1、三元组表，十字链表。三元组表：只存储稀疏矩阵中的非零元素的信息，包括行号、列号和元素值，对于稀疏矩阵中的零元素，不需要进行存储，减少了存储空间。
2、① 尽可能减少或者不存储零元素以节省空间，降低空间复杂度。② 尽可能快地实现数据元素的存储位置与原有位置之间的转换。③ 尽可能不与零元素进行运算，以降低时间复杂度。稀疏矩阵的压缩存储有三种最常见的方法，分别是三元组顺序表、行逻辑链接顺序表和十字链表。
3、稀疏矩阵和密集矩阵是两种不同类型的矩阵，它们在存储、计算和应用场景上有着显著的区别。存储：稀疏矩阵是指矩阵中大部分元素为零的矩阵。由于零元素占据了矩阵的大部分空间，稀疏矩阵在存储时可以采用特殊的存储方式，只存储非零元素和它们的位置信息。
4、元素所在的行号、列号，才能迅速确定一个非零元素是矩阵中的哪一个元素。稀疏矩阵的压缩存储会失去随机存取功能。其中每一个非零元素所在的行号、列号和值组成一个三元组（i，j，a ij ），并由此三元组惟一确定。稀疏矩阵进行压缩存储通常有两类方法：顺序存储和链式存储。链式存储方法【参见参考书目】。
5、稀疏矩阵的存储方式：存储矩阵的一般方法是采用二维数组，其优点是可以随机地访问每一个元素，因而能够较容易地实现矩阵的各种运算。但对于稀疏矩阵而言，若用二维数组来表示，会重复存储了很多个0了，浪费空间，而且要花费时间来进行零元素的无效计算。所以必须考虑对稀疏矩阵进行压缩存储。
6、稀疏矩阵的零元素非常多，且分布无规律，所以稀疏矩阵的压缩存储方法为：只存储矩阵中的非零元素，按照三元组的形式存储。三元组由非零元素，该元素行下标和该元素列下标三个数据构成，放在一个列数为3的数组中。
R软件是一种集数据处理、计算、统计分析和制图功能于一体的完整软件系统，适用于大规模数据分析和科学计算。在R中，用户可以使用强大的数组运算工具，包括向量和矩阵运算，进行数据处理。其向量、矩阵运算能力尤为突出，适用于复杂数据分析。
这三个步骤未必严谨，每个大步骤下面可能依问题的不同也会有不同的小步骤，但按我这几年的经验来看，按照这个大思路走，数据一般不会做跑偏。这样看来，数据科学其实就是门复合型的技术，既然是技术就从编程语言谈起吧，为了简练，只说说R和Python。
使用`netlm（）`和`netlogit（）`函数进行分析，评估变量系数、统计量分布及显著性检验结果。最终，案例数据未能通过显著性检验，表明成绩和交往关系对小组合作的影响并不显著。QAP分析通过评估关系矩阵间的相关性，为研究复杂社会网络关系提供了有效工具。
1、对称矩阵中的元素关于主对角线对称，故只要存储矩阵中上三角或下三角中的元素，让每两个对称的元素共享一个存储空间。这样，能节约近一半的存储空间。
2、对称矩阵在数据结构中具有特定的性质。它定义为一个n阶方阵，其中元素满足aij=aji，其中0≤i， j≤n-1。这样的矩阵以其主对角线为轴对称，使得存储时可以通过只存储上三角或下三角的元素来节省空间，因为对称部分的元素是重复的。对称矩阵的压缩存储方式利用了这个对称性。
3、存储矩阵是专门用于存放矩阵数据的特殊数据结构。矩阵是由行列元素组成的多维数组。矩阵的存储结构通常有两种主要形式：顺序存储结构和压缩存储结构。顺序存储结构使用二维数组，每个元素具有固定位置，通过行列索引访问。此方式适用于普通线性结构矩阵，简洁直观。
4、这里对称矩阵的存储方式，采用只存储矩阵的下三角中的数据，也就是矩阵中n*n个元素，只存储n（n-1）/2-1个元素到存储区。
5、对称矩阵具有对角线对称的特性，可以进行压缩存储，即将重复的元素存储一次，减少存储空间。计算时，利用这一特性可以优化算法，减少不必要的计算。广义表的概念在此时引入，它是一种更泛化的数据结构，可以包含多种类型的数据，包括数组和矩阵。广义表的属性和存储方式更加灵活，可以适应更复杂的数据组织需求。