整数快速幂, 矩阵加速, 矩阵快速幂超详细讲解

一, 整数快速幂

1. 简介

该算法就是让计算机更快的求出 $a^b$ 的值的一个算法, 如果采用暴力算法, 那么计算机需要计算 $b$ 次, 如果 $b$ 很大的话, 那么时间复杂度是很大的, 但如果采用 快速幂算法, 时间复杂度就是 $O(logb)$ 级别的, 怎么样, 是不是很心动呢?

2. 原理

这种算法之所以这么快, 是因为它符合计算机的思维, 它利用了二进制.

举个例子: 十进制的数11 可以换算成二进制的数 $(1011{)}_2$, 从左到右, 这些1分别代表十进制中的 $ 8 $, $ 2 $, $1$, 所以 $a^{11}$ $=$ $ a^{8+2+1} $ $=$ $a^8\ast a^2\ast a^1$.

好的, 有了上面的例子帮助理解, 下面我们直接叙述快速幂算法的原理:

1. 如果将 $a$ 自乘一次, 那么会得到 $a^2$, 再自乘一次, 会得到 $a^4$, $\dots$, 自乘 $n$ 次, 我们会得到 $a^{2n}$.
2. $a^{x+y}$ $=$ $a^x\ast a^y$
3. 一个十进制数 $b$ 有一个唯一的二进制数与之对应

这三条原理的正确性应该不需要证明吧!

3. 算法流程

对于一个幂 $a^b$.

1. 将 $b$ 写成二进制数的形式
2. 定义一个基底 $base$ $=$ $a$, 定义一个储存结果的变量 $ans$ $=$ $1$.
3. 从右至左遍历 $b$ 的二进制位, 如果该位是 $1$, 则 $ans$ = $ans$ $\ast$ $base$, 若该位为 $0$, 则不对 $ans$ 进行处理. 无论该位为什么, 始终有 $base$ = $bas{e}^2$.
4. 遍历结束, 输出 $ans$

举一个实际的例子吧, 以 $2^{13}$ 举例吧

1. $b$ = $(1101{)}_2$

2. 定义一个基底 $base$ $=$ $2$, $ans$ $=$ $1$.

3. 从右至左遍历 $b$

   3.1 遇到 $1$, $ans$ $=$ $1$ $\ast$ $2$ = $2$, $base$ = $2^2$ = $4$

   3.2 遇到 $0$, $ans$ 不变, $base$ = $4^2$ = $16$

   3.3 遇到 $1$, $ans$ = $2$ $\ast$ $16$ = $32$, $base$ = $16^2$ = $256$

   3.4 遇到 $1$, $ans$ = $32$ * $256$ = $8192$, 遍历完毕 $\square$

4. 输出 $ans$ $=$ $8192$

相信您现在已经掌握了整数快速幂了叭

二, 矩阵加速

1. 简介

这是一个很神奇的算法, 比如说给定你一个递推关系式, 然后要你求第 $n$ ($n$是很大的一个数) 项的值, 如果你纯粹递推的话, 肯定很慢, 但是用了矩阵加速之后就变得飞快.

比如说对于斐波那契数列, $f[n]=f[n-1]+f[n-2]$, 要你求第 $n$ 项的值

很多人也写过类似的博客, 是那种找规律一样的, 我不喜欢这样做, 下面我来谈一谈我的做法, 如何快速找到转移矩阵

首先进行一个简单的数学推导, 相信大家都看得懂, 以后碰到类似的也可以这样做, 很容易找到转移矩阵哒

$\left(\begin{array}{cc}{a}_n& a_{n-1}\end{array}\right)$ $=$ $\left(\begin{array}{cc}{a}_{n-1}+a_{n-2}& a_{n-1}\end{array}\right)$ $=$ $\left(\begin{array}{cc}{a}_{n-1}& a_{n-2}\end{array}\right)$ $\ast$ $\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)$ $=$ $\left(\begin{array}{cc}{a}_2& a_1\end{array}\right)$ $\ast$ ${\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right)}^{n-2}$

$L^A{T}_{E}X$ 的矩阵是真的难打(小声bb

式子推出来了, 剩下的矩阵快速幂一阵乱锤就行, 下面介绍矩阵快速幂

三, 矩阵快速幂

1. 简介

不知道各位学习过线性代数 没有, 矩阵是线代里面一个非常重要的知识, 如果有的童鞋没有学习或者过了太久忘了的话, 我可以帮您回顾一下相关的重要知识点

我实在不想打矩阵了, 这里无关紧要的就用文字描述一下吧

1. 加法运算

要求: 同型矩阵, 即两个矩阵的规模一样, 都是 $m\ast n$.

操作: 将两个矩阵对应位置的数相加即可

2. 减法操作

就是加法的逆运算, 不再赘述

3. 数乘操作

要求: 一个数乘以一个矩阵

操作: 将矩阵的每一个位置的元素都乘以这个数

4. 重头戏 , 敲重点, 矩阵乘法

矩阵乘以一个矩阵
要求: 矩阵A * 矩阵B, 必须要求, 矩阵A的规模为 $m\ast n$, 则 B的规模为 $n\ast k$, 即A的列数等于B的行数

操作: 如下图所示(打矩阵太累了

矩阵乘法满足结合律哟

有了上面的知识储备后, 你会发现, 又回到了最初的快速幂的问题, 只不过现在不是两个整数相乘, 而是两个矩阵相乘, 所以我们只需重载一下 $\ast$ 运算符, 其他的与整数快速幂没有什么大的区别了

1. 数据结构

struct Mat {
    ll m[MAXN][MAXN];
    //构造函数, 将矩阵所有元素都初始化为0
    Mat() {
        memset(m, 0, sizeof(m));
    }
    
    //调用这个函数即可初始化为单位矩阵
    void build () {
        for (int i = 1; i <= n; i++) {
            m[i][i] = 1;
        }
    } 
};

单位矩阵就是左上角到右下角的对角线上的元素为1, 其他均为0的矩阵

重载运算符 $\ast$

Mat operator* (const Mat& a, const Mat& b) {
    Mat c;
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= n; j++) {
            for (int k = 1; k <= n; k++) {
                c.m[i][j] = c.m[i][j] + a.m[i][k] * b.m[k][j];
            }
        }
    }

    return c;
}

快速幂主体

while (k > 0) {
    if (k & 1) {
        ans = ans * mat;
    }
    mat = mat * mat;
    k >>= 1;
}

注意, 这里不能使用 *= 运算符, 因为没有重载

接下来就大功告成啦

码字不易, 如果这篇文章能帮助到您的话, 就请点个赞再走呗, 您的一个赞将是对我的极大鼓励, ^_!