[数据结构] 数组与特殊矩阵

写在前面

偷懒,先写了数组,队列要画图,所以今天就先不写了

数组的定义

数组是由n个相同类型的数据元素构成的有限序列。每个数据元素被称为一个数组元素,每个元素在n个线性关系中的序号称为该元素的下标,下标的取值范围称为数组的维界

数组与线性表的关系:数组是线性表的推广。一维数组可视为一个线性表,二维数组可视为其元素是定长数组的线性表。因此,除结构的初始化和销毁外,数组只会有存取元素和修改元素的操作。

数组的顺序存储

一维数组

\(A[0 \dots n-1]\)为例,其存储结构关系式为:

\[LOC(a_i) = LOC(a_0) + i \times L(0 \leq i < n) \]

其中,\(L\)是每个数组元素所占的存储单元。

多维数组

以二维数组为例。设二维数组的行下标与列下标的范围分别为\([0, h_1]\)\([0,h_2]\)

按行优先

先行后列,先存储行号较小的元素,行号相等先存储列号较小的元素。存储结构关系式为:

\[LOC(a_{i,j}) = LOC(a_{0,0})+[i \times(h_2+1) + j] \times L \]

例如对于数组\(A_{[2][3]}\)。它按行优先方式在内存中的存储形式如下所示:

\[\left[ \begin{matrix} a_{[0][0]} & a_{[0][1]} & a_{[0][2]} \\ a_{[1][0]} & a_{[1][1]} & a_{[1][2]} \\ \end{matrix} \right] \]

\(a_{[0][0]}\) \(a_{[0][1]}\) \(a_{[0][2]}\) \(a_{[1][0]}\) \(a_{[1][1]}\) \(a_{[1][2]}\)

列优先

存储结构关系式为:

\[LOC(a_{i,j}) = LOC(a_{0,0})+[j \times (h_1 + 1) + i] \times L \]

例如对于数组\(A_{[2][3]}\)。它按行优先方式在内存中的存储形式如下所示:

\[\left[ \begin{matrix} a_{[0][0]} & a_{[0][1]} & a_{[0][2]} \\ a_{[1][0]} & a_{[1][1]} & a_{[1][2]} \\ \end{matrix} \right] \]

\(a_{[0][0]}\) \(a_{[1][0]}\) \(a_{[0][1]}\) \(a_{[1][1]}\) \(a_{[0][2]}\) \(a_{[1][2]}\)

特殊矩阵的压缩存储

压缩存储:指为多个值相同的元素只分配一个存储空间,对零元素不分配空间;

特殊矩阵:指具有许多相同矩阵元素或零元素,并且这些相同矩阵元素或零元素的分布具有一定规律性的矩阵;

特殊矩阵的压缩存储:找出特殊矩阵中值相同的矩阵元素的分布规律,把那些呈现规律性分布的、值相同的多个矩阵元素压缩存储到一个存储空间中。

对称矩阵

对一个n阶矩阵\(A\)中的任意一个元素\(a_{i,j}\)都有\(a_{i, j} = a_{j, i}(1 \leq i, j \leq n)\),则称其为对称矩阵

\[\left[ \begin{matrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n,1} & a_{n,2} & \cdots & a_{n,n} \end{matrix} \right] \]

很显然,对于n阶对称矩阵,上三角区所有元素和下三角区的对应元素相同,采用二维数组存放,会造成大范围的空间浪费,因此我们把其存放在一维数组\(B[\frac{n(n+1)}{2}]\)中。

比如只存放下三角部分的元素:

在数组\(B\)中,位于元素\(a_{i, j}\)前的元素个数为:

第1行:1个(\(a_{1,1}\)

第2行:2个(\(a_{2,1},a_{2,2}\)

\(\dots\)

\(i-1\)行:\(i-1\)个(\(a_{i-1,1},a_{i-1,2} \dots ,a_{i-1,i-1}\)

\(i\)行:\(j-1\)个(\(a_{i,1},a_{i,2}, \dots , a_{i,j-1}\)

因此,元素\(a_{i,j}\)在数组\(B\)中的下标\(k = 1 + 2 + \dots + (i - 1) + j - 1 = \frac{i(i - 1)}{2} + j - 1\)

因此,元素下标之间对应关系如下:

\[k = \begin{cases} \frac{i(i-1)}{2} + j - 1&, \qquad i \geq j \\ \frac{j(j-1)}{2} + i - 1&, \qquad i < j \end{cases} \]

三角矩阵

下三角矩阵

\[\left[ \begin{matrix} a_{1,1} \\ a_{2,1} & a_{2,2} \\ \vdots & \vdots & \ddots \\ a_{n,1} & a_{n,2} & \cdots a_{n,n} \end{matrix} \right] \]

上三角区为统一常量。元素下标之间的对应关系为:

\[k = \begin{cases} \frac{i(i-1)}{2} + j - 1 &, \qquad i \geq j \\ \frac{n(n-1)}{2} &, \qquad i < j \end{cases} \]

下标 0 1 2 3 4 5 \(\cdots\) \(\frac{n(n+1)}{2}\)
元素 \(a_{1,1}\) \(a_{2,1}\) \(a_{2,2}\) \(a_{3,1}\) \(a_{3,2}\) \(a_{3,3}\) \(\cdots\) \(a_{n,1}\) \(a_{n,2}\) \(\cdots\) \(a_{n,n}\) \(c\)
行号 第一行 第二行 第二行 第三行 第三行 第三行 \(\cdots\) 第n行 第n行 \(\cdots\) 第n行 常数项

上三角矩阵

\[\left[ \begin{matrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ & a_{2,2} & \cdots & a_{2,n} \\ & & \ddots & \vdots \\ & & & a_{n,n} \end{matrix} \right] \]

与上文类似地,位于元素\(a_{i,j}(i \leq j)\)前面的元素个数为:

第1行:\(n\)

第2行:\(n-1\)

\(\dots\)

\(i-1\)行:\(n - i + 2\)

\(i\)行:\(j-1\)

因此,元素\(a_{i,j}\)在数组\(B\)中的下标\(k = n + (n - 1) + \dots + (n - i + 2) + (j - i + 1) - 1\)

因此,元素下标之间对应关系如下:

\[k = \begin{cases} \frac{(i-1)(2n - i + 2)}{2} + j - i &, \qquad i \leq j \\ \frac{n(n+1)}{2} &, \qquad i > j \end{cases} \]

下标 0 1 \(\cdots\) \(\frac{n(n+1)}{2}\)
元素 \(a_{1,1}\) \(a_{1,2}\) \(\cdots\) \(a_{1,n}\) \(a_{2,2}\) \(a_{2,3}\) \(\cdots\) \(a_{2,n}\) \(\cdots\) \(a_{n,n}\) \(c\)
行号 第一行 第一行 第一行 第一行 第二行 第二行 第二行 第二行 \(\cdots\) 第n行 常数

三对角矩阵

对n阶矩阵\(A\)中的任意元素\(a_{i,j}\),都有当\(|i-j| >1\)时,\(a_{i,j} = 0\)

\[\left[ \begin{matrix} a_{1,1} & a_{1,2} \\ a_{2,1} & a_{2,2} & a_{2,3} & & 0 \\ & a_{3,2} & a_{3,3} & a_{3,4} \\ & & \ddots & \ddots & \ddots \\ & 0 & & a_{n-1,n-2} & a_{n-1,n-1} & a_{n-1,n} \\ & & & & a_{n,n-1} & a_{n, n} \end{matrix} \right] \]

稀疏矩阵

矩阵中非零元素的个数t,相对于矩阵元素的个数s来说非常少,即\(s >> t\)的矩阵称为稀疏矩阵

我们可以用对应的三元组线性表来存储稀疏矩阵,如下例:

\[M = \left[ \begin{matrix} 4 & 0 & 0 & 0 \\ 0 & 0 & 6 & 0 \\ 0 & 9 & 0 & 0 \\ 0 & 23 &0 & 0 \end{matrix} \right] \]

对应的三元组为:

\[\left( \begin{matrix} i & j & a_{i,j} \\ 0 & 0 & 4 \\ 1 & 2 & 6 \\ 2 & 1 & 9 \\ 3 & 1 & 23 \end{matrix} \right) \]

下面,上代码,可以实现稀疏矩阵的输入、输出,稀疏矩阵对应三元组的加法、乘法、转置:

#include <stdio.h>
#include <stdlib.h>
#define MAXSIZE 10000

typedef int ElemType;

typedef struct {

    int i, j;
    ElemType e;

}Triple;


typedef struct {

    Triple data[MAXSIZE + 1];
    int mu, nu, tu;          //矩阵行数,列数和非0元个数

}TSMatrix;



//输入稀疏矩阵数据
void InPutM(TSMatrix& M) {
    printf("输入稀疏矩阵的 行数, 列数, 非0元个数 :\n");
    scanf_s("%d %d %d", &M.nu, &M.mu, &M.tu);
    printf("输入矩阵非0元素的 所在行i, 所在列j, 值e:\n");
    for (int k = 1; k <= M.tu; k++) {
        scanf_s("%d %d %d", &M.data[k].i, &M.data[k].j, &M.data[k].e);
    }
}



//打印稀疏矩阵三元组数据
void PrintM(TSMatrix T) {
    printf("  %d    %d    %d\n", T.mu, T.nu, T.tu);
    printf("  ------------\n");
    for (int k = 1; k <= T.tu; k++) {
        printf("  %d    %d    %d\n", T.data[k].i, T.data[k].j, T.data[k].e);
    }
}



//稀疏矩阵三元组加法
void AddSMatrix(TSMatrix a, TSMatrix b, TSMatrix& c) {
    int i = 0, j = 0, k = 0;
    ElemType v;                            //用于计算和
    if (a.mu != b.mu || a.nu != b.nu)       //两矩阵无法相加
        return;

    c.mu = a.mu;
    c.nu = a.nu;
    while (i < a.tu || j < b.tu)
    {
        //若行相等,看列
        if (a.data[i + 1].i == b.data[j + 1].i)
        {
            //行相同时的第一种情况
            if (a.data[i + 1].j < b.data[j + 1].j)
            {
                c.data[k + 1].i = a.data[i + 1].i;
                c.data[k + 1].j = a.data[i + 1].j;
                c.data[k + 1].e = a.data[i + 1].e;
                k++;
                i++;        //前往下一个a中的非0元
            }
            //行相同时的第二种情况
            else if (a.data[i + 1].j > b.data[j + 1].j)
            {
                c.data[k + 1].i = b.data[j + 1].i;
                c.data[k + 1].j = b.data[j + 1].j;
                c.data[k + 1].e = b.data[j + 1].e;
                k++;
                j++;        //前往下一个b中的非0元
            }
            //行相同的第三种情况
            else
            {
                v = a.data[i + 1].e + b.data[j + 1].e;
                if (v != 0)
                {
                    c.data[k + 1].i = a.data[i + 1].i;
                    c.data[k + 1].j = a.data[i + 1].j;
                    c.data[k + 1].e = v;
                    k++;
                }
                i++;
                j++;
            }
        }
        //若行不相同 的两种情况
        else if (i == a.tu || a.data[i + 1].i > b.data[j + 1].i && j != b.tu)
        {
            c.data[k + 1].i = b.data[j + 1].i;
            c.data[k + 1].j = b.data[j + 1].j;
            c.data[k + 1].e = b.data[j + 1].e;
            k++;
            j++;      //前往下一个b的非0元
        }
        else if (j == b.tu || a.data[i + 1].i < b.data[j + 1].i && i != a.tu)
        {
            c.data[k + 1].i = a.data[i + 1].i;
            c.data[k + 1].j = a.data[i + 1].j;
            c.data[k + 1].e = a.data[i + 1].e;
            k++;
            i++;      //前往下一个a的非0元
        }
    }
    c.tu = k;
}



//乘法辅助函数
int Getval(TSMatrix a, int i, int j) {
    int k = 1;
    while (k <= a.tu && (a.data[k].i != i || a.data[k].j != j))
        k++;
    if (k <= a.tu)
        return a.data[k].e;
    else
        return 0;
}



//稀疏矩阵三元组乘法
void MultSMatrix(TSMatrix a, TSMatrix b, TSMatrix& c) {
    int p = 0;
    ElemType s;
    if (a.nu != b.mu)
        return;

    for (int i = 1; i <= a.mu; i++) {
        for (int j = 1; j <= b.nu; j++) {
            s = 0;
            for (int k = 1; k <= a.nu; k++)
                s += Getval(a, i, k) * Getval(b, k, j);
            if (s != 0) {
                c.data[p + 1].i = i;
                c.data[p + 1].j = j;
                c.data[p + 1].e = s;
                p++;
            }
        }
    }
    c.mu = a.mu;
    c.nu = b.nu;
    c.tu = p;
}



//稀疏矩阵转置   (适用于 tu << mu × nu 的情况)
void TransposeSMatrix(TSMatrix M, TSMatrix& T) {
    T.mu = M.nu;                           //T行数等于原矩阵列数
    T.nu = M.mu;                           //T列数等于原矩阵行数
    T.tu = M.tu;
    if (!T.tu)
        return;

    int q = 1;                             //从列数小的开始,一一对应赋值
    for (int col = 1; col <= M.nu; ++col) {
        for (int p = 1; p <= M.tu; ++p) {
            if (M.data[p].j == 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;
                q++;
            }
        }
    }
}



//稀疏矩阵的快速转置算法
int cpot[MAXSIZE + 1], num[MAXSIZE + 1];   //辅助数组  
//cpot[col] 表示M中第col列第一个非0元在T.data中的位置
//num[col]  表示M中第col列中非0元的个数
void FastTransposeSMatrix(TSMatrix M, TSMatrix& T) {
    T.mu = M.nu;
    T.nu = M.mu;
    T.tu = M.tu;
    if (!T.tu)
        return;

    for (int col = 1; col <= M.mu; col++)
        num[col] = 0;                      //初始化为0

    for (int k = 1; k <= M.tu; k++)
        num[M.data[k].j]++;                //记录M.data[k].j列中非0元个数 (简易哈希表)

    cpot[1] = 1;                           //初始化第一个非0元的序号
    for (int col = 2; col <= M.mu; col++)   //求第col列中第一个非零元在T.data中的序号   
        cpot[col] = cpot[col - 1] + num[col - 1];

    for (int p = 1; p <= M.tu; p++) {
        int col = M.data[p].j;             //此时M对应三元组中的非0元的所在列
        int q = cpot[col];                  //q为当前非0元的应当放置的序号位置
        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]++;                       //cpot[col]++,对应下一个此列中非0元的序号
        //cpot[col]最后一直加到等于cpot[col + 1],第col列也就不会有更多的非0元了
    }
}




int main() {
    TSMatrix A, B, C, D;
    printf("输入稀疏矩阵A的三元组:\n");
    InPutM(A);
    PrintM(A);
    printf("\n输入稀疏矩阵B的三元组:\n");
    InPutM(B);
    PrintM(B);
    //printf("\n矩阵A与B相加得到矩阵C:\n");
    //AddSMatrix(A, B, C);
    //PrintM(C);
    printf("\n矩阵A与B相乘得到矩阵D:\n");
    MultSMatrix(A, B, D);
    PrintM(D);
    printf("\n");
    system("pause");
    system("cls");



    TSMatrix M, T, FT;
    printf("————稀疏矩阵转置测试————\n\n");
    InPutM(M);
    printf("\n稀疏矩阵转置前三元组: \n");
    PrintM(M);

    printf("\n稀疏矩阵转置结果: \n");
    TransposeSMatrix(M, T);
    PrintM(T);

    printf("\n稀疏矩阵的快速转置结果: \n");
    FastTransposeSMatrix(M, FT);
    PrintM(FT);
}
posted @ 2024-02-06 16:50  诩言Wan  阅读(239)  评论(0编辑  收藏  举报