矩阵乘法是一种高效的算法可以把一些一维递推优化到log.docVIP

矩阵运算是属于线性代数里的一个重要内容，上学期学完后只觉得矩阵能解线性方程，不过高中的时候听说过矩阵能优化常系数递推以及将坐标上的点作线性变换，于是找了些资料研究了一下，并把许多经典题以及HDU shǎ崽大牛总结的矩阵乘法的题目[1]、[2]和开设的矩阵乘法DIY Contest给做完了，感觉收获颇丰。??? 一个矩阵就是一个二维数组，为了方便声明多个矩阵，我们一般会将矩阵封装一个类或定义一个矩阵的结构体，我采用的是后者： ??? 最特殊的矩阵应该就是单位矩阵E了，它的对角线的元素为1，非对角线元素为0。 ??? 若A为n×p矩阵，B为p×m矩阵，则它们的乘积AB(有时记做A·B)将是一个n×m矩阵。其乘积矩阵AB的第i行第j列的元素为： ??? 一般矩阵乘法采用朴素的O(n^3)的算法： 矩阵加法就是简单地将对应的位置的两个矩阵的元素相加： 在ACM的题目中，我们一般考虑的是n阶方阵之间的乘法以及n阶方阵与n维向量（把向量看成n×1的矩阵）的乘法。矩阵乘法最重要的性质就是满足结合律，同时它另一个很重要的性质就是不满足交换率，这保证了矩阵的幂运算满足快速幂取模（A^k % MOD）算法： 假设k = 27，则k的二进制表示为11011，所以 按二进制展开，乘以相应的权值，可以看出：k的二进制的每一位矩阵A都要平方，在k二进制为1的位：末矩阵×平方后的A，在k二进制为0的位则末矩阵×E（单位矩阵），即不变。代码如下： 重载按位与(乘方)和加法时注意，加法的优先级高于按位与 *-+-^ 许多题目还要求S = A + A2 + A3 + … + Ak.。其实再作一次二分即可：只需计算log(n)个A的幂即可。 将二分 若A中=m表示从i到j有m条有向边，则中=n表示从i经过k条有向边到达j，这样的走法有n种 ??? 矩阵在ACM里用处最大的就是加速常系数递推方程的计算，最经典的例子就是Fibonacci数列，如果普通的递推，计算第n项复杂度为o(n)，显然对于10^9左右的数据就力不从心了。如果用矩阵快速幂递推的话，计算第n项的复杂度为o(k3*log(n))，对应一般的题目已经绰绰有余了，有的题目可以根据矩阵的特殊性进行优化，可以达到o(k2*log(n))。 ??? 由常系数递推式右边有两项，所以向量和矩阵的规格都为2。容易如下递推：  ??? 实现计算Fibonacci数列第k项的代码如下： 在朴素递推公式中采用线性递推，耗时，而采用矩阵快速幂时是将n二进制分解，耗时 恰好可以将消去，最后有 不能由去套矩阵凑，注意矩阵乘法不满足交换律 矩阵乘法是一种高效的算法可以把一些一维递推优化到log（ n )，还可以求路径方案等，所以更是是一种应用性极强的算法。矩阵，是线性代数中的基本概念之一。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的集中到了一起，所以有时候可以简便地表示一些复杂的模型。矩阵乘法看起来很奇怪，但实际上非常有用，应用也十分广泛。基本性质 1.结合性 （AB)C=A(BC）． 2.对加法的分配性 （A+B)C=AC+BC，C(A+B）=CA+CB ． 3.对数乘的结合性 k(AB）=（kA)B =A(kB）． 4.关于转置 (AB)=BA． 制作步骤 制作矩阵图一般要遵循以下几个步骤： ①列出质量因素： ②把成对对因素排列成行和列，表示其对应关系 ③选择合适的矩阵图类型 ④在成对因素交点处表示其关系程度，一般凭经验进行定性判断，可分为三种：关系密切、关系较密切、关系一般（或可能有关系)，并用不同符号表示 ⑤根据关系程度确定必须控制的重点因素 ⑥针对重点因素作对策表。 编辑本段经典题目 给定n个点，m个操作，构造O(m+n)的算法输出m个操作后各点的位置。操作有平移、缩放、翻转和旋转 这里的操作是对所有点同时进行的。其中翻转是以坐标轴为对称轴进行翻转（两种情况），旋转则以原点为中心。如果对每个点分别进行模拟，那么m个操作总共耗时O(mn)。利用矩阵乘法可以在O(m)的时间里把所有操作合并为一个矩阵，然后每个点与该矩阵相乘即可直接得出最终该点的位置，总共耗时O(m+n)。假设初始时某个点的坐标为x和y，下面5个矩阵可以分别对其进行平移、旋转、翻转和旋转操作。预先把所有m个操作所对应的矩阵全部乘起来，再乘以(x,y,1)，即可一步得出最终点的位置。 给定矩阵A，请快速计算出A^n（n个A相乘）的结果，输出的每个数都mod p。 由于矩阵乘法具有结合律，因此A^4 = A * A * A * A = (A*A) * (A*A) = A^2 * A^2。我们可以得到这样的结论：当n为偶数时，A^n = A^(n/2) * A^(n/2)；当n为奇数时，A^n = A^