快速幂和矩阵快速幂(取模)算法

最新推荐文章于 2023-09-29 11:11:20 发布

PeterBishop0

最新推荐文章于 2023-09-29 11:11:20 发布

阅读量1.8w

点赞数 36

分类专栏：数据结构与算法

本文链接：https://blog.csdn.net/qq_40061421/article/details/82625338

版权

数据结构与算法专栏收录该内容

42 篇文章 10 订阅

订阅专栏

对于普通类型的求a^n，我们的求法是不是aaa*a....，这样乘以n次，时间复杂度为O(n)，对于普通n比较小的我们可以接受，然而当n比较大的时候，计算就慢了，所以我们就去寻找更快捷的计算方法！

例如：我们要求2^8，我们通过当为偶数的时候，a^n=(aa)^(n/2)，当n为奇数时，a^n=a(aa)^(n/2)的形式，是不是可以转化为4^4->16^2->256^1，就可以了，2^5的话24^2->2*16^1。(把幂化为底数，减少乘法的次数）

int power(int a, int n)//a^n
{
    int ans = 1;
    while(n > 0) 
    {
        if(n&1) //当n为奇数时，乘以余下的一个a
            ans *= a;
        a *= a;
        n /= 2;
    }
    return ans;
}

但是当n比较大时往往我们的结果都非常大，如果直接算的话就会溢出，所以我们在计算的过程中会对结果取模，然后我们就有了快速幂取模算法。控制数据的大小，对于取模我们有(ab)%c = ((a%c)(b%c))%c，给出代码。

int power(long long a, int n)
{
    long long ans = 1;
    while(n > 0) 
    {
        if(n&1) 
        {
            ans *= a;
            ans %= mod;
        }
        a *= a%mod;
        a %= mod;
        n /= 2;
    }
    return ans%mod;
}

下面是矩阵快速幂，区别只是底数换成了矩阵

const int N=10;
int n,mod;
int temp[N][N];
int res[N][N],a[N][N];
void mul(int a[][N],int b[][N])//矩阵乘法
{
    memset(temp,0,sizeof(temp));
    for(int i=0;i<N;i++)
        for(int j=0;j<N;j++)
            for(int k=0;k<N;k++)
                temp[i][j]=(temp[i][j]+a[i][k]*b[k][j]%mod)%mod;
    for(int i=0;i<N;i++)
        for(int j=0;j<N;j++)
            a[i][j]=temp[i][j];
    return ;
}
void fun(int nn)//快速幂，只不过底数换成了矩阵
{
    memset(res,0,sizeof(res));
    for(int i=0;i<N;i++)
        res[i][i]=1;//单位阵
    while(nn){
        if(nn&1)//奇数的话res×a
            mul(res,a);
        mul(a,a);//a自己平方
        nn>>=1;//幂次/2
    }
    return ;
}

应用如下：

我们从最简单的斐波那契数列入手，求菲波那切数列的第n项，n很大，所以MOD1e9+7

斐波的为前两项之和，即发f[0]=1,f[1]=1,f[i] = f[i-1]+f[i-2](i>1)

比较简单的可以直接得到递推式

，进一步递推

由于矩阵乘法满足结合律，所它也可以用快速幂算法求解。

然后给一些简单的递推式:
1.f(n)=af(n-1)+bf(n-2)+c；（a,b,c是常数）

2.f(n)=c^n-f(n-1) ；（c是常数）

简单的例子

Fibonacci数列

考虑 Fibonacci 数列， $F(n)=F(n-1)+F(n-2)$

将右边两项看做是一个列向量的形式，令

$X_{n-1}=\left\{\begin{matrix}F_{n-1}\\F_{n-2}\end{matrix}\right\}$

很容易得到的形式，即

$X_{n}=\left\{\begin{matrix}F_{n}\\F_{n-1}\end{matrix}\right\}$
现在的任务就是找到一个系数矩阵，使得 $AX_{n-1}=X_n$ ，且需与无关。
如果能够找到这个，则易知 $A^{n-1}X_1=X_n$ ，于是可以利用矩阵快速幂计算出。这样就可以在 O(logn) 的时间内计算出指定的 Fibonacci 数。
这个矩阵很容易找，观察易得

$A=\left\{\begin{matrix}1&1\\1& 0\end{matrix}\right\}\tag{1}$

Fibonacci数列变种

推广一下，如果令 $F_n=aF_{n-1}+bF_{n-2}$ ，则系数矩阵为

$A=\left\{\begin{matrix}a&b\\1& 0\end{matrix}\right\}\tag{2}$

利用二项式展开构造矩阵

计算k次方和

Fibonacci数列只是最简单的例子，对于稍微复杂一点的例子，二项式展开是常用的一项技术。
考虑计算：

$S_n=\sum_{i=1}^n{i^k}$

易得

Sn=n^k+Sn-1

如果仿照 Fibonacci 数列，令

$X_{n-1}=\left\{\begin{matrix}n^k\\S_{n-1}\end{matrix}\right\}$

则

$X_{n}=\left\{\begin{matrix}(n+1)^k\\S_{n}\end{matrix}\right\}$

此时，可求出

$A=\left\{\begin{matrix}\left({\frac{n+1}{n}}\right)^{k}&&0\\1&&1\end{matrix}\right\}$

这个系数矩阵很明显是不能用的，因为它与n有关，无法将递推公式转化为矩阵的幂运算。
这里需要使用二项式展开。

$S_n=(n-1+1)^k+S_{n-1}\\=C_k^0(n-1)^k+C_k^1(n-1)^{k-1}+\cdots+C_k^k+S_{n-1}$

此时，如果令

$X_{n-1}=\left\{\begin{matrix}(n-1)^k\\(n-1)^{k-1}\\\vdots\\(n-1)^0\\S_{n-1}\end{matrix}\right\}$

则有

$X_{n}=\left\{\begin{matrix}n^k\\n^{k-1}\\\vdots\\n^0\\S_{n}\end{matrix}\right\}$

现在的任务与刚才一样，找到一个系数矩阵，使得 AXn-1=Xn ，且需与无关。
有关SnSn的递推公式实际上就指明了AA的最后一行。而利用二项式展开很容易得到其他行。
有

$A=\left\{\begin{matrix}C_k^0&&C_k^1&&\cdots&&C_k^k&&0\\0&&C_{k-1}^0&&\cdots&&C_{k-1}^{k-1}&&0\\\vdots&&\vdots&&\ddots&&\vdots&&\vdots\\0&&\cdots&&\cdots&&C_0^0&&0\\C_k^0&&C_k^1&&\cdots&&C_k^k&&1\end{matrix}\right\}\tag{3}$
最后有

$A^{n-1}X_1=X_n$

且

$X_1=\left\{1\space1\space\cdots\space1\right\}^T$

利用该系数矩阵可以在O(k3logn)O(k3log⁡n)时间内计算出kk次方的和。

更一般的例子

再考虑一个一般情况：

$S_n=\sum_{i=1}^n{(ai+b)^k}$

与刚才几乎一模一样，有

$S_n=[a(n-1)+(a+b)]^k+S_{n-1}\\=C_k^0a^k(n-1)^k+C_k^1a^{k-1}(a+b)(n-1)^{k-1}+\cdots+C_k^k(a+b)^k+S_{n-1}$

剩下的步骤，也几乎完全与之前的一样，令

$X_{n-1}=\left\{\begin{matrix}(n-1)^k\\(n-1)^{k-1}\\\vdots\\(n-1)^0\\S_{n-1}\end{matrix}\right\}$

则

$X_{n}=\left\{\begin{matrix}n^k\\n^{k-1}\\\vdots\\n^0\\S_{n}\end{matrix}\right\}$

同样，有关SnSn的递推公式实际上就指明了AA的最后一行，其他行则利用二项式展开得到。
有

$A=\left\{\begin{matrix}C_k^0&&C_k^1&&\cdots&&C_k^k&&0\\0&&C_{k-1}^0&&\cdots&&C_{k-1}^{k-1}&&0\\\vdots&&\vdots&&\ddots&&\vdots&&\vdots\\0&&\cdots&&\cdots&&C_0^0&&0\\C_k^0a^k&&C_k^1a^{k-1}(a+b)&&\cdots&&C_k^k(a+b)^k&&1\end{matrix}\right\}\tag{4}$

更复杂的例子

假设要计算如下和式：

$S_n=\sum_{i=1}^ni^kk^i$

同样，将其写成递推公式，有

$S_n=n^kk^n+S_{n-1}\\=(n-1+1)^kk^{(n-1)+1}+S_{n-1}\\=C_k^0(n-1)^kk^{(n-1)+1}+C_k^1(n-1)^{k-1}k^{(n-1)+1}+\cdots+C_k^kk^{(n-1)+1}+S_{n-1}$

将与有关的项抽出来作为列向量，令

$X_{n-1}=\left\{\begin{matrix}(n-1)^kk^{(n-1)+1}\\(n-1)^{k-1}k^{(n-1)+1}\\\vdots\\(n-1)^0k^{(n-1)+1}\\S_{n-1}\end{matrix}\right\}$

则

$X_{n}=\left\{\begin{matrix}n^kk^{n+1}\\n^{k-1}k^{n+1}\\\vdots\\n^0k^{n+1}\\S_{n}\end{matrix}\right\}$

同样，有关Sn的递推公式说明了系数矩阵AA的最后一行。而其他行仍然可以由二项式展开得到，只是相差了一个系数k而已，这很容易解决。
最后，有

$A=\left\{\begin{matrix}kC_k^0&&kC_k^1&&\cdots&&kC_k^k&&0\\0&&kC_{k-1}^0&&\cdots&&kC_{k-1}^{k-1}&&0\\\vdots&&\vdots&&\ddots&&\vdots&&\vdots\\0&&\cdots&&\cdots&&kC_0^0&&0\\C_k^0&&C_k^1&&\cdots&&C_k^k&&1\end{matrix}\right\}\tag{5}$

PeterBishop0

关注

36
点赞
踩
167

收藏

觉得还不错? 一键收藏
7
评论
快速幂和矩阵快速幂(取模)算法

对于普通类型的求a^n，我们的求法是不是a*a*a*a....，这样乘以n次，时间复杂度为O(n)，对于普通n比较小的我们可以接受，然而当n比较大的时候，计算就慢了，所以我们就去寻找更快捷的计算方法！例如：我们要求2^8，我们通过当为偶数的时候，a^n=(a*a)^(n/2)，当n为奇数时，a^n=a*(a*a)^(n/2)的形式，是不是可以转化为4^4-&gt;8^2-&gt;64^1，就可...
复制链接

扫一扫