数据结构讲义第5章.ppt

例如，下列三元组表 ((1,2,12)(1,3,9),(3,1,- 3),(3,6,14),(4,3,24), (5,2,18),(6,1,15),(6,4,-7)) 加上(6,7)这一对行、列值便可作为下列矩阵M的另一种描述。而由上述三元组表的不同表示方法可引出稀疏矩阵不同的压缩存储方法 1 2 3 4 5 6 7 0 12 9 0 0 0 0 0 0 -3 0 0 15 0 0 0 0 0 0 0 12 0 0 0 18 0 -3 0 0 0 0 14 0 9 0 0 24 0 0 0 0 24 0 0 0 0 0 0 0 0 0 –7 0 18 0 0 0 0 0 0 0 14 0 0 0 15 0 0 –7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 图5.4 稀疏矩阵M和T M= T= 1 2 3 4 5 6 1.三元组顺序表 假设以顺序存储结构来表示三元组表，则可得到稀疏矩阵的一种压缩存储方法——三元顺序表。 #define maxsize 12500 //假设非零元个数的最大值为12500 typedef struct { int i,j; //该非零元的行下标和列下标 ElemType e; }Triple; typedef struct { triple data[maxsize+1]; //非零元三元组表 int m,n,t; //矩阵的行数、行数和非零无个数 }TSMatrix; 设A为TSMatrix型的结构变量，图5.4中所示的稀疏矩阵的三元组的表示如下： i j e 1 2 12 data[1] 1 3 9 data[2] 3 1 -3 data[3] 3 6 14 data[4] 4 3 24 data[5] 5 2 18 data[6] 6 1 15 data[7] 6 4 -7 data[8] A.mu = 6 A.nu = 7 A.tu = 8 在此，data域中表示非零元的三元组是以行序为主序顺序排列的。 下面以矩阵的转置为例，说明在这种压缩存储结构上如何实现矩阵的运算。 一个m×n的矩阵A，它的转置B是一个n×m的矩阵，且a[i][j]=b[j][i]，0≦i≦m，0≦j≦n，即A的行是B的列，A的列是B的行。 将A转置为B，就是将A的三元组表a.data置换为表B的三元组表b.data，如果只是简单地交换a.data中i和j的内容，那么得到的b.data将是一个按列优先顺序存储的稀疏矩阵B，要得到按行优先顺序存储的b.data，就必须重新排列三元组的顺序。 由于A的列是B的行，因此，按a.data的列序转置，所得到的转置矩阵B的三元组表b.data必定是按行优先存放的。 按这种方法设计的算法，其基本思想是：对A中的每一列 col(0≦col≦n-1)，通过从头至尾扫描三元表a.data，找出所有列号等于col的那些三元组，将它们的行号和列号互换后依次放入b.data中，即可得到B的按行优先的压缩存储表示。 i j e 1 3 -3 data[1] 1 6 15 data[2] 2 1 12 data[3] 2 5 18 data[4] 3 1