数据结构与算法--数组

04 数组

4.1 数组的定义和特点

矩阵可以看做是特殊的线性表，即线性表元素本身又是一个线性表（将整行（列）看做成一个元素，而这个元素本身也是线性表）。

4.2 数组的顺序存储结构

按行（或列）序依次存储各个元素。

4.3 矩阵的压缩存储

对一些阶数很高、而又有很多零元素的矩阵，可采用压缩存储的方式，也就是仅存储非零元素，相同元素仅存储一个。压缩存储后，若能得到各元素的地址，则可进行随机存取。（这里均按行序存储）

4.3.1 特殊矩阵的压缩存储

特殊矩阵包括对称矩阵、三角矩阵、对角矩阵。

（1）对阵矩阵

也就是沿主对角线，两侧对称元素相等，即 $a_{ij}=a_{ji}$。那么一共需存储 $\frac{(1+n)n}{2}$ 个元素。以按下三角存储为例：

$$\begin{gathered} \mathrm{Loc}({\mathrm{a}}_{\mathrm{ij}})=\mathrm{Loc}({\mathrm{a}}_{11})+(\frac{\mathrm{i}(\mathrm{i}-1)}{2}+\mathrm{j}-1)\ast \mathrm{L},(\mathrm{i}>=\mathrm{j})（按行序，下三角存储） \\ \mathrm{Loc}({\mathrm{a}}_{\mathrm{ij}})=\mathrm{Loc}({\mathrm{a}}_{11})+(\frac{\mathrm{j}(\mathrm{j}-1)}{2}+\mathrm{i}-1)\ast \mathrm{L},(\mathrm{i}<\mathrm{j})（按列序，上三角存储） \end{gathered}$$

（2）三角矩阵

以下三角矩阵为例（也就是上三角部分都为零）：

$$\mathrm{Loc}({\mathrm{a}}_{\mathrm{ij}})=\mathrm{Loc}({\mathrm{a}}_{11})+(\frac{\mathrm{i}(\mathrm{i}-1)}{2}+\mathrm{j}-1)\ast \mathrm{L},(\mathrm{i}>=\mathrm{j})$$

（3）对角矩阵

4.3.2 稀疏矩阵

稀疏矩阵是指非零元素较少，且分布没有一定规律的矩阵。压缩存储时，只需储存行、列下标和元素值以及矩阵维数即可。例如矩阵 $\mathrm{M}$ 可由 $(\mathrm{i},\mathrm{j},\mathrm{value})...$ 和维数 $(\mathrm{m},\mathrm{n})$ 唯一确定。

1、稀疏矩阵的顺序存储

（1）三元组表法

定义一个三元组 $(\mathrm{i},\mathrm{j},\mathrm{e})$

typedef struct
{
    int i, j;        // 非零元的下标
    ElemType e;      // 非零元的值
}Triple;

将各个三元组一次存储，组成稀疏矩阵

#define MAXSIZE 100    // 非零元最大个数
typedef struct
{
    Triple data[MAXSIZE + 1];      // data[0] 放 mu、nu、tu
    int mu, nu, tu;          // 分别表示行数、列数和非零元个数
}TSMatrix;

（2）带行逻辑链接的顺序表——带行链接信息的三元组表

（3）伪地址表示法

2、稀疏矩阵的链式存储