洛阳网站建设 恒凯科技永久持续更新

洛阳网站建设 恒凯科技,永久持续更新,邢台又一地被划定高风险区域,广告推广哪个平台好数据结构#xff1a;矩阵 矩阵是由 m 行 n 列元素排列成的二维矩形数组#xff0c;是线性代数和计算机科学中基础的数据结构。在编程中#xff0c;矩阵通常用于表示二维数据#xff08;如图像像素、邻接矩阵#xff09;、线性变换、方程组等场景。资料#xff1a;https:/…数据结构矩阵矩阵是由m 行 n 列元素排列成的二维矩形数组是线性代数和计算机科学中基础的数据结构。在编程中矩阵通常用于表示二维数据如图像像素、邻接矩阵、线性变换、方程组等场景。资料https://pan.quark.cn/s/43d906ddfa1b、https://pan.quark.cn/s/90ad8fba8347、https://pan.quark.cn/s/d9d72152d3cf一、矩阵的定义与表示1. 数学定义一个m×n 矩阵m 行 n 列可表示为A[a11a12…a1na21a22…a2n⋮⋮⋱⋮am1am2…amn] A \begin{bmatrix} a_{11} a_{12} \dots a_{1n} \\ a_{21} a_{22} \dots a_{2n} \\ \vdots \vdots \ddots \vdots \\ a_{m1} a_{m2} \dots a_{mn} \end{bmatrix}A​a11​a21​⋮am1​​a12​a22​⋮am2​​……⋱…​a1n​a2n​⋮amn​​​其中aija_{ij}aij​表示矩阵第iii行第jjj列的元素矩阵的维度记为m×n。2. 编程中的存储方式在计算机中矩阵的存储主要有两种方式二维数组行优先存储最常用的方式如 Python 的list[list]、Java 的int[][]按行顺序存储元素访问a[i][j]的时间复杂度为O(1)O(1)O(1)。一维数组映射将二维矩阵映射到一维数组通过公式index i * n j行优先或index j * m i列优先计算元素位置适合底层内存优化。二、矩阵的核心分类根据元素分布和维度特征矩阵可分为以下常见类型方阵行数和列数相等mn的矩阵如 3×3 矩阵。方阵可定义对角线元素aiia_{ii}aii​、上三角矩阵对角线下方元素全为 0、下三角矩阵对角线上方元素全为 0。单位矩阵一种特殊的方阵对角线元素全为 1其余元素全为 0记为III。例如 3×3 单位矩阵I3[100010001] I_3 \begin{bmatrix}100\\010\\001\end{bmatrix}I3​​100​010​001​​零矩阵所有元素均为 0 的矩阵记为OOO。对称矩阵满足aijajia_{ij}a_{ji}aij​aji​的方阵其转置等于自身ATAA^TAATA。稀疏矩阵大部分元素为 0 的矩阵通常用三元组行号, 列号, 值或十字链表存储节省空间。三、矩阵的核心操作1. 基础操作操作描述时间复杂度访问元素获取第 i 行第 j 列的元素O(1)O(1)O(1)矩阵转置将矩阵的行和列互换得到ATA^TAT满足AT[i][j]A[j][i]A^T[i][j] A[j][i]AT[i][j]A[j][i]O(m×n)O(m×n)O(m×n)矩阵加法两个同维度矩阵对应位置元素相加要求AAA和BBB均为 m×n 矩阵O(m×n)O(m×n)O(m×n)标量乘法矩阵中所有元素乘以一个常数 kO(m×n)O(m×n)O(m×n)2. 矩阵乘法矩阵乘法是矩阵的核心操作仅当第一个矩阵的列数等于第二个矩阵的行数时可乘。若AAA是m×pm×pm×p矩阵BBB是p×np×np×n矩阵则乘积CA×BCA×BCA×B是m×nm×nm×n矩阵其中C[i][j]∑k0p−1A[i][k]×B[k][j] C[i][j] \sum_{k0}^{p-1} A[i][k] × B[k][j]C[i][j]k0∑p−1​A[i][k]×B[k][j]时间复杂度O(m×p×n)O(m×p×n)O(m×p×n)是算法优化的重点如 Strassen 算法可优化至O(n2.81)O(n^{2.81})O(n2.81)。3. 特殊操作矩阵求逆仅方阵可逆时存在逆矩阵A−1A^{-1}A−1满足A×A−1IA×A^{-1}IA×A−1I常用于解线性方程组。行列式计算仅适用于方阵是衡量矩阵是否可逆的重要指标记为det(A)det(A)det(A)。四、矩阵的实现示例PythonclassMatrix:def__init__(self,data):初始化矩阵data为二维列表self.datadata self.rowslen(data)self.colslen(data[0])ifself.rows0else0def__str__(self):矩阵的字符串表示return\n.join([ .join(map(str,row))forrowinself.data])deftranspose(self):矩阵转置transposed[[self.data[j][i]forjinrange(self.rows)]foriinrange(self.cols)]returnMatrix(transposed)defadd(self,other):矩阵加法要求维度相同ifself.rows!other.rowsorself.cols!other.cols:raiseValueError(矩阵维度不匹配无法相加)result[]foriinrange(self.rows):row[self.data[i][j]other.data[i][j]forjinrange(self.cols)]result.append(row)returnMatrix(result)defmultiply(self,other):矩阵乘法要求self.cols other.rowsifself.cols!other.rows:raiseValueError(矩阵维度不匹配无法相乘)result[]foriinrange(self.rows):row[]forjinrange(other.cols):# 计算C[i][j] sum(A[i][k] * B[k][j])valsum(self.data[i][k]*other.data[k][j]forkinrange(self.cols))row.append(val)result.append(row)returnMatrix(result)# 使用示例if__name____main__:# 初始化两个矩阵AMatrix([[1,2,3],[4,5,6]])# 2×3矩阵BMatrix([[7,8],[9,10],[11,12]])# 3×2矩阵CMatrix([[1,2],[3,4]])# 2×2矩阵print(矩阵A:)print(A)print(\n矩阵A的转置:)print(A.transpose())print(\n矩阵C C:)print(C.add(C))print(\n矩阵A × B:)print(A.multiply(B))五、矩阵的典型应用图的存储用邻接矩阵表示图的顶点关系如无权图用 0/1 表示边的存在加权图用权重值表示。图像处理图像的每个像素对应矩阵的一个元素矩阵的变换如旋转、缩放可实现图像的几何变换。线性代数计算解线性方程组、特征值分析、线性变换如旋转矩阵、投影矩阵。动态规划优化如 Floyd-Warshall 算法用矩阵存储任意两点间的最短路径。机器学习神经网络的权重参数、卷积核均以矩阵形式存储矩阵乘法是前向传播的核心计算。六、稀疏矩阵的优化存储对于稀疏矩阵大部分元素为 0直接用二维数组存储会浪费大量空间常用以下优化方式三元组存储用列表存储所有非零元素的(行号, 列号, 值)例如矩阵[[0,2,0],[3,0,0],[0,0,5]]可存储为[(0,1,2), (1,0,3), (2,2,5)]。十字链表用链表同时按行和列存储非零元素适合频繁插入/删除非零元素的场景。