数据结构：矩阵

使用数组表示矩阵存储：

学过线性代数的我们都知道，矩阵其实就是一个二维的表格，那么数据结构中的矩阵其实也是一样的，计算机中可以用矩阵这种形式来存储数据。那么我么怎么表示矩阵呢？在这里我们仍然可以使用数组来表示，不过，矩阵始终是个二维的东西，那么我们怎么用数组来表示二维的表格？

答案很简单，使用二维数组即可！

什么二维数组，其实一句话就是：数组里面的元素还是数组。比如说这个亚子。

我们知道计算机中的存储空间是一维的连续存储的空间，但是我们这里描述的这个矩阵是个二维的东西，那么怎么把他存储到计算机中？那我们可以使用映射，将这个二维的东西映射成一维的连续的数据存储到计算机中，而我们这里就有两种映射的方式。

分别是行优先和列优先。

行优先：其实就是先存储一行的，这样一行一行的来存储，就拿上面的这个3阶矩阵来说，先存储第一行，再第二行，最后第三行

实际存下来就是上面这个亚子

那么按照行优先，是怎么确定这个矩阵的某一个元素具体的位置的？那就是使用下面的这个计算公式

一般情况下l1和l2一般都是0，也就是从整个矩阵的第一个元素开始。

 列优先：就是先存储第一列的数据，然后再存储第二列的数据。这样一列一列的存储，从左至右。

 那么存储下来呢就是上面这个亚子。 

列优先的元素位置计算公式如下：

同样常见的l1和l2也是从0开始，也就是整个矩阵的第一个元素开始。

矩阵的压缩存储：

按照我们正常的矩阵存储，其实对内存的空间开销还是比较大的，所以我们自然就想到了压缩存储。

那么什么是矩阵的压缩存储？其实就是为很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。那么这个值相同的元素，我们很容易就想到了线性代数的特殊矩阵，比如单位阵，对角阵，对称阵等，我们这里说三个。分别是对称矩阵、上下三角矩阵、和对角矩阵。

对称矩阵：就是矩阵的行和列对调之后还是和原来的矩阵相等。那么这种矩阵就是对称矩阵。比如这种；

ok，我们知道了对称矩阵的特性，所以要运用要压缩存储上，因为对称矩阵有这样的特性，所以我们存储的时候就不用将元素全部存储，我们只需要存储这个镜面一半的元素就可以了。比如上面这个，我们只存158234这些元素即可，相同的元素不要重复存储。 

三角矩阵：

三对角矩阵：

因为有三条，所以叫三对角矩阵

稀疏矩阵：

其实就是说矩阵中的元素为0的特别多。

那么我们再存储的时候其实存储分零元素是最能节省空间的。但是稀疏矩阵的位置又没有前面哪些矩阵的规律，所以我们存储的时候就干脆把元素的行列下标也存进去。形成一个三元组。也就是行下标、列下标、元素值。

注意三元组的存储方式牺牲了随机存储的优点。