快速幂和矩阵快速幂
文章目录
面试快手被问到了23333,这篇文章之前发布到leetcode上面了。
快速幂
计算 x n x^ n xn 通常需要 n n n 次乘法, 时间复杂度为 O ( n ) O(n) O(n) , 当 n n n 非常大的时候, 运算效率很低.
快速幂是通过把 n n n 转化为二进制来实现的. 例如: 计算 x 14 x^{14} x14, 14 14 14 可以用二进制表示为:
14 = ( 1110 ) 2 = 1 × 2 3 + 1 × 2 2 + 1 × 2 1 + 0 × 2 0 14 = (1110)_2 = 1\times 2^3 + 1\times 2^2 + 1\times 2^1 + 0\times 2^0 14=(1110)2=1×23+1×22+1×21+0×20
那么对应的乘法可以表示为:
x 14 = x 2 3 × x 2 2 × x 2 1 x^{14} = x^{2 ^3} \times x^{2^2} \times x^{2 ^1} x14=x23×x22×x21
转换后乘法运算次数减少, 每次计算 x 2 n x^{2^n} x2n, 再决定是否将这个数字加入到最终结果里面去. 代码如下:
def fpowx(x, n):
res = 1
while n:
if n & 1:
res = res * x
# compute x^2 x^4 x^8
x *= x
n >>= 1
return res
乘法防止溢出
注: 对于 python 没有任何帮助, python整数直接相乘取模会快10倍
f_multi: 0.030360s
s_multi: 0.003781s
防止溢出的乘法和快速幂类似, 出现的原因是, 想两个数直接相乘发生溢出时, 改为相加运算, 并且可以直接取模. 这样保证了数据的正确性.
例如 x × 14 x\times 14 x×14 可以转化为:
x × 14 = 8 × x + 4 × x + 2 × x x\times 14 = 8\times x + 4\times x + 2\times x x×14=8×x+