快速幂和矩阵

$快速幂$

顾名思义:就是快速算某个数的多少次幂。
其时间复杂度为$O(lgN)$ 比朴素的$O(N)$快了不知多少哈!

原理：

以下以求 $a$ 的 $b$ 次方来介绍

把 $b$ 转换成二进制数。该二进制数第 $i$ 位的权为 $2^{i-1}$;

例如:
$11$ 的二进制是 $1011$,

$11=2^3\ast 1+2^2\ast 0+2^1\ast 1+2^1$;

因此，我们将 $a^{11}$ 转化为算

$a^{2^0}\ast a^{2^1}\ast a^{2^3}$;

$快速幂$可以用位运算来实现

b & 1//取b二进制的最低位，判断和1是否相同，相同返回1，否则返回0，可用于判断奇偶

b>>1//把b的二进制右移一位，即去掉其二进制位的最低位

下面是两种代码：

    int quickPow(int a,int b,int n)//递归形式
    {
      if(b==1)
        return a;
      if(b%2==0)//b是偶数;
        {
            int t=quickPow(a,b/2,n);
            return t*t%n;
        }
        else//b是奇数;
        {
            int t=quickPow(a,b/2,n);
            t=t*t%n;
            t=t*a%n;
            return t;
        }
    }


    int quickPow(int a,int b,int n)//非递归写法;
    {
        int ret=1;
        while(b)
        {
            if(b%2==1)
                ret=ret*a%n;
            a=a*a%n;
            b=b/2;
        }
        return ret;
    }

$矩阵快速幂$

既然说矩阵了那么就看看矩阵长成什么样吧！

$\left[\begin{array}{ccc}a& b& c\\ a1& b1& c1\\ a2& b2& c2\end{array}\right]$或$\left(\begin{array}{ccc}a& b& c\\ a1& b1& c1\\ a2& b2& c2\end{array}\right)$

$定义:$

由 $m\times n$ 个数$aij$排成的$m$行$n$列的数表称为$m$行$n$列的矩阵，简称$m\ast n$矩阵。记作：

A=$\left[\begin{array}{cccc}{a}_{11}& a_{12}& ...& a_{1n}\\ a_{21}& a_{22}& ...& a_{2n}\\ a_{31}& a_{32}& ...& a_{3n}\\ ...& ...& ...& ...\\ a_{m1}& a_{m2}& ...& a_{mn}\end{array}\right]$

这$m\times n$ 个数称为矩阵$A$的元素，简称为元，数$a_{ij}$位于矩阵$A$的第$i$行第$j$列，称为矩阵$A$的$(i,j)$元，以数 $a_{ij}$为$(i,j)$元的矩阵可记为$(a_{ij})$或$(a_{ij})$$m\ast n$，$m\ast n$矩阵$A$也记作$A_{mn}$。

$矩阵乘法$:

两个矩阵的乘法仅当第一个矩阵A的列数和另一个矩阵B的行数相等时才能定义。如A是m×n矩阵和B是n×p矩阵，它们的乘积C是一个m×p矩阵 ，它的一个元素：

$c_{i,j}=a_{i,1}{b}_{1,j}+a_{i,2}{b}_{2,j}+\cdot \cdot \cdot +a_{i,n}{b}_{n,j}={\sum }_{r=1}^n{a}_{i,r}{b}_{r,j}$;

并将此乘积记为: $C=AB$;

例如：

$\left[\begin{array}{ccc}1& 0& 2\\ -1& 3& 1\end{array}\right]\ast \left[\begin{array}{cc}3& 1\\ 2& 1\\ 1& 0\end{array}\right]=\left[\begin{array}{cc}(1\ast 3+0\ast 2+2\ast 1)& (1\ast 1+0\ast 1+2\ast 0)\\ (-1\ast 3+3\ast 2+1\ast 1)& (-1\ast 1+3\ast 1+1\ast 0)\end{array}\right]=\left[\begin{array}{cc}5& 1\\ 4& 2\end{array}\right]$;

矩阵的乘法满足以下运算律：

结合律： $(AB)C=A(BC)$
左分配律： $(A+B)C=AC+BC$
右分配律： $C(A+B)=CA+CB$

矩阵乘法一般不满足交换律。

代码如下：

const int N=100;
int c[N][N];
void multi(int a[][N],int b[][N],int n)//n是矩阵大小，n<N
{
    memset(c,0,sizeof c);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=n;j++)
        for(int k=1;k<=n;k++)
        c[i][j]+=a[i][k]*b[k][j];
}

另一种写法:

int c[N][N];
void multi(int a[][N],int b[][N],int n)
{
    memset(c,0,sizeof c);
    for(int i=1;i<=n;i++)
        for(int k=1;k<=n;k++)
        for(int j=1;j<=n;j++)
        c[i][j]+=a[i][k]*b[k][j];
}

这种可以在第二重$for$判断$if(a[i][k]==0)continue;$对于矩阵有较多0的有一定效果。不过一般第一种写法就够了，这种知道就行。

显然矩阵乘法的复杂度是$O(n^3)$;（$O(n^{2.7})$的方法不会写，无视这里）。

这里我直接写的是$n\ast n$的矩阵(即方阵)，显然两个相乘是要一行和一列对应乘，那么矩阵乘法是需要$A$的行数与$B$的列数相等的(这是$A\ast B$的前提条件，可见矩阵的乘法是不满足交换律的)。然而这些一般都是没什么用的，矩阵快速幂只会用到方阵(除非题目是裸的矩阵乘法)。矩阵快速幂都是方阵也就避免的相乘的前提条件，可以放心用。

$矩阵快速幂$:

就是算$A^n$;方法很简单，把快速幂算法中的乘法改成矩阵的乘法就可以了(_{网上搜的代码,????})

代码如下：

const int N=10;
int tmp[N][N];
void multi(int a[][N],int b[][N],int n)
{
    memset(tmp,0,sizeof tmp);
    for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
        for(int k=0;k<n;k++)
        tmp[i][j]+=a[i][k]*b[k][j];
    for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
        a[i][j]=tmp[i][j];
}
int res[N][N];
void Pow(int a[][N],int n)
{
    memset(res,0,sizeof res);//n是幂，N是矩阵大小
    for(int i=0;i<N;i++) res[i][i]=1;
    while(n)
    {
        if(n&1)
            multi(res,a,N);//res=res*a;复制直接在multi里面实现了；
        multi(a,a,N);//a=a*a
        n>>=1;
    }
}

不过上诉$res$数组就等同于普通快速幂初始化的$1$，原理想通的，这个矩阵叫单位矩阵E,性质就是$E\ast A=A$,就是$1\ast a=a$，一样，单位矩阵就是对角线全是1其他全是$0$,最终算出的结果是一个$res$矩阵;

$未完待续\cdot \cdot \cdot \cdot$

实践是检验真理的唯一标准