算法导论4.2矩阵乘法的strassen算法

4.2矩阵乘法的strassen算法

1.点积方法计算C=A*B,(A、B都为n*n的方阵）

$$c_{ij}=\sum _{k=1}^n{a}_{ik}{b}_{kj}$$

计算每个$c_{ij}$都要n步，而C矩阵共有n*n个$c_{ij}$需要计算，故时间复杂度为$O(n^3)$;

2.分治算法计算C

将A、B、C均分解为4个$n/2\times n/2$的子矩阵：

$A=\left[\begin{array}{cc}{A}_{11}& A_{12}\\ A_{21}& A_{22}\end{array}\right]$ $B=\left[\begin{array}{cc}{B}_{11}& B_{12}\\ B_{21}& B_{22}\end{array}\right]$ $C=\left[\begin{array}{cc}{C}_{11}& C_{12}\\ C_{21}& C_{22}\end{array}\right]$

故公式C=A·B改写为：

​ $\left[\begin{array}{cc}{C}_{11}& C_{12}\\ C_{21}& C_{22}\end{array}\right]=\left[\begin{array}{cc}{A}_{11}& A_{12}\\ A_{21}& A_{22}\end{array}\right]\cdot \left[\begin{array}{cc}{B}_{11}& B_{12}\\ B_{21}& B_{22}\end{array}\right]⟺$

$C_{11}=A_{11}\cdot B_{11}+A_{12}\cdot B_{21}$

$C_{12}=A_{11}\cdot B_{12}+A_{12}\cdot B_{22}$

$C_{21}=A_{21}\cdot B_{11}+A_{22}\cdot B_{21}$

$C_{11}=A_{21}\cdot B_{12}+A_{22}\cdot B_{22}$

即计算C=A·B可以分解为8个子问题来设计出递归分治算法：

算法运算时间的递归式为：
$$\begin{gathered} T(n)=\{\begin{array}{llc}O(1)& & n=1\\ 8T(n/2)+O(n^2)& & n>1\end{array} \\ (注)四次加法计算需要4\times n/2\times n/2步 \end{gathered}$$
此时我们运用主方法可得，时间复杂度$T(n)=O(n^3)$

3.改进分治算法，strassen方法

srassen的核心思想是令递归树不那么茂盛，即递归只分解为7个子问题而不是8个，减少一个子问题的代价是进行而外基础子矩阵的常数次加法。

1.每个矩阵均分解为4个$n/2\times n/2$的子矩阵：

利用下标计算法，花费O(1)时间

2.创建10个个$n/2\times n/2$的矩阵

由1中分解的子矩阵和或差得到，花费$O(n^2)$时间

3.递归的计算7个矩阵积

利用1和2中的矩阵

4.将7个矩阵积的不同组合进行加减运算，计算出$C_{11}、C_{12}、C_{21}、C_{22}$

算法运算时间的递归式为：
$$T(n)=\{\begin{array}{llc}O(1)& & n=1\\ 7T(n/2)+O(n^2)& & n>1\end{array}$$

4.原理应用

如果可以用k次乘法操作完成两个3*3矩阵相乘，那么你可以在$O(n^{lg7})$时间内完成n*n的乘法操作，满足这一条件的最大k是多少？

T(n) = kT(n/3)+O(1)，通过主定理得$lo{g}_{3}k<log7$,故k=21。