特殊矩阵（对称矩阵）的压缩存储和解压缩

最新推荐文章于 2024-04-20 20:25:27 发布
最新推荐文章于 2024-04-20 20:25:27 发布
阅读量9.2k 收藏 183
点赞数 31
分类专栏： 数据结构与算法 文章标签： 矩阵 算法 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/apple_52421619/article/details/121365380
版权
特殊矩阵（对称矩阵）的压缩存储和解压缩

参考书目：严蔚敏《数据结构》P95-96

一、背景

​ 矩阵在工程计算中经常使用，对于一些特殊矩阵，比如对称矩阵，稀疏矩阵……有时为了节省空间，可以对这类矩阵进行压缩存储。这里只讨论对称矩阵，上（下）三角矩阵和对角矩阵，掌握其他类似对称矩阵就很容易了

二、压缩原则

​ 为多个值相同的元素只分配一个存储空间，对零元素不分配空间。

三、对称矩阵的压缩

  • 性质：
    0<=i,j<=n-1（在 程序中 数组下标是从 0 开始的)

    举例：

  • 压缩：以行序为主序存储下三角（包括对角线）元素

  • 推导如下：

    ①为书上的方法

    ②自己想的一种，在压缩 对角矩阵 时会多节省一点空间

推导

四、程序实现 4阶 对称矩阵压缩

​ 4阶矩阵压缩（后面会总结 n阶 ）

#include <iostream>
using namespace std;

//原始矩阵 
int a[4][4]=
{{0,4,5,6},	
 {4,1,7,8},
 {5,7,2,9},
 {6,8,9,3}}; 
//压缩矩阵 
int Sa1[10];
int Sa2[10];
//通过压缩矩阵复原 原矩阵 
int a1[4][4] = {0}; 

void Printa()
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<4; j++)
			cout << a[i][j] << "\t";
		cout << endl;
	}

	cout << endl;	
} 

void MatrixCompression1()//矩阵压缩 1
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int k = i*(i+1)/2+j;
			Sa1[k] = a[i][j];
		}
	}
}

void MatrixCompression2()//矩阵压缩 2
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int m = i-j;
			int k = 4*m-m*(m-1)/2+j;
			Sa2[k] = a[i][j]; 
		}
	}
}

int main()
{
	cout << "原始矩阵：" << endl;
	Printa(); 
	
	MatrixCompression1();
	cout << "第一种压缩方式："; 
	cout << "Sa1 = ";
	for(int i=0; i<10; i++)
		cout << Sa1[i] << " "; 
	
	cout << endl;

	MatrixCompression2();	
	cout << "第二种压缩方式："; 
	cout << "Sa2 = ";
	for(int i=0; i<10; i++)
		cout << Sa2[i] << " "; 
	return 0;
 }

运行结果：压缩运行结果

五、解压缩

压缩容易，解压难，不聪明的小脑袋瓜子想了一节课，发现直接从公式出发就好了

其实都可以用暴力法穷举出来，第一种方式我优化了一下，为 O(n2)；第二种方式为 O(n4)，n 表示阶数

void MatrixRecovery1()//矩阵复原1
{
	int i=3,j,k; 
	for(k=9; k>=0; k--)
	{
		j = k-(i+1)*i/2;
		if(j>=0)
		{
			a1[i][j] = a1[j][i] = Sa1[k]; 
		}
		else
		{
			i--;
			j = k-(i+1)*i/2;
			a1[i][j]  = Sa1[k];
		}
	}
	
} 

void MatrixRecovery2()//矩阵复原2
{
	int i,j,k,m; 
	for(k=0; k<10; k++)
	{
		for(i=0; i<4; i++)
			for(j=0; j<=i; j++)
			{
				m = i-j;
				if(k==4*m-m*(m-1)/2+j)	
				{
					a2[i][j] = a2[j][i] = Sa2[k];
					break;	
				}
			}
	}
}

六、全部代码和运行结果

![请添加图片描述](https://img-blog.csdnimg.cn/2198cf24da4b49e785ba403cd5db6abf.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5ZCb5YWu5pWF5Lq66L6e,size_20,color_FFFFFF,t_70,g_se,x_16)
#include <iostream>
#include <iostream>
using namespace std;

//原始矩阵 
int a[4][4]=
{{0,4,5,6},	
 {4,1,7,8},
 {5,7,2,9},
 {6,8,9,3}}; 
//压缩矩阵 
int Sa1[10];
int Sa2[10];
//通过压缩矩阵  解压缩回 原矩阵 
int a1[4][4] = {0}; 
int a2[4][4] = {0}; 

void PrintArray(int a[][4])
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<4; j++)
			cout << a[i][j] << "\t";
		cout << endl;
	}

	cout << endl;	
} 


void MatrixCompression1()//矩阵压缩 1
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int k = i*(i+1)/2+j;
			Sa1[k] = a[i][j];
		}
	}
}

void MatrixCompression2()//矩阵压缩 2
{
	for(int i=0; i<4; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int m = i-j;
			int k = 4*m-m*(m-1)/2+j;
			Sa2[k] = a[i][j]; 
		}
	}
}

void MatrixRecovery1()//矩阵复原1
{
	int i=3,j,k; 
	for(k=9; k>=0; k--)
	{
		j = k-(i+1)*i/2;
		if(j>=0)
		{
			a1[i][j] = a1[j][i] = Sa1[k]; 
		}
		else
		{
			i--;
			j = k-(i+1)*i/2;
			a1[i][j]  = Sa1[k];
		}
	}
	
} 

void MatrixRecovery2()//矩阵复原2
{
	int i,j,k,m; 
	for(k=0; k<10; k++)
	{
		for(i=0; i<4; i++)
			for(j=0; j<=i; j++)
			{
				m = i-j;
				if(k==4*m-m*(m-1)/2+j)	
				{
					a2[i][j] = a2[j][i] = Sa2[k];
					break;	
				}
			}
	}
	
} 

int main()
{
	cout << "原始矩阵 a ：" << endl;
	PrintArray(a); 
	cout << endl;
	
	MatrixCompression1();
	cout << "第一种压缩方式："; 
	cout << "Sa1 = ";
	for(int i=0; i<10; i++)
		cout << Sa1[i] << " "; 
	cout << endl;
	
	 
	MatrixCompression2();	
	cout << "第二种压缩方式："; 
	cout << "Sa2 = ";
	for(int i=0; i<10; i++)
		cout << Sa2[i] << " "; 
	cout << endl;	
	
	cout << endl;
	MatrixRecovery1();
	cout << "第一种压缩方式的解压缩 a1 ：" << endl; 
	PrintArray(a1);

	MatrixRecovery2();
	cout << "第二种压缩方式的解压缩 a2 ：" << endl; 
	PrintArray(a2); 
		
	return 0;
 }

运行结果：
4阶矩阵压缩和解压代码运行结果

七、n阶

改改参数就好了

#include <iostream>
using namespace std;

const int RECORD = 20;//阶数

//原始矩阵 
int a[RECORD][RECORD]={0}; 
//压缩矩阵 
int Sa1[RECORD*(RECORD+1)/2];
int Sa2[RECORD*(RECORD+1)/2];
//通过压缩矩阵  解压缩回 原矩阵 
int a1[RECORD][RECORD] = {0}; 
int a2[RECORD][RECORD] = {0}; 

void Inita()
{
	int cnt = 0;
	for(int i=0; i<RECORD; i++)
		for(int j=0; j<=i; j++)
		{
			a[i][j] = a[j][i] = cnt;
			cnt++;	
		} 
} 


void PrintArray(int a[][RECORD])
{
	for(int i=0; i<RECORD; i++)
	{
		for(int j=0; j<RECORD; j++)
			cout << a[i][j] << "\t";
		cout << endl;
	}

	cout << endl;	
} 


void MatrixCompression1()//矩阵压缩 1
{
	for(int i=0; i<RECORD; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int k = i*(i+1)/2+j;
			Sa1[k] = a[i][j];
		}
	}
}

void MatrixCompression2()//矩阵压缩 2
{
	for(int i=0; i<RECORD; i++)
	{
		for(int j=0; j<=i; j++)
		{
			int m = i-j;
			int k = RECORD*m-m*(m-1)/2+j;
			Sa2[k] = a[i][j]; 
		}
	}
}

void MatrixRecovery1()//矩阵复原1
{
	int i=RECORD-1,j,k; 
	for(k=RECORD*(RECORD+1)/2-1; k>=0; k--)
	{
		j = k-(i+1)*i/2;
		if(j>=0)
		{
			a1[i][j] = a1[j][i] = Sa1[k]; 
		}
		else
		{
			i--;
			j = k-(i+1)*i/2;
			a1[i][j]  = Sa1[k];
		}
	}
	
} 

void MatrixRecovery2()//矩阵复原2
{
	int i,j,k,m; 
	for(k=0; k<RECORD*(RECORD+1)/2; k++)
	{
		for(i=0; i<RECORD; i++)
			for(j=0; j<=i; j++)
			{
				m = i-j;
				if(k==RECORD*m-m*(m-1)/2+j)	
				{
					a2[i][j] = a2[j][i] = Sa2[k];
					break;	
				}
			}
	}
	
} 

int main()
{
	//初始化 原始矩阵 a
	Inita();
	
	cout << "原始矩阵 a" << "(" << RECORD << "阶)" <<"：" << endl;
	PrintArray(a); 
	cout << endl;
	
	MatrixCompression1();
	cout << "第一种压缩方式："; 
	cout << "Sa1 = ";
	for(int i=0; i<RECORD*(RECORD+1)/2; i++)
		cout << Sa1[i] << " "; 
	cout << endl;
	
	 
	MatrixCompression2();	
	cout << "第二种压缩方式："; 
	cout << "Sa2 = ";
	for(int i=0; i<RECORD*(RECORD+1)/2; i++)
		cout << Sa2[i] << " "; 
	cout << endl;	
	
	cout << endl;
	MatrixRecovery1();
	cout << "第一种压缩方式的解压缩 a1 ：" << endl; 
	PrintArray(a1);

	MatrixRecovery2();
	cout << "第二种压缩方式的解压缩 a2 ：" << endl; 
	PrintArray(a2); 
		
	return 0;
 }

各阶数所花时间：
5
1015
20
25

阶数510152025
时间/s（编译器粗略估计的）0.1830.3320.5100.8421.038

阶数越高，运行成本越高。

君兮故人辞
关注
  • 31
    点赞
  • 踩
  • 183
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
对称矩阵的存储及转置算法
YANG
09-23 6395
本文要点： 1.对称矩阵与稀疏矩阵 2.两种矩阵的压缩存储 3.代码实现两种矩阵 一、对称矩阵 1.对称矩阵也是一种N*N的特殊矩阵，并且满足Aij = Aji（设这个矩阵为A，并且有0 2.对称矩阵的压缩存储 如果把矩阵中的每个元素都存储起来，那么就会显得浪费空间，因为每两个关于对角线对称的元素相等，因此就可以将矩阵压缩存储到一个数组Array中，即：将对称的两个元素存一份
第9周 项目2—对称矩阵压缩存储的实现和应用
fj的博客
10-23 642
用压缩形式存储对称矩阵，实现下面的操作并测试 void Init(int *&b);//为N阶对称矩阵初始化存储数据的一维数组b int Value(int b[], int i, int j);//返回存储在b[M]中，对应二维数组A[i][j]的值 void Assign(int b[], int e, int i, int j);//将e赋值给对应二维数组元素A[i][j]，要存储到b[
矩阵的压缩存储
HePingxxb的博客
07-06 2143
若对一个n阶方阵A[1…n][1…n]中的任意一个元素aij都有aij=aji（1≤i，j≤n），则称其为对称矩阵。其中的元素可以划分为3个部分，即上三角区、主对角线和下三角区。在下三角矩阵中，上三角区的所有元素均为同一常量。其存储思想与对称矩阵类似，不同的是，只需要存储上三角区的常量一次。可以将下三角矩阵A[1…n][1…n]压缩存储在B[n(n+1)/2+1]中。三角矩阵形式如下图所示。
对称矩阵的压缩存储
weixin_44761870的博客
07-08 4495
实验目的：熟练掌握对称矩阵压缩存储的方法，并能运用此方法进行实际应用。 实验内容：对于n×n阶的对称矩阵，其元素分布的特点是a[i][j]=a[j][i]，在存储时，只需压缩存储对称矩阵的上三角或下三角元素，但两个对称矩阵相乘的结果不一定是对称矩阵。 实验要求： （1）创建名为kcsj14.cpp的文件，在其中编写两个对称矩阵相乘的程序。 （2）分别输入对称矩阵的元素。 （3）将这两个矩阵相乘，所得结果存入一个n×n阶的矩阵中，输出存放结果的矩阵。 （4）若输出为上三角或下三角矩阵，则需对其进行压缩存储。
特殊矩阵的压缩存储
最新发布
lwkai1004的博客
04-20 383
B[k]是第k+1个元素，而前(i - 1)行有3 * (j - 1) - 1个元素，前i行有3 * i - 1个元素，访问上三角区域：k = j * (j - 1) / 2 + i - 1 i <= j (aij = aji)行优先存储：a[i] [j] = LOC + (i * N + j) * sizeof(ElemType)按照行优先原则：访问下三角区域：k = i * (i - 1) / 2 + j - 1 i >= j。起始地址：LOC = a[0] [0]
对称矩阵的压缩存储-数组下标计算
欢迎来到我的世界
02-06 1810
设矩阵的阶数为n，由于n阶对称矩阵中的数据元素基于其主对角线或副对角线对称，故而在存储时可将对称的两个相同数值的矩阵数据元素存储在同一个存储单元中。
特殊矩阵的压缩存储（数组下标从0开始存储）
beOkWithAnything
01-05 7793
www.shengrizhufuyu.cn 用一维数组压缩存储 对称矩阵 对称矩阵的特点： a[i][j] = a[j][i] a[i][j] 是 第 i+1 行、第 j+1列 的元素 如何压缩存储？ 只存储下三角部分的元素 从a[0][0] 开始，把每行元素都依次存储进一维数组 存储时：a[i][j] 在一维数组 A[ ]中的下标就是该元素前面元素的个数：k= i×(......
对称矩阵的压缩储存
热门推荐
04-18 1万+
一、存储矩阵用一个二维数组即可； 二、什么是对称矩阵： 设一个N*N的方阵A，A中任意元素Aij，当且仅当 Aij == Aji(0 <= i <= N-1&& 0 <= j <= N-1)，则矩阵A是对称矩阵。以矩阵的对角线为分隔，分为上三 角和下三角 三、对称矩阵的压缩储存： 压缩存储称矩阵存储时只需要存储上三角/下三角的数据，所以最多存储n(n+1)/2个数据（相当于1+2+
数据结构-拓展突破-特殊矩阵（对称矩阵，三角矩阵，三对角矩阵，稀疏矩阵）的压缩存储）
dodamce的博客
10-31 4390
三对角矩阵，又称带状矩阵：当|i-j>1时，有aj= 0 (1
C++数组应用之特殊矩阵的压缩存储
贝高林的Blog
09-16 8293
 矩阵:                  矩阵是数值程序设计中经常用到的数学模型，它是由 m 行和 n 列的数值构成（m=n 时称为方阵）。在用高级语言编制的程序中，通常用二维数组表示矩阵，它使矩阵中的每个元素都可在二维数组中找到相对应的存储位置。然而在数值分析的计算中经常出现一些有下列特性的高阶矩阵，即矩阵中有很多值相同的元或零值元，为了节省存储空间，需要对它们进行"压缩存储"，即不存或少
【数据结构】特殊矩阵的压缩
wvdon
06-23 656
目的： 减少不必要的存储空间 数组存储 一个数组的所有元素在内存中占用一段连续的存储空间。（L为每个数组元素所占的存储单元,int 在32位下是4） 多维数组映射： • 按行优先 • 按列优先 特殊矩阵的压缩 特殊矩阵： • 对称矩阵 • 上（下）三角矩阵 • 对角矩阵 对称矩阵 规律：ai,j = a j,i n*n 矩阵 压缩：存在一维数组中（也可以存储上三角矩阵） 第一行： 1个元素 a1,1 第二行： 2个元素 a2,1 a2,2 。。。。。 经过压缩：最后 元素个数为 n(n+1)/2
矩阵压缩学习笔记
weixin_30877181的博客
04-01 501
矩阵的压缩储存： 在一些高阶矩阵中，非零元素非常少，此时如果使用二维数组将造成 储存空间的浪费，这时可只储存部分元素，从而提高储存空间的利用 率，通常的做法是为多个相同值的元素只分配一个储存单元，对值为 零的元素不分配储存单元。我们把非零元素个数远小于二维数组总元 素个数，或元素分布呈一定规律的（对称矩阵，三角矩阵，对角矩阵） 特殊矩阵压缩...
数据结构练习题1401
一万年太久，只争朝夕
09-26 2500
注意事项： 1．该试卷中，凡使用到“图”的概念，皆不考虑顶点到其自身的弧或边，即以VR表示图中两个顶点之间关系的集合，若<vi,vj>∈VR，则vi≠vj。 2．该试卷中，凡使用“矩阵”概念处，行、列均从1开始计数。 3．该试卷中，使用到数字概念时，除指定进制外，均为10进制。 一、单项选择题(每题1分，共20分) 1．算法的时间复杂度与（ ）有关。 A．问题的规模 B．计算机硬件性能 C．编译程序的质量 D．程序设计语言 2．向顺序表中第i个元素之后插入一个新元素时，首先从_______.
对称矩阵压缩存储
weizhengbo的博客
04-22 1124
压缩矩阵：对称矩阵存储时只需要存储上三角或下三角的数据，所以最多存储n*(n+1)/2个数据。 对称矩阵和对称压缩存储的对应关系： 下三角存储i>=j,SymmetricMatrix[i][j] == Array[i*(i+1)/2+j]//压缩存储矩阵 template class Square { public: Square(T *arr,size_t N) :_row(N)
对称矩阵和稀疏矩阵以及它们的压缩存储
simplehap的博客
03-17 1934
介绍两种矩阵，以及这两种矩阵压缩存储 并且使用C++实现它们 矩阵可以看为二维数组，存储与访问就和二维数组一样。
【C++】矩阵的压缩存储，还原，转置
lz201788的博客
11-25 1594
矩阵的格式相当于是一个二维数组，如下图 上图就是一个特殊的矩阵，对称矩阵 一、对称矩阵 对称矩阵中的元素有一定的规律，就是行下标row与列下标col 互换后得到的新坐标的元素与换坐标前的元素相同。 因此我们在存放对称矩阵的元素时只需将它的下三角或上三角的元素存储就可以了。 我们可以用一个类来管理这个矩阵，用容器vector来存储它的下三角的元素。（vector相当于是一个一维
对称上三角稀疏矩阵非零元素的一维存储及LU分解法求解的C#代码
06-12
下面是对称上三角稀疏矩阵非零元素的一维存储及LU分解法求解的C#代码： ```csharp using System; namespace SymmetricUpperTriangularMatrix { class Program { static void Main(string[] args) { // Define...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值