一维数组可通过行优先映射模拟矩阵，适用于内存受限或性能敏感场景；其索引公式为 i×n+j，支持加法、转置等操作，但需注意行列固定、缓存友好性及下标起点。
一维数组确实能用来处理矩阵，但得先明确一点：它不是二维数组的“简化形式”，而是另一种组织数据的思路——用单层线性结构模拟二维逻辑。这种做法在内存受限、性能敏感或底层开发中很实用，关键在于手动映射行列关系。
用一维数组存矩阵：行优先映射
一个 m 行 × n 列 的矩阵，可以用长度为 m × n 的一维数组存储。约定按“行优先”顺序存放：第 i 行第 j 列的元素，对应一维数组下标 i * n + j（假设下标从 0 开始）。
- 例如 3×4 矩阵：
[1,2,3,4,5,6,7,8,9,10,11,12]，其中matrix[1][2]（第 1 行第 2 列，即值 7）对应一维索引1*4 + 2 = 6 - 访问时无需额外结构，只需算下标，节省指针开销和内存碎片
- 适合静态大小、编译期已知维度的场景，比如图形渲染缓冲区、嵌入式设备帧缓存
基础矩阵操作可直接迁移
加法、转置、行列求和等操作，只要把二维循环改成一维索引计算，逻辑完全一致。
-
矩阵加法：遍历
0到m*n-1，对位相加，无需嵌套循环 -
按行求和：对每块连续的
n个元素求和，如第 i 行对应区间[i*n, i*n+n-1] -
转置需重排：原矩阵
a[i*n + j]→ 转置后位置为j*m + i，结果存入新一维数组
注意边界与易错点
一维模拟二维，灵活性下降，但换来的是确定性和效率。使用时务必确认：
- 行列数是否固定？动态变维会破坏索引公式
- 是否需要频繁按列访问？列访问在一维中是跳跃式，缓存不友好
- 是否混淆下标起点？C/C++/Go 默认从 0，而某些教学示例用 1 起始，公式要同步调整
何时选一维而非二维？
不是为了“简化概念”，而是解决具体问题：
- GPU 或 SIMD 向量化计算要求连续内存布局，一维天然适配
- 序列化传输（如网络协议、文件存储）时，扁平化更易打包解包
- 某些语言（如早期 C）不支持真正二维数组，一维+宏定义是标准做法
