1、实现稀疏矩阵（采用三元组表示）的基本运算目的：领会稀疏矩阵三元组存储结构及其基本算法设计。内容：假设n*n的稀疏矩阵A采用三元组表示，设计一个程序实现以下功能。（1）生成以下两个稀疏矩阵的三元组a和b。（2）输出a转置矩阵的三元组。（3）输出a+b的三元组。

实现稀疏矩阵（三元组表示）的基本运算目的是为了高效地处理大规模的数据，特别是那些大部分元素为零的情况，因为在标准密集矩阵存储中会浪费大量空间。以下是针对三元组表示（通常包含行索引、列索引和值）的操作：

1. **生成稀疏矩阵**：创建一个函数，接受矩阵的维度n作为输入，随机生成一定数量的非零元素，将其对应的行、列索引和值作为一个三元组列表存储。

def generate_sparse_matrix(n):
    non_zeros = random.randint(1, n * n // 10) # 随机选取非零元素的数量
    matrix = []
    for _ in range(non_zeros):
        row = random.randint(0, n - 1)
        col = random.randint(0, n - 1)
        value = random.randint(-100, 100) # 随机数值
        matrix.append((row, col, value))
    return matrix

2. **转置矩阵**：对已有的矩阵，遍历每个元素，交换行索引和列索引，并保持原始值不变。

def transpose_triples(matrix):
    transposed = [(col, row, value) for (row, col, value) in matrix]
    return transposed

3. **矩阵加法**：对于两个稀疏矩阵a和b，遍历它们的三元组，如果对应位置的行索引和列索引相同，则将值相加；否则，跳过。

def sparse_add(a, b):
    result = []
    for triple_a in a:
        for triple_b in b:
            if triple_a[0] == triple_b[0] and triple_a[1] == triple_b[1]:
                result.append((triple_a[0], triple_a[1], triple_a[2] + triple_b[2]))
                break
    return result