cf1478C Nezzar and Symmetric Array

该博客探讨了一个数学问题,涉及寻找一个由2n个不同整数组成的对称数组,使得每个元素与其他所有元素的绝对值之差的和等于给定的值。通过分析和排序输入数据,提出了一个解决此问题的算法,该算法检查是否存在满足条件的对称数组。文章以样例解释了思路,并给出了代码实现。

Long time ago there was a symmetric array a1,a2,…,a2n consisting of 2n distinct integers. Array a1,a2,…,a2n is called symmetric if for each integer 1≤i≤2n, there exists an integer 1≤j≤2n such that ai=−aj.

For each integer 1≤i≤2n, Nezzar wrote down an integer di equal to the sum of absolute differences from ai to all integers in a, i. e. di=∑2nj=1|ai−aj|.

Now a million years has passed and Nezzar can barely remember the array d and totally forget a. Nezzar wonders if there exists any symmetric array a consisting of 2n distinct integers that generates the array d.

Input
The first line contains a single integer t (1≤t≤105) — the number of test cases.

The first line of each test case contains a single integer n (1≤n≤105).

The second line of each test case contains 2n integers d1,d2,…,d2n (0≤di≤1012).

It is guaranteed that the sum of n over all test cases does not exceed 105.

Output
For each test case, print “YES” in a single line if there exists a possible array a. Otherwise, print “NO”.

You can print letters in any case (upper or lower).

Example
inputCopy
6
2
8 12 8 12
2
7 7 9 11
2
7 11 7 11
1
1 1
4
40 56 48 40 80 56 80 48
6
240 154 210 162 174 154 186 240 174 186 162 210
outputCopy
YES
NO
NO
NO
NO
YES
Note
In the first test case, a=[1,−3,−1,3] is one possible symmetric array that generates the array d=[8,12,8,12].

In the second test case, it can be shown that there is no symmetric array consisting of distinct integers that can generate array d.
题意
有2n个整数,每个数各不相同,且对于其中的任意数总能找到他的相反数,给你每个数与其他所有数的绝对值之差的和,问你能不能还原出原来的数
思路
我们先从样例中给的两个YES的输入着手,会发现每个数在输入中都会出现两次,进一步的思考,我们可以很快的发现,由于|A-B|与|-A-(-B)|一定是相等的,对于任意d[i]存在与之相同的数。由此可以找出第一个规律:

输入中的每个数出现且仅出现2次

我们先从最简单的数据开始找规律
假如我们有4个数,分别为a,b,-a,-b,那么对于第一个数
在这里插入图片描述
我们假设a,b均为正数,
此时d有两种情况
在这里插入图片描述
并且d1>d2的
由此我们可以想到,我们完全可以将输入的d从大到小排序并除重,此时d1最大,即为2*n个第一个原数组:2n*a[1]

对于除a[1]外的任意数字(只看正数)都比其小,故的d[1]=n*2a[1]

对于d2,其应当为a[2]计算得到的:2a[1]+(n-1)*2a[2]

对于a[2],只有a[1]比他大,其他数字均比其小

由此我们就可以推出公式了
在用最后一个样例举一个例子
在这里插入图片描述
代码

#include <stdio.h>
#include <math.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <queue>
#include <deque>
#include <stack>
#include <list>
#include <map>
const int inf=0x3f3f3f3f;
#define ll long long
#define ull unsigned long long
#define mm(w,v) memset(w,v,sizeof(w))
#define f(x,y,z) for(int x=(y),_=(z);x<_;++x)
const int modn=1e9+7;
const int MAXN=1000000;
using namespace std;
ll ans[100000+10];
ll d[100000+10];
map<ll,int> hs; 
bool cmp(ll a,ll b) {
	return a>b;
}
void solve() {
	int t;
	scanf("%d",&t);
	while(t--) {
		hs.clear();
		int n;
		scanf("%d",&n);
		int cnt=0;
		f(i,0,2*n) {
			ll ip;
			scanf("%lld",&ip);
			if(hs[ip]==0) {
				d[cnt++]=ip;
				hs[ip]=1;
			}
			else {
				hs[ip]++;
			}
		}
		sort(d,d+cnt,cmp);
		bool ok=true;
		ll pre=0;
		int preneed=0;
		for(int i=0;i<cnt;i++) {
			if(hs[d[i]]!=2) {
				ok=false;
				break;
			}
			ll need=n*2;
			if(preneed==0) {
				f(j,0,i) {
					d[i]-=2*ans[j];
					pre+=2*ans[j];
					preneed+=2;
					need-=2;
				}
			}
			else {
				d[i]-=(pre+2*ans[i-1]);
				pre+=2*ans[i-1];
				need-=(preneed+2);
				preneed+=2;
			}
			if(d[i]%need!=0||d[i]<=0) {
				ok=false;
				break;
			}
			ans[i]=d[i]/need;
			if(i>0&&ans[i]>=ans[i-1]) {
				ok=false;
				break;
			}
		}
		if(ok) {
			printf("YES\n");
		}
		else {
			printf("NO\n");
		}
	}
}
int main(void) {
	solve();
}


<think>我们正在讨论对称张量和对称秩的概念,用户希望看到相关的代码实现。根据之前的引用,对称张量是指其元素在下标的任意排列下保持不变的张量。对称秩(symmetric rank)是指将一个对称张量表示为对称秩1张量的最小数目。 由于用户没有指定编程语言,我们将使用Python和NumPy库来演示。在NumPy中,我们可以创建对称张量,并尝试计算对称秩。然而,计算对称秩是一个复杂的问题,通常需要特定的算法(如使用交替最小二乘法等)来近似分解。这里我们将展示如何创建一个对称张量,并演示对称张量分解(CP分解的对称版本)的简单示例。 注意:对称秩的计算通常是非平凡的,而且对于高阶张量,精确计算对称秩是困难的。因此,实际代码中往往使用近似分解来估计秩。 步骤: 1. 定义一个对称张量(例如三阶超对称张量)。 2. 使用对称张量分解(CP分解)来分解这个张量为对称秩1张量的和。 3. 分解后的秩(即使用的秩1张量的个数)就是对称秩的估计。 我们将使用`tensorly`库,它是一个用于张量分解的Python库。如果用户没有安装,需要先安装(`pip install tensorly`)。 示例:一个三阶超对称张量的CP分解(对称分解)。 注意:在对称CP分解中,我们要求每个秩1张量都是对称且相同的(即由同一个向量生成)。对于三阶超对称张量,一个对称秩1张量可以写为`v⊗v⊗v`(即三个相同向量的外积)。 我们将使用Tensorly的对称CP分解功能。 参考:Tensorly的文档中关于对称张量分解的部分:http://tensorly.org/stable/modules/generated/tensorly.decomposition.symmetric_parafac.html 但是,请注意,对称秩的精确计算通常很难,所以这里我们只能得到近似分解,并观察使用的分量数(即分解的秩)。 由于用户没有提供具体的张量,我们将创建一个已知对称秩的对称张量。例如,我们创建一个由两个对称秩1张量组成的对称张量,即: T = a⊗a⊗a + b⊗b⊗b 然后,我们尝试使用对称CP分解(秩=2)来分解它,并验证分解的误差。 代码步骤: 1. 导入必要的库。 2. 创建两个向量a和b。 3. 计算两个对称秩1张量(a⊗a⊗a和b⊗b⊗b)并相加。 4. 使用对称CP分解(指定秩=2)来分解张量T。 5. 检查重建误差。 如果误差很小,则说明我们成功地用两个秩1张量表示了原张量,即对称秩为2。 注意:在实际问题中,我们并不知道对称秩,因此需要尝试不同的秩直到重建误差满足要求。这里我们假设已知秩为2。 代码实现: </think>基于您对对称张量的需求,我将提供Python代码实现,使用NumPy库处理对称张量操作,并解释对称秩的计算原理。 ### 对称张量生成与验证代码 ```python import numpy as np def create_symmetric_tensor(order, dim): """ 创建n阶dim维对称张量 order: 张量阶数 dim: 每个维度的尺寸 """ shape = tuple(dim for _ in range(order)) tensor = np.random.rand(*shape) # 对称化处理:对所有索引排列取平均 for perm in permutations(range(order)): tensor = (tensor + np.transpose(tensor, perm)) / 2 return tensor def is_symmetric(tensor): """ 验证张量是否对称 """ order = tensor.ndim for perm in permutations(range(order)): if not np.allclose(tensor, np.transpose(tensor, perm)): return False return True # 使用示例 dim = 3 # 维度 order = 3 # 阶数 sym_tensor = create_symmetric_tensor(order, dim) print(f"对称张量形状: {sym_tensor.shape}") print(f"对称性验证: {is_symmetric(sym_tensor)}") ``` ### 对称秩计算实现 ```python def symmetric_rank(tensor, tolerance=1e-6): """ 计算对称张量的对称秩 原理:寻找最小r使得张量可表示为r个秩1对称张量的和 """ from scipy.optimize import minimize n = tensor.shape[0] # 维度 r = 1 # 初始秩 while True: # 初始化随机向量 vectors = [np.random.randn(n) for _ in range(r)] # 构建目标函数:最小化重构误差 def objective(x): recon = np.zeros_like(tensor) for i in range(r): v = x[i*n : (i+1)*n] rank1_tensor = np.ones(tensor.shape) for j in range(tensor.ndim): rank1_tensor = rank1_tensor * v.reshape( [-1 if k==j else 1 for k in range(tensor.ndim)] ) recon += rank1_tensor return np.linalg.norm(tensor - recon) # 优化求解 res = minimize(objective, np.concatenate(vectors)) # 检查误差 if res.fun < tolerance: return r r += 1 # 增加秩继续尝试 # 使用示例 rank = symmetric_rank(sym_tensor) print(f"对称秩: {rank}") ``` ### 关键概念说明 1. **对称张量**:满足 $x_{i_1i_2\cdots i_k} = x_{\pi(i_1)\pi(i_2)\cdots\pi(i_k)}$ 的张量,其中 $\pi$ 是任意排列[^1] 2. **对称秩**:将对称张量表示为对称秩1张量(形式为 $v^{\otimes k}$ )的最小个数 $r$ [^1] 3. **秩1对称张量**:可分解为单个向量的张量积 $\mathbf{v} \otimes \mathbf{v} \otimes \cdots \otimes \mathbf{v}$ ### 应用场景 此代码可用于: 1. 材料力学中的应力分析 2. 量子化学中的电子密度表示 3. 机器学习中的高阶统计特征提取 4. 计算机视觉中的结构张量处理[^3]
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

ljw0925

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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