数据结构学习笔记二

数据结构学习笔记二

数组与结构（1）

一、ADT稀疏矩阵

1、存储结构

a、三元组

我想稀疏的矩阵的定义我就不需要说了吧，如果有人不知道的，请查询线性代数。

如果直接用二维数组来存储矩阵，确实是很方便的，其逻辑结构和存储结构雷同，易于处理各种操作，简单直观。但是，如果是稀疏矩阵呢？很显然，如果稀疏矩阵很大的话，就浪费了大量的存储空间（所有为零的元素），实在很不经济。为此，我们可以用一个三元组的数据结构来表示三元组：

稀疏矩阵之所以浪费空间，是因为有大量的重复的零元素占着内存空间，却并没有什么实际作用，于是我们只需要保存所有的非零元素，这样就能节省大量存储单元了，但是要如何保存才能保证矩阵原来的逻辑结构不被打乱？要确定矩阵中任意一个非零元素的信息，需要三个量：元素的行号、元素的列号和元素的值，这就像二维坐标系中的横坐标和纵坐标，用来确定一个点的位置。这里我们用行号和列号来确定元素的位置。既然如此，我们的三元组的存储结构就出来了，只要存储每一个非零元素的行号、列号和元素值这三个量就行了。我们只需要定义一个结构体，结构体中包含以上三个量，再用该结构体定义一个数组，用来存储所有的非零元素。其中，这个数组是按照系数矩阵的行号由小到大排列的。（详细代码后面给出）

b、十字链表

三元组好是好，但也有它的缺点，它的缺点就是，三元组数组是按照行序排列的，这样也是为了方便在矩阵上的各种操作，但也给添加和删除元素带来不便，每次添加和删除元素都要移动其他的元素，这大大增加了程序的开销。如何避免这样的情况呢？自然而然就联想到了数组和链表的关系，链表就是为了解决数组增加删除操作的不便性而产生的，于是，此处我们可以采用链表的存储结构来存储稀疏矩阵的非零元素。具体做法是：链表中的每个结点有5个域，行号、列号、元素值、向右指针和向下指针。如图所示：

 

稀疏矩阵中同一行的非零元素通过right指针域按“列号顺序”链接成一个线性链表，同一列的非零元素则通过down指针域按“行号顺序”链接成一个线性表。这样每个元素既是某个行链表中的一个结点，同时又是某个列链表中的一个结点，每个结点好像在一个十字路口上，所以称为十字链表法。（在这个可能会有点绕人，大家可以看下面给出的图）为了正确表示这种复杂的链表结构，我们还需要另外引入两个一维数组，分别存储各个行链表的头指针和各个列链表的头指针，然后用这两个数组表示十字链表，如图所示：

 

2、存储结构上的操作算法

a、三元组

矩阵本身有很多的运算，我在这只列出其中最长用的一些运算，并在三元组的基础上用算法实现它：转置、加法、减法、乘法。

转置：

朴素转置：

用三元组存储的矩阵转置其实是很简单的，只需要把三元组的行号和列号交换就是了。但是，三元组数组是按照行号顺序排列下来的，这意味着，在进行转置之后的数组将是乱序的。解决这样的个问题有两种做法：

1、在进行交换的时候按照列的顺序来交换，这样就能保证转置后的矩阵是按照行序的。

2、进行交换的时候按照行序，转置完后对新的的数组进行排序，但此时的排序是有两个关键字的，行序和列序。

不管采用以上哪种方式，都是必须嵌套两层循环的，即时间复杂度是平方级的，开销太大了。

有没有办法把时间复杂度降低到线性级的了？这就引出下面要介绍的快速转置算法：

快速转置：

快速转置的思想是，进过一次扫描就能生成转置矩阵且不需要附加的修改。其实要达到这个目的，也是很容易的，