剛做了一道矩陣快速冪的題,看了網上不少資料,決定整理一下,接下來再做的時候也可以參考。從網上各位大神那邊直接copy過來的
矩陣的快速冪是用來高效地計算矩陣的高次方的。將朴素的o(n)的時間復雜度,降到log(n)。
這里先對原理(主要運用了矩陣乘法的結合律)做下簡單形象的介紹:
一般一個矩陣的n次方,我們會通過連乘n-1次來得到它的n次冪。
但做下簡單的改進就能減少連乘的次數,方法如下:
把n個矩陣進行兩兩分組,比如:A*A*A*A*A*A => (A*A)*(A*A)*(A*A)
這樣變的好處是,你只需要計算一次A*A,然后將結果(A*A)連乘自己兩次就能得到A^6,即(A*A)^3=A^6。算一下發現這次一共乘了3次,少於原來的5次。
其實大家還可以取A^3作為一個基本單位。原理都一樣:利用矩陣乘法的結合律,來減少重復計算的次數。
以上都是取一個具體的數來作為最小單位的長度,這樣做雖然能夠改進效率,但缺陷也是很明顯的,取個極限的例子(可能有點不恰當,但基本能說明問題),當n無窮大的時候,你現在所取的長度其實和1沒什么區別。所以就需要我們找到一種與n增長速度”相適應“的”單位長度“,那這個長度到底怎么去取呢???這點是我們要思考的問題。
有了以上的知識,我們現在再來看看,到底怎么迅速地求得矩陣的N次冪。
既然要減少重復計算,那么就要充分利用現有的計算結果咯!~怎么充分利用計算結果呢???這里考慮二分的思想。。
大家首先要認識到這一點:任何一個整數N,都能用二進制來表示。。這點大家都應該知道,但其中的內涵真的很深很深(這點筆者感觸很深,在文章的最后,我將談談我對的感想)!!
計算機處理的是離散的信息,都是以0,1來作為信號的處理的。可想而知二進制在計算機上起着舉足輕重的地位。它能將模擬信號轉化成數字信號,將原來連續的實際模型,用一個離散的算法模型來解決。 好了,扯得有點多了,不過相信這寫對下面的講解還是有用的。
回頭看看矩陣的快速冪問題,我們是不是也能把它離散化呢?比如A^19 => (A^16)*(A^2)*(A^1),顯然采取這樣的方式計算時因子數將是log(n)級別的(原來的因子數是n),不僅這樣,因子間也是存在某種聯系的,比如A^4能通過(A^2)*(A^2)得到,A^8又能通過(A^4)*(A^4)得到,這點也充分利用了現有的結果作為有利條件。下面舉個例子進行說明:
現在要求A^156,而156(10)=10011100(2)
也就有A^156=>(A^4)*(A^8)*(A^16)*(A^128) 考慮到因子間的聯系,我們從二進制10011100中的最右端開始計算到最左端。細節就說到這,下面給核心代碼:
1 while(N) 2 { 3 if(N&1) 4 res=res*A; 5 n>>=1; 6 A=A*A; 7 }
里面的乘號,是矩陣乘的運算,res是結果矩陣。
第3行代碼每進行一次,二進制數就少了最后面的一個1。二進制數有多少個1就第3行代碼就執行多少次。
好吧,矩陣快速冪的講解就到這里吧。在文章我最后給出我實現快速冪的具體代碼(代碼以3*3的矩陣為例)。
現在我就說下我對二進制的感想吧:
我們在做很多”連續“的問題的時候都會用到二進制將他們離散簡化
1.多重背包問題
2.樹狀數組
3.狀態壓縮DP
……………還有很多。。。究其根本還是那句話:化連續為離散。。很多時候我們並不是為了解決一個問題而使用二進制,更多是時候是為了優化而使用它。所以如果你想讓你的程序更加能適應大數據的情況,那么學習學習二進制及其算法思想將會對你有很大幫助。
1//整數的快速冪 m^n % k 的快速冪:
1 long long quickpow(long long m , long long n , long long k){ 2 long long ans = 1; 3 while(n){ 4 if(n&1)//如果n是奇數 5 ans = (ans * m) % k; 6 n = n >> 1;//位運算“右移1類似除1” 7 m = (m * m) % k; 8 } 9 return ans; 10 }
2矩陣快速冪:
定義一個矩陣類,例如求(A^n)%mod
1 class Matrix { 2 public: 3 4 long long m[MAXN][MAXN]; 5 //二維數組存放矩陣 6 Matrix(){} 7 //對數組的初始化 8 void init(long long num[MAXN][MAXN]){ 9 for(int i = 0 ; i < MAXN ; i++){ 10 for(int j = 0 ; j < MAXN ; j++){ 11 m[i][j] = num[i][j]; 12 } 13 } 14 } 15 //重載矩陣的乘法運算 16 17 friend Matrix operator*(Matrix &m1 ,Matrix &m2) { 18 int i, j, k; 19 Matrix temp; 20 for (i = 0; i < MAXN; i++) { 21 for (j = 0; j < MAXN; j++) { 22 temp.m[i][j] = 0; 23 for(k = 0 ; k < MAXN ; k++) 24 temp.m[i][j] += (m1.m[i][k] * m2.m[k][j])%mod 25 temp.m[i][j] %= mod; 26 //注意每一步都進行取模 27 } 28 } 29 return temp; 30 } 31 //矩陣的快速冪 32 33 friend Matrix quickpow(Matrix &M , long long n){ 34 Matrix tempans; 35 //初始化為單位矩陣 36 //初始化 37 for(int i = 0 ; i < MAXN ; i++){ 38 for(int j = 0 ; j < MAXN ; j++){ 39 if(i == j) 40 tempans.m[i][j] = 1; 41 else 42 tempans.m[i][j] = 0; 43 } 44 } 45 //快速冪(類似整數) 46 while(n){ 47 if(n & 1) www.2cto.com 48 tempans = tempans * M; 49 //已經重載了* 50 n = n >> 1; 51 M = M * M; 52 } 53 return tempans; 54 } 55 }; 56 57 int main() { 58 Matrix A , ans; 59 long long T , n , k , sum; 60 //數據類型為long long 61 long long num[MAXN][MAXN]; 62 //輸入的數據存入數組 63 scanf("%lld" , &T); 64 while(T--){ 65 scanf("%lld%lld/n", &n , &k); 66 memset(num , 0 , sizeof(num)); 67 for(int i = 0 ; i < n ; i++){ 68 for(int j = 0 ; j < n ; j++) 69 scanf("%lld" , &num[i][j]); 70 } 71 A.init(num);//初始化A矩陣 72 ans = quickpow(A , k);//求出矩陣的快速冪 73 } 74 }
最后,還有剛哥整理的,鏈接
芳姐的矩陣快速冪的模板

1 利用快速冪的思想 根據矩陣的結合律 可以遞歸二分求解 2 3 struct Mat 4 { 5 int mat[N][N]; 6 }; 7 int n; 8 Mat operator * (Mat a,Mat b) 9 { 10 Mat c; 11 memset(c.mat,0,sizeof(c.mat)); 12 int i,j,k; 13 for(k =0 ; k < n ; k++) 14 { 15 for(i = 0 ; i < n ;i++) 16 { 17 if(a.mat[i][k]==0) continue;//優化 18 for(j = 0 ;j < n ;j++) 19 { 20 if(b.mat[k][j]==0) continue;//優化 21 c.mat[i][j] = (c.mat[i][j]+(a.mat[i][k]*b.mat[k][j])%mod)%mod; 22 } 23 } 24 } 25 return c; 26 } 27 Mat operator ^(Mat a,int k) 28 { 29 Mat c; 30 int i,j; 31 for(i =0 ; i < n ;i++) 32 for(j = 0; j < n ;j++) 33 c.mat[i][j] = (i==j); 34 for(; k ;k >>= 1) 35 { 36 if(k&1) c = c*a; 37 a = a*a; 38 } 39 return c; 40 }