我很好奇迭代对称矩阵的时间复杂度。
我知道对于标准矩阵(二维阵列),复杂度是O(N2)。但是,对于对称矩阵,我们只迭代它的上三角部分而不是遍及它的所有元素。
这是迭代对称矩阵的常用算法:
for(int i=0; i < symmetricM.length; i++)
for(int j=i; j < symmetricM.length; j++ )
System.out.println("Elem: "+symmetricM[i][j]);
如果可能的话,我想为任何对称的多维数组扩展相同的推理。
我无法通过自己来计算,但由于这种方法解决了许多问题,我希望在复杂性方面对此感到满意。
谢谢。
让我们看一下我们在对称二维数组中迭代的元素数量,它是n^2/2
,因为它的大小是n
而且有2
维度所以我们提高到2的幂并除以2得到只有一半的元素。所以O(n^2)
。
现在让我们看一下在对称三维数组中迭代的元素数量。这是n^3/6
。您可以得出结论,就像计算volume of a 3 dimensional triangle一样,因为所有数字都在这个三角形区域。即使在我们除以3后,时间复杂度也是O(n^3)
。
对于4维,它将是n^4/(4*3*2)
,它是O(n^4)
。但是对于m
维度,它将是n^m/m!
,因为维度现在是一个参数,根据这种方法,时间复杂度将是O(n^m/m!)
。
另一种计算方法是注意,如果删除此维度的对角线,则迭代的项目的索引与组合相同,如果没有重复元素且所有元素都不同。我们知道组合的数量是n!/m!(n-m)!
或n choose m
所以这也可能是时间的复杂性。
根据大多数factorial approximations,最大的元素是n^n
所以当使用这些近似值并忽略相对较小的因素时,时间复杂度保持不变,因为:
n!/m!(n-m)! ≈ n^n/m!(n-m)^(n-m) > n^n/m!n^(n-m) = n^m/m!
。
所以最终时间的复杂性将是O(n^m/m!)
。