数据结构 | 第七章：数组和矩阵 | 行主映射和列主映射

这篇具有很好参考价值的文章主要介绍了数据结构 | 第七章：数组和矩阵 | 行主映射和列主映射 | 稀疏矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

7.1 数组

7.1.1 抽象数据类型

抽象数据类型 Array 
{
实例
	形如（index，value）的数对集合，其中任意两个数对的index值都各不相同. 操作
	get（index）：返回索引为index的数对中的值
	set（index，value）：加入一个新数对（index，value）
    	（如果索引index值相同的数对已存在，则用新数对覆盖）
}

7.1.2 C++数组的索引

K维数组的索引（或下标）
- $i_1][i_2][i_3]...[i_k]$
k维数组创建：
- int score $u_1][u_2][u_3]...[u_k]$ （ $u_i$ —正的常量或有常量表示的表达式）
数组元素的个数：
- $n=u_1u_2u_3...u_k$
内存空间：
- n x sizeof（int）字节.
c++ 编译器为数组预留空间：
- start -----start + sizeof(score)-1

7.1.3 行主映射和列主映射

行主映射（按行的顺序对元素一一映射）和列主映射（按列的顺序对元素一一映射）

以二维数组举例

int s[ $u_1$ ] [ $u_2$ ] (令s[2] [3])

行主映射下：	列主映射下：
map（ $i_1$ , $i_2$ ) = $u_2$ * $i_1$ + $i_2$	map（ $i_1$ , $i_2$ ) = $u_1$ * $i_2$ + $i_1$
s[0] [0]	s[0] [0]
s[0] [1]	s[1] [0]
s[0] [2]	s[0] [1]
s[1] [0]	s[1] [1]
s[1] [1]	s[0] [2]
s[1] [2]	s[1] [2]

思考：

在C++使用的是行主映射
$M_行$ = $M_列^T$
k维数组行主映射：

$map(i_1, i_2, ..., i_k) = (i_1*u_2*u_3 ... u_k)+(i_2*u_3 ... u_k)+...+(i_{k-1}*u_k)+(i_k)$
k维数组列主映射：

$map(j_1,j_2,...j_k)= (j_1*u_2*u_3 ... u_k)+(j_2*u_3 ... u_k)+...+(j_{k-1}*u_k)+(j_k)$
注意，超过两维就没有列的概念了，因此高维的行、列主映射公式通用。

7.1.4 用数组的数组来描述

多维数组可以用数组的数组描述

占用空间：4×3×1 + 4×5×3
C++定位x[i] [j]的过程：
- 利用一维数组的映射函数找到指针x[i]
- 利用一维数组的映射函数找到指针x[i]所指的第i行中索引为j的元素

7.1.5 行主描述和列主描述

数组y	以下就是int s[3] [5]的行主描述	以下就是int s[3] [5]的列主描述
y[0]	s[0] [0]	s[0] [0]
y[1]	s[0] [1]	s[1] [0]
y[2]	s[0] [2]	s[2] [0]
y[3]	s[0] [3]	s[0] [1]
y[4]	s[0] [4]	s[1] [1]
y[5]	s[1] [0]	s[2] [1]
y[6]	s[1] [1]	s[0] [2]
y[7]	s[1] [2]	s[1] [2]
y[8]	s[1] [3]	s[2] [2]
y[9]	s[1] [4]	s[0] [3]
y[10]	s[2] [0]	s[1] [3]
y[11]	s[2] [1]	s[2] [3]
y[12]	s[2] [2]	s[0] [4]
y[13]	s[2] [3]	s[1] [4]
y[14]	s[2] [4]	s[2] [4]

占用空间：3×5×4
定位x[i] [j]的过程（以行主列为例）：
- 利用二维数组的映射函数（map（ $i_1$ , $i_2$ ) = $u_2$ * $i_1$ + $i_2$ ）计算x[i] [j]在一维数组y中的位置u
- 利用一维数组的映射函数（map（ $i_1$ ）= $i_1$ ）访问元素y[u]

7.2 矩阵

7.2.1 定义和操作

m×n矩阵：m行和n列的表

M(i,j)：矩阵M中第i行、第j列的元素

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构

矩阵相乘直观表示(* ^ ▽ ^ *）

7.2.2 类matrix

数据描述：用于一个一维数组element，按行主次序存储

M：m×n matrix

矩阵元素M(i,j)在数组element中的位置

map(i,j) = (i-1)*n+j-1

matrix类声明

我们要重载函数操作符（），使得在程序中对矩阵索引的用法和在数学中的一样。我们还要重载算术操作符，使它们能够用于矩阵对象。

template<class T>
class matrix 
{
	friend ostream& operator<<(ostream&,const matrix<T>&);
    public:
		matrix(int theRows=0,int theColumns=0);
    	matrix（const matrix<T>&）；//复制构造函数
        ~matrix(){delete[]element;}
    	int rows()const {return theRows;}
    	int columns()const {return theColumns;}
    	T& operator()(int i, int j) const;
		matrix<T>& operator=(const matrix<T>&);
    	matrix<T> operator+()const；//一元加法
        matrix<T> operator+(const matrix<T>&)const;
    	matrix<T> operator-()const；//一元减法
		matrix<T> operator-(const matrix<T>&)const;
		matrix<T> operator*(constmatrix<T>&)const;
    	matrix<T>&operator+=(const T&x);
    private:
		int theRows，theColumns；//矩阵行数和列数
		T*element；//元素数组
};

matrix类的构造函数

template<class T>
matrix<T>::matrix(int theRows,int theColumns)
{
	//检验行数和列数的有效性
	if(theRows <0 || theColumns <0)
        throw illegalParameterValue("行列数必须大于等于0");
	if(theRows ==0 || theColumns == 0 && (theRows !=0|| theColumns !=0))
		throw illegalParameterValue("要么都大于0，要么都等于0");
	//创建矩阵
	this-> theRows = theRows;
    this-> theColumns = theColumns;
    element=new T [theRows* theColumns];
}

matrix类的复制构造函数

template<class T>
matrix<T>::matrix(const matrix<T>& m)
{
    //创建矩阵
    theRows = m.rows;
	theColumns = m.theColumns;
	element= new T [theRows* theColumns];
    //复制m的每一个元素
    copy (m.element,m.element ＋ theRows* theColumns, element);
}

matrix类对`()`的重载

矩阵元素M(i,j)在数组element中的位置map(i,j) = (i-1)*n+j-1

template<class T>
T& matrix<T>::operator()(int i,int j)const 
{
    //返回一个指向元素（i，j）的引用
    if(i<1||i>theRows||j<1|j>theColumns)
		throw matrixIndexOutOfBounds();
	return element[(i-1)*theColumns +j-1];
}

matrix类对`=`的重载

template<class T>
matrix<T>& matrix<T>::operator=(const matrix<T>& m)
{
    //赋值，*this=m 
    if(this != &m)
    {//不能自己赋值自己
        //释放原空间
		delete [] element；
        theRows = m.theRows;
		theColumns = m.theColumns;
		element = new T [theRows* theColumns];
        //复制m的每一个元素
        copy (m.element,m.element + theRows* theColumns, element);
    }
    return *this;
}

matrix类对`+`的重载

template<class T>
matrix<T>matrix<T>::operator + (const matrix<T>& m)const 
{
    //返回矩阵w=（*this）＋m
    if(theRows != m.theRows || theColumns != m.theColumns)
        throw matrixSizeMismatch();
	//生成结果矩阵w
	matrix<T> w(theRows, theColumns);
    for(int i = 0;i < theRows * theColumns;i++)
		w.element[i] = element[i] + m.element[i];
    return w;
}

matrix类对`*`的重载

template<class T>
matrix<T>matrix<T>::operator * (const matrix<T>& m)const 
{
    //返回矩阵w=（*this）*m
    if(theColumns != m.theRows)
        throw matrixSizeMismatch();
	//生成结果矩阵w
	matrix<T> w(theRows, m.theColumns);
    //为*this，m和w定义游标，并设定初始位置为（1,1）
    int ct = 0,cm = 0,cw = 0;
    
    /*最外层的循环对应不同行和不同列的计算，一行的所有列都好了就换一行*/
    for (int i = 1;i <= theRows;i++)
    {
        /*第二层的循环对应一行和不同列的计算，一列完了换一列*/
		for (int j = 1;j <= m.theColumns; j++)
		{
			T sum = element[ct] * m.element[cm];
            /*最内层的循环实现一行对应一列的计算*/
			for(int k=2；k<=theColumns；k++)
			{
                //累加其余项
                ct++；//指向*this第i行的下一项
                /*在行主次序中同一列的两个相同元素在位置上相差m.theColumns*/
				cm += m.theColumns；//指向m的第j列的下一项
                sum += element[ct] * m.element[cm];
            }
            w.element[cw++] = sum;//保存w（i，j）
            ct -= theColumns-1;//第i行行首
            cm = j;//第j+1列起始
        }
		ct += theColumns;//重新调整至下一行的行首
        cm = 0;//重新调整至第一列起始
    }
	return w;
}

7.3 特殊矩阵

7.3.1 定义和应用

方阵是指具有相同行数和列数的矩阵

特殊矩阵

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构

7.3.2 对角矩阵

对角矩阵：D

矩阵描述：T element[n]

类diagonalmatrix声明

template<class T>
class diagonalMatrix 
{
    public:
		diagonalMatrix(int theN=10);//构造函数
        ~diagonalMatrix(){delete []element;} //析构函数
    	T get(int,int)const;
    	void set(int,int,const T&);
    private:
		int n;//矩阵维数
		T*element; //存储对角元素的一维数组
};

diagonalMatrix::get

template <class T>
T diagonalMatrix<T>::get(int i,int j)const 
{
    //返回矩阵中（i，j）位置上的元素. 
    //检验i和j是否有效
	if (i<1 || j<1 || i>n || j>n) throw matrixIndexOutOfBounds();
	if(i==j)
		return element[i-1];//对角线上的元素
	else return 0;//非对角线上的元素
}

diagonalMatrix:: set

template<class T>
void diagonalMatrix<T>:: set(int i, int j, const T& newValue)
{
    //存储矩阵中位置（i，j）上元素的新值. 
    //检验i和j是否有效
	if(i<1 || j<1 || i>n || j>n) throw matrixIndexOutOfBounds();
	if(i==j)
		element[i-1] = newValue；//存储对角元素的值
    else 
		if(newValue!= 0)
            throw illegalParameterValue("非对角线上的元素必须是0");
}

7.3.3 三对角矩阵

三对角矩阵：T

三条对角线：

主对角线：i = j

低对角线（主对角线之下的对角线）：i = j + 1

高对角线（主对角线之上的对角线）：i = j - 1

补充：按对角线映射

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构

tridiagonalMatrix::get

template <class T>
T tridiagonalMatrix<T>::get(int i,int j)const 
{
    //返回矩阵中（i，j）位置上的元素. 
    //检验i和j是否有效
	if(i <1 || j<1 || i>n || j>n) throw matrixIndexOutOfBounds();
    //确定要返回的元素
    switch (i-j)
    {
     	case 1://低对角线
			return elelment[i-2];
     	case 0://主对角线
            return elelment[n+i-2];
        case -1://高对角线
            return elelment[2*n+i-2];
        default: return 0;
    }
 }

7.3.4 三角矩阵

非0区域的元素总数：n(n+1)/2

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构

7.3.5 对称矩阵

一个n×n对称矩阵，可以视为下三角或上三角矩阵，用三角矩阵的表示方法，用一个大小为n(n+1)/2的一维数组来表示。未存储的元素可以由存储的元素来计算。

7.4 稀疏矩阵

7.4.1 基本概念

如果一个m×n矩阵中有“许多”元素为0，则称该矩阵为稀疏矩阵（sparse）。
不是稀疏的矩阵被称为稠密矩阵（dense）。
稀疏矩阵和稠密矩阵之间没有一个精确的界限：
- 我们规定若一个矩阵是稀疏矩阵，则其非0元素的数目应小于 $n^2/3$ ，在有些情况下应小于 $n^2/5$
- 对角矩阵，三对角矩阵（n×n）：稀疏矩阵
- 三角矩阵：稠密矩阵

7.4.2 用单个线性表描述

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构

线性表terms采用数组描述（terms是arrayList的实例）

类sparseMatrix声明

template <class T>
struct matrixTerm
{
	int row;
	int col;
	T value;
	operator T() const { return value;}
};

template<class T>
class sparseMatrix 
{
    public:
		void transpose(SparseMatrix<T> &b);//矩阵转置
		void add(sparseMatrix<T> &b, sparseMatrix<T> &c);//两个稀疏矩阵相加
    private:
    	int rows;//矩阵行数
		int cols;//矩阵列数
		arrayList<matrixTerm<T>>terms;//矩阵非0元素表
};

类sparseMatrix中的矩阵转置

关键点

矩阵*this的转置矩阵→b

矩阵*this中的元素在b中的位置？

colSize[i]：*this第i列的非0元素数

rowNext[i]：*this第i列（b中第i行）下一个元素在b中的位置
初始：b中第i行的起始位置

rowNext[1] = 0;

rowNext[i] = rowNext[i - 1]+colSize[i - 1];

算法思路

计算*this每列中的非0元素数

求出b中每一行的起始点

实施从*this到b的转置复制

定义i为* this迭代器
依次扫描* this各元素（ *i）

template<class T>
void sparseMatrix<T>::transpose(sparseMatrix<T>&b) 
{//把*this转置结果送入b
    
    //设置转置矩阵特征
    b.cols = rows;
    b.rows = cols;
    b.terms.reSet(terms.size());
    
    //初始化以实现转置
    int* colSize = new int[cols + 1];
    int* rowNext = new int[cols + 1]; 

    //计算*this每一列的非0元素数
    for (int i = 1; i <= cols; i++) 
        colSize[i] = 0;
    for (arrayList<matrixTerm<T>>::iterator i = terms.begin();
         i!=terms.end();i++)
        colSize[(*i).col]++;
    
    //求出b中每一行的起始点
    rowNext[1] = 0;
    for (int i = 2; i <= Cols; i++)
        rowNext[i] = rowNext[i - 1] + colSize[i - 1];
    
    //实施从*this到b的转置复制
    matrixTerm<T> mTerm;
    for(arrayList<matrixTerm<T>>::iterator i = terms.begin();
       i!= terms.end();i++)
    {
        int j = rowNext[(*i).col]++;//在b中的位置
        mTerm.row = (*i).col;
        mTerm.col = (*i).row;
        mTerm.value = (*i).value; 
        b.terms.set(j,mTerm);	
    }
}

类sparseMatrix中的两个稀疏矩阵相加

两个稀疏矩阵（*this和b）相加，所得结果放入c中。

实现思想：

定义矩阵*this的迭代器：it，和矩阵b的的迭代器ib

使用it和ib，从左至右依次扫描两个矩阵中的元素。

当it和ib都未扫描完成时，循环：

计算it所指的元素和ib所指的元素按行主次序的索引。

tIndex=*this中的it所指的元素索引

元素索引——（元素的行下标-1）* 列数+元素的列下标

bIndex =b中ib所指的元素索引

判断tIndex>bIndex 还是tIndex=bIndex，确定it所指的元素是在ib所指的元素之前，之后还是进行相加运算,并只在和不为0时才加入c。

复制剩余元素

template<class T>
void sparseMatrix<T>::Add(sparseMatrix<T>&b,sparseMatrix<T>&c)
{//计算c=（*this）+b. 
    //检验相容性
	if (rows != b.rows || cols != b.cols)
		throw matrixSizeMismatch();//不能相加
	//设置结果矩阵c的特征
    c.rows = rows;
    c.cols = cols;
	c.terms.clear() = 0;//初值
    int cSize = 0;
	//定义*this和b的迭代器
	arrayList<matrixTerm<T>>::iterator it = terms.begin();
    arrayList<matrixTerm<T>>::iterator ib = b.terms.begin();
    arrayList<matrixTerm<T>>::iterator itEnd = terms.end();
    arrayList<matrixTerm<T>>::iterator ibEnd = b.terms.end();
	//遍历*this和b，把相关的元素值相加
    while(it!=itEnd && ib!= ibEnd)
	{
        //每一个元素的行主索引+列数
        int tIndex = (*it).row * cols + (*it).col;
        int bIndex = (*ib).row * cols + (*ib).col;
        if(tIndex < bIndex)//b的元素在后
		{
            //*this的下一个元素
            c.terms.insert(cSize++,*it);
            it++;
        }
        else 
        {
            if (tIndex == bIndex)//位置相同
			{
                //仅当和不为0时才添加到c中
                if((*it).value + (*ib).value != 0)
                {
                    matrixTerm<T>mTerm;
                    mTerm.row = (*it).row;
                    mTerm.col = (*it).col;
					mTerm.value =(*it).value +(*ib).value;
                    c.terms.insert(cSize++,mTerm);
                }
                //*this和b的下一个元素
                it++;
                ib++;
            }
        	else
            {//b的下一个元素
                c.terms.insert(cSize++,*ib);
                ib++;
            }
        }
    }
	//复制剩余元素
    for(;it != itEnd; it++)
        c.terms.insert(cSize++,*it);
    for(;ib != ibEnd; ib++)
        c.terms.insert(cSize++,*ib);
}

7.4.3 用多个线性表描述

行主映射和列主映射,数据结构、算法与应用,# 数据结构笔记合集,矩阵,c++,算法,数据结构文章来源地址https://www.toymoban.com/news/detail-793898.html

到了这里，关于数据结构 | 第七章：数组和矩阵 | 行主映射和列主映射 | 稀疏矩阵的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

数据结构 | 第七章：数组和矩阵 | 行主映射和列主映射 | 稀疏矩阵

7.1 数组

7.1.1 抽象数据类型

7.1.2 C++数组的索引

7.1.3 行主映射和列主映射

7.1.4 用数组的数组来描述

7.1.5 行主描述和列主描述

7.2 矩阵

7.2.1 定义和操作

7.2.2 类matrix

matrix类声明

matrix类的构造函数

matrix类的复制构造函数

matrix类对`()`的重载

matrix类对`=`的重载

matrix类对`+`的重载

matrix类对`*`的重载

7.3 特殊矩阵

7.3.1 定义和应用

7.3.2 对角矩阵

类diagonalmatrix声明

diagonalMatrix::get

diagonalMatrix:: set

7.3.3 三对角矩阵

tridiagonalMatrix::get

7.3.4 三角矩阵

7.3.5 对称矩阵

7.4 稀疏矩阵

7.4.1 基本概念

7.4.2 用单个线性表描述

类sparseMatrix声明

类sparseMatrix中的矩阵转置

类sparseMatrix中的两个稀疏矩阵相加

7.4.3 用多个线性表描述

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2

数据结构 | 第七章：数组和矩阵 | 行主映射和列主映射 | 稀疏矩阵

7.1 数组

7.1.1 抽象数据类型

7.1.2 C++数组的索引

7.1.3 行主映射和列主映射

7.1.4 用数组的数组来描述

7.1.5 行主描述和列主描述

7.2 矩阵

7.2.1 定义和操作

7.2.2 类matrix

matrix类声明

matrix类的构造函数

matrix类的复制构造函数

matrix类对()的重载

matrix类对=的重载

matrix类对+的重载

matrix类对*的重载

7.3 特殊矩阵

7.3.1 定义和应用

7.3.2 对角矩阵

类diagonalmatrix声明

diagonalMatrix::get

diagonalMatrix:: set

7.3.3 三对角矩阵

tridiagonalMatrix::get

7.3.4 三角矩阵

7.3.5 对称矩阵

7.4 稀疏矩阵

7.4.1 基本概念

7.4.2 用单个线性表描述

类sparseMatrix声明

类sparseMatrix中的矩阵转置

类sparseMatrix中的两个稀疏矩阵相加

7.4.3 用多个线性表描述

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2

matrix类对`()`的重载

matrix类对`=`的重载

matrix类对`+`的重载

matrix类对`*`的重载