矩阵逆置（图解详讲）

最新推荐文章于 2024-07-25 23:26:35 发布
最新推荐文章于 2024-07-25 23:26:35 发布
阅读量1.6k 收藏 5
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_63010894/article/details/124854317
版权

矩阵 线性代数 算法

目录

一、矩阵逆置

1.压缩矩阵

矩阵逆置就是把 element[i][j] 换成 element[j][i] 。
而对于在这里插入图片描述
i为列的下标，j为行的下标。
这样的矩阵，有无效数字0，我们无需处理，因此我们采用压缩矩阵，如下图
在这里插入图片描述
类似于我们只需处理这个压缩矩阵。

2.结构体的建立

typedef struct Triple 
{
    int i;
    int j;
    ElemType e;
}Triple, *TriplePtr;

typedef struct CompressedMatrix 
{
    int rows;
    int columns;
    int numElements;
    Triple* elements;
} CompressedMatrix, * CompressedMatrixPtr;

3.初始化矩阵

CompressedMatrixPtr initCompressedMatrix(int paraRows, int paraColumns, int paraElements, int** paraData)
{
    CompressedMatrixPtr resultPtr = new struct CompressedMatrix;

    resultPtr->rows = paraRows;
    resultPtr->columns = paraColumns;
    resultPtr->numElements = paraElements;

    resultPtr->elements = new Triple[paraElements];

    for (int 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;
}

在这里插入图片描述
通过压缩矩阵，建立这样一个可扫描的矩阵。

4.矩阵逆置（核心）

CompressedMatrixPtr transposeCompressedMatrix(CompressedMatrixPtr paraPtr)
{
    //Step 1.分配空间
    int i, tempColum, tempPosition;
   
    int* tempColumnCounts = new int[paraPtr->columns];//临时列数
    int* tempOffsets = new int[paraPtr->columns];//临时开端数组

    for (i = 0; i < paraPtr->columns; i++)
    {
        tempColumnCounts[i] = 0;
    }

    CompressedMatrixPtr resultPtr = new struct CompressedMatrix;

    resultPtr->rows = paraPtr->columns;
    resultPtr->columns = paraPtr->rows;
    resultPtr->numElements = paraPtr->numElements;

    resultPtr->elements = new Triple[paraPtr->numElements];

    //Step 2.0 一次扫描以计算开端数
    for (int i = 0; i < paraPtr->numElements; i++)
    {
        tempColumnCounts[paraPtr->elements[i].j]++;
    }//3.1.2数量

    //Step 2.1 开端数字所在的行数开头下标
    tempOffsets[0] = 0;
    for (int i = 1; i < paraPtr->columns; i++)
    {
        tempOffsets[i] = tempOffsets[i - 1] + tempColumnCounts[i - 1];
        printf("tempOffsets[%d] = %d \r\n", i, tempOffsets[i]);//测试代码
    } //0.1.2开头下标0,3,4

    //Step 3.再次扫描以填充数据
    for (int i = 0; i < paraPtr->numElements; i++)
    {
        tempColum = paraPtr->elements[i].j;
        tempPosition = tempOffsets[tempColum];

        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[tempColum]++;
    }

    return resultPtr;
}

先从step.2.0开始说起，由于i,j是原矩阵的行数和列数，我们要换成j,i的形式。就得先处理行的开头问题。因此就必须先对原来的j所在的那一列进行扫描，也就是下面表紫色的那一列。对应的代码就是step2里面的forx循环。在这里插入图片描述由于本列中只出现了0 1 2三个数，也就说明了逆置后的矩阵行数开头的数字也就是只有 0 1 2 。扫描的过程中，其实就是一个计数的过程。扫描最终得到 tempColumnCounts[paraPtr->elements[i].j]数组，如图
在这里插入图片描述
接下里就是step.2.1 这一步是在计算出，行开端以0 1 2的，他们所在的初始行数。也就是为了得到如下图)
在这里插入图片描述
这个图的意思就是，行开端以0开头的有3个，以1开头的有1个，以2开头的有2个。
进而得到：
在这里插入图片描述
最后就是step.3 我们再次采用for循环，这里大家思考一个问题：本段采用了三次for循环，他们的判断条件为什么会是那样的呢？ 我们继续step.3的讲解。这个for循环也就是再次对原来的第j所在列进行扫描，执行的也就是step.2.0的扫描动作，只不过扫描时，采取的操作不一样。下面根据图示走一个在这里插入图片描述
第一次扫描的j为0,（标红）

第一次对原来矩阵第0行进行逆置，开头放在新的矩阵的第0行，逆置依次如下结果:
在这里插入图片描述
似乎没什么变化，那是因为(0,0)逆置还是在（0，0）没关系，我们再走一个。第二次扫描到的j为2
在这里插入图片描述
对行开头为2的进行处理也就是 ，得到了
在这里插入图片描述
这样就好理解了。剩下的依次类推。最终逆置的结果如下图
在这里插入图片描述
逆置完毕

5.完整代码

#include <stdio.h>
#include <malloc.h>
#include <stdlib.h>

typedef int ElemType;


typedef struct Triple 
{
    int i;
    int j;
    ElemType e;
}Triple, *TriplePtr;

typedef struct CompressedMatrix 
{
    int rows;
    int columns;
    int numElements;
    Triple* elements;
} CompressedMatrix, * CompressedMatrixPtr;

CompressedMatrixPtr initCompressedMatrix(int paraRows, int paraColumns, int paraElements, int** paraData)
{
    CompressedMatrixPtr resultPtr = new struct CompressedMatrix;

    resultPtr->rows = paraRows;
    resultPtr->columns = paraColumns;
    resultPtr->numElements = paraElements;

    resultPtr->elements = new Triple[paraElements];

    for (int 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;
}
void printCompressedMatrix(CompressedMatrixPtr paraPtr) 
{
    for (int i = 0; i < paraPtr->numElements; i++)
    {
        printf("(%d, %d): %d \r\n", paraPtr->elements[i].i, paraPtr->elements[i].j, paraPtr->elements[i].e);
    }

}

CompressedMatrixPtr transposeCompressedMatrix(CompressedMatrixPtr paraPtr)
{
    //Step 1.分配空间
    int i, tempColum, tempPosition;
   
    int* tempColumnCounts = new int[paraPtr->columns];//临时列数
    int* tempOffsets = new int[paraPtr->columns];//临时开端数组

    for (i = 0; i < paraPtr->columns; i++)
    {
        tempColumnCounts[i] = 0;
    }

    CompressedMatrixPtr resultPtr = new struct CompressedMatrix;

    resultPtr->rows = paraPtr->columns;
    resultPtr->columns = paraPtr->rows;
    resultPtr->numElements = paraPtr->numElements;

    resultPtr->elements = new Triple[paraPtr->numElements];

    //Step 2. 一次扫描以计算开端数
    for (int i = 0; i < paraPtr->numElements; i++)
    {
        tempColumnCounts[paraPtr->elements[i].j]++;
    }//3.1.2数量

    tempOffsets[0] = 0;

    //Step 2.1  0.1.2开头下标0,3,4
    for (int i = 1; i < paraPtr->columns; i++)
    {
        tempOffsets[i] = tempOffsets[i - 1] + tempColumnCounts[i - 1];
        printf("tempOffsets[%d] = %d \r\n", i, tempOffsets[i]);//测试代码
    }

    //Step 3.再次扫描以填充数据
    for (int i = 0; i < paraPtr->numElements; i++)
    {
        tempColum = paraPtr->elements[i].j;
        tempPosition = tempOffsets[tempColum];

        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[tempColum]++;
    }

    return resultPtr;
}

void compressedMatrixTest() {
    CompressedMatrixPtr tempPtr1 =NULL,tempPtr2 = NULL;
    int i, j, tempElements;

    //Construct the first sample matrix.
    tempElements = 6;

    int** tempMatrix1 = new int* [tempElements];
    for (i = 0; i < tempElements; i++) {
        tempMatrix1[i] = new int[3];

    }

    int tempMatrix2[6][3] = { {0, 0, 2}, {0, 2, 3}, {2, 0, 5}, {2, 1, 6},{3, 0, 4},{3, 2, 7} };
    for (i = 0; i < tempElements; i++) 
    {
        for (j = 0; j < 3; j++) 
        {
            tempMatrix1[i][j] = tempMatrix2[i][j];
        }
    }

    tempPtr1 = initCompressedMatrix(2, 5, 6, tempMatrix1);//行：012 三行；列:012345 六列

    printf("After initialization.\r\n");
    printCompressedMatrix(tempPtr1);

    tempPtr2 = transposeCompressedMatrix(tempPtr1);
    printf("After transpose.\r\n");
    printCompressedMatrix(tempPtr2);
}

int main() 
{
    compressedMatrixTest();

    system("pause");
    return 0;
}

6.运行展示

在这里插入图片描述

C++New不出对象
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
193 矩阵逆置 C语言源代码文件
06-02
193 矩阵逆置 C语言源代码文件
精选_三元组存储稀疏矩阵实现逆置_源码打包
03-08
总的来说，这个“精选_三元组存储稀疏矩阵实现逆置_源码打包”主题涵盖了稀疏矩阵的三元组存储、逆矩阵计算、线性代数方法以及源码实现等多个关键知识点。深入研究这部分内容将有助于提升在数值计算、图形处理、机器...
矩阵逆置，三元组输出
05-15
#include using namespace std; #define M 4 #define N 3 #define maxsize 10 typedef struct { int r; int c; int d;...void CreateMat(TSMatrix &t,int A[M][N]) //从一个二维矩阵创建一个三元组
三元组顺序表的稀疏矩阵快速逆置 c
05-14
三元组表形式输入的稀疏矩阵快速转置严格按照严蔚敏版算法实现 带有注释和算法分析
链表的逆置
10-18
链表的逆置，完全由自己完成的，算法自我感觉还不错，十分简洁。自我实现的算法，挺开心。
Leetcode—74. 搜索二维矩阵【中等】
Atticus的博客
07-25 320
运行结果 之后我会持续更新，如果喜欢我的文章，请记得一键三连哦，点赞关注收藏，你的每一个赞每一份关注每一次收藏都将是我前进路上的无限动力 ！！！↖(▔▽▔)↗感谢支持！
微积分-微分应用2（平均值定理）
weixin_45911156的博客
07-20 1148
平均值定理
学习记录day18——数据结构 算法
weixin_64918301的博客
07-24 887
程序 = 数据结构 + 算法算法是程序设计的灵魂，结构式程序设计的肉体算法：计算机解决问题的方法护额步骤。
蓝桥杯 2024 年第十五届省赛真题 —— 最大异或结点
执梗的博客
07-23 1561
蓝桥杯 2024 年第十五届省赛真题 —— 最大异或结点
打卡第22天------回溯算法
GodLoveMe的博客
07-24 682
开始学习了，希望我可以尽快成功上岸！
C语言100道基础拔高题（1）
2303_78660417的博客
07-23 2759
最后按最小值，中间值，最大值的顺序打印即可。解题思路：首先输出由这几个数字所组成的所有三位数，接着再设置条件，使其输出的三位数不重复，下面我们来看下源代码。值得注意的是：所以题目的代码都是作者自行编写，如有更好的思路或者代码的优化，还请指出更正。解题思路：首先找到能整除这个正整数的最小正数，接着重置循环初值，让它继续查找最小正数，最后将得到的所有正数放到一个数组里，最后设置好格式之后循环打印出来。解题思路：首先确定好区间，接着判断是否是素数，素数就是一个大于1的数，除了1和它本身之外，不能被其他数整除。
【CodinGame】趣味算法 CLASH OF CODE - 20240724
weixin_73002968的博客
07-24 365
eval不安全，看情况使用。
2024秋招算法
weixin_43364551的博客
07-22 2052
根据代码随想录和力扣进行算法训练的笔记
算法 —— 暴力枚举
fen_0108的博客
07-25 3317
第二看纵向宽发生改变，长重置为1，长为1，宽为2的时候，第一行个数为7个，总共有5 x 7 个，长为2，宽为2的时候 第一行个数为6个，共有5 x 6个……首先是横着的长方形，宽始终为1，长不断发生改变，可以看出长为2的时候，第一行个数为6个，总共有6 x 6个，长为3的时候，总共有6 x 5个……这是一道简单的模拟题，枚举出所有可能情况，不会超过规定时间的，以下附上k
河南萌新联赛2024第（二）场：南阳理工学院
a13997460860的博客
07-25 1213
这场比赛里面出到了很多的题，都是需要很多的时间去写，主要考察到了代码的实现能力，与codeforces里面的题有些差距。codeforces打多了还是有点不习惯的。题挺好的，尤其是H题感觉很考代码实现能力与STL的使用熟练度。多写写这样的题还是对我们很有好处的。只不过前三题都太水了，没有一点难度。
力扣34题 双二分查找（简单易懂）
xiaoye7288的博客
07-24 522
正如本题解描述，想清楚三种情况之后，先专注于寻找右区间，然后专注于寻找左区间，左右根据左右区间做最后判断。
大模型算法面试题（十一）
m0_63997552的博客
07-24 1193
数据并行和模型并行各有其优缺点和适用场景。数据并行适用于数据量大、模型规模适中的情况，可以充分利用分布式系统的计算资源来加速训练过程。而模型并行则适用于模型规模极大、无法在单个计算节点上完整加载的情况，通过分割模型来降低内存需求并提高计算效率。在实际应用中，可以根据具体任务的需求和可用硬件资源来选择合适的并行策略，或者将两种策略结合使用以获得最佳性能。
2024.7.24 作业
qq_64434282的博客
07-24 1971
【代码】2024.7.24 作业。
qt练习控件label控件-lineEdit控件样例代码
最新发布
07-30
qt练习控件label控件-lineEdit控件样例代码
c 语言矩阵逆置问题
05-24
矩阵逆置即将矩阵的行与列互换。可以通过两层循环来实现： ```c #include int main() { int a[3][3] = {{1,2,3}, {4,5,6}, {7,8,9}}; int b[3][3]; int i, j; // 输出原始矩阵 printf("原始矩阵：\n"); ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值