矩阵树定理

Kirchhoff 矩阵树定理(简称矩阵树定理)解决了一张图的生成树个数计数问题。

本篇记号声明

本篇中的图,无论无向还是有向,都允许重边,但是不允许自环。

无向图情况

G 是一个有 n 个顶点的无向图。定义度数矩阵 D(G) 为:

D_{ii}(G) = \mathrm{deg}(i), D_{ij} = 0, i\neq j

\#e(i,j) 为点 i 与点 j 相连的边数,并定义邻接矩阵 A 为:

A_{ij}(G)=A_{ji}(G)=\#e(i,j), i\neq j

定义 Laplace 矩阵(亦称 Kirchhoff 矩阵) L 为:

L(G) = D(G) - A(G)

记图 G 的所有生成树个数为 t(G)

有向图情况

G 是一个有 n 个顶点的有向图。定义出度矩阵 D^{out}(G) 为:

D^{out}_{ii}(G) = \mathrm{deg^{out}}(i), D^{out}_{ij} = 0, i\neq j

类似地定义入度矩阵 D^{in}(G)

\#e(i,j) 为点 i 指向点 j 的有向边数,并定义邻接矩阵 A 为:

A_{ij}(G)=\#e(i,j), i\neq j

定义出度 Laplace 矩阵 L^{out} 为:

L^{out}(G) = D^{out}(G) - A(G)

定义入度 Laplace 矩阵 L^{in} 为:

L^{in}(G) = D^{in}(G) - A(G)

记图 G 的以 r 为根的所有根向树形图个数为 t^{root}(G,r) 。所谓根向树形图,是说这张图的基图是一棵树,所有的边全部指向父亲。

记图 G 的以 r 为根的所有叶向树形图个数为 t^{leaf}(G,r) 。所谓叶向树形图,是说这张图的基图是一棵树,所有的边全部指向儿子。

定理叙述

矩阵树定理具有多种形式。其中用得较多的是定理 1、定理 3 与定理 4。

定理 1(矩阵树定理,无向图行列式形式) 对于任意的 i ,都有

t(G) = \det L(G)\binom{1,2,\cdots,i-1,i+1,\cdots,n}{1,2,\cdots,i-1,i+1,\cdots,n}

其中记号 L(G)\binom{1,2,\cdots,i-1,i+1,\cdots,n}{1,2,\cdots,i-1,i+1,\cdots,n} 表示矩阵 L(G) 的第 1,\cdots,i-1,i+1,\cdots,n 行与第 1,\cdots,i-1,i+1,\cdots,n 列构成的子矩阵。也就是说,无向图的 Laplace 矩阵具有这样的性质,它的所有 n-1 阶主子式都相等。

定理 2(矩阵树定理,无向图特征值形式)\lambda_1, \lambda_2, \cdots, \lambda_{n-1}L(G)n - 1 个非零特征值,那么有

t(G) = \frac{1}{n}\lambda_1\lambda_2\cdots\lambda_{n-1}

定理 3(矩阵树定理,有向图根向形式) 对于任意的 k ,都有

t^{root}(G,k) = \det L^{out}(G)\binom{1,2,\cdots,k-1,k+1,\cdots,n}{1,2,\cdots,k-1,k+1,\cdots,n}

因此如果要统计一张图所有的根向树形图,只要枚举所有的根 k 并对 t^{root}(G,k) 求和即可。

定理 4(矩阵树定理,有向图叶向形式) 对于任意的 k ,都有

t^{leaf}(G,k) = \det L^{in}(G)\binom{1,2,\cdots,k-1,k+1,\cdots,n}{1,2,\cdots,k-1,k+1,\cdots,n}

因此如果要统计一张图所有的叶向树形图,只要枚举所有的根 k 并对 t^{leaf}(G,k) 求和即可。

BEST 定理

定理 5 (BEST 定理)G 是有向欧拉图,那么 G 的不同欧拉回路总数 ec(G)

ec(G) = t^{root}(G,k)\prod_{v\in V}(\deg (v) - 1)!

注意,对欧拉图 G 的任意两个节点 k, k' ,都有 t^{root}(G,k)=t^{root}(G,k') ,且欧拉图 G 的所有节点的入度和出度相等。

例题

例题 1

「HEOI2015」小 Z 的房间,可参考 https://www.lydsy.com/JudgeOnline/problem.php?id=4031

矩阵树定理的裸题。将每个空房间看作一个结点,根据输入的信息建图,得到 Laplace 矩阵后,任意删掉 L 的第 i 行第 i 列,求这个子式的行列式即可。求行列式的方法就是高斯消元成上三角阵然后算对角线积。另外本题需要在模 k 的整数子环 \mathbb{Z}_k 上进行高斯消元,采用辗转相除法即可。

例题 2

「FJOI2007」轮状病毒,可参考 https://www.lydsy.com/JudgeOnline/problem.php?id=1002

本题的解法很多,这里用矩阵树定理是最直接的解法。当输入为 n 时,容易写出其 n+1 阶的 Laplace 矩阵为:

L_n = \begin{bmatrix} n& -1& -1& -1& \cdots& -1& -1\\ -1& 3& -1& 0& \cdots& 0& -1\\ -1& -1& 3& -1& \cdots& 0& 0\\ -1& 0& -1& 3& \cdots& 0& 0\\ \vdots& \vdots& \vdots& \vdots& \ddots& \vdots& \vdots\\ -1& 0& 0& 0& \cdots& 3& -1\\ -1& -1& 0& 0& \cdots& -1& 3\\ \end{bmatrix}_{n+1}

求出它的 n 阶子式的行列式即可,剩下的只有高精度计算了。

例题 2+

将例题 2 的数据加强,要求 n\leq 100000 ,但是答案对 1000007 取模。(本题求解需要一些线性代数知识)

推导递推式后利用矩阵快速幂即可求得。

推导递推式的过程。警告:过程冗杂

注意到 L_n 删掉第 1 行第 1 列以后得到的矩阵很有规律,因此其实就是在求矩阵

M_n = \begin{bmatrix} 3& -1& 0& \cdots& 0& -1\\ -1& 3& -1& \cdots& 0& 0\\ 0& -1& 3& \cdots& 0& 0\\ \vdots& \vdots& \vdots& \ddots& \vdots& \vdots\\ 0& 0& 0& \cdots& 3& -1\\ -1& 0& 0& \cdots& -1& 3\\ \end{bmatrix}_{n}

的行列式。对 M_n 的行列式按第一列展开,得到

\det M_n = 3\det \begin{bmatrix} 3& -1& \cdots& 0& 0\\ -1& 3& \cdots& 0& 0\\ \vdots& \vdots& \ddots& \vdots& \vdots\\ 0& 0& \cdots& 3& -1\\ 0& 0& \cdots& -1& 3\\ \end{bmatrix}_{n-1} + \det\begin{bmatrix} -1& 0& \cdots& 0& -1\\ -1& 3& \cdots& 0& 0\\ \vdots& \vdots& \ddots& \vdots& \vdots\\ 0& 0& \cdots& 3& -1\\ 0& 0& \cdots& -1& 3\\ \end{bmatrix}_{n-1} + (-1)^n \det\begin{bmatrix} -1& 0& \cdots& 0& -1\\ 3& -1& \cdots& 0& 0\\ -1& 3& \cdots& 0& 0\\ \vdots& \vdots& \ddots& \vdots& \vdots\\ 0& 0& \cdots& 3& -1\\ \end{bmatrix}_{n-1}

上述三个矩阵的行列式记为 d_{n-1}, a_{n-1}, b_{n-1} 。注意到 d_n 是三对角行列式,采用类似的展开的方法可以得到 d_n 具有递推公式 d_n=3d_{n-1}-d_{n-2} 。类似地,采用展开的方法可以得到 a_{n-1}=-d_{n-2}-1 ,以及 (-1)^n b_{n-1}=-d_{n-2}-1 。将这些递推公式代入上式,得到

\det M_n = 3d_{n-1}-2d_{n-2}-2
d_n = 3d_{n-1}-d_{n-2}

于是猜测 \det M_n 也是非齐次的二阶线性递推。采用待定系数法可以得到最终的递推公式为

\det M_n = 3\det M_{n-1} - \det M_{n-2} + 2

改写成 (\det M_n+2) = 3(\det M_{n-1}+2) - (\det M_{n-2} + 2) 后,采用矩阵快速幂即可求出答案。

例题 3

「BZOJ3659」WHICH DREAMED IT

本题是 BEST 定理的直接应用,但是要注意,由于题目规定“两种完成任务的方式算作不同当且仅当使用钥匙的顺序不同”,对每个欧拉回路,1 号房间可以沿着任意一条出边出发,从而答案还要乘以 1 号房间的出度。

注释

根向树形图也被称为内向树形图,但因为计算内向树形图用的是出度,为了不引起 in 和 out 的混淆,所以采用了根向这一说法。


评论