矩阵的相关概念和压缩存储

矩阵

对角矩阵的压缩存储

其实可以把下标看成当前位置之前的元素个数，如在一维数组中第n个元素 a_n-1 前面有 n-1 个元素，故前面有 k 个元素的下标就是 k。

这种看法和直接将 a_n-1 看成第 n 位在一维上没有什么区别，但个人觉得从直观理解的角度上来讲会更好。

对称矩阵的压缩存储是将二维转一维的过程，这里以下三角矩阵A_n*n进行描述，以 a_n-1,1 为例，对应于一维数组的下标：

1. 先看行，n-1 代表 a_n-1,1 所在行前面有 n-1 行，因为取下三角进行压缩存储，行元素个数之间符合等比数列，所以总个数为：(n-1)*[1+(n-1)]/2 = n*(n-1)/2。
2. 再看列，1 代表在该行中 a_n-1,1 前面有 1 个元素。
3. 综上，可知 a_n-1,1 前有 n*(n-1)/2 +1 个元素，故对应于一维数组的下标为 n*(n-1)/2 + 1。

（当然，先理解为 a_n-1,1 为第 n*(n-1)/2 +2 个元素，再对应下标 -1 也可以，不过总感觉不直观。）

稀疏矩阵的存储

稀疏矩阵的存储方式分为顺序和链式，其实就是数组和链表，其中顺序存储方法有两种：三元组表示法和伪地址表示法，链式存储方法：邻接表表示法和十字链表表示法。

三元组

用数组第一个位置存储 [非零元素个数，总行数，总列数]，其余位置存储 [值，行数，列数]。

结构和定义

/* 用数组会比结构体更方便些，下面先写结构体定义以帮助理解数组定义 */
typedef struct{
    int val; /* 值 */
    int i, j; /* 行/列号 */
}Trimat;

/* 两种定义，行定义为maxSize+1是因为第一行需要存储该矩阵的基本信息 */
Trimat trimat[maxSize+1];
int trimat_array[maxSize+1][3]; 

伪地址

和三元组类似，但仅使用一个量表示相对位置，将整个矩阵理解为行优先或者列优先的方式将下标转化为一维存储，这里和之前计算对称矩阵压缩很像，但不需要真将其转为一维，知道转化思路即可。

以行优先为例，A_mxn矩阵的 A_i,j 项对应的下标为 i*n+j，其实已知下标 k 也可以反推，i = [k/n]，j = k%n。

十字链表

邻接表在后面图中会详细阐述。

广义表

很像 SICP 中的序对，又或者说链表，广义表取表头对应于 SICP 的函数为 car()，表尾为 cdr()。