矩阵乘法及应用整理

本文参考：
http://www.matrix67.com/blog/archives/276（主要！）
IOI国家集训队2008 俞华程《矩阵乘法在信息学中的应用》（主要！）

因为matrix67大牛的文章出了一些偏差，文章剩余部分在这篇博客里可以找到
https://www.cnblogs.com/frog112111/tag/%E7%9F%A9%E9%98%B5%E7%BB%8F%E5%85%B8%E7%AE%97%E6%B3%95/

https://amoshyc.github.io/ojsolution-build/poj/p3233.html

---

前置技能树

1.两个N阶矩阵相乘：复杂度为N^3，（能优化到更低，但没必要去掌握）
2.快速幂算法：求数a^t，能在 （log t）的复杂度下，得解
3.矩阵快速幂：把矩阵A^k，跟上一个思路一样，不过基础单元a\*a变成了A\*A，复杂度就是矩阵\*快速幂(N^3\* long k)
4.求余运算：（a+b）%c=(a%c+b%c)%c，形状如此。乘法，次方也行

---

类型1：根据矩阵快速幂的定义操作

一： 给定矩阵A，请快速计算出A^n（n个A相乘）的结果，输出的每个数都mod p。

这是裸的矩阵快速幂，点亮前置技能树就能搞。

---

二：給定 NxN 矩陣 A，正整數 K，正整數 M，求 S = A^1 + A^2 + … + A^K。輸出時每個元素要 mod M。

网上有两种思路，
1.采用二分的方式：

首先我们知道，A^i可以二分求出。然后我们需要对整个题目的数据规模k进行二分。比如，当k=6时，有：
A + A^2 + A^3 + A^4 + A^5 + A^6 =(A + A^2 + A^3) + A^3*(A + A^2 + A^3)
应用这个式子后，规模k减小了一半。我们二分求出A^3后再递归地计算A + A^2 + A^3，即可得到原问题的答案。

2.构造矩阵：（容易理解）