【数据结构】数组和字符串（七）：特殊矩阵的压缩存储：三元组表的转置、加法、乘法操作
文章目录
- 4.2.1 矩阵的数组表示
- 4.2.2 特殊矩阵的压缩存储
-
- a. 对角矩阵的压缩存储
- b~c. 三角、对称矩阵的压缩存储
- d. 稀疏矩阵的压缩存储——三元组表
- 4.2.3三元组表的转置、加法、乘法、操作
-
- 转置
- 加法
- 乘法
- 算法测试
- 实验结果
- 代码整合
4.2.1 矩阵的数组表示
【数据结构】数组和字符串（一）：矩阵的数组表示
4.2.2 特殊矩阵的压缩存储
矩阵是以按行优先次序将所有矩阵元素存放在一个一维数组中。但是对于特殊矩阵，如对称矩阵、三角矩阵、对角矩阵和稀疏矩阵等, 如果用这种方式存储，会出现大量存储空间存放重复信息或零元素的情况，这样会造成很大的空间浪费。为节约存储空间和算法（程序）运行时间，通常会采用压缩存储的方法。
- 对角矩阵：指除了主对角线以外的元素都为零的矩阵，即对 任意 i ≠ j (1≤ i , j ≤n)，都有M(i, j)=0。由于只有主对角线上有非零元素，只需存储主对角线上的元素即可。
- 三角矩阵：指上三角或下三角的元素都为零的矩阵。同样地，只需存储其中一部分非零元素，可以节省存储空间。
- 对称矩阵：指矩阵中的元素关于主对角线对称的矩阵。由于对称矩阵的非零元素有一定的规律，可以只存储其中一部分元素，从而减少存储空间。
- 稀疏矩阵：指大部分元素为零的矩阵。传统的按行优先次序存储方法会浪费大量空间来存储零元素，因此采用压缩存储的方法更为合适。常见的压缩存储方法有：压缩稠密行（CSR）、压缩稠密列（CSC）、坐标列表（COO）等。
a. 对角矩阵的压缩存储
【数据结构】数组和字符串（二）：特殊矩阵的压缩存储：对角矩阵——一维数组
b~c. 三角、对称矩阵的压缩存储
【数据结构】数组和字符串（三）：特殊矩阵的压缩存储：三角矩阵、对称矩阵——一维数组
d. 稀疏矩阵的压缩存储——三元组表
对于稀疏矩阵的压缩存储，由于非零元素的个数远小于零元素的个数，并且非零元素的分布没有规律，无法简单地利用一维数组和映射公式来实现压缩存储。针对稀疏矩阵，通常采用特定的数据结构来进行压缩存储，以减少存储空间的占用。
一种常见的稀疏矩阵压缩存储方法是使用"三元组"表示法，也称为COO（Coordinate）格式，只存储非零元素的值以及它们的行列坐标。通过使用三元组（Triplet）来表示非零元素的位置和值，每个三元组包含三个信息：非零元素的行索引、非零元素的列索引以及非零元素的值。
【数据结构】数组和字符串（四）：特殊矩阵的压缩存储：稀疏矩阵——三元组表
4.2.3三元组表的转置、加法、乘法、操作
转置
假设稀疏矩阵存储在一个三元组表a中，且A的非零元素个数为count，算法Transpose求A的转置矩阵并将其保存在三元组表b中。
- 算法的主要思想是针对每个列号k（k=0, 2,… , n-1）对a进行扫描，考察a中是否有列号为k的结点（注意：列号为k的结点可能不止一个），若有，记为a[u]（假定a[u]在a中的行号为i ），将a[u]依次保存在b的b[w] 中，则row(b[w])=k，col(b[w])=i，value(b[w]) =value(a[u]).
TripletTable matrixTranspose(TripletTable* table) {
TripletTable result;
initTable(&result, table->cols, table->rows); // 转置后的矩阵行列互换
int j = 0;
for (int k = 0; k < table->cols; k++) {
for (int i = 0; i < table->length; i++) {
Triple* element = &(table->data[i]);
if (element->col == k) {
insertElement(&result, k, element->row, element->value);
// result.data[j].row = k; // 该元素在result中的行号应为k
// result.data[j].col = element->row; // 该元素在result中的列号应为其在table中的行号
// result.data[j].value = element->value;
j++; // 考察result中的下一个结点
result.length = j; // 更新result的长度
}
}
// printf("\n");
// displayMatrix(&result);
}
return result;
}
matrixTranspose函数实现稀疏矩阵的转置操作：
- 首先，创建一个新的
TripletTable变量result，用于存储输入矩阵的转置。 - 使用
initTable函数初始化result，将其行数设置为输入矩阵的列数，列数设置为输入矩阵的行数。 - 使用一个循环遍历输入矩阵的所有元素：
- 对于每个元素，将其行号作为转置后矩阵中的列号，列号作为转置后矩阵中的行号，并将值保持不变。
- 将转置后的元素插入到
result中。
- 返回
result作为输入矩阵的转置。
加法
TripletTable matrixAddition(TripletTable* table1, TripletTable* table2) {
TripletTable result;
initTable(&result, table1->rows, table1->cols);
int i = 0, j = 0;
while (i < table1->length && j < table2->length) {
Triple* element1 = &(table1->data[i]);
Triple* element2 = &(table2->data[j]);
if (element1->row < element2->row || (element1->row == element2->row && element1->col < element2->col)) {
insertElement(&result, element1->row, element1->col, element1->value);
i++;
} else if (element1->row > element2->row || (element1->row == element2->row && element1->col > element2->col)) {
insertElement(&result, element2->row, element2->col, element2->value);
j++;
} else {
int sum = element1->value + element2->value;
if (sum != 0) {
insertElement(&result, element1->row, element1->col, sum);
}
i++;
j++;
}
}
while (i < table1->length) {
Triple* element1 = &(table1->data[i]);
insertElement(&result, element1->row, element1->col, element1->value);
i++;
}
while (j < table2->length) {
Triple* element2 = &(table2->data[j]);
insertElement(&result, element2->row, element2->col, element2->value);
j++;
}
return result;
}
matrixAddition函数实现稀疏矩阵的加法操作：
- 创建一个新的
TripletTable变量result，用于存储两个输入矩阵的和。 - 使用
initTable函数初始化result，将其行数和列数设置为与输入矩阵相同。 - 使用两个指针
i和j分别指向两个输入矩阵的元素。 - 通过比较当前元素的行号和列号，以及使用循环遍历的方式，将两个输入矩阵的元素逐个比较并进行相应的操作：
- 如果第一个矩阵的元素在行号和列号上小于第二个矩阵的元素，将第一个矩阵的元素插入到
result中，并增加指向第一个矩阵元素的指针i。 - 如果第一个矩阵的元素在行号和列号上大于第二个矩阵的元素，将第二个矩阵的元素插入到
result中，并增加指向第二个矩阵元素的指针j。 - 如果两个矩阵的元素在行号和列号上相等，将它们的值相加，并将结果插入到
result中。然后，增加指向两个矩阵元素的指针i和j。
- 如果第一个矩阵的元素在行号和列号上小于第二个矩阵的元素，将第一个矩阵的元素插入到
- 处理完所有元素后，将剩余的未处理元素插入到
result中。 - 返回
result作为两个输入矩阵的和。
乘法
TripletTable matrixMultiplication(TripletTable* table1, TripletTable* table2) {
TripletTable result;
initTable(&result, table1->rows, table2->cols);
int matrix[table1->rows][table2->cols];
for (int i = 0; i < table1->rows; i++) {
for (int j = 0; j < table2->cols; j++) {
matrix[i][j] = 0;
}
}
for (int i = 0; i < table1->length; i++) {
Triple* element1 = &(table1->data[i]);
for (int j = 0; j < table2->length; j++) {
Triple* element2 = &(table2->data[j]);
if (element1->col == element2->row) {
matrix[element1->row][element2->col] += element1->value * element2->value;
}
}
}
for (int i = 0; i < table1->rows; i++) {
for (int j = 0; j < table2->cols; j++) {
if (matrix[i][j] != 0) {
insertElement(&result, i, j, matrix[i][j]);
}
}
}
return result;
}
matrixMultiplication函数实现稀疏矩阵的乘法操作：
- 创建一个新的
TripletTable变量result，用于存储两个输入矩阵的乘积。 - 使用
initTable函数初始化result，将其行数设置为第一个输入矩阵的行数，列数设置为第二个输入矩阵的列数。 - 创建一个临时的二维数组
matrix，用于存储两个输入矩阵相乘的结果。 - 将
matrix中的所有元素初始化为0。 - 使用两个嵌套的循环遍历第一个输入矩阵的所有元素：
- 对于每个元素，使用另一个嵌套的循环遍历第二个输入矩阵的所有元素。
- 如果第一个矩阵的元素的列号等于第二个矩阵的元素的行号，将它们的值相乘，并将结果累加到
matrix中对应位置的元素上。
- 遍历
matrix中的所有元素，将非零元素插入到result中。 - 返回
result作为两个输入矩阵的乘积。
算法测试
int main() {
TripletTable matrixA, matrixB;
initTable(&matrixA, 3, 3);
initTable(&matrixB, 3, 3);
// Insert elements into matrix A
insertElement(&matrixA, 0, 0, 1);
insertElement(&matrixA, 0, 2, 2);
insertElement(&matrixA, 1, 1, 3);
insertElement(&matrixA, 2, 0, 4);
insertElement(&matrixA, 2, 2, 5);
// Insert elements into matrix B
insertElement(&matrixB, 0, 1, 6);
insertElement(&matrixB, 1, 0, 7);
insertElement(&matrixB, 1, 2, 8);
insertElement(&matrixB, 2, 1, 9);
printf("Matrix A:\n");
displayMatrix(&matrixA);
printf("\nMatrix B:\n");
displayMatrix(&matrixB);
TripletTable matrixC = matrixAddition(&matrixA, &matrixB);
printf("\nMatrix A + B:\n");
displayMatrix(&matrixC);
TripletTable matrixD = matrixTranspose(&matrixA);
printf("\nTranspose of Matrix A:\n");
displayMatrix(&matrixD);
TripletTable matrixE = matrixMultiplication(&matrixA, &matrixB);
printf("\nMatrix A * B:\n");
displayMatrix(&matrixE);
return 0;
}
实验结果
代码整合
#include