【POJ 3233】Matrix Power Series

本文介绍了一种使用矩阵乘法和快速幂算法求解A^1+A^2+A^3+...+A^k的方法。该算法利用了二分的思想,并结合矩阵乘法实现了高效的计算过程,最终达到O(n^3log(n)^2)的时间复杂度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【题目链接】

          点击打开链接

【算法】

          要求 A^1 + A^2 + A^3 + ... + A^k

          考虑通过二分来计算这个式子 :

          令f(k) = A^1 + A^2 + A ^ 3 + ... + A^k

          那么,当k为奇数时,f(k) = f(k-1) + A ^ k

                    当k为偶数时,f(k) = f(n/2) + A ^ (n/2) * f(n/2)

          因此,可以通过二分 + 矩阵乘法快速幂的方式,在O(n^3log(n)^2)的时间内解决此题

【代码】

         

#include <algorithm>
#include <bitset>
#include <cctype>
#include <cerrno>
#include <clocale>
#include <cmath>
#include <complex>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <ctime>
#include <deque>
#include <exception>
#include <fstream>
#include <functional>
#include <limits>
#include <list>
#include <map>
#include <iomanip>
#include <ios>
#include <iosfwd>
#include <iostream>
#include <istream>
#include <ostream>
#include <queue>
#include <set>
#include <sstream>
#include <stdexcept>
#include <streambuf>
#include <string>
#include <utility>
#include <vector>
#include <cwchar>
#include <cwctype>
#include <stack>
#include <limits.h>
using namespace std;
#define MAXN 35

int i,j,n,k,m;
struct Matrix
{
		int mat[MAXN][MAXN];
} a,ans;

inline Matrix add(Matrix a,Matrix b)
{
		int i,j;
		Matrix ans;
		memset(ans.mat,0,sizeof(ans.mat));
		for (i = 1; i <= n; i++)
		{
				for (j = 1; j <= n; j++)
				{
						ans.mat[i][j] = (a.mat[i][j] + b.mat[i][j]) % m;
				}
		}
		return ans;
}
inline Matrix mul(Matrix a,Matrix b)
{
		int i,j,k;
		Matrix ans;
		memset(ans.mat,0,sizeof(ans.mat));
		for (i = 1; i <= n; i++)
		{
				for (j = 1; j <= n; j++)
				{
						for (k = 1; k <= n; k++)
						{
								ans.mat[i][j] = (ans.mat[i][j] + a.mat[i][k] * b.mat[k][j]) % m;
						}
				}
		}
		return ans;
}
inline Matrix power(Matrix a,int m)
{
		Matrix ans,p = a;
		for (i = 1; i <= n; i++)
		{
				for (j = 1; j <= n; j++)
				{
						ans.mat[i][j] = (i == j);	
				}	
		}	
		while (m > 0)
		{
				if (m & 1) ans = mul(ans,p);
				p = mul(p,p);
				m >>= 1;
		}
		return ans;
}
Matrix solve(int n)
{
		Matrix tmp;
		if (n == 1) return a;
		if (n % 2 == 0)
		{
				tmp = solve(n/2);
				return add(tmp,mul(power(a,n/2),tmp));
		} else return add(solve(n-1),power(a,n));
 }

int main() 
{
		
		scanf("%d%d%d",&n,&k,&m);
		for (i = 1; i <= n; i++)
		{
				for (j = 1; j <= n; j++)
				{
						scanf("%d",&a.mat[i][j]);
				}
		}
		ans = solve(k);
		for (i = 1; i <= n; i++)
		{
				for (j = 1; j < n; j++)
				{
						printf("%d ",ans.mat[i][j]);
				}
				printf("%d\n",ans.mat[i][n]);
		}
		
		return 0;
	
}

         

基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
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