数组和广义表.pptVIP

存储的思想实现： define SMAX 1024 /*一个足够大的数*/ typedef struct { int i,j; /*非零元素的行、列*/ datatype v; /*非零元素值*/ }Triple; /*三元组类型*/ typedef struct { int mu, nu, tu; /*矩阵的行、列及非零元素的个数*/ Triple data[SMAX]; /*三元组表*/ } TSMatrix; /*三元组表的存储类型*/ 第二十九页，共五十九页，2022年，8月28日 压缩存储下矩阵的转置 转置矩阵的定义： 对于一个m ×n的矩阵M,它的转置矩阵T是一个 n × m的矩阵，且T[i][j]=M[j][i], (1=i=n，1=j=m)。 请看下面具体示例。 第三十页，共五十九页，2022年，8月28日 矩阵转置 row col e 1 2 6 1 6 -2 3 4 -8 4 2 3 4 6 7 5 1 -12 5 3 9 row col e 1 5 -12 2 1 6 2 4 3 3 5 9 4 3 -8 6 1 -2 6 4 7 第三十一页，共五十九页，2022年，8月28日 矩阵转置 求一个矩阵的转置矩阵可以经过下列步骤来完成： 将矩阵的行列值互换； 对每个三元组所表示的非零元，将该元素的行、列值互换； 按行序重排三元组。 第三十二页，共五十九页，2022年，8月28日 三元组表的矩阵转置运算 row col e 1 2 6 1 6 -2 3 4 -8 4 2 3 4 6 7 5 1 -12 5 3 9 row col e 1 5 -12 2 1 6 2 4 3 3 5 9 4 3 -8 6 1 -2 6 4 7 1 2 3 4 5 6 7 第三十三页，共五十九页，2022年，8月28日 矩阵转置 /TSMatrix TransMatrix(TSMatrix A,TSMatrix B) {∥采用三元组表方式存储，实现矩阵的转置 B.mu=A.nu; B.nu=A.mu; B.tu=A.tu; if(B.tu) {q＝l; for(j＝1;j＜＝A.n;j++) for(p＝1;p＜＝A.len; ++p) if(A.data[p]．col==j) {B.data[q]．row=A.data[p]．col; B.data[q]．col=A.data[p]．row; B.data[q]．e=A.data[p]．e; q++; } } return B; }∥TransMatrix 第三十四页，共五十九页，2022年，8月28日 算法分析 时间复杂度为：nu * tu 对于mu * nu矩阵，一般算法的时间复杂度为：O(mu * nu)。 当非零元个数tu 和 mu * nu同数量级时，该算法的时间复杂读为：O(mu * nu2); 这里每次找第j列的元素时，必须从头开始遍历。若知道T的每一行的非零元素的开始位置，就可把算法的时间复杂度降低。 第三十五页，共五十九页，2022年，8月28日 矩阵的快速转置 思想：一遍扫描三元组表A.data，将每个元素放到转置后的三元组表B.data的正确位置上 。因此，需求出矩阵A中每列第一个非零元的位置和每列非零元素的个数。为此，增加存放每列非零元素个数的一维数组number[]和每列第一个非零元素在B中位置的一维数组position[]。并有以下公式： 。 position[1]=1 position[j]=position[j-1]+number[j-1] 2≤j≤A.tu 第三十六页，共五十九页，2022年，8月28日 number和position向量实例 row col e 1 2 6 1 6 -2 3 4 -8 4 2 3 4 6 7 5 1 -12 5 3 9 row col e 1 5 -12 2 1 6 2 4 3 3 5 9 4 3 -8 6 1 -2 6 4 7 j 1 2 3 4 5 6 number[j] 1 2