❶ 數據結構 兩個矩陣相乘的時間復雜程度為什麼不計算加法
加法是n^2
書上說的是對的，給你一段乘法程序吧，是三重循環的，一看便知
for(int i=0;i<c;i++){
for(int j=0;j<c;j++){
*(*(R+i)+j)=0.0;
for(int k=0;k<r;k++){
double t1=*(*(XX+i)+k);
double t2=*(*(X+k)+j);
*(*(R+i)+j)+=t1*t2;
}
}
}
❷ 數據結構 設計演算法實現矩陣的相加，並分析該演算法的時間復雜度
按照分析慣例，假設所有單一運算的時間復雜度均為1
x=n;
......1
while(x>=(y+1)*(y+1))
......4(兩次加法、1次乘法、1次比較)
y=y+1
......1
時間復雜度
=
1
+
(4
+
1)
x
循環次數
循環次數是由n和y的初始值決定的，假設循環次數為n，y的初始值為y0，y的結束狀態為yn，有
x
<
(yn
+
1)*(yn
+
1)
......假設y的初始值為整數，則yn為滿足該式的最小整數
n
=
(yn
-
y0)
/
1
......因為每次循環y的遞增量為1
1式簡化為
x
=
(yn
+
1)*(yn
+
1)，可得：yn
=
n^(1/2)
-
1
所以n
=
n^(1/2)
-
1
-
y0
採用大o表示法，僅考慮最高次項，則求n的復雜度為o(n^(1/2))
進而求得你這3行代碼的
總體復雜度
=
1
+
(4
+
1)
x
o(n^(1/2))
由於已知的常數項及非最高次項通常會被忽略（大o精神），所以總時間復雜度為o(n^(1/2))
❸ 請問這道題的時間復雜性T（n）怎麼算出來的
時間復雜度說明了演算法運行時間隨參數增長的情況，這個時間的變化是由循環遞歸的運算次數不同而形成的，一般我們只關注其增長級為哪個函數，而不用具體算循環到底運算多少次
如果你沒打錯代碼的話，這道題循環運算次數為n+2，也就是時間復雜度為O(n+2)=O(n)，你給的這結果有點扯淡
O(f(n))表示函數f(n)收斂於函數O(f(n))
❹ 急：兩個2個演算法題
http://cache..com/c?word=%B7%D6%D6%CE%3B%B2%DF%C2%D4&url=http%3A//www%2E91tech%2Ecn/BBS/printpage%2Easp%3FBoardID%3D17%26ID%3D3582&b=0&a=91&user=
http://cache..com/c?word=strassen&url=http%3A//www%2Eprogramfan%2Ecom/club/showbbs%2Easp%3Fid%3D78010&b=0&a=112&user=
❺ 矩陣有結合律嗎
有，矩陣乘法滿足結合律。一個A x B的矩陣乘以一個B x C的矩陣將得到一個A x C的矩陣，時間復雜度為A x B x C。矩陣乘法結合律本質是線性運算的結合律。矩陣的乘法是可以看成一組向量和一系列系數的數乘/加法運算。滿足線性運算的性質。
矩陣是高等代數學中的常見工具，也常見於統計分析等應用數學學科中。在物理學中，矩陣於電路學、力學、光學和量子物理中都有應用；計算機科學中，三維動畫製作也需要用到矩陣。 矩陣的運算是數值分析領域的重要問題。將矩陣分解為簡單矩陣的組合可以在理論和實際應用上簡化矩陣的運算。對一些應用廣泛而形式特殊的矩陣，例如稀疏矩陣和准對角矩陣，有特定的快速運算演算法。關於矩陣相關理論的發展和應用，請參考《矩陣理論》。在天體物理、量子力學等領域，也會出現無窮維的矩陣，是矩陣的一種推廣。
數值分析的主要分支致力於開發矩陣計算的有效演算法，這是一個已持續幾個世紀以來的課題，是一個不斷擴大的研究領域。 矩陣分解方法簡化了理論和實際的計算。 針對特定矩陣結構（如稀疏矩陣和近角矩陣）定製的演算法在有限元方法和其他計算中加快了計算。 無限矩陣發生在行星理論和原子理論中。 無限矩陣的一個簡單例子是代表一個函數的泰勒級數的導數運算元的矩陣。
在數學中，結合律是二元運算可以有的一個性質，意指在一個包含有二個以上的可結合運運算元的表示式，只要運算元的位置沒有改變，其運算的順序就不會對運算出來的值有影響。