| 內文 |
==> elefans.bbs@bbs.cs.nthu.edu.tw (455) 提到: : 如果想判別一個方陣(複數元數值的方陣)是否列(或行)線性獨立 : 或者是說想算出期行列式值看是否為0 : 這樣子的 source code (C語言)有哪邊可以取得嗎?? : 或者說如果想要找關於矩陣運算的 C 程式碼要去哪邊找?? : 有哪個版或哪個佔有相關的討論嗎?? : 謝謝 http://caterpillar.onlyfun.net/Gossip/AlgorithmGossip/AlgorithmGossip.htm Algorithm Gossip: 稀疏矩陣 說明 如果在矩陣中,多數的元素並沒有資料,稱此矩陣為稀疏矩陣(sparse matrix),由於矩陣在程式中常使用二維陣列表示,二維陣列的大小與使用的記憶體空間成正比,如果多數的元素沒有資料,則會造成記憶體空間的浪費,為此,必須設計稀疏矩陣的陣列儲存方式,利用較少的記憶體空間儲存完整的矩陣資訊。
解法 在這邊所介紹的方法較為簡單,陣列只儲存矩陣的行數、列數與有資料的索引位置及其值,在需要使用矩陣資料時,再透過程式運算加以還原,例如若矩陣資料如下 ,其中0表示矩陣中該位置沒有資料:
0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 6 0 0 0 0 9 0 0 0 0 0 0 0 12 0
這個矩陣是5X6矩陣,非零元素有4個,您要使用的陣列第一列記錄其列數、行數與非零元素個數:
5 6 4
陣列的第二列起,記錄其位置的列索引、行索引與儲存值:
1 1 3 2 3 6 3 2 9 4 4 12
所以原本要用30個元素儲存的矩陣資訊,現在只使用了15個元素來儲存,節省了不少記憶體的使用。
C #include <stdio.h> #include <stdlib.h> int main(void) { int num[5][3] = {{5, 6, 4}, {1, 1, 3}, {2, 3, 6}, {3, 2, 9}, {4, 4, 12}}; int i, j, k = 1; printf("sparse matrix:\n"); for(i = 0; i < 5; i++) { for(j = 0; j < 3; j++) { printf("%4d", num[i][j]); } putchar('\n'); } printf("\nmatrix還原:\n"); for(i = 0; i < num[0][0]; i++) { for(j = 0; j < num[0][1]; j++) { if(k < num[0][2] && i == num[k][0] && j == num[k][1]) { printf("%4d ", num[k][2]); k++; } else printf("%4d ", 0); } putchar('\n'); } return 0; }
Java public class SparseMatrix { public static int[][] restore(int[][] sparse) { int row = sparse[0][0]; int column = sparse[0][1]; int[][] array = new int[row][column]; int k = 1; for(int i = 0; i < row; i++) { for(int j = 0; j < column; j++) { if(k <= sparse[0][2] && i == sparse[k][0] && j == sparse[k][1]) { array[i][j] = sparse[k][2]; k++; } else array[i][j] = 0; } } return array; } public static void main(String[] args) { int[][] sparse = {{5, 6, 4}, {1, 1, 3}, {2, 3, 6}, {3, 2, 9}, {4, 4, 12}}; int[][] array = SparseMatrix.restore(sparse); for(int i = 0; i < array.length; i++) { for(int j = 0; j < array[i].length; j++) { System.out.print(array[i][j] + " "); } System.out.println(); } }}
Algorithm Gossip: 多維矩陣轉一維矩陣 說明 有的時候,為了運算方便或資料儲存的空間問題,使用一維陣列會比二維或多維陣列來得方便,例如上三角矩陣、下三角矩陣或對角矩陣,使用一維陣列會比使用二維陣列來得節省空間。
解法 以二維陣列轉一維陣列為例,索引值由0開始,在由二維陣列轉一維陣列時,我們有兩種方式:「以列(Row)為主」或「以行(Column)為主」。由於 C/C++、Java等的記憶體配置方式都是以列為主,所以您可能會比較熟悉前者(Fortran的記憶體配置方式是以行為主)。
以列為主的二維陣列要轉為一維陣列時,是將二維陣列由上往下一列一列讀入一維陣列,此時索引的對應公式如下所示,其中row與column是二維陣列索引,loc表示對應的一維陣列索引:
loc = column + row*行數
以行為主的二維陣列要轉為一維陣列時,是將二維陣列由左往右一行一行讀入一維陣列,此時索引的對應公式如下所示:
loc = row + column*列數
公式的推導您畫圖看看就知道了,如果是三維陣列,則公式如下所示,其中i(個數u1)、j(個數u2)、k(個數u3)分別表示三維陣列的三個索引:
以列為主:loc = i*u2*u3 + j*u3 + k 以行為主:loc = k*u1*u2 + j*u1 + i
更高維度的可以自行依此類推,但通常更高維度的建議使用其它資料結構(例如物件包裝)會比較具體,也不易搞錯。
在C/C++中若使用到指標時,會遇到指標運算與記憶體空間位址的處理問題,此時也是用到這邊的公式,不過必須在每一個項上乘上資料型態的記憶體大小。
實作 C #include <stdio.h> #include <stdlib.h> int main(void) { int arr1[3][4] = {{1, 2, 3, 4}, {5, 6, 7, 8}, {9, 10, 11, 12}}; int arr2[12] = {0}; int row, column, i; printf("原二維資料:\n"); for(row = 0; row < 3; row++) { for(column = 0; column < 4; column++) { printf("%4d", arr1[row][column]); } printf("\n"); } printf("\n以列為主:"); for(row = 0; row < 3; row++) { for(column = 0; column < 4; column++) { i = column + row * 4; arr2[i] = arr1[row][column]; } } for(i = 0; i < 12; i++) printf("%d ", arr2[i]); printf("\n以行為主:"); for(row = 0; row < 3; row++) { for(column = 0; column < 4; column++) { i = row + column * 3; arr2[i] = arr1[row][column]; } } for(i = 0; i < 12; i++) printf("%d ", arr2[i]); printf("\n"); return 0; }
Java public class TwoDimArray { public static int[] toOneDimByRow(int[][] array) { int[] arr = new int[array.length * array[0].length]; for(int row = 0; row < array.length; row++) { for(int column = 0; column < array[0].length; column++) { int i = column + row * array[0].length; arr[i] = array[row][column]; } } return arr; } public static int[] toOneDimByColumn(int[][] array) { int[] arr = new int[array.length * array[0].length]; for(int row = 0; row < array.length; row++) { for(int column = 0; column < array[0].length; column++) { int i = i = row + column * array.length; arr[i] = array[row][column]; } } return arr; }}
-- ◎[1;31m龍[32m貓[33m資[34m訊[35m天[36m地[0m([1mbbs.mgt.ncu.edu.tw[0m) ◎[[1;33;46mbrucetsao[0m]From: 140.115.82.88
|