矩阵快速幂的多项式取模优化

原问题

给定一个数列前k项，并给出其k阶递推关系$h_n={\sum }_{i=1}^k{a}_i{h}_{n-i}$，求$h_n$。

矩阵快速幂

大家都会矩阵快速幂的方法。

构造一个转移矩阵$A$

$$A=\left[\begin{array}{ccccc}{a}_1& a_2& a_3& \cdots & a_k\\ 1& 0& 0& \cdots & 0\\ 0& 1& 0& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& \cdots & 0\end{array}\right]$$

用前k项构造初始矩阵，也是一个k维向量$H_1$

$$H_1=\left(\begin{array}{c}{h}_k\\ h_{k-1}\\ h_{k-2}\\ ⋮\\ h_1\end{array}\right)$$

即可得$A^{n-1}{H}_1=H_n$。

时间复杂度$O(k^3\log n)$。

k如果比较大怎么办？我会卡常，jki玄学卡常，wys优化

多项式取模优化

前置知识

1.矩阵的特征值

对于矩阵$A$和一个n维向量$x$，如果有一个值$\lambda$满足$Ax=\lambda x$，则我们称$\lambda$为矩阵$A$的特征值。

2.矩阵的特征多项式

简单的缩好像就是特征方程再移项？

我们把之前的那个方程移项得$(A-\lambda E)x=0$，显然若x有非零解，那么需要满足

$$|A-\lambda E|=\left|\begin{array}{ccccc}{a}_{11}-\lambda & a_{12}& a_{13}& \cdots & a_{1k}\\ a_{21}& a_{22}-\lambda & a_{23}& \cdots & a_{2k}\\ a_{31}& a_{32}& a_{33}-\lambda & \cdots & a_{3k}\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ a_{k1}& a_{k2}& a_{k3}& \cdots & a_{kk}-\lambda \end{array}\right|=0$$

这其实是一个一元k阶方程，即特征方程。我们记$f_A(x)=|A-xE|$，称矩阵A的特征多项式。

3.Cayley-Hamilton定理

$f_A(A)=0$。具体的证明可以看wikipedia，因为我也不会。

~~为了方便记忆，~~有一个著名的伪证:$f_A(A)=|A-AE|=0$。

4.拉普拉斯展开

对于行列式A，我们定义它的关于第i行第j列的余子式$M_{ij}$为原行列式删除第i行和第j列之后剩下的k-1阶行列式。

拉普拉斯展开是一个有关行列式的值的等式，按第i行展开得到如下等式

$$|A|=\sum _{j=1}^k(-1{)}^{j-1}{a}_{ij}|M_{ij}|$$

类似的，我们也可以对第j列展开

$$|A|=\sum _{i=1}^k(-1{)}^i{a}_{ij}|M_{ij}|$$

5.多项式取模

$f(x)=g(x)p(x)+r(x)$

它们满足$deg(r)<deg(g)<deg(f)$。

优化

我们知道如果给矩阵的某一行全部元素全部变为相反数，那么矩阵的行列式也会变成相反数，那么我们可以做这样一个操作，并记作$g$：

$$g(x)=(-1{)}^k{f}_A(x)=\left|\begin{array}{ccccc}x-a_1& -a_2& -a_3& \cdots & -a_k\\ -1& x& 0& \cdots & 0\\ 0& -1& x& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& \cdots & x\end{array}\right|$$

为了求$g(x)$的表达式，我们可以按照第一行对其进行拉普拉斯展开：

$$g(x)=x^k-\sum _{i=1}^k{a}_i{x}^{k-i}$$

由于我们要求的东西就是$A^n$，那不妨构造一个这样的式子：

$$x^n=g(x)p(x)+r(x)$$

令$x=A$则有$A^n=g(A)p(A)+r(A)$

由之前的Cayley-Hamilton定理我们知道$g(A)=(-1{)}^k{f}_A(A)=0$。那么我们就得到了$A^n=r(A)$，而$deg(r)<k$。为了方便，我们不妨看作$deg(r)=k-1$。

那么我们怎么求$r(A)$呢？原来的取模板子显然不可取，因为n可能很大，数组都开不下。考虑用倍增，即

$x^2\mathrm{m}\mathrm{o}\mathrm{d}g(x)=(x^1\mathrm{m}\mathrm{o}\mathrm{d}g(x){)}^2\mathrm{m}\mathrm{o}\mathrm{d}g(x),x^4\mathrm{m}\mathrm{o}\mathrm{d}g(x)=(x^2\mathrm{m}\mathrm{o}\mathrm{d}g(x){)}^2\mathrm{m}\mathrm{o}\mathrm{d}g(x)$

考虑用快速幂实现，这需要做两个操作：

• 1.多项式乘法
  • 暴力$O(k^2)$
  • FFT$O(k\log k)$
• 2.多项式取模
  • 暴力$O(k^2)$，跳过中间的零项$O(kt)$
  • FFT$O(k\log k)$，限制多，有时用不了？

你问我怎么暴力取模？当然是模拟大除法啊

至此，我们已经得到了$A^n={\sum }_{i=0}^{k-1}{r}_i{A}^i$，再在两边乘上初始矩阵$H_1$即得

$$H_{n+1}=\sum _{i=0}^{k-1}{r}_i{H}_{i+1}$$

由于$H$是一个n维向量，而且中间涉及到的数乘及加法的运算，对于每一行是独立的，直接把第k行上的运算提出来就得到

$$h_{n+1}=\sum _{i=0}^{k-1}{r}_i{h}_{i+1}$$

时间复杂度常数较大的$O(k^2\log n)$，或者常数更大的$O(k\log k\log n)$，fft的话要注意精度问题，mod较大就可能有问题。

相关题目

看了这么久，然而貌似应用不多？

bzoj4161

hdu4914

NOI2017泳池