矩阵及其基本算法.pptVIP

矩阵及其基本算法 计13 刘汝佳 矩阵及其基本算法 矩阵的表示 矩阵的基本运算 小结和应用举例 一、矩阵的表示 三角矩阵的压缩表示法 稀疏矩阵的三元组表示法 稀疏矩阵的十字链表表示法 矩阵的二维数组表示法 struct TMatrix { int n,m; int numbers[MAXN+1][MAXN+1]; }; 三角矩阵的压缩表示(1) N阶上三角矩阵，对称矩阵和反对称矩阵都只需要储存主对角线以上的共(N+1)*N/2个元素。 因此，我们可以用一个大小为(N+1)*N/2的一维数组来表示。 不过，我们需要一个公式，把每个元素原来的位置(i,j)映射到一维数组的下标k。 三角矩阵的压缩表示(2) 我们从上到下，从左到右地储存各个元素，如下图： 稀疏矩阵 在前面的二维数组表示法中，我们表示一个N*M的矩阵需要N*M个内存单元。 如果已知矩阵中存在着大量的0元素，那么这种表示方法是很浪费空间的。 由于非零元素的个数L十分有限，我们可以只储存下这L个元素的位置和大小，占用的空间便会少得多。 稀疏矩阵的三元组表示法 显然，表示稀疏矩阵最直接的方法就是仅记录下非零元素的个数L和这L个元素的位置(row,col)和大小(value)，即下面这个结构： 稀疏矩阵的十字链表表示(1) 三元组表示法比较好的解决了稀疏矩阵的空间存储问题，却忽视了稀疏矩阵可能进行了一些基本操作。 考虑两个稀疏矩阵A和B相加的问题。对于运算结果矩阵C来说，可能会因为正负抵消而产生出很多新的零元素和非零元素，导致三元组需要进行一些插入和删除操作。当这些操作很频繁的时候，程序的速度会明显变慢。 在某些特定情况下，我们需要对元素进行检索，由于三元组的元素之间联系并不紧密，所以检索很不方便。 稀疏矩阵的十字链表表示(2) 为了加强同一行和同一列之间元素的联系，我们把每一行分别做成一个链表，把每一列也分别做成一个链表。 通过对链表的遍历，我们可以很方便的按顺序访问到某一特定行或列的所有元素。插入和删除操作也很方便。 这样，我们了建立一种十字型的链表结构，每个结点有上，下，左，右四个指针和自身的位置坐标，大小共7个域。 稀疏矩阵的十字链表表示(3) 结点类型如下定义： 稀疏矩阵的十字链表表示(4) 为了方便的找到每一个包含非零元素的行和列，我们把所有行串在一起，组成一个行链表，把所有列也串在一起，组成一个列链表。像这样： 矩阵表示方法小结 矩阵的表示方法和应用是分不开的。 我们衡量一种表示方法的优劣，需要从不同的角度进行分析。 适用范围 空间需求量 基本操作的时间消耗 实现的难易程度 以上几种方法都在某些方面表现良好而其他方面不够理想，因此我们需要根据实际需要的侧重点不同，选择合适的表示方法 二、矩阵的基本运算 矩阵的判重 矩阵的线性运算 矩阵的转置 矩阵乘法 矩阵的判重 在二维数组表示法中，我们可以用一个二重循环判断两个矩阵是否相等。 在三元组表示方法中，我们如果保证非零元素是按照从上到下，从左到右的顺序储存的，则可以用一个循环直接判断。但如果不能保证，则需要二重循环。因此在未加说明的情况下，三元组表示法均需要按顺序保存各个元素。 在十字链表表示方法中，我们需要依次遍历每一个非零行（或者列）。 矩阵的线性运算 矩阵的数乘: B=kA 在任何一种表示法中，我们都可以通过遍历所有元素的方法完成数乘运算。 矩阵的加法: C=A+B 在二维数组表示法中，我们可以通过二重循环来进行矩阵加法 在稀疏矩阵中，注意到结果中的非零元素所在的位置必对应A或B中的一个非零元素，所以加法运算不会在A和B中原非零元素之外的其他位置上生成新的非零元素。 矩阵的线性运算(2) 考虑三元组表示法中的矩阵加法。由于都需要按顺序储存各个元素，我们应当按顺序对每个A或B中非零的位置做加法。 下面有一个例子： 矩阵的线性运算(3) 我们记录两个矩阵A，B的当前非零元素序号pA和pB。为了保证结果的有序性，我们每次比较这两个当前元素的位置。 如果A的当前位置靠前，则把A的第pA个元素加入矩阵C，并使pA=pA+1 如果B的当前位置靠前，则把B的第pB个元素加入矩阵C，并使pB=pB+1 如果当前位置相同，则先使pA=pA+1, pB=pB+1。如果A的第pA-1个元素和B的第pB-1个元素的和不为零，则把它加到矩阵C中。 矩阵的线性运算(4) 十字链表表示法下的加法可以一行行的做。即： 如果A的当前行号比B小，把A的当前行整个复制到C中。 如果B的当前行号比A小，把B的当前行整个复制到C中。 否则把A的当前行和B的当前行的合并结果加入C中。 第三种情况和三元组表示下的加法很类似，只是下标pA,pB换成了指针。 同样的，需要注意两个非零元素之和可能等于零，从而不能插入到结果中 矩