第9周、项目3(1)—稀疏矩阵的三元组表示的实现及应用

问题及代码:

(1)测试函数:main.cpp,完成相关的测试工作;

/*
 *Copyright(c) 2015,烟台大学计算机与控制工程学院
 *All rights reserved.
 *文件名称:test.cpp
 *作    者:焦梦真
 *完成日期:2015年10月30日
 *版 本 号;v1.0
 *
 *问题描述:建立稀疏矩阵三元组表示的算法库.
 *输入描述:
 *程序输出:
 */
#include <stdio.h>
#include "tup.h"
int main()
{
    TSMatrix t,tb;
    int x,y=10;
    int A[6][7]=
    {
        {0,0,1,0,0,0,0},
        {0,2,0,0,0,0,0},
        {3,0,0,0,0,0,0},
        {0,0,0,5,0,0,0},
        {0,0,0,0,6,0,0},
        {0,0,0,0,0,7,4}
    };
    CreatMat(t,A);
    printf("b:\n");
    DispMat(t);
    if (Assign(t,x,2,5)==true)  //调用时返回true
        printf("Assign(t,x,2,5)=>x=%d\n",x);
    else  //调用时返回false
        printf("Assign(t,x,2,5)=>参数错误\n");
    Value(t,y,2,5);
    printf("执行Value(t,10,2,5)\n");
    if (Assign(t,x,2,5)==true)  //调用时返回true
        printf("Assign(t,x,2,5)=>x=%d\n",x);
    else  //调用时返回false
        printf("Assign(t,x,2,5)=>参数错误\n");
    printf("b:\n");
    DispMat(t);
    TranTat(t,tb);
    printf("矩阵转置tb:\n");
    DispMat(tb);
    return 0;
}

(2)头文件:tup.h,包含定义稀疏矩阵的三元组表示数据结构的代码、宏定义、要实现算法的函数的声明;

#ifndef TUP_H_INCLUDED
#define TUP_H_INCLUDED

#define M 6
#define N 7
#define MaxSize  100         //矩阵中非零元素最多个数
typedef int ElemType;

typedef struct
{
    int r;                  //行号
    int c;                  //列号
    ElemType d;             //元素值
} TupNode;                  //三元组定义

typedef struct
{
    int rows;               //行数
    int cols;               //列数
    int nums;               //非零元素个数
    TupNode data[MaxSize];
} TSMatrix;                 //三元组顺序表定义

void CreatMat(TSMatrix &t,ElemType A[M][N]);  //从一个二维稀疏矩阵创建其三元组表示
bool Value(TSMatrix &t,ElemType x,int i,int j);  //三元组元素赋值
bool Assign(TSMatrix t,ElemType &x,int i,int j); //将指定位置的元素值赋给变量
void DispMat(TSMatrix t);//输出三元组
void TranTat(TSMatrix t,TSMatrix &tb);//矩阵转置

#endif // TUP_H_INCLUDED

(3)源文件:tup.cpp,包含实现各种算法的函数的定义;

#include "stdio.h"
#include "tup.h"

void CreatMat(TSMatrix &t,ElemType A[M][N])  //从一个二维稀疏矩阵创建其三元组表示
{
    int i,j;
    t.rows=M;
    t.cols=N;
    t.nums=0;
    for (i=0; i<M; i++)
    {
        for (j=0; j<N; j++)
            if (A[i][j]!=0)     //只存储非零元素
            {
                t.data[t.nums].r=i;
                t.data[t.nums].c=j;
                t.data[t.nums].d=A[i][j];
                t.nums++;
            }
    }
}

bool Value(TSMatrix &t,ElemType x,int i,int j)  //三元组元素赋值
{
    int k=0,k1;
    if (i>=t.rows || j>=t.cols)
        return false;               //失败时返回false
    while (k<t.nums && i>t.data[k].r) k++;                  //查找行
    while (k<t.nums && i==t.data[k].r && j>t.data[k].c) k++;//查找列
    if (t.data[k].r==i && t.data[k].c==j)   //存在这样的元素
        t.data[k].d=x;
    else                                    //不存在这样的元素时插入一个元素
    {
        for (k1=t.nums-1; k1>=k; k1--)
        {
            t.data[k1+1].r=t.data[k1].r;
            t.data[k1+1].c=t.data[k1].c;
            t.data[k1+1].d=t.data[k1].d;
        }
        t.data[k].r=i;
        t.data[k].c=j;
        t.data[k].d=x;
        t.nums++;
    }
    return true;                        //成功时返回true
}

bool Assign(TSMatrix t,ElemType &x,int i,int j)  //将指定位置的元素值赋给变量
{
    int k=0;
    if (i>=t.rows || j>=t.cols)
        return false;           //失败时返回false
    while (k<t.nums && i>t.data[k].r) k++;                  //查找行
    while (k<t.nums && i==t.data[k].r && j>t.data[k].c) k++;//查找列
    if (t.data[k].r==i && t.data[k].c==j)
        x=t.data[k].d;
    else
        x=0;                //在三元组中没有找到表示是零元素
    return true;            //成功时返回true
}

void DispMat(TSMatrix t)        //输出三元组
{
    int i;
    if (t.nums<=0)          //没有非零元素时返回
        return;
    printf("\t%d\t%d\t%d\n",t.rows,t.cols,t.nums);
    printf("\t------------------\n");
    for (i=0; i<t.nums; i++)
        printf("\t%d\t%d\t%d\n",t.data[i].r,t.data[i].c,t.data[i].d);
}

void TranTat(TSMatrix t,TSMatrix &tb)       //矩阵转置
{
    int p,q=0,v;                    //q为tb.data的下标
    tb.rows=t.cols;
    tb.cols=t.rows;
    tb.nums=t.nums;
    if (t.nums!=0)                  //当存在非零元素时执行转置
    {
        for (v=0; v<t.cols; v++)        //tb.data[q]中的记录以c域的次序排列
            for (p=0; p<t.nums; p++)    //p为t.data的下标
                if (t.data[p].c==v)
                {
                    tb.data[q].r=t.data[p].c;
                    tb.data[q].c=t.data[p].r;
                    tb.data[q].d=t.data[p].d;
                    q++;
                }
    }
}

运行结果:

学习心得:

     稀疏矩阵的三元组表示相关的算法库采用程序的多文件组织形式。

<think>好的,用户让我介绍一下稀疏矩阵三元组转置。我需要先回忆一下相关的知识,确保自己理解正确。首先,稀疏矩阵是指大部分元素为零的矩阵,为了节省存储空间,通常会用三元组的形式来表示,也就是记录每个非零元素的行号、列号和值。转置操作就是把矩阵的行和列交换,所以对于三元组来说,原本的行号变成列号,列号变成行号,但值不变。不过,直接交换行和列可能不会保持原来的行优先顺序,所以需要考虑如何高效地进行转置。 接下来,我应该分步骤解释转置的过程。首先,可能需要解释三元组存储的结构,比如每个元素包括row、col、value。然后,转置后的矩阵需要每个元素的row和col交换,但如何保持新的行顺序呢?因为原矩阵是按行优先存储的,转置后的矩阵应该按列优先,也就是行号从小到大排列。这时候,可能需要用到某种排序方法,比如先按列号排序原三元组,然后交换行列,或者使用快速转置算法,避免显式排序。 然后,我需要考虑两种方法:普通转置和快速转置。普通转置可能涉及遍历原矩阵的每一列,将对应列的元素放到转置后的行中,但这样时间复杂度可能较高,尤其是当列数很多的时候。而快速转置算法则通过预先统计每列的非零元素数量,确定转置后每行的起始位置,从而一次性放置元素,提高效率。 在解释过程中,要注意使用例子来说明。例如,给出一个原始的三元组,展示转置后的结果,并说明步骤。同时,比较不同方法的时间复杂度,普通转置是O(cols*elements),而快速转置是O(cols + elements),更适合大规模数据。 另外,需要提醒用户注意实现时的细节,比如索引是从0还是1开始,以及如何处理相同行列的情况,确保转置后的矩阵正确无误。可能还需要提到稀疏矩阵转置的应用场景,比如在数值计算、图像处理等领域,节省存储和计算资源。 最后,要确保回答结构清晰,按照用户的要求分步骤说明,使用中文,数学公式用正确的LaTeX格式,行内公式用$...$,独立公式用$$...$$。检查是否有遗漏的步骤或可能的误解,确保信息准确可靠。</think>稀疏矩阵三元组转置是一种优化存储和计算效率的算法。以下分步骤详细介绍: --- ### **1. 三元组表示** 稀疏矩阵的非零元素用三元组$(row, col, value)$存储,例如: $$ \begin{bmatrix} 0 & 5 & 0 \\ 3 & 0 & 0 \\ 0 & 0 & 9 \\ \end{bmatrix} $$ 对应的三元组为: $$(0,1,5),\ (1,0,3),\ (2,2,9)$$ --- ### **2. 转置定义** 矩阵转置是将原矩阵的行列互换。例如,上述矩阵转置后为: $$ \begin{bmatrix} 0 & 3 & 0 \\ 5 & 0 & 0 \\ 0 & 0 & 9 \\ \end{bmatrix} $$ 对应新三元组:$$(0,1,3),\ (1,0,5),\ (2,2,9)$$ --- ### **3. 转置算法步骤** #### **(1) 普通转置法** - **时间复杂度**:$O(\text{cols} \times \text{num\_elements})$ - **步骤**: 1. 遍历原三元组,对所有元素交换其$row$和$col$。 2. 按照新的$row$(原$col$)进行排序。 **示例**: 原三元组$(0,1,5),\ (1,0,3),\ (2,2,9)$ 交换行列后:$(1,0,5),\ (0,1,3),\ (2,2,9)$ 按新$row$排序后:$(0,1,3),\ (1,0,5),\ (2,2,9)$ --- #### **(2) 快速转置法** - **时间复杂度**:$O(\text{cols} + \text{num\_elements})$ - **步骤**: 1. 统计原矩阵每列的非零元素数(即转置后每行的非零数)。 2. 计算转置后每行的起始位置。 3. 遍历原三元组,按新起始位置填入转置结果。 **公式定义**: - 设原矩阵有$cols$列,$num\_elements$个非零元素。 - 转置后第$i$行的起始位置为: $$ \text{start\_pos}[i] = \sum_{k=0}^{i-1} \text{count}[k] $$ 其中$\text{count}[k]$是原矩阵第$k$列的非零元素数。 --- ### **4. 算法对比** | 方法 | 时间复杂度 | 适用场景 | |------------|--------------------------|-----------------------| | 普通转置 | $O(\text{cols} \times \text{num\_elements})$ | 小规模矩阵 | | 快速转置 | $O(\text{cols} + \text{num\_elements})$ | 大规模稀疏矩阵 | --- ### **5. 实现注意事项** - 索引通常从0开始(需与编程语言一致)。 - 若存在多个相同行列元素,需合并或按规则处理。 - 适用于科学计算(如有限元分析)、图像压缩等领域。 通过合理选择算法,可高效实现稀疏矩阵的转置操作。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值