标签：begin end 数论 矩阵 times int bmatrix 小记
目录1. 前言
本篇文章是作者学习矩阵时候的一些笔记。
注意作者是个 OIer，因此并不会涉及到专业的线性代数知识（或者说是极少）。
2. 矩阵快速幂
我们知道复数（或者简单点，实数）中有幂的定义：
对于 \(a \in C\)，将 \(a \times a \times ... \times a\)（共 \(n\) 个 \(a\)）记作 \(a^n\)。
因此仿照这个定义，矩阵中的幂的定义如下：
对于一个 \(k \times k\) 大小的矩阵 \(A\)，将 \(AAAA...A\)（共 \(n\) 个 \(A\)）记作 \(A^n\)。
需要注意的是 \(A\) 的行数与列数需要相同，否则不满足矩阵乘法的要求。
那么我们朴素计算 \(A^n\)，复杂度是 \(O(k^3n)\)。
考虑如何优化呢？
回想一下正整数快速幂的做法：利用结合律，将 \(a^b\) 中的 \(b\) 按二进制位拆掉做到 \(O(\log b)\) 的复杂度。
由于矩阵也满足结合律，因此我们也可以利用结合律，将指数 \(b\) 拆成二进制运算，这样就可以做到 \(O(k^3 \log b)\) 的复杂度（\(k\) 是矩阵大小）。
模板题链接：P3390 【模板】矩阵快速幂
Code：
/*
========= Plozia =========
Author:Plozia
Problem:P3390 【模板】矩阵快速幂
Date:2021/6/1
========= Plozia =========
*/
#include <bits/stdc++.h>
typedef long long LL;
const int MAXN = 100 + 10, P = 1e9 + 7;
int n;
LL k;
struct Matrix
{
LL a[MAXN][MAXN];
Matrix operator *(const Matrix &fir)
{
Matrix c; memset(c.a, 0, sizeof(c.a));
for (int i = 1; i <= n; ++i)
for (int k = 1; k <= n; ++k)
{
int r = a[i][k];
for (int j = 1; j <= n; ++j) { c.a[i][j] += r * fir.a[k][j]; c.a[i][j] %= P; }
}
return c;
}
}a;
LL Read()
{
LL sum = 0, fh = 1; char ch = getchar();
for (; ch < '0' || ch > '9'; ch = getchar()) fh -= (ch == '-') << 1;
for (; ch >= '0' && ch <= '9'; ch = getchar()) sum = (sum << 3) + (sum << 1) + (ch ^ 48);
return sum * fh;
}
int Max(int fir, int sec) { return (fir > sec) ? fir : sec; }
int Min(int fir, int sec) { return (fir < sec) ? fir : sec; }
Matrix ksm(Matrix a, LL b, LL p)
{
Matrix ans;
for (int i = 1; i <= n; ++i)
ans.a[i][i] = 1;
for (; b; b >>= 1, a = a * a)
if (b & 1) ans = ans * a;
return ans;
}
int main()
{
n = Read(), k = Read();
for (int i = 1; i <= n; ++i)
for (int j = 1; j <= n; ++j)
a.a[i][j] = Read();
Matrix ans = ksm(a, k, P);
for (int i = 1; i <= n; ++i)
{
for (int j = 1; j <= n; ++j) printf("%lld ", ans.a[i][j]);
printf("\n");
}
return 0;
}
3. 例题
矩阵快速幂一个很重要的应用就是加速递推。
举个例子：P1962 斐波那契数列
如果采用直接递推的 \(O(n)\) 方式，将会获得 60pts 的好成绩。
那么如何得到 100pts 呢？这个时候就需要矩阵出场了。
由式子 \(F_n=F_{n-2}+F_{n-1}\)，我们可以构造矩阵 \(\begin{bmatrix}F_{n-1}&F_n\end{bmatrix}\)，则要推出的矩阵是 \(\begin{bmatrix}F_{n}&F_{n+1}\end{bmatrix}\)。
对要推出的矩阵做一个变形：\(\begin{bmatrix}0 \times F_{n-1} + 1 \times F_{n}&1 \times F_{n-1} + 1 \times F_{n}\end{bmatrix}\)。
于是我们可以构造出这样的转移矩阵：\(\begin{bmatrix}0&1\\1&1\end{bmatrix}\)。
于是 \(\begin{bmatrix}F_{n-1}&F_n\end{bmatrix}\begin{bmatrix}0&1\\1&1\end{bmatrix}=\begin{bmatrix}F_{n}&F_{n+1}\end{bmatrix}\)
现在已知初状态矩阵 \(\begin{bmatrix}F_1&F_2\end{bmatrix}\)，因此如果我们要求 \(F_n(n \geq 3)\) 的值，我们就可以计算下面的结果，然后取第二个元素：
\[\begin{bmatrix}F_1&F_2\end{bmatrix}\begin{bmatrix}0&1\\1&1\end{bmatrix}^{n-2} \]发现这个可以用矩阵快速幂优化。
注意当 \(n<3\) 的时候直接输出 \(F_{n}\)。
4. 总结
- 矩阵快速幂：利用矩阵乘法的结合律减少复杂度。
- 应用：利用矩阵优化式子来加速递推。
标签：begin,end,数论,矩阵,times,int,bmatrix,小记 来源： https://www.cnblogs.com/Plozia/p/16156185.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。