首页 > 其他分享 >快速幂入门讲解

快速幂入门讲解

时间:2022-12-28 11:00:17浏览次数:57  
标签:matrix int res 矩阵 times bmatrix 讲解 快速 入门

快速幂与矩阵快速幂

快速幂

如果要计算 \(a\) 的 \(k\) 次,即 \(a^k\) 的结果,当然结果很一个很大的数,因此一般都会对结果模上 \(p\)。
如果用最朴素的写法是这样的:

long long res = 1; //res存结果
for(int i = 0; i < k; i ++)
{
    res = res * a % p;
}

很显然这样的时间复杂度是 O(k) 的,完全达不到比赛的时限要求。

这时候快速幂就登场了!

  • 快速幂的最基本的思路是:

    • 预处理出 \(a^{2^0},a^{2^1},a^{2^2},...,a^{2^{\log k}}\) 总共 \(\log k\) 个数

    • 将 \(a^k\) 用以上 \(logk\)个数来组合,那么就可以组合成

      \[a^k = a^{2^{x_{1}}} \times a^{2^{x_{2}}} \times a^{2^{x_{3}}} \times ... \times a^{2^{x_{t}}} = a^{2^{x_{1}} + 2^{x_{2}} + 2^{x_{3}} + ... + 2^{x_{t}}} \]

    • 使得 \(2^{x_{1}} + 2^{x_{2}} + 2^{x_{3}} + ... + 2^{x_{t}} = k\)
      很显然只要将 \(k\) 用二进制表示即可。

    • 并且 \(a^{2^0} * a^{2^0} = a^{2^1}, a^{2^1} * a^{2^1} = a^{2^2}\) 以此类推...

这个时候我们就能发现在选择需要哪些数取决于 \(k\) 的二进制表示的当前位为 \(1\) 还是 \(0\),因此我们可以一边判断 \(k\) 的每一位一边处理 \(a^{2^{x_{t}}}\)。

写成代码就是这个样子:

long long power(long long a, long long k, long long p)
{
    long long res = 1; // 用于存结果
    while(k)
    {
        if(k & 1) res = res * a % p; // k & 1用于判断k的最末位为1还是0,等价于k % 2 == 1
        a = a * a % p;
        K >>= 1; //等价于k /= 2
    }
}

快速幂的时间复杂度为 \(O(logk)\)

矩阵快速幂

先来复习一下矩阵的运算

先定义两个矩阵 \(A = \begin{bmatrix} a_{1,1}& a_{1,2} \\ a_{2,1}& a_{2,2} \end{bmatrix}, B = \begin{bmatrix} b_{1,1}& b_{1,2} \\ b_{2,1}& b_{2,2} \end{bmatrix}\)

\(1.\) 矩阵加减法

\[A \pm B = \begin{bmatrix} a_{1,1}\pm b_{1,1} & a_{1,2}\pm b_{1,2} \\ a_{2,1}\pm b_{2,1} & a_{2,2}\pm b_{2,2} \end{bmatrix} \]

  • 注意加减法必须为同型矩阵

\(2.\)矩阵乘法

\[A \times B = \begin{bmatrix} a_{1,1}\times b_{1,1}+ a_{1,2}\times b_{2,1} & a_{1,1}\times b_{1,2}+ a_{1,2}\times b_{2,2} \\ a_{2,1}\times b_{1,1}+ a_{2,2}\times b_{2,1} & a_{2,1}\times b_{1,2}+ a_{2,2}\times b_{2,2} \end{bmatrix} \]

  • 注意,矩阵乘法要求满足 \(A\) 矩阵的行数等于 \(B\) 矩阵的列数,而矩阵快速幂是自己乘自己,因此矩阵快速幂的矩阵要求为方阵
  • 任意矩阵乘上单位矩阵(除主对角线上为1其余都为0的方阵)还是原矩阵
  • 还是不懂矩阵乘法的戳这里

学会了矩阵乘法和快速幂,将其进行组合就有了矩阵快速幂。什么PPAP

矩阵快速幂就是将快速幂中的乘法变成矩阵乘法就可以了。其中 \(res\) 初始化为单位矩阵

先定义一个矩阵:

struct matrix
{
    int n, m; // 表示方阵的大小
    ll e[N][N];
}a;

再写一个矩阵乘法:

matrix mul(matrix a, matrix b)
{
    matrix ans;
    ans.n = a.n;
    ans.m = b.m;

    for(int i = 1; i <= ans.n; i ++)
        for(int j = 1; j <= ans.m; j ++)
            ans.e[i][j] = 0; // 初始化

    for(int i = 1; i <= a.n; i ++)
        for(int j = 1; j <= b.m; j ++)
            for(int k = 1; k <= a.m; k ++)
                ans.e[i][j] = (ans.e[i][j] + (a.e[i][k] * b.e[k][j]) % p) % p;

    return ans;

}

最后写上我们的快速幂:

matrix power(matrix a, ll k)
{
    matrix ans;
    ans.n = a.n;
    ans.m = a.m;
    
    for(int i = 1; i <= ans.n; i ++)
    {
        for(int j = 1; j <= ans.m; j ++)
        {
            if(i == j)ans.e[i][j] = 1;
            else ans.e[i][j] = 0;
        }
    }
    
    while(k)
    {
        if(k & 1)ans = mul(ans, a);
        a = mul(a, a);
        k >>= 1;
    }   

    return ans;
}

至此我们的矩阵快速幂就介绍完毕,我们还可以对他进行封装一下并用vector动态保存

struct matrix
{
    int length, width;
    vector<vector<ll>> m;
    matrix(int l, int w): length(l), width(w), m(vector<vector<ll>>(l, vector<ll>(w))) {}
    vector<ll>& operator[](const int pos) {
        return m[pos];
    }
    friend matrix operator*(matrix &lhs, matrix &rhs) {
        int l = lhs.length, w = rhs.width;
        matrix res(l, w);
        for (int i = 0; i < l; i++) {
            for (int j = 0; j < w; j++) {
                for (int k = 0; k < w; k++) {
                    res[i][j] += lhs[i][k] * rhs[k][j] % mod;
                    res[i][j] %= mod;
                }    
            }
        }
        return res;
    }
};
matrix qpow(matrix a, ll k) {
    int n = a.length;
    matrix res(n, n);
    for (int i = 0; i < n; i++)
        res[i][i] = 1;

    while (k) {
        if (k & 1) {
            res = res * a;
        }
        a = a * a;
        k >>= 1;
    }
    return res;
}

实际运用

矩阵快速幂可以应用到很多递推题上。
比如说很经典的斐波那契数列

这题因为 \(n < 2^{63}\) 这恐怖的数量级让一般的递推做法成为不可能。
因此我们可以可以用矩阵去递推。

首先我们构造有两个项的初始矩阵:

\[A = \begin{bmatrix} F_{n - 1}&F_{n - 2} \end{bmatrix} \]

而我们需要得到的目标矩阵为:

\[B = \begin{bmatrix} F_{n}&F_{n - 1} \end{bmatrix} \]

递推的式子为:

\[AC = B \]

于是我们的目标就成为了求出这个 \(C\)
我们讲上面的式子展开:

\[AC = \begin{bmatrix} F_{n - 1}\times c_{1,1} +F_{n - 2}\times c_{2,1} &F_{n - 1}\times c_{2,1} +F_{n - 2}\times c_{2,2} \end{bmatrix} \]

结果应等于 \(B\),因此:

  • \(F_{n - 1}\times c_{1,1} +F_{n - 2}\times c_{2,1} = F_{n - 1} + F_{n - 2}\),所以 \(c_{1,1}和c_{2,1}\) 都等于 \(1\)。
  • \(F_{n - 1}\times c_{2,1} +F_{n - 2}\times c_{2,2} = F_{n - 1}\),所以 \(c_{1,2} = 1, c_{2,2} = 0\)。

于是我们就得到了 \(C\)

\[C=\begin{bmatrix} 1 &1 \\ 1&0 \end{bmatrix} \]

因为每次乘上一个 \(C\) 就能让 \(A\) 矩阵的 \(a_{1,1}\) 向后递推一位,因此我们只要定义一个矩阵 \(A=\begin{bmatrix} F_{1} &F_{2} \end{bmatrix}\),再乘上 \(C^{n-2}\) 之后,其 \(a_{1,1}\) 即为 \(F_{n}\)。

最后我们附上代码:

#include<iostream>
#include<cstring>

#define ll long long

using namespace std;

const int N = 110, p = 1e9 + 7;

struct matrix
{
    int n, m;
    ll e[N][N];
}a, b;

matrix mul(matrix a, matrix b)
{
    matrix ans;
    ans.n = a.n;
    ans.m = b.m;

    for(int i = 1; i <= ans.n; i ++)
        for(int j = 1; j <= ans.m; j ++)
            ans.e[i][j] = 0; // 初始化

    for(int i = 1; i <= a.n; i ++)
        for(int j = 1; j <= b.m; j ++)
            for(int k = 1; k <= a.m; k ++)
                ans.e[i][j] = (ans.e[i][j] + (a.e[i][k] * b.e[k][j]) % p) % p;

    return ans;

}

matrix power(matrix a, ll k)
{
    matrix ans;
    ans.n = a.n;
    ans.m = a.m;
    
    for(int i = 1; i <= ans.n; i ++)
    {
        for(int j = 1; j <= ans.m; j ++)
        {
            if(i == j)ans.e[i][j] = 1;
            else ans.e[i][j] = 0;
        }
    }
    
    while(k)
    {
        if(k & 1)ans = mul(ans, a);
        a = mul(a, a);
        k >>= 1;
    }   

    return ans;
}

int main()
{
    ll n;
    cin >> n;
    if(n <= 2)
    {
        puts("1");
        return 0;
    }

    a.n = a.m = 2;
    a.e[1][1] = a.e[1][2] = a.e[2][1] = 1;
    a = power(a, n - 2);
    b.n = 1, b.m = 2;
    b.e[1][1] = b.e[1][2] = 1;
    b = mul(b, a);
    cout << b.e[1][1] << endl;
    return 0;
}

标签:matrix,int,res,矩阵,times,bmatrix,讲解,快速,入门
From: https://www.cnblogs.com/Aiowana/p/17008589.html

相关文章

  • 形式语义入门
    程序的语义:程序P表示一个状态的转换,而状态是指一个从变量到值得映射。大步语义:给定程序c和状态s和t,$(c,s)\Rightarrowt$表示程序c可以把状态s转换到状态t。大步语义-s......
  • JAVA在线看CAD图纸快速入门
    前言梦想云图开发包,支持所有DWG/CAD图纸的在线浏览、批注、坐标提取、对象选择、编辑等功能,下面讲解如何从零开始使用梦想云图开发包。在线演示网址1:​​梦想CAD控件_CAD看......
  • 编程入门
    概述计算机包括硬件(hardware)和软件(software)两部分。硬件包括计算机中可以看得见的物理部分。而软件提供看不见的指令。这些指令控制硬件并且使得硬件完成特定的任务......
  • OKHttpUtil使用讲解
    目录1OKHttpUtil1.1引言1.2OKHttpUtil功能1.3OKHttpUtil使用1.3.1maven引入1.3.2GET1.3.3POST1.3.4文件上传与下载1.3.5HttpRequest链式请求1.3.6postform日志......
  • 极客编程python入门-多重继承
    多重继承通过多重继承,一个子类就可以同时获得多个父类的所有功能。Python自带的很多库也使用了MixIn。举个例子,Python自带了​​TCPServer​​和​​UDPServer​​这两类网......
  • Generator(生成器),入门初基,Coroutine(原生协程),登峰造极,Python3.10并发异步编程as
    普遍意义上讲,生成器是一种特殊的迭代器,它可以在执行过程中暂停并在恢复执行时保留它的状态。而协程,则可以让一个函数在执行过程中暂停并在恢复执行时保留它的状态,在Python3......
  • RabbitMQ从入门到精通-工作队列-Work Queues
         工作队列(又称任务队列)的主要思想是避免立即执行资源密集型任务,而不得不等待它完成。相反我们安排任务在之后执行。我们把任务封装为消息并将其发送到队......
  • Java入门练习2
    1、循环importjava.util.Scanner;publicclassHello{publicstaticvoidmain(String[]args){Scannerscan=newScanner(System.in);int......
  • 一文带你入门Transformer
    让我们初学一下Transformer,它确实相对难以理解,下面让我们开始吧!朋友们.Don'tworryaboutit前提在这里我们用x<t>表示文本位置→输入用Tx表示文本长度用y<t......
  • 快速排序
    算法学习的第一天 算法学习之快速排序快速排序采用分治的思想。它的基本思想是:选择一个分界点,通过一趟排序将要排序的数据分割成独立的两部分;其中一部分的所有数据都......