数据结构实验数组.docx

计算机系数据结构实验报告（5）姓名：学号：专业班级：实验目的：深入研究数组的存储表示和实现技术，着重掌握对稀疏矩阵的表示方法及其运算的实现。问题描述：稀疏矩阵是指那些多数元素为零的矩阵。利用‘稀疏’特点进行存储和计算可以大大节省存储空间，提高效率。通过对稀疏矩阵的存储表示，实现矩阵的基本操作。实验要求：文法是一个四元要求矩阵的输入形式采用三元组表示，以“带行逻辑链接信息”的三元组顺序表表示稀疏矩阵。设计矩阵的逆置算法，实现矩阵的逆置。实现两个稀疏矩阵的相加、相减和相乘等运算。要求运算结果的矩阵则以通常的阵列形式出现。算法分析： 见书上的算法5.1，5.2,5.3以及算法说明。实验内容和过程：//sy5.cpp#include iostream #include iomanip using namespace std; const int MAXSIZE=100; const int MAXROW=10; typedef struct { int i,j; int e; }Triple; typedef struct { Triple data[MAXSIZE+1]; int mu,nu,tu; }TSMatrix; typedef struct { Triple data[MAXSIZE+2]; int rpos[MAXROW+1]; int mu,nu,tu; }RLSMatrix; template class P bool InPutTSMatrix(P T,int y){ cout输入矩阵的行，列和非零元素个数:endl; cinT.muT.nuT.tu; cout请输出非零元素的位置和值:endl; int k=1; for(;k=T.tu;k++) cinT.data[k].iT.data[k].jT.data[k].e; return true; } template class P bool OutPutSMatrix(P T){ int m,n,k=1; for(m=0;mT.mu;m++){ for(n=0;nT.nu;n++){ if((T.data[k].i-1)==m(T.data[k].j-1)==n){ cout.width(4); coutT.data[k++].e;} else{ cout.width(4); cout0; } } coutendl; } return true; } bool TransposeSMatrix( ){ TSMatrix M,T; //定义预转置的矩阵 InPutTSMatrix(M, 0); //输入矩阵 int num[MAXROW+1]; int cpot[MAXROW+1]; // 构建辅助数组 int q,p,t; T.tu=M.tu; T.mu=M.nu; T.nu=M.mu; if(T.tu){ for(int col=1;col=M.nu;col++) num[col]=0; for(t=1;t=M.tu;t++) ++num[M.data[t].j]; cpot[1]=1; for(int i=2;i=M.nu;i++) cpot[i]=cpot[i-1]+num[i-1]; // 求出每一列中非零元素在三元组中出现的位置 for(p=1;p=M.tu;p++){ int col=M.data[p].j; q=cpot[col]; T.data[q].i=col; T.data[q].j=M.data[p].i; T.data[q].e=M.data[p].e; ++cpot[col]; } } cout输入矩阵的转置矩阵为endl; OutPutSMatrix(T); return true; } bool Count(RLSMatrix T) { int num[MAXROW+1]; for(int col=1;col=T.mu;col++) num[col]=0; for(int col=1;col=T.tu;col++) ++num[T.data[col].i]; T.rpos[1]=1; for(int i=2;i=T.mu;i++) T.rpos[i]=T.rpos[i-1]+num[i-1]; return true; } bool MultSMatrix ( ){ RLSMatrix M,N,Q; InPutTSMatrix(M,1); InPutTSMatrix(N,1); Count(M); Count(N); if(M.nu!=N.mu) return false; Q.mu=M.mu; Q.nu=N.nu; Q.tu=0; // Q初始化 int ctemp[MAXROW+1]; int arow,tp,p,bro