数学基础
Part 1. 高精度计算
Part 2. 模意义下的运算
mod
对一个数取模，其实就是取余数
注意：
• 无除法运算
• 满足基本的交换律、分配率、结合律
Part 4. 费马小定理与GCD&LCM
1.邻接矩阵
Part 5. 素数与筛法
Part 6. 欧拉函数
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
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。
行列式
行列式计算：
1.利用高斯消元将原矩阵变为对角矩阵
2.将对角线上的值连乘得到行列式
矩阵逆元
逆元的定义：
若矩阵B*A=I 则称B为A的左逆元
若矩阵A*B=I 则称B为A的左逆元
有逆元的前提：
矩阵行列式不为0
LH的矩阵求逆板子：
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#define LL long long
#define N 405
using namespace std;
const int mod=1e9+7; template<class T>inline void rd(T &x){ x=0; short f=1; char c=getchar(); while(c<'0' || c>'9') f=c=='-'?-1:1,c=getchar(); while(c<='9' && c>='0') x=x*10+c-'0',c=getchar(); x*=f; } int n,m; int f[N][N<<1],r,ans; inline int qpow(int x,int k){ int ret=1; while(k){ if(k&1) ret=1LL*ret*x%mod; x=1LL*x*x%mod; k>>=1; } return ret; } inline void Gauss(){ for(int i=1;i<=n;i++){ for(int j=i;j<=n;j++) if(f[j][i]){ if(j!=i) for(int k=1;k<=m;k++) swap(f[i][k],f[j][k]); break; } if(!f[i][i]){puts("No Solution");exit(0);} r=qpow(f[i][i],mod-2); for(int j=i;j<=m;j++) f[i][j]=1LL*f[i][j]*r%mod; for(int j=1;j<=n;j++) if(j!=i){ r=f[j][i]; for(int k=i;k<=m;k++) f[j][k]=(f[j][k]-1LL*r*f[i][k]%mod+mod)%mod; } } for(int i=1;i<=n;i++){ for(int j=n+1;j<=m;j++) printf("%d ",f[i][j]); puts(""); } return; } int main(){ rd(n); m=n<<1; for(int i=1;i<=n;i++){ for(int j=1;j<=n;j++) rd(f[i][j]); f[i][n+i]=1; } Gauss(); return 0; }
扩充知识
然而后面这些知识点LH貌似没讲
矩阵树定理
一个图的邻接矩阵G：对于无向图的边(u,v)，G[u][v]++,G[v][u]++
一个图的度数矩阵D：对于无向图的边(u,v)，D[u][u]++,D[v][v]++
而通过这两个矩阵就可以构造出图G的基尔霍夫矩阵：C=D-G.
Matrix Tree定理：
将图G的基尔霍夫矩阵去掉第i行和第i列(i可以取任意值，可以证明所得到的结果相同)，得到(n-1)*(n-1)的矩阵，对这个矩阵进行行列式的值求解，abs(det(A))即为图G的生成树个数。
有向图 - 矩阵树定理
树形图：以i点为根节点的树形图有(n-1)条边，从i节点出发可以到达其他所有(n-1)个节点.
定义： 有向图的邻接矩阵G：对于有向图的边(u,v)，G[u][v]++.
有向图的度数矩阵D：对于有向图的边(u,v)，D[v][v]++.
尤其需要注意的是：有向图的度数矩阵指的是一个点的入度，而不是出度。
而有向图的基尔霍夫矩阵的构造方式是一模一样的：C=D-G.
有向图Matrix Tree定理：
将有向图G的基尔霍夫矩阵去掉第i行和第i列，得到(n-1)*(n-1)的矩阵，对这个矩阵进行行列式的值求解，abs(det(A))就是以i为根的树形图的个数。
拓展：k^2logn求常系数线性递推方程
59
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
