1. 程式人生 > >矩陣乘法(行邏輯連結的順序表)及程式碼實現

矩陣乘法(行邏輯連結的順序表)及程式碼實現

矩陣相乘的前提條件是:乘號前的矩陣的列數要和乘號後的矩陣的行數相等。且矩陣的乘法運算沒有交換律,即 A*B 和 B*A 是不一樣的。

例如,矩陣A:


矩陣B:


由於矩陣 A 的列數和矩陣 B 的行數相等,可以進行 A*B 運算(不能進行 B*A 運算)。計算方法是:用矩陣A的第 i 行和矩陣B中的每一列 j 對應的數值做乘法運算,乘積一一相加,所得結果即為矩陣 C 中第 i 行第 j 列的值。

得到的乘積矩陣C為:
例如:C12 = 6 是因為:A11*B12 + A12*B22 + A13*B32 + A14*B42,即 3*2 + 0*0 + 0*4 + 5*0 = 6 ,因為這是 A 的第 1 行和 B 的第 2 列的乘積和,所以結果放在 C 的第 1 行第 2 列的位置。
例如,A是 m1*n1 矩陣,B是 m2*n2 矩陣(前提必須是 n1 == m2 ):
int C[MAX][MAX];
for (int i=0; i<m1;i++) {
    for (int j=0; j<n2; j++) {
        C[i][j]=0;
        for (int k=0; k<n1; k++) {
            C[i][j]+=A[i][k]*B[k][j];
        }
    }
}
普通演算法的時間複雜度為O(m1*n2*n1)

在稀疏矩陣做乘法運算時,由於本身矩陣中含有的非 0 元素少,普通演算法會出現很多 0*0 或者 k*0 或者 0*k ( k 代表非 0 元素值)的情況。下面介紹使用行邏輯連結的順序表計算矩陣乘積的方法。

行邏輯連結的順序表解決矩陣乘積演算法

對矩陣的乘積進行深度剖析,矩陣 A 和矩陣 B 相乘的運算過程是這樣的:

  1. 首先,找到矩陣 A 中第一行的非 0 元素,分別是 A11 = 3和 A14 = 5;(由於行邏輯連結的順序表中儲存的都是非 0 元素,查詢的過程就需要使用記錄每行第一個非 0 元素的首地址的陣列來完成)
  2. 用 3 去和 B 中對應的第一行中的非 0 元素相乘,矩陣 B 中第一行非 0 元素是 B12
    = 2,所以 3*2 = 6 ,因為 6 是 A11 和 B12 相乘的結果,所以暫時存放在 C12 中;用 5 去和 B 中對應的第 4 行的非 0 元素相乘,由於矩陣 B 中第 4 行沒有非 0 元素,所以,第一行的計算結束;
  3. 以此類推。

攻克問題難點

現在,解決問題的關鍵在於,如何知道順序表中存放的非0元素是哪一行的呢?

解決方案:由於使用的是行邏輯連結的順序表,所以,已經知道了每一個矩陣中的每一行有多少個非0元素,而且第一行的第一個非0元素的位置一定是1。

所以,第 n 行的非0元素的位置範圍是:大於或等於第 n 行第一個元素的位置, 小於第 n+1 行第一個元素的位置(如果是矩陣的最後一行, 小於矩陣中非 0 元素的個數 + 1)。

具體實現程式碼

#include <stdio.h>
#define MAXSIZE 12500
#define MAXRC 100
#define      ElemType int
typedef struct
{
    int i,j;//行,列
    ElemType e;//元素值
}Triple;

typedef struct
{
    Triple  data[MAXSIZE+1];
    int rpos[MAXRC+1];//每行第一個非零元素在data陣列中的位置
    int mu,nu,tu;//行數,列數,元素個數
}RLSMatrix;

RLSMatrix MultSMatrix(RLSMatrix A, RLSMatrix B, RLSMatrix C)
{
    //如果矩陣A的列數與矩陣B的行數不等,則不能做矩陣乘運算
    if(A.nu != B.mu)
        return C;
    C.mu = A.mu;
    C.nu = B.nu;
    C.tu = 0;
    //如果其中任意矩陣的元素個數為零,做乘法元素沒有意義,全是0
    if(A.tu * B.tu == 0)
        return C;
    else
    {
        int arow;
        int ccol;
        //遍歷矩陣A的每一行
        for(arow=1; arow<=A.mu; arow++)
        {
            //建立一個臨時儲存乘積結果的陣列,且初始化為0,遍歷每次都需要清空
            int ctemp[MAXRC+1] ={};
            C.rpos[arow] = C.tu + 1;
            //根據行數,在三元組表中找到該行所有的非0元素的位置
            int tp;
            if(arow < A.mu)
                tp = A.rpos[arow+1];//獲取矩陣A的下一行第一個非零元素在data陣列中位置
            else
                tp = A.tu+1;//若當前行是最後一行,則取最後一個元素+1
           
            int p;
            int brow;
            //遍歷當前行的所有的非0元素
            for(p=A.rpos[arow]; p<tp; p++)
            {
                brow = A.data[p].j;//取該非0元素的列數,便於去B中找對應的做乘積的非0元素
                int t;
                // 判斷如果對於A中非0元素,找到矩陣B中做乘法的那一行中的所有的非0元素
                if(brow < B.mu)
                    t = B.rpos[brow+1];
                else
                    t = B.tu+1;
                int q;
                //遍歷找到的對應的非0元素,開始做乘積運算
                for(q=B.rpos[brow]; q<t; q++)
                {
                    //得到的乘積結果,每次和ctemp陣列中相應位置的數值做加和運算
                    ccol = B.data[q].j;
                    ctemp[ccol] += A.data[p].e * B.data[q].e;
                }
            }
            //矩陣C的行數等於矩陣A的行數,列數等於矩陣B的列數,所以,得到的ctemp儲存的結果,也會在C的列數的範圍內
            for(ccol=1; ccol<=C.nu; ccol++)
            {
                //由於結果可以是0,而0不需要儲存,所以在這裡需要判斷
                if(ctemp[ccol])
                {
                    //不為0,則記錄矩陣中非0元素的個數的變數tu要+1;且該值不能超過存放三元素陣列的空間大小
                    if(++C.tu > MAXSIZE)
                        return C;
                    else{
                        C.data[C.tu].e = ctemp[ccol];
                        C.data[C.tu].i = arow;
                        C.data[C.tu].j = ccol;
                    }
                }
            }
        }
        return C;
    }
}

int main(int argc, char* argv[])
{
    RLSMatrix M,N,T;
   
    M.tu = 4;
    M.mu = 3;
    M.nu = 4;
   
    M.rpos[1] = 1;
    M.rpos[2] = 3;
    M.rpos[3] = 4;
   
    M.data[1].e = 3;
    M.data[1].i = 1;
    M.data[1].j = 1;
   
    M.data[2].e = 5;
    M.data[2].i = 1;
    M.data[2].j = 4;
   
    M.data[3].e = -1;
    M.data[3].i = 2;
    M.data[3].j = 2;
   
    M.data[4].e = 2;
    M.data[4].i = 3;
    M.data[4].j = 1;

    N.tu = 4;
    N.mu = 4;
    N.nu = 2;
   
    N.rpos[1] = 1;
    N.rpos[2] = 2;
    N.rpos[3] = 3;
    N.rpos[4] = 5;
   
    N.data[1].e = 2;
    N.data[1].i = 1;
    N.data[1].j = 2;
   
    N.data[2].e = 1;
    N.data[2].i = 2;
    N.data[2].j = 1;
   
    N.data[3].e = -2;
    N.data[3].i = 3;
    N.data[3].j = 1;
   
    N.data[4].e = 4;
    N.data[4].i = 3;
    N.data[4].j = 2;
   
   T= MultSMatrix(M,N,T);
    for (int i=1; i<=T.tu; i++) {
        printf("(%d,%d,%d)\n",T.data[i].i,T.data[i].j,T.data[i].e);
    }
    return 0;
   
}

輸出結果: (1,2,6)
(2,1,-1)
(3,2,4)

總結

當稀疏矩陣 Amn 和稀疏矩陣 Bnp 採用行邏輯連結的順序表做乘法運算時,在矩陣 A 的列數(矩陣 B 的行數) n 不是很大的情況下,演算法的時間複雜度相當於O(m*p),比普通演算法要快很多。