[线性代数xOI/ACM]系数矩阵的QGXZ分解

丶灬走出姿态 提交于 2019-12-02 07:02:25

一些无关紧要的Q&A

Q:你是怎么想到这个花里胡哨的算法的啊?
A:前几天学习线性代数时有幸和Magolor大佬讨论到 $LU$ 分解在多解时的时间复杂度问题,于是yy出了这个奇怪(?)的算法。

Q:为什么叫 $QGXZ$ 分解呀?你是不是在装逼啊?
A:这个名字是Magolor大佬起的,我也只能无条件服从咯~ 如有雷同绝非学术不端~

Q:Magolor大佬太强啦~
A:恭喜我们达成了共识~

概述

$QGXZ$ 分解,是用于解决多线性方程组通解问题的算法。具体来讲:

给出 $n\times m$ 的系数矩阵 $A$ ,分别求 $Ax=b_1,Ax=b_2,...,Ax=b_q$ 的通解 ,其中 $b_i$ 是 $n\times 1$ 的列向量。以下假设 $n,m,q$ 同阶。

如果对 $b_i$ 强制在线的话,朴素算法的时间复杂度为 $O(n^4)$ 。如果对矩阵进行 $QGXZ$ 分解,则复杂度降为 $O(n^3)$ 。

前置技能

$QGXZ$ 分解本质上是 $LU$ 分解的扩展,因此先来介绍一下 $LU$ 分解。

$LU$ 分解是对于一个 $n\times m$ 的矩阵,将其分解为一个 $n\times n$ 的下三角矩阵 $L$ 和一个 $n\times m$ 的上梯形矩阵 $U$ 的乘积的结果,即 $A=L\times U$ 。

求法:对于矩阵 $A$ ,从上到下进行矩阵行变换过程(这里仅考虑第三种行变换:将一行乘以一个数加到零一行上)。我们知道,使用一次行变换将 $A$ 变成 $B$ 的过程可以使用 $A=K\times B$ 的形式描述,其中 $K$ 是变换矩阵。由于在用上消下的前提下 $K$ 是下三角矩阵,而下三角矩阵的乘积也是下三角矩阵,因此每次的变换矩阵的乘积就是我们所求的下三角矩阵 $L$ ,而 $A$ 的最终结果也是上梯形矩阵 $U$。

例如:

$$
\begin{pmatrix}
1&1&0&0\\\
1&0&1&1\\\
2&1&0&0\end{pmatrix}=
\begin{pmatrix}
1&0&0\\\
1&1&0\\\
2&0&1
\end{pmatrix}
\begin{pmatrix}
1&1&0&0\\\
0&-1&1&1\\\
0&-1&0&0
\end{pmatrix}=
\begin{pmatrix}
1&0&0\\\
1&1&0\\\
2&-1&1
\end{pmatrix}
\begin{pmatrix}
1&1&0&0\\\
0&-1&1&1\\\
0&0&-1&-1
\end{pmatrix}
$$

$LU$ 分解有什么用?

假如现在有方程组 $Ax=b$ ,它就等价于 $LUx=b$ 。我们可以把 $Ux$ 当作一个整体 $y$ ,先解方程 $Ly=b$ ,然后再解 $Ux=y$ 。显然这两个方程都比较 “容易” 解出。

局限性

$LU$ 分解有两点局限性:

  1. 由于行变换的过程必须是使用上边的行消下边的行,因此对于一些矩阵可能不能直接进行 $LU$ 分解;

  2. 即使矩阵能够进行 $LU$ 分解,在解方程 $Ux=y$ 时,如果方程有多解,则主元需要使用自由元来表示。而在代入求解的过程中,有 $O(n)$ 个方程,每个方程要代入 $O(n)$ 个主元,每个主元要用 $O(n)$ 个自由元表示,因此就算知道了系数矩阵 $LU$ 分解的形式,一次代入的复杂度也是 $O(n^3)$ 的,和暴力没有区别。

下面我们介绍 $GXZ$ 分解和 $QGXZ$ 分解来解决这两点局限性。

$GXZ$ 分解

$GXZ$ 分解是对于一个 $n\times m$ 的矩阵,将其分解为一个 $n\times n$ 的下三角矩阵 $G$ 、一个 $n\times n$ 的上三角矩阵 $X$ 和一个 $n\times m$ 的简化行阶梯矩阵(每个主元所在列的其它位置都是 $0$ 的行阶梯矩阵) $Z$ 的乘积的结果,即 $A=G\times X\times Z$ 。

这个求法也很简单:在LU分解使用行变换正消得到变换矩阵 $L$ 和行阶梯矩阵 $U$ 后,我们再反消一波,用主元行将上面行的相应位置消成 $0$ ,并使用同 $LU$ 分解的方法记录变换矩阵。由于每次都是用下面消上面,因此变换矩阵必然是上三角矩阵(和 $LU$ 分解类似)。

在偷换一波变量名后便有 $A=GXZ$ 。

例如:

$$
\begin{pmatrix}
1&1&0&0\\\
1&0&1&1\\\
2&1&0&0
\end{pmatrix}=
\begin{pmatrix}
1&0&0\\\
1&1&0\\\
2&-1&1
\end{pmatrix}
\begin{pmatrix}
1&0&0\\\
0&1&-1\\\
0&0&1
\end{pmatrix}
\begin{pmatrix}
1&1&0&0\\\
0&-1&0&0\\\
0&0&-1&-1
\end{pmatrix}
$$

这样的话,只需要解方程 $Gd=b$ 、$Xe=d$ 和 $Zx=e$ 即可。前两个方程显然是 $O(n^2)$ 的,而第三个方程只需要表示主元且没有代入过程,也是 $O(n^2)$ 的。

于是我们就得到了一个 $O(n^3)$ 预处理, $O(n^2)$ 单次询问的算法。

$QGXZ$ 分解

$GXZ$ 分解处理了第二点局限性,第一点局限性则由 $QGXZ$ 分解来解决。

$QGXZ$ 分解即将 $n\times m$ 的矩阵分解成置换矩阵 $Q$ 和 $GXZ$ 分解的乘积的形式。

具体方法:在 $GXZ$ 分解的第一步(LU分解)时,假设当前已经消成了 $A=L_0U_0$ 的形式,进一步变换消元时发现需要交换 $U_0$ 的某两行,也即 $U_0=T_0U_1$ ,其中 $T_0$ 是置换矩阵。我们现在要做的就是将 $L_0T_0U_1$ 变成 $T_1L_1U_1$ ,即把 $L_0T_0$ 变成 $T_1L_1$ 。

我们知道,$L_0T_0$ 相当于交换 $L_0$ 的某两列,而 $T_1L_1$ 相当于交换 $L_1$ 的某两行。由于我们消元的过程是从上到下进行的,因此 $L_0$ 要交换的两列必然是只有主对角线是 $1$ ,其余位置为 $0$ 。

因此,我们只需要手动交换 $L_0$ 相应两行的主对角线前面的部分作为 $L_1$ ,然后直接把 $T_0$ 拿到前面,原封不动作为 $T_1$ 即可。

例如:我们要交换 $L_0$ 第 $2$ 列和第 $3$ 列,则手动交换 $L_0$ 第 $2$ 行和第 $3$ 行的前 $\text{min}(2,3)-1$ 个数作为 $L_1$ ,把 $T_0$ 拿到 $L_0$ 前面作为 $L_1$ 即可。也即:

$$
\begin{pmatrix}
1&0&0\\\
x&1&0\\\
y&0&1
\end{pmatrix}
\begin{pmatrix}
1&0&0\\\
0&0&1\\\
0&1&0
\end{pmatrix}=
\begin{pmatrix}
1&0&0\\\
0&0&1\\\
0&1&0
\end{pmatrix}
\begin{pmatrix}
1&0&0\\\
y&1&0\\\
x&0&1
\end{pmatrix}
$$

每次交换都进行这样的过程,这样我们就把置换矩阵和置换矩阵放到了一起,把下三角矩阵和下三角矩阵放到了一起。由于它们的乘积都不会改变矩阵的特殊性质,因此最终的 $Q$ 必然也是置换矩阵,$G$ 必然也是下三角矩阵。

到此,解 $Ax=b$ 就变为:分解 $A=Q\times G\times X\times Z$ ,然后分别解 $Qc=b$ 、$Gd=c$ 、$Xe=d$ 、$Zx=e$ 即可。

单次询问的时间复杂度还是 $O(n^2)$ 不变。

代码

#include <bits/stdc++.h>
#define N 510
#define eps 1e-6
using namespace std;
int pos[N];
double Q[N][N] , G[N][N] , X[N][N] , Z[N][N] , b[N] , c[N] , d[N] , e[N];
int main()
{
    int n , m , q , i , j , k , p = 0 , t;
    double mx;
    scanf("%d%d%d" , &n , &m , &q);
    for(i = 1 ; i <= n ; i ++ )
        for(j = 1 ; j <= m ; j ++ )
            scanf("%lf" , &Z[i][j]);
    for(i = 1 ; i <= n ; i ++ ) Q[i][i] = G[i][i] = X[i][i] = 1;
    for(i = 1 ; i <= m ; i ++ )
    {
        t = 0 , mx = eps;
        for(j = p + 1 ; j <= n ; j ++ )
            if(abs(Z[j][i]) > mx)
                t = j , mx = abs(Z[j][i]);
        if(!t) continue;
        pos[ ++ p] = i;
        for(k = i ; k <= m ; k ++ ) swap(Z[p][k] , Z[t][k]);
        for(k = 1 ; k <= n ; k ++ ) swap(Q[p][k] , Q[t][k]);
        for(k = 1 ; k < p ; k ++ ) swap(G[p][k] , G[t][k]);
        for(j = p + 1 ; j <= n ; j ++ )
        {
            G[j][p] = Z[j][i] / Z[p][i];
            for(k = i ; k <= m ; k ++ )
                Z[j][k] -= Z[p][k] * G[j][p];
        }
    }
    for(i = p ; i ; i -- )
    {
        for(j = i - 1 ; j ; j -- )
        {
            X[j][i] = Z[j][pos[i]] / Z[i][pos[i]];
            for(k = pos[i] ; k <= m ; k ++ )
                Z[j][k] -= Z[i][k] * X[j][i];
        }
    }
    while(q -- )
    {
        for(i = 1 ; i <= n ; i ++ ) scanf("%lf" , &b[i]);
        for(i = 1 ; i <= n ; i ++ )
            for(j = 1 ; j <= n ; j ++ )
                if(Q[i][j] == 1)
                    c[j] = b[i];
        for(i = 1 ; i <= n ; i ++ )
        {
            d[i] = c[i];
            for(j = 1 ; j < i ; j ++ )
                d[i] -= G[i][j] * d[j];
        }
        for(i = n ; i ; i -- )
        {
            e[i] = d[i];
            for(j = n ; j > i ; j -- )
                e[i] -= X[i][j] * e[j];
        }
        for(i = p + 1 ; i <= n ; i ++ )
            if(abs(e[i]) > eps)
                break;
        if(i <= n) puts("No solution!");
        else
        {
            for(i = 1 ; i <= p ; i ++ )
            {
                printf("x[%d]=%lf" , pos[i] , e[i] / Z[i][pos[i]]);
                for(j = pos[i] + 1 ; j <= m ; j ++ )
                    if(abs(Z[i][j]) > eps)
                        printf("%+lfx[%d]" , -Z[i][j] / Z[i][pos[i]] , j);
                puts("");
            }
        }
    }
    return 0;
}
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!