当前位置: 首页 > news >正文

单页面 网站如何免费注册个人邮箱

单页面 网站,如何免费注册个人邮箱,在线做图网站,惠州市住房和城乡建设局网站目录 一、前置知识#xff1a;向量#xff08;一列或一行的矩阵#xff09;、矩阵1. 行向量2. 列向量3. 向量其余基本概念4. 矩阵基本概念5. 关于它们的细节 二、运算1. 转置#xff08;1#xff09;定义#xff08;2#xff09;性质 2. 矩阵#xff08;向量#xff0… 目录 一、前置知识向量一列或一行的矩阵、矩阵1. 行向量2. 列向量3. 向量其余基本概念4. 矩阵基本概念5. 关于它们的细节 二、运算1. 转置1定义2性质 2. 矩阵向量与矩阵向量的加减法3. 点乘与乘法1定义矩阵点乘2定义向量点乘3定义矩阵向量与标量的乘法4定义矩阵向量与矩阵向量的乘法5性质矩阵向量与矩阵向量的乘法6应用矩阵快速幂进行加速 三、拓展1. 向量表示里的几何意义2. 向量加法里的几何意义3. 向量求反里的几何意义 四、结尾 一、前置知识向量一列或一行的矩阵、矩阵 1. 行向量 例如 [ 1 1 4 ] \begin{bmatrix}114\end{bmatrix} [1​1​4​]这就是一个行向量 [ 1 1 4 ] \begin{bmatrix}114\end{bmatrix} [1​1​4​]可以理解为一个 1 1 1行 3 3 3列矩阵。 行向量 [ a 1 … a n ] \begin{bmatrix}a_1\dotsa_n\end{bmatrix} [a1​​…​an​​] n n n为任意取值。 2. 列向量 例如 [ 5 1 4 ] \begin{bmatrix}5\\1\\4\end{bmatrix} ​514​ ​这就是一个列向量 [ 5 1 4 ] \begin{bmatrix}5\\1\\4\end{bmatrix} ​514​ ​可以理解为一个 3 3 3行 1 1 1列的矩阵。 列向量 [ a 1 ⋮ a n ] \begin{bmatrix}a_1\\\vdots\\a_n\end{bmatrix} ​a1​⋮an​​ ​ n n n为任意取值。 3. 向量其余基本概念 向量是一个有方向与大小的量它的起点可以是任意位置。 维度 [ a 1 ] \begin{bmatrix}a_1\end{bmatrix} [a1​​]这是一个一维向量它仅有一个数字。而 [ a 1 ⋮ a n ] \begin{bmatrix}a_1\\\vdots\\a_n\end{bmatrix} ​a1​⋮an​​ ​与 [ a 1 … a n ] \begin{bmatrix}a_1\dotsa_n\end{bmatrix} [a1​​…​an​​]它们都是 n n n维的。 长度 向量的长度也就是它的大小我们称它为模。而模则为向量起点与终点之间的距离。 4. 矩阵基本概念 [ 1 1 4 1 6 1 4 1 5 ] \begin{bmatrix}114\\161\\415\end{bmatrix} ​114​161​415​ ​注 这是一个维度为 3 × 3 3\times3 3×3的矩阵。 一个矩阵的维度表示为 m × n m\times n m×n即 m m m行 n n n列的矩阵。 5. 关于它们的细节 向量可以视为一种特殊的矩阵我们通常用大写字母表示矩阵小写字母表示向量可带一个小箭头例如 v ⃗ \vec{v} v 。例如 v i v_i vi​表示向量 v v v的第 i i i项即第 i i i个元素行向量从左往右数列向量从上往下 a i , j a_{i,j} ai,j​或 A i , j A_{i,j} Ai,j​表示矩阵 A A A的第 i i i行第 j j j列的元素。 二、运算 下文由于向量可以视为一种特殊的矩阵且为了方便所以均用大写字母表示向量或矩阵。 1. 转置 1定义 A T A^T AT表示对 A A A进行转置即 A A A的第 i i i行将变成 A T A^T AT的第 i i i列。若 A [ 1 1 4 5 1 4 ] A\begin{bmatrix}114\\514\end{bmatrix} A[15​11​44​]则 A T [ 1 5 1 1 4 4 ] A^T\begin{bmatrix}15\\11\\44\end{bmatrix} AT ​114​514​ ​。 2性质 ( A T ) T A (A^T)^TA (AT)TA ( A B ) T A T B T (AB)^TA^TB^T (AB)TATBT 2. 矩阵向量与矩阵向量的加减法 我们设 A ± B C A\pm BC A±BC。 A ± B A\pm B A±B不是随便的 A A A与 B B B要求维度相同。且 C C C维度仍与 A A A、 B B B相同。 运算方式 C i , j A i , j ± B i , j C_{i,j}A_{i,j}\pm B_{i,j} Ci,j​Ai,j​±Bi,j​。 3. 点乘与乘法 1定义矩阵点乘 我们设 A ∘ B C A\circ BC A∘BC。 矩阵点乘的符号为“ ∘ \circ ∘”其中 A A A、 B B B、 C C C均为矩阵且维度相同。运算方法也很简单 C i , j A i , j × B i , j C_{i,j}A_{i,j}\times B_{i,j} Ci,j​Ai,j​×Bi,j​。 2定义向量点乘 我们再设 A ⋅ B n A\cdot Bn A⋅Bn。 显然 A A A、 B B B均为向量且维度相同而 n n n又是一个标量。那 n n n为多少 n ∑ i 1 m A i , j B i , j n\sum_{i1}^mA_{i,j}B_{i,j} n∑i1m​Ai,j​Bi,j​ m m m为 A A A、 B B B的维度。 3定义矩阵向量与标量的乘法 我们再设 n A B nAB nAB。 则 A A A、 B B B为矩阵向量 n n n为标量显而易见 B i , j n A i , j B_{i,j}nA_{i,j} Bi,j​nAi,j​。 4定义矩阵向量与矩阵向量的乘法 我们再再设 A B C ABC ABC设 A A A维度为 m × n m\times n m×n而 B B B维度为 n × p n\times p n×p则 C C C维度为 m × p m\times p m×p。 运算方式大概如此复杂 C i , j A i 行 ⋅ B j 列 C_{i,j}A_{i行}\cdot B_{j列} Ci,j​Ai行​⋅Bj列​即 C i , j ∑ i 1 n A i , k B k , j C_{i,j}\sum_{i1}^nA_{i,k}B_{k,j} Ci,j​∑i1n​Ai,k​Bk,j​。 5性质矩阵向量与矩阵向量的乘法 没有交换律。有结合律和分配率。 6应用矩阵快速幂进行加速 现在目光转置P1962要运用矩阵乘法来解决求斐波那契数列第 n n n项对 1 0 9 7 10^97 1097取模。 我们构造一个矩阵 A A A与矩阵 B B B A [ x y ] A\begin{bmatrix}xy\end{bmatrix} A[x​y​] B [ 1 1 1 0 ] B\begin{bmatrix}11\\10\end{bmatrix} B[11​10​]而 A B [ x y x ] AB\begin{bmatrix}xyx\end{bmatrix} AB[xy​x​]。现在设 x x x是斐波那契数列的第 ( i 1 ) (i1) (i1)项简记 F i 1 F_{i1} Fi1​ y y y则为第 i i i项简记 F i F_i Fi​。再把目光转回矩阵 A [ F i 1 F i ] A\begin{bmatrix}F_{i1}F_i\end{bmatrix} A[Fi1​​Fi​​] 则 A B [ F i 1 F n F i 1 ] AB\begin{bmatrix}F_{i1}F_nF_{i1}\end{bmatrix} AB[Fi1​Fn​​Fi1​​]根据斐波那契数列的规律 F i 1 F i F i 2 F_{i1}F_iF_{i2} Fi1​Fi​Fi2​so A B [ F i 2 F i 1 ] AB\begin{bmatrix}F_{i2}F_{i1}\end{bmatrix} AB[Fi2​​Fi1​​]很容易发现 A B AB AB比 A A A中每项都进了一位也就是说只要一直乘 B B B直至结果矩阵为 [ F n F n − 1 ] \begin{bmatrix}F_nF_{n-1}\end{bmatrix} [Fn​​Fn−1​​]第一项就是P1962的答案。 但是直接递推到 F n F_n Fn​是 O ( n ) O(n) O(n)的乘到 F n F_n Fn​也是 O ( n ) O(n) O(n)的。但是多个相同数相乘是数的幂多个相同矩阵相乘是矩阵的幂同样也可以使用快速幂现在复杂度大约为 O ( k l o g 2 n ) O(klog_2n) O(klog2​n)有些小细节没有提及 k k k为矩阵乘法运算时耗掉的。这时当 n n n的值到达一个程度时间就会大幅减少。 代码如下。 #includebits/stdc.h using namespace std; #define ll long long const ll p1e97; struct mat{ll nr,nc;ll m[15][15];mat(ll NR0,ll NC0){nrNR,ncNC;memset(m,0,sizeof(m));}mat operator(mat b){nrb.nr;ncb.nc;for(int i1;inr;i)for(int j1;jnc;j)m[i][j]b.m[i][j];} }; mat operator*(mat a,mat b){mat c(a.nr,b.nc);for(int i1;ia.nr;i){for(int j1;jb.nc;j){for(int k1;ka.nc;k){c.m[i][j](a.m[i][k]*b.m[k][j]%pc.m[i][j])%p;}}}return c; } mat fastpow(mat a,ll b){if(b1)return a;if(b%20)return fastpow(a*a,b/2);else return fastpow(a*a,b/2)*a; } int main(){ll n;cinn;if(n2){cout1;return 0;}mat fib(1,2),tmp(2,2),tmp2;fib.m[1][1]1,fib.m[1][2]1;tmp.m[1][1]1,tmp.m[1][2]1;tmp.m[2][1]1;tmp2fib*fastpow(tmp,n-2);couttmp2.m[1][1]; }三、拓展 1. 向量表示里的几何意义 例如有一个二维向量 v ⃗ [ x y ] \vec{v}\begin{bmatrix}x\\y\end{bmatrix} v [xy​]它将原点 ( 0 , 0 ) (0,0) (0,0)作为起点时它的终点就是 ( x , y ) (x,y) (x,y)。 2. 向量加法里的几何意义 如图向量 a a a与向量 b b b头尾相接最终与向量 c c c到达同一目的地而恰好 a ⃗ b ⃗ c ⃗ \vec{a}\vec{b}\vec{c} a b c 。 3. 向量求反里的几何意义 a ⃗ \vec{a} a 与 − a ⃗ -\vec{a} −a 的区别在于将 a ⃗ \vec{a} a 旋转 180 ° 180\degree 180°就可以得 − a ⃗ -\vec{a} −a 即方向相反。 四、结尾
http://www.yingshimen.cn/news/44512/

相关文章:

  • 公司做的网站搜索不到源码网站推荐
  • 网站建设遇到问题解决方案苏州网站开发公司招聘信息
  • 网站开发公司比较有名芜湖网站建设 文库
  • 最低网网站多少钱中国佛山手机网站建设
  • 网页设计免费网站推荐wordpress上传七牛云
  • 黄岛做网站哪家好中国商机网
  • 寻找合肥网站建设全网营销渠道
  • 华为网站建站烟台牟平住房建设局网站
  • 网站内容专题怎么做生产管理软件哪个好用
  • 网站开发的基本功能长沙市云网站建设
  • 昆山公司网站建设公司logo设计多少钱
  • 网站设计答辩ppt班级网站建设html制作
  • 中国版动漫网站模板网站建设吉金手指排名14
  • PHP网站开发如何建立vipwordpress包下载
  • qq空间怎么做网站后台去掉 wordpress新闻
  • 网站设计的图片成都关键词优化平台
  • 湛江免费企业建站建筑培训网考题答案
  • 自建网站外贸怎么做ui设计到底能不能学
  • 做生物卷子的网站优酷的网站头怎么做的
  • 网站开发最新教程最新创建的网站
  • 献县做网站价格百度关键词规划师
  • 网站开发文档下载上传了网站标志怎么弄
  • 珠海电商网站制作网站建设课程的建议
  • 免费网站网站制作平台wordpress非插件文章浏览量
  • 如何做网站优化的内容wordpress文章价格产品价格
  • 网站文章分类莱芜 网站
  • 百度站长提交网站地图国外房产中介网站
  • 慈溪高端网站设计网上做名片的网站
  • 网站首页轮播图怎么做的湖南做网站 找磐石网络一流
  • 永康哪有做网站的公司专做老酒的网站