用三元组表示稀疏矩阵的乘法.pptVIP

用三元组表实现稀疏矩阵的乘法运算 * 第十二讲 两个矩阵相乘也是矩阵的一种常用的运算。设矩阵M是m1×n1矩阵，N是m2×n2矩阵；若可以相乘，则必须满足矩阵M的列数n1与矩阵N的行数m2相等，才能得到结果矩阵Q=M×N（一个m1×n2的矩阵）。  数学中矩阵Q中的元素的计算方法如下： 其中： 1≤i≤m1, 1≤j≤n2。 根据数学上矩阵相乘的原理， 我们可以得到矩阵相乘的经典算法：  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］=Q［i］［j］+M［i］［k］*N［k］[j］; } 图5.17 Q=M×N 图5.17给出了一个矩阵相乘的例子。当矩阵M、N是稀疏矩阵时，我们可以采用三元组表的表示形式来实现矩阵的相乘。 图5.18 矩阵M、N、Q的三元组表 经典算法中，不论M［i］［k］、N［k］［j］是否为零， 都要进行一次乘法运算，而实际上，这是没有必要的。采用三元组表的方法来实现时，因为三元组只对矩阵的非零元素做存储所以可以采用固定三元组表a中的元素（i，k，Mik）（1≤i≤m1，1≤k≤n1），在三元组表b中找所有行号为k的的对应元素（k，j， Nkj）（1≤k≤m2，1≤j≤n2）进行相乘、 累加，从而得到Q［i］［j］，即以三元组表a中的元素为基准， 依次求出其与三元组表b的有效乘积。  算法中附设两个向量num［ ］、first［ ］，其中num［row］表示三元组表b中第row行非零元素个数（1≤row≤m2）， first［row］表示三元组表b中第row行第一个非零元素所在的位置。显然，first［row+1］-1指向三元组表b中第row行最后一个非零元素的位置。 first［1］=1； first［row］=first［row-1］+num［row-1］， 2≤row≤m2+1。 这里，first［m2+1］-1表示最后一行最后一个非零元素的存储位置。当三元组表a中第i行非零元素的列号等于三元组表b中非零元素的行号时，则元素相乘并将结果累加。 图5.19 Q=M×N 图5.20 图5.19中矩阵N对应的向量num［row］, first［row］ Row 1 2 3 4 (5) Num[row] 2 1 1 1 First[row] 1 3 4 5 6 ＃define MAXSIZE 1000 /*非零元素的个数最多为1000*/ ＃define MAXROW 1000 /*矩阵最大行数为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 first［MAXROW+1］; /* 三元组表中各行第一个非零元素所在的 位置 */ int m, n, len;/*矩阵的行数、 列数和非零元素的个数*/ }TriSparMatrix； 具体算法如下：  该算法的时间主要耗费在乘法运算及累加上，其时间复杂度为O（A.len×B.n）。当A.len 接近于A.m×A.n时，该算法时间复杂度接近于经典算法的时间复杂度O（A.m×A.n×B.n）。 稀疏矩阵的链式存储结构: 十字链表 与用二维数组存储稀疏矩阵比较，用三元组表表示的稀疏矩阵不仅节约了空间，而且使得矩阵某些运算的运算时间比经典算法还少。但是在进行矩阵加法、减法和乘法等运算时，有时矩阵中的非零元素的位置和个数会发生很大的变化。如A=A+B， 将矩阵B加到矩阵A上，此时若还用三元组表表示法，势必会为了保持三元组表“以行序为主序”而大量移动元素。 在十字链表中，矩阵的每一个非零