特殊矩阵和广义表.ppt

第5章 数组、特殊矩阵和广义表 前几章讨论的线性结构中的数据元素都是原子类型，元素的值是不再分解的。 本章讨论的两种数据结构——数组和广义表是线性表的扩展：数据元素本身又是数据结构。 第5章 数组、特殊矩阵和广义表 5.1 多维数组 5.2 特殊矩阵的压缩存储 5.3 稀疏矩阵 5.4 广义表 5.1 多维数组 5.1.1 数组的逻辑结构 数组的数据结构特点：元素本身是具有某种结构的数据，属于同一数据类型。 一维数组的元素是原子 二维数组的元素是一维数组 三维数组的元素是二维数组 数组元素用下标标记 5.1.2 数组的内存映象 1.一维数组  3.三维数组 各维元素个数为 m1, m2, m3 下标为 i1, i2, i3的数组元素的存储地址：按页/行/列存放 n 维数组 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： 图(a)二维数组以m行n列的矩阵形式表示的线性表 A=(α0， α 1，… αp ) ( p=m-1 或 n-1 ) 其中每个αj是一个列向量线性表(图(b))， αj=(a0j,a1j,…,am-1,j) 0≤j≤n-1 或者αi 是一个行向量线性表(图(c))。 αi=(ai0,ai1,…,ai,n-1) 0≤i≤m-1 二维数组有两种存储方式： 以列序为主序( column major order)，如图(a)； 以行序为主序(row major order)，如图(b)。 第5章 数组、特殊矩阵和广义表 5.1 多维数组 5.2 特殊矩阵的压缩存储 5.3 稀疏矩阵 5.4 广义表 5.2 特殊矩阵的压缩存储 矩阵用二维数组表示。 特殊矩阵： 对称矩阵 三角矩阵 带状矩阵 稀疏矩阵 特殊矩阵有特殊的存储方法。 对称矩阵 特点：n阶方阵，aij=aji。 只需要存储上三角或下三角部分即可。原来需要n*n个单元，现在只需要n*(n+1)/2个单元。 三角矩阵 特点：n阶方阵，主对角线以上（以下）为同一个常数。 下三角矩阵的存储下三角元素和常数，占用n*(n+1)/2+1个单元。 数组SA[k]与i、j的关系： 带状矩阵 特点：存在最小正数m，满足当|i-j|≥m时， aij=0。W=2m-1为带宽。 带状矩阵 第5章 数组、特殊矩阵和广义表 5.1 多维数组 5.2 特殊矩阵的压缩存储 5.3 稀疏矩阵 5.4 广义表 5.3 稀疏矩阵(Sparse Matrix) 定义：在m*n的矩阵中，有t个元素不为零。令δ=t/(m*n)，称δ为矩阵的稀疏因子。可认为δ≤0.1时称为稀疏矩阵。 抽象数据类型稀疏矩阵的定义如下： ADT SparseMatrix{ 数据对象：D={aij|i=1,2,…,m; j=1,2,..,n;m和n分 别为矩阵的行数和列数。} 数据关系：R={Row,Col} Row={ai,j , ai,j+1|1=i=m, 1=j=n-1} Col= {ai,j , ai+1,j|1=i=m-1, 1=j=n} 基本操作： CreateSMatrix(M)； 操作结果：创建稀疏矩阵M。 DestroySMatrix(M)； 初始条件：稀疏矩阵M存在。 操作结果：销毁稀疏矩阵M。 PrintSMatrix(M)； 初始条件：稀疏矩阵M存在。 操作结果：输出稀疏矩阵M。 CopySMatrix(M，＆T)； 初始条件：稀疏矩阵M存在。 操作结果：由稀疏矩阵M复制得到T。 AddSMatrix(M，N，Q)； 初始条件：稀疏矩阵M与N的行数和列数对应相等 操作结果：求稀疏矩阵的和Q=M+N。 SubtMatrix(M，N，Q)； 初始条件：稀疏矩阵M与N的行数和列数对应相等 操作结果：求稀疏矩阵的差Q=M-N。 MultSMatrix(M，N，＆Q)； 初始条件：稀疏矩阵M的列数等于N的行数。 操作结果：求稀疏矩阵乘积Q=M*N。 TransposeSMatrix(M，＆T)； 初始条件：稀疏矩阵M存在。 操作结果：求稀疏矩阵M的转置矩阵T。 }ADT SparseMatrix 稀疏矩阵的压缩存储 按照压缩存储的概念，只