数据代码 C 代码10：二维数组与矩阵乘法&&压缩矩阵的转置

一.二维数组与矩阵乘法

1.二维数组简单讲就是：数组元素是数组的数组

var grades = [[10, 20, 30], [40, 50,60], [70, 80, 90]] 

数组grades的每一个元素都是数组。相当于构建了一个3x3的数据表格：

10 20 30
40 50 60
70 80 90

2.矩阵乘法
矩阵乘法是一种高效的算法可以把一些一维递推优化到log(n)，还可以求路径方案等，所以更是一种应用性极强的算法。必须注意的是，只有当矩阵A的列数与矩阵B的行数相等时A×B才有意义。

一般单说矩阵乘积时，指的便是一般矩阵乘积。若A为m×n矩阵，B为n×p矩阵，则他们的乘积AB(有时记做A·B）会是一个m×p矩阵。其乘积矩阵的元素如下面式子得出：

从百度百科里摘两个例子：

3.代码实现（描摹代码）

#include <stdio.h>
#include <malloc.h>
#include <stdlib.h>
 
#define ROWS 4
#define COLUMNS 5
 
//动态数组
typedef struct TwoDArray
{
	int rows;
	int columns;
	int** elements;
 } TwoDArry, *TwoDArrayPtr;
 
//静态数组
typedef struct TwoDStaticArrray
{
	int rows;
	int columns;
	int elements[ROWS][COLUMNS];
} TwoDStaticArray, *TwoDStaticArrayPtr;
 
//静态数组初始化
TwoDStaticArrayPtr initTwoDStaticArray()
{
	int i, j;
	TwoDStaticArrayPtr resultPtr = (TwoDStaticArrayPtr)malloc(sizeof(TwoDStaticArray));
	resultPtr->rows = ROWS;
	resultPtr->columns = COLUMNS;
	for(i = 0; i < ROWS; i ++)
	{
		for(j = 0; j < COLUMNS; j ++)
		{
			resultPtr->elements[i][j] = i * 10 + j;
			//打印地址 
			printf("(%d, %d): %d; ", i, j, &(resultPtr->elements[i][j]));
		}
	}
	
	return resultPtr;
}
 
//动态数组
//初始化
TwoDArrayPtr initTwoDArray(int paraRows,int paraColumns)
{
	int i;
	TwoDArrayPtr resultPtr = (TwoDArrayPtr)malloc(sizeof(struct TwoDArray));
	resultPtr->rows = paraRows;
	resultPtr->columns = paraColumns;
	resultPtr->elements = (int**)malloc(paraRows * sizeof(int*));
	for(i = 0;i < paraRows;i++)
	{
		resultPtr->elements[i] = (int*)malloc(paraColumns * sizeof(int));
	}
	return resultPtr;
}
 
//随机数赋值
void randomizeTwoDArray(TwoDArrayPtr paraPtr,int paraLowerBound,int paraUpperBound)
{
	int i,j;
	for(i = 0;i < paraPtr->rows;i++)
	{
		for(j = 0;j < paraPtr->columns;j++)
		{
			paraPtr->elements[i][j] = rand() % (paraUpperBound - paraLowerBound) + paraLowerBound;
		}
	}
 }
 
//打印
void printTwoDArray(TwoDArrayPtr paraPtr)
{
	int i,j;
	for(i = 0;i < paraPtr->rows;i++)
	{
		for(j = 0;j < paraPtr->columns;j++)
		{
			if(j == paraPtr->columns-1)
				printf("%d ",paraPtr->elements[i][j]);
			else
				printf("%d, ",paraPtr->elements[i][j]);
		}
		printf("\n");
	}
 }
 
//矩阵相乘
TwoDArrayPtr matrixMultiply(TwoDArrayPtr paraPtr1,TwoDArrayPtr paraPtr2)
{
	int i,j,k,sum;
	if(paraPtr1->columns != paraPtr2->rows)
	{
		printf("矩阵不能相乘.\n");
		return NULL;
	}
	TwoDArrayPtr resultPtr = initTwoDArray(paraPtr1->rows,paraPtr2->columns);
	for(i = 0;i < paraPtr1->rows;i++)
	{
		for(j = 0;j < paraPtr2->columns;j++)
		{
			sum = 0;
			for(k = 0;k < paraPtr1->columns;k++)
			{
				sum += paraPtr1->elements[i][k] * paraPtr2->elements[k][j];
			}
			resultPtr->elements[i][j] = sum;
			if(j == paraPtr2->columns-1)
				printf("sum = %d",sum);
			else
				printf("sum = %d, ",sum);
		}
		printf("\n");
	}
	return resultPtr;
 } 
 
//测试
void twoDArrayTest()
{
	TwoDArrayPtr tempPtr1, tempPtr2, tempPtr3;
	tempPtr1 = initTwoDArray(3, 2);
	randomizeTwoDArray(tempPtr1, 1, 6);
	printf("第一个矩阵:\r\n");
	printTwoDArray(tempPtr1);
 
	tempPtr2 = initTwoDArray(2, 4);
	randomizeTwoDArray(tempPtr2, 4, 10);
	printf("第二个矩阵:\r\n");
	printTwoDArray(tempPtr2);
 
	tempPtr3 = matrixMultiply(tempPtr1, tempPtr2);
	printf("计算结果:\r\n");
	printTwoDArray(tempPtr3);
}
 
int main()
{
	twoDArrayTest();
	printf("静态矩阵:\n");
	TwoDStaticArrayPtr tempPtr = initTwoDStaticArray();
	return 1;
}

4.测试结果

第一个矩阵:
2, 3
5, 1
5, 5
第二个矩阵:
4, 4, 8, 6
9, 9, 5, 7
sum = 35, sum = 35, sum = 31, sum = 33
sum = 29, sum = 29, sum = 45, sum = 37
sum = 65, sum = 65, sum = 65, sum = 65
计算结果:
35, 35, 31, 33
29, 29, 45, 37
65, 65, 65, 65

二.压缩矩阵的转置

1.为什么要对矩阵进行压缩存储呢？对于一个nm的矩阵，我们一般会想到开一个nm的二维数组来存储，这样计算操作都很方便模拟，但当一个矩阵很大时，这样对于空间的开销与浪费是很可怕的，尤其是当矩阵变成多维时。但我们往往不会在矩阵每一个位置都存有数据，很多矩阵元素其实是0，我们需要记录的只是那些非零元素，于是我们可以记录非零元素的位置与值，这样便可以大大减少空间上的浪费。

2.代码实现（描摹代码）

#include <stdio.h>
#include <malloc.h>
 
typedef int elem;
/**
 * 行索引、列索引和数据的三元组。
 */
typedef struct Triple {
	int i;
	int j;
	elem e;
} Triple, *TriplePtr;
 
/**
 * 行索引、列索引和数据的三元组。
 */
typedef struct CompressedMatrix {
	int rows, columns, numElements;
	Triple* elements;
} CompressedMatrix, *CompressedMatrixPtr;
 
/**
 * @brief 初始化一个压缩矩阵。
 *
 * @param paraColumns
 * @param paraData
 * @param paraElements
 * @param paraRows
 *
 * @return
 */
CompressedMatrixPtr initCompressedMatrix(int paraRows, int paraColumns, int paraElements, int** paraData) {
	int i;
	//申请一个矩阵
	CompressedMatrixPtr resultPtr = (CompressedMatrixPtr)malloc(sizeof(struct CompressedMatrix));
	resultPtr->rows = paraRows;
	resultPtr->columns = paraColumns;
	resultPtr->numElements = paraElements;
	//申请矩阵的存储库
	resultPtr->elements = (TriplePtr)malloc(paraElements * sizeof(struct Triple));
	//把二维数组的值存入矩阵存储库中
	for (i = 0; i < paraElements; i ++) {
		resultPtr->elements[i].i = paraData[i][0];
		resultPtr->elements[i].j = paraData[i][1];
		resultPtr->elements[i].e = paraData[i][2];
	}
 
	return resultPtr;
}
 
/**
 * @brief 打印矩阵
 *
 * @param paraPtr
 */
void printCompressedMatrix(CompressedMatrixPtr paraPtr) {
	int i;
	for (i = 0; i < paraPtr->numElements; i ++) {
		printf("(%d, %d): %d\n", paraPtr->elements[i].i, paraPtr->elements[i].j, paraPtr->elements[i].e);
	}
}
 
/**
 * @brief 转置一个压缩矩阵。
 *
 * @param paraPtr
 *
 * @return
 */
CompressedMatrixPtr transposeCompressedMatrix(CompressedMatrixPtr paraPtr) {
	
	//第一步，分配空间。
	int i, tempColumn, tempPosition;
	int *tempColumnCounts = (int*)malloc(paraPtr->columns * sizeof(int));
	int *tempOffsets = (int*)malloc(paraPtr->columns * sizeof(int));
	for (i = 0; i < paraPtr->columns; i ++) {
		tempColumnCounts[i] = 0;
	}
 
	CompressedMatrixPtr resultPtr = (CompressedMatrixPtr)malloc(sizeof(struct CompressedMatrix));
	resultPtr->rows = paraPtr->columns;
	resultPtr->columns = paraPtr->rows;
	resultPtr->numElements = paraPtr->numElements;
 
	resultPtr->elements = (TriplePtr)malloc(paraPtr->numElements * sizeof(struct Triple));
 
	//第2步，一次扫描以计算转置后的值。
	printf("需要转置，定义tempOffsets[]存储需要转置的值\n");
	for (i = 0; i < paraPtr->numElements; i ++) {
		tempColumnCounts[paraPtr->elements[i].j] ++;
	}
	tempOffsets[0] = 0;
	for (i = 1; i < paraPtr->columns; i ++) {
		tempOffsets[i] = tempOffsets[i - 1] + tempColumnCounts[i - 1];
		printf("tempOffsets[%d] = %d \n", i, tempOffsets[i]);
	}
 
	//第三步，再次扫描填充数据。
	for (i = 0; i < paraPtr->numElements; i ++) {
		tempColumn = paraPtr->elements[i].j;
		tempPosition = tempOffsets[tempColumn];
		resultPtr->elements[tempPosition].i = paraPtr->elements[i].j;
		resultPtr->elements[tempPosition].j = paraPtr->elements[i].i;
		resultPtr->elements[tempPosition].e = paraPtr->elements[i].e;
 
		tempOffsets[tempColumn]++;
	}
 
	return resultPtr;
}
 
/**
 * @brief 测试压缩矩阵。
 */
void compressedMatrixTest() {
	printf("---- transposeCompressedMatrix 测试开始 ----\n");
	CompressedMatrixPtr tempPtr1, tempPtr2;
	int i, j, tempElements;
 
	//构造第一个样本矩阵。
	tempElements = 4;
	int** tempMatrix1 = (int**)malloc(tempElements * sizeof(int*));
	for (i = 0; i < tempElements; i ++) {
		tempMatrix1[i] = (int*)malloc(3 * sizeof(int));
	}
 
	int tempMatrix2[5][3] = {{0, 0, 2}, {0, 2, 3}, {2, 0, 5}, {2, 1, 6}};
	for (i = 0; i < tempElements; i ++) {
		for (j = 0; j < 3; j ++) {
			tempMatrix1[i][j] = tempMatrix2[i][j];
		}
	}
 
	tempPtr1 = initCompressedMatrix(2, 3, 4, tempMatrix1);
 
	printf("初始化后：\n");
	printCompressedMatrix(tempPtr1);
 
	tempPtr2 = transposeCompressedMatrix(tempPtr1);
	printf("转置后：\n");
	printCompressedMatrix(tempPtr2);
	printf("---- transposeCompressedMatrix 测试结束 ----\n");
}
 
int main() {
	compressedMatrixTest();
	return 1;
}

3.运行结果

---- transposeCompressedMatrix 测试开始 ----
初始化后：
(0, 0): 2
(0, 2): 3
(2, 0): 5
(2, 1): 6
需要转置，定义tempOffsets[]存储需要转置的值
tempOffsets[1] = 2
tempOffsets[2] = 3
转置后：
(0, 0): 2
(0, 2): 5
(1, 2): 6
(2, 0): 3
---- transposeCompressedMatrix 测试结束 ----
 
--------------------------------
Process exited after 0.0382 seconds with return value 1
请按任意键继续. . .