2、点击要进行编辑的模型。
3、在上面肢握的模型中进行矩阵输入。
4、输入完成以后点击完成就可以了。以上就是mathtype精简版如何输入稀疏矩阵的方法。
/*我写的一个例子，基本上将茄掘稀疏矩阵三元组存储结构的定义和其有关的算法都实现了，那java语言改变去吧！#include<stdio.h>
#define MAXSIZE 1000//非零元素的个数最多为1000
typedef struct {
int row
int col
int e
}Triple
typedef struct{
Triple data[MAXSIZE]//非零元素的三元组表
int m//矩阵的行数
int n//矩阵的列数
int non_zero_num//非零元数的个数唯纳汪
}XSMatrix
XSMatrix XSM_Info_Input(XSMatrix s){
int i
printf("输入矩阵的行数：")
scanf("%d",&s.m)
printf("输入矩阵的列数：")
scanf("%d",&s.n)
printf("输入矩阵的非零元素的个数：")
scanf("%d",&s.non_zero_num)
for(i=0i<s.non_zero_numi++){
printf("输入第%d个非零元数的信息：\n",i+1)
printf("行下标:")
scanf("%d",&s.data[i].row)
printf("列下标:")
scanf("%d",&s.data[i].col)
printf("元素的值")
scanf("%d",&s.data[i].e)
}
return s
}
void XSM_Info_Output(XSMatrix s){
int i
printf("\n稀疏矩阵行数和列数：%d\t%d\n",s.m,s.n)
printf("稀疏矩阵指仔三元组表如下：\n")
printf("行下标\t列下标\t值\n")
for(i=0i<s.non_zero_numi++){
printf("%d\t%d\t%d\n",s.data[i].row,s.data[i].col,s.data[i].e)
}
}
//列序递增转置法
XSMatrix TransXSM(XSMatrix s){
XSMatrix d
int i,j,k=0
d.m=s.n
d.n=s.m
d.non_zero_num=s.non_zero_num
for(i=0i<s.ni++){
for(j=0j<s.non_zero_numj++){
if(s.data[j].col==i)
{
d.data[k].row=s.data[j].col
d.data[k].col=s.data[j].row
d.data[k].e=s.data[j].e
k++
}
}
}
return d
}
main(){
XSMatrix source,dest
source=XSM_Info_Input(source)
XSM_Info_Output(source)
dest=TransXSM(source)
XSM_Info_Output(dest)
}
C++稀疏矩阵转置代码：
#include <iostream>002 using namespace std
003 //三元组
004 struct Trituple
005 {
006 int row, col //非零元素的行号、列号
007 int val //非零元素的值
008 }
009 //稀疏矩阵类声明
010 class SparseMatrix
011 {
012 //friend ostream & operator << (ostream &, SparseMatrix &)
013 //友元函数，输出流 *** 作符重载
014 //friend istream & operator >> (istream &, SparseMatrix &)
015 //友元函数，输入流 *** 作符重载
016 public:
017 SparseMatrix(int maxt = 100) //构造函数
018 ~SparseMatrix() //析构函数
019 bool TransposeTo(SparseMatrix &) //转置
020 bool TransposeTo_Faster(SparseMatrix &)//快速转置
021 void AddTo(const SparseMatrix &)//加运算
022 bool Input() //输入稀疏矩阵
023 void Output()//输出稀疏矩阵
024 private:
025 Trituple *data //存储非零元素三元组的数组
026 int rows, cols, terms //矩阵的行数、列数、非零元素个数
027 int maxterms //数组data的大小
028 }
029 //构造函数，分配maxt个三元组结点的顺序空间，构造一个空的稀疏矩阵三元组表。
030 SparseMatrix::SparseMatrix(int maxt)
031 {
032 maxterms = maxt
033 data = new Trituple [maxterms]
034 terms = rows = cols = 0
035 }//SparseMatrix
036 //析构函数，将三元组表结构销毁。
037 SparseMatrix::~SparseMatrix()
038 {
039 if (data != NULL) delete [] data
040 }//~SparseMatrix
041 /*//输出稀疏矩阵
042 ostream & operator 扒晌<< (ostream & out, SparseMatrix & M)
043 {
044 out << "rows=" << M.rows << endl
045 out << "cols=" << M.cols << endl
046 out << "terms=" << M.terms << endl
047 for (int i = 0 i < M.terms i++)
048 out << "data[" << M.data[i].row << "," << M.data[i].col << "]=" << M.data[i].val << endl
049 return out
050 }
051 //输入稀疏矩阵
052 istream & operator >> (istream & in, SparseMatrix & M)
053 {
054 cout << "输入稀疏矩阵的行数、列数以及非零元素个数" << endl
055 in >> M.rows >> M.cols >> M.terms
056 if (M.terms > M.maxterms) exit (1)
057 cout << "terms=" << M.terms << endl
058 for (int i = 0 i < M.terms i++){
059 cout << "输入非零元素的行号、列号和元素值 " << i + 1 << endl
060 in >> M.data[i].row >> M.data[i].col >> M.data[i].val
061 }
062 return in
063 }*/
064 //转置，将*this的转置矩阵送入B
065 bool SparseMatrix::TransposeTo(SparseMatrix &B)
066 {
067 if(terms > B.maxterms)
068 return false
069 B.rows = cols
070 B.cols = rows
071 B.terms = terms
072 if (terms > 0) {
073 int p = 0
074 for (int j = 1 j <= cols j++)
075 春神锋 for (int k = 0 k < terms k++)
076 瞎简 if (data[k].col == j) {
077 B.data[p].row = j
078 B.data[p].col = data[k].row
079 B.data[p].val = data[k].val
080 p++
081 }
082 }
083 return true
084 }//TransposeTo
085 //快速转置，将*this的转置矩阵送入B
086 bool SparseMatrix::TransposeTo_Faster(SparseMatrix &B)
087 {
088 if (terms > B.maxterms)
089 return false
090 B.rows = cols
091 B.cols = rows
092 B.terms = terms
093 if (terms > 0) {
094 int *num, *cpot
095 int j,k,p
096 num = new int[cols]
097 cpot = new int[cols]
098 for (j = 0 j < cols j++) //初始化num[]
099 num[j] = 0
100 for (k = 0 k < terms k++) //统计每一列的非零元素个数num[]
101 num[data[k].col - 1]++
102 //求出B中每一行的起始下标cpot[]
103 cpot[0] = 0
104 for(j = 1 j < cols j++)
105 cpot[j] = cpot[j - 1] + num[j - 1]
106 //执行转置 *** 作
107 for(k = 0 k < terms k++) {
108 p = cpot[data[k].col - 1]++ //B中的位置
109 B.data[p].row = data[k].col
110 B.data[p].col = data[k].row
111 B.data[p].val = data[k].val
112 }
113 delete [] num
114 delete [] cpot
115 }
116 return true
117 }//TransposeTo_Faster
118 //输入稀疏矩阵
119 bool SparseMatrix::Input()
120 {
121 cout << "输入稀疏矩阵的行数、列数以及非零元素个数" << endl
122 cin >> rows >> cols >> terms
123 if (terms > maxterms) {
124 cout << "非零元个数太多！" << endl
125 return false
126 }
127 if (terms == 0)
128 return true
129 cout << "按行序输入" << terms << "个非零元素的三元组" << endl
130 for (int i = 0 i < terms i++) {
131 cout << "输入第" << i + 1 << "个非零元素的行号、列号和元素值 " << endl
132 cin >> data[i].row >> data[i].col >> data[i].val
133 if (data[i].row < 1 || data[i].row > rows || data[i].col < 1 || data[i].col > cols) {
134 cout << "矩阵输入有误！" << endl
135 return false
136 }
137 }
138 return true
139 }//Input
140 //输出稀疏矩阵
141 void SparseMatrix::Output()
142 {
143 cout << "rows=" << rows << endl
144 cout << "cols=" << cols << endl
145 cout << "terms=" << terms << endl
146 for (int i = 0 i < terms i++)
147 cout << "data[" << data[i].row << "," << data[i].col << "]=" << data[i].val << endl
148 }//Output
149 int main()
150 {
151 SparseMatrix M(100)
152 if (M.Input()) {
153 cout << "原始矩阵：" << endl
154 M.Output()
155 SparseMatrix T, S
156 cout << "转置矩阵：" << endl
157 if(M.TransposeTo(T))
158 T.Output()
159 if(M.TransposeTo_Faster(S))
160 S.Output()
161 system("pause")
162 return 1
163 }
164 else
165 return 0
166 }
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）