矩阵及矩阵快速幂

1 矩阵

矩阵是一个二维数组, 行数通常用$row$或$r$表示, 列数用$column$或$c$表示, 矩阵由中括号或小括号括起来, 就像这样
$$\left(\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right)$$
$$\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]$$
称左上到右下的一条对角线为主对角线

1.1 简单矩阵运算

矩阵加减: 两个行列数相等的矩阵进行运算, 对应位置的数值相加减
矩阵数乘: 一个矩阵与一个数字相乘, 矩阵中每个位置上的数都乘这个数字

1.2 矩阵乘法

一个长$a$宽$b$的矩阵$X$乘一个长$b$宽$c$的矩阵$Y$, 得到长$a$宽$c$的矩阵$Z$
${Z_i}_j=X$第$i$行的数与$Y$第$j$行的数依次相乘, 也就是$${Z_i}_j=\sum _{k=1}^b{X_i}_k+{Y_k}_j$$
矩阵乘法不满足交换律$A\times B\ne B\times A$, 满足结合律$(A\times B)\times C=A\times (B\times C)$

2 单位元

在一个运算系统中m 如果某个元素$x$和一个元素$y$做运算, 结果为$y$, 称$x$为这个运算系统的单位元
$x$运算$y=y$时称$x$为左单位元, $y$运算$x=y$时称$x$为右单位元
特殊地, 当满足交换律时: $x$运算$y=y$运算$x=y$, 称$x$为双边单位元

3 矩阵快速幂

先看一个普通快速幂代码

int qpow(int x, int y){
	int res = 1;
	while(y){
		if(y & 1)	res = res * x;
		y >>= 1;
		x = x * x;
	}
	return res;
}

在这个代码中$res$赋的初值$1$, 就是乘法运算中的单位元
那我们就不难想象所有运算中的快速幂都可以用这个代码, 只需要把$res$的初值赋为该运算系统的单位元

3.1 单位元矩阵

设四个数$a,b,c,d$

$\left[\begin{array}{cc}1& 2\\ 3& 4\end{array}\right]\times \left[\begin{array}{cc}a& b\\ c& d\end{array}\right]=\left[\begin{array}{cc}1& 2\\ 3& 4\end{array}\right]$

得到
$\{\begin{array}{l}a+2c=1\\ b+2d=2\\ 3a+4c=3\\ 3b+4d=4\end{array}$

解得
$\{\begin{array}{l}a=1\\ b=0\\ c=0\\ d=1\end{array}\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$

三维矩阵解得
$\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$

发现单位元矩阵主对角线的数字为$1$, 其他位置为$0$, 我们一般称 单位元矩阵 为单位矩阵

3.2 例题

求斐波那契数列的第$n$项$(1\le n\le 2^{63}-1)$, 可以构造一个矩阵$A$, 使矩阵$\left[\begin{array}{cc}{a}_{n-1}& a_{n-2}\\ 0& 0\end{array}\right]\times A=\left[\begin{array}{cc}{a}_n& a_{n-1}\\ 0& 0\end{array}\right]$
这样通过$\left[\begin{array}{cc}{a}_2& a_1\\ 0& 0\end{array}\right]\times A^{n-2}$得到$\left[\begin{array}{cc}{a}_n& a_{n-1}\\ 0& 0\end{array}\right]$
计算得到$A=\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]$

4 矩阵模板

struct Matrix{
	int a[N][N];
	int r, c;
	// 构造函数 函数名与结构体名相同 无返回值 
	Matrix(int _r = 0, int _c = 0){
		r = _r, c = _c;
		memset(a, 0, sizeof(a));
		if(c == 0)
			c = r; // 如果只传递r的值, 矩阵变成方阵 
	}
	// 单位矩阵 
	void unit(){
		memset(a, 0, sizeof(a));
		for(int i = 1;i <= r;i++)
			a[i][i] = 1;
	}
	Matrix operator+(const Matrix &t) const{
		Matrix ans(r, c);
		for(int i = 1;i <= r;i++)
			for(int j = 1;j <= c;j++)
				ans.a[i][j] = a[i][j] + t.a[i][j];
		return ans;
	}
	Matrix operator-(const Matrix &t) const{
		Matrix ans = *this; //*this表示直接复制当前结构内容 
		for(int i = 1;i <= r;i++)
			for(int j = 1;j <= c;j++)
				ans.a[i][j] -= t.a[i][j];
		return ans;
	}
	Matrix operator*(const int &t) const{
		Matrix ans = *this;
		for(int i = 1;i <= r;i++)
			for(int j = 1;j <= c;j++)
				ans.a[i][j] *= t;
		return ans;
	}
	Matrix operator*(const Matrix &t) const{
		Matrix ans(r, t.c);  //r行c列乘以t.r行t.c列
		int n = r, m = t.c;
		for(int i = 1;i <= n;i++)
			for(int j = 1;j <= m;j++)
				for(int k = 1;k <= c;k++)
					ans.a[i][j] += a[i][k] * t.a[k][j];
		return ans;
	}
	Matrix operator%(const int t) const{
		Matrix ans = *this;
		for(int i = 1;i <= r;i++)
			for(int j = 1;j <= c;j++)
				ans.a[i][j] %= t;
		return ans;
	}
	void print(){
		for(int i = 1;i <= r;i++){
			for(int j = 1;j <= c;j++)
				printf("%d ", a[i][j]);
			printf("\n");
		}
	}
	Matrix pow(ll b){
		// 计算b次方 
		Matrix ans(r, c), a = *this;
		ans.unit();
		while(b){
			if(b & 1)	ans = ans * a;
			a = a *a;
			b >>= 1;
		}
		return ans;
	}
	Matrix pow(ll b, ll p){
		//计算b次方模p 
		Matrix ans(r, c), a = *this;
		ans.unit();
		while(b){
			if(b & 1)	ans = ans * a % p;
			a = a * a % p;
			b >>= 1;
		}
		return ans;
	}
};