为何小尺寸矩阵下Matlab稀疏格式比密集格式占用更多内存？

存储结构差异是核心 #

Matlab里密集矩阵和稀疏矩阵的存储逻辑完全不同：

• 密集矩阵：默认双精度类型的密集矩阵采用连续内存块存储，每个元素占8字节。N×N矩阵的总内存为 N×N×8 字节。比如N=6时，6×6共36个元素，总占用288字节。
• 稀疏矩阵：Matlab采用压缩稀疏列（CSC）格式存储，需要三个独立数组：
  • pr：存储非零元素的数值，每个双精度数占8字节
  • ir：存储对应非零元素的行索引，64位系统下每个整数占8字节
  • jc：存储每列第一个非零元素在ir中的起始位置，长度为N+1，每个元素占8字节

你的矩阵的非零元素与开销计算 #

你生成的是三对角矩阵，非零元素总数为 3N-2（主对角线N个，上下次对角线各N-1个）：

• 以N=6为例：非零元素共16个。稀疏矩阵总内存为 16×8（pr） + 16×8（ir） + 7×8（jc）= 312字节，比密集矩阵的288字节更高。
• 以N=2为例：非零元素共4个。稀疏矩阵总内存为 4×8 + 4×8 + 3×8 = 88字节，远高于密集矩阵的32字节。

关键结论 #

稀疏矩阵的优势是仅存储非零元素，但代价是需要额外存储索引信息。当矩阵尺寸很小、非零元素占比不低时（比如N=6时非零元素占比约44%），索引数组的内存开销会超过“少存元素”节省的内存。只有当矩阵足够大、非零元素占比极低时，稀疏矩阵的内存优势才会显现。

另外，Matlab稀疏矩阵对象本身的元数据（如维度、类型信息）也会带来少量额外开销，小尺寸下这部分占比也会被放大。

内容的提问来源于stack exchange，提问作者Kilkik