数据结构演示文稿[].pptVIP

因此，此算法仅适用于t=m*n的情况。 为了预先确定矩阵M中的每一列的第一个非零元素在数组B中应有的位置，需要先求得矩阵M中的每一列中非零元素的个数。因为：矩阵M中第一列的第一个非零元素在数组B中应有的位置等于前一列第一个非零元素的位置加上前列非零元素的个数。 为此，需要设置两个一维数组num[0..n]和cpot[0..n] num[0..n]：统计M中每列非零元素的个数，num[col]的值可以由A的第二列求得。 cpot[0..n]：由递推关系得出M中的每列第一个非零元素在B中的位置。 算法通过cpot数组建立位置对应关系： cpot[1]=1 cpot[col]=cpot[col-1]+num[col-1] 2=cpl=a.n 例如：图5.4中的矩阵M和相应的三元组A可以求得num[col]和 cpot[col]的值如下： col 1 2 3 4 5 6 7 num[col] 2 2 2 1 0 1 0 cpot[col] 1 3 5 7 8 8 9 快速转置算法如下： void fasttranstri(tritupletable M , tritupletable T){ T.mu=M.nu; T.nu=M.mu; T.tu=M.tu; if(T.tu){ for(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(col=2;col=M.nu;++col) cpot[col]=cpot[col-1]+num[col-1]; for(p=1;p=M.tu;++p){ col=M.data[p].j; q=cpot[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];} }return OK;} 二、带行表的三元组 有时为了方便某些矩阵运算，我们在按行优先存储的三元组中，加入一个行表来记录稀疏矩阵中每行的非零元素在三元组表中的起始位置。当将行表作为三元组表的一个新增属性加以描述时，我们就得到了稀疏矩阵的另一种顺序存储结构：带行表的三元组表。其类型描述如下： #define maxrow 100 typedef struct{ triple data[maxsize+1]; int rpos[maxrow+1]; int nu,mu,tu ; }rtripletable 下面讨论两个稀疏矩阵相乘的例子，容易看出这种表示方法的优越性。 两个矩阵相乘的经典算法也是大家所熟悉的。若设 Q=M*N 其中，M是m1*n1矩阵，N是m2*n2矩阵。 当n1=m2时有： for(i=1;i=m1;++i) for(j=1;j=n2;++j){ q[i][j]=0 for(k=1;k=n1;++k) q[i][j]+=m[i][k]*n[k][j]; } 此算法的复杂度为O(m1*n1*n2)。 稀疏矩阵相乘的基本思想是：对于M中每个元素M，找到N中所有满足条件的元素，求得和的乘积，而从式得知，乘积矩阵Q中每个元素的值是个累加和，这个乘积只是中的一部分。为了便于操作，应对每个元素设一累加和的变量，其初值为零，然后扫描数组M，求得相应元素的乘积并累加到适当的求累计和的变量上。 结论：两个稀疏矩阵相乘的乘积不一定是稀疏矩阵 例如： 0 0 1 0 0 0 1 1 1 0 0 1 * 0 0 0 = 1 1 1 0 0 1 1 1 1 1 1 1 Status MultSMatrix( rtripletable M, rtripletable N, rtripletable Q){ if(M.nu!=N.mu)return ERROR;