matlab中怎样计算一个矩阵中每个数的平方?
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了matlab中怎样计算一个矩阵中每个数的平方?相关的知识,希望对你有一定的参考价值。
1、第一步我们首先需要知道求一个矩阵不同元素个数,需要用到unique函数,在命令行窗口中输入“help unique”,可以看到unique函数用法,
2、第二步输入a=[1 3 3 5;6 7 8 8;3 5 6 9],按回车键之后,创建一个3行4列的矩阵,
3、第三步输入unique(a),求a矩阵不同元素,
4、第四步按回车键之后,可以看到将a矩阵不同元素列出来了,形成了一个列向量
5、第五步输入length(unique(a)),求a矩阵不同元素的个数
参考技术A1、我们首先需要知道matlab关于矩阵集合运算的一些函数,intersect函数求集合交集,setxor函数求集合不在交集中的元素。
2、我们打开matlab,在命令行窗口中输入help intersect,可以看到intersect函数的用法介绍,两个矩阵的交集就是相同的元素。
3、在命令行窗口中输入a=[1 2 3;4 5 6;7 8 9];b=[1 3 5;7 8 10;4 8 9],按回车键,新建a,b两个矩阵。
4、在命令行窗口中输入intersect(a,b),按回车键,可以得到a,b两个矩阵中相同的元素。
5、如果我们想得到两个矩阵中不相同的元素,可以使用setxor函数,在命令行窗口中help setxor,可以看到函数用法。
6、输入setxor(a,b)按回车键,可以得到a,b两个矩阵不相同的元素,也叫不在交集中的元素。
参考技术B 使用点运算。如果原矩阵式A,可以使用A.*A或者A.^2MatLab中点运算是对相同维数的矩阵的对应元素进行相应的运算。
.* 点乘,相同维数的矩阵的对应元素相乘。
.^ 点乘幂,A.^B相同维数的矩阵A元素的B对应元素次幂。A.^n矩阵A中所有元素取n次幂。
.\ 点左除,相同维数的矩阵的对应元素进行\运算。
./ 点右除,相同维数的矩阵的对应元素进行/运算。 参考技术C 假设A是你说的矩阵,A.^2就是计算一个矩阵中每个数的平方
计算也是平方数的第 N 个三角数
【中文标题】计算也是平方数的第 N 个三角数【英文标题】:Computing Nth triangular number that is also a square number 【发布时间】:2015-03-28 14:51:50 【问题描述】:这个问题是在练习比赛中出现的:
计算第 N 个三角数,它也是一个平方数,模 10006699。(1 ≤ N ≤ 10^18) 最多有 10^5 个测试案例。
我发现我可以很容易地用递归关系计算它 Ti = 6Ti-1 - Ti-2 sub> + 2,其中 T0 = 0 和 T1 = 1。 p>
我使用矩阵求幂来获得每个测试用例大约 O(log N) 的性能,但它显然太慢了,因为有 10^5 个测试用例。事实上,即使约束只有 (1 ≤ N ≤ 10^6),这段代码也太慢了,我可以只进行 O(N) 预处理和 O(1) 查询。
我应该改变解决问题的方法,还是应该只优化代码的某些部分?
#include <ios>
#include <iostream>
#include <vector>
#define MOD 10006699
/*
Transformation Matrix:
0 1 0 t[i] t[i+1]
-1 6 1 * t[i+1] = t[i+2]
0 0 1 2 2
*/
std::vector<std::vector<long long int> > multi(std::vector<std::vector<long long int> > a, std::vector<std::vector<long long int> > b)
std::vector<std::vector<long long int> > c(3, std::vector<long long int>(3));
for (int i = 0; i < 3; i++)
for (int j = 0; j < 3; j++)
for (int k = 0; k < 3; k++)
c[i][j] += (a[i][k] * b[k][j]) % MOD;
c[i][j] %= MOD;
return c;
std::vector<std::vector<long long int> > power(std::vector<std::vector<long long int> > vec, long long int p)
if (p == 1) return vec;
else if (p % 2 == 1) return multi(vec, power(vec, p-1));
else
std::vector<std::vector<long long int> > x = power(vec, p/2);
return multi(x, x);
int main()
std::ios_base::sync_with_stdio(false);
long long int n;
while (std::cin >> n)
if (n == 0) break;
else
std::vector<std::vector<long long int> > trans;
long long int ans;
trans.resize(3);
trans[0].push_back(0);
trans[0].push_back(1);
trans[0].push_back(0);
trans[1].push_back(-1);
trans[1].push_back(6);
trans[1].push_back(1);
trans[2].push_back(0);
trans[2].push_back(0);
trans[2].push_back(1);
trans = power(trans, n);
ans = (trans[0][1]%MOD + (2*trans[0][2])%MOD)%MOD;
if (ans < 0) ans += MOD;
std::cout << ans << std::endl;
【问题讨论】:
你能解释一下你是怎么得出这个公式的吗? 【参考方案1】:注意:我删除了我的旧答案,这更有用
您似乎不太可能为该问题创建比 O(log N) 更好的渐近算法。但是,可以对您当前的代码进行一些修改,这不会改善渐近时间,但会提高性能
以下是对您的代码的修改,产生相同的答案:
#include <ctime>
#include <ios>
#include <iostream>
#include <vector>
#define MOD 10006699
void power(std::vector<std::vector<long long int> >& vec, long long int p)
if (p == 1)
return;
else if (p & 1)
std::vector<std::vector<long long int> > copy1 = vec;
power(copy1, p-1);
std::vector<std::vector<long long int> > copy2(3, std::vector<long long int>(3));
for (int i = 0; i < 3; i++)
for (int j = 0; j < 3; j++)
for (int k = 0; k < 3; k++)
copy2[i][j] += (vec[i][k] * copy1[k][j]) % MOD;
copy2[i][j] %= MOD;
vec = copy2;
return;
else
power(vec, p/2);
std::vector<std::vector<long long int> > copy(3, std::vector<long long int>(3));
for (int i = 0; i < 3; i++)
for (int j = 0; j < 3; j++)
for (int k = 0; k < 3; k++)
copy[i][j] += (vec[i][k] * vec[k][j]) % MOD;
copy[i][j] %= MOD;
vec = copy;
return;
int main()
std::ios_base::sync_with_stdio(false);
long long int n;
while (std::cin >> n)
std::clock_t start = std::clock();
if (n == 0) break;
std::vector<std::vector<long long int> > trans;
long long int ans;
trans.resize(3);
trans[0].push_back(0);
trans[0].push_back(1);
trans[0].push_back(0);
trans[1].push_back(-1);
trans[1].push_back(6);
trans[1].push_back(1);
trans[2].push_back(0);
trans[2].push_back(0);
trans[2].push_back(1);
power(trans, n);
ans = (trans[0][1]%MOD + (2*trans[0][2])%MOD)%MOD;
if (ans < 0) ans += MOD;
std::cout << "Answer: " << ans << std::endl;
std::cout << "Time: " << (std::clock() - start) / (double)(CLOCKS_PER_SEC / 1000) << " ms" << std::endl;
区别主要有:
c[i][j] %= MOD;
的代码运动在 k
循环之外
通过引用传递向量
更少的函数调用
如果我在 main
的 while 循环中放置与我在代码中相同的计时代码,请将文件命名为“before.cpp”,将文件命名为“after.cpp”,然后每次运行 10 次一个完整优化的行,那么这些是我的结果:
Alexanders-MBP:Desktop alexandersimes$ g++ before.cpp -O3 -o before
Alexanders-MBP:Desktop alexandersimes$ ./before
1000000000000000000
Answer: 6635296
Time: 0.708 ms
1000000000000000000
Answer: 6635296
Time: 0.542 ms
1000000000000000000
Answer: 6635296
Time: 0.688 ms
1000000000000000000
Answer: 6635296
Time: 0.634 ms
1000000000000000000
Answer: 6635296
Time: 0.626 ms
1000000000000000000
Answer: 6635296
Time: 0.629 ms
1000000000000000000
Answer: 6635296
Time: 0.629 ms
1000000000000000000
Answer: 6635296
Time: 0.629 ms
1000000000000000000
Answer: 6635296
Time: 0.632 ms
1000000000000000000
Answer: 6635296
Time: 0.695 ms
Alexanders-MBP:Desktop alexandersimes$ g++ after.cpp -O3 -o after
Alexanders-MBP:Desktop alexandersimes$ ./after
1000000000000000000
Answer: 6635296
Time: 0.283 ms
1000000000000000000
Answer: 6635296
Time: 0.287 ms
1000000000000000000
Answer: 6635296
Time: 0.27 ms
1000000000000000000
Answer: 6635296
Time: 0.27 ms
1000000000000000000
Answer: 6635296
Time: 0.266 ms
1000000000000000000
Answer: 6635296
Time: 0.265 ms
1000000000000000000
Answer: 6635296
Time: 0.266 ms
1000000000000000000
Answer: 6635296
Time: 0.267 ms
1000000000000000000
Answer: 6635296
Time: 0.21 ms
1000000000000000000
Answer: 6635296
Time: 0.208 ms
【讨论】:
除非他在 O(1) 中找到一种方法,否则我怀疑他的渐近性能会比 O(log N) 更好。但是,我将更改 while 循环时钟以包含 O(1) 操作,因为它们对小 N 有影响(编辑此人被指示删除了他的评论) 我无法编辑我的评论,因此删除了它,顺便说一句,这个建议不会对时间复杂度有任何改善,并且可能导致溢出问题,因为它不断添加到c
而不应用 Mod 到它。
OP 说MOD
是10006699
,这远不及溢出long long int
。 (a[i][k] * b[k][j])
可能会在通过模数之前溢出,但其中的 3 次加法不会溢出 long long int
将功率方法从递归更改为迭代并避免创建新的vector
可能会稍微改善这一点。有 27 个添加,但是是的,你是对的,这不会导致溢出。
@PhamTrung,你是对的,避免制作新的向量会产生很大的不同,我完全改变了我的代码并将其放在上面的答案中。此外,虽然有 27 次加法,但模数每 3 次迭代发生一次,这就是为什么我在溢出上下文中将其表述为 3 次加法以上是关于matlab中怎样计算一个矩阵中每个数的平方?的主要内容,如果未能解决你的问题,请参考以下文章