数据结构电子课件教案-第5章 数组精选.pptVIP

矩阵 主要内容 1 矩阵的定义 2 矩阵的顺序表示和实现 数组的应用例子 3 矩阵的压缩存储 1 数组的定义和特点 2 数组的顺序表示和实现 多维数组的存储方式 以行序为主序 以列序为主序 数组的应用 例：寻找两个字符串的最长公共子串 假设：S1＝sgabacbadfgbacst （长度：m） S2=gabadfgab (长度：n ) (不失一般性：　假设　m＞＝n) 思考 求串S1和S2的所有公共子串，算法？ 求三个串S1、S2和S3三个串的最长公共子串？ 3 矩阵的压缩存储 3.1 特殊矩阵的存储表示 3.2 稀疏矩阵的三元组表示法 3.3 稀疏矩阵的十字链表表示法 3.1 特殊矩阵的存储表示 对称矩阵 3.1 特殊矩阵的存储表示 三角矩阵 3.1 特殊矩阵的存储表示 对角矩阵 3.2 稀疏矩阵的三元组表示法 定义：非零元较零元少，且分布没有一定规律的矩阵 稀疏矩阵的压缩存储方法 顺序存储结构：三元组表 稀疏矩阵转置运算 稀疏矩阵转置运算 问题分析：一般矩阵转置算法 稀疏矩阵转置运算 解决思路：只要做到 将矩阵行、列维数互换 将每个三元组中的i和j相互调换 重排三元组次序，使M中元素以T的行(M的列)为主序 方法一：以T为基准，“按需点菜” 算法：对M.data从头至尾扫描： 第一次扫描时，将M.data中列号为1的三元组赋值到T.data中 第二次扫描时，将M.data中列号为2的三元组赋值到T.data中 依此类推，直至将M.data所有三元组赋值到T.data中 时间复杂度分析 算法的基本操作为将M.data中的三元组赋值到T.data，是在两个循环中完成的，故算法的时间复杂度为O(nu?tu) 我们知道，若用二维数组存储矩阵，转置算法的时间复杂度为O( mu?nu) 。当非零元的个数tu和矩阵元素个数mu?nu 同数量级时，转置运算算法1的时间复杂度为O( mu?nu ? nu)。由此可见：在这种情况下，用三元组顺序表存储矩阵，虽然可能节省了存储空间，但时间复杂度提高了，因此算法仅适于tu mu?nu的情况。 该算法效率不高的原因是：对为实现M到T的转置，该算法对M.data进行了多次扫描。能否在对M.data一次扫描的过程中，完成M到T 的转置？ 方法二：以M为基准，“按位就坐” 以M为基准，“按位就坐” ?快速转置算法 即按M中三元组次序转置，转置结果放入T中恰当位置。 关键 预先确定M中每一列第一个非零元在T中位置？ 为确定这些位置，转置前应先求得M的每一列中非零元个数 实现：设两个数组num[ ] 、cpos[ ] num[col]：存储M中第col列非零元个数 cpos[col]：存储M中第col列第一个非零元三元组在T.data中的位置 cpos[col]的计算方法： cpos[1]=1 cpos[col]=cpos[col-1]+num[col-1] 　(2?col ?M.nu) 快速转置算法主要步骤 求M中各列非零元个数num[ ]; 求M中各列第一个非零元在T.data中的下标cpos[ ]; 对M.data进行一次扫描， 遇到col列的第一个非零元三元组时，按cpos[col ]的位置，将其放至T.data中，当再次遇到col列的非零元三元组时，只须顺序放到col列元素的后面; 时间复杂度分析 该算法利用两个辅助向量num[ ] 、cpos[ ]，实现了对M.data一次扫描完成M到T 的转置。 从时间上看，算法中有四个并列的单循环，循环次数分别为mu、tu、tu和tu，因而总的时间复杂度为O(mu+tu)，在M的非零元个数tu和mu?nu 同等数量级时，其时间复杂度为O( mu?nu) ，和普通矩阵转置算法的时间复杂度相同。由此可见，只有当tu mu?nu时，使用快速转置算法才有意义。 3.3 稀疏矩阵的十字链表法 设行指针数组和列指针数组，数组的元素分别指向对应行、列第一个非零元 结点定义 3.3 稀疏矩阵的十字链表法 void FastTransposeSMatrix(TSMatrix M, TSMatrix T) { //采用三元组顺序表存储表示，求稀疏矩阵M的转置矩阵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; //求第 col列中第一个非零元在T.data中的序号 for(col=2; co