数组与链表算法-矩阵算法

目录

数组与链表算法-矩阵算法

矩阵相加

C++代码

矩阵相乘

C++代码

转置矩阵

C++代码

稀疏矩阵

C++代码


数组与链表算法-矩阵算法

矩阵相加

矩阵的相加运算较为简单,前提是相加的两个矩阵对应的行数与列数必须相等,而相加后矩阵的行数与列数也是相同的。【

C++代码

cpp 复制代码
#include<iostream>
using namespace std;

void MaterixAdd(int* arrA, int* arrB, int* arrC, int dimX, int dimY) {
	if (dimX <= 0 || dimY <= 0) {
		cout << "矩阵维数必须大于0" << endl;
		return;
	}
	for (int row = 0; row < dimX; row++) {
		for (int col = 0; col < dimY; col++) {
			arrC[row * dimX + col] = arrA[row * dimX + col] + arrB[row * dimX + col];
		}
	}
}

void PrintArr(int* arr, int dimX, int dimY) {
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimY; j++) {
			cout << arr[i * dimX + j] << "\t";
		}
		cout << endl;
	}
}

int main() {
	const int Row = 3;
	const int Col = 3;

	int A[Row][Col] = { {1,3,5},
						{7,9,11},
						{13,15,17} };
	int B[Row][Col] = { {9,8,7},
						{6,5,4},
						{3,2,1} };
	int C[Row][Col] = { 0 };
	cout << "矩阵A的各个元素:" << endl;
	PrintArr(&A[0][0], Row, Col);
	cout << "矩阵B的各个元素:" << endl;
	PrintArr(&B[0][0], Row, Col);
	MaterixAdd(&A[0][0], &B[0][0], &C[0][0], Row, Col);
	cout << "矩阵C的各个元素:" << endl;
	PrintArr(&C[0][0], Row, Col);
	return 0;
}

输出结果

矩阵相乘

两个矩阵A和B的相乘受到某些条件的限制。首先,必须符合A为一个的矩阵,B为一个的矩阵,之后的结果为一个的矩阵C。

C++代码

cpp 复制代码
#include<iostream>
using namespace std;

void MaterixMultiply(int* arrA, int* arrB, int* arrC, int dimX, int dimY) {
	if (dimX <= 0 || dimY <= 0) {
		cout << "矩阵维数必须大于0" << endl;
		return;
	}
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimX; j++) {
			int Temp = 0;
			for(int k = 0;k< dimY;k++){
				arrC[i * dimX + j] += (arrA[i * dimY + k] * arrB[k * dimX + j]);
			}
		}
	}
}

void PrintArr(int* arr, int dimX, int dimY) {
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimY; j++) {
			cout << arr[i * dimY + j] << "\t";
		}
		cout << endl;
	}
}

int main() {
	const int Row = 2;
	const int Col = 3;

	int A[Row][Col] = { {1,2,3},
						{4,5,6} };
	int B[Col][Row] = { {3,4},
						{6,1},
						{2,7} };
	int C[Row][Row] = { 0 };
	cout << "矩阵A的各个元素:" << endl;
	PrintArr(&A[0][0], Row, Col);
	cout << "矩阵B的各个元素:" << endl;
	PrintArr(&B[0][0], Col, Row);
	MaterixMultiply(&A[0][0], &B[0][0], &C[0][0], Row, Col);
	cout << "矩阵C的各个元素:" << endl;
	PrintArr(&C[0][0], Row, Row);
	return 0;
}

输出结果

转置矩阵

转置矩阵()就是把原矩阵的行坐标元素与列坐标元素相互调换。假设的转置矩阵,则有

C++代码

cpp 复制代码
#include<iostream>
using namespace std;

void MaterixTranspose(int* arr, int dimX, int dimY) {
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j <= i; j++) {
			int Temp = arr[i * dimY + j];
			arr[i * dimY + j] = arr[j * dimY + i];
			arr[j * dimY + i] = Temp;
		}
	}
}

void PrintArr(int* arr, int dimX, int dimY) {
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimY; j++)
			cout << arr[i * dimY + j] << "\t";
		cout << endl;
	}
}

int main() {
	const int Row = 3;
	const int Col = 3;

	int arr[Row][Col] = { {1,2,3},
						  {4,5,6},
						  {7,8,9} };
	cout << "原始矩阵:" << endl;
	PrintArr(&arr[0][0], Row, Col);
	MaterixTranspose(&arr[0][0], Row, Col);
	cout << "转置矩阵:" << endl;
	PrintArr(&arr[0][0], Row, Col);
	return 0;
}

输出结果

稀疏矩阵

稀疏矩阵(Sparse Matrix)就是指一个矩阵中的大部分元素为0。对于稀疏矩阵而言,因为矩阵中的许多元素都是0,所以实际存储的数据项很少,如果在计算机中使用传统的二维数组方式来存储稀疏矩阵,就十分浪费计算机的内存空间。

提高内存空间利用率的方法是使用三项式(3-Tuple)的数据结构。我们把每一个非零项用(i, j, item-value)的形式来表示,假如一个稀疏矩阵有n个非零项,那么可以使用一个A(0:n, 1:3)的二维数组来存储这些非零项。

其中,A(0, 1)存储这个稀疏矩阵的行数,A(0,2)存储这个稀疏矩阵的列数,而A(0,3)则存储这个稀疏矩阵非零项的总数。另外,每一个非零项以(i, j, item-value)来表示。其中i为此矩阵非零项所在的行数,j为此矩阵非零项所在的列数,item-value则为此矩阵非零项的值。

A(0, 1):表示此矩阵的行数。

A(0, 2):表示此矩阵的列数。

A(0, 3):表示此矩阵非零项的总数。

这种利用3项式数据结构来压缩稀疏矩阵的方式可以减少对内存的浪费。

C++代码

cpp 复制代码
#include<iostream>
using namespace std;

void MaterixSparse(int* arrSparse, int* arrCompress, int dimX, int dimY) {
	int temp = 1;
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimY; j++) {
			if (arrSparse[i * dimY + j] != 0) {
				arrCompress[temp * 3 + 0] = i;
				arrCompress[temp * 3 + 1] = j;
				arrCompress[temp * 3 + 2] = arrSparse[i * dimY + j];
				temp++;
			}
		}
	}
}

void PrintArr(int* arr, int dimX, int dimY) {
	for (int i = 0; i < dimX; i++) {
		for (int j = 0; j < dimY; j++)
			cout << arr[i * dimY + j] << "\t";
		cout << endl;
	}
}

int main() {
	const int Row = 8;
	const int Col = 9;
	const int NotZero = 8;

	int Sparse[Row][Col] = { {0,0,0,0,0,0,0,0,0},
						     {0,0,0,0,0,0,0,0,0},
						     {0,0,0,0,7,0,0,0,0},
						     {0,0,0,0,0,0,0,0,5}, 
						     {0,0,0,0,0,0,0,0,0}, 
						     {0,0,0,0,0,0,0,0,0}, 
						     {0,0,6,1,8,0,0,0,2}, 
						     {4,0,0,0,0,0,3,0,0} };
	int Compress[NotZero + 1][3]{ 0 };
	Compress[0][0] = Row;
	Compress[0][1] = Col;
	Compress[0][2] = NotZero;
	cout << "稀疏矩阵:" << endl;
	PrintArr(&Sparse[0][0], Row, Col);
	MaterixSparse(&Sparse[0][0], &Compress[0][0], Row, Col);
	cout << "压缩矩阵:" << endl;
	PrintArr(&Compress[0][0], NotZero + 1, 3);
	return 0;
}

输出结果

相关推荐
奇树谦1 分钟前
使用VTK还是OpenGL集成到qt程序里哪个好?
开发语言·qt
嘉陵妹妹4 分钟前
深度优先算法学习
学习·算法·深度优先
VBA633712 分钟前
VBA之Word应用第三章第十节:文档Document对象的方法(三)
开发语言
老胖闲聊22 分钟前
Python Rio 【图像处理】库简介
开发语言·图像处理·python
GalaxyPokemon33 分钟前
LeetCode - 53. 最大子数组和
算法·leetcode·职场和发展
码界奇点42 分钟前
Python Flask文件处理与异常处理实战指南
开发语言·python·自然语言处理·flask·python3.11
贩卖纯净水.1 小时前
浏览器兼容-polyfill-本地服务-优化
开发语言·前端·javascript
weixin_478689761 小时前
C++ 对 C 的兼容性
java·c语言·c++
k要开心1 小时前
C++概念以及基础框架语法
开发语言·c++
hn小菜鸡1 小时前
LeetCode 1356.根据数字二进制下1的数目排序
数据结构·算法·leetcode