矩阵乘法相关内容

矩阵乘法

内容简介

矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义 。一般单指矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。由于它把许多数据紧凑地集中到了一起，所以有时候可以简便地表示一些复杂的模型

定义

设$A$为 $n\ast m$ 的矩阵，$B$为 $m\ast q$ 的矩阵，那么称 的矩阵$C=n\ast q$
,并且必须满足$矩阵A$的列和$矩阵B的行数$一样才可以做矩阵乘法
假设此时$$\begin{gathered} A=3\ast 3 \\ B=3\ast 2 \\ C=3\ast 2 \end{gathered}$$
$$A=\left\{\begin{array}{ccc}{a}_{1,1}& a_{1,2}& a_{1,3}\\ a_{2,1}& a_{2,2}& a_{2,3}\\ a_{3,1}& a_{3,2}& a_{3,3}\end{array}\right\}$$

$$B=\left\{\begin{array}{cc}{b}_{1,1}& b_{1,2}\\ b_{2,1}& b_{2,2}\\ b_{3,1}& b_{3,2}\end{array}\right\}$$
$$C=\left\{\begin{array}{cc}{a}_{1,1}\ast b_{1,1}+a_{1,2}\ast b_{2,1}+a_{1,3}\ast b_{3,1}& a_{1,1}\ast b_{1,2}+a_{1,2}\ast b_{2,2}+a_{1,2}\ast b_{3,2}\\ ...& ...\\ ...& ...\end{array}\right\}$$
$C[i][j]=\sum a[i][k]\ast a[k][j](k€[1,m])//意思就是把A的第i行和B的第j列分别相乘之后相加$

矩阵乘法的具体实现
I matrix operator *(const matrix &x ,const matrix &y)
{
	matrix z;memset(z.a,0,sizeof(z.a));
	z.n=x.n;z.m=y.m;
	for(RI i=1;i<=z.n;i++)
	 for(RI k=1;k<=x.m;k++)
	  for(RI j=1;j<=z.m;j++)
	   z.a[i][j]=z.a[i][j]+x.a[i][k]*y.a[k][j];
	   
	return z;
}

矩阵快速幂

矩阵的快速幂和数的快速幂是一个道理！
并且矩阵乘法不一定任何时候都有交换律。因为交换后甚至不能保证第一个矩阵的列数等于第二个矩阵的行数。
但是，矩阵乘法有结合律。$A\ast B\ast C=A\ast (B\ast C)$
这是一个最常用的运算律，使之可以用矩阵快速幂。

#include<bits/stdc++.h>
#define LL long long 
#define RI  register int 
#define RL register long long
#define maxn 150
#define I inline 
#define mod 1000000007

using namespace std;

I LL read()
{
     RL res=0,f=1;char ch=getchar();
     while(!isdigit(ch)){if(ch=='-')f=-f;ch=getchar();}
     while(isdigit(ch)){res=(res<<1)+(res<<3)+(ch&15);ch=getchar();}
     return res*f;
} 
LL n,k;

struct matrix{
	LL a[maxn][maxn];
}m1,m2;

I matrix operator *(const matrix &x ,const matrix &y)
{
	matrix z;memset(z.a,0,sizeof(z.a));
	for(RI i=1;i<=n;i++)
	 for(RI k=1;k<=n;k++)
	  for(RI j=1;j<=n;j++)
	   z.a[i][j]=(z.a[i][j]+x.a[i][k]*y.a[k][j]%mod)%mod;
	   
	return z;
}

I void init()
{
     n=read();k=read();
     for(RI i=1;i<=n;i++)
     {
     	m2.a[i][i]=1;
		for(RI j=1;j<=n;j++)
		m1.a[i][j]=read();	
	 }
} 
I void print()
{
	for(RI i=1;i<=n;i++)
	{
		for(RI j=1;j<=n;j++)cout<<m2.a[i][j]<<' ';
		putchar('\n');
	}
}
I void fastpow()
{
	while(k)
	{
		if(k&1)m2=m2*m1;//把其乘到答案矩阵
		m1=m1*m1;//快速幂
		k>>=1;
	}
	return ;
}
int main()
{
	init();
	fastpow();
	print();
	return 0;
}

矩阵乘法优化dp

矩阵乘法优化一维dp

1.斐波那契数列

我们都知道斐波那契数列的递推式子是

$$f(n)=\{\begin{array}{ll}1& x\le 2\\ f(n-1)+f(n-2)& x\ge 3\end{array}$$

但是当题目让我们求斐波那契数列的第$10^9$项怎么办？数组没法存，并且$O(n)$还要超时，那么有没有一种方法可以缩短时间呢?
答案是能！就是运用到了我们上面的矩阵乘法
假设刚开始：
$$A=\left\{\begin{array}{cc}f1& f2\end{array}\right\}$$
我们要推出下一步
$$C=\left\{\begin{array}{cc}f2& f3\end{array}\right\}$$
我们构造一个B矩阵
$$B=\left\{\begin{array}{cc}0& 1\\ 1& 1\end{array}\right\}$$
发现只需要让$C=A\ast B$
我们解决了一个问题就是：通过矩阵乘法也可以推出斐波那契数列的后面一项，但是好像每次乘矩阵B的复杂度也是$O(n)$
$$A\ast B\ast B....\ast B=f(n)$$
于是我们可以把中间的好多个乘矩阵B给简化成为矩阵快速幂
$$A\ast B^{n-2}=f(n)$$
这样就可以在$O(logn)$的情况下fast解决这道题目

#include<bits/stdc++.h>
#define LL long long 
#define RI  register int 
#define RL register long long
#define maxn 150
#define I inline 
#define mod 1000000007

using namespace std;

I LL read()
{
     RL res=0,f=1;char ch=getchar();
     while(!isdigit(ch)){if(ch=='-')f=-f;ch=getchar();}
     while(isdigit(ch)){res=(res<<1)+(res<<3)+(ch&15);ch=getchar();}
     return res*f;
} 
LL n,k;

struct matrix{
	int n,m; 
	LL a[maxn][maxn];
}m1,m2;

I matrix operator *(const matrix &x ,const matrix &y)//矩阵乘法
{
	matrix z;memset(z.a,0,sizeof(z.a));
	z.n=x.n;z.m=y.m;
	for(RI i=1;i<=z.n;i++)
	 for(RI k=1;k<=x.m;k++)
	  for(RI j=1;j<=z.m;j++)
	   z.a[i][j]=(z.a[i][j]+x.a[i][k]*y.a[k][j]%mod)%mod;
	   
	return z;
}

I void init()
{
     n=read();
     if(n<=2){putchar('1');exit(0);}//初始化矩阵
     n-=2;
     m1.n=1;m1.m=2;
     m1.a[1][1]=1;m1.a[1][2]=1;
     m2.n=2;m2.m=2;
     m2.a[1][1]=0;m2.a[1][2]=1;
     m2.a[2][1]=1;m2.a[2][2]=1;
} 
I void fastpow()
{
	while(n)
	{
		if(n&1)m1=m1*m2;
		m2=m2*m2;
		n>>=1;
	}
	return ;
}
int main()
{
	init();
	fastpow();
	cout<<m1.a[1][2];
	return 0;
}

2.P1939 【模板】矩阵加速（数列）

题目大意就是
$$f(n)=\{\begin{array}{ll}1& x\le 3\\ f(n-1)+f(n-3)& x\ge 4\end{array}$$

我们和上面一样的做法
$$A=\left\{\begin{array}{ccc}f1& f2& f3\end{array}\right\}$$
我们要推出下一步
$$C=\left\{\begin{array}{ccc}f2& f3& f4\end{array}\right\}$$
我们构造一个B矩阵
$$B=\left\{\begin{array}{ccc}0& 0& 1\\ 1& 0& 0\\ 0& 1& 1\end{array}\right\}$$
就解决了

#include<bits/stdc++.h>
#define LL long long 
#define RI  register int 
#define RL register long long
#define maxn 150
#define I inline 
#define mod 1000000007

using namespace std;

I LL read()
{
     RL res=0,f=1;char ch=getchar();
     while(!isdigit(ch)){if(ch=='-')f=-f;ch=getchar();}
     while(isdigit(ch)){res=(res<<1)+(res<<3)+(ch&15);ch=getchar();}
     return res*f;
} 
LL n,k;

struct matrix{
	int n,m; 
	LL a[maxn][maxn];
}m1,m2;

I matrix operator *(const matrix &x ,const matrix &y)
{
	matrix z;memset(z.a,0,sizeof(z.a));
	z.n=x.n;z.m=y.m;
	for(RI i=1;i<=z.n;i++)
	 for(RI k=1;k<=x.m;k++)
	  for(RI j=1;j<=z.m;j++)
	   z.a[i][j]=(z.a[i][j]+x.a[i][k]*y.a[k][j]%mod)%mod;
	   
	return z;
}

I void init()
{
     n-=3;
     m1.n=1;m1.m=3;
     m1.a[1][1]=1;m1.a[1][2]=1;m1.a[1][3]=1;
     m2.n=3;m2.m=3;
     m2.a[1][1]=0;m2.a[1][2]=0;m2.a[1][3]=1;
     m2.a[2][1]=1;m2.a[2][2]=0;m2.a[2][3]=0;
     m2.a[3][1]=0;m2.a[3][2]=1;m2.a[3][3]=1;
} 
I void fastpow()
{
	while(n)
	{
		if(n&1)m1=m1*m2;
		m2=m2*m2;
		n>>=1;
	}
	return ;
}
int T;
int main() 
{
	T=read();
	while(T--)
	{ 
	 n=read();if(n<=3){puts("1");continue;}
	init();
    
	fastpow();
	cout<<m1.a[1][3]<<endl;
	}
	return 0;
}

矩阵乘法优化二维dp

优化要满足一下四个条件

1. 是二维的$f[i][j]$
2. 从$i-1$转移到$i$
3. 是$\Sigma 求和$
4. 转移系数也就是上图中的$z[k][j]$和$i$无关