DP优化：矩阵乘法

话说这是博主的第一篇博客。。。

咳咳咳，今天讲的是DP的一种优化策略——矩阵乘法

关于能用矩阵乘法优化的DP题目，有如下几个要求：

1. 转移式只有加法，清零，减法etc.，max和min运算不允许
2. 转移式中关于前几位dp结果得到的系数必须是常量
3. 转移次数一般超级多
4. 由于转移次数多，一般都要模一个int范围内的数

综上，举一个例子：

$dp[i]=a\times dp[i-1]+b\times dp[i-2]+c\times dp[i-3]$

其中，a,b,c是常量，而在需要矩阵优化的DP中，往往 i 在2^128之类的，特别鬼畜的特别大的数；
因为矩阵乘法优化后求dp[ i ] 是在O log（i）的时间内完成的。
那么，关于矩阵乘法如何实现，它的原理又是啥呢？
矩阵乘法需要两个矩阵A与B，A是n×p，B是p×m的大小，如下图
为了方便解释，我们举斐波那契的例子。
斐波那契的转移式是：dp[ i ]=dp[ i-1 ]+dp[ i-2 ]。
那么我们把（dp[ i ]，dp[ i-1 ]）看做一个1×2的矩阵A
而每次转移相当于把A乘以矩阵F：
|1 1|
|1 0|
得出的结果是：$（dp[i]+dp[i-1]，dp[i]）$，也就是 （ d p [ i + 1 ] ，