当前位置: 首页 > article >正文

【数据结构】数组与特殊矩阵

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。

相关文章:

【数据结构】数组与特殊矩阵

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:…...

Go Module 依赖冲突调试方法

Go Module 依赖冲突调试方法 在Go语言开发中,依赖管理是一个关键环节。随着项目规模的扩大,依赖的第三方库越来越多,版本冲突问题也愈发常见。Go Module作为官方推荐的依赖管理工具,虽然简化了依赖管理流程,但在多级依…...

Cocos Creator实战:5步搞定棋牌游戏大厅场景开发(附完整代码)

Cocos Creator实战:5步构建高交互棋牌游戏大厅(附模块化代码) 棋牌游戏大厅作为玩家进入游戏的第一印象,其体验直接决定了用户留存率。根据行业数据,精心设计的大厅界面能提升30%以上的玩家次日留存。不同于传统游戏开…...

2026实测不踩坑!6款成品PPT网站客观测评

2026实测不踩坑!6款成品PPT网站客观测评作为常年深耕AI工具测评的博主,日常需应对各类PPT创作需求,也经常收到粉丝咨询相关工具选择。经过实测多款成品PPT网站后,整理出6款适配性较强的平台,涵盖不同需求场景&#xff…...

SpringBoot 3.2.0 项目里,如何优雅地引入 Flowable 7.1.0 工作流引擎?

SpringBoot 3.2.0 项目优雅集成 Flowable 7.1.0 工作流引擎实战指南 在微服务架构中引入工作流引擎,往往意味着需要在不破坏现有架构的前提下实现业务流程的自动化管理。本文将深入探讨如何在已具备MyBatis-Plus、Spring Cloud Alibaba等技术栈的SpringBoot 3.2.0项…...

保姆级教程:用Python脚本一键将Labelme标注数据喂给YOLOv5/v8训练

从Labelme到YOLO:全流程数据转换与训练实战指南 当你完成数百张图像的Labelme标注后,面对满屏的JSON文件,是否曾为如何高效转换为YOLO格式而头疼?本文将以工业级解决方案,带你打通从标注到训练的全链路。不同于简单的格…...

PHP+MySQL图书管理系统实战:从环境搭建到功能实现的保姆级教程(附完整源码)

PHPMySQL图书管理系统实战:从零构建企业级应用 1. 环境配置与项目初始化 在开始构建图书管理系统之前,我们需要搭建一个稳定的开发环境。不同于传统的独立安装方式,我将推荐使用Docker容器化方案,这能确保开发环境的一致性并避免&…...

FCOS3D vs PGD:单目3D检测两大算法核心差异与选型指南

FCOS3D与PGD:单目3D检测技术深度对比与工程实践指南 1. 技术背景与核心挑战 在自动驾驶和机器人感知领域,单目3D目标检测技术因其硬件成本优势和部署便捷性,正成为工业界关注的焦点。这项技术仅需单个摄像头即可实现对三维空间中物体的定位和…...

Stable Diffusion 2.0超分实战:4倍放大图片还能保持清晰度的秘密

Stable Diffusion 2.0超分实战:4倍放大图片还能保持清晰度的秘密 在数字图像处理领域,超分辨率技术一直是设计师和开发者关注的焦点。传统放大方法往往导致图像模糊、细节丢失,而基于深度学习的超分方案正在改变这一局面。Stable Diffusion 2…...

使用Cosmos-Reason1-7B分析网络协议交互逻辑:以TCP三次握手为例

使用Cosmos-Reason1-7B分析网络协议交互逻辑:以TCP三次握手为例 最近在尝试用大模型来理解一些复杂的系统交互逻辑,发现了一个挺有意思的用法。我们团队在测试Cosmos-Reason1-7B时,没有让它写代码或者生成文案,而是给了它一个更“…...

DASD-4B-Thinking应用场景:科研人员用Chainlit调用长链思维模型写论文推导

DASD-4B-Thinking应用场景:科研人员用Chainlit调用长链思维模型写论文推导 安全声明:本文仅讨论技术实现与应用,所有内容均符合技术交流规范,不涉及任何敏感或违规内容。 1. 科研写作的新助手:当AI遇到学术研究 作为一…...

Gemma-3-12B-IT WebUI惊艳效果:Agent框架设计+Tool Calling实现

Gemma-3-12B-IT WebUI惊艳效果:Agent框架设计Tool Calling实现 1. 引言:当大模型拥有“手”和“眼” 想象一下,你正在和一个非常聪明的助手聊天。它能回答你的问题,帮你写代码,甚至能创作故事。但当你问它“现在几点…...

Java 26 FFM API进阶:零JNI调用TensorRT/OpenVINO,AI端到端延迟砍半

文章目录一、JNI,AI时代的"文言文写作"二、FFM API:Java调用原生代码的"现代白话文"1. Arena:比try-with-resources还狠的内存管理2. Linker:C函数的"Java身份证"3. jextract:头文件自动…...

从智能门铃到工业质检:拆解5个嵌入式AI落地案例,看模型压缩和硬件选型怎么选

从智能门铃到工业质检:5个嵌入式AI实战案例与选型策略 智能门铃的摄像头突然捕捉到一张陌生面孔,300毫秒内完成本地人脸比对并推送到主人手机——这背后是嵌入式AI在消费电子领域的典型应用。当算法工程师面对瑞芯微RK3588和地平线旭日X3两颗芯片的选型表…...

解决Gradio share=True报错:手动下载并配置frpc_linux_amd64_v0.3文件的保姆级教程

解决Gradio shareTrue报错的完整实战指南:从手动配置frpc到深度优化 当你兴奋地准备向客户展示刚完成的Gradio应用时,却在终端看到红色的报错信息——shareTrue参数失效了。这种场景对开发者来说再熟悉不过:本地调试一切正常,但需…...

Amlogic S9XXX Armbian刷机完全指南:从入门到进阶的5个关键问题

Amlogic S9XXX Armbian刷机完全指南:从入门到进阶的5个关键问题 【免费下载链接】amlogic-s9xxx-armbian Supports running Armbian on Amlogic, Allwinner, and Rockchip devices. Support a311d, s922x, s905x3, s905x2, s912, s905d, s905x, s905w, s905, s905l,…...

重构PDF知识管理:Obsidian PDF++让文献处理效率提升300%的实战指南

重构PDF知识管理:Obsidian PDF让文献处理效率提升300%的实战指南 【免费下载链接】obsidian-pdf-plus PDF: the most Obsidian-native PDF annotation & viewing tool ever. Comes with optional Vim keybindings. 项目地址: https://gitcode.com/gh_mirrors/…...

手把手教程:在CSDN星图一键部署LFM2.5轻量模型,低配电脑也能跑AI

手把手教程:在CSDN星图一键部署LFM2.5轻量模型,低配电脑也能跑AI 还在为本地跑不动大模型而烦恼吗?今天我要分享一个好消息:即使你的电脑配置不高,也能轻松部署一个实用的AI文本生成模型。LFM2.5-1.2B-Thinking-GGUF就…...

爆火Agent Harness:驯服AI的终极秘籍,三大巨头如何让AI从玩具变工具?

文章深入探讨了Agent Harness在AI落地中的关键作用,指出当前许多Agent应用存在长程任务失忆、遗留代码迷路、生成交付断链、确定性和安全性翻车等问题。文章剖析了Anthropic、OpenAI、LangChain三大巨头的Harness实践,如Anthropic的脚手架和独立评估器解…...

Linux七大常见误解与真相解析

1. Linux 神话的起源与现状Linux 作为开源操作系统的代表,自1991年诞生以来就伴随着各种误解和神话。这些误解往往源于早期Linux的使用门槛较高、图形界面不够完善等历史原因。但经过30多年的发展,现代Linux发行版已经发生了翻天覆地的变化。在技术社区中…...

行波管TWT聚焦系统硬核拆解:PPM vs PCM 核心区别、原理对比与工程选型全指南

对于行波管(TWT)研发工程师、射频微波专业学生、雷达 / 通信系统硬件从业者而言,电子注聚焦系统是决定器件生死的核心模块—— 它直接决定了电子注的流通率、注波互作用效率,甚至是器件的长期可靠性。在永磁聚焦方案中&#xff0c…...

OffscreenCanvas黑科技:让你的网页动画性能提升300%的配置指南

OffscreenCanvas黑科技:让你的网页动画性能提升300%的配置指南 当网页动画开始卡顿,用户的体验就会直线下降。传统Canvas渲染在主线程执行,复杂的图形运算很容易阻塞UI响应。OffscreenCanvas的出现彻底改变了这一局面——它允许你将绘制逻辑转…...

s2-pro语音合成新玩法:用标签控制语气,轻松制作带情绪的语音内容

s2-pro语音合成新玩法:用标签控制语气,轻松制作带情绪的语音内容 1. 语音合成技术的新突破 在数字内容创作领域,语音合成技术正变得越来越重要。传统的语音合成系统往往只能生成单调、机械的语音,缺乏情感表达和自然韵律。而s2-…...

GLM-4.6V-Flash-WEB新手入门:从镜像加速到网页推理实战

GLM-4.6V-Flash-WEB新手入门:从镜像加速到网页推理实战 1. 为什么选择GLM-4.6V-Flash-WEB 智谱AI最新开源的GLM-4.6V-Flash-WEB是一款专为实际业务场景优化的多模态视觉大模型。它结合了视觉理解和语言生成能力,特别适合需要快速部署的Web应用场景。 …...

千问3.5-2B在办公提效场景:会议白板照片文字提取+要点总结实战

千问3.5-2B在办公提效场景:会议白板照片文字提取要点总结实战 1. 办公场景的痛点与解决方案 1.1 会议记录的传统困境 每次开完会,最让人头疼的就是整理会议记录了。特别是那些在白板上写满讨论要点的会议,你需要: 对着白板照片…...

Windows下PyTorch CPU版安装全攻略:从下载到验证(含conda常用命令)

Windows平台PyTorch CPU版高效安装指南:从零基础到环境验证 在深度学习领域,PyTorch已成为最受欢迎的框架之一。对于Windows用户而言,特别是刚接触机器学习的新手,正确安装PyTorch是迈入这一领域的第一步。本文将详细介绍如何在Wi…...

技能大赛备赛避坑指南:搞定软件测试五大任务(功能/自动化/性能/单元/接口)的常见错误与调试技巧

技能大赛备赛避坑指南:软件测试五大任务实战排错手册 参加职业院校技能大赛软件测试赛项的师生们,往往在备赛过程中遇到各种"坑":脚本突然报错、环境配置冲突、报告格式被扣分…这些问题看似琐碎,却可能直接影响比赛成绩…...

背包模型(求组合)?爬楼梯模型(求排列)?

普通背包模型和爬楼梯模型是非常相似的两个模型。 首先,我们定义一个**“抽象背包模型”**(注意这个抽象背包模型不是前面提到的普通背包模型):给定 n 个物品,装满容积为 m 的背包,求方案数/具体方案/等等…...

Kook Zimage 真实幻想 Typora文档集成方案

Kook Zimage 真实幻想 Typora文档集成方案 1. 引言 技术文档写作最头疼的是什么?文字描述得再生动,也不如一张直观的图片来得有说服力。传统的文档创作流程中,我们需要先在专门的AI绘图工具中生成图片,然后下载保存,…...

手把手教你用Qwen2.5-Omni-7B:一个模型搞定文本、图片、音频和视频(附Python代码示例)

实战Qwen2.5-Omni-7B:全模态AI开发指南 第一次听说一个模型能同时处理文本、图片、音频和视频时,我的反应和大多数开发者一样——既兴奋又怀疑。直到亲手用Python调用了Qwen2.5-Omni-7B的API,看着它准确描述视频内容、回答图片问题、甚至生成…...