矩阵快速幂 总结

刚做了一道矩阵快速幂的题，看了网上不少资料，决定整理一下，接下来再做的时候也可以参考。从网上各位大神那边直接copy过来的

矩阵快速幂

矩阵的快速幂是用来高效地计算矩阵的高次方的。将朴素的o（n）的时间复杂度，降到log（n）。

这里先对原理（主要运用了矩阵乘法的结合律）做下简单形象的介绍：

一般一个矩阵的n次方，我们会通过连乘n-1次来得到它的n次幂。

但做下简单的改进就能减少连乘的次数，方法如下：

把n个矩阵进行两两分组，比如：A*A*A*A*A*A  =>  (A*A)*(A*A)*(A*A)

这样变的好处是，你只需要计算一次A*A，然后将结果(A*A)连乘自己两次就能得到A^6，即(A*A)^3=A^6。算一下发现这次一共乘了3次，少于原来的5次。

其实大家还可以取A^3作为一个基本单位。原理都一样：利用矩阵乘法的结合律，来减少重复计算的次数。

以上都是取一个具体的数来作为最小单位的长度，这样做虽然能够改进效率，但缺陷也是很明显的，取个极限的例子（可能有点不恰当，但基本能说明问题），当n无穷大的时候，你现在所取的长度其实和1没什么区别。所以就需要我们找到一种与n增长速度”相适应“的”单位长度“，那这个长度到底怎么去取呢？？？这点是我们要思考的问题。

有了以上的知识，我们现在再来看看，到底怎么迅速地求得矩阵的N次幂。

既然要减少重复计算，那么就要充分利用现有的计算结果咯！~怎么充分利用计算结果呢？？？这里考虑二分的思想。。

大家首先要认识到这一点：任何一个整数N，都能用二进制来表示。。这点大家都应该知道，但其中的内涵真的很深很深（这点笔者感触很深，在文章的最后，我将谈谈我对的感想）！！

计算机处理的是离散的信息，都是以0,1来作为信号的处理的。可想而知二进制在计算机上起着举足轻重的地位。它能将模拟信号转化成数字信号，将原来连续的实际模型，用一个离散的算法模型来解决。  好了，扯得有点多了，不过相信这写对下面的讲解还是有用的。

回头看看矩阵的快速幂问题，我们是不是也能把它离散化呢？比如A^19  =>  （A^16）*（A^2）*（A^1），显然采取这样的方式计算时因子数将是log(n)级别的(原来的因子数是n)，不仅这样，因子间也是存在某种联系的，比如A^4能通过(A^2)*(A^2)得到，A^8又能通过(A^4)*(A^4)得到，这点也充分利用了现有的结果作为有利条件。下面举个例子进行说明：

现在要求A^156,而156(10)=10011100(2) 

也就有A^156=>(A^4)*(A^8)*(A^16)*(A^128)  考虑到因子间的联系，我们从二进制10011100中的最右端开始计算到最左端。细节就说到这，下面给核心代码：

while(N)
{
    if(N&1)
        res=res*A;
    n>>=1;
    A=A*A;
}

里面的乘号，是矩阵乘的运算，res是结果矩阵。

第3行代码每进行一次，二进制数就少了最后面的一个1。二进制数有多少个1就第3行代码就执行多少次。

好吧，矩阵快速幂的讲解就到这里吧。在文章我最后给出我实现快速幂的具体代码（代码以3*3的矩阵为例）。

现在我就说下我对二进制的感想吧：

我们在做很多”连续“的问题的时候都会用到二进制将他们离散简化

1.多重背包问题

2.树状数组

3.状态压缩DP

……………还有很多。。。究其根本还是那句话：化连续为离散。。很多时候我们并不是为了解决一个问题而使用二进制，更多是时候是为了优化而使用它。所以如果你想让你的程序更加能适应大数据的情况，那么学习学习二进制及其算法思想将会对你有很大帮助。

快速幂模板（整数+矩阵）

1//整数的快速幂 m^n  % k 的快速幂： 

long long  quickpow(long long   m , long long   n , long long   k){ 
    long long   ans = 1; 
    while(n){ 
        if(n&1)//如果n是奇数 
            ans = (ans * m) % k; 
        n = n >> 1;//位运算“右移1类似除1” 
        m = (m * m) % k; 
    } 
    return ans; 
} 

2矩阵快速幂： 
定义一个矩阵类，例如求（A^n）%mod 

class Matrix { 
public: 
 
     long long m[MAXN][MAXN]; 
//二维数组存放矩阵 
    Matrix(){} 
    //对数组的初始化 
    void init(long long  num[MAXN][MAXN]){ 
        for(int i = 0 ; i < MAXN ; i++){ 
            for(int j = 0 ; j < MAXN ; j++){ 
                m[i][j] = num[i][j]; 
           } 
       } 
    } 
    //重载矩阵的乘法运算 
 
    friend Matrix operator*(Matrix &m1 ,Matrix &m2) { 
        int i, j, k; 
        Matrix temp; 
        for (i = 0; i < MAXN; i++) { 
            for (j = 0; j < MAXN; j++) { 
                temp.m[i][j] = 0; 
                for(k = 0 ; k < MAXN ; k++) 
                   temp.m[i][j] += (m1.m[i][k] * m2.m[k][j])%mod 
                temp.m[i][j] %= mod; 
//注意每一步都进行取模 
           } 
        } 
        return temp; 
    } 
    //矩阵的快速幂 
 
    friend Matrix quickpow(Matrix &M , long long n){ 
        Matrix tempans; 
//初始化为单位矩阵 
        //初始化 
        for(int i = 0 ; i < MAXN ; i++){ 
            for(int j = 0 ; j < MAXN ; j++){ 
                if(i == j) 
                    tempans.m[i][j] = 1; 
                else 
                    tempans.m[i][j] = 0; 
            } 
        } 
        //快速幂（类似整数） 
        while(n){ 
            if(n & 1)    www.2cto.com
                tempans = tempans * M; 
//已经重载了* 
            n = n >> 1; 
            M = M * M; 
        } 
       return tempans; 
    } 
}; 
 
int main() { 
    Matrix A , ans; 
    long long T , n , k , sum; 
//数据类型为long long 
    long long num[MAXN][MAXN]; 
//输入的数据存入数组 
    scanf("%lld" , &T); 
    while(T--){ 
        scanf("%lld%lld/n", &n , &k); 
        memset(num , 0 , sizeof(num)); 
        for(int i = 0 ; i < n ; i++){ 
            for(int j = 0 ; j < n ; j++) 
                scanf("%lld" , &num[i][j]); 
        } 
        A.init(num);//初始化A矩阵 
        ans = quickpow(A , k);//求出矩阵的快速幂 
    } 
} 

最后，还有刚哥整理的，链接

 芳姐的矩阵快速幂的模板

利用快速幂的思想 根据矩阵的结合律 可以递归二分求解 

struct Mat
{
    int mat[N][N];
};
int n;
Mat operator * (Mat a,Mat b)
{
    Mat c;
    memset(c.mat,0,sizeof(c.mat));
    int i,j,k;
    for(k =0 ; k < n ; k++)
    {
        for(i = 0 ; i < n ;i++)
        {
            if(a.mat[i][k]==0) continue;//优化
            for(j = 0 ;j < n ;j++)
            {
                if(b.mat[k][j]==0) continue;//优化
                c.mat[i][j] = (c.mat[i][j]+(a.mat[i][k]*b.mat[k][j])%mod)%mod;
            }
        }
    }
    return c;
}
Mat operator ^(Mat a,int k)
{
    Mat c;
    int i,j;
    for(i =0 ; i < n ;i++)
        for(j = 0; j < n ;j++)
        c.mat[i][j] = (i==j);
    for(; k ;k >>= 1)
    {
        if(k&1) c = c*a;
        a = a*a;
    }
    return c;
}