推广到一般情况,可得到n维数组数据元 素存储位置的映象关系 LOCG1,j2,n)=LOC(0,0,,0)+ciji 其中cn=L,c1=b1Xc,1<i≤n 称为n维数组的映象函数。数组元素 的存储位置是其下标的线性函数
推广到一般情况，可得到 n 维数组数据元 素存储位置的映象关系 称为 n 维数组的映象函数。数组元素 的存储位置是其下标的线性函数。 其中 cn = L，ci-1 = bi ×ci , 1 < i n。 LOC(j1 , j2 , ..., jn ) = LOC(0,0,...,0) + ∑ ci j i i =1 n
5.3稀疏矩阵的压缩存储 何谓稀疏矩阵? 假设m行n列的矩阵含t个非零元素, 则称 8=mxn 为稀疏因子。 通常认为δ≤005的矩阵为稀疏矩阵
假设 m 行 n 列的矩阵含 t 个非零元素， 则称 为稀疏因子。 通常认为 0.05 的矩阵为稀疏矩阵。 m n t = 5.3 稀疏矩阵的压缩存储 何谓稀疏矩阵？
以常规方法,即以二维数组表示 高阶的稀疏矩阵时产生的问题 1)零值元素占了很大空间; 2)计算中进行了很多和零值的运算, 遇除法,还需判别除数是否为零
以常规方法，即以二维数组表示 高阶的稀疏矩阵时产生的问题: 1) 零值元素占了很大空间; 2) 计算中进行了很多和零值的运算， 遇除法，还需判别除数是否为零
解决问题的原则 1)尽可能少存或不存零值元素; 2)尽可能减少没有实际意义的运算; 3)操作方便。即 能尽可能快地找到与 下标值(i,j对应的元素, 能尽可能快地找到同 行或同一列的非零值元
1) 尽可能少存或不存零值元素； 解决问题的原则: 2) 尽可能减少没有实际意义的运算； 3) 操作方便。 即： 能尽可能快地找到与 下标值(i，j)对应的元素， 能尽可能快地找到同 一行或同一列的非零值元
有两类稀疏矩阵 1)特殊矩阵 非零元在矩阵中的分布有一定规则 例如:三角矩阵 对角矩阵 2)随机稀疏矩阵 非零元在矩阵中随机出现
1) 特殊矩阵 非零元在矩阵中的分布有一定规则 例如: 三角矩阵 对角矩阵 2) 随机稀疏矩阵 非零元在矩阵中随机出现 有两类稀疏矩阵：