跳转至

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。

定理证明

前置知识:LGV 引理

定义 \([n]=\{1,2,\cdots,n\}\),矩阵 \(A\) 的子式 \(A_{[S],[T]}\) 为选取 \(A_{i,j}\pod{i\in S,j\in T}\) 的元素得到的子矩阵。

定义一条边 \(e\) 的权值为 \(\omega(e)\)

以下的内向也指根向,表示有向边的方向指向根。

引理 1(Cauchy-Binet) 给定 \(n\times m\) 的矩阵 \(A\)\(m\times n\) 的矩阵 \(B\),则有

\[ |AB|=\sum_{|S|=n,S\subseteq[m]}|A_{[n],[S]}||B_{[S],[n]}| \]

证明:考虑建出有向无环图 \(G(V,E)\)\(V=L\cup R\cup D\)
\(L=\{l_1,l_2,\cdots,l_n\}\)\(R=\{r_1,r_2,\cdots,r_n\}\)
\(D=\{d_1,d_2,\cdots,d_m\}\)\(E=E_L\cup E_R\)
\(E_L=\{(l_i,d_j)\mid i\in[1,n],j\in [1,m]\}\)\(E_R=\{(d_i,r_j)\mid i\in[1,m],j\in[1,n]\}\)
\(\omega(l_i,d_j)=a_{i,j}\)\(\omega(d_i,r_j)=b_{i,j}\)

「NOI2021」路径交点 的模型相同,容易发现上式左右两侧计算的都是 \(L\)\(R\) 的不相交路径组中,交点个数为偶数的方案数减去奇数的方案数,其中 \(S\) 表示路径组经过的 \(D\) 中的点。

性质 1 Laplace 矩阵 \(L\) 的所有代数余子式 \(C_{i,j}\) 的值都相等。

证明:删去第 \(i\) 行后,设列向量是 \(\boldsymbol r_1,\boldsymbol r_2,\cdots,\boldsymbol r_n\),则有 \(\sum\boldsymbol r_i=\boldsymbol 0\)

将余子式 \(M_{i,j}\) 中除了 \(\boldsymbol r_k\) 之外的所有 \(\boldsymbol r_i\) 都加到 \(\boldsymbol r_k\) 上,得到 \(A=[\boldsymbol r_1,\cdots,\boldsymbol r_{j-1},\boldsymbol r_{j+1},\cdots,\boldsymbol r_{k-1},-\boldsymbol r_j,\boldsymbol r_{k+1},\cdots,\boldsymbol r_n]\)

\(-\boldsymbol r_j\) 取反并通过交换两列移动到 \(\boldsymbol r_{j+1}\) 左边,得到 \(|A|=M_{i,k}=(-1)^{1+(k-1)-(r+1)+1}M_{i,j}\),所以 \(C_{i,j}=C_{i,k}\)

同理,删去第 \(i\) 列后行向量之和为 \(\boldsymbol 0\),得到 \(C_{j,i}=C_{k,i}\)

定理 1(Kirchhoff's Matrix Tree) 对于带边权的简单无向图 \(G(V,E)\),若 \(T(V,E_T)\)\(G\) 的生成树,定义 \(\omega(T)=\prod_{e\in E_T}\omega(e)\)\(\mathcal T\)\(G\) 所有生成树的集合,则 \(G\) 的 Laplace 矩阵的所有代数余子式的值等于 \(\sum_{T\in\mathcal T}\omega(T)\)

证明:根据性质 1,只需证明 \(C_{1,1}=\sum_{T\in\mathcal T}\omega(T)\)。对于一条边 \(e=(u,v)\),定义 \(\zeta(e,u)=v\)\(\zeta(e,v)=u\)

定义 \(u_i<u_j\iff i<j\)\(E=\{e_1,e_2,\cdots,e_{|E|}\}\),构造关联矩阵:

\[ A_{i,j}=\begin{cases}\sqrt{\omega(e_j)} & u_i\in e_j\land u_i<\zeta(e_j,u_i) \\ -\sqrt{\omega(e_j)} & u_i\in e_j\land u_i>\zeta(e_j,u_i) \\ 0 & \text{otherwise}\end{cases} \]

容易发现 \(L=AA^T\),定义 \(A\) 删去第一行得到 \(B\),则 \(M_{1,1}=BB^T\)。代入 Cauchy-Binet 公式得到:

\[ M_{1,1}=\sum_{|S|=n-1,S\subseteq[|E|]}|B_{[n-1],[S]}||(B^T)_{[S],[n-1]}|=\sum_{|S|=n-1,S\subseteq[|E|]}|B_{[n-1],[S]}|^2 \]

\(|B_{[n-1],[S]}|\) 的组合意义是对点 \(u_2,\cdots,u_n\),分别选一条 \(S\) 中的边,且每条边都恰好被选一次。若 \(u_i\) 选择了 \(e_j\),就看做有向边 \((u_i,\zeta(e_j,u_i))\),所以也相当于给 \(S\) 中的边定向,使得 \(u_2,\cdots,u_n\) 的出度为 \(1\)

对于存在环的方案,构造对合映射(满足 \(f(f(x))=x\) 的映射 \(f\)):取环上点编号最小值最小的环(容易发现环的点不交,所以这样的环唯一),将这个环上的边反向。

若环长为奇数,则排列奇偶性不变,关联矩阵中系数符号变化了奇数个;若环长为偶数,则排列奇偶性改变,关联矩阵中系数符号变化了偶数个。所以贡献值相反,出现环的权值都被两两抵消,对行列值没有贡献。

于是只用考虑不存在环的情况,此时有向图只能是以 \(1\) 为根的内向树,此时定向方案唯一(确定了边集和根),也就是每个点选择的出边都唯一,所以 \(|B_{[n-1],[S]}|^2\) 即为该树的边权积,求和就得到 \(\sum_{T\in\mathcal T}\omega(T)\)

性质 2 设 Laplace 矩阵的特征值为 \(\lambda_1\ge\lambda_2\ge\cdots\ge\lambda_{|V|}\),则 \(\lambda_{|V|}=0\)

证明:因为 \(L=AA^T\),所以 \(L\) 是半正定矩阵,特征值都非负。而 \(|M|=0\),所以必定有 \(\lambda=0\)

定义 \(k\)- 生成森林 是图的一个生成子图 \((V,E)\),使得这个子图有 \(k\) 个连通分量且无环。

定理 2 定义 \(\mathcal T_k\) 表示无向图 \(G\)\(k\)- 生成森林的集合,\(Q(T)\) 表示森林 \(T\) 的每个连通分量的点数之积,\(L\) 的特征多项式为 \(P(x)\),则有

\[ F_k=\sum_{T\in\mathcal T_k}\omega(T)Q(T)=(-1)^{|V|-k}[x^k]P(x) \]

证明:考虑 \(P(x)=\det(xI-L)\),枚举排列行列式时,贡献到 \([x^k]\) 相当于选择相同编号的 \(k\)\(k\) 列删去,这些就是每个连通分量的根,其他点选择出边连到这些根(类似定理 1 的证明),\((-1)^{|V|-k}\) 表示将负号去掉。

推论 \(F_1=\prod_{i=1}^{|V|-1}\lambda_i\) 是生成树个数的 \(n\) 倍。

定理 3 内向生成树计数(见上)

证明:发现定理 1 的证明中用到了两个关联矩阵,于是我们考虑使用两个不同的关联矩阵 \(A,B\) 承担不同的功能。

\[ \begin{aligned} A_{i,j}&=\begin{cases}\sqrt{\omega(e_j)} & u_i\text{ is }e_j\text{'s head} \\ -\sqrt{\omega(e_j)} & u_i\text{ is }e_j\text{'s tail} \\ 0 & \text{otherwise}\end{cases} \\ B_{i,j}&=\begin{cases}\sqrt{\omega(e_j)} & u_i\text{ is }e_j\text{'s head} \\ 0 & \text{otherwise}\end{cases} \end{aligned} \]

与定理 1 中不同的是,关联矩阵 \(B\) 限制了只有边的起点能选择这条边,剩下的讨论均与定理 1 相同。

实现

一个无向图的生成树个数为邻接矩阵度数矩阵去一行一列的行列式,可以使用 Gauss-Jordan 消元法。

例如,一个正方形图的生成树个数

\[ \begin{pmatrix} 2 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 2 & 0 \\ 0 & 0 & 0 & 2 \end{pmatrix}-\begin{pmatrix} 0 & 1 & 0 & 1 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \\ 1 & 0 & 1 & 0 \end{pmatrix}=\begin{pmatrix} 2 & -1 & 0 & -1 \\ -1 & 2 & -1 & 0 \\ 0 & -1 & 2 & -1 \\ -1 & 0 & -1 & 2 \end{pmatrix} \]
\[ \begin{vmatrix} 2 & -1 & 0 \\ -1 & 2 & -1 \\ 0 & -1 & 2 \end{vmatrix} = 4 \]

可以用高斯消元解决,时间复杂度为 \(O(n^3)\)

实现
C++
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
#include <algorithm>
#include <cassert>
#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
using namespace std;
#define MOD 100000007
#define eps 1e-7

struct matrix {
  static const int maxn = 20;
  int n, m;
  double mat[maxn][maxn];

  matrix() { memset(mat, 0, sizeof(mat)); }

  void print() {
    cout << "MATRIX " << n << " " << m << endl;
    for (int i = 0; i < n; i++) {
      for (int j = 0; j < m; j++) {
        cout << mat[i][j] << "\t";
      }
      cout << endl;
    }
  }

  void random(int n) {
    this->n = n;
    this->m = n;
    for (int i = 0; i < n; i++)
      for (int j = 0; j < n; j++) mat[i][j] = rand() % 100;
  }

  void initSquare() {
    this->n = 4;
    this->m = 4;
    memset(mat, 0, sizeof(mat));
    mat[0][1] = mat[0][3] = 1;
    mat[1][0] = mat[1][2] = 1;
    mat[2][1] = mat[2][3] = 1;
    mat[3][0] = mat[3][2] = 1;
    mat[0][0] = mat[1][1] = mat[2][2] = mat[3][3] = -2;
    this->n--;  // 去一行
    this->m--;  // 去一列
  }

  double gauss() {
    double ans = 1;
    for (int i = 0; i < n; i++) {
      int sid = -1;
      for (int j = i; j < n; j++)
        if (abs(mat[j][i]) > eps) {
          sid = j;
          break;
        }
      if (sid == -1) continue;
      if (sid != i) {
        for (int j = 0; j < n; j++) {
          swap(mat[sid][j], mat[i][j]);
          ans = -ans;
        }
      }
      for (int j = i + 1; j < n; j++) {
        double ratio = mat[j][i] / mat[i][i];
        for (int k = 0; k < n; k++) {
          mat[j][k] -= mat[i][k] * ratio;
        }
      }
    }
    for (int i = 0; i < n; i++) ans *= mat[i][i];
    return abs(ans);
  }
};

int main() {
  srand(1);
  matrix T;
  // T.random(2);
  T.initSquare();
  T.print();
  double ans = T.gauss();
  T.print();
  cout << ans << endl;
}

例题

例题 1:「HEOI2015」小 Z 的房间

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

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:

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。

例题 4:「联合省选 2020 A」作业题

首先需要用莫比乌斯反演转化成计算所有生成树的边权和,因为与本文关系不大所以略去。

将行列式的项写成 \(w_ix+1\),最后答案是行列式的一次项系数,因为答案实际上是钦定一条边之后的生成树个数 \(\times\) 这条边的边权之和,那么被乘上一次项系数的边就是被钦定的边。此时可以把高于一次的项忽略掉,复杂度 \(O(n^3)\)

「北京省选集训 2019」生成树计数 是较为一般化的情况:计算生成树权值之和的 \(k\) 次方之和,用类似方法构造行列式的项即可,具体见洛谷题解。

例题 5:AGC051D C4

无向图欧拉回路计数是 NPC 问题,但这题的图较为简单,确定了 \(S-T\) 的边中从 \(S\) 指向 \(T\) 的有多少条,就可以确定其他三条边的定向方案,然后直接套用 BEST 定理就得到 \(O(a+b+c+d)\) 的做法。

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。