❶ 数据结构 两个矩阵相乘的时间复杂程度为什么不计算加法
加法是n^2
书上说的是对的，给你一段乘法程序吧，是三重循环的，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 数据结构 设计算法实现矩阵的相加，并分析该算法的时间复杂度
按照分析惯例，假设所有单一运算的时间复杂度均为1
x=n;
......1
while(x>=(y+1)*(y+1))
......4(两次加法、1次乘法、1次比较)
y=y+1
......1
时间复杂度
=
1
+
(4
+
1)
x
循环次数
循环次数是由n和y的初始值决定的，假设循环次数为n，y的初始值为y0，y的结束状态为yn，有
x
<
(yn
+
1)*(yn
+
1)
......假设y的初始值为整数，则yn为满足该式的最小整数
n
=
(yn
-
y0)
/
1
......因为每次循环y的递增量为1
1式简化为
x
=
(yn
+
1)*(yn
+
1)，可得：yn
=
n^(1/2)
-
1
所以n
=
n^(1/2)
-
1
-
y0
采用大o表示法，仅考虑最高次项，则求n的复杂度为o(n^(1/2))
进而求得你这3行代码的
总体复杂度
=
1
+
(4
+
1)
x
o(n^(1/2))
由于已知的常数项及非最高次项通常会被忽略（大o精神），所以总时间复杂度为o(n^(1/2))
❸ 请问这道题的时间复杂性T（n）怎么算出来的
时间复杂度说明了算法运行时间随参数增长的情况，这个时间的变化是由循环递归的运算次数不同而形成的，一般我们只关注其增长级为哪个函数，而不用具体算循环到底运算多少次
如果你没打错代码的话，这道题循环运算次数为n+2，也就是时间复杂度为O(n+2)=O(n)，你给的这结果有点扯淡
O(f(n))表示函数f(n)收敛于函数O(f(n))
❹ 急：两个2个算法题
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 矩阵有结合律吗
有，矩阵乘法满足结合律。一个A x B的矩阵乘以一个B x C的矩阵将得到一个A x C的矩阵，时间复杂度为A x B x C。矩阵乘法结合律本质是线性运算的结合律。矩阵的乘法是可以看成一组向量和一系列系数的数乘/加法运算。满足线性运算的性质。
矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。 矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。关于矩阵相关理论的发展和应用，请参考《矩阵理论》。在天体物理、量子力学等领域，也会出现无穷维的矩阵，是矩阵的一种推广。
数值分析的主要分支致力于开发矩阵计算的有效算法，这是一个已持续几个世纪以来的课题，是一个不断扩大的研究领域。 矩阵分解方法简化了理论和实际的计算。 针对特定矩阵结构（如稀疏矩阵和近角矩阵）定制的算法在有限元方法和其他计算中加快了计算。 无限矩阵发生在行星理论和原子理论中。 无限矩阵的一个简单例子是代表一个函数的泰勒级数的导数算子的矩阵。
在数学中，结合律是二元运算可以有的一个性质，意指在一个包含有二个以上的可结合运算子的表示式，只要算子的位置没有改变，其运算的顺序就不会对运算出来的值有影响。