寒假因为一些小插曲推迟了几天,我们借此机会预习一下,防止后边的进程跟不上。
矩阵乘法
在了解矩阵快速幂前,首先要了解矩阵乘法,
矩阵乘法进行的前提是A的行等于B的列。
下面给出矩阵乘法的代码:
for(int i = 1; i <= n;i ++)
{
for(int j = 1; j <= n; j ++)
{
for(int k = 1; k <= n; k ++)
{
z.a[i][j] = (z.a[i][j] + (x.a[i][k] * y.a[k][j]) ); // x , y 下文有解释。
}
}
}
矩阵快速幂
顾名思义,对一个矩阵进行快速幂从而达到我们所需要的目的。矩阵快速幂的写法和普通的快速幂相差不大,只需要改为矩阵相乘的形式即可。
矩阵快速幂的题,我们的主要任务是需要求出加速矩阵,把加速矩阵求出来之后,再套上矩阵快速幂的板子,即可达到优化时间复制度的目的。
矩阵加速斐波那契
我们以斐波那契数列为例。
如果n比较大的话,我们通过一般的计算,时间复杂度为O(n),通过加速矩阵,我们只需要进行快速幂的操作后,再进行一次矩阵乘法,即可到达我们所需要的目的,时间复杂度为O(logn)。
题目链接 : https://www.acwing.com/problem/content/description/1305/
题目简意 :计算斐波那契的前n项和。
由于数据较大,所以本题仍需要使用加速矩阵进行优化,
为什么是这个矩阵,建议自行推导一下。第三个值是Sn。
#include<stdio.h>
#include<string.h>
#include<iostream>
#include<algorithm>
#include<cmath>
#include<queue>
#include<vector>
#define ll long long
#define buff ios::sync_with_stdio(false)
using namespace std;
const int N = 1e3 + 10;
const int mod = 1e9 + 7;
int n , m ;
struct Matrix
{
ll a[15][15]; // 太大会炸。
void init(int x) // 初始化矩阵。
{
memset(a, 0, sizeof(a));
for(int i = 1; i <= 3; i++)
{
a[i][i] = x;
}
}
Matrix operator * (const Matrix &x) const //矩阵乘法
{
Matrix res;
res.init(0);
for(int i = 1; i <= 3; i++)
{
for(int j = 1; j <= 3; j++)
{
for(int k = 1; k <= 3; k++)
{
res.a[i][j] = (res.a[i][j] + (a[i][k] * x.a[k][j]) % m) % m;
}
}
}
return res;
}
};
Matrix quickPow(Matrix x, ll y)
{
Matrix res;
res.init(1); // 初始矩阵。
x = x * res;
while(y)
{
if(y & 1)
{
res = res * x;
}
y >>= 1;
x = x * x;
}
return res;
}
int main()
{
buff;
cin >> n >> m;
Matrix x,ans,y;
ans.a[1][1] = 1,ans.a[1][3] = 1,ans.a[1][2] = 1; // 加速矩阵。
x.a[1][1] = 0,x.a[1][2] = 1,x.a[1][3] = 0;
x.a[2][1] = 1,x.a[2][2] = 1,x.a[2][3] = 1;
x.a[3][1] = 0,x.a[3][2] = 0,x.a[3][3] = 1;
y = quickPow(x,n - 1); //矩阵快速幂
ans = ans * y; // 目标矩阵。
cout << ans.a[1][3] << " ";
}
over~