『笔记』矩阵

定义

在数学中,矩阵(Matix) 是一个按照长方形阵列排列的复数或实数集合。

\(m \times n\) 个数 \(a_{i,j}\) 排成的 \(m\)\(n\) 列的数表称为 \(m\)\(n\) 列的矩阵,简称 \(m \times n\) 矩阵。(其中 \(m\) 为行数、\(n\) 为列数)

\[\begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{m,1} & a_{m,2} & \cdots & a_{m,n} \end{bmatrix}_{m \times n} \]

几种常见矩阵类型

实矩阵

数表中多有元素均为实数

复矩阵

数表中所有元素均为复数

行矩阵

数表中只有一行元素,没有列元素

列矩阵

数表中只有一列元素,没有行元素

负矩阵

数表中所有元素均为负数

方阵

一种特殊的矩阵,行数 = 列数

\[\begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{n,1} & a_{n,2} & \cdots & a_{n,n} \end{bmatrix}_{n \times n} \]

单位阵

一种特殊的方阵,数表中从左上角到右下角的对角线(称为主对角线)上的元素均为 \(1\) ,除此以外全都为 \(0\)

记作 \(I_n\)\(E_n\) ,通常用 \(I\)\(E\) 表示。

根据单位矩阵的特点,任何矩阵与单位矩阵相乘都等于本身。

\[\begin{bmatrix} 1 & 0 & \cdots & 0 \\ 0 & 1 & \cdots & 0 \\ \cdots & \cdots & \ddots & \cdots \\ 0 & 0 & \cdots & 1 \end{bmatrix}_{n \times n} \]

同型矩阵

行数和列数分别相同的两个矩阵。

若有

\[A_{m \times n} = \begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{m,1} & a_{m,2} & \cdots & a_{m,n} \end{bmatrix}_{m \times n} \]

\[B_{m \times n} = \begin{bmatrix} b_{1,1} & b_{1,2} & \cdots & b_{1,n} \\ b_{2,1} & b_{2,2} & \cdots & b_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ b_{m,1} & b_{m,2} & \cdots & b_{m,n} \end{bmatrix}_{m \times n} \]

\[A_{m \times n} \leftrightarrow B_{m \times n} \]

那么显然,两个矩阵互为同型矩阵是两个矩阵相同的充分条件。

特殊矩阵

单元素矩阵

当一个矩阵的数表中只有一个元素时,可以不加括号。

\[A= \begin{bmatrix} 5 \end{bmatrix} =5 \]

但要注意,一个矩阵 \(5\) 和一个数字 \(5\) 的数学意义是不同的。

零矩阵

数表中所有元素均为零。零矩阵可直接表示为 \((0)\) 或者 \(0\)

但是值得注意的是,两个零矩阵不一定是同型矩阵,更不一定是相同矩阵,例如

\[0 = \begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix}_{2 \times 3} \]

\[0^{\prime} = \begin{bmatrix} 0 & 0 \\ 0 & 0 \\ 0 & 0 \end{bmatrix}_{3 \times 2} \]

既不是同型矩阵,更不是相同矩阵。

矩阵的对角线

注意,只有方阵才能有对角线,即只有当矩阵的 行数 = 列数 时才能有对角线。

错误示范:

正确示范:

矩阵运算

加减法

将两个矩阵的每一个元素相加减,对应元素形成的结果作为新矩阵的对应元素。

注意:两矩阵能够做加减法运算的充要条件是这两个矩阵是同型矩阵

\[\begin{aligned} A_{n \times n} \pm b_{n \times n} &= \begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{n,1} & a_{n,2} & \cdots & a_{n,n} \end{bmatrix}_{n \times n} \pm \begin{bmatrix} b_{1,1} & b_{1,2} & \cdots & b_{1,n} \\ b_{2,1} & b_{2,2} & \cdots & b_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ b_{n,1} & b_{n,2} & \cdots & b_{n,n} \end{bmatrix}_{n \times n} \\ & = \begin{bmatrix} a_{1,1} \pm b_{1,1} & a_{1,2} \pm b_{1,2} & \cdots \pm \cdots & a_{1,n} \pm b_{1,n} \\ a_{2,1} \pm b_{2,1} & a_{2,2} \pm b_{2,2} & \cdots \pm \cdots & a_{2,n} \pm b_{2,n} \\ \cdots \pm \cdots & \cdots \pm \cdots & \cdots \pm \cdots & \cdots \pm \cdots \\ a_{n,1} \pm b_{n,1} & a_{n,2} \pm b_{n,2} & \cdots \pm \cdots & a_{n,n} \pm b_{n,n} \end{bmatrix}_{n \times n} \end{aligned} \]

矩阵乘法

数乘矩阵

用一个数乘一个矩阵等于用一个数乘以这个矩阵的全部元素。

\[\begin{aligned} K \times A_{m \times n} &= K \times \begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{m,1} & a_{m,2} & \cdots & a_{m,n} \end{bmatrix}_{m \times n} \\ &= \begin{bmatrix} K \times a_{1,1} & K \times a_{1,2} & \cdots & K \times a_{1,n} \\ K \times a_{2,1} & K \times a_{2,2} & \cdots & K \times a_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ K \times a_{m,1} & K \times a_{m,2} & \cdots & K \times a_{m,n} \end{bmatrix}_{m \times n} \\ \end{aligned} \]

矩阵相乘

设 A 为 \(m \times p\) 的矩阵,B 为 \(p \times n\) 的矩阵,那么称 \(m \times n\) 的矩阵 C 为矩阵 A 与 B 的乘积,记作 \(C = A \times B\),其中矩阵 C 中的第 \(i\) 行第 \(j\) 列元素可以表示为:

\[(A B)_{i j}=\sum_{k=1}^{p} a_{i k} b_{k j}=a_{i 1} b_{1 j}+a_{i 2} b_{2 j}+\cdots+a_{i p} b_{p j} \]

计算过程:

\[\begin{aligned} C &= A_{m \times p} \times b_{p \times n} \\ &= \begin{bmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,p} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,p} \\ \cdots & \cdots & \cdots & \cdots \\ a_{m,1} & a_{m,2} & \cdots & a_{m,p} \end{bmatrix}_{m \times p} \times \begin{bmatrix} b_{1,1} & b_{1,2} & \cdots & b_{1,n} \\ b_{2,1} & b_{2,2} & \cdots & b_{2,n} \\ \cdots & \cdots & \cdots & \cdots \\ b_{p,1} & b_{p,2} & \cdots & b_{p,n} \end{bmatrix}_{p \times n} \\ & = \begin{bmatrix} a_{1,1} \times b_{1,1} + a_{1,2} \times b_{2,1} + \cdots \times \cdots + a_{1,p} \times b_{p,1} & a_{1,1} \times b_{1,2} + a_{1,2} \times b_{2,2} + \cdots \times \cdots + a_{1,p} \times b_{p,2} & a_{1,1} \times \cdots + a_{1,2} \times \cdots + \cdots \times \cdots + a_{1,p} \times \cdots & a_{1,1} \times b_{1,n} + a_{1,2} \times b_{2,n} + \cdots \times \cdots + a_{1,p} \times b_{p,n} \\ a_{2,1} \times b_{1,1} + a_{2,2} \times b_{2,1} + \cdots \times \cdots + a_{2,p} \times b_{p,1} & a_{2,1} \times b_{1,2} + a_{2,2} \times b_{2,2} + \cdots \times \cdots + a_{2,p} \times b_{p,2} & a_{2,1} \times \cdots + a_{2,2} \times \cdots + \cdots \times \cdots + a_{2,p} \times \cdots & a_{2,1} \times b_{1,n} + a_{2,2} \times b_{2,n} + \cdots \times \cdots + a_{2,p} \times b_{p,n} \\ \cdots \times b_{1,1} + \cdots \times b_{2,1} + \cdots \times \cdots + \cdots \times b_{p,1} & \cdots \times b_{1,2} + \cdots \times b_{2,2} + \cdots \times \cdots + \cdots \times b_{p,2} & \cdots \times \cdots + \cdots \times \cdots + \cdots \times \cdots + \cdots \times \cdots & \cdots \times b_{1,n} + \cdots \times b_{2,n} + \cdots \times \cdots + \cdots \times b_{p,n} \\ a_{m,1} \times b_{1,1} + a_{m,2} \times b_{2,1} + \cdots \times \cdots + a_{m,p} \times b_{p,1} & a_{m,1} \times b_{1,2} + a_{m,2} \times b_{2,2} + \cdots \times \cdots + a_{m,p} \times b_{p,2} & a_{m,1} \times \cdots + a_{m,2} \times \cdots + \cdots \times \cdots + a_{m,p} \times \cdots & a_{m,1} \times b_{1,n} + a_{m,2} \times b_{2,n} + \cdots \times \cdots + a_{m,p} \times b_{p,n} \end{bmatrix}_{m \times n} \end{aligned} \]

若公式显示不完整可以点击这里查看。

运算律

  • 数乘结合律: \(K(AB)=(KA)B=A(KB)\)

  • 乘法结合律: \((AB)C=A(BC)\)

  • 乘法左分配律: \((A+B)C=AC+BC\)

  • 乘法右分配律: \(C(A+B)=CA+CB\)

注意

\(A \times B\) 有意义, \(B \times A\) 不一定有意义。

\(A \times B=B \times A\) ,则说明 \(A\)\(B\) 是可交换的。

矩阵加速

P1962 斐波那契数列

一道非常基础的矩乘矩阵加速模板题呢~

注意到数据范围是 \(1 \leq n \leq 2^{63}\) ,肯定不能直接进行常规递推求解。

  • \(Fib(n)\) 表示矩阵 \(\begin{bmatrix}F_n & F_{n-1}\end{bmatrix}\)

  • \(base\) 使得 \(Fib(n-1) \times base = Fib(n)\) ,即 \(\begin{bmatrix}F_{n-1} & F_{n-2}\end{bmatrix} \times base = \begin{bmatrix}F_n & F_{n-1}\end{bmatrix}\)

斐波那契数列的递推式为 \(F_n = F_{n-1} + F_{n-2}\)

如果要使得矩阵进行乘法时能令 \(F_{n-1}\)\(F_{n-2}\) 相加,得出 \(F_n\),那么 \(base\) 矩阵的第一列一定为 \(\begin{bmatrix}1 \\ 1\end{bmatrix}\)

同理,如果要计算 \(F_{n-1}\)\(base\) 矩阵的第二列一定为 \(\begin{bmatrix}1 \\ 0 \end{bmatrix}\)

综上所述,

\[base = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \]

原式可化为

\[\begin{bmatrix} F_{n-1} & F_{n-2} \end{bmatrix} \times \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} = \begin{bmatrix} F_n & F_{n-1} \end{bmatrix} \]

代码:

/*

Name: P1962 斐波那契数列

Solution: 矩阵加速
   

By Frather_

*/
#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>

#define Kmod 1000000007
#define int long long

using namespace std;
/*==================================================快读*/
inline int read()
{
    int X = 0, F = 1;
    char CH = getchar();
    while (CH < '0' || CH > '9')
    {
        if (CH == '-')
            F = -1;
        CH = getchar();
    }
    while (CH >= '0' && CH <= '9')
    {
        X = (X << 3) + (X << 1) + (CH ^ 48);
        CH = getchar();
    }
    return X * F;
}
/*===============================================定义变量*/
int n;
struct Matrix
{
    int z[3][3];
    void init()
    {
        memset(z, 0, sizeof z);
    }
} base, ans;

/*=============================================自定义函数*/
void prepare()
{
    ans.init();
    ans.z[1][1] = 1;
    ans.z[1][2] = 1;

    base.init();
    base.z[1][1] = 1;
    base.z[1][2] = 1;
    base.z[2][1] = 1;
}

Matrix mul(Matrix a, Matrix b)
{
    Matrix res;
    res.init();
    for (int i = 1; i <= 2; ++i)
        for (int j = 1; j <= 2; ++j)
            for (int k = 1; k <= 2; ++k)
                res.z[i][j] = (res.z[i][j] + a.z[i][k] * b.z[k][j]) % Kmod;
    return res;
}

void Qpow(int b)
{
    while (b)
    {
        if (b & 1)
            ans = mul(ans, base);
        base = mul(base, base);
        b >>= 1;
    }
}
/*=================================================主函数*/
signed main()
{
    prepare();

    n = read();
    // if (n <= 2)
    // {
    //     printf("1\n");
    //     return 0;
    // }

    Qpow(n - 1);

    printf("%lld\n", ans.z[1][2] % Kmod);
    return 0;
}

感谢巨佬 @KnightL 为代码优化做出的贡献!!

P1939 【模板】矩阵加速(数列)

上一题的推广版,思路相同。

代码:

/*

Name: P5550 Chino的数列

Solution: 
   

By Frather_

*/
#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>

// #define int long long

using namespace std;
/*==================================================快读*/
inline int read()
{
    int X = 0, F = 1;
    char CH = getchar();
    while (CH < '0' || CH > '9')
    {
        if (CH == '-')
            F = -1;
        CH = getchar();
    }
    while (CH >= '0' && CH <= '9')
    {
        X = (X << 3) + (X << 1) + (CH ^ 48);
        CH = getchar();
    }
    return X * F;
}
/*===============================================定义变量*/
int n, s, m, k;

struct Matrix
{
    int z[100][100];
    Matrix()
    {
        memset(z, 0, sizeof z);
    }
} base, ans;

/*=============================================自定义函数*/
inline Matrix mul(Matrix a, Matrix b)
{
    Matrix res;
    for (int i = 1; i <= n; i++)
        for (int j = 1; j <= n; j++)
            for (int k = 1; k <= n; k++)
                res.z[i][j] += a.z[i][k] * b.z[k][j];
    return res;
}

inline Matrix Qpow(Matrix a, int p)
{
    Matrix res;
    for (int i = 1; i <= n; i++)
        res.z[i][i] = 1;
    while (p)
    {
        if (p & 1)
            res = mul(res, a);
        a = mul(a, a);
        p >>= 1;
    }
    return res;
}
/*=================================================主函数*/
signed main()
{
    n = read();
    s = read();
    m = read();
    k = read();
    for (int i = 1; i <= n; i++)
    {
        ans.z[1][i] = read();
        base.z[i % n + 1][i] = 1;
    }
    swap(base.z[s], base.z[m]);
    ans = mul(ans, Qpow(base, k));

    for (int i = 1; i <= n; i++)
        printf("%d ", ans.z[1][i]);
    puts("");
    return 0;
}
posted @ 2021-04-21 22:19  Frather  阅读(735)  评论(2编辑  收藏  举报