408DS-矩阵的压缩存储

写在前面,在计算机中,存储矩阵一般采用的都是二维数组,但是有些矩阵的元素有一些规律,所以引入了矩阵的压缩存储,即把大型的稀疏矩阵或元素有规律的矩阵存到一维数组中,以达到节省存储空间的目的.
矩阵的压缩存储主要针对:三角矩阵(上三角,下三角),对称阵,反对称阵,三对角矩阵,对角矩阵和大型稀疏矩阵,下面分别介绍之.

先做一个概念区分,即矩阵的下标和数组的下标;对于矩阵元素,我们常用$a_{ij}$表示第$i$行,第$j$列的元素($i,j$均是从$1$开始的),而数组下标我们常用$A[k]$这样的形式,这里的$k$在计算机中是从$0$开始的,但是有时题目也会要求从$1$开始.所以注意数组下标和矩阵的下标不是一回事.

• 三角矩阵:

  • 上三角矩阵

    对于$n\times n$的上三角矩阵来说,它的第一行有$n$个元素,第二行有$n-1$个元素,依此类推;所以它一共需要$\frac{(1+n)\times n}{2}+1$个存储单元($+1$是因为除了上三角以外的其他元素有可能不为0,但是一定其他元素一定都是相等的;那么就用最后一个存储单元存放).

    行优先存储:$a_{ij}$在数组存放的位置的前$i-1$行共有:$\frac{(i-1)\times (2n-i+2)}{2}$个元素,$a_{ij}$是第$i$行的第$j-i+1$个元素,它应该被存放在第$\frac{(i-1)\times (2n-i+2)}{2}+j-i+1$个存储单元,那么此时对应的数组下标就是上述式子$-1$若下标从$0$开始,或者不减$1$,数组下标从$1$开始.

    列优先存储:$a_{ij}$在数组存放的位置的前$j-1$列共有:$\frac{(j-1)\times j}{2}$个元素,$a_{ij}$是第$j$列的第$i$个元素,它应该被存放在$\frac{(j-1)\times j}{2}+i$,和行有限一样,减不减$1$取决于从数组下标从$0$开始还是从$1$开始.

  • 下三角矩阵

    下三角矩阵的存储单元数量和上三角是一样的,不再赘述.

    行优先存储:还是一样分析前$i-1$行共有$\frac{(i-1)\times i}{2}$个元素,$a_{ij}$是第$i$行的第$j$个元素,它是第$i$行第$j$个元素,所以它应该被存放在第$\frac{(i-1)\times i}{2}+j$个存储单元,若数组下标从$0$开始,就$-1$,若数组下标从$1$开始,就是上述式子.

    列优先存储:前$j-1$列共有$\frac{(j-1)\times (2n-j+2)}{2}$个元素,$a_{ij}$是第$j$列的第$i-j+1$个元素,所以它应该被存放在第$\frac{(i-1)\times i}{2}+i-j+1$个存储单元,若数组下标从$0$开始,就$-1$,若数组下标从$1$开始,就是上述式子.

• 对称矩阵:

  • 普通对称矩阵

    对称矩阵和三角矩阵差不多,只需要存一个三角矩阵即可,因为对调$ij$就可以得到另一半的元素.所以这里看个人喜好是存上三角还是下三角,所以存一个对称矩阵可以基本等价于存放一个三角矩阵,唯一的区别就是对称矩阵确定只需要$\frac{(1+n)\times n}{2}$个存储单元.

  • 反对称矩阵

    反对称矩阵有些许区别,是因为它的对角元素一定是$0$,所以它不需要存放对角线元素,那么一共需要$\frac{(n-1)\times n}{2}$个存储单元.另一半元素只需要将$ij$对调并取相反数即可.这里以存下三角矩阵为例.唯一的区别就是它在求前$i-1$行的和时,不是$1+2+...+i-1$,而是$0+1+...+i-2$.

• 三对角矩阵

  假设$n\times n$的三对角矩阵,共需要$4+(n-2)\times 3=3n-2$个存储单元,三对角矩阵元素比较有特点,我们只需要讨论$a_{ii}$以及$a_{i,i-1},a_{i,i+1}$即可.
  一般而言,虽然三对角矩阵也可以按列压缩,但实际上我们只考虑按行压缩,这是因为只需要将$ij$对调就可以得到按列压缩的结果.
  对于$a_{ii},i>1$来说,它所在的位置为第$2+(i-1)\times 3+2$个存储单元,根据数组下标从$0$还是$1$开始决定要不要$-1$即可.

  在三对角矩阵中,还常常会有给出数组下标,求在三对角矩阵中的位置.

  假设此时存放数组下标为$m$的位置(数组下标从0开始),那么根据上面的式子便可以得到$m=2+(i-1)\times 3+1$.可以看到$m+1=3i+1$,所以便有$i=(m+1)//3$;那这个元素在第$i$行的偏移量即为$(m+1)\%3$.

• 稀疏矩阵

  稀疏矩阵的特点是,矩阵规模非常大的同时元素很少,所以利用上面这些方式都不太方便,所以存储稀疏矩阵一般是直接存坐标+值,在C++里,可以使用tuple实现.考虑稀疏矩阵最后一行或者最后一列全为$0$,假设最后一个非零元素出现在$n-1$行,那么实际上对于计算机来说,它只能认为这个矩阵只有$n-1$行,所以会丢失矩阵规模的信息,于是我们还需要额外存一下矩阵行数和列数.利用这种方式的一大问题就是,会失去矩阵随机存取的特性.