ICPC2020济南站 A Matrix Equation 高斯消元 + bitset优化

A Matrix Equation

题意：
求有多少个C可以满足$A\times C=B\cdot C$

思路：
高斯消元

根据线代叉乘的规律，拆成对于C的每一列求解。

一个性质是mod2下的加法就是异或。

于是就变成了一个高斯消元异或方程组求解，对于C的每一列答案就是$2^{自由元个数}$，所有列直接根据乘法原理相乘。

n的数据是200，时间复杂度是$O（n^4）$,练习的时候直接交就过去了。

赛后学到一个优化：可以用bitset，bitset可以看作bool数组，但优化了空间复杂度和时间复杂度，并且可以像整形一样按位与或。

赋值
bitset重载了[]运算符，故可以像bool数组那样赋值

bi[2] = 1;
这样就能将第二位赋值为1

常用函数

b1 = b2 & b3;//按位与
b1 = b2 | b3;//按位或
b1 = b2 ^ b3;//按位异或
b1 = ~b2;//按位补
b1 = b2 << 3;//移位
int one = b1.count();//统计1的个数

优化作用
常常碰到处理的数组只有0和1的变化，此时就可以使用bitset优化。比如求两个集合的交集可以使用按位与运算，求并集可以使用按位或运算

代码

#include <bits/stdc++.h>
using namespace std;
const int maxn = 200 + 5;
const int mod = 998244353;
typedef long long ll;
typedef int itn;

ll qpow(ll a,ll b,ll m){
    ll res = 1;
    while(b){
        if(b & 1)  res = res * a % mod;
        a = a * a % m;
        b >>= 1;
    }
    return res % m;
}

bitset<maxn> a[maxn];
int A[maxn][maxn],B[maxn][maxn];

ll guass(int n,int m)
{
    int row = 0,col = 0,maxx;
    for(; col < m && row < n ;++ col){
        for(maxx = row ;maxx < n;++maxx){
            if(a[maxx][col])
                break;
        }
        if(a[maxx][col] == 0)
            continue;

        swap(a[maxx],a[row]);
        for(int i = row + 1;i < n; ++i){
            if(a[i][col])
                a[i] ^= a[row];
        }
        row++;
    }
    return qpow(2,n - row,mod);
}

int main()
{
    int n;
    cin>>n;
    ll ans = 1;
    for(int i =0;i < n; ++i)
        for(int j = 0;j < n; ++j)
            cin>>A[i][j];
    for(int i = 0;i < n; ++i)
        for(int j = 0;j< n ; ++j)
            cin>>B[i][j];  
    for(int j = 0;j < n; ++j){
        for(int i = 0;i < n; ++i)
            for(int k = 0;k < n; ++k)
                a[i][k] = A[i][k];
        for(int i =0;i < n; ++i)
            a[i][i] = (A[i][i] ^ B[i][j]);
        ll tem = guass(n,n);
        ans = ans * tem % mod; 
    }
    cout<<ans<<endl;
    return 0;
}