51nod 1113 矩阵快速幂 (矩阵的n次方)

本文介绍了一种结合矩阵乘法与快速幂算法解决特定问题的方法。针对一个N*N矩阵进行M次方运算,并输出每个元素模10^9+7的结果。文章通过示例详细解析了算法实现过程。

 

给出一个N * N的矩阵,其中的元素均为正整数。求这个矩阵的M次方。由于M次方的计算结果太大,只需要输出每个元素Mod (10^9 + 7)的结果。

Input

第1行:2个数N和M,中间用空格分隔。N为矩阵的大小,M为M次方。(2 <= N <= 100, 1 <= M <= 10^9)
第2 - N + 1行:每行N个数,对应N * N矩阵中的1行。(0 <= N[i] <= 10^9)

Output

共N行,每行N个数,对应M次方Mod (10^9 + 7)的结果。

Input示例

2 3
1 1
1 1

Output示例

4 4
4 4

 

 

 

题意明了,一个矩阵和自己不断相乘,我也是第一次做有关矩阵乘法的题,之前做过很多快速幂的题,这道题就是快速幂结合矩阵乘法,横列都是一样,难度就没那么高了

   1: 因为矩阵相乘的一步要用到原本矩阵的数组,所以矩阵各位置算出来不能马上替换,因为其他位置的数算的时候会用到

   2:我只用了一个最简单暴力的方法,开个数组暂时保存,整个矩阵算完后再替换,这样也比较麻烦,有空再看看怎么乘优化

   代码献上

  

#include<cstdio>
#include<iostream>
#include<mem.h>
#include<math.h>
using namespace std;
  int n,m,i,j,j2;
 int mod=1000000007,a[100][100],b[100][100],c[100][100];   //c是答案,b是临时数组,a是用于快速函数中

 void kuaisu(int n,int m)
 {
     while(m>0)
     {
         if(m&1)
         {
             memset(b,0,sizeof(b));     //临时数组清0
         for(i=0;i<n;i++)                    //用临时数组保存计算
        for(j=0;j<n;j++)
           for(j2=0;j2<n;j2++)
            b[i][j]=(b[i][j]+c[i][j2]*a[j2][j]%mod)%mod;
             for(i=0;i<n;i++)
        for(j=0;j<n;j++)                 //将a数组替换为b
            c[i][j]=b[i][j];
         }


        m=m>>1;
        memset(b,0,sizeof(b));      //b清0,用于保存a * a
         for(i=0;i<n;i++)
        for(j=0;j<n;j++)
        {
           for(j2=0;j2<n;j2++)
           {
               b[i][j]=(b[i][j]+a[i][j2]*a[j2][j]%mod)%mod;
           }
        }
        for(i=0;i<n;i++)
        for(j=0;j<n;j++)
            a[i][j]=b[i][j];
     }

 }
int main()
{
  memset(b,0,sizeof(b));
    scanf("%d%d",&n,&m);
    for(i=0;i<n;i++)
        for(j=0;j<n;j++)
        {
            scanf("%d",&a[i][j]);
            c[i][j]=a[i][j];
        }
    kuaisu(n,m-1);
    for(i=0;i<n;i++)
        {
        for(j=0;j<n;j++)
            printf("%d ",c[i][j]);
            printf("\n");
        }

return 0;
}

 

 

 

 

 

题目 51nod 3478 涉及一个矩阵问题,要通过最少的操作次数,使得矩阵中至少有 `RowCount` 行和 `ColumnCount` 列是回文的。解决这个问题的关键在于如何高效地枚举所有可能的行和列组合,并计算每种组合所需的操作次数。 ### 解法思路 1. **预处理每一行和每一列变为回文所需的最少操作次数**: - 对于每一行,计算将其变为回文所需的最少操作次数。这可以通过比较每对对称位置的值是否相同来完成。 - 对于每一列,计算将其变为回文所需的最少操作次数,方法同上。 2. **枚举所有可能的行和列组合**: - 由于 `N` 和 `M` 的最大值为 8,因此可以枚举所有可能的行组合和列组合。 - 对于每一种组合,计算其所需的最少操作次数,并取最小值。 3. **计算操作次数**: - 对于每一种组合,需要计算哪些行和列需要修改,并且注意行和列的交叉点可能会重复计算,因此需要去重。 ### 代码实现 以下是一个可能的实现方式,使用了枚举和位运算来处理组合问题: ```python def min_operations_to_palindrome(matrix, row_count, col_count): import itertools N = len(matrix) M = len(matrix[0]) # Precompute the cost to make each row a palindrome row_cost = [] for i in range(N): cost = 0 for j in range(M // 2): if matrix[i][j] != matrix[i][M - 1 - j]: cost += 1 row_cost.append(cost) # Precompute the cost to make each column a palindrome col_cost = [] for j in range(M): cost = 0 for i in range(N // 2): if matrix[i][j] != matrix[N - 1 - i][j]: cost += 1 col_cost.append(cost) min_total_cost = float('inf') # Enumerate all combinations of rows and columns rows = list(range(N)) cols = list(range(M)) from itertools import combinations for row_comb in combinations(rows, row_count): for col_comb in combinations(cols, col_count): # Calculate the cost for this combination cost = 0 # Add row costs for r in row_comb: cost += row_cost[r] # Add column costs for c in col_comb: cost += col_cost[c] # Subtract the overlapping cells for r in row_comb: for c in col_comb: # Check if this cell is part of the palindrome calculation if r < N // 2 and c < M // 2: if matrix[r][c] != matrix[r][M - 1 - c] and matrix[N - 1 - r][c] != matrix[N - 1 - r][M - 1 - c]: cost -= 1 min_total_cost = min(min_total_cost, cost) return min_total_cost # Example usage matrix = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] row_count = 2 col_count = 2 result = min_operations_to_palindrome(matrix, row_count, col_count) print(result) ``` ### 代码说明 - **预处理成本**:首先计算每一行和每一列变为回文所需的最少操作次数。 - **枚举组合**:使用 `itertools.combinations` 枚举所有可能的行和列组合。 - **计算成本**:对于每一种组合,计算其成本,并考虑行和列交叉点的重复计算问题。 ### 复杂度分析 - **时间复杂度**:由于 `N` 和 `M` 的最大值为 8,因此枚举所有组合的时间复杂度为 $ O(N^{RowCount} \times M^{ColCount}) $,这在实际中是可接受的。 - **空间复杂度**:主要是存储预处理的成本,空间复杂度为 $ O(N + M) $。 ### 相关问题 1. 如何优化矩阵中行和列的枚举组合以减少计算时间? 2. 在计算行和列的交叉点时,如何更高效地处理重复计算的问题? 3. 如果矩阵的大小增加到更大的范围,如何调整算法以保持效率? 4. 如何处理矩阵中行和列的回文条件不同时的情况? 5. 如何扩展算法以支持更多的操作类型,例如翻转某个区域的值?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值