稀疏矩阵的存储艺术：三元组表与十字链表的深度解析

在数值计算与数据结构领域，稀疏矩阵（非零元素占比极低的矩阵）的高效存储是一项关键课题。若用常规二维数组存储，大量 “0” 元素会造成空间与性能的双重浪费。为此，三元组表（顺序存储）与十字链表（链式存储） 两种经典结构应运而生，它们从不同角度为稀疏矩阵的存储与操作提供了最优解。本文将深入剖析这两种结构的设计逻辑、实现细节与适用场景。

一、稀疏矩阵：存储优化的必要性

假设一个 \(m \times n\) 的矩阵中，非零元素数量远小于 \(m \times n\)（如仅占 1% 甚至更低），这类矩阵即为稀疏矩阵。例如，电路节点的连接矩阵、大规模社交网络的邻接矩阵等，都具有稀疏性。

若用普通二维数组存储，不仅会浪费大量内存（“0” 元素无意义却占据空间），还会降低算法效率（遍历或运算时需频繁处理无意义的 “0”）。因此，针对稀疏矩阵的 “定制化” 存储结构成为必然。

二、顺序存储：三元组表的 “紧凑哲学”

1. 核心设计：用三元组聚焦非零元素

三元组表的本质是以顺序表存储稀疏矩阵的所有非零元素，每个非零元素用一个 ** 三元组（行号 i、列号 j、值 v）** 描述。为了全局管理，表的开头还会记录矩阵的总行数、总列数和非零元素总数。

2. 结构定义（以 C 语言为例）

c

运行

// 单个非零元素的三元组
typedef struct {
    int row;    // 行号
    int col;    // 列号
    ElemType val; // 非零元素的值
} Triple;

// 三元组表的整体结构
typedef struct {
    Triple data[MAX_SIZE]; // 存储三元组的数组
    int rows;              // 矩阵总行数
    int cols;              // 矩阵总列数
    int num;               // 非零元素总数
} TSMatrix;

3. 实例演示：从矩阵到三元组表

考虑如下稀疏矩阵：\(\begin{bmatrix} 5 & 0 & 0 & 7 \\ 0 & 0 & -3 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ \end{bmatrix}\)其对应的三元组表为：

• 矩阵信息：rows=4，cols=4，num=4
• 三元组数据：(0, 0, 5)、(0, 3, 7)、(1, 2, -3)、(3, 1, 2)

4. 优缺点剖析

• 优势：存储极其紧凑，空间利用率高；基于数组的顺序遍历效率优异。
• 局限：插入、删除非零元素时需大规模移动数组元素，时间成本高；仅适用于 “静态” 稀疏矩阵（非零元素数量与位置变化少）。

三、链式存储：十字链表的 “灵活美学”

1. 核心设计：十字交叉的双向链表

十字链表是一种链式结构，为稀疏矩阵的每一行和每一列都维护了一条链表。每个非零元素节点同时属于所在行的链表和所在列的链表，形成 “十字交叉” 的链式网络，从而实现行、列两个维度的高效操作。

2. 节点与整体结构（以 C 语言为例）

c

运行

// 非零元素节点
typedef struct OLNode {
    int row;    // 行号
    int col;    // 列号
    ElemType val; // 非零元素的值
    struct OLNode *right; // 指向同行下一个非零元素
    struct OLNode *down;  // 指向同列下一个非零元素
} OLNode, *OLink;

// 十字链表的整体结构
typedef struct {
    OLink *row_head; // 行头节点数组（每个元素指向对应行的第一个非零节点）
    OLink *col_head; // 列头节点数组（每个元素指向对应列的第一个非零节点）
    int rows;        // 矩阵总行数
    int cols;        // 矩阵总列数
    int num;         // 非零元素总数
} CrossList;

3. 实例演示：可视化十字链表

以之前的稀疏矩阵为例，十字链表的结构可简化为：

• 行链表：row_head[0] 指向 (0,0,5)，再指向 (0,3,7)；row_head[1] 指向 (1,2,-3)；row_head[3] 指向 (3,1,2)（行 2 无节点）。
• 列链表：col_head[0] 指向 (0,0,5)；col_head[1] 指向 (3,1,2)；col_head[2] 指向 (1,2,-3)；col_head[3] 指向 (0,3,7)。
• 每个非零节点的 right 和 down 指针分别串联同行、同列的下一个节点，形成十字网络。

4. 优缺点剖析

• 优势：插入、删除非零元素时仅需修改链表指针，操作灵活高效；适合稀疏矩阵的动态运算（如矩阵加法、乘法）。
• 局限：每个节点需额外存储两个指针，空间开销略高于三元组表；链表遍历的缓存局部性较差，大规模遍历时效率不如顺序存储。

四、深度对比：三元组表 vs 十字链表

五、场景化决策：如何选择？

• 若你面对的是结构稳定、几乎无修改的稀疏矩阵（如预处理后的图邻接矩阵），三元组表是更优解 —— 空间紧凑，遍历速度快。
• 若你需要对稀疏矩阵进行频繁的插入、删除操作，或开展矩阵加法、乘法等动态运算，十字链表的灵活性将大幅降低时间成本。

六、总结

三元组表与十字链表是稀疏矩阵存储的 “双璧”，前者以 “顺序紧凑” 实现空间最优，后者以 “链式灵活” 实现操作最优。理解二者的设计逻辑与适用边界，是高效处理稀疏矩阵类问题的关键。

在数据结构的世界里，从来没有 “一劳永逸” 的完美方案，只有 “因地制宜” 的智慧选择 —— 这正是稀疏矩阵存储艺术带给我们的深层启示。