差分——(2)二维差分

3 篇文章 1 订阅

前面部分我们介绍了一维差分,https://blog.csdn.net/justidle/article/details/103761632。下面我们扩展一下,来介绍二维差分。

什么是二维差分

我们有一个矩阵,如下图所示。

根据二维前缀和表示的是右上角矩形的和,由于差分只涉及前面相邻的数(由一维可以推出),并且由前面范围的数相加得到这个位置的数。那么类比二维前缀和和一维差分,可以简单推测出二维差分的公式

p[i][j]=a[i][j]-a[i-1][j]-a[i][j-1]+a[i-1][j-1]

如何从差分矩阵得到原矩阵呢?可以参考下面公式

p[i][j]=p[i][j]+p[i-1][j]+p[i][j-1]-p[i-1][j-1]; a[i][j]=p[i][j];

P.S. 道歉,前面这个公式写错了,感谢 @繁星-落眼 的纠正。再次道歉。

举例

比如,我们有一个矩阵 a,如下所示:

1 2 4 3
5 1 2 4
6 3 5 9

那么对应的二维差分矩阵 p 如下:

1  1  2 -1
4 -5 -1  3
1  1  1  2

应用

 如果我们要在左上角是 (x1,y1),右下角是 (x2,y2) 的矩形区间每个值都 +a,如下图所示

在我们要的区间开始位置(x1,y1)处 +c,根据前缀和的性质,那么它影响的就是整个黄色部分,多影响了两个蓝色部分,所以在两个蓝色部分 -c 消除 +c 的影响,而两个蓝色部分重叠的绿色部分多了个 -c 的影响,所以绿色部分 +c 消除影响。所以对应的计算方法如下:

diff[x1][y1] += c;
diff[x1][y2+1] -=c;
diff[x2+1][y1] -=c;
diff[x2+1][y2+1] += c;

模板题

链接

我的OJ,http://47.110.135.197/problem.php?id=5227

题目描述

输入一个 n 行 m 列的整数矩阵,再输入 q 个操作,每个操作包含五个整数 x1,y1,x2,y2,c,其中 (x1, y1) 和 (x2, y2) 表示一个子矩阵的左上角坐标和右下角坐标。
每个操作都要将选中的子矩阵中的每个元素的值加上 c。
请你将进行完所有操作后的矩阵输出。

输入

第一行包含整数 n,m,q。
接下来 n 行,每行包含 m 个整数,表示整数矩阵。
接下来 q 行,每行包含 5 个整数 x1,y1,x2,y2,c,表示一个操作。

输出

共 n 行,每行 m 个整数,表示所有操作进行完毕后的最终矩阵。

样例输入

3 4 3
1 2 2 1
3 2 2 1
1 1 1 1
1 1 2 2 1
1 3 2 3 2
3 1 3 4 1

样例输出

2 3 4 1
4 3 4 1
2 2 2 2

数据范围

1 ≤ n, m ≤ 1000,
1 ≤ q ≤ 100000,
1 ≤ x1 ≤ x2 ≤ n,
1 ≤ y1 ≤ y2 ≤ m,
−1000 ≤ c ≤ 1000,
−1000 ≤ 矩阵内元素的值 ≤ 1000

分析

这是一个二维差分的模板题。

数据分析

下面我们根据样例输入来分析一下,样例输出是如何得到的。

初始状态的差分数组 diff 为

 1  1 0 -1
 2 -2 0  0
-2  1 0  1

第一次操作为 1 1 2 2 1,得到差分数组 diff 变为

 2  1 -1 -1
 2 -2  0  0
-3  1  1  1

第二次操作为 1 3 2 3 2,得到差分数组 diff 变为

 2  1  1 -3
 2 -2  0  0
-3  1 -1  3

第二次操作为 1 3 2 3 2,得到差分数组 diff 变为

 2  1  1 -3
 2 -2  0  0
-2  1 -1  3

最终,我们可以根据差分数组 diff 求出对应的数组。

数据范围

从题目中知道,n 的最大值为 1000,因此我们定义数组为 1004。

数组的每个数范围为 [-1000, 1000],c 的范围为 [-1000, 1000],操作数 q 最大值为 100000。因此我们可以计算出,经过 q 次操作后,最大的数据为 1000+1000*100000 = 10^8+1000,在 int 的表示范围内。同理最小的数据将是 -1000+(-1000*100000)=-10^8-1000,也在 int 的表示范围内。

AC 代码

#include <bits/stdc++.h>
using namespace std;

const int MAXN = 1e3+6;
const int MAXM = 1e3+6;
int a[MAXN][MAXM] = {};
int diff[MAXN][MAXM] = {};

int main() {
    int n,m,q;
    scanf("%d%d%d", &n, &m, &q);

    int i, j;
    for (i=1; i<=n; i++) {
        for (j=1; j<=m; j++) {
            scanf("%d", &a[i][j]);
            diff[i][j] = a[i][j]-a[i-1][j]-a[i][j-1]+a[i-1][j-1];
        }
    }

    for (i=0; i<q; i++) {
        int x1, y1, x2, y2, c;
        scanf("%d%d%d%d%d", &x1, &y1, &x2, &y2, &c);
        diff[x1][y1] += c;
        diff[x1][y2+1] -=c;
        diff[x2+1][y1] -=c;
        diff[x2+1][y2+1] += c;
    }

    for (i=1; i<=n; i++) {
        for (j=1; j<=m; j++) {
            diff[i][j] += diff[i-1][j]+diff[i][j-1]-diff[i-1][j-1];
            printf("%d ", diff[i][j]);
        }
        printf("\n");
    }

    return 0;
}

  • 87
    点赞
  • 184
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 22
    评论
二维雷诺方程是描述流体力学中速度场随时间和空间变化的方程。这方程在研究湍流和边界层等流体现象中具有重要的应用。而有限差分方法是一种数值计算方法,可以将偏微分方程转化为离散形式进行求解。 在使用MATLAB进行有限差分求解二维雷诺方程时,首先需要将偏微分方程离散化为差分方程。这可以通过将空间和时间分割成一系列离散的点和步长来实现。然后,可以使用中心差分法或向前/向后差分法来近似求解一阶或二阶偏导数。 具体来说,可以将二维雷诺方程的速度场分别在x和y方向上进行离散化。利用下面的差分近似公式可以得到差分方程: ∂u/∂t ≈ (u(i,j,k+1) - u(i,j,k))/Δt, ∂u/∂x ≈ (u(i+1,j,k) - u(i-1,j,k))/(2Δx), ∂²u/∂y² ≈ (u(i,j+1,k) - 2u(i,j,k) + u(i,j-1,k))/Δy², 其中,u(i,j,k) 是速度场在点(i,j),时刻k的值;Δt,Δx和Δy分别是时间和空间的步长。 然后,使用这些差分方程,可以构建一个迭代求解的算法来得到速度场的数值解。通过迭代更新每个点的值,直到达到收敛条件为止。收敛条件通常是设置一个最大迭代次数或控制相邻两次迭代之间速度场的变化。 最后,使用MATLAB编写这个迭代求解的算法,并设置合适的边界条件和初始条件,即可得到二维雷诺方程在给定条件下的数值解。在求解过程中,可以进行误差估计和结果分析,以验证数值解的准确性和可靠性。
评论 22
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

努力的老周

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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