矩阵树定理

一些定义如下：

• 度数矩阵：一个 $n$ 阶无向图 $G$ 的度数矩阵 $D$ 的大小为 $n\times n$，且 $D$ 仅在 $D_{i,i}$($i=1,2,\cdots n$) 处有值，其中 $D_{i,i}$ 的值为点 $i$ 的度数。
• (出 / 入) 度矩阵：一个 $n$ 阶有向图 $G$ 的 (出 / 入) 度矩阵 $D$ 的大小为 $n\times n$，且 $D$ 仅在 $D_{i,i}$($i=1,2,\cdots n$) 处有值，其中 $D_{i,i}$ 的值为点 $i$ 的 (出 / 入) 度。
• 邻接矩阵 —— 无向图：一个 $n$ 阶无向图 $G$ 的邻接矩阵 $A$ 的大小为 $n\times n$，$A$ 在 $A_{i,j}$($i\ne j$) 处有值，其中 $A_{i,j}$ 的值为点 $i,j$ 间的连边个数。
• 邻接矩阵 —— 有向图：一个 $n$ 阶有向图 $G$ 的邻接矩阵 $A$ 的大小为 $n\times n$，$A$ 在 $A_{i,j}$($i\ne j$) 处有值，其中 $A_{i,j}$ 的值为从点 $i$ 连向点 $j$ 的有向边个数。

---

矩阵树定理

由于此定理的证明极其复杂，需要大量高等数学知识，这里只给出结论。

矩阵树定理是用于求解图上生成树计数问题的重要定理，内容如下：

设 $G$ 为一 $n$ 阶无向图，定义 $G$ 的基尔霍夫(Kirchhoff) 矩阵 $K$ 为其度数矩阵与其邻接矩阵之差，则 $G$ 的无根生成树的个数为 $K$ 的任意一个 $n-1$ 阶主子式对应行列式的绝对值。

定理内容十分简洁，没什么好讲的。代码实现上基尔霍夫矩阵可以直接按照定义计算，对行列式求值用高斯消元即可，时间复杂度 $\mathrm{O}(n^3)$。

下面给出高斯消元求行列式的代码：

double det(int n){
   //求矩阵a[1...n][1...n]的行列式
	double d = 1;
	for(int i = 1; i <= n; i ++){
   
		if(fabs(a[i][i]) < eps){
   
			bool flag = 0;
			for(int j = i + 1; j <= n; j ++){
   
				if(fabs(a[j][i]) > eps){
   
					d *= -1,flag = 1;//每次交换要变号
					for(int k = i; k <= n; k ++) swap(a[i][k],a[j][k]);
					break;
				}
			}
			if(!flag) return 0;//若整列均为0，行列式值为0，这种情况当且仅当原图不连通
		}
		for(int j = i + 1; j <= n; j ++){
   
			double t = a[j][i] / a[i][i];
			for(int k = i; k <= n; k ++) a[j][k] -= t * a[i][k];
		}
		d *= a[i][i];//最终值为消去下三角后主对角线元素之积，这里由于a[i][i]不会再改变故直