Matrix-Tree定理（sx之前填坑还来得及吗）

从入门到入土：矩阵树Matrix-Tree定理
参考blog

在正式介绍Matrix_Tree定理之前，我们需要一些前置知识

一些定义与定理

• 对于一个无向图$G$，ta的生成树个数等于其基尔霍夫Kirchhhoff矩阵任何一个$N-1$阶主子式的行列式的绝对值

• 所谓$N-1$阶主子式就是对于任意的一个r，将矩阵的第$r$行和第$r$列同时删去得到的新矩阵

• 基尔霍夫Kirchhoff矩阵的一种求法：
  基尔霍夫$Kirchhoff~K=$度数矩阵$D-$邻接矩阵$A$

基尔霍夫$Kirchhoff$矩阵的具体求法

• • 度数矩阵$D$：是一个$N*N$的矩阵，其中
    $D[i][j]=0(i≠j),D[i][i]=i号点的度数$

  • 邻接矩阵$A$：是一个$N*N$的矩阵，其中
    $A[i][i]=0,A[i][j]=A[j][i]=i,j之间的边数$

  • 基尔霍夫$Kirchhoff~K=$度数矩阵$D-$邻接矩阵$A$

  举个例子：
  

  行列式det(K)求法

  得到基尔霍夫矩阵后，随便去掉某一行某一列并计算出新矩阵的行列式，其绝对值即为生成树个数

  

  $$det(K)=\sum_p((-1)^{τ(P)}×K_{1,p_1}×K_{2,p_2}×K_{3,p_3}×...×K_{N,p_N})$$

  其中$P$为$1-N$的任意一个排列，$τ(P)$表示排列$P$逆序对数
  而那个求和的每一项可以看做是在矩阵中选出$N$个数，这$N$个数不同行不同列

  ---

  不大明白？
  看一个形象的表示方法：
  
  在这个$N=3$的矩阵中，每一条线就代表着$K_{1,p_1}×K_{2,p_2}×...×K_{N,p_N}$

  那么$τ(P)$又是什么呢？
  主要看两数连线的方向了，方向为 \ 的，表示连线的两个数之间无逆序关系，方向为 / 的，表示连线的两个数之间有逆序关系
  具体怎么计算呢？
  对于选中的一个序列，把每一行选中的数依次与ta的上一行，上上一行直至第一行选中的数连线
  若连线方向为 \ ，则无逆序关系，方向为 /，则累加一个逆序数
  第一行因为没有上一行，所以逆序数为0

  举个例子：
  
  淡蓝色（青色，水蓝色，管你叫什么颜色）的线就是我们选中的排列
  $a_{1,4}$没有上一行，逆序数=0
  $a_{2,1}$与$a_{1,4}$连线，逆序数=1
  $a_{3,3}$与$a_{1,4},a_{2,1}$连线，逆序数=1
  $a_{4,2}$与$a_{1,4},a_{2,1},a_{3,3}$连线，逆序数=2

  $τ(P)=1+1=2=4$

  ---

  求和式共有$N!$项，暴力求解的复杂度为$O(N!)*N$
  复杂度太高，我们看一下有没有优化解法

  行列式的性质

  性质一 . 互换矩阵的两行(列)，行列式变号

  考虑对于原矩阵$K$，我们可以得到其行列式的求和式：
  

  $$det(K)=\sum_p((-1)^{τ(P)}×K_{1,p_1}×K_{2,p_2}×K_{3,p_3}×...×K_{N,p_N})$$

  若交换某两行的位置后得到了$K'$矩阵，若写出其行列式的求和式，不难发现，如果不看符号位的变化，只看每一个乘积项，那么这两个的矩阵的行列式的求和式是完全相同的
  我们把相同的乘积项移到对应的位置，如图示：

  
  然而显然，两个矩阵的这一项对应的排列$P$和$P'$不同：
  $P~:1~~2~~4~~3$
  $P':3~~2~~4~~1$
  那么$τ(P)=1,(-1)^{τ(P)}=-1$
  $τ(P')=4,(-1)^{τ(P')}=1$
  是不是都是这样呢？
  即原来是-1，现在是1；原来是1，现在是-1：交换任意逆序对变化量为奇数？
  答案是肯定的，证明如下：
  

  由此可知，逆序对数的变化量为奇数，即两个det()求和式的对应的每一项的符号位都相反，所以互换矩阵的两行(列)，行列式变号

  性质二 . 如果矩阵有两行(列)完全相同，则行列式为0

  证明：由性质1可知，交换这两行，得到的矩阵和原来相同，但是又要变化符号，则行列式的值只能为0

  性质三 . 如果矩阵的某一行(列)中的所有元素都乘以同一个数k，新行列式的值等于原行列式的值乘上数k

  证明：把求和式的每一项都提出一个公因子$k$

  推论：如果矩阵的某一行(列)中的所有元素都有一个公因子k，则可以把这个公因子k提到行列式求和式的外面

  性质四 . 如果矩阵有两行(列)成比例(比例系数k)，则行列式的值为 0

  证明：把其中一行提出一个公因数k，那么剩下的det()求和式所代表的矩阵中存在一行或一列完全相同，则值为0

  性质五 . 如果把矩阵的某一行(列)加上另一行(列)的k倍，则行列式的值不变

  证明：可以从求和式子的每一项的那一行的那个元素下手，
  把$det()$求和式拆成两个$det()$求和式：
  $det_1()$与原矩阵的行列式求法相同
  $det_2()$所代表的矩阵中有两行成比例，比例系数为$k$，值为0
  所以相比原来的行列式，值不变

  优化行列式的求法

  给出一个矩阵：
  
  注意到这个是一个上三角矩阵
  其行列式的值为对角线的乘积（同理下三角矩阵）
  因为只有$P=1~2~3~4$时，乘积项中才没有0出现

  由性质四可得，采用高斯消元的方法，把矩阵消为一个上三角矩阵后，然后求出对角线的积，便是该矩阵的行列式的值
  时间复杂度$O(N^3)$

  注意

  如果要求的矩阵不允许出现实数，且需要取模，则采用辗转相除的高斯消元法
  时间复杂度多一个$O(logN)$

  ---

  讲完了？差不多了
  总结一下：
  求一个图的生成树个数，首先构造度数矩阵$D$和邻接矩阵$A$
  

  $$基尔霍夫矩阵K=D-A$$

  方便起见，我们去掉$K$的第N行和第N列，得到一个新矩阵
  用高斯消元（取模情况下要使用辗转相除的高斯消元）得到新矩阵的上三角形
  对角线乘积的绝对值就是生成树个数

  ---

  什么是辗转相除的高斯消元？

  我们再计算高斯消元的时候，如果模数是质数，那么除法逆元可以直接用费马小定理解决

  模数不是质数呢？
  我们求gcd的时候一个经典方法就是辗转相除法
  同样的，我们对于矩阵中的两行，不断地把主元较大的那一行减去主元较小的那一行，最终一定有一行主元为0，也就完成了消元

  但是减法的效率不够高，我们可以计算两个主元相除的商$x$
  一次性用主元较大的行直接减去主元较小的行乘上$x$
  复杂度$O(logn)$

  需要注意的是，我们在gauss的时候会交换行
  由性质一可得：我们需要统计一下交换的次数
  如果次数为奇数，那么最后的答案还要乘上模意义下的$-1$

  要代码？没问题
  实际上就是在消元的时候变成了辗转相除

  ll gauss(int n) {
      int now,to;
      int opt=0;
      for (int i=1;i<=n;i++) {
          for (to=now;to<=n;to++)
              if (a[to][i]) break;
          if (to>n) return 0;                        //无解 
          if (to!=now) {
              for (int j=1;j<=n;j++)
                  swap(a[to][j],a[now][j]);
              opt^=1;
          }
          for (int j=i+1;j<=n;j++) 
              while (a[j][i]!=0) {
                  int x=a[j][i]/a[now][i];
                  if (x!=0) {
                      for (int k=1;k<=n;k++) {
                          a[j][k]-=(ll)x*a[now][k];
                          a[j][k]=(a[j][k]%p+p)%p;
                      }
                  }
                  else {
                      for (int k=1;k<=n;i++)        //系数比较小 
                          swap(a[now][k],a[j][k]);
                      opt^=1;
                  }
              }    
      }
      ll ans=1;
      for (int i=1;i<=n;i++) 
          ans=(ans*a[i][i])%p;
      if (opt) ans=mod-ans;
      return ans;
  }