矩阵

矩阵

 

 

 

 

 

 

矩阵乘法

一个m×n的矩阵就是m×n个数排成m行n列的一个数阵

 

一个m×p的矩阵A    乘   一个p×n的矩阵B    得到一个矩阵   一个m×n的矩阵AB

 

其中

 

 

for (int i=1;i<=n;i++)
        for (int j=1;j<=m;j++)
            for (int k=1;k<=tmp;k++)
                c.m[i][j]=c.m[i][j]+x.m[i][k]*y.m[k][j];

 

 

 

 

你考虑哪个比较头痛你就放到矩阵里，最后更头痛，然后补一个欢乐常数项

  [F(n-1),F(n-2),n,3n,1]*[ 7 1 0 0 0 
                           6 0 0 0 0 
                           5 0 1 0 0
                           4 0 0 3 0
                           0 0 1 0 1 ]              
=[F(n),F(n-1),n+1,3n+1,1]

 

 应用：斐波那契数列

          •  求斐波那契数列第k项的值

 

解析：

  f（i）表示斐波那契数列第 i 项

举个例子：

f1=1       { 0  1          *         { f1            =        { f2

f2=1         1  1 }                     f2 }                      f3 }

                 2*2                      1*1                      1*1

 所以可以推出：

 

 那么问题来了：

 

最后用所求快速幂 * f1  f2 构成的（2*1）矩阵就得到结果

实际上只需要 a[0][0]*f1+a[0][1]*f2  , 因为我们最后只需要 f[k]

 

代码：

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstdlib>
using namespace std; typedef long long ll; typedef long double ld; typedef pair<int,int> pr; const double pi=acos(-1); #define rep(i,a,n) for(int i=a;i<=n;i++) #define per(i,n,a) for(int i=n;i>=a;i--) #define Rep(i,u) for(int i=head[u];i;i=Next[i]) #define clr(a) memset(a,0,sizeof a) #define pb push_back #define mp make_pair #define fi first #define sc second ld eps=1e-9; ll pp=1000000007; ll mo(ll a,ll pp){if(a>=0 && a<pp)return a;a%=pp;if(a<0)a+=pp;return a;} ll powmod(ll a,ll b,ll pp){ll ans=1;for(;b;b>>=1,a=mo(a*a,pp))if(b&1)ans=mo(ans*a,pp);return ans;} ll read(){ ll ans=0; char last=' ',ch=getchar(); while(ch<'0' || ch>'9')last=ch,ch=getchar(); while(ch>='0' && ch<='9')ans=ans*10+ch-'0',ch=getchar(); if(last=='-')ans=-ans; return ans; } //head struct matrix{ int a[2][2]; }; matrix operator *(matrix a, matrix b){ matrix c; rep(i,0,1) rep(j,0,1){ c.a[i][j]=0; rep(k,0,1) c.a[i][j] = (c.a[i][j]+a.a[i][k]*b.a[k][j])%pp; } return c; } int k; int main(){ cin>>k; matrix a; //要乘的矩阵 a.a[0][0]=0;a.a[0][1]=1; a.a[1][0]=1;a.a[1][1]=1; matrix ans; //答案矩阵，初始定义为 1（快速幂当中存答案的ans初始值就是1）
 ，此处处理为单位矩阵 ans.a[0][0]=1;ans.a[0][1]=0; ans.a[1][0]=0;ans.a[1][1]=1; int b=k-1; //就是矩阵要乘多少次（实际就是k-1次） while(b){ if(b%2==1)ans=ans*a; a=a*a; b/=2; } int fk = (ans.a[0][0]+ ans.a[0][1])%pp; //矩阵快速幂求完了，
 最后要的答案运用矩阵乘法得到fk cout<<fk<<endl; //O(log B *2^3) }

 

 

 拓展：

1.计算 f(n) = 4f(n-1) – 3f(n-2) + 2f(n-4) +bb 的第k项

【输入格式】

  第一行：四个数，分别为这个数列的第1,2,3,4项；

 第二行：一个数k表示要求的是这个数列的第几项，一个数bb。

【输出格式】

一个数，为这个数列的第k项

【输入样例】       【输出样例】

  1 2 3 4                     16（不对请指正）

  5 7

 

  解析：

 代码：

#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<cstdlib>
using namespace std; typedef long long ll;#define rep(i,a,n) for(int i=a;i<=n;i++) ll pp=1000000007;//head struct xinde{ int a[5][5]; }; xinde operator*(xinde a,xinde b){ xinde c; rep(i,0,4) rep(j,0,4) { c.a[i][j]=0; rep(k,0,4) c.a[i][j]=(c.a[i][j]+a.a[i][k]*b.a[k][j])%pp; } return c; } int main() { int bb,k,f1,f2,f3,f4; cin>>f1>>f2>>f3>>f4; cin>>k>>bb; xinde a; a.a[0][0]=0;a.a[0][1]=1;a.a[0][2]=0;a.a[0][3]=0;a.a[0][4]=0; a.a[1][0]=0;a.a[1][1]=0;a.a[1][2]=1;a.a[1][3]=0;a.a[1][4]=0; a.a[2][0]=0;a.a[2][1]=0;a.a[2][2]=0;a.a[2][3]=1;a.a[2][4]=0; a.a[3][0]=2;a.a[3][1]=0;a.a[3][2]=-3;a.a[3][3]=4;a.a[3][4]=1; a.a[4][0]=0;a.a[4][1]=0;a.a[4][2]=0;a.a[4][3]=0;a.a[4][4]=1; xinde ans; ans.a[0][0]=1;ans.a[0][1]=0;ans.a[0][2]=0;ans.a[0][3]=0;ans.a[0][4]=0; ans.a[1][0]=0;ans.a[1][1]=1;ans.a[1][2]=0;ans.a[1][3]=0;ans.a[1][4]=0; ans.a[2][0]=0;ans.a[2][1]=0;ans.a[2][2]=1;ans.a[2][3]=0;ans.a[2][4]=0; ans.a[3][0]=0;ans.a[3][1]=0;ans.a[3][2]=0;ans.a[3][3]=1;ans.a[3][4]=0; ans.a[4][0]=0;ans.a[4][1]=0;ans.a[4][2]=0;ans.a[4][3]=0;ans.a[4][4]=1; int b=k-1; while(b) { if(b%2==1) ans=ans*a; a=a*a; b/=2; } int fk=(ans.a[0][0]*f1+ans.a[0][1]*f2+ans.a[0][2]*f3+ans.a[0][3]*f4+ans.a[0][4]*bb)%pp; cout<<fk<<endl; return 0; }

 

2.计算C(n,m)%p

   n<=10^18, m<=50

 

 解析：

  C(m , n+1)=C(m , n)+C(m-1 , n)

 

同样的道理

 

 

 

特殊矩阵：

1.邻接矩阵

   邻接矩阵（Adjacency Matrix）是表示顶点之间相邻关系的矩阵。

解释一下：

邻接矩阵中

A1[m][n] 表示从 Vm 到 Vn 有 A1[m][n] 条路（具体多少条路径还是要看图）

 性质：

      对无向图而言，邻接矩阵一定是对称的，而且主对角线一定为零，副对角线不一定为0，有向图则不一定如此。

 

 

 

2.三角矩阵

   三角矩阵是方形矩阵的一种，因其非零系数的排列呈三角形状而得名。

 

分类：

（1）上三角矩阵：一个矩阵如果对角线下方的元素全部为0，称为上三角矩阵

         性质：

        1）上三角矩阵的行列式为对角线元素相乘；

        2）上三角矩阵乘以系数后也是上三角矩阵；

        3）上三角矩阵间的加减法和乘法运算的结果仍是上三角矩阵；

        4）上三角矩阵的逆矩阵也仍然是上三角矩阵。

 

 （2）下三角矩阵：一个矩阵如果对角线上方的元素全部为0，称为下三角矩阵

 

 

 

3.分块矩阵

    分块矩阵是一个矩阵， 它是把矩阵分别按照横竖分割成一些小的子矩阵 。 然后把每个小矩阵看成一个元素。

分块矩阵*分块矩阵=分块矩阵

 

 

4.对角矩阵

       对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵。

       对角线上的元素可以为0或其他值。

       对角线上元素相等的对角矩阵称为数量矩阵；

       对角线上元素全为1的对角矩阵称为单位矩阵。

             

 

5.单位矩阵

              

 

 6.对称矩阵

    对称矩阵（Symmetric Matrices）是指元素以主对角线为对称轴对应相等的矩阵。

 

转载于:https://www.cnblogs.com/xiaoyezi-wink/p/11185466.html