【数据结构】数组与特殊矩阵

news2026/4/1 5:59:20
数据结构的学习中数组与特殊矩阵是基础且核心的内容。它们不仅是程序设计中最常用的线性结构更是处理复杂矩阵运算的基础。本文将结合解析与真题带你彻底搞懂数组的存储方式和特殊矩阵的压缩存储技巧。一、一维数组与二维数组存储是基础1. 一维数组的存储一维数组是最基础的线性结构在内存中连续存储每个元素占用相同大小的存储单元。int main() { int a[] {16,47,89,42,38}; }地址101105109113117元素1647894238下标a[0]a[1]a[2]a[3]a[4]地址计算若基地址为LOC(a[0])每个元素占k字节则a[i]的地址为LOC(a[i])LOC(a[0])i×k2. 二维数组的存储行优先 vs 列优先二维数组在内存中本质是一维线性存储有两种常见的存储顺序1行优先存储C 语言默认地址101105109113117121元素123456下标a[0][0]a[0][1]a[0][2]a[1][0]a[1][1]a[1][2]地址公式m行n列LOC(a[i][j])LOC(a[0][0])(i×nj)×k2列优先存储Fortran、Matlab 等语言先存储第 0 列再存储第 1 列以此类推。地址101105109113117121元素142536下标a[0][0]a[1][0]a[0][1]a[1][1]a[0][2]a[1][2]地址公式m行n列LOC(a[i][j])LOC(a[0][0])(j×mi)×k3. 真题实战二维数组地址计算步骤解析设数组为m行n列行优先地址公式LOC(A[i][j])100i×nj代入A[3][3] 2201003n3220⟹3n117⟹n39计算A[5][5]LOC(A[5][5])1005×3951001955300答案B二、特殊矩阵压缩存储是关键特殊矩阵如对称矩阵、三角矩阵、三对角矩阵、稀疏矩阵存在大量重复或零元素为了节省空间需要对其进行压缩存储。1. 对称矩阵对称矩阵满足a[i][j] a[j][i]因此只需存储上三角或下三角部分。以n×n对称矩阵为例下三角部分i ≥ j共有n(n1)/2个元素。存储映射行优先存储下三角元素到一维数组B中k2i(i1)​j(i≥j)若i j则a[i][j] a[j][i]直接映射到k j(j1)/2 i。真题实战步骤解析上三角元素行优先存储先存第 1 行j1~12再存第 2 行j2~12……前 5 行的元素总数∑k15​(12−k1)1211109850第 6 行中m_{6,6}是第 1 个元素因此下标为50 1 - 1 50C 语言下标从 0 开始。答案A. 502. 三角矩阵上三角矩阵主对角线以下i j的元素均为 0。下三角矩阵主对角线以上i j的元素均为 0。存储方式与对称矩阵类似只存储非零部分零元素不再重复存储。数组从 0 开始计数题目条件12×12 对称矩阵只存上三角部分含对角线满足 1≤i≤j≤12按行优先存入 C 语言一维数组数组下标从 0 开始目标元素m6,6​第 6 行、第 6 列步骤 1计算前 5 行i1 到 i5的元素总数上三角第i行的元素个数为12−i1从第i列到第 12 列第 1 行12−1112 个第 2 行12−2111 个第 3 行12−3110 个第 4 行12−419 个第 5 行12−518 个前 5 行总元素数1211109850步骤 2确定m6,6​的下标C 语言数组下标从 0 开始所以前 5 行的元素下标范围是0∼49共 50 个元素第 6 行的第一个元素是m6,6​它的下标就是前 5 行的元素总数50所以m6,6​在数组N中的下标是 50答案A. 50步骤 1明确 “列优先” 规则对称矩阵上三角部分满足 1≤i≤j≤10按列优先存储时先存第 1 列的上三角元素再存第 2 列依此类推。对于第 j 列上三角元素的行号 i 范围是 1≤i≤j共有 j 个元素。步骤 2计算前 1 列j1的元素总数第 1 列j1的上三角元素只有 m1,1​共1个。步骤 3计算第 2 列中 m7,2​ 的位置注意m7,2​ 属于上三角部分根据对称矩阵性质 m7,2​m2,7​所以实际存储的是 m2,7​对应列 j7行 i2。先计算前 6 列j1 到 j6的元素总数12345621第 7 列中m2,7​ 是第 2 个元素i1,2所以在数组中的下标为212−122C 语言数组下标从 0 开始所以需要减 1答案C. 223. 三对角矩阵三对角矩阵是指除了主对角线及其上下两条对角线外其余元素均为 0 的矩阵。对于n×n三对角矩阵非零元素总数为3n - 2可按行优先压缩存储到一维数组中。地址映射公式k2ij(∣i−j∣≤1)步骤 1理解三对角矩阵的结构三对角矩阵中只有当 ∣i−j∣≤1 时元素 mi,j​ 非零或需要存储。行优先存储时每行最多有 3 个元素第 1 行j1,22 个元素第 2~99 行ji−1,i,i13 个元素第 100 行j99,1002 个元素步骤 2计算前 29 行的元素总数第 1 行2 个元素第 2~29 行共 29−128 行每行 3 个元素前 29 行总元素数228×328486步骤 3计算 m30,30​ 在第 30 行的位置第 30 行的元素依次是 m30,29​、m30,30​、m30,31​。m30,30​ 是第 30 行的第 2 个元素。所以它在数组中的下标为862−187数组下标从 0 开始所以减 1答案B. 874. 稀疏矩阵稀疏矩阵是指零元素个数远多于非零元素个数的矩阵。常用的压缩存储方式有1三元组存储用三元组(i, j, value)记录每个非零元素的行号、列号和值。i j value 0 1 3 2 0 1 3 3 72十字链表将每行和每列的非零元素分别用链表连接便于快速访问行和列的元素。三、总结与思考结构类型存储特点核心公式 / 方法一维数组连续线性存储LOC(a[i]) LOC(a[0]) i*k二维数组行优先按行展开存储LOC(a[i][j]) LOC(a[0][0]) (i*n j)*k二维数组列优先按列展开存储LOC(a[i][j]) LOC(a[0][0]) (j*m i)*k对称矩阵只存上 / 下三角部分k i(i1)/2 j下三角三角矩阵只存非零部分同对称矩阵零元素不存储三对角矩阵只存三条对角线元素k 2i j稀疏矩阵三元组 / 十字链表存储仅存储非零元素数组与特殊矩阵的存储本质是空间与时间的权衡通过压缩存储减少空间占用同时保证高效的访问效率。在实际开发中理解这些存储方式是优化算法和处理大规模数据的基础。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2471003.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…