矩阵的压缩存储

本文主要内容:本文主要介绍几种特殊矩阵的压缩存储特殊矩阵指具有许多相同矩阵元素或零元素,并且这些相同矩阵元素的分布有一定规律性的矩阵,常见的特殊矩阵有对称矩阵、上(下)三角矩阵、对角矩阵等。压缩存储指为多个值相同的元素只分配一个存储空间,对零元素不分配存储空间,其目的是节省存储空间。

特殊矩阵的压缩存储方法:找出特殊矩阵中值相同的矩阵元素的分布规律,把那些呈现规律性分布的、值相同的多个矩阵元素压缩到一个存储空间中。具体方法:实现一个映射函数,将矩阵下标与一维数组下标相映射。

1.对称矩阵

(1)对称矩阵定义

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。
对称矩阵

(2)对称矩阵的压缩存储

对于n阶压缩矩阵,上三角区的所有元素和下三角区的对应元素相同,若仍采用二维数组存放,会浪费几乎一半的空间,为此将对称矩阵A[1…n][1…n]存放在一维数组B[n(n+1)/2]中,即将元素aij存放在bk中。只存放下三角部分(含主对角线)的元素。

由于对称矩阵一定是方阵,不妨设i=j=n,则**下三角区的元素加上主对角线上的元素总和(需要存储的数据数量)**为:
S = n ( n + 1 ) / 2 S=n(n+1)/2 S=n(n+1)/2
第i行第j个元素的序列号为:
a i j = [ 1 + 2 + . . . + ( i − 1 ) ] + j = i ( i − 1 ) / 2 + j . aij = [1+2+...+(i-1)]+j=i(i-1)/2+j. aij=[1+2+...+(i1)]+j=i(i1)/2+j.
存储在矩阵中的元素下标k为:
k = i ( i − 1 ) / 2 + j − 1 k=i(i-1)/2+j-1 k=i(i1)/2+j1

(3)对称矩阵中元素与数组元素下标的对应关系

数组从0开始,所以对称矩阵中元素的序号与数组元素下标相差1
对称矩阵中元素与数组元素小标的对应关系

2.三角矩阵

(1)三角矩阵定义

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。
下三角矩阵:
下三角矩阵
上三角矩阵
在这里插入图片描述

(2)三角矩阵的压缩存储

下三角矩阵的压缩存储与对称矩阵相同,唯一不同的是多出来一个元素B[n(n+1)/2]存储上三角区的常数C。上三角矩阵类似。

(3)三角矩阵中元素与数组元素下标的对应关系

下三角矩阵:
下三角矩阵
上三角矩阵:
元素aij的序号为
a i j = [ n + ( n − 1 ) + . . . + ( n − i + 2 ) − ( j − i + 1 ) ] = ( i − 1 ) ( 2 n − i + 2 ) / 2 + ( j − i ) . aij = [n+(n-1)+...+(n-i+2)-(j-i+1)]=(i-1)(2n-i+2)/2+(j-i). aij=[n+(n1)+...+(ni+2)(ji+1)]=(i1)(2ni+2)/2+(ji).
存储在矩阵中的元素下标k为:
k = ( i − 1 ) ( 2 n − i + 2 ) / 2 + ( j − i ) − 1 k=(i-1)(2n-i+2)/2+(j-i)-1 k=(i1)(2ni+2)/2+(ji)1
上三角矩阵
上三角矩阵在内存中的压缩存储形式:
上三角矩阵在内存中的压缩存储形式

3.三对角矩阵/带状矩阵

(1)三对角矩阵定义

对角矩阵也称带状矩阵。对于n阶方阵A中的任意元素aij,当|i-j|>1时,有aij=0(1≤i,j≤n),称为三对角矩阵。在三对角矩阵中,所有非零元素都集中在以主对角线为中心的3条对角线的区域,其他区域元素都为0.
带状矩阵

(2)三对角矩阵的压缩存储、元素与数组元素下标的对应关系

将3条对角线上的元素按行优先方式存放在一维数组B中,元素aij在数组中存放的下标是:
k = 2 i + j − 3 k=2i+j-3 k=2i+j3

4.稀疏矩阵

矩阵中非零元素的个数相对于矩阵元素的总个数来说非常少,即矩阵元素个数>>非零元素个数,这种矩阵称为非零矩阵。
对于非零矩阵,仅存储非零元素即可,但零元素的分布往往没有规律,所以仅存储非零元素的值是不够的,还要一起存储它所在的行和列。可以存储三元组(行标,列标,值)。稀疏矩阵压缩存储后就失去了随机存取特性。
稀疏矩阵-三元组
本文为个人学习总结所得,如有问题欢迎评论区指正、讨论。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
稀疏矩阵压缩存储是一种优化矩阵存储空间的方式。当矩阵中大部分元素为0或者重复元素较多时,采用传统的二维数组存储方式会导致存储空间的浪费,因此采用稀疏矩阵压缩存储可以节省存储空间。 稀疏矩阵压缩存储的思路是将稀疏矩阵中的非零元素按照行优先的原则逐个存储起来,同时还需要记录每个非零元素的行号、列号以及其对应的值。压缩存储后的矩阵可以表示为一个线性数组,数组的每个元素都包含三个部分:行号、列号和元素值。这样可以避免存储大量的0元素,从而减少存储空间的开销。 在进行矩阵压缩存储时,可以采用稀疏矩阵的三元组存储方法,即将非零元素的行号、列号和值分别存储在三个单独的一维数组中。实际应用中,还可以基于三元组存储方法的基础上进行进一步的优化,例如使用链表结构来存储非零元素,以减少内存的消耗。 此外,在稀疏矩阵压缩存储过程中,还需要考虑到数据的读取和修改操作。读取非零元素时,可以直接通过行号和列号索引到相应的元素,而修改非零元素时,需要先找到对应的索引再进行修改。 总体来说,稀疏矩阵压缩存储是通过将稀疏矩阵中的非零元素存储起来,避免存储大量的0元素,从而减少存储空间的开销。具体的实现方法可以采用稀疏矩阵的三元组存储方法或其他优化方式,以提高存储效率和减少内存消耗。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

HePingxxb

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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