稀疏矩阵相加——三元组

1. 稀疏矩阵

一个阶数较大的矩阵中的非零元素个数s相对于矩阵元素的总个数 t 很小时，即s<ts<t，称该矩阵为稀疏矩阵。
比如：在一个100×100的矩阵中，其中只有100个非零元素，而非零元素相对于矩阵中的元素总个数10000很小，那么该矩阵为稀疏矩阵。

2. 稀疏矩阵的压缩存储方法

对于稀疏矩阵来说，如果我们还是用100×100的方式来存储的话，显然是非常浪费的，因此我们可以采用一种稀疏矩阵的压缩存储方式，即三元组方式。
  三元组方式存储数据的策略是只存储非零元素。但是稀疏矩阵中非零元素的分布是没有任何规律的，在这种情况下，存储方案是：
1.存储非零元素
2.同时存储该非零元素所对应的行下标和列下标
3.稀疏矩阵中的每一个非零元素需由一个三元组(i, j, aijaij)唯一确定,稀疏矩阵中的所有非零元素构成三元组线性表，三元组中的i就是行下标，j是列下标，aijaij是对应的元素值。

typedef struct{
	int i;
	int j;
	datatype v;
}node;

typedef struct
{
	int t; //非零元素个数
	int m; //行数
	int n; //列数
	node data [MAX];
}spmatrix;

稀疏矩阵相加——三元组

spmatrix * add(spmatrix *a,spmatrix *b)
{
	spmatrix *c;
	int cno,ano,bno;//记录三个数据结构中的数值分别计算到哪了
	if(a->m!=b->m || a->n!=b->n)
		return NULL;
	c=(spmatrix *)malloc(sizeof(spmatrix));
	c->m=a->m;
	c->n=a->n;
	cno=bno=ano=0;

	while(ano<a->t&&bno<b->t)
	{
		if(a->data[ano].i = b->data[bno].i&&a->data[ano].j = b->data[bno].j)
		{
			//相加非零再进行操作
			if(a->data[ano].v+b->data[bno].v)
			{
				c->data[cno].i=a->data[ano].i;
				c->data[cno].j=a->data[ano].j;
				c->data[cno].v=a->data[ano].v+b->data[bno].v;
				cno++;
			}
			ano++;
			bno++;
		}
		else if(a->data[ano].i < b->data[bno].i || (a->data[ano].i==b->data[bno].i&&a->data[ano].j<b->data[bno].j) )
		{
			c->data[cno].i=a->data[ano].i;
			c->data[cno].j=a->data[ano].j;
			c->data[cno].v=a->data[ano].v;
			cno++;
			ano++;
		}
		else if(b->data[bno].i < a->data[ano].i || (b->data[bno].i==a->data[ano].i&&b->data[bno].j<a->data[ano].j) )
		{
			c->data[cno].i=b->data[bno].i;
			c->data[cno].j=b->data[bno].j;
			c->data[cno].v=b->data[bno].v;
			cno++;
			bno++;
		}	
	}
	while(ano<a->t)
	{
			c->data[cno].i=a->data[ano].i;
			c->data[cno].j=a->data[ano].j;
			c->data[cno].v=a->data[ano].v;
			cno++;
			ano++;
	}
	while(bno<a->t)
	{
			c->data[cno].i=b->data[bno].i;
			c->data[cno].j=b->data[bno].j;
			c->data[cno].v=b->data[bno].v;
			cno++;
			bno++;
	}
	c->t=cno;
	return c;
}