授课时间 10 1 第11 次课.docVIP

《 数据结构 》教案 PAGE PAGE 8 《 数据结构 》教案 授课时间 10 17 第 11 次课 授课章节 第五章 数组和广义表 任课教师 及职称 郑志华 教学方法 与手段 多媒体 课时安排 4*20 使用教材和 主要参考书 《数据结构》（C语言版）严蔚敏著，清华大学出版社 教学目的与要求： 第五章 数组 5．1.数组的定义 5．2数组的顺序表示和实现 5．3.矩阵的压缩存储(1) 教学重点，难点： 1．二维数组 2．稀疏矩阵. 教学内容： 第5章 数组和广义表 5.1数组的定义和运算 数组是我们十分熟悉的一种数据类型，很多高级语言都支持数组这种数据类型。 抽象数据类型的定义如下： ADT Array 数据对象：D={ | n0，称为数组的维数，ji是数组的第i维下标，1≤ji≤bi，bi为数组第i维的长度，∈ElementSet} 数据关系：R={R1,R2,…,Rn} ????????? Ri={ | 1≤jk≤bk，1≤k≤n 且k≠i，1≤ji≤bi-1，∈D，i=1，…，n} 基本操作： （1）??????????? InitArray(A,n,bound1,…,boundn)： 若维数n和各维的长度合法，则构造相应的数组A，并返回TRUE； （2）??????????? DestroyArray（A）： 销毁数组A； （3）??????????? GetValue（A，e, index1, …,indexn）：? 若下标合法，用e返回数组A中由index1, …,indexn所指定的元素的值。 （4）??????????? SetValue（A，e，index1, …,indexn）： 若下标合法，则将数组A中由index1, …,indexn所指定的元素的值置为e。 5.2数组的顺序存储和实现 早在线性代数中，我们就学习了关于矩阵的知识。矩阵是科学计算、工程数学，尤其是数值分析经常研究的对象。在计算机高级语言中，矩阵通常可以采用二维数组的形式来描述。 但是有些高阶矩阵中，非零元素非常少（远小于m×n），此时若仍采用二维数组顺序存放就不合适了，因为很多存储空间存储的都是0，只有很少的一些空间存放的是有效数据，这将造成存储单元很大的浪费。另外，还有一些矩阵其元素的分布有一定规律，我们可以利用这些规律，只存储部分元素，从而提高存储空间的利用率。上述矩阵叫做特殊矩阵。在实际应用中这类矩阵往往阶数很高，如2000×2000的矩阵。这种大容量的存储，在程序设计中，必须考虑对其进行有效的压缩存储。压缩原则是：对有规律的元素和值相同的元素只分配一个存储空间，对于零元素不分配空间。 下面介绍几种特殊矩阵及对它们进行压缩存储。 5.3.3稀疏矩阵 所谓的稀疏矩阵，从直观上讲，是指矩阵中大多数元素为零的矩阵。一般地，当非零元素个数只占矩阵元素总数的25%—30%,或低于这个百分数时，我们称这样的矩阵为稀疏矩阵。在图5.10所示的矩阵M，N中，非零元素个数均为8个,矩阵元素总数均为6×7=42，显然8/4230%，所以M，N都是稀疏矩阵。 一、稀疏矩阵的三元组表表示法： 对于稀疏矩阵的压缩存储，我们采取只存储非零元素的方法。但由于稀疏矩阵中非零元素aij的分布一般是没有规律的，因此，对于稀疏矩阵的压缩存储就要求在存储非零元素的同时，还必须存储一些辅助信息，即该非零元素在矩阵中所处的行号和列号。我们将这种存储方法叫做稀疏矩阵的三元组表示法。每个非零元素在一维数组中的表示形式 把这些三元组按“行序为主序”用一维数组进行存放，即将j矩阵的任何一行的全部非零元素的三元组按列号递增存放。由此得到矩阵M，N的三元组表，如图5.12所示： 稀疏矩阵的三元组表示法虽然节约了存储空间，但比起矩阵正常的存储方式来讲，其实现相同操作要耗费较多的时间，同时也增加了算法的难度。即以耗费更多时间为代价来换取空间的节省。三元组表的类型说明如下： #define MAXSIZE 1000 /*非零元素的个数最多为1000*/ typedef struct { int row, col; /*该非零元素的行下标和列下标*/ ElementType e； /*该非零元素的值*/ }Triple; typedef struct { Triple data[MAXSIZE+1]; /* 非零元素的三元组表。data[0]未用*/ int m, n, len; /*矩阵的行数、列数和非零元素的个数*/ }TSMatrix； 1．用三元组表实现稀疏矩阵的转置运算 下面首先以稀疏矩阵的转置运算为例，介绍采用三元组表时的实现方法。所谓