软考数据结构：稀疏矩阵存储与三元组转置考点全解析

如果让我给软考上午题的易错点排个名，稀疏矩阵一定在我这里排到前三。这倒不是因为它背后的算法有多难，而是因为这个考点的出题角度特别刁钻：表面在考“矩阵”，实际考的是数组存储、下标换算、逻辑结构判断，甚至还能一头扎进图的存储结构里。我第一次做相关真题时，已经看完了一遍“三元组”的知识点，结果还是一口气错三道，整个人都裂开了。

今天这篇是软考备战系列的第十一篇，专门把稀疏矩阵这件事掰开揉碎讲清楚。主要面向软件设计师中级、程序员和数据库系统工程师里要考数据结构的朋友，尤其是那种“看书能看懂，一上真题就发蒙”的备考状态。文章不会只罗列概念，我会从考点定位、存储结构、典型题型和复习节奏几个角度展开，把我踩过的坑和验证过的做题方法一起放出来，希望帮你少走一段弯路。

1. 软考数据结构里的稀疏矩阵：到底在考什么

1.1 从大纲看稀疏矩阵的真实位置

软考中级软件设计师的大纲里，“数据结构与算法”是一个绕不开的大模块。这个模块下面包含线性表、树、图、排序、查找，再往下还有数组和矩阵压缩存储。很多人复习时会把注意力全部放在二叉树和图，或者排序算法上，稀疏矩阵通常只是作为“数组”章节里的一个小节出现。可恰恰是这个小节，历年真题出现的频率并不低，而且它一旦和图的邻接矩阵串起来考，迷惑性就会明显上升。

如果我们把软考中与稀疏矩阵相关的知识点拆开看，大致可以归纳为以下几种考察方向：

• 稀疏矩阵的定义和稀疏因子，要求判断哪种矩阵适合用稀疏矩阵方式存储；
• 二维数组按行优先或列优先存储时的地址计算，以及一维压缩存储后的下标换算；
• 三元组顺序表的结构、排序特点以及转置算法的流程；
• 十字链表结点的基本结构及其适用场景；
• 特殊矩阵与稀疏矩阵的区分，比如对称矩阵、三角矩阵、对角矩阵这类有规则分布的非零元；
• 稀疏矩阵在图的存储结构选择中的影响。

所以复习时不能只盯着“稀疏矩阵”这四个字，实际上它是数组、矩阵、图这几章之间的一个连接器。我见过不少备考者只背了三元组的定义就去刷题，遇到稍微绕一点的对称矩阵压缩题就乱了，原因就在于没有把这个考点放在一个更大的知识网络里。

1.2 “稀疏”不等于“零很多”：这个概念先掰清楚

教材里通常会说：如果矩阵中非零元素的个数远远小于矩阵元素的总数，而且非零元素的分布没有规律，我们一般称它为稀疏矩阵。这里的“稀疏”是一个经验指标，所以很多资料会提到稀疏因子，也就是矩阵中非零元素个数与矩阵总元素个数的比值。当这个比值小于等于0.05时，通常认为有必要用稀疏矩阵方式存储。

但是软考真正容易挖坑的地方不在比值，而在“分布没有规律”这半句话。这一点必须展开说。

如果矩阵里零元素确实很多，但非零元素的分布非常有规则，比如对称矩阵、三对角矩阵、下三角矩阵，它们虽然有大量零元素，却因为分布规则，可以使用更专门化的压缩方式。它们一般不叫稀疏矩阵，而叫特殊矩阵。这里面的区别在存储上很明显：特殊矩阵因为位置是确定的，压缩存储时可以不用保存行列号，只要保存数值即可；稀疏矩阵由于非零元随机散布，压缩存储时通常必须同时保存元素所在的行、列和值。

举个例子你就明白了。一个100乘100的矩阵，如果只有100个非零元，而且这些元素全部集中在对角线附近，那它就是三对角矩阵，压缩时开一个长度为3n-2的一维数组就够；如果这100个非零元随机分布在上千个可能的位置里，那就是典型的稀疏矩阵，直接用一个二维数组存10000个元素太浪费，存成三元组表才合适。

做题时我建议你先判断两个问题：第一，非零元占比是不是很低；第二，非零元的分布是不是没有明显规律。只要第二个条件不满足，就不能按稀疏矩阵的方式套用解题思路。这个区分在软考上午题里几乎年年都有可能踩到。

2. 稀疏矩阵存储方案：三元组和十字链表怎么选

2.1 三元组顺序表：最可能出现在选择题里的存储

既然稀疏矩阵的非零元分布没有规律，那就不能像普通矩阵那样用“行号乘列数”的固定公式去定位每个元素，而是需要一种更灵活的表达方式。三元组就是最经典的一种