VC6.0编译。详细注释。稀疏矩阵的连续存储空间表示：矩阵加减乘法运算、矩阵转置运算、矩阵项的插入、矩阵行列链表的排序

主要介绍了Python 稀疏矩阵-sparse 存储和转换的相关资料,需要的朋友可以参考下

matlab代码循环运行 SparseMatrix Implement the storage and operation of sparse matrix in matlab. 按行三数组与全存储相互转换 全存储转换为三数组 通过两个for循环将全矩阵转换为按行三数组存储模式，时间复杂度为$O(n^2)$，运行结果见下图,转换结果的正确性可以通过后续运算过程体现出来 三数组转换为全存储 通过两个for循环，其中一个for循环对行遍历，然后第二个for循环对该行非零元素(含对角元)进行遍历。假设每行非零元分布大体均匀，于是时间复杂度为$O(n\times \frac{N}{n}) = O(N)$,考虑极端情况，时间复杂度为$O(n\times N)$。 运行结果如下图所示，转换结果的正确性可以通过后续运算过程体现出来。 按行三数组与Matlab稀疏存储 Matlab稀疏存储转换为按行三数组存储 首先通过对非零行元素从小到大排序，然后对非零元按行进行遍历进而online转换为三数组存储,对某行全空对对角元进行操作，因为是online的，所以可以判断时间复杂度为$O(n)$ 运行结果如下图

大稀疏矩阵的存储，包括：DIA（diagonal non-zeros）、ELLPACK、COO、CSR、HYB（ELLPACK+COO）、DOK（MAP-based）、LIL（List-based）等多种存储格式，内含文档与源码。没有哪种格式占绝对优势，视情况选用。当然还有四元树等其它方法，有兴趣的朋友请留言~

北航数值分析大作业是每位北航学子上大学理学院学生，数值方面研究生所必须面对的大作业，在期末成绩考核中占很大比重。本文很完美的完成了北航数值第一次大作业，代码工整，简短，算法设计充实、正确。并且附上符合要求的计算结果。