矩阵乘法
引入
由于线性递推式可以表示成矩阵乘法的形式,也通常用矩阵快速幂来求线性递推数列的某一项。
利用结合律,矩阵乘法可以利用 快速幂 的思想来优化。
例题
斐波那契前 n 项和
大家都知道 Fibonacci 数列吧,f1=1,f2=1,f3=2,f4=3,…,fn=fn−1+fn−2。
现在问题很简单,输入 n 和 m,求 fn 的前 n 项和 Snmodm。
输入格式
共一行,包含两个整数 n 和 m。
输出格式
输出前 n 项和 Snmodm 的值。
数据范围
1≤n≤2000000000
,
1≤m≤1000000010
输入样例:
5 1000
输出样例:
12
思路
已知递推公式
S
n
+
1
=
S
n
+
f
n
+
1
S_{n + 1} = S_n + f_{n + 1}
Sn+1=Sn+fn+1,对于求
S
n
+
1
S_{n + 1}
Sn+1我们要知道
S
n
和
f
n
+
1
S_n和f_{n + 1}
Sn和fn+1。
构造矩阵
F
n
=
[
f
n
,
f
n
+
1
,
S
n
]
F_n = [f_n, f_{n + 1}, S_n]
Fn=[fn,fn+1,Sn]。
对于
F
n
+
1
=
[
f
n
+
1
,
f
n
+
2
,
S
n
+
1
]
F_{n + 1} = [f_{n + 1}, f_{n + 2}, S_{n + 1}]
Fn+1=[fn+1,fn+2,Sn+1]等于
F
n
F_n
Fn与矩阵
A
=
[
[
0
,
1
,
0
]
,
[
1
,
1
,
1
]
,
[
0
,
0
,
1
]
]
A = [[0, 1, 0], [1, 1, 1], [0, 0, 1]]
A=[[0,1,0],[1,1,1],[0,0,1]]相乘,
对于
F
n
=
F
1
∗
A
n
−
1
F_n = F_1 * A^{n - 1}
Fn=F1∗An−1
代码
from copy import deepcopy
N = 3
F1 = [[0] * N for _ in range(N)]
F1[0] = [1, 1, 1]
A = [[0, 1, 0], [1, 1, 1], [0, 0, 1]]
def mul(a, b) :
tmp = [[0] * N for _ in range(N)]
for i in range(N) : # i行
for j in range(N) : # j列
for k in range(N) :
tmp[i][j] = (tmp[i][j] + a[i][k] * b[k][j]) % m
return tmp
def qmi(a, k) :
res = deepcopy(F1)
while k :
if k & 1 :
res = mul(res, a)
k >>= 1
a = mul(a, a)
return res
n, m = map(int, input().split())
res = qmi(A, n - 1)
print(res[0][2])
佳佳的斐波那契
佳佳对数学,尤其对数列十分感兴趣。
在研究完 Fibonacci 数列后,他创造出许多稀奇古怪的数列。
例如用 S(n) 表示 Fibonacci 前 n项和 modm
的值,即 S(n)=(F1+F2+…+Fn)modm,其中 F1=F2=1,Fi=Fi−1+Fi−2。
可这对佳佳来说还是小菜一碟。
终于,她找到了一个自己解决不了的问题。
用 T(n)=(F1+2F2+3F3+…+nFn)modm 表示 Fibonacci 数列前 n 项变形后的和 modm 的值。
现在佳佳告诉你了一个 n 和 m,请求出 T(n) 的值。
输入格式
共一行,包含两个整数 n 和 m。
输出格式
共一行,输出 T(n) 的值。
数据范围
1≤n,m≤2^31−1
输入样例:
5 5
输出样例:
1
样例解释
T(5)=(1+2×1+3×2+4×3+5×5)mod5=1
思路
T
n
+
1
=
T
n
+
(
n
+
1
)
∗
f
n
+
1
T_{n + 1}= T_n + (n +1)* f_{n + 1}
Tn+1=Tn+(n+1)∗fn+1,矩阵乘法要使用快速幂推导,等式必须是线性的,也就是保证转移矩阵中只有常数。
对于求取
T
n
T_n
Tn,必须构造一个线性的递推公式(必须包含
T
n
T_n
Tn)的函数。
对于
P
n
=
n
S
n
−
T
n
P_{n} = nS_n - T_n
Pn=nSn−Tn有这样的递推公式
P
n
+
1
=
P
n
+
S
n
P_{n + 1} = P_n + S_n
Pn+1=Pn+Sn
构造
F
n
=
[
f
n
,
f
n
+
1
,
S
n
,
P
n
]
F_n = [f_n, f_{n + 1}, S_n, P_n]
Fn=[fn,fn+1,Sn,Pn],
F
n
+
1
=
[
f
n
+
1
,
f
n
+
2
,
S
n
+
1
,
P
n
+
1
]
F_{n + 1} = [f_{n + 1}, f_{n + 2}, S_{n + 1}, P_{n + 1}]
Fn+1=[fn+1,fn+2,Sn+1,Pn+1],
转移矩阵为
A
=
[
[
0
,
1
,
0
,
0
]
,
[
1
,
1
,
1
,
0
]
,
[
0
,
0
,
1
,
1
]
,
[
0
,
0
,
0
,
1
]
]
A = [[0, 1, 0, 0], [1, 1, 1, 0], [0, 0, 1, 1], [0, 0, 0, 1]]
A=[[0,1,0,0],[1,1,1,0],[0,0,1,1],[0,0,0,1]]
F
n
=
F
1
∗
A
n
−
1
F_n = F_1* A^{n - 1}
Fn=F1∗An−1
代码
from copy import deepcopy
N = 4
F1 = [[0] * N for _ in range(N)]
F1[0] = [1, 1, 1, 0]
A = [[0, 1, 0, 0],
[1, 1, 1, 0],
[0, 0, 1, 1],
[0, 0, 0, 1]]
def mul(a, b) :
tmp = [[0] * N for _ in range(N)]
for i in range(N) :
for j in range(N) :
for k in range(N) :
tmp[i][j] = (tmp[i][j] + a[i][k] * b[k][j]) % m
return tmp
def qmi(a, k) :
res = deepcopy(F1)
while k :
if k & 1 :
res = mul(res, a)
k >>= 1
a = mul(a, a)
return res
n, m = map(int, input().split())
res = qmi(A, n - 1)
print((n * res[0][2] - res[0][3]) % m)