「学习笔记」矩阵

本文部分内容来自 $\texttt{OI-Wiki}$ 。

定义#

对于矩阵 $A$ ，主对角线是指 $A_{i,i}$ 的元素。

A = [\begin{matrix} a_{1, 1} & a_{1, 2} & a_{1, 3} & \dots & a_{1, m} \\ a_{2, 1} & a_{2, 2} & a_{2, 3} & \dots & a_{2, m} \\ a_{3, 1} & a_{3, 2} & a_{3, 3} & \dots & a_{3, m} \\ \dots & \dots & \dots & \dots & \dots \\ a_{n, 1} & a_{n, 2} & a_{n, 3} & \dots & a_{n, m} \end{matrix}]

$A = \begin{bmatrix} a_{1, 1} & a_{1, 2} & a_{1, 3} & \cdots & a_{1, m}\\ a_{2, 1} & a_{2, 2} & a_{2, 3} & \cdots & a_{2, m}\\ a_{3, 1} & a_{3, 2} & a_{3, 3} & \cdots & a_{3, m}\\ \cdots & \cdots & \cdots & \cdots & \cdots\\ a_{n, 1} & a_{n, 2} & a_{n, 3} & \cdots & a_{n, m}\\ \end{bmatrix}$

一般用 $I$ 来表示单位矩阵，就是主对角线上为 $1$ ，其余位置为 $0$ ，如下：

I = [\begin{matrix} 1 & 0 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 & 1 \end{matrix}]

$I = \begin{bmatrix} 1 & 0 & 0 & 0 & 0\\ 0 & 1 & 0 & 0 & 0\\ 0 & 0 & 1 & 0 & 0\\ 0 & 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 0 & 1\\ \end{bmatrix}$

在代码中， $n$ 行 $m$ 列的二维数组就是一个 $n$ 行 $m$ 列的矩阵。

运算#

矩阵加法#

对于两个等行等列的矩阵，把对应位置上的数加起来就行了，如下：

[\begin{matrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{matrix}] + [\begin{matrix} 2 & 3 & 3 \\ 2 & 3 & 3 \end{matrix}] = [\begin{matrix} 3 & 5 & 6 \\ 6 & 8 & 9 \end{matrix}]

$\begin{bmatrix} 1 & 2 & 3\\ 4 & 5 & 6\\ \end{bmatrix} + \begin{bmatrix} 2 & 3 & 3\\ 2 & 3 & 3\\ \end{bmatrix} = \begin{bmatrix} 3 & 5 & 6\\ 6 & 8 & 9\\ \end{bmatrix}$

矩阵减法#

对于两个等行等列的矩阵，对应位置上的数相减，如下：

[\begin{matrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{matrix}] - [\begin{matrix} 2 & 3 & 3 \\ 2 & 3 & 3 \end{matrix}] = [\begin{matrix} - 1 & - 1 & 0 \\ 2 & 2 & 3 \end{matrix}]

$\begin{bmatrix} 1 & 2 & 3\\ 4 & 5 & 6\\ \end{bmatrix} - \begin{bmatrix} 2 & 3 & 3\\ 2 & 3 & 3\\ \end{bmatrix} = \begin{bmatrix} -1 & -1 & 0\\ 2 & 2 & 3\\ \end{bmatrix}$

数乘矩阵#

类似于高中数学中的数乘向量，即将矩阵中的每一个元素都乘上这个数，如下：

2 \cdot [\begin{matrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{matrix}] = [\begin{matrix} 2 & 4 & 6 \\ 8 & 10 & 12 \end{matrix}]

$2 \cdot \begin{bmatrix} 1 & 2 & 3\\ 4 & 5 & 6\\ \end{bmatrix} = \begin{bmatrix} 2 & 4 & 6\\ 8 & 10 & 12\\ \end{bmatrix}$

矩阵乘法#

矩阵 $A$ 能与矩阵 $B$ 做乘法，当且仅当 $A$ 是 $n$ 行 $m$ 列， $B$ 是 $m$ 行 $k$ 列。
（只有当第一个矩阵的列数等于第二个矩阵的行数是才能进行矩阵乘法，结果矩阵的行数是第一个矩阵的行数，列是第二个矩阵的列数）
设矩阵 $C$ 为矩阵 $A$ 与 $B$ 的乘积，其中矩阵 $C$ 中的第 $i$ 行第 $j$ 列元素可以表示为：

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

$C_{i,j} = \sum_{k=1}^m A_{i,k}B_{k,j}$

如果看不懂，看一下这个例子：

[\begin{matrix} 1 & 2 \\ 3 & 4 \end{matrix}] \times [\begin{matrix} 1 & 2 & 3 \\ 2 & 3 & 3 \end{matrix}] = [\begin{matrix} 5 & 8 & 9 \\ 11 & 18 & 21 \end{matrix}]

$\begin{bmatrix} 1 & 2\\ 3 & 4\\ \end{bmatrix} \times \begin{bmatrix} 1 & 2 & 3\\ 2 & 3 & 3\\ \end{bmatrix} = \begin{bmatrix} 5 & 8 & 9\\ 11 & 18 & 21\\ \end{bmatrix}$

C_{1, 1} = A_{1, 1} \times B_{1, 1} + A_{1, 2} \times B_{2, 1} C_{1, 2} = A_{1, 1} \times B_{2, 1} + A_{1, 2} \times B_{2, 2} C_{1, 3} = A_{1, 1} \times B_{3, 1} + A_{1, 2} \times B_{2, 3} \dots

$C_{1, 1} = A_{1, 1} \times B_{1, 1} + A_{1, 2} \times B_{2, 1}\\ C_{1, 2} = A_{1, 1} \times B_{2, 1} + A_{1, 2} \times B_{2, 2}\\ C_{1, 3} = A_{1, 1} \times B_{3, 1} + A_{1, 2} \times B_{2, 3}\\ \cdots$

矩阵乘法在 OI 中的应用是很多的，让我们先用代码来实现我们的矩阵乘法。

struct matrix {
    int n, m;
    int z[10][10];
    matrix() { // 构造函数
        n = m = 0;
        memset(z, 0, sizeof(z));
    }
};
matrix m1, m2, m3;

matrix operator * (const matrix &m1, const matrix &m2) { // 重载运算符
    matrix m;
    m.n = m1.n, m.m = m2.m;
    for (int i = 1; i <= m.n; ++ i) {
        for (int k = 1; k <= m1.m; ++ k) {
            for (int j = 1; j <= m.m; ++ j) {
                m.z[i][j] += m1.z[i][k] * m2.z[k][j];
            }
        }
    }
    return m;
}

m3 = m1 * m2;

矩阵乘法没有交换律，但是有结合律。

题目#

P3390 【模板】矩阵快速幂#

真·模板题

/*
  The code was written by yifan, and yifan is neutral!!!
 */

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;

template<typename T>
inline T read() {
	T x = 0;
	bool fg = 0;
	char ch = getchar();
	while (ch < '0' || ch > '9') {
		fg |= (ch == '-');
		ch = getchar();
	}
	while (ch >= '0' && ch <= '9') {
		x = (x << 3) + (x << 1) + (ch ^ 48);
		ch = getchar();
	}
	return fg ? ~x + 1 : x;
}

const int mod = 1e9 + 7;

ll k, n;

struct mat {
	int h, l;
	ll a[110][110];
	
	mat() {
		h = l = 0;
		memset(a, 0, sizeof a);
	}
	
} g, x;

mat operator * (const mat& x, const mat& y) {
	mat res;
	int h = x.h, l = y.l;
	for (int i = 1; i <= h; ++ i) {
		for (int k = 1; k <= l; ++ k) {
			for (int j = 1; j <= l; ++ j) {
				res.a[i][j] = (res.a[i][j] + (x.a[i][k] * y.a[k][j] % mod)) % mod;
			}
		}
	}
	res.h = h, res.l = l;
	return res;
}

mat operator ^ (mat bas, ll x) {
	mat res;
	for (int i = 1; i <= n; ++ i) {
		res.a[i][i] = 1;
	}
	res.h = bas.h, res.l = bas.l;
	while (x) {
		if (x & 1) {
			res = res * bas;
		}
		bas = bas * bas;
		x >>= 1;
	}
	return res;
}

int main() {
	n = read<ll>(), k = read<ll>();
	for (int i = 1; i <= n; ++ i) {
		for (int j = 1; j <= n; ++ j) {
			g.a[i][j] = read<ll>();
		}
	}
	g.h = g.l = n;
	g = g ^ k;
	for (int i = 1; i <= n; ++ i) {
		for (int j = 1; j <= n; ++ j) {
			cout << g.a[i][j] << ' ';
		}
		putchar('\n');
	}
	return 0;
}

P1939 【模板】矩阵加速（数列）#

一道很好的入门题。
构造矩阵

[\begin{matrix} a_{x - 1} & a_{x - 2} & a_{x - 3} \end{matrix}]

$\begin{bmatrix} a_{x - 1} & a_{x - 2} & a_{x - 3} \end{bmatrix}$

要将该矩阵转化为

[\begin{matrix} a_{x} & a_{x - 1} & a_{x - 2} \end{matrix}]

$\begin{bmatrix} a_x & a_{x - 1} & a_{x - 2}\\ \end{bmatrix}$

我们可以考虑构造一个矩阵，使得能够实现该转化。
由公式可知

a_{x} = 1 \cdot a_{x - 1} + 0 \cdot a_{x - 2} + 1 \cdot a_{x - 3} a_{x - 1} = 1 \cdot a_{x - 1} + 0 \cdot a_{x - 2} + 0 \cdot a_{x - 3} a_{x - 1} = 0 \cdot a_{x - 1} + 1 \cdot a_{x - 2} + 0 \cdot a_{x - 3}

$a_{x} = 1 \cdot a_{x - 1} + 0 \cdot a_{x -2} + 1 \cdot a_{x - 3}\\ a_{x - 1} = 1 \cdot a_{x - 1} + 0 \cdot a_{x -2} + 0 \cdot a_{x - 3}\\ a_{x - 1} = 0 \cdot a_{x - 1} + 1 \cdot a_{x -2} + 0 \cdot a_{x - 3}\\$

我们能够发现

[\begin{matrix} a_{x - 1} & a_{x - 2} & a_{x - 3} \end{matrix}] \times [\begin{matrix} 1 & 1 & 0 \\ 0 & 0 & 1 \\ 1 & 0 & 0 \end{matrix}] \Rightarrow [\begin{matrix} a_{x} & a_{x - 1} & a_{x - 2} \end{matrix}]

$\begin{bmatrix} a_{x - 1} & a_{x - 2} & a_{x - 3} \end{bmatrix} \times \begin{bmatrix} 1 & 1 & 0\\ 0 & 0 & 1\\ 1 & 0 & 0\\ \end{bmatrix} \Rightarrow \begin{bmatrix} a_x & a_{x - 1} & a_{x - 2}\\ \end{bmatrix}$

使用矩阵快速幂来优化加速。

/*
  The code was written by yifan, and yifan is neutral!!!
 */

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;

template<typename T>
inline T read() {
	T x = 0;
	bool fg = 0;
	char ch = getchar();
	while (ch < '0' || ch > '9') {
		fg |= (ch == '-');
		ch = getchar();
	}
	while (ch >= '0' && ch <= '9') {
		x = (x << 3) + (x << 1) + (ch ^ 48);
		ch = getchar();
	}
	return fg ? ~x + 1 : x;
}

const int mod = 1e9 + 7;

int T, n;

struct mat {
	int h, l;
	ll a[5][5];
	
	mat() {
		h = l = 0;
		memset(a, 0, sizeof a);
	}
	
	void build() {
		memset(a, 0, sizeof a);
	}
	
} g, x;


mat operator * (const mat& x, const mat& y) {
	mat res;
	int h = x.h, l = y.l;
	for (int i = 1; i <= h; ++ i) {
		for (int k = 1; k <= l; ++ k) {
			for (int j = 1; j <= l; ++ j) {
				res.a[i][j] = (res.a[i][j] + (x.a[i][k] * y.a[k][j] % mod)) % mod;
			}
		}
	}
	res.h = h, res.l = l;
	return res;
}

mat operator ^ (mat bas, ll x) {
	mat res;
	for (int i = 1; i <= 3; ++ i) {
		res.a[i][i] = 1;
	}
	res.h = bas.h, res.l = bas.l;
	while (x) {
		if (x & 1) {
			res = res * bas;
		}
		bas = bas * bas;
		x >>= 1;
	}
	return res;
}

int main() {
	T = read<int>();
	while (T --) {
		n = read<int>();
		if (n <= 3) {
			puts("1");
			continue;
		}
		g.build(), x.build();
		g.h = 1, g.l = 3;
		g.a[1][1] = g.a[1][2] = g.a[1][3] = 1;
		x.h = x.l = 3;
		x.a[1][1] = x.a[1][2] = x.a[2][3] = x.a[3][1] = 1;
		x = x ^ (n - 3);
		g = g * x;
		cout << g.a[1][1] % mod << '\n';
	}
	return 0;
}

P4910 帕秋莉的手环#

这是一道矩阵优化 DP 的很好的入门题。
我们先考虑朴素的 DP。
状态： $dp(i, 0/1)$ ：第 $i$ 个点，是 $(1)$ 不是 $(0)$ 金属性。
转移： $dp(i, 0) = dp(i - 1, 1), dp(i, 1) = dp(i - 1, 0) + dp(i - 1, 1)$
然而， $n \leq 10^{18}$ ，先不说时间，空间也已经爆掉了。
我们往优化的方面想，每个状态的转移都只与上一状态有关，且都是加法，可以考虑矩阵乘法。
设矩阵

[\begin{matrix} d p (i, 1) & d p (i, 0) \end{matrix}]

$\begin{bmatrix} dp(i, 1) & dp(i, 0) \end{bmatrix}$

要将它转移为

[\begin{matrix} d p (i + 1, 1) & d p (i + 1, 0) \end{matrix}]

$\begin{bmatrix} dp(i + 1, 1) & dp(i + 1, 0) \end{bmatrix}$

矩阵转移式

[\begin{matrix} d p (i, 1) & d p (i, 0) \end{matrix}] \times [\begin{matrix} 1 & 1 \\ 1 & 0 \end{matrix}] \Rightarrow [\begin{matrix} d p (i + 1, 1) & d p (i + 1, 0) \end{matrix}]

$\begin{bmatrix} dp(i, 1) & dp(i, 0)\\ \end{bmatrix} \times \begin{bmatrix} 1 & 1\\ 1 & 0\\ \end{bmatrix} \Rightarrow \begin{bmatrix} dp(i + 1, 1) & dp(i + 1, 0) \end{bmatrix}$

/*
  The code was written by yifan, and yifan is neutral!!!
 */

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;

template<typename T>
inline T read() {
	T x = 0;
	bool fg = 0;
	char ch = getchar();
	while (ch < '0' || ch > '9') {
		fg |= (ch == '-');
		ch = getchar();
	}
	while (ch >= '0' && ch <= '9') {
		x = (x << 3) + (x << 1) + (ch ^ 48);
		ch = getchar();
	}
	return fg ? ~x + 1 : x;
}

const int N = 1e6 + 5;
const int mod = 1e9 + 7;

struct mat {
	int h, c;
	ll z[3][3];
	
	mat() {
		h = 0, c = 0;
		memset(z, 0, sizeof z);
	}
	
	void init() {
		h = 0, c = 0;
		memset(z, 0, sizeof z);
	}
} g, f;

mat operator * (const mat& a, const mat& b) {
	mat res;
	int h = a.h, c = b.c;
	for (int i = 1; i <= h; ++ i) {
		for (int k = 1; k <= c; ++ k) {
			for (int j = 1; j <= c; ++ j) {
				res.z[i][j] = (res.z[i][j] + (a.z[i][k] * b.z[k][j]) % mod) % mod;
			}
		}
	}
	res.h = h, res.c = c;
	return res;
}

mat operator ^ (mat x, ll y) {
	mat ans;
	ans.h = ans.c = 2;
	for (int i = 1; i <= 2; ++ i) {
		ans.z[i][i] = 1;
	}
	while (y) {
		if (y & 1) {
			ans = ans * x;
		}
		y >>= 1;
		x = x * x;
	}
	return ans;
}

void solve() {
	ll n = read<ll>(), ans = 0;
	g.init(), f.init();
	g.h = 1, g.c = 2;
	f.h = f.c = 2;
	g.z[1][1] = 1, g.z[1][2] = 0;
	f.z[1][1] = f.z[1][2] = f.z[2][1] = 1;
	f = f ^ (n - 1);
	g = g * f;
	ans = (ans + g.z[1][1] + g.z[1][2]) % mod;
	g.init(), f.init();
	g.h = 1, g.c = 2;
	f.h = f.c = 2;
	g.z[1][1] = 0, g.z[1][2] = 1;
	f.z[1][1] = f.z[1][2] = f.z[2][1] = 1;
	f = f ^ (n - 1);
	g = g * f;
	ans = (ans + g.z[1][1]) % mod;
	cout << ans << '\n';
}

int main() {
	int T = read<int>();
	while (T --) {
		solve();
	}
	return 0;
}

作者：yifan0305

出处：https://www.cnblogs.com/yifan0305/p/17485990.html

版权：本作品采用「署名-非商业性使用-相同方式共享 4.0 国际」许可协议进行许可。

转载时还请标明出处哟！

posted @ 2023-06-27 14:19 yi_fan0305 阅读(42) 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

相关博文：

· 「解题报告」2023-10-30 模拟赛

· 「外出学习」数论学习笔记

· 矩阵学习笔记

· 矩阵、高斯消元、行列式及相关结论学习笔记（没写完）

· 【数学】矩阵

阅读排行：
· 地球OL攻略 —— 某应届生求职总结
· 周边上新：园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源！
· 提示词工程——AI应用必不可少的技术
· .NET周刊【3月第1期 2025-03-02】

历史上的今天：
2022-06-27 「学习笔记」LCA——树上倍增

公告

昵称： yi_fan0305
园龄： 2年10个月
粉丝： 30
关注： 50

+加关注

2025年3月

日

一

二

三

四

五

六

Loading

朝气蓬勃后生可畏

四叶草少年，你将何去何从？

「学习笔记」矩阵

定义#

运算#

矩阵加法#

矩阵减法#

数乘矩阵#

矩阵乘法#

题目#

P3390 【模板】矩阵快速幂#

P1939 【模板】矩阵加速（数列）#

P4910 帕秋莉的手环#

公告

搜索

常用链接

积分与排名

随笔分类 (193)

随笔档案 (185)

相册 (26)

阅读排行榜

推荐排行榜

最新评论

Loading

朝气蓬勃 后生可畏

四叶草少年，你将何去何从？

「学习笔记」矩阵

定义#

运算#

矩阵加法#

矩阵减法#

数乘矩阵#

矩阵乘法#

题目#

P3390 【模板】矩阵快速幂#

P1939 【模板】矩阵加速（数列）#

P4910 帕秋莉的手环#

公告

搜索

常用链接

积分与排名

随笔分类 (193)

随笔档案 (185)

相册 (26)

阅读排行榜

推荐排行榜

最新评论

朝气蓬勃后生可畏