionsstrategien (niedriger Rang, hierarchisch, randomisiert) aus, die die Komplexität durch andere Strukturannahmen reduzieren.

Semantische Spannung

Sparsität steht im konzeptionellen Wettbewerb mit Kompressibilität (Niedrigrang-Approximationen): Beide reduzieren die Rechenlast, nutzen jedoch unterschiedliche Struktur — Sparsität nutzt explizite Nullen und lokale Kopplung, Kompressibilität globale Korrelationen.

Synthese

Sparsität ist das Vorhandensein überwiegend nuller Einträge in diskreten Operatoren, resultierend aus lokaler Diskretisationsstruktur; das Erkennen und Erhalten des Nicht-Null-Musters bestimmt Speicherformate, Löserwahl und algorithmische Skalierbarkeit.