C++数组应用之特殊矩阵的压缩存储

  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"，即不存或少存这些值相同的元或零值元。 

操作：       

       可以对矩阵作加、减、乘等运算。

存储压缩目标：

       节约存储空间

压缩的方法：

       零元不存储

       多个值相同的只存一个

压缩存储的对象：

       稀疏矩阵

       特殊矩阵

特殊矩阵：

 值相同元素或者零元素分布有一定规律的矩阵称为特殊矩阵 例:对称矩阵、 上（下）三角矩阵都是特殊矩阵

特殊矩阵压缩存储(以对称矩阵为例)

对称矩阵是满足下面条件的n 阶矩阵: aij= aji  1<= i,j<= n

k= 0   1    2     3   4     5    6                      n(n+1)/2-1     

对称矩阵元素可以只存储下三角部分，共需 n(n+1)/2 个单元的空间( 三角矩阵的存储方式类似） 

以一维数组sa[0..n(n+1)/2-1]作为n 阶对称矩阵A的存储结构A中任意一元素 aij与它的存储位置 sa[k] 之间关系：

 

k= 0   1    2     3   4     5    6                      n(n+1)/2-1  

例如：a42 在 sa[ ]中的存储位置是：

           k=4*(4+1)/2+2=12

           sa[12]= a42

 

带状矩阵所有非0元素都集中在以主对角线为中心的带状区域，半带宽为d时, 非0元素有

(2d+1)*n-(1+d)*d个（左上角与右下角补上0后，最后必须减掉），如下图怕示：

为计算方便，认为每一行都有2d+1个非0元素，若少则0补足存放矩阵的数组sa[ ]有:n(2d+1)个元素数组，元素sa[k]与矩阵元素aij 之间有关系:

  k=i*(2d+1)+d+(j-i)（第一项i*(2d+1)表示前i行一共有几个元素，d+(j-i)这一项是用来确定第i行中，第j列前有几个元素，以i=j时，这时j-i=0，这个作为“分水岭“，左右两边的元素分别加上偏移量d。）

本例：d=1

K= 0    1         2        3      4    5     6           7    8      9      10   11    12    13      14 

（a0前以及a14处放一个0是用来表示在矩阵的左上角及右下角补上的0）

稀疏矩阵：

行数m = 6, 列数n = 7, 非零元素个数t = 6

稀疏矩阵(SparseMatrix)的抽象数据类型

 

template  < class  Type >
  class  SparseMatrix  ... {
      int Rows, Cols, Terms;    //行/列/非零元素数
      Trituple<Type> smArray[MaxTerms]; 
 public:                                 //三元组表
      SparseMatrix ( int MaxRow, int Maxcol ); 
      SparseMatrix<Type> Transpose ( );   //转置