矩阵快速幂以及其优化【华东交大课程】
快速幂基础:C++快速幂_Kicamon的博客-CSDN博客
矩阵快速幂就是在快速幂的基础上结合矩阵运算的用法,其用途较为广泛,可以很大程度上优化代码。
一、矩阵快速幂的实现
在矩阵快速幂中,我们利用类来存储矩阵及其运算法则。
我们先来看看代码的具体实现,再来讲解其语法。
struct Matrix
{
ll a[N][N];
Matrix()//构造函数
{
memset(a,0,sizeof a);
}
void init()//单元矩阵
{
for(int i = 0;i <= n;i++)
a[i][i] = 1;
}
Matrix operator*(const Matrix& B)const//运算符*的重构
{
Matrix C;
for(int i = 0;i < n;i++)
for(int k = 0;k < n;k++)
for(int j = 0;j < n;j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this),res;
res.init();
int p = t;
while(p)
{
if(p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
-
该结构体使用到的陌生语法有:构造函数、运算符重载和this指针,下边我们来看看着两个语法:
-
构造函数:
构造函数的特点是在结构体或者类中,函数名与结构体名称相同且其声明前方没有返回值。它会在结构体创建的时候自动调用,完成对结构体的初始化。与之对应的是析构函数,作用是对结构体的清除,感兴趣的同学可以自行了解。
-
运算符重载:
- 运算发重载的含义:指的是将已有的运算符赋予新的功能,并通过识别使用是的数据类型和数目来判断采用哪种操作。c/c++中有许多运算符其实已经经过了重构,例如*,在将其作用于地址的时候,它的作用是解引用;将其用于两个数字的时候,它的作用是得到两数的乘积。运算符重载的存在,使得代码可以变得更加简洁易懂。
- 在这里,我们将 * 运算符重载出求两矩阵的积的作用,将 ^ 运算符重载出求矩阵的次方的作用。当然,在 ^ 中我们使用了重载之后的 * 运算符。
-
this指针
- this指针存在于成员函数中,是一个用来指向对象本身地址的指针。例如上面代码中,this指针将该指针所在的结构体本身赋值给了结构体A。
-
二、例题讲解
1、利用矩阵快速幂推导斐波那契数列
在这之前,我们推导斐波那契数列的方法是这样的:
f[1] = f[2] = 1;
for(int i = 3;i <= n;i++)
f[i] = f[i - 1] + f[i - 2];
但是,学了矩阵快速幂之后,我们可以利用另一种方法来推导它:
所以我们可以利用矩阵快速幂先得到状态转换矩阵的n次方,再将其于初始矩阵相乘
#include<iostream>
#include<cstring>
using namespace std;
typedef long long ll;
const int N = 2, MOD = 1e9 + 7;
struct Matrix
{
ll a[2][2];
Matrix()
{
memset(a, 0, sizeof a);
}
void init()
{
for (int i = 0; i < 2; i++)
a[i][i] = 1;
}
Matrix operator*(const Matrix& B)const
{
Matrix C;
for (int i = 0; i < 2; i++)
for (int k = 0; k < 2; k++)
for (int j = 0; j < 2; j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this), res;
res.init();
int p = t;
while (p)
{
if (p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
Matrix bace;
int main()
{
bace.a[0][0] = 0, bace.a[0][1] = 1;
bace.a[1][0] = 1, bace.a[1][1] = 1;
int n;
cin >> n;
if (n == 1 || n == 2)puts("1");
else
{
Matrix ans = bace ^ n;
cout << ans.a[0][1] << endl;//f[n] = ans.a[0][0] * f[0] + ans.a[0][1] * f[1],f[0] = 0,f[1] = 1
}
return 0;
}
2、求Sn
我们先来看看式子的推导过程:
#include<iostream>
#include<cstring>
using namespace std;
typedef long long ll;
const int N = 2, MOD = 1e9 + 7;
struct Matrix
{
ll a[2][2];
Matrix()
{
memset(a, 0, sizeof a);
}
void init()
{
for (int i = 0; i < 2; i++)
a[i][i] = 1;
}
Matrix operator*(const Matrix& B)const
{
Matrix C;
for (int i = 0; i < 2; i++)
for (int k = 0; k < 2; k++)
for (int j = 0; j < 2; j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this), res;
res.init();
int p = t;
while (p)
{
if (p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
Matrix bace;
int main()
{
int a, b, n, m;
cin >> a >> b >> n >> m;
bace.a[0][0] = a, bace.a[0][1] = b;
bace.a[1][0] = 1, bace.a[1][1] = a;
Matrix t = bace ^ n;
int Xn = t.a[0][0];
cout << (Xn * 2) % MOD << endl;
return 0;
}
3、梦想之弧
先看看推导过程:
#include<iostream>
#include<cstring>
using namespace std;
typedef long long ll;
const int MOD = 1e9 + 7;
int A0, AX, AY, B0, BX, BY;
struct Matrix
{
int a[6][6];
Matrix()
{
memset(a, 0, sizeof a);
}
void init()
{
for (int i = 0; i < 5; i++)
a[i][i] = 1;
}
Matrix operator*(const Matrix& B)const
{
Matrix C;
for (int i = 0; i < 5; i++)
for (int k = 0; k < 5; k++)
for (int j = 0; j < 5; j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this), res;
res.init();
int p = t;
while (p)
{
if (p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
Matrix bace, once;
int main()
{
int n;
cin >> n;
cin >> A0 >> AX >> AY;
cin >> B0 >> BX >> BY;
bace.a[0][0] = AX * BX, bace.a[0][4] = 1;
bace.a[1][0] = AX * BY, bace.a[1][1] = AX;
bace.a[2][0] = AY * BX, bace.a[2][2] = BX;
bace.a[3][0] = AY * BY, bace.a[3][1] = AY, bace.a[3][2] = BY, bace.a[3][3] = 1;
bace.a[4][4] = 1;
int a1 = A0 * AX + AY, b1 = B0 * BX + BY;
once.a[0][0] = a1 * b1, once.a[0][1] = a1, once.a[0][2] = b1, once.a[0][3] = 1, once.a[0][4] = A0 * B0;
Matrix ans = once * (bace ^ (n - 1));
cout << ans.a[0][4] << endl;
return 0;
}
三、矩阵乘法的优化
在上边我们用到的矩阵乘法是三重循环的,时间复杂度为O(n3),在进行较大的矩阵运算时便会显得吃力。下边我们介绍两种方法来对矩阵的乘法进行优化。
1、省去为0的运算
Matrix operator*(const Matrix& B)const
{
Matrix C;
for(int i = 0;i < n;i++)
{
for(int k = 0;k < n;k++)
{
if(!a[i][k])continue;//为0时乘积为0,直接跳过
for(int j = 0;j < n;j++)
{
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
}
}
}
}
2、利用二进制优化
这个方法需要用到模板类bitset,我们先来学习一下待会要用到的语法。
- bitset是将数据用二进制储存下来并且进行编辑。在定义的时候,我们需要规定其长度,例如bitset<10>a,就是创建一个十位的二进制空间a。
bitset<10>a;//创建,a的初始状态为:0000000000
a.set(3);//将第3位变成1,此时a的状态为:0000000100
a.reset();//将所有位清零,此时a的状态为:0000000000
a.set(4),a.set(5),a.set(2);
a.count();//统计a中的1的数量,此时a的状态为:0000011010,a.count() = 3
在掌握以上语法之后,我们就可以来看看它的优化方法了:
首先我们创建两个数组:
bitset<1000>bt[805][3],ct[805][3];
然后,我们来看看它的运算过程:
如此如此便可得到结果,我们来看看最终的代码,这时候的时间复杂度为O(n2):
#include<iostream>
#include<bitset>
using namespace std;
const int N = 805;
bitset<1000>bt[N][3], ct[N][3];
int main()
{
int n, c;
cin >> n;
for (int i = 1; i <= n; i++)
for (int j = 0; j < 3; j++)
bt[i][j].reset(), ct[i][j].reset();
for(int i = 1;i <= n;i++)
for (int j = 1; j <= n; j++)
{
cin >> c;
bt[i][c % 3].set(j);
}
for(int i = 1;i <= n;i++)
for (int j = 1; j <= n; i++)
{
cin >> c;
ct[j][c % 3].set(i);
}
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= n; j++)
{
int c = ((bt[i][1] & ct[j][1]).count()
+ 2 * (bt[i][1] & ct[j][2]).count()
+ 2 * (bt[i][2] & ct[j][1]).count()
+ 2 * (bt[i][2] & ct[j][2]).count()) % 3;
cout << c << ' ';
}
cout << endl;
}
return 0;
}
四、矩阵快速幂加速DP
1、Clarke and digits
这道题可是重量级。它运用的是矩阵快速幂和数位DP(数位DP将在之后吉吉会详细地讲解)。
首先 ,我们要考虑的是如何表示状态,根据题干,我们可以提取三个信息:长度、模数、数位。
我们创建一个三位数组,每一维度分别表示一条信息。如==a[i] [j] [k]==表示的长度为i、模数为j且尾数为k的数的数量。
下面来看看它的表示原理和状态更新的方式:
但是矩阵应该由二维数组表示,那我们开看看,能不能通过某种方式来减去一个维度。答案当然是可以的,先来看看压缩之后的结果:
a[i] [j] [k] = a[i] [j * 10 + k]
原理何在?我们知道,j是对7取模之后的结果,所以它的范围为[0,7];k是尾数,尾数即最后一位数,所以它的范围为[0,9]。所以数组a的两维可以表示为一个7 * 10的矩阵,而上图的压缩方法是将其变成了一个1 * 70的矩阵,0 ~ 9表示原来的第一行的状态,10 ~ 19表示原来的第二行的状态,以此类推。那么,我们就得到一个二维数组,即我们需要的矩阵了。
学到这里,结果就明了了,构建完状态矩阵和初始矩阵之后,其他的套模板即可:
状态矩阵:
void init(int k)
{
memset(bace.a,0,sizeof bace.a);
for(int i = 0;i < 70;i++)
{
int x = i / 10,y = i % 10;//余数和尾数
for(int j = 0;j < 70;j++)
{
int a = j / 10,b = j % 10;//上一状态的余数和尾数
if((a * 10 + y) == x && y + b != k)
bace.a[j][i] = 1;
}
}
}
初始矩阵:
for(int i = 1;i < 10;i++)once.a[0][(i % 7) * 10 + i] = 1;
完整代码如下:
#include<iostream>
#include<cstring>
using namespace std;
typedef long long ll;
const int N = 71, MOD = 1e9 + 7;
struct Matrix
{
int a[N][N];
Matrix()
{
memset(a, 0, sizeof a);
}
void init()
{
for (int i = 0; i < N; i++)
for (int j = 0; j < N; j++)
a[i][j] = (i == j);
}
Matrix operator*(const Matrix& B)const
{
Matrix C;
for (int i = 0; i < N; i++)
for (int k = 0; k < N; k++)
for (int j = 0; j < N; j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % MOD;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this), res;
res.init();
int p = t;
while (p)
{
if (p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
Matrix bace, once;
void init(int k)
{
memset(bace.a, 0, sizeof bace.a);
for (int i = 0; i < 70; i++)
{
int x = i / 10, y = i % 10;
for (int j = 0; j < 70; j++)
{
int a = j / 10, b = j % 10;
if ((a * 10 + y) % 7 == x && y + b != k)
bace.a[j][i] = 1;
}
}
for (int i = 0; i < 10; i++)bace.a[i][70] = 1;
bace.a[70][70] = 1;
}
int main()
{
memset(once.a, 0, sizeof once.a);
for (int i = 1; i < 10; i++)once.a[0][(i % 7) * 10 + i] = 1;
int t;
cin >> t;
while (t--)
{
int l, r, k;
cin >> l >> r >> k;
init(k);
Matrix ans1 = once * (bace ^ (l - 1));
Matrix ans2 = once * (bace ^ r);
ll ans = ans2.a[0][70] - ans1.a[0][70];
ans = (ans % MOD + MOD) % MOD;
cout << ans << endl;
}
return 0;
}
2、我也不知道这题叫啥,因为找不到
这里没有什么变编程上的语法知识,我们直接看看推导过程即可:
以下是费马小定理的衍生:
我们在求Kn时便可对p-1取模,防止数据过大
代码如下:
#include<iostream>
#include<cstring>
using namespace std;
typedef long long ll;
const int N = 3;
int n, a, b, c, p;
struct Matrix
{
int a[N][N];
Matrix()
{
memset(a, 0, sizeof a);
}
void init()
{
for (int i = 0; i < N; i++)
a[i][i] = 1;
}
Matrix operator*(const Matrix& B)const
{
Matrix C;
for (int i = 0; i < N; i++)
for (int k = 0; k < N; k++)
for (int j = 0; j < N; j++)
C.a[i][j] = (C.a[i][j] + a[i][k] * B.a[k][j]) % p;
return C;
}
Matrix operator^(const int& t)const
{
Matrix A = (*this), res;
int p = t;
res.init();
while (p)
{
if (p & 1)res = res * A;
A = A * A;
p >>= 1;
}
return res;
}
};
ll pow(int a, int b)
{
int ans = 1;
while (b)
{
if (b & 1)ans = (ans * a) % p;
a = (a * a) % p;
b >>= 1;
}
return 1;
}
Matrix bace, once;
void init()
{
memset(bace.a, 0, sizeof bace.a);
memset(once.a, 0, sizeof once.a);
bace.a[0][0] = c, bace.a[0][1] = 1, bace.a[0][2] = 1;
bace.a[1][0] = 1, bace.a[2][2] = 1;
once.a[0][0] = b, once.a[1][0] = 0, once.a[2][0] = b;
}
int main()
{
cin >> n >> a >> b >> c >> p;
if (n == 1)puts("1");
else if (n == 2)cout << pow(a, b) << endl;
else
{
p--;
Matrix ans = bace ^ (n - 2);
p++;
ans = once * ans;
cout << ans.a[0][0] << endl;
}
return 0;
}