矩阵快速乘法

最新推荐文章于 2020-03-10 23:02:38 发布
最新推荐文章于 2020-03-10 23:02:38 发布
阅读量5.1k 收藏 3
点赞数
分类专栏： A.Graphics 文章标签： matrix float c 算法 测试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/byhuang/article/details/1480695
版权

矩阵相乘在3D变换中是被频繁用到的一种计算，但在矩阵相乘过程中用到了大量的乘法运算，而cpu中运算单元对于乘法的效率是比较低的，远低于加法运算， 所以，如果能找到一种用加法来替代乘法的方法实现矩阵相乘，将能大大提高我们程序的效率。我们的确有这种方法，这就是网上甚为流行的斯特拉森矩阵乘法，它是由v.斯特拉森在1969年提出的一个方法。
下面对其进行详细介绍.

一，推导

对于二阶矩阵

A =   [a11 a12]
         [a21 a22]
     
B =   [b11 b12]
         [b21 b22]

先计算下面7个量(1)
x1 = (a11 + a22) * (b11 + b22);
x2 = (a21 + a22) * b11;
x3 = a11 * (b12 - b22);
x4 = a22 * (b21 - b11);
x5 = (a11 + a12) * b22;
x6 = (a21 - a11) * (b11 + b12);
x7 = (a12 - a22) * (b21 + b22);

再设C = AB。根据矩阵相乘的规则，C的各元素为(2)

c11 = a11 * b11 + a12 * b21
c12 = a11 * b12 + a12 * b22
c21 = a21 * b11 + a22 * b21
c22 = a21 * b12 + a22 * b22

比较(1)(2)，C的各元素可以表示为(3)

c11 = x1 + x4 - x5 + x7
c12 = x3 + x5
c21 = x2 + x4
c22 = x1 + x3 - x2 + x6

根据以上的方法，以及分块矩阵相乘的性质，我们就可以计算4阶矩阵了，先将4阶矩阵A和B划分成四块2阶矩阵，分别利用公式计算它们的乘积，再使用(1)(3)来计算出最后结果。

A4 =   [ma11 ma12]  
           [ma21 ma22] 

B4 =   [mb11 mb12]
           [mb21 mb22]

其中

ma11 =  [a11 a12]
                [a21 a22]

ma12 =  [a13 a14]
                [a23 a24]

ma21 =  [a31 a32]
                [a41 a42]

ma22 =  [a33 a34]
                [a43 a44]

mb11 =  [b11 b12]
                [b21 b22]

mb12 =  [b13 b14]
                [b23 b24]

mb21 =  [b31 b32]
                [b41 b42]

mb22 =  [b33 b34]
                [b43 b44]

二，实现

typedef  float  Matrix22[ 2 ][ 2 ];
typedef  float  Matrix44[ 4 ][ 4 ];

inline  void  Matrix22MulMatrix22(Matrix22 c,  const  Matrix22 &  a,  const  Matrix22 &  b)
{
     float  x1  =  (a[ 0 ][ 0 ]  +  a[ 1 ][ 1 ])  *  (b[ 0 ][ 0 ]  +  b[ 1 ][ 1 ]);
     float  x2  =  (a[ 1 ][ 0 ]  +  a[ 1 ][ 1 ])  *  b[ 0 ][ 0 ];
     float  x3  =  a[ 0 ][ 0 ]  *  (b[ 0 ][ 1 ]  -  b[ 1 ][ 1 ]);
     float  x4  =  a[ 1 ][ 1 ]  *  (b[ 1 ][ 0 ]  -  b[ 0 ][ 0 ]);
     float  x5  =  (a[ 0 ][ 0 ]  +  a[ 0 ][ 1 ])  *  b[ 1 ][ 1 ];
     float  x6  =  (a[ 1 ][ 0 ]  -  a[ 0 ][ 0 ])  *  (b[ 0 ][ 0 ]  +  b[ 0 ][ 1 ]);
     float  x7  =  (a[ 0 ][ 1 ]  -  a[ 1 ][ 1 ])  *  (b[ 1 ][ 0 ]  +  b[ 1 ][ 1 ]);

    c[ 0 ][ 0 ]  =  x1  +  x4  - x5  +  x7;
    c[ 0 ][ 1 ]  =  x3  +  x5;
    c[ 1 ][ 0 ]  =  x2  +  x4;
    c[ 1 ][ 1 ]  =  x1  +  x3  -  x2  +  x6;

}

inline  void  Matrix44MulMatrix44(Matrix44 c,  const  Matrix44 &  a,  const  Matrix44 &  b)
{
    Matrix22 x[ 7 ];

     //  (ma11 + ma22) * (mb11 + mb22)
    Matrix22 a0  =  {a[ 0 ][ 0 ] + a[ 2 ][ 2 ], a[ 0 ][ 1 ] + a[ 2 ][ 3 ], a[ 1 ][ 0 ] + a[ 3 ][ 2 ], a[ 1 ][ 1 ] + a[ 3 ][ 3 ]};
    Matrix22 b0  =  {b[ 0 ][ 0 ] + b[ 2 ][ 2 ], b[ 0 ][ 1 ] + b[ 2 ][ 3 ], b[ 1 ][ 0 ] + b[ 3 ][ 2 ], b[ 1 ][ 1 ] + b[ 3 ][ 3 ]};
    Matrix22MulMatrix22(x[ 0 ], a0, b0); 

     //  (ma21 + ma22) * mb11 
    Matrix22 a1  =  {a[ 2 ][ 0 ] + a[ 2 ][ 2 ], a[ 2 ][ 1 ] + a[ 2 ][ 3 ], a[ 3 ][ 0 ] + a[ 3 ][ 2 ], a[ 3 ][ 1 ] + a[ 3 ][ 3 ]};
    Matrix22 b1  =  {b[ 0 ][ 0 ], b[ 0 ][ 1 ], b[ 1 ][ 0 ], b[ 1 ][ 1 ]};
    Matrix22MulMatrix22(x[ 1 ], a1, b1);  

     //  ma11 * (mb12 - mb22) 
    Matrix22 a2  =  {a[ 0 ][ 0 ], a[ 0 ][ 1 ], a[ 1 ][ 0 ], a[ 1 ][ 1 ]};
    Matrix22 b2  =  {b[ 0 ][ 2 ] - b[ 2 ][ 2 ], b[ 0 ][ 3 ] - b[ 2 ][ 3 ], b[ 1 ][ 2 ] - b[ 3 ][ 2 ], b[ 1 ][ 3 ] - b[ 3 ][ 3 ]};
    Matrix22MulMatrix22(x[ 2 ], a2, b2);  


     //  ma22 * (mb21 - mb11) 
    Matrix22 a3  =  {a[ 2 ][ 2 ], a[ 2 ][ 3 ], a[ 3 ][ 2 ], a[ 3 ][ 3 ]};
    Matrix22 b3  =  {b[ 2 ][ 0 ] - b[ 0 ][ 0 ], b[ 2 ][ 1 ] - b[ 0 ][ 1 ], b[ 3 ][ 0 ] - b[ 1 ][ 0 ], b[ 3 ][ 1 ] - b[ 1 ][ 1 ]};
    Matrix22MulMatrix22(x[ 3 ], a3, b3);   

     //  (ma11 + ma12) * mb22 
    Matrix22 a4  =  {a[ 0 ][ 0 ] + a[ 0 ][ 2 ], a[ 0 ][ 1 ] + a[ 0 ][ 3 ], a[ 1 ][ 0 ] + a[ 1 ][ 2 ], a[ 1 ][ 1 ] + a[ 1 ][ 3 ]};
    Matrix22 b4  =  {b[ 2 ][ 2 ], b[ 2 ][ 3 ], b[ 3 ][ 2 ], b[ 3 ][ 3 ]};
    Matrix22MulMatrix22(x[ 4 ], a4, b4);  

     //  (ma21 - ma11) * (mb11 + mb12) 
    Matrix22 a5  =  {a[ 2 ][ 0 ] - a[ 0 ][ 0 ], a[ 2 ][ 1 ] - a[ 0 ][ 1 ], a[ 3 ][ 0 ] - a[ 1 ][ 0 ], a[ 3 ][ 1 ] - a[ 1 ][ 1 ]};
    Matrix22 b5  =  {b[ 0 ][ 0 ] + b[ 0 ][ 2 ], b[ 0 ][ 1 ] + b[ 0 ][ 3 ], b[ 1 ][ 0 ] + b[ 1 ][ 2 ], b[ 1 ][ 1 ] + b[ 1 ][ 3 ]};
    Matrix22MulMatrix22(x[ 5 ], a5, b5);  

     //  (ma12 - ma22) * (mb21 + mb22) 
    Matrix22 a6  =  {a[ 0 ][ 2 ] - a[ 2 ][ 2 ], a[ 0 ][ 3 ] - a[ 2 ][ 3 ], a[ 1 ][ 2 ] - a[ 3 ][ 2 ], a[ 1 ][ 3 ] - a[ 3 ][ 3 ]};
    Matrix22 b6  =  {b[ 2 ][ 0 ] + b[ 2 ][ 2 ], b[ 2 ][ 1 ] + b[ 2 ][ 3 ], b[ 3 ][ 0 ] + b[ 3 ][ 2 ], b[ 3 ][ 1 ] + b[ 3 ][ 3 ]};
    Matrix22MulMatrix22(x[ 6 ], a6, b6); 

     //  第一块 
    c[ 0 ][ 0 ]  =  x[ 0 ][ 0 ][ 0 ]  +  x[ 3 ][ 0 ][ 0 ]  -  x[ 4 ][ 0 ][ 0 ]  +  x[ 6 ][ 0 ][ 0 ]; 
    c[ 0 ][ 1 ]  =  x[ 0 ][ 0 ][ 1 ]  +  x[ 3 ][ 0 ][ 1 ]  -  x[ 4 ][ 0 ][ 1 ]  +  x[ 6 ][ 0 ][ 1 ]; 
    c[ 1 ][ 0 ]  =  x[ 0 ][ 1 ][ 0 ]  +  x[ 3 ][ 1 ][ 0 ]  -  x[ 4 ][ 1 ][ 0 ]  +  x[ 6 ][ 1 ][ 0 ]; 
    c[ 1 ][ 1 ]  =  x[ 0 ][ 1 ][ 1 ]  +  x[ 3 ][ 1 ][ 1 ]  -  x[ 4 ][ 1 ][ 1 ]  +  x[ 6 ][ 1 ][ 1 ]; 

     //  第二块 
    c[ 0 ][ 2 ]  =  x[ 2 ][ 0 ][ 0 ]  +  x[ 4 ][ 0 ][ 0 ]; 
    c[ 0 ][ 3 ]  =  x[ 2 ][ 0 ][ 1 ]  +  x[ 4 ][ 0 ][ 1 ]; 
    c[ 1 ][ 2 ]  =  x[ 2 ][ 1 ][ 0 ]  +  x[ 4 ][ 1 ][ 0 ]; 
    c[ 1 ][ 3 ]  =  x[ 2 ][ 1 ][ 1 ]  +  x[ 4 ][ 1 ][ 1 ]; 

     //  第三块 
    c[ 2 ][ 0 ]  =  x[ 1 ][ 0 ][ 0 ]  +  x[ 3 ][ 0 ][ 0 ]; 
    c[ 2 ][ 1 ]  =  x[ 1 ][ 0 ][ 1 ]  +  x[ 3 ][ 0 ][ 1 ]; 
    c[ 3 ][ 0 ]  =  x[ 1 ][ 1 ][ 0 ]  +  x[ 3 ][ 1 ][ 0 ]; 
    c[ 3 ][ 1 ]  =  x[ 1 ][ 1 ][ 1 ]  +  x[ 3 ][ 1 ][ 1 ]; 


     //  第四块 

    c[ 2 ][ 2 ]  =  x[ 0 ][ 0 ][ 0 ]  -  x[ 1 ][ 0 ][ 0 ]  +  x[ 2 ][ 0 ][ 0 ]  +  x[ 5 ][ 0 ][ 0 ]; 
    c[ 2 ][ 3 ]  =  x[ 0 ][ 0 ][ 1 ]  -  x[ 1 ][ 0 ][ 1 ]  +  x[ 2 ][ 0 ][ 1 ]  +  x[ 5 ][ 0 ][ 1 ]; 
    c[ 3 ][ 2 ]  =  x[ 0 ][ 1 ][ 0 ]  -  x[ 1 ][ 1 ][ 0 ]  +  x[ 2 ][ 1 ][ 0 ]  +  x[ 5 ][ 1 ][ 0 ]; 
    c[ 3 ][ 3 ]  =  x[ 0 ][ 1 ][ 1 ]  -  x[ 1 ][ 1 ][ 1 ]  +  x[ 2 ][ 1 ][ 1 ]  +  x[ 5 ][ 1 ][ 1 ]; 

}

三，分析

在标准的定义算法中我们需要进行n * n * n次乘法运算，新算法中我们需要进行7log2n次乘法，对于最常用的4阶矩阵：       
                            原算法                                        新算法
加法次数            48                                               72(48次加法，24次减法)
乘法次数            64                                               49
需要额外空间  16 * sizeof(float)                        28 * sizeof(float) （+2 * 4 * 7 * sizeof(float)）

新算法要比原算法多了24次减法运算，少了15次乘法。但因为浮点乘法的运算速度要远远慢于加/减法运算，所以新算法的整体速度有所提高。

四，其他
这里列出了按通常公式计算矩阵乘法的函数，以作参考。感谢我的女朋友帮我完成了这两个函数:)值得一提的是我女朋友是学文科的，从不知道什么是矩阵，当然也没写过程序，但在我稍微指点了一下后，等我洗漱完回来，她已经写好了，经检查测试通过，把她高兴的... 

inline  void  Matrix22MulMatrix22_(Matrix22 c,  const  Matrix22 &  a,  const  Matrix22 &  b)
{
    c[ 0 ][ 0 ]  =  a[ 0 ][ 0 ]  *  b[ 0 ][ 0 ]  +  a[ 0 ][ 1 ] * b[ 1 ][ 0 ];
    c[ 0 ][ 1 ]  =  a[ 0 ][ 0 ]  *  b[ 0 ][ 1 ]  +  a[ 0 ][ 1 ] * b[ 1 ][ 1 ];
    c[ 1 ][ 0 ]  =  a[ 1 ][ 0 ]  *  b[ 0 ][ 0 ]  +  a[ 1 ][ 1 ] * b[ 1 ][ 0 ];
    c[ 1 ][ 1 ]  =  a[ 1 ][ 0 ]  *  b[ 0 ][ 1 ]  +  a[ 1 ][ 1 ] * b[ 1 ][ 1 ];
}

inline  void  Matrix44MulMatrix44_(Matrix44 c,  const  Matrix44 &  a,  const  Matrix44 &  b)
{
    c[ 0 ][ 0 ]  =  a[ 0 ][ 0 ] * b[ 0 ][ 0 ] + a[ 0 ][ 1 ] * b[ 1 ][ 0 ] + a[ 0 ][ 2 ] * b[ 2 ][ 0 ] + a[ 0 ][ 3 ] * b[ 3 ][ 0 ];
    c[ 0 ][ 1 ]  =  a[ 0 ][ 0 ] * b[ 0 ][ 1 ] + a[ 0 ][ 1 ] * b[ 1 ][ 1 ] + a[ 0 ][ 2 ] * b[ 2 ][ 1 ] + a[ 0 ][ 3 ] * b[ 3 ][ 1 ];
    c[ 0 ][ 2 ]  =  a[ 0 ][ 0 ] * b[ 0 ][ 2 ] + a[ 0 ][ 1 ] * b[ 1 ][ 2 ] + a[ 0 ][ 2 ] * b[ 2 ][ 2 ] + a[ 0 ][ 3 ] * b[ 3 ][ 2 ];
    c[ 0 ][ 3 ]  =  a[ 0 ][ 0 ] * b[ 0 ][ 3 ] + a[ 0 ][ 1 ] * b[ 1 ][ 3 ] + a[ 0 ][ 2 ] * b[ 2 ][ 3 ] + a[ 0 ][ 3 ] * b[ 3 ][ 3 ];

    c[ 1 ][ 0 ]  =  a[ 1 ][ 0 ] * b[ 0 ][ 0 ] + a[ 1 ][ 1 ] * b[ 1 ][ 0 ] + a[ 1 ][ 2 ] * b[ 2 ][ 0 ] + a[ 1 ][ 3 ] * b[ 3 ][ 0 ];
    c[ 1 ][ 1 ]  =  a[ 1 ][ 0 ] * b[ 0 ][ 1 ] + a[ 1 ][ 1 ] * b[ 1 ][ 1 ] + a[ 1 ][ 2 ] * b[ 2 ][ 1 ] + a[ 1 ][ 3 ] * b[ 3 ][ 1 ];
    c[ 1 ][ 2 ]  =  a[ 1 ][ 0 ] * b[ 0 ][ 2 ] + a[ 1 ][ 1 ] * b[ 1 ][ 2 ] + a[ 1 ][ 2 ] * b[ 2 ][ 2 ] + a[ 1 ][ 3 ] * b[ 3 ][ 2 ];
    c[ 1 ][ 3 ]  =  a[ 1 ][ 0 ] * b[ 0 ][ 3 ] + a[ 1 ][ 1 ] * b[ 1 ][ 3 ] + a[ 1 ][ 2 ] * b[ 2 ][ 3 ] + a[ 1 ][ 3 ] * b[ 3 ][ 3 ];

    c[ 2 ][ 0 ]  =  a[ 2 ][ 0 ] * b[ 0 ][ 0 ] + a[ 2 ][ 1 ] * b[ 1 ][ 0 ] + a[ 2 ][ 2 ] * b[ 2 ][ 0 ] + a[ 2 ][ 3 ] * b[ 3 ][ 0 ];
    c[ 2 ][ 1 ]  =  a[ 2 ][ 0 ] * b[ 0 ][ 1 ] + a[ 2 ][ 1 ] * b[ 1 ][ 1 ] + a[ 2 ][ 2 ] * b[ 2 ][ 1 ] + a[ 2 ][ 3 ] * b[ 3 ][ 1 ];
    c[ 2 ][ 2 ]  =  a[ 2 ][ 0 ] * b[ 0 ][ 2 ] + a[ 2 ][ 1 ] * b[ 1 ][ 2 ] + a[ 2 ][ 2 ] * b[ 2 ][ 2 ] + a[ 2 ][ 3 ] * b[ 3 ][ 2 ];
    c[ 2 ][ 3 ]  =  a[ 2 ][ 0 ] * b[ 0 ][ 3 ] + a[ 2 ][ 1 ] * b[ 1 ][ 3 ] + a[ 2 ][ 2 ] * b[ 2 ][ 3 ] + a[ 2 ][ 3 ] * b[ 3 ][ 3 ];

    c[ 3 ][ 0 ]  =  a[ 3 ][ 0 ] * b[ 0 ][ 0 ] + a[ 3 ][ 1 ] * b[ 1 ][ 0 ] + a[ 3 ][ 2 ] * b[ 2 ][ 0 ] + a[ 3 ][ 3 ] * b[ 3 ][ 0 ];
    c[ 3 ][ 1 ]  =  a[ 3 ][ 0 ] * b[ 0 ][ 1 ] + a[ 3 ][ 1 ] * b[ 1 ][ 1 ] + a[ 3 ][ 2 ] * b[ 2 ][ 1 ] + a[ 3 ][ 3 ] * b[ 3 ][ 1 ];
    c[ 3 ][ 2 ]  =  a[ 3 ][ 0 ] * b[ 0 ][ 2 ] + a[ 3 ][ 1 ] * b[ 1 ][ 2 ] + a[ 3 ][ 2 ] * b[ 2 ][ 2 ] + a[ 3 ][ 3 ] * b[ 3 ][ 2 ];
    c[ 3 ][ 3 ]  =  a[ 3 ][ 0 ] * b[ 0 ][ 3 ] + a[ 3 ][ 1 ] * b[ 1 ][ 3 ] + a[ 3 ][ 2 ] * b[ 2 ][ 3 ] + a[ 3 ][ 3 ] * b[ 3 ][ 3 ];

}

当然， 这个用for循环写出来要简洁些，但是，这样更原汁原味:)

byhuang
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
快速矩阵乘法的算法实现
qq_42327795的博客
03-10 1万+
快速矩阵乘法
矩阵相乘的快速算法
01-18 1643
http://dev.gameres.com/Program/Visual/3D/Mxquick.htm   
特斯拉森算法快速矩阵相乘算法
C_andylist的博客
03-15 3141
特斯拉森算法快速矩阵相乘：讲八次乘法简化为七次n^2.81远小于n^3.http://blog.csdn.net/ljn393124204/article/details/17149153
快速矩阵乘法Fast and Stable matrix multiplication
02-16
快速矩阵乘法 Fast and Stable matrix multiplication Coppersmith and Winograd's Algorithm 时间复杂度O(n^2.38)
juzhen.zip_矩阵乘法 快速
09-24
矩阵乘法，应用分治的思想方法快速计算两个矩阵相乘的结果。。。
juzhenchengfa.rar_快速 乘法_矩阵乘法 快速
09-14
快速乘法程序，对于矩阵的一些计算，提供了快速实现方法，希望能给大家一点帮助！
GPU上矩阵乘法快速实现
07-14
GPU上矩阵乘法的设计与实现，对于在cuda上做编程优化的同学有一定的参考价值。
yxy版c++教程 浅谈矩阵快速幂
01-09
矩阵快速幂与C++实现 矩阵快速幂是一种高效的算法，用于计算矩阵的幂运算。该算法基于二进制表示法，通过将幂运算分解为小幂运算，从而大大减少了计算次数。在C++中，矩阵快速幂可以通过模板实现，提高了计算效率。...
GPU并行加速矩阵乘法
12-01
GPU并行加速矩阵乘法 GPU并行加速矩阵乘法是利用GPU的并行计算能力来加速矩阵乘法运算的技术。矩阵乘法是机器学习、计算机视觉、科学计算等领域中的一个基本运算，它的计算复杂度很高，占用了大量的计算资源。传统...
矩阵快速幂求斐波那契数列（总结）
weixin_34221276的博客
12-29 7706
矩阵快速幂求斐波那契数列（总结）   第一部分：矩阵的基础知识 1.结合性 （AB)C=A(BC）． 2.对加法的分配性 （A+B)C=AC+BC，C(A+B）=CA+CB ． 3.对数乘的结合性 k(AB）=（kA)B =A(kB）． 4.关于转置 (AB)'=B'A'． 一个矩阵就是一个二维数组，为了方便声明多个矩阵，我们一般会将矩阵封装一个类或定义一个矩阵的结构体，我采用的是后...
C中实现矩阵乘法的一种高效的方法
fcsfcsfcs的博客
07-24 2341
作者： 字体：[增加 减小] 类型：转载 时间：2013-05-04 我要评论 本篇文章介绍了，在C中实现矩阵乘法的一种高效的方法。需要的朋友参考下 如何计算矩阵乘法，这个大家都知道。通常情况下，我们都是用以下代码实现的： 复制代码代码如下: for(i=0;i     for(j=0;j         sum=0;         fo
快速卷积以及矩阵乘法
lizhengx的专栏
10-22 5299
1. 【算法+图像处理】2D卷积与快速卷积算法C语言实现 https://blog.csdn.net/guduruyu/article/details/78385418?utm_source=blogxgwz0 用“ 快速卷积”来加速‘卷积’ （不同放大倍率的VDSR 重建程序）https://blog.csdn.net/juebai123/article/details/80960654?u...
Strassen矩阵乘法
Ben的专栏
10-20 2007
Strassen矩阵乘法矩阵乘法是线性代数中最常见的运算之一，它在数值计算中有广泛的应用。若A和B是2个n×n的矩阵，则它们的乘积C=AB同样是一个n×n的矩阵。A和B的乘积矩阵C中的元素C[i,j]定义为:　若依此定义来计算A和B的乘积矩阵C，则每计算C的一个元素C[i,j]，需要做n个乘法和n-1次加法。因此，求出矩阵C的n2个元素所需的计算时间为0(n3)。60年代末
【学习笔记】快速幂+矩阵+矩阵乘法+矩阵快速幂
ModestCoder_的博客
08-25 633
今天晚上我学习了矩阵 1、快速幂 通常，我们要算bpmodkbpmodkb^p mod k是这么算的： ans := 1; for i := 1 to p do ans := ans * b mod k; 显然，时间复杂度是O(p) 但是万一p很大，比如p≤109p≤109p≤10^9呢，暴力显然是Tle了 那么快速幂可以将O(p)优化成O(logp)级别 同样是算bpmod...
快速幂，矩阵乘法，矩阵快速幂
Wood_Du的博客
08-11 225
快速幂：快速幂取模 #include<iostream> #include<cstdio> #include<cstdlib> #include<algorithm> #include<cstring> //(a^b) mod c //=(a%c)^b mod c // a=a%c; for( ans=(ans*a)%c ); ...
矩阵乘法优化算法
热门推荐
dannis_bh的博客
04-12 1万+
本篇文章大部分思路与代码都来自于微信公众号“CPP开发者”中2016年4月11日的文章《矩阵相乘优化算法实现讲解》，基本相当于这篇文章的重点重述。 矩阵是什么以及矩阵乘法是怎么操作的，我想点开这篇文章的人都应该知道了，这里就不再赘述了。 首先回顾一下我们最朴素的算法： //计算矩阵a乘矩阵b，将结果存入c；p是第一个矩阵的行数，q是第二个矩阵的行数，r是第二个矩阵的列数 void mult(
HDOJ5015 233 Matrix（矩阵乘法加速递推）
weixin_33893473的博客
01-16 170
原题链接：HDOJ5015 题意简述：给定矩阵每个元素计算公式，求下标为（m，m）的元素的值。 解题思路：刚开始想着递推求出整个矩阵，后来我哭了。m 可达1e9，要化简到 lg 级别才能不超时，这时我隐约想到用转移矩阵加快速幂做了，根据《算法竞赛进阶指南》P151页所述，如果一类问题具有如下特点： 可以抽象出一个长度为n的一维向量，该向量在每个单位时间发生一...
矩阵乘法和矩阵快速幂
GD_ONE的博客
03-10 3021
文章目录摘要矩阵矩阵乘法 摘要 本文主要讲解矩阵乘法和矩阵快速幂。 矩阵 数学上，一个m×n{\displaystyle m\times n}m×n的矩阵是一个由mmm行（row）n列（column）元素排列成的矩形阵列。矩阵里的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2行3列的矩阵： [19−13205−6]{\displaystyle {\begin{bmatrix}1&...
c++快速幂矩阵乘法
最新发布
05-30
快速幂矩阵乘法是一种求解矩阵幂的高效算法，其时间复杂度为 $O(n^3\log k)$，其中 $n$ 表示矩阵的大小，$k$ 表示幂指数。 下面是 C++ 代码实现： ```c++ const int MAXN = 1005; struct Matrix { int n, m; ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值