特征多项式实现线性递推学习笔记

最新推荐文章于 2024-03-14 15:39:40 发布
最新推荐文章于 2024-03-14 15:39:40 发布
阅读量679 收藏
点赞数
原文链接：http://www.cnblogs.com/p-b-p-b/p/10726848.html
版权

用途

求解形如
\[ g_i=\sum_{i=1}^kg_{n-i}a_i(i>k)\\ g_i=s_i(1\le i\le k) \]
的常系数线性齐次递推的\(g_n\)，其中\(n\)很大，\(k\)较小。

暴力

老师，我会暴力！

直接\(O(nk)\)暴力递推，没什么分。

老师，我会矩阵快速幂！

\(O(k^3\log n)\)，比上面的做法优一些，但\(k\le 2000\)时就上天了。

优化

最暴力的做法没什么营养，不管它，考虑优化矩阵快速幂的做法。

矩阵快速幂慢在了哪里呢？

设转移矩阵为\(A\)，复杂度瓶颈就在于在于要求出\(A^{n-1}\)。

设初始列向量\(s={[g_k,g_{k-1},\cdots,g_1]}^T\),\(A\times s\)即为\({[g_{k+1},g_{k},\cdots,g_2]}^T\)。

接下来引入一个概念：

特征多项式

设\(A\)为一矩阵，那么\(A\)的特征多项式就为\(f(\lambda)=|\lambda I-A|\)，其中\(I\)为单位矩阵，\(|A|\)表示\(A\)的行列式。

特征多项式的\(\lambda\)可以代入实数、多项式、矩阵……几乎所有东西。

回到正题。考虑\(A\)的特征多项式，可以发现
\[ \lambda I-A=\left\{ \begin{matrix} \lambda-a_1&-a_2&-a_3&-a_4&\cdots&-a_m\\ -1&\lambda&0&0&\cdots&0\\ 0&-1&\lambda&0&\cdots&0\\ 0&0&-1&\lambda&\cdots&0\\ \cdots&\cdots&\cdots&\cdots&\ddots&\vdots\\ 0&0&0&0&-1&\lambda \end{matrix} \right\} \]
把它在第一行展开，用余子式计算行列式。

可以发现每一个余子式的主对角线都是满的，而且长得像是一个台阶的样子，可以很方便地削成上三角/下三角矩阵。

于是它的行列式就是主对角线的乘积。

于是推一波就会发现
\[ f(\lambda)=\lambda^k-\sum_{i=0}^{k-1} a_{k-i}\lambda^i \]

同时，由\(f(\lambda)​\)的定义可知，\(f(A)=0​\)。

现在要求\(A^{n-1}\)。

设\(Q(A)=A^{n-1}\ \text{mod}\ f(A)\)，由\(f(A)=0\)可知\(A^{n-1}=Q(A)\)。

（也许你会觉得不能对\(0\)取模，但\(f(A)\)是一个多项式，对其取模相当于减去若干个\(f(A)\)，所以没有问题）

又因为\(Q(A)\)是不超过\(k\)次的多项式，所以我们大大减小了计算量，现在只需要求\(Q(A)\times G\)。

设
\[ Q(A)=\sum_{i=0}^{k-1} c_iA^i \]
那么答案就是
\[ \sum_{i=0}^{k-1}c_iA^iG \]
的第\(k\)行。

仔细思考，\(A^iG\)的第\(k\)行的意义是什么？

就是\(s_{i+1}\)！

于是答案就是
\[ \sum_{i=0}^{k-1}c_is_{i+1} \]
大功告成。

复杂度瓶颈在多项式快速幂+取模，暴力\(k^2\log n\)，NTT、FFT优化可以到\(k\log k\log n\)。（加上\(\ln,\exp\)甚至可以\(O(k(\log k+\log n))\)？不过不能存下这么大的多项式，应该还是要快速幂+取模才行）

代码

这里以bzoj4161 Shlw loves matrixI为例。

注意该题中给出的是\(s_{0,\cdots, k-1}\)，需要对上方式子进行一定修改。

#include<bits/stdc++.h>
//clock_t t=clock();
namespace my_std{
    using namespace std;
    #define pii pair<int,int>
    #define fir first
    #define sec second
    #define MP make_pair
    #define rep(i,x,y) for (int i=(x);i<=(y);i++)
    #define drep(i,x,y) for (register int i=(x);i>=(y);--i)
    #define go(x) for (int i=head[x];i;i=edge[i].nxt)
    #define templ template<typename T>
    #define sz 4040
    #define mod 1000000007ll 
    typedef long long ll;
    typedef double db;
//  mt19937 rng(chrono::steady_clock::now().time_since_epoch().count());
//  templ inline T rnd(T l,T r) {return uniform_int_distribution<T>(l,r)(rng);}
    templ inline bool chkmax(T &x,T y){return x<y?x=y,1:0;}
    templ inline bool chkmin(T &x,T y){return x>y?x=y,1:0;}
    templ inline void read(T& t)
    {
        t=0;char f=0,ch=getchar();double d=0.1;
        while(ch>'9'||ch<'0') f|=(ch=='-'),ch=getchar();
        while(ch<='9'&&ch>='0') t=t*10+ch-48,ch=getchar();
        if(ch=='.'){ch=getchar();while(ch<='9'&&ch>='0') t+=d*(ch^48),d*=0.1,ch=getchar();}
        t=(f?-t:t);
    }
//  template<typename T,typename... Args>inline void read(T& t,Args&... args){read(t); read(args...);}
    char __sr[1<<21],__z[20];int __C=-1,__zz=0;
    inline void Ot(){fwrite(__sr,1,__C+1,stdout),__C=-1;}
    inline void print(register int x)
    {
        if(__C>1<<20)Ot();if(x<0)__sr[++__C]='-',x=-x;
        while(__z[++__zz]=x%10+48,x/=10);
        while(__sr[++__C]=__z[__zz],--__zz);__sr[++__C]='\n';
    }
    void file()
    {
        #ifndef ONLINE_JUDGE
        freopen("a.in","r",stdin);
        #endif
    }
//  inline void chktime()
//  {
//      #ifndef ONLINE_JUDGE
//      cout<<(clock()-t)/1000.0<<'\n';
//      #endif
//  }
    #ifdef mod
    ll ksm(ll x,int y){ll ret=1;for (;y;y>>=1,x=x*x%mod) if (y&1) ret=ret*x%mod;return ret;}
    ll inv(ll x){return ksm(x,mod-2);}
    #else
    ll ksm(ll x,int y){ll ret=1;for (;y;y>>=1,x=x*x) if (y&1) ret=ret*x;return ret;}
    #endif
//  inline ll mul(ll a,ll b){ll d=(ll)(a*(double)b/mod+0.5);ll ret=a*b-d*mod;if (ret<0) ret+=mod;return ret;}
}
using namespace my_std;

int n,K;
ll a[sz],s[sz];
ll f[sz];
ll c[sz],tmp[sz],tmp2[sz];

void mul(ll *a,ll *b,ll *ret)
{
    rep(i,0,K+K) tmp2[i]=0;
    rep(i,0,K-1) rep(j,0,K-1) (tmp2[i+j]+=a[i]*b[j])%=mod;
    drep(i,K+K-2,K)
        drep(j,K-1,0)   
            (tmp2[i-(K-j)]-=f[j]*tmp2[i])%=mod;
    rep(i,0,K-1) ret[i]=tmp2[i];
}

int main()
{
    file();
    read(n),read(K);
    rep(i,1,K) read(a[i]);
    rep(i,0,K-1) read(s[i]);
    f[K]=1;rep(i,0,K-1) f[i]=mod-a[K-i];
    tmp[1]=1;c[0]=1;
    for (int y=n;y;y>>=1,mul(tmp,tmp,tmp)) if (y&1) mul(tmp,c,c);
    ll ans=0;
    rep(i,0,K-1) (ans+=c[i]*s[i])%=mod;
    cout<<(ans+mod)%mod;
    return 0;
}

毒瘤洛谷\(k\le 32000\)不能暴力了……改天我再补个NTT吧。

update：常数巨大的代码走起~

（不开O2基本7000ms左右）

#include<bits/stdc++.h>
clock_t t=clock();
namespace my_std{
    using namespace std;
    #define pii pair<int,int>
    #define fir first
    #define sec second
    #define MP make_pair
    #define rep(i,x,y) for (int i=(x);i<=(y);i++)
    #define drep(i,x,y) for (int i=(x);i>=(y);i--)
    #define go(x) for (int i=head[x];i;i=edge[i].nxt)
    #define templ template<typename T>
    #define sz 300000
    #define mod 998244353ll 
    typedef long long ll;
    typedef double db;
    mt19937 rng(chrono::steady_clock::now().time_since_epoch().count());
    templ inline T rnd(T l,T r) {return uniform_int_distribution<T>(l,r)(rng);}
    templ inline bool chkmax(T &x,T y){return x<y?x=y,1:0;}
    templ inline bool chkmin(T &x,T y){return x>y?x=y,1:0;}
    templ inline void read(T& t)
    {
        t=0;char f=0,ch=getchar();double d=0.1;
        while(ch>'9'||ch<'0') f|=(ch=='-'),ch=getchar();
        while(ch<='9'&&ch>='0') t=t*10+ch-48,ch=getchar();
        if(ch=='.'){ch=getchar();while(ch<='9'&&ch>='0') t+=d*(ch^48),d*=0.1,ch=getchar();}
        t=(f?-t:t);
    }
    template<typename T,typename... Args>inline void read(T& t,Args&... args){read(t); read(args...);}
    char __sr[1<<21],__z[20];int __C=-1,__zz=0;
    inline void Ot(){fwrite(__sr,1,__C+1,stdout),__C=-1;}
    inline void print(register int x)
    {
        if(__C>1<<20)Ot();if(x<0)__sr[++__C]='-',x=-x;
        while(__z[++__zz]=x%10+48,x/=10);
        while(__sr[++__C]=__z[__zz],--__zz);__sr[++__C]='\n';
    }
    void file()
    {
        #ifndef ONLINE_JUDGE
        freopen("a.in","r",stdin);
        #endif
    }
    inline void chktime()
    {
        #ifndef ONLINE_JUDGE
        cout<<(clock()-t)/1000.0<<'\n';
        #endif
    }
    #ifdef mod
    ll ksm(ll x,int y){ll ret=1;for (;y;y>>=1,x=x*x%mod) if (y&1) ret=ret*x%mod;return ret;}
    ll inv(ll x){return ksm(x,mod-2);}
    #else
    ll ksm(ll x,int y){ll ret=1;for (;y;y>>=1,x=x*x) if (y&1) ret=ret*x;return ret;}
    #endif
//  inline ll mul(ll a,ll b){ll d=(ll)(a*(double)b/mod+0.5);ll ret=a*b-d*mod;if (ret<0) ret+=mod;return ret;}
}
using namespace my_std;

int limit,r[sz];
void NTT_init(int n)
{
    limit=1;int l=-1;
    while (limit<=n+n) limit<<=1,++l;
    rep(i,0,limit-1) r[i]=(r[i>>1]>>1)|((i&1)<<l);
}
void NTT(ll *a,int type)
{
    rep(i,0,limit-1) if (i<r[i]) swap(a[i],a[r[i]]);
    rep(i,0,limit-1) a[i]%=mod;
    for (int mid=1;mid<limit;mid<<=1)
    {
        ll Wn=ksm(3,(mod-1)/mid>>1);if (type==-1) Wn=inv(Wn);
        for (int j=0,len=mid<<1;j<limit;j+=len)
        {
            ll w=1;
            for (int k=0;k<mid;k++,w=w*Wn%mod)
            {
                ll x=a[j+k],y=a[j+k+mid]*w%mod;
                a[j+k]=(x+y)%mod;a[j+k+mid]=(x-y+mod)%mod;
            }
        }
    }
    if (type==1) return;
    ll I=inv(limit);
    rep(i,0,limit-1) a[i]=a[i]*I%mod;
}
ll tmp1[sz],tmp2[sz],tmp3[sz],tmp4[sz];
void PolyInv(ll *a,ll *f,int n) // f=a^{-1} mod x^n
{
    if (n==1) return (void)(f[0]=inv(a[0]));
    int mid=(n+1)>>1;
    PolyInv(a,f,mid);
    NTT_init(n);
    rep(i,0,mid-1) tmp1[i]=f[i];
    rep(i,0,n-1) tmp2[i]=a[i];
    NTT(tmp1,1);NTT(tmp2,1);
    rep(i,0,limit-1) tmp1[i]=tmp1[i]*(mod+2-tmp1[i]*tmp2[i]%mod)%mod;
    NTT(tmp1,-1);
    rep(i,0,n-1) f[i]=tmp1[i];
    rep(i,0,limit-1) tmp1[i]=tmp2[i]=0;
}
void Derivative(ll *a,ll *b,int n){rep(i,0,n-2) b[i]=a[i+1]*(i+1)%mod;b[n-1]=0;}
void Integrate(ll *a,ll *b,int n){drep(i,n-1,1) b[i]=a[i-1]*inv(i)%mod;b[0]=0;}
void PolyLn(ll *a,ll *f,int n) // f=ln a
{
    NTT_init(n);
    PolyInv(a,tmp3,n);Derivative(a,tmp4,n);
    NTT(tmp3,1);NTT(tmp4,1);
    rep(i,0,limit-1) tmp1[i]=tmp3[i]*tmp4[i]%mod;
    NTT(tmp1,-1);
    Integrate(tmp1,f,n);
    rep(i,0,limit-1) tmp1[i]=tmp3[i]=tmp4[i]=0;
}
void PolyExp(ll *a,ll *f,int n)
{
    if (n==1) return (void)(f[0]=1);
    int mid=(n+1)>>1;
    PolyExp(a,f,mid);
    rep(i,mid,n-1) f[i]=0;
    PolyLn(f,tmp2,n);
    rep(i,0,n-1) tmp1[i]=f[i];
    rep(i,0,n-1) tmp2[i]=(a[i]-tmp2[i]+mod)%mod;
    ++tmp2[0];
    NTT_init(n);
    NTT(tmp1,1);NTT(tmp2,1);
    rep(i,0,limit-1) tmp1[i]=tmp1[i]*tmp2[i]%mod;
    NTT(tmp1,-1);
    rep(i,0,n-1) f[i]=tmp1[i];
    rep(i,0,limit-1) tmp1[i]=tmp2[i]=0;
}
void PolyDiv(ll *a,ll *b,ll *c,ll *d,int n,int m) // a(n)=b(m)*c+d , c&d are the return values
{
    rep(i,0,n-m) tmp4[i]=(i>m?0:b[m-i]);
    PolyInv(tmp4,tmp3,n-m+1);
    rep(i,0,n-m) tmp4[i]=a[n-i];
    NTT_init(n-m+1);
    NTT(tmp3,1);NTT(tmp4,1);
    rep(i,0,limit-1) tmp3[i]=tmp3[i]*tmp4[i]%mod;
    NTT(tmp3,-1);
    reverse(tmp3,tmp3+n-m+1);
    rep(i,0,n-m) c[i]=tmp3[i];
    rep(i,0,m) tmp1[i]=b[i];
    rep(i,0,n) tmp2[i]=a[i];
    NTT_init(n);
    rep(i,n-m+1,limit-1) tmp3[i]=0;
    NTT(tmp1,1);NTT(tmp2,1);NTT(tmp3,1);
    rep(i,0,limit-1) tmp4[i]=(tmp2[i]-tmp1[i]*tmp3[i]%mod+mod)%mod;
    NTT(tmp4,-1);
    rep(i,0,m-1) d[i]=tmp4[i];
    rep(i,0,limit-1) tmp1[i]=tmp2[i]=tmp3[i]=tmp4[i]=0;
}

int n,K;
ll a[sz],s[sz],c[sz];
ll tmp[sz],f[sz];
ll t1[sz],t2[sz],t3[sz],t4[sz];
void mul(ll *a,ll *b,ll *ret)
{
    NTT_init(K+K+2);
    rep(i,0,K) t1[i]=a[i],t2[i]=b[i];
    NTT(t1,1);NTT(t2,1);
    rep(i,0,limit-1) t1[i]=t1[i]*t2[i]%mod;
    NTT(t1,-1);
    PolyDiv(t1,f,t4,t3,K+K,K);
    rep(i,0,K-1) ret[i]=t3[i];
    rep(i,0,limit-1) t1[i]=t2[i]=t3[i]=t4[i]=0;
}

int main()
{
    file();
    read(n,K);
    rep(i,1,K) read(a[i]);
    rep(i,0,K-1) read(s[i]);
    f[K]=1;rep(i,0,K-1) f[i]=mod-a[K-i];
    tmp[1]=1;c[0]=1;
    for (int y=n;y;y>>=1,mul(tmp,tmp,tmp)) if (y&1) mul(tmp,c,c);
    ll ans=0;
    rep(i,0,K-1) (ans+=c[i]*s[i])%=mod;
    cout<<(ans+mod)%mod;
    return 0;
}

转载于:https://www.cnblogs.com/p-b-p-b/p/10726848.html

dfn8726
关注
【特征多项式解线性递推】poj2118
huyuncong的专栏
01-12 3960
叉姐论文：http://www.docin.com/p-724323397.html a[i]=sigma(a[j]*b[k-j]) 求第n项 标准的常系数线性递推，用矩阵乘法可以做到o(k^3*logn) 但是如果用特征多项式优化的话，可以把矩阵乘法换成多项式乘法，从而做到o(k^2logn) 首先根据hamilton-cayley定理，一个矩阵的特征多项式是这个矩阵的化零多项式，因
[学习笔记]多项式的整除、取模、多点求值和插值及常系数线性递推
女装的你，如此好看！
09-25 2642
一、开头 （ WC2019 神犇协会） undefeatedKO ： NOI2017 的题大家都 AK 了吗？ All ： AK 了！ ION ：我们穿越到 2019 年的 WC 怎么样？ olis ：好啊！听说一个弱鸡 xyz32768 要来 WC ，我们一到就把他 D 一遍，这样他 WC2019 不爆零才怪呢！ （ WC2019 ） VFN ：我们刚刚 A 掉了分身术这题。考虑到你比较菜，我就...
特征多项式优化线性递推
weixin_33963594的博客
03-17 135
#include <cstdio> #define EXint __uint128_t EXint n,k,p,tmp[3001],ans; inline EXint READ(){ char ch=getchar();EXint ret=0; while (ch<'0'||ch>'9') ch=getchar(); ...
特征多项式与常系数线性齐次递推学习笔记
weixin_34004576的博客
01-10 186
快去膜神仙 特征多项式 定义一个大小为$ k$矩阵$ M$的特征多项式$ P$要求满足 $$ \sum_{i=0}^k P_iM^i=0$$ 其中$ 0$是一个全$ 0$矩阵 Cayley-Hamilton定理 一个矩阵$ P$的特征多项式为 $$P(\lambda)=|\lambda E-M|=\lambda^n+P_1\lambda^{n-1}+P_2\lambda^{n-2}+...
线性常系数齐次递推关系与特征多项式
bajun4189的博客
03-15 973
前言： 建议在阅读前先看这篇：生成函数的简单应用 也可搭配视频食用：线性常系数齐次递推关系 在本文中，我们将介绍一种名为特征多项式的东西，利用它可以快捷方便的求解通项公式。 定义： $$a_n + c_1a_{n-1} + ... c_ka_{n-k} = 0$$ $$a_0 = d_0, a_1 = d_1, ..., a_{k-1} = d_{k-1}$$ 若$c_...
k阶线性递推-特征多项式
weixin_30832351的博客
02-19 289
BZOJ4161 http://www.lydsy.com/JudgeOnline/problem.php?id=4161 #include<cstdio> typedef long long ll; const int mod=1e9+7; const ll up=(1ll<<31); int n,k,ans,x; int u[4010]; ...
现代信号处理学习笔记（五）自适应滤波器
最新发布
qq_53589322的博客
03-14 1461
滤波器可以实现滤波、平滑和预测等信息处理的基本任务。如果滤波器输出是滤波器输入的线性函数，则称为线性滤波器;否则称为非线性滤波器。若滤波器的冲激响应是无穷长的，便称为无限冲激响应(IIR)滤波器，而冲激响应有限长的滤波器叫做有限冲激响应(FIR)滤波器。如果滤波器是在时间域、频率域或空间域实现，则分别称为时域滤波器、频域滤波器或空域滤波器。“信号与系统”和“数字信号处理”等课程主要是在频率域讨论滤波器，本章重点关注时域滤波器。自适应滤波器是一种信号处理技术，用于从信号中提取所需信息或去除噪声。
[学习笔记][省选算法]多项式乘法之 FFT & NTT 及卷积
女装的你，如此好看！
06-29 1471
一、开头 （Place ：山东省神犇协会第 998244353 会议厅） SD 神犇 998244353 号（会长）：所有神犇，洛谷黑题都切完了吗？ 全体神犇：切完了！ 神犇 1004535809 号： 998244353 ，我昨天看到一个弱鸡，洛谷名叫 xyz32768 ，他一道黑题都没做，您认为应该怎样呢？ 神犇 998244353 号：这个问题您们考虑一下，应该用怎样的方式把 xy...
数学建模学习笔记——插值与拟合
m0_65079623的博客
03-08 456
本文章为《数学建模算法与应用（司守奎）》书籍的学习笔记，文章内代码大部分为该书籍的搬运，主要目的为简化阅读的过程，以便直接实现代码的运用，我也会对书中的习题给出自己的解。
【学习笔记】Cayley-Hamilton定理
cz_xuyixuan的博客
06-19 1万+
【定理简介】Cayley-Hamilton定理【算法流程】对【一组实例】以【代码】
【BZOJ4944】【NOI2017】泳池 概率DP 常系数线性递推 特征多项式 多项式取模
ez_yww的博客
11-30 2455
题目大意 　　有一个1001×n1001×n1001\times n的的网格，每个格子有qqq的概率是安全的，1−q1−q1-q的概率是危险的。 　　定义一个矩形是合法的当且仅当： 这个矩形中每个格子都是安全的 必须紧贴网格的下边界 　　问你最大的合法子矩形大小为kkk的概率是多少。 　　n≤109,k≤1000n≤109,k≤1000n\leq {10}^9,k...
密码学--特征多项式求递推函数
qq_31804097的博客
10-21 516
f(x) = 1 + x^2 + x^3 + x^8 对应递推函数为 a8 = a6+a5+a0。所以f(x) = 1+x^2+x^3 对应的递推函数为a3 = a1 + a0。所以f(x) = 1+x+x^3 对应的递推函数为 a3 = a2 + a0。f(x) = 1 + x^14 + x^21 对应递推函数为 a21 = a7 + a0。② 找到f(x)中其他含有x的项 ==>x^1。例2：f(x) = 1+x^2+x^3。例1：f(x) = 1+x+x^3。二、特征多项式求递推函数。
多项式取模优化线性递推总结
weixin_30651273的博客
07-06 279
多项式取模优化线性递推总结 声明:博主已退役,这是以前的总结,如有错误望指正,如有问题不妨看看别人的博客 线性递推 即对于数列\(\{a\}\) 已知前\(k\)项 且对于任意\(n\ge k\)有 \[ a_n=\sum_{i=0}^{k-1}f_ia_{n-1-i} \] 其中\(\{f\}\)是一个已知的数列 现在要求\(\{a\}\)的第\(n\)项 暴力是\(O(n*k)\...
【FFT加速特征多项式解线性递推】hdu4914
huyuncong的专栏
09-14 2281
上一篇：http://blog.csdn.net/huyuncong/article/details/18184873
[51nod 1538] 一道难题 -- 特征多项式,多项式取模
whzzt的博客
05-05 1870
齐次线性递推式 (FFT优化)
线性递推关系与矩阵乘法
寻找&星空の孩子
02-08 3536
对于一般的具有常系数线性递推关系的递推数列，若需要很快算出某一项的精确值，一般的方法是求出特征方程的解然后解出这个递推关系的通项公式。可是随着递推关系阶数的升高，解特征方程的难度也逐渐增大，甚至在递推关系阶数大于 5 之后，特征方程的次数随之超过 5，根本没有代数解法。本文利用矩阵乘法，提出了一个在 O(k^3 ⌈logn⌈) 的时间复杂度内算出 k 阶常系数线性递推数列第 n 项的精确值的算法，并利用转移矩阵和特征方程的联系，把这个算法的时间复杂度优化到了 O(k^2 ⌈logn⌉).
算法分析中递推式的一般代数解法
继续微笑lsj
09-17 2351
算法分析中经常遇到需要求解递推式的情况，即将递推式改写为等价的封闭形式。例如汉诺塔问题的时间复杂度递推形式为T(n)=2T(n−1)+1(n≥1)，可以解出封闭形式为T(n)=2n−1（设初始状态T(0)=0）。 因为递推式求解的重要性，许多算法书籍对其有专门介绍。Donald Knuth在Concrete Mathematics一书中多个章节都涉及递推式求解方法。算法导论也在第四章中专门论
特征方程法求解递推关系中的数列通项
热门推荐
风云龙儿的专栏
12-29 2万+
一、（一阶线性递推式）设已知数列的项满足,其中求这个数列的通项公式。 采用数学归纳法可以求解这一问题，然而这样做太过繁琐，而且在猜想通项公式中容易出错，本文提出一种易于掌握的解法——特征方程法：针对问题中的递推关系式作出一个方程称之为特征方程；借助这个特征方程的根快速求解通项公式.下面以定理形式进行阐述. 定理1：设上述递推关系式的特征方程的根为，则当时，为常数列，即，其中是以为公
数列的递推公式求通项(特征方程)
ftx456789的博客
08-25 8926
如：an+c1an−1+c2an−2+⋯ckan−k=bna_{n}+c_{1}a_{n-1}+c_{2}a_{n-2}+\cdots c_{k}a_{n-k}=b_{n}(n>k-1) (c1,c2⋯ckc_{1},c_{2}\cdots c_{k}为常数,k为正整数)的递推关系为k阶线性常系数递推关系 a0=d0,a1=d1,⋯,ak−1=dk−1a_{0}=d_{0},a_{1}=d_{
matlab实现二元多项式非线性拟合
12-28
在MATLAB中实现二元多项式的非线性拟合可以使用lsqcurvefit函数或nlinfit函数。下面是两种方法的示例代码： 1. 使用lsqcurvefit函数进行二元多项式非线性拟合： ```matlab % 定义二元多项式函数 fun = @(x,xdata) ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值