• 03-3.5.1~4 特殊矩阵的压缩存储


    • 👋 Hi, I’m @Beast Cheng
    • 👀 I’m interested in photography, hiking, landscape…
    • 🌱 I’m currently learning python, javascript, kotlin…
    • 📫 How to reach me --> 458290771@qq.com

    喜欢《数据结构》部分笔记的小伙伴可以订阅专栏,今后还会不断更新。🧑‍💻
    此外,《程序员必备技能》专栏日后会逐步更新,感兴趣的小伙伴可以点一下订阅、收藏、关注!🚀
    谢谢大家!🙏

    数组的存储结构

    一维数组

    ElemType a[10]; // ElemType型一维数组
    起始地址:LOC
    各数组元素大小相同物理上连续存放
    数组元素a[i]的存放地址 = L O C + i ∗ s i z e o f ( E l e m T y p e ) LOC+i*sizeof(ElemType) LOC+isizeof(ElemType) ( 0 < = i < 10 ) (0 <= i < 10) (0<=i<10)
    注:除非题目特别说明,否则数组下标默认从0开始

    二维数组

    ElemType b[2][4]; // 2行4列的二维数组
    起始地址:LOC
    M行N列的二维数组b[M][N]

    • 若按行优先存储,则b[i][j]的存储地址 = L O C + ( i ∗ N + j ) ∗ s i z e o f ( E l e m T y p e ) LOC + (i*N+j)*sizeof(ElemType) LOC+(iN+j)sizeof(ElemType)
    • 若按列优先存储,则b[i][j]的存储地址 = L O C + ( i + j ∗ M ) ∗ s i z e o f ( E l e m T y p e ) LOC+(i+j*M)*sizeof(ElemType) LOC+(i+jM)sizeof(ElemType)

    特殊矩阵

    普通矩阵

    ∣ a 1 , 1 a 1 , 2 a 1 , 3 . . . . . . a 1 , n − 1 a 1 , n a 2 , 1 a 2 , 2 a 2 , 3 . . . . . . a 2 , n − 1 a 2 , n a 3 , 1 a 3 , 2 a 3 , 3 . . . . . . a 3 , n − 1 a 3 , n ⋮ ⋮ ⋮   ⋮ ⋮ a n , 1 a n , 2 a n , 3 . . . . . . a n , n − 1 a n , n ∣

    |a1,1a1,2a1,3......a1,n1a1,na2,1a2,2a2,3......a2,n1a2,na3,1a3,2a3,3......a3,n1a3,nan,1an,2an,3......an,n1an,n|" role="presentation">|a1,1a1,2a1,3......a1,n1a1,na2,1a2,2a2,3......a2,n1a2,na3,1a3,2a3,3......a3,n1a3,nan,1an,2an,3......an,n1an,n|
    a1,1a2,1a3,1an,1a1,2a2,2a3,2an,2a1,3a2,3a3,3an,3........................a1,n1a2,n1a3,n1an,n1a1,na2,na3,nan,n
    可用二位数组存储
    注意:描述矩阵元素时,行、列号通常从 1 开始;而描述数组时通常下标从 0 开始(具体看题目给的条件,注意审题)

    对称矩阵的压缩存储

    若 n 阶方阵中任意一个元素 a i , j a_{i,j} ai,j 都有 a i , j = a j , i a_{i,j}=a_{j,i} ai,j=aj,i ,则称该矩阵为对称矩阵
    ∣ a 1 , 1 a 1 , 2 a 1 , 3 . . . . . . a 1 , n − 1 a 1 , n a 2 , 1 a 2 , 2 a 2 , 3 . . . . . . a 2 , n − 1 a 2 , n a 3 , 1 a 3 , 2 a 3 , 3 . . . . . . a 3 , n − 1 a 3 , n ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ a n − 1 , 1 a n − 1 , 2 a n − 1 , 3 . . . . . . a n − 1 , n − 1 a n − 1 , n a n , 1 a n , 2 a n , 3 . . . . . . a n , n − 1 a n , n ∣

    |a1,1a1,2a1,3......a1,n1a1,na2,1a2,2a2,3......a2,n1a2,na3,1a3,2a3,3......a3,n1a3,nan1,1an1,2an1,3......an1,n1an1,nan,1an,2an,3......an,n1an,n|" role="presentation" style="position: relative;">|a1,1a1,2a1,3......a1,n1a1,na2,1a2,2a2,3......a2,n1a2,na3,1a3,2a3,3......a3,n1a3,nan1,1an1,2an1,3......an1,n1an1,nan,1an,2an,3......an,n1an,n|
    a1,1a2,1a3,1an1,1an,1a1,2a2,2a3,2an1,2an,2a1,3a2,3a3,3an1,3an,3..............................a1,n1a2,n1a3,n1an1,n1an,n1a1,na2,na3,nan1,nan,n
    普通存储: n ∗ n n*n nn 二维数组
    压缩存储:只存储主对角线+下三角区

    • 策略:只存储主对角线+下三角区
      行优先原则将各元素存入一维数组中

    思考:

    1. 数组大小应该为多少?
      • n ( n + 1 ) 2 \frac{n(n+1)}{2} 2n(n+1)
    2. 站在程序员的角度,对称矩阵压缩存储后怎样才能方便使用?
      • 可以实现一个“映射”函数,矩阵下标->一维数组下标

    那么如何才能把矩阵的下标映射为一维数组的下标呢?

    • 关键:按照行优先的原则且 ( i ≥ j ) (i\geq j) (ij) a i , j a_{i,j} ai,j 是数组 B [ k ] B[k] B[k] 中的第几个元素?
      • 根据下标 i ,前面有 i ( i − 1 ) 2 + j \frac{i(i-1)}{2}+j 2i(i1)+j 个元素
      • 所以 k = i ( i − 1 ) 2 + j − 1 k=\frac{i(i-1)}{2}+j-1 k=2i(i1)+j1 (如果有些数组下标从 1 开始,那么就不需要 -1 了
    • 那么如果是 i < j ii<j 呢?
      • 根据对称矩阵的性质,我们可以转变为访问 a j , i a_{j,i} aj,i
      • 那么 k = j ( j − 1 ) 2 + i − 1 k=\frac{j(j-1)}{2}+i-1 k=2j(j1)+i1

    三角矩阵

    下三角矩阵:除了主对角线和下三角区,其余的元素都相同
    上三角矩阵:除了主对角线和上三角区,其余的元素都相同
    压缩存储策略:按行优先原则将橙色区元素存入一维数组中。并在最后一个位置存储常量 c

    • 如果是下三角矩阵:
      • 三角矩阵的下标映射为一维数组的下标和对称矩阵的一样:
        k = { i ( i − 1 ) 2 + j − 1 ,      i ≥ j    (下三角区和主对角线元素) j ( j − 1 ) 2 + i − 1 ,     i < j     (上三角区元素) k=
        {i(i1)2+j1,ij线j(j1)2+i1,i<j" role="presentation">{i(i1)2+j1,ij线j(j1)2+i1,i<j
        k={2i(i1)+j1,ij(下三角区和主对角线元素)2j(j1)+i1,i<j(上三角区元素)
    • 如果是上三角矩阵:
      k = { ( i − 1 ) ( 2 n − i + 2 ) 2 + ( j − i ) ,      i ≤ j (上三角区和主对角线元素) n ( n + 1 ) 2 ,                                            i > j (下三角区元素) k =
      {(i1)(2ni+2)2+(ji),ij线n(n+1)2,i>j" role="presentation">{(i1)(2ni+2)2+(ji),ij线n(n+1)2,i>j
      k={2(i1)(2ni+2)+(ji),ij(上三角区和主对角线元素)2n(n+1),i>j(下三角区元素)

    三对角矩阵

    三对角矩阵,又称带状矩阵
    ∣ i − j ∣ > 1 |i-j|>1 ij>1 时,有 a i , j = 0    ( 1 ≤ i , j ≤ n ) a_{i,j}=0\,\,(1\leq i,j \leq n) ai,j=0(1i,jn)
    也就是说,主对角线上的元素都是非零元素,并且任意一个主对角线上的元素四周的元素都是非零元素再往外的元素都是零元素


    按照行优先(或列优先)原则,只存储带状部分
    不难发现,前 i − 1 i-1 i1 行共有 3 ( i − 1 ) − 1 3(i-1)-1 3(i1)1 个元素, a i , j a_{i,j} ai,j 应该是第 i 行的第 j − i + 2 j-i+2 ji+2 个元素,所以 a i , j a_{i,j} ai,j 是第 2 i + j − 2 2i+j-2 2i+j2 个元素 --> k = 2 i + j − 3 k=2i+j-3 k=2i+j3


    反之,如果已经知道数组下标 k ,如何得到 i,j?
    i − 1 i-1 i1 3 ( i − 1 ) − 1 3(i-1)-1 3(i1)1 个元素
    i i i 行共 3 i − 1 3i-1 3i1 个元素
    显然, 3 ( i − 1 ) − 1 < k + 1 ≤ 3 i − 1 3(i-1)-13(i1)1<k+13i1
    i = ( k + 2 ) 3 i=\frac{(k+2)}{3} i=3(k+2) ,向上取整,刚好可以满足上面那个表达式

    稀疏矩阵

    稀疏矩阵:非零元素远远少于矩阵元素的个数
    压缩存储策略:

    • 顺序存储——三元组(行,列,值)
    • 链式存储——十字链表法
      在这里插入图片描述
  • 相关阅读:
    第10章 创建和管理表
    竞赛选题 深度学习验证码识别 - 机器视觉 python opencv
    Python中集合的使用方法2-1
    Pytest自动化测试框架---(单元测试框架)
    Ubuntu server 24 (Linux) sudo 免输密码
    javascript实现白平衡树 --- AVL 树
    面试系列 - 序列化和反序列化详解
    SpringCloud微服务项目实战 - 项目搭建
    vue3渲染函数h的简单使用——定义局部组件
    驱动开发day4
  • 原文地址:https://blog.csdn.net/G2Esports_NiKo/article/details/139552443