稀疏矩阵-行逻辑链接顺序表的创建，销毁，输出，求和，求差，乘法，转置算法

稀疏矩阵通常用于表示那些大部分元素为零的大型矩阵，其中行逻辑链接顺序表（也称为压缩存储）是常用的一种存储方式，因为非零元素较少，所以不需要像全矩阵那样占用大量空间。

**创建**:
1. 创建一个Node类，每个节点包含值和指向下一个非零元素的位置。
2. 对于每一列，只保存非零元素及其行号，可以创建一个`RowLinkedList<double[]>`，每条链表对应矩阵的一列。

**销毁**:
1. 关闭所有链表，释放内存。注意，由于Java垃圾回收机制，一般无需显式地释放，当不再有引用指向链表时，它们会被自动回收。

**输出**:
1. 遍历每一列的链表，输出对应的非零元素及其行号。

**求和、求差、乘法**:
- 求和、求差：对每个非零元素直接进行相应运算。
- 乘法：涉及两个稀疏矩阵的乘法，需要先合并两者的索引（通常是笛卡尔积），然后分别计算每个位置的值。

**转置**:
1. 创建一个新的稀疏矩阵，对于原矩阵的每个非零元素，记录其新的列号作为新矩阵的行号。

这里是一个简化的示例，实际算法会更复杂，考虑到性能优化：

// 示例代码
class SparseMatrix {
    List<RowLinkedList<double[]>> rows;

    // 创建，插入等...
}

void print(SparseMatrix matrix) {
    for (RowLinkedList<double[]> row : matrix.rows) {
        for (double[] cell : row) {
            System.out.print(cell[0] + " [" + cell[1] + "] ");
        }
        System.out.println();
    }
}

double sum(SparseMatrix a, SparseMatrix b) {
    double result = 0;
    for (double[] cellA : a.rows) {
        for (double[] cellB : b.rows) {
            if (cellA[1] == cellB[1]) { // 同一行
                result += cellA[0] * cellB[0];
            }
        }
    }
    return result;
}