矩阵的实现一般就是常说的二维数组，对于高阶矩阵来说，存储时会消耗大量的存储空间，此时可以根据矩阵的特点（有些无规则的矩阵是不建议压缩的）来进行压缩存储。
1、矩阵的分类
可压缩的矩阵大致分为两类：
- 特殊矩阵
- 稀疏矩阵
1.1、特殊矩阵
排布着有规律的非零元的矩阵称为特殊矩阵（非零元排布有规律，也可以说是零元排布有规律）。我们可以找出规律把矩阵（二维数组）转为一维数组来存储。
对称矩阵
这里 i 不能等于0，j 可以等于 n 的原因是为了更好的求出一维数组中的k，比如你要求a[0][0]时，代入计算的i、j应该是1，1。
可以看出，我们仅需声明一个长度为(1+n)n/2的一维数组array即可，剩余的都是重复的元素。
那么如何进行查找？需要有一个对应关系，输入i，j，输出array[k]。
假设一维数组存储的是下三角部分，并且我们现在找的a[i][j]也是在下三角，则：
// 最后减1的原因是：数组下标是从0开始
k = (1 + j - 1) * (j-1) / 2 + i - 1
array[k]即是目标元素
写成完整的公式，如下所示
编码实现
上/下三角矩阵
n阶矩阵的上下三角中的元素都是常数。
注意三角矩阵的定义是包括对角线的，当然对于不包括对交线的特殊矩阵，仍然可以用这种方式处理。
此时我们可以声明一个长度为(1 + n) * n / 2 + 1的一维数组来存储这个三角矩阵，+1是增加一个存储常数的空间。
// 假定是下三角矩阵，给定i，j求出对应的值
if(i > j)
k = 0
k = (1 + j - 1) * (j-1) / 2 + i - 1
array[k]即是目标元素
编码实现
上/下三角矩阵和上述的对称矩阵一个样儿
对角矩阵
注意这里的对角矩阵与线代里的对角矩阵，概念不一致。
线代里的对角矩阵，除对角线外，其余元素都是0：
我们这里说的是非零元素都集中在对角线上下若干条对角线的对角矩阵。
n阶对角矩阵的存储有些困难，假设a条对角线是非0元，则一维数组array的大小为：
// 上底为a，下底为n，高为n-a+1
length = (a + n) * (n - a + 1) / 2 * 2 - n
给定 i j，找对应的 k
if(j > i){
// 上三角
if(i < a-1 && j > a-1 && j - i > a-1){
// 0元
return 0;
}else{
// 非0元
}
} else {
// 下三角
if(i > a-1 && j < a-1 && i - j > a-1){
// 0元
return 0;
}else{
// 非0元
}
}
非0元的求值算法暂时没写
1.2、稀疏矩阵
稀疏矩阵含有的非零元很少且无规律
对于0.05目前还没有找到依据，只是在书上看到了，先放着
如何压缩？我们只需要存储非0元即可，我们可以定义一个结构体：
{
int row;// 存储第几行
int column;// 第几列
int data;// 非0元数值大小
}
进行压缩后的存储方式：
对于稀疏矩阵压缩后的存储，仍然可以用二维矩阵来存储，此时我们可以标明原始矩阵是几行几列，一共有多少个非0元，这样从压缩后的恢复成原来的稀疏矩阵时可以清楚原矩阵有几行几列。
第一行表明原矩阵是5 * 5，并且有3个非0元
