Strassen算法

矩阵乘法最自然的想法就是一个接一个的接连相乘，时间复杂度为O（n^3）：

1. void Mul(int** matrixA, int** matrixB, int** matrixC)   
2. {   
3.     for(int i = 0; i < 2; ++i)    
4.     {   
5.         for(int j = 0; j < 2; ++j)    
6.         {   
7.             matrixC[i][j] = 0;   
8.             for(int k = 0; k < 2; ++k)    
9.             {   
10.                 matrixC[i][j] += matrixA[i][k] * matrixB[k][j];   
11.             }   
12.         }   
13.     }   
14. } 

当数据量很大的时候这个方法就显出其弊端了。于是考虑使用Strassen算法来提升效率，它属于分治算法范畴，将时间复杂度界定到了 O(n^2.80)。

对于A B两个矩阵：

定义七个变量：

具体流程：

• 两个矩阵A B相乘时，将A, B, C分成相等大小的方块矩阵：

；

• 可以看出C是这么得来的：

• 现在定义7个新矩阵（读者可以思考下，这7个新矩阵是如何想到的）：

• 而最后的结果矩阵C 可以通过组合上述7个新矩阵得到：

    表面上看，Strassen算法仅仅比通用矩阵相乘算法好一点，因为通用矩阵相乘算法时间复杂度是，而Strassen算法复杂度只是。但随着n的变大，比如当n >> 100时，Strassen算法是比通用矩阵相乘算法变得更有效率。