[数据结构] 数组与特殊矩阵

合集 - 数据结构与算法(11)

1.算法3：质数的个数2023-05-012.算法2：Hanoi塔2022-11-223.算法1：Fibonacci数列2022-11-214.[数据结构]排序算法的性能比较01-215.[数据结构] 链表02-036.[数据结构] 栈02-06

7.[数据结构] 数组与特殊矩阵02-06

8.[数据结构] 队列02-079.[数据结构] 串与KMP算法详解02-1210.[数据结构] 树与二叉树03-0411.[数据结构] 树、森林及二叉树的应用03-05

收起

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

以$A[0\dots n-1]$为例，其存储结构关系式为：

$$LOC(a_i)=LOC(a_0)+i\times L(0\le i<n)$$

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$[0,h_1]$和$[0,h_2]$。

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：

$$\left[\begin{array}{ccc}{a}_{[0][0]}& a_{[0][1]}& a_{[0][2]}\\ a_{[1][0]}& a_{[1][1]}& a_{[1][2]}\end{array}\right]$$

$a_{[0][0]}$	$a_{[0][1]}$	$a_{[0][2]}$	$a_{[1][0]}$	$a_{[1][1]}$	$a_{[1][2]}$

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：

$$\left[\begin{array}{ccc}{a}_{[0][0]}& a_{[0][1]}& a_{[0][2]}\\ a_{[1][0]}& a_{[1][1]}& a_{[1][2]}\end{array}\right]$$

$a_{[0][0]}$	$a_{[1][0]}$	$a_{[0][1]}$	$a_{[1][1]}$	$a_{[0][2]}$	$a_{[1][2]}$

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$a_{i,j}=a_{j,i}(1\le i,j\le n)$，则称其为对称矩阵

$$\left[\begin{array}{cccc}{a}_{1,1}& a_{1,2}& \cdots & a_{1,n}\\ a_{2,1}& a_{2,2}& \cdots & a_{2,n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n,1}& a_{n,2}& \cdots & a_{n,n}\end{array}\right]$$

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（$a_{2,1},a_{2,2}$）

$\dots$

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

第$i$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$k=1+2+\cdots +(i-1)+j-1=\frac{i(i-1)}{2}+j-1$

因此，元素下标之间对应关系如下：

$$k=\{\begin{array}{ll}\frac{i(i-1)}{2}+j-1& ,i\ge j\\ \frac{j(j-1)}{2}+i-1& ,i<j\end{array}$$

三角矩阵

下三角矩阵

$$\left[\begin{array}{c}{a}_{1,1}\\ a_{2,1}& a_{2,2}\\ ⋮& ⋮& \ddots \\ a_{n,1}& a_{n,2}& \cdots a_{n,n}\end{array}\right]$$

上三角区为统一常量。元素下标之间的对应关系为：

$$k=\{\begin{array}{ll}\frac{i(i-1)}{2}+j-1& ,i\ge j\\ \frac{n(n-1)}{2}& ,i<j\end{array}$$

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

$$\left[\begin{array}{cccc}{a}_{1,1}& a_{1,2}& \cdots & a_{1,n}\\ & a_{2,2}& \cdots & a_{2,n}\\ & & \ddots & ⋮\\ & & & a_{n,n}\end{array}\right]$$

与上文类似地，位于元素$a_{i,j}(i\le j)$前面的元素个数为：

第1行：$n$个

第2行：$n-1$个

$\dots$

第$i-1$行：$n-i+2$个

第$i$行：$j-1$个

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

因此，元素下标之间对应关系如下：

$$k=\{\begin{array}{ll}\frac{(i-1)(2n-i+2)}{2}+j-i& ,i\le j\\ \frac{n(n+1)}{2}& ,i>j\end{array}$$

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，$a_{i,j}=0$。

$$\left[\begin{array}{cc}{a}_{1,1}& a_{1,2}\\ a_{2,1}& a_{2,2}& a_{2,3}& & 0\\ & a_{3,2}& a_{3,3}& a_{3,4}\\ & & \ddots & \ddots & \ddots \\ & 0& & a_{n-1,n-2}& a_{n-1,n-1}& a_{n-1,n}\\ & & & & a_{n,n-1}& a_{n,n}\end{array}\right]$$

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：

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

对应的三元组为：

$$\left(\begin{array}{ccc}i& j& a_{i,j}\\ 0& 0& 4\\ 1& 2& 6\\ 2& 1& 9\\ 3& 1& 23\end{array}\right)$$

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 
#include 
#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);
}