当前位置:   article > 正文

C++ 矩阵

C++ 矩阵

目录

了解矩阵的数学原理(大学线性代数)

矩阵及转置矩阵

矩阵乘法 

矩阵快速幂

相伴矩阵模板

[相伴矩阵,快速矩阵幂]CSES1722 Fibonacci Numbers


了解矩阵的数学原理(大学线性代数

矩阵及转置矩阵

A = \begin{bmatrix} 1&2\\ 3&4 \end{bmatrix} 这里A就是一个矩阵,1, 2,3,4就是矩阵里的元素

 就是一个转置矩阵T是转置符 这个矩阵原来是 

矩阵乘法 

  这是矩阵乘法, 矩阵加法和减法简单地定义为逐个元素进行加减。注意,两个矩阵的行数、列数分别相等时,加减法才有定义。矩阵的乘法比较复杂,当A的列数等于B的行数时,则可以定义乘法C=AB。如果A是m×n矩阵,B是n×p矩阵,那么C是一个m×p矩阵,其中cik满足

如果A和B不满足要求的大小就不能够成一个矩阵C。

如果你还理解不了就看一下下面这个线性方程吧

 

可以用矩阵表示为:

 

第一个框是A(矩阵) , 第二个是x(向量, 未知数) 得出的第三个框是b(向量矩阵解)

矩阵乘法是矩阵第一列成第一个未知数

例如:
\left\{\begin{matrix} 1x + 2y + 3z = 1 \\ 1x - 2y - 3z = 10 \\ 8x + 7z = 2 \\ \end{matrix}\right. 

这是我随便写的一个方程, 用矩阵表示为:
\begin{bmatrix} 1 & 2 & 3 \\ 1 & -2 & -3\\ 8 & 0 & 7 \end{bmatrix}\begin{bmatrix} x \\ y \\ z \\ \end{bmatrix} = \begin{bmatrix} 1 \\ 10\\ 2 \end{bmatrix}

大家就知道了第一列表示x在三个方程存在的数量,第二列表示y在三个方程存在的数量, 第三列表示z在三个方程存在的数量。

矩阵快速幂

这3个矩阵分别为A, x和b(注意x和b都是n×1的矩阵,也称列向量),则线性方程组可以简单地写成Ax=b。这样是不是很方便呢?建议读者仔细研究一下这个Ax=b。它意味着A把一个列向量x变成了另外一个列向量b。也就是说,矩阵A描述的是一个线性变换,它把向量x变换到了向量b。在算法竞赛中,只要遇到“把一个向量v变成另一个向量v',并且v' 的每一个分量都是v各个分量的线性组合”的情况,就可以考虑用矩阵乘法来描述这个关系。这里的线性组合是指每个元素乘以一个常数后相加。比如2x+3y-z就是x、y、z的线性组合,但5xy和x2-3y都不是。矩阵乘法最重要的性质就是满足结合律,即(AB)C=A(BC),因此和幂取模一样,An也可以用倍增法加速。

                                                                                                           摘自: 202403-榕阳-提高组-专题基础-P05-矩阵计算 (kdocs.cn)icon-default.png?t=N7T8https://www.kdocs.cn/l/cqHzHcSMgykl

相伴矩阵模板

[相伴矩阵,快速矩阵幂]CSES1722 Fibonacci Numbers

定义Fibonacci 如下:F0=1,F1=1,Fn=Fn-2+Fn-1。对于指定的n(0≤n≤10^18),计算斐波那契数列第n项的值,结果对10^9+7取模。

样例输入:

样例输出:

10

55

这是矩阵的关系式:

代码:

  1. // CSES1722 Fibonacci Numbers
  2. #include <bits/stdc++.h>
  3. using namespace std;
  4. typedef long long LL;
  5. #define _for(i, a, b) for (int i = (a); i < (int)(b); ++i)
  6. const LL P = 1e9 + 7;
  7. using VL = vector<LL>;
  8. struct Mat {
  9. int n, m;
  10. vector<VL> F;
  11. Mat(int _n, int _m) : n(_n), m(_m), F(n, VL(m)) {}
  12. Mat operator*(const Mat& x) const {
  13. assert(m == x.n);
  14. Mat ans(n, x.m);
  15. _for(r, 0, n) _for(c, 0, x.m) {
  16. _for(i, 0, m)(ans.F[r][c] += F[r][i] * x.F[i][c] % P) %= P;
  17. }
  18. return ans;
  19. }
  20. Mat operator^(LL k) const {
  21. assert(k >= 1);
  22. assert(n == m);
  23. Mat ans = *this, p = *this;
  24. for (--k; k; k >>= 1, p = p * p)
  25. if (k & 1) ans = ans * p;
  26. return ans;
  27. }
  28. };
  29. int main() {
  30. ios::sync_with_stdio(false), cin.tie(0);
  31. LL n, ans = -1;
  32. cin >> n;
  33. if (n == 0)
  34. ans = 0;
  35. else if (n == 1)
  36. ans = 1;
  37. else {
  38. Mat A(2, 2), v1(2, 1);
  39. A.F = {{1, 1}, {1, 0}}, v1.F = {{1}, {0}};
  40. Mat vn = (A ^ (n - 1)) * (v1);
  41. ans = vn.F[0][0];
  42. }
  43. cout << ans << "\n";
  44. return 0;
  45. }

 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/524892
推荐阅读
相关标签
  

闽ICP备14008679号