园龄：2年4个月粉丝：19 关注：16

📂OI / 笔记

🔖OI 笔记

2023-08-05 11:51阅读: 104评论: 0推荐: 0

矩阵运算

合集 - 线性代数(2)

1.矩阵运算2023-08-05

2.动态 dp2024-09-11

矩阵运算

OI-wiki Link

众所周知，数是可以进行加减乘除的，那矩阵为啥不可以呢？

假设现在我们有两个矩阵 $A$ 和 $B$ ，矩阵大小分别为 $n \times m$ 和 $x \times y$ ，矩阵元素对 $m o d$ 取模。

 const int N = 110, mod = 1e9 + 7; // 矩阵大小和模数
 
struct matrix {
  int a[N][N], n, m; // 存储矩阵和矩阵大小
} ;

基本运算

矩阵加法

令 $A + B = C$ 。

要求： $n = x$ 并且 $m = y$ 。

其实很简单，就是一一对应着加就行，即对于 $1 ⩽ i ⩽ n, 1 ⩽ j ⩽ m$ ， $C_{i, j} = A_{i, j} + B_{i, j}$ 。

所以 $C$ 的大小为 $n \times m$ ，矩阵减法同。

性质

交换律：明显满足，即 $A + B = B + A$ 。
结合律：明显满足，即 $A + B + C = A + (B + C)$ 。

单位矩阵

明显，就是一个大小为 $n \times m$ 的全 $0$ 矩阵。

矩阵加法 Code

时间复杂度： $O (n \times m)$ 。

   matrix operator + (matrix y) { // 重载运算符 +
    matrix z;
    z.n = n, z.m = m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        z.a[i][j] = a[i][j] + y.a[i][j];
    return z;
  }

矩阵乘法

令 $A \times B = C$ 。

要求： $m = x$ 。

公式：对于 $1 ⩽ i ⩽ n, 1 ⩽ j ⩽ y$ :

C_{i, j} = \sum_{1 ⩽ k ⩽ m} A_{i, k} \times B_{k, j}

似乎看起来没啥用？因为它是在某些特定方面可以进行时间优化(例如用 $O (8 \log n)$ 的时间复杂度求出斐波那契数列的第 $n$ 项)，所以一般就是把它和其他知识点捆绑起来(例如矩阵乘法优化 dp 等)，单独拎出来出的题目很少(大多都是板子)。

性质

交换律：不满足！
- 若 $n = y$ ，交换以后还能乘法，但矩阵大小会变为 $m \times x$ ，与原矩乘后答案不同。
- 当然也有可能 $n \neq y$ ，这样交换以后连矩乘的基本要求都无法满足。
结合律：满足，设还有一个矩阵 $C$ ，大小为 $y \times z$ ， $A \times B \times C = D$ ，则 $D$ 大小为 $n \times z$ ，而 $A \times (B \times C) = A \times E (大小为 x \times z) = D$ 。
分配律：明显满足，设还有一个矩阵 $C$ ，大小为 $y \times z$ ，即 $A \times (B + C) = A \times B + A \times C$ 。

单位矩阵

Link

提到矩乘，就不得不提到它的单位矩阵。

单位矩阵定义：若这个矩阵乘任意一个矩阵 $C$ ，得到的结果都等于 $C$ ，则这个矩阵为单位矩阵。

观察式子，容易推出：当一个大小为 $n \times n$ 的矩阵除了主对角线(从左上到右下)以外的数为 $1$ ，其他都为 $0$ 时，它就是一个可以作为所有大小为 $n \times m$ 的矩阵的单位矩阵。

时间复杂度： $O (x \times y)$ 。

   void Clear (int x, int y, int f) { // 把矩阵大小设为 x * y，矩阵元素都为 f
    n = x, m = y;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        a[i][j] = f;
  }
  void Unit (int x, int y) { // 构造单位矩阵
    Clear(x, y, 0); // 先清空
    for (int i = 1; i <= n; i++)
      a[i][i] = 1; // 只有主对角线为 1
  }

矩阵乘法 Code

时间复杂度： $O (n \times m \times y)$ 。

   matrix operator * (matrix y) { // 重载运算符 *
    matrix z;
    z.n = n, z.m = y.m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= y.m; j++) {
        z.a[i][j] = 0;
        for (int k = 1; k <= m; k++)
          z.a[i][j] = (z.a[i][j] + 1ll * a[i][k] * y.a[k][j] % mod) % mod; // 套公式
      }
    return z;
  }

矩阵除法

令 $\frac{A}{B} = C$ 。

要求：同矩阵乘法。

由于浮点数不可以取模，数里面除法取模等于乘上除数的逆，所以矩阵除法同矩阵除法，不过是把 $B_{i, j}$ 变成 $B_{i, j}$ 在模 $m o d$ 意义下的逆。

矩乘与它的特殊运算和应用

P3390 矩乘快速幂

给定一个矩阵 $A$ ，大小为 $n \times m$ ，一个指数 $k$ 和一个模数 $m o d$ ，求 $A^{k} % m o d$ 。

要求：矩阵的大小必须为 $n \times n$ 。

既然矩乘有结合律，那么就可以考虑使用类似于整数快速幂的方法以 $O (\log k)$ 的方式求出 $A^{k}$ ，由于一次矩阵乘法需要 $O (n^{3})$ ，所以总时间复杂度为 $O (n^{3} \log k)$ 。

矩乘快速幂 Code

时间复杂度： $O (n^{3} \log k)$ 。

 matrix MATqmod (matrix x, ll y) { // 矩阵乘法快速幂
  matrix sum;
  sum.Unit(x.n, x.m); // 初始化为单位矩阵
  while (y) sum = (y & 1 ? sum * x : sum), x = x * x, y >>= 1;
  return sum;
}

P1349 广义斐波那契数列

P1962 斐波那契数列

广义的斐波那契数列是指形如 $a_{n} = p \times a_{n - 1} + q \times a_{n - 2}$ 的数列。

今给定数列的两系数 $p$ 和 $q$ ，以及数列的最前两项 $a_{1}$ 和 $a_{2}$ ，另给出两个整数 $n$ 和 $m$ ，试求数列的第 $n$ 项 $a_{n} mod m$ 。

令 $F_{i}$ 表示当前情况下斐波那契数列第 $i$ 项的值。

观察一下，把相邻两项构成一个矩阵，即要从 $f_{i} = [\begin{matrix} F_{i}, F_{i - 1} \end{matrix}]$ 通过操作变为 $f_{i + 1} = [\begin{matrix} F_{i + 1}, F_{i} \end{matrix}] = [\begin{matrix} p \times F_{i} + q \times F_{i - 1}, F_{i} \end{matrix}]$ ，考虑用矩乘完成。

要能与 $[\begin{matrix} F_{i}, F_{i - 1} \end{matrix}]$ 做矩乘，就需要一个大小为 $2 \times k$ 的矩阵，又因为矩乘之后的矩阵仍然大小为 $1 \times 2$ ，所以 $k = 2$ ，即要求一个矩阵 $A = [\begin{matrix} a, b \\ c, d \end{matrix}]$ ，使得 $A \times f_{i} = f_{i + 1}$ 。

套入公式，就是要求 ${\begin{cases} a \times F_{i} + c \times F_{i - 1} = p \times F_{i} + q \times F_{i - 1} \\ b \times F_{i} + d \times F_{i - 1} = F_{i} \end{cases}$ ，可以推出 ${\begin{cases} a = p \\ b = 1 \\ c = q \\ d = 0 \end{cases}$ ，现在要求 $F_{n}$ ，初始矩阵为 $[\begin{matrix} a_{2}, a_{1} \end{matrix}]$ ，每次乘矩阵 $A = [\begin{matrix} p, 1 \\ q, 0 \end{matrix}]$ 后都会使矩阵两项下标加 $1$ ，特判 $n = 1$ 的情况(答案为 $a_{1}$ )，那么答案就是 $[\begin{matrix} a_{2}, a_{1} \end{matrix}] \times A^{n - 2}$ 取第一个元素即可，需要矩阵乘法快速幂。

普通的其实就相当于 $a_{1} = a_{2} = p = q = 1$ 。

Code

   matrix c, d;
  int n, mod;
  c.Clear(2, 2, 0), d.Clear(1, 2, 0);
  cin >> c.a[1][1] >> c.a[2][1] >> d.a[1][2] >> d.a[1][1] >> n >> mod;
  if (n == 1) {
    cout << d.a[1][2];
    return 0;
  }
  c.a[1][2] = 1, d = d * qmod(c, n - 2);
  cout << d.a[1][1];

完整代码

点击查看最新代码

 #include <bits/stdc++.h>
#define _1 (__int128)1
 
using namespace std;
using ll = long long;
 
void FileIO (string s) {
  freopen((s + ".in").c_str(), "r", stdin);
  freopen((s + ".out").c_str(), "w", stdout);
}
 
const int mod = 1e9 + 7, MATsize = 110; // 矩阵大小和模数
 
struct matrix {
  int a[MATsize][MATsize], n, m; // 存储矩阵和矩阵大小
  void Clear (int x, int y, int f) { // 把矩阵大小设为 x * y，矩阵元素都为 f
    n = x, m = y;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        a[i][j] = f;
  }
  void Unit (int x, int y) { // 构造单位矩阵
    Clear(x, y, 0); // 先清空
    for (int i = 1; i <= n; i++)
      a[i][i] = 1; // 只有主对角线为 1
  }
  matrix operator + (matrix y) { // 重载运算符 +
    matrix z;
    z.n = n, z.m = m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        z.a[i][j] = a[i][j] + y.a[i][j];
    return z;
  }
  matrix operator * (matrix y) { // 重载运算符 *
    matrix z;
    z.n = n, z.m = y.m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= y.m; j++) {
        z.a[i][j] = 0;
        for (int k = 1; k <= m; k++)
          z.a[i][j] = (z.a[i][j] + 1ll * a[i][k] * y.a[k][j] % mod) % mod; // 套公式
      }
    return z;
  }
} ;
 
matrix MATqmod (matrix x, ll y) { // 矩阵乘法快速幂
  matrix sum;
  sum.Unit(x.n, x.m); // 初始化为单位矩阵
  while (y) sum = (y & 1 ? sum * x : sum), x = x * x, y >>= 1;
  return sum;
}
 
signed main () {
  ios::sync_with_stdio(0), cin.tie(0);
  // FileIO("");
  return 0;
}

点击查看无注释代码

 #include <bits/stdc++.h>
#define _1 (__int128)1
 
using namespace std;
using ll = long long;
 
void FileIO (string s) {
  freopen((s + ".in").c_str(), "r", stdin);
  freopen((s + ".out").c_str(), "w", stdout);
}
 
const int mod = 1e9 + 7, MATsize = 110;
 
struct matrix {
  int a[MATsize][MATsize], n, m;
  void Clear (int x, int y, int f) {
    n = x, m = y;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        a[i][j] = f;
  }
  void Unit (int x, int y) {
    Clear(x, y, 0);
    for (int i = 1; i <= n; i++)
      a[i][i] = 1;
  }
  matrix operator + (matrix y) {
    matrix z;
    z.n = n, z.m = m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= m; j++)
        z.a[i][j] = a[i][j] + y.a[i][j];
    return z;
  }
  matrix operator * (matrix y) {
    matrix z;
    z.n = n, z.m = y.m;
    for (int i = 1; i <= n; i++)
      for (int j = 1; j <= y.m; j++) {
        z.a[i][j] = 0;
        for (int k = 1; k <= m; k++)
          z.a[i][j] = (z.a[i][j] + 1ll * a[i][k] * y.a[k][j] % mod) % mod;
      }
    return z;
  }
} ;
 
matrix MATqmod (matrix x, ll y) {
  matrix sum;
  sum.Unit(x.n, x.m);
  while (y) sum = (y & 1 ? sum * x : sum), x = x * x, y >>= 1;
  return sum;
}
 
signed main () {
  ios::sync_with_stdio(0), cin.tie(0);
  // FileIO("");
  return 0;
}

上一篇【转载】LaTeX 数学公式大全

下一篇线段树与树状数组

本文作者：wnsyou

本文链接：https://www.cnblogs.com/wnsyou-blog/p/matrix.html

posted @ 2023-08-05 11:51 wnsyou 阅读(104) 评论(0) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

wnsyou の blog

矩阵运算

矩阵运算

基本运算

矩阵加法

性质

单位矩阵

矩阵加法 Code

矩阵乘法

性质

单位矩阵

矩阵乘法 Code

矩阵除法

矩乘与它的特殊运算和应用

P3390 矩乘快速幂

矩乘快速幂 Code

P1349 广义斐波那契数列

Code

完整代码

公告

常用链接

最新随笔

我的标签

积分与排名

合集 (16)

随笔分类 (47)

随笔档案 (90)

文章档案 (1)

相册 (5)

阅读排行榜

评论排行榜

推荐排行榜

最新评论

	const int N = 110, mod = 1e9 + 7; // 矩阵大小和模数

	struct matrix {
	int a[N][N], n, m; // 存储矩阵和矩阵大小
	} ;

	matrix operator + (matrix y) { // 重载运算符 +
	matrix z;
	z.n = n, z.m = m;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= m; j++)
	z.a[i][j] = a[i][j] + y.a[i][j];
	return z;
	}

	void Clear (int x, int y, int f) { // 把矩阵大小设为 x * y，矩阵元素都为 f
	n = x, m = y;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= m; j++)
	a[i][j] = f;
	}
	void Unit (int x, int y) { // 构造单位矩阵
	Clear(x, y, 0); // 先清空
	for (int i = 1; i <= n; i++)
	a[i][i] = 1; // 只有主对角线为 1
	}

	matrix operator * (matrix y) { // 重载运算符 *
	matrix z;
	z.n = n, z.m = y.m;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= y.m; j++) {
	z.a[i][j] = 0;
	for (int k = 1; k <= m; k++)
	z.a[i][j] = (z.a[i][j] + 1ll * a[i][k] * y.a[k][j] % mod) % mod; // 套公式
	}
	return z;
	}

	matrix MATqmod (matrix x, ll y) { // 矩阵乘法快速幂
	matrix sum;
	sum.Unit(x.n, x.m); // 初始化为单位矩阵
	while (y) sum = (y & 1 ? sum * x : sum), x = x * x, y >>= 1;
	return sum;
	}

	matrix c, d;
	int n, mod;
	c.Clear(2, 2, 0), d.Clear(1, 2, 0);
	cin >> c.a[1][1] >> c.a[2][1] >> d.a[1][2] >> d.a[1][1] >> n >> mod;
	if (n == 1) {
	cout << d.a[1][2];
	return 0;
	}
	c.a[1][2] = 1, d = d * qmod(c, n - 2);
	cout << d.a[1][1];

	#include <bits/stdc++.h>
	#define _1 (__int128)1

	using namespace std;
	using ll = long long;

	void FileIO (string s) {
	freopen((s + ".in").c_str(), "r", stdin);
	freopen((s + ".out").c_str(), "w", stdout);
	}

	const int mod = 1e9 + 7, MATsize = 110; // 矩阵大小和模数

	struct matrix {
	int a[MATsize][MATsize], n, m; // 存储矩阵和矩阵大小
	void Clear (int x, int y, int f) { // 把矩阵大小设为 x * y，矩阵元素都为 f
	n = x, m = y;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= m; j++)
	a[i][j] = f;
	}
	void Unit (int x, int y) { // 构造单位矩阵
	Clear(x, y, 0); // 先清空
	for (int i = 1; i <= n; i++)
	a[i][i] = 1; // 只有主对角线为 1
	}
	matrix operator + (matrix y) { // 重载运算符 +
	matrix z;
	z.n = n, z.m = m;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= m; j++)
	z.a[i][j] = a[i][j] + y.a[i][j];
	return z;
	}
	matrix operator * (matrix y) { // 重载运算符 *
	matrix z;
	z.n = n, z.m = y.m;
	for (int i = 1; i <= n; i++)
	for (int j = 1; j <= y.m; j++) {
	z.a[i][j] = 0;
	for (int k = 1; k <= m; k++)
	z.a[i][j] = (z.a[i][j] + 1ll * a[i][k] * y.a[k][j] % mod) % mod; // 套公式
	}
	return z;
	}
	} ;

	matrix MATqmod (matrix x, ll y) { // 矩阵乘法快速幂
	matrix sum;
	sum.Unit(x.n, x.m); // 初始化为单位矩阵
	while (y) sum = (y & 1 ? sum * x : sum), x = x * x, y >>= 1;
	return sum;
	}

	signed main () {
	ios::sync_with_stdio(0), cin.tie(0);
	// FileIO("");
	return 0;
	}

矩阵运算

基本运算

矩阵加法

性质

单位矩阵

矩阵加法 Code

矩阵乘法

性质

单位矩阵

矩阵乘法 Code

矩阵除法

矩乘与它的特殊运算和应用

矩乘快速幂 Code

Code

完整代码

公告

常用链接

最新随笔

积分与排名

合集 (16)

随笔分类 (47)

随笔档案 (90)

文章档案 (1)

相册 (5)

{{tag.name}}

有可能是