数组的存储
假如有一个二维数组a[m][n],第一个数据元素a[0][0] 存储地址为 loc(a[0][0]),每个元素所占存储单元为k,则按行存储
loc(a[i][j]) = loc(a[0][0]) + ( i*n + j) * k
同理可得按列存储
loc(a[i][j]) = loc(a[0][0]) + ( j*m + i) * k
图解
例:
特殊矩阵的压缩
(1)第一类:特殊矩阵的压缩存储
(2)第二类:稀疏矩阵的压缩存储(三元组表的存储结构、十字链表的存储结构)
特殊矩阵:
0元素或非0元素的分布具有一定的规律,比如对称矩阵、三角矩阵、对角矩阵
因此,特殊矩阵的压缩就是对所有的非0元素分配一个存储空间,0元素不分配
1、 对称矩阵的压缩
对称矩阵: 对角线两边元素相等
矩阵中的元素满足a[i][j] = a[j][i] 的矩阵称之为对称矩阵(矩阵必须是方阵)
按行
(1)如果存储的是主对角线+下三角,且从a[1][1]开始,推出公式后由于一维数组的存储从0开始,所以我们再-1
比如我现在只存下半部分,因为第一行有一个元素,第二行两个元素....第n行n个元素类推,一共就是n(n-1)/2个,但是由于下标从0开始,所以最后一个元素的下标是n(n-1)/2-1
数组大小如图:
如果存储的是主对角线+上三角:(一样的反过来)
总结:
将一个对称矩阵高效的存储在一维数组的情况如图:【注意三个关键位置】
按列
如果表示a[i][j],那么第一列有n个,第二列有n-1个,以此类推,j之前会有j-1列
第j列,用行号减去列号就可以知道它之前还有i-j个元素,再加上a[i][j]自己
n+(n-1)+(n-2)+.....+n-[(j-1)-1] + (i-j) + 1
最后再根据一维数组的下标是从几开始确定是不是要-1
数组大小:
2、三角矩阵的压缩
c可为0
以上三角为例,上三角每个元素存储在一维后位置如图,C常熟都是一样的所以我们只存一个就好,它的下标为n(n+1)/2
下三角矩阵
下三角的坐标和对称矩阵的规律一样
而上三角的元素,因为都是常数,所以它的下标我们通通记为n(n+1)/2
上三角矩阵
第一行有n个,第二行n-1个,所以第i-1行就有n-(i-1-1),第i行有j-i个元素
可以看成是首项为n,尾项是n-i+2,一共是i-1个,由等差数列求和公式可知
3、对角矩阵的压缩
只有中间带状部分有值,其余位置都是0
以三对角为例,如下图:
可以发现,观察可知,第一行和最后一行只有两个非0元素,其余都是三行
所以如果有n行的话,所有的非0元素就是3n-2(头尾各少一个)
存储到一维数组中,由于下标从0开始,所以a[n][n]存储过来就是3n-3
所以,分两种情况:
(1)由于当 | i-j | >1时,a[i][j]=0,所以这些元素不必讨论不存一维数组中
(2)当 | i-j |≤1时 ,前i-1行每行都是3个,除了第一行少了一个,所以是3(i-1)-1
若已知一维数组下标,求i、j??
因为B[k] 代表的是第k+1个元素,所以第k+1个元素首先要大于它前面i-1行的元素,并且小于前i行的所有元素,解出来就是一个i的不等式,然后我们向上取整就知道了行数
知道了 i 后,又由于前面推出来的公式k=2i+j-3,所以可推出 j 的表达式 j=k-2i+3,最终得到 i 和 j
稀疏矩阵
非零元素个数远远小于矩阵元素的个数
1、三元组表的存储结构
定义一个三元组<行 列 值>
然后我们可以定义许多个struct{ int i
int j
int v} ,每一个struct里包含一个非零数
n个struct结构构成一个一维数组
缺点: 如果访问其中某一个元素,必须逐个扫描,失去了随机存取的特性
2、十字链表法
十字链表为每一行和每一列都单独设置了链表,这样每一个非零元素就同时包含在了两个链表中,这就大大降低了链表长度,down和right分别为向下指针和向右指针,用来连接同列和同行中的下一个非零元素
注意:
头节点个数:
m行n列十字链表表示时,每行有一个头节点,每列有一个头节点,且同行和同列的头节点是共享的,另外再加上一个总的头节点,所以头节点个数为MAX{m,n}+1
单链表个数:
每一行元素都会构成一个单链表所以一共m个,每一列元素也会构成一个单链表共n个,并且所有的头节点也会构成一个单链表,所以总的单链表个数是m+n+1