算法基础期末考点总结四——矩阵乘法时间复杂度

这只是一个科普性质的部分，矩阵乘法老师没有细讲，就介绍了一下原理和时间复杂度为多少。
这里一个需要了解的概念就是分治法，其包括三个步骤：

这也是后面递归式的由来，子问题的时间复杂度和合并问题的时间复杂度构成了递推式（分解问题所需时间一般都是O（1）)。

额外介绍一个例子：求最大子数组问题。
这个问题的应用一般是股票的买进卖出分别在什么时候最好（有点马后炮），书上为了贴合分治法的主题，设计了一种算法：将整个数组分成两块，最大子数组要么在左边，要么在右边，要么跨越两边。


这是求跨越两边的最大子数组。

这是算法主体。
当时我写这个算法的时候，用的是结构体来存返回值，如果用全局变量不知道行不行。

课后习题延申了一种做法

关于这个题目，网上有很多种理解，在我看来很多都是错误的理解，这个题目本身也有点问题，A[1,…j]的最大子数组也不一定是以A[j]结尾的，所以要算形如A[i, … ,j+1]的最大子数组，不得不让i从1遍历到j+1，时间不可能是线性的，所以我认为的最符合题意的方法是利用后面动态规划，设计一个数组s，s[i]代表以i为结尾的最大子数组，那么s[i+1]要么是A[i+1]，要么是s[i]+A[i+1]，这样才算是线性时间。

老师课上也说了一种方案，最简单的，线性时间。

从左端开始，扫描一遍过去，遇到和比当前最大和大的，就更新。如果和为负的，就从下一个元素开始，继续扫描，十分巧妙。

然后说了这么多，和矩阵乘法没什么关系的东西，还是回到正题。
线性代数里面，两个nxn的矩阵做乘法，要做n ^ 3 次乘法，对应到算法，时间复杂度当然也是n ^ 3啦。那么还能不能改进呢？利用nxn矩阵加法只需要O（n^2)的时间这一点，可以改进。
首先

他们满足：

所以我们实际上求的就是：

书上也中肯的说，strassen算法说得很不充分

我们大概了解以下原理就行，知道它的时间复杂度从O(n^3)改进到O(n ^ lg7)就行了。