大型稀疏矩阵的一维存储及其乘法运算

大型稀疏矩阵对存储和CPU要求高，很多集成化软件对于特大型矩阵的运算束手无策，因此需要一种优良的数据结构筛除稀疏矩阵中的0，从而实现数据的高效存储和运算。

对于m行n列的大型稀疏矩阵A（large sparse matrix），它大多数元素都为0，则可以使用三个一维数组存储该矩阵：A(k),JA(k),NA(n).每个数据的含义：
**A(k)：**若A共有m*n个元素，其中有k个非零元素，每个非零元素按行存储，A(i)为第i个非零元素。
**JA(k)：**与数组A一样，有k个元素；JA(i)代表第i个非零元素在矩阵A的第JA(i)行。
**NA(n)：**共n个元素，NA(i)代表矩阵A的第i行有NA(i)个非零元素。
用图片表示更加直观：
A = [ 0 a 12 a 13 … 0 a 21 a 22 0 … 0 ⋮ ⋮ 0 0 0 … a m n ] N A ( 1 ) = 2 N A ( 2 ) = 2 ⋮ N A ( n ) = 1 l =    ∣    l 1 . . . l 2      ∣      l 1 . . l 2    ∣    . . .    ∣    l 1 l 2 ∣ A = [ a 12 , a 13 , a 21 , a 22 , . . . , a m n ] J A = [ 2 ,        3 ,        1