稀疏矩阵的创建,销毁,输出,求和,行列求差,乘积,转置

时间: 2024-05-07 15:19:48 浏览: 9
稀疏矩阵在实际应用中可以有效减少存储空间和计算时间,以下是稀疏矩阵的创建、销毁、输出、求和、行列求差、乘积、转置的基本操作: ## 创建稀疏矩阵 稀疏矩阵可以用三元组(行号、列号、非零元素)的形式来存储,也可以用链表等方式来存储。下面给出三元组存储方式的创建方法: ```c++ #include <iostream> using namespace std; struct Triple { int row, col, val; }; struct SparseMatrix { int row, col, num; Triple *data; }; SparseMatrix* createSparseMatrix(int row, int col, int num) { SparseMatrix *matrix = new SparseMatrix; matrix->row = row; matrix->col = col; matrix->num = num; matrix->data = new Triple[num]; return matrix; } ``` ## 销毁稀疏矩阵 ```c++ void destroySparseMatrix(SparseMatrix *matrix) { delete[] matrix->data; delete matrix; } ``` ## 输出稀疏矩阵 ```c++ void printSparseMatrix(SparseMatrix *matrix) { for (int i = 0; i < matrix->num; i++) { cout << matrix->data[i].row << " " << matrix->data[i].col << " " << matrix->data[i].val << endl; } } ``` ## 求稀疏矩阵元素和 ```c++ int sumSparseMatrix(SparseMatrix *matrix) { int sum = 0; for (int i = 0; i < matrix->num; i++) { sum += matrix->data[i].val; } return sum; } ``` ## 求稀疏矩阵行列求差 ```c++ SparseMatrix* subtractSparseMatrix(SparseMatrix *matrix1, SparseMatrix *matrix2) { if (matrix1->row != matrix2->row || matrix1->col != matrix2->col) { return NULL; } SparseMatrix *matrix = createSparseMatrix(matrix1->row, matrix1->col, 0); int i = 0, j = 0, k = 0; while (i < matrix1->num && j < matrix2->num) { if (matrix1->data[i].row < matrix2->data[j].row || (matrix1->data[i].row == matrix2->data[j].row && matrix1->data[i].col < matrix2->data[j].col)) { matrix->data[k++] = matrix1->data[i++]; } else if (matrix1->data[i].row > matrix2->data[j].row || (matrix1->data[i].row == matrix2->data[j].row && matrix1->data[i].col > matrix2->data[j].col)) { matrix->data[k].row = matrix2->data[j].row; matrix->data[k].col = matrix2->data[j].col; matrix->data[k++].val = -matrix2->data[j++].val; } else { int val = matrix1->data[i++].val - matrix2->data[j++].val; if (val != 0) { matrix->data[k].row = matrix1->data[i-1].row; matrix->data[k].col = matrix1->data[i-1].col; matrix->data[k++].val = val; } } } while (i < matrix1->num) { matrix->data[k++] = matrix1->data[i++]; } while (j < matrix2->num) { matrix->data[k].row = matrix2->data[j].row; matrix->data[k].col = matrix2->data[j].col; matrix->data[k++].val = -matrix2->data[j++].val; } matrix->num = k; return matrix; } ``` ## 求稀疏矩阵乘积 ```c++ SparseMatrix* multiplySparseMatrix(SparseMatrix *matrix1, SparseMatrix *matrix2) { if (matrix1->col != matrix2->row) { return NULL; } SparseMatrix *matrix = createSparseMatrix(matrix1->row, matrix2->col, 0); int *flag = new int[matrix2->col]; memset(flag, -1, sizeof(int) * matrix2->col); for (int i = 0; i < matrix1->num; i++) { int r = matrix1->data[i].row; for (int j = 0; j < matrix2->col; j++) { int sum = 0; for (int k = 0; k < matrix2->num; k++) { if (matrix2->data[k].row == matrix1->data[i].col && matrix2->data[k].col == j) { sum += matrix1->data[i].val * matrix2->data[k].val; break; } } if (sum != 0) { if (flag[j] == -1) { flag[j] = matrix->num; matrix->data[matrix->num].row = r; matrix->data[matrix->num].col = j; matrix->data[matrix->num++].val = sum; } else { matrix->data[flag[j]].val += sum; } } } } delete[] flag; return matrix; } ``` ## 求稀疏矩阵转置 ```c++ SparseMatrix* transposeSparseMatrix(SparseMatrix *matrix) { SparseMatrix *t = createSparseMatrix(matrix->col, matrix->row, matrix->num); int *num = new int[matrix->col]; memset(num, 0, sizeof(int) * matrix->col); for (int i = 0; i < matrix->num; i++) { num[matrix->data[i].col]++; } int *cpot = new int[matrix->col]; cpot[0] = 0; for (int i = 1; i < matrix->col; i++) { cpot[i] = cpot[i-1] + num[i-1]; } for (int i = 0; i < matrix->num; i++) { int col = matrix->data[i].col; int pos = cpot[col]; t->data[pos].row = matrix->data[i].col; t->data[pos].col = matrix->data[i].row; t->data[pos].val = matrix->data[i].val; cpot[col]++; } delete[] num; delete[] cpot; return t; } ```

相关推荐

最新推荐

recommend-type

基于十字链表存储的稀疏矩阵的转置

实现了从字符文件读入三个正整数m, n, t以及t个三元组(i, j, e)建立稀疏矩阵的十字链表存储结构(m、n分别表示矩阵行数和列数;i, j为非零元素行号和列号)和十字链表的转置并将转置后的三元组到另一字符文件中
recommend-type

Python 使用Numpy对矩阵进行转置的方法

今天小编就为大家分享一篇Python 使用Numpy对矩阵进行转置的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

Python实现的矩阵转置与矩阵相乘运算示例

主要介绍了Python实现的矩阵转置与矩阵相乘运算,结合实例形式分析了Python针对矩阵进行转置与相乘运算的相关实现技巧与操作注意事项,需要的朋友可以参考下
recommend-type

python矩阵运算,转置,逆运算,共轭矩阵实例

主要介绍了python矩阵运算,转置,逆运算,共轭矩阵实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

数据结构--稀疏矩阵课程设计.doc

① 存储结构选择三元组存储方式; ② 实现一个稀疏矩阵的转置运算; ③ 实现两个稀疏矩阵的加法运算; ④ 实现两个稀疏矩阵的减法运算; ⑤ 实现两个稀疏矩阵的乘法运算。
recommend-type

藏经阁-应用多活技术白皮书-40.pdf

本资源是一份关于“应用多活技术”的专业白皮书,深入探讨了在云计算环境下,企业如何应对灾难恢复和容灾需求。它首先阐述了在数字化转型过程中,容灾已成为企业上云和使用云服务的基本要求,以保障业务连续性和数据安全性。随着云计算的普及,灾备容灾虽然曾经是关键策略,但其主要依赖于数据级别的备份和恢复,存在数据延迟恢复、高成本以及扩展性受限等问题。 应用多活(Application High Availability,简称AH)作为一种以应用为中心的云原生容灾架构,被提出以克服传统灾备的局限。它强调的是业务逻辑层面的冗余和一致性,能在面对各种故障时提供快速切换,确保服务不间断。白皮书中详细介绍了应用多活的概念,包括其优势,如提高业务连续性、降低风险、减少停机时间等。 阿里巴巴作为全球领先的科技公司,分享了其在应用多活技术上的实践历程,从早期集团阶段到云化阶段的演进,展示了企业在实际操作中的策略和经验。白皮书还涵盖了不同场景下的应用多活架构,如同城、异地以及混合云环境,深入剖析了相关的技术实现、设计标准和解决方案。 技术分析部分,详细解析了应用多活所涉及的技术课题,如解决的技术问题、当前的研究状况,以及如何设计满足高可用性的系统。此外,从应用层的接入网关、微服务组件和消息组件,到数据层和云平台层面的技术原理,都进行了详尽的阐述。 管理策略方面,讨论了应用多活的投入产出比,如何平衡成本和收益,以及如何通过能力保鲜保持系统的高效运行。实践案例部分列举了不同行业的成功应用案例,以便读者了解实际应用场景的效果。 最后,白皮书展望了未来趋势,如混合云多活的重要性、应用多活作为云原生容灾新标准的地位、分布式云和AIOps对多活的推动,以及在多云多核心架构中的应用。附录则提供了必要的名词术语解释,帮助读者更好地理解全文内容。 这份白皮书为企业提供了全面而深入的应用多活技术指南,对于任何寻求在云计算时代提升业务韧性的组织来说,都是宝贵的参考资源。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB矩阵方程求解与机器学习:在机器学习算法中的应用

![matlab求解矩阵方程](https://img-blog.csdnimg.cn/041ee8c2bfa4457c985aa94731668d73.png) # 1. MATLAB矩阵方程求解基础** MATLAB中矩阵方程求解是解决线性方程组和矩阵方程的关键技术。本文将介绍MATLAB矩阵方程求解的基础知识,包括矩阵方程的定义、求解方法和MATLAB中常用的求解函数。 矩阵方程一般形式为Ax=b,其中A为系数矩阵,x为未知数向量,b为常数向量。求解矩阵方程的过程就是求解x的值。MATLAB提供了多种求解矩阵方程的函数,如solve、inv和lu等。这些函数基于不同的算法,如LU分解
recommend-type

触发el-menu-item事件获取的event对象

触发`el-menu-item`事件时,会自动传入一个`event`对象作为参数,你可以通过该对象获取触发事件的具体信息,例如触发的元素、鼠标位置、键盘按键等。具体可以通过以下方式获取该对象的属性: 1. `event.target`:获取触发事件的目标元素,即`el-menu-item`元素本身。 2. `event.currentTarget`:获取绑定事件的元素,即包含`el-menu-item`元素的`el-menu`组件。 3. `event.key`:获取触发事件时按下的键盘按键。 4. `event.clientX`和`event.clientY`:获取触发事件时鼠标的横纵坐标
recommend-type

藏经阁-阿里云计算巢加速器:让优秀的软件生于云、长于云-90.pdf

阿里云计算巢加速器是阿里云在2022年8月飞天技术峰会上推出的一项重要举措,旨在支持和服务于企业服务领域的创新企业。通过这个平台,阿里云致力于构建一个开放的生态系统,帮助软件企业实现从云端诞生并持续成长,增强其竞争力。该加速器的核心价值在于提供1对1的技术专家支持,确保ISV(独立软件供应商)合作伙伴能获得与阿里云产品同等的技术能力,从而保障用户体验的一致性。此外,入选的ISV还将享有快速在钉钉和云市场上线的绿色通道,以及与行业客户和投资机构的对接机会,以加速业务发展。 活动期间,包括百奥利盟、极智嘉、EMQ、KodeRover、MemVerge等30家企业成为首批计算巢加速器成员,与阿里云、钉钉以及投资界专家共同探讨了技术进步、产品融合、战略规划和资本市场的关键议题。通过这次合作,企业可以借助阿里云的丰富资源和深厚技术实力,应对数字化转型中的挑战,比如精准医疗中的数据处理加速、物流智慧化的升级、数字孪生的普及和云原生图数据库的构建。 阿里云计算巢加速器不仅是一个技术支持平台,也是企业成长的催化剂。它通过举办类似2023年2月的集结活动,展示了如何通过云计算生态的力量,帮助企业在激烈的竞争中找到自己的定位,实现可持续发展。参与其中的优秀企业如神策和ONES等,都在这个平台上得到了加速和赋能,共同推动了企业服务领域的创新与进步。总结来说,阿里云计算巢加速器是一个集技术、资源和生态支持于一体的全方位服务平台,旨在帮助企业软件产业在云端绽放光彩。