数组的定义数组的顺序表示和实现矩阵的压缩存储特殊矩阵.pptVIP

数组的定义 数组的顺序表示和实现 矩阵的压缩存储 特殊矩阵 稀疏矩阵 广义表的定义 广义表的存储结构 5.1.2 数组的顺序表示和实现 数组一般不作插入或删除操作，即一旦建立了数组，其结构就不再变动。 数组中的每个元素类型相同。 一维数组的顺序存储 行向量 下标 i 页向量 下标 i 列向量 下标 j 行向量 下标 j 列向量 下标 k   n维数组的顺序存储 各维元素个数为 m1, m2, m3, …, mn 下标为 i1, i2, i3, …, in 的数组元素的存储地址： 用三元组表表示的稀疏矩阵及其转置 稀疏矩阵转置算法思想 设矩阵列数为nu，对矩阵三元组表扫描nu次。第col次检测列号为col的项。 第col次扫描找寻所有列号为col的项，将其行号变列号、列号变行号，顺次存于转置矩阵三元组表。 设矩阵三元组表总共有Tu项，其时间代价为 O ( nu* Tu )。当tu与mu*nu同数量级时， O ( mu* nu2 )所以它是以时间换空间算法，适合tu?mu*nu的情况。 若矩阵有200行，200列，10,000个非零元素，总共有2,000,000次处理。 快速转置算法 建立辅助数组num和cpot，记录矩阵转置前各列非零元素个数和各列元素在转置三元组表中开始存放位置。 扫描矩阵三元组表，根据某项的列号，确定它转置后的行号，查cpot表，按查到的位置直接将该项存入转置三元组表中。 转置时间代价为 O(nu+tu)。当tu与mu*nu同数量级时，O(nu*tu)。若矩阵有200行，200列，10000个非零元素，总共需10000次处理。 for (p=1; p=M.tu; p++) { col = M.data[p].j; q=copt[col]; T.data[q].i = M.data[p].j; T.data[q].j = M.data[p].i; T.data[q].e = M.data[p].e; ++cpot[col]; }//for }//if return OK; } 稀疏矩阵的乘积 2 1 3 -1 2 2 5 4 1 3 1 1 v j i 4 2 3 -2 1 3 1 1 2 2 2 1 v j i 4 2 3 -1 1 2 6 2 1 v j i M.data N.data Q.data Q=M*N 即a11只有可能和B中第1行的非零元素相乘，a12只有可能和B中第2行的非零元素相乘，…，而同一行的非零元是相邻存放的，所以求c11和c12同时进行：求a11*b11累加到c11，求a11*b12累加到c12，再求a12*b21累加到c11，再求a12*b22累加到c12.，…，当然只有aik和bkj(列号与行号相等)且均不为零（三元组存在）时才相乘，并且累加到cij当中去。 以求c11和c12为例，因为 ： 为了运算方便，设一个累加器：datatype temp[n+1]；用来存放当前行中cij的值，当前行中所有元素全部算出之后，再存放到C.data中去。 为了便于B.data中寻找B中的第k行第一个非零元素，与前面类似，在此需引入num和rpot两个向量。num[k]表示矩阵B中第k行的非零元素的个数；rpot[k]表示第k行的第一个非零元素在B.data中的位置。于是有 rpot[1]=1 rpot[k]=rpot[k-1]+num[k-1] 2≤k≤n 根据以上分析，稀疏矩阵的乘法运算的粗略步骤如下： ⑴初始化。清理一些单元，准备按行顺序存放乘积矩阵; ⑵求B的num，rpot; ⑶做矩阵乘法。将A.data中三元组的列值与B.data中三元组的行值相等的非零元素相乘，并将具有相同下标的乘积元素相加。 SPMatrix *MulSMatrix (SPMatrix *A, SPMatrix *B) /*稀疏矩阵A(m1× n1)和B(m2× n2) 用