动态规划的等效数学解决方法

从一道经典的动态规划题目 leetcode.70 爬楼梯说起，这道题目典型的动态规划解决，使用滚动数组，能做到时间复杂度O(N) 空间复杂度O(1) 程度上解决问题，这也是我的第一想法。
而官方题解给出的几种基于线性代数的解决方案，能将时间复杂度降低到O(logN),而且所涉及到的知识也是自己所学习过的，但却丝毫没有想到，所以这里稍作复习总结。

矩阵快速幂

矩阵快速幂用到的就是在现有通项的基础上，构建线性关系，把一维的数据变成多维，从而形成若干相同矩阵乘初始项，而这里问题就变成了，如何求某个矩阵的若干次幂？
矩阵快速幂
矩阵快速幂的核心算法还是快速幂，只不过对于普通的快速幂算法，矩阵快速幂计算对象以及乘法运算对应的规则有所不同：

快速幂

求幂运算，一般的，比如 求$2^7$，我们会计算$2\ast 2\ast 2\ast 2...$，这种计算方法是O(N)的，但利用快速幂我们可以将复杂度降低到 O(logN)
基本思想史，数字可以表示为2进制，比如 9(10)=1001(2),那么自然的，我就可以利用二进制参与幂的运算，即 $2^9=2^{1001}=2^{2^3\ast 1+2^2\ast 0+2^1\ast 0+2^0\ast 1}$,而进行这样的二进制转换后，则只用进行较少的运算。
代码如下：

int pow_mod(int a,int b)
{
	int ans=1;
	while(b)
	{
		if(n&1) ans*=a;   //&是与运算符，任何数&1都只会保留二进制最后一位
		a*=a
		b=b>>1;	
	}
	return ans;
}

矩阵乘法

一般的，我们用二阶数组来表示一个矩阵，而对于普通矩阵，我们有C=A·B $C_{ij}={\sum }_{k=1}^n{A}_{ik}{B}_{kj}$
所以矩阵乘法的代码如下：

Matrix operator*(const Matrix &B) const {//Matrix是二阶数组结构体
		Matrix ans;
		for(int i = 0; i < M; i++){
			for(int j = 0; j < M; j++){
				for(int k = 0; k < M; k++){
					ans.a[i][j] += a[i][k] * B.a[k][j];
				}
			}
		}
		return ans;
	} 

矩阵快速幂

Matrix pow_mod(Matrix A,int n)
{
	Matrix B;
	for(int i=0;i<2;i++)//初始化单位矩阵 
		for(int j=0;j<2;j++)//为什么单位矩阵？E*A=A，等效于数字 1*a=a 
			B.a[i][j]=i==j?1:0;
	while(n)//快速幂 
	{
		if(n&1)	B=mul(B,A);
		A=mul(A,A);
		n=n>>1;	
	}
	return B;
}

特别的，对于此道题目，我们最终需要得到的是

class Solution {
  public:
    int climbStairs(int n) {
        vector<vector<long long>> q = {{1, 1}, {1, 0}};
        vector<vector<long long>> res = matrixPow(q, n);
        return res[0][0];//是因为初始是[1,1]
    }
  private:
    vector<vector<long long>> matrixPow(vector<vector<long long>> &a, int n) {
        vector<vector<long long>> ret = {{1, 0}, {0, 1}}; // 初始状态
        while (n > 0) {
            if ((n & 1) == 1)   // 按位取值
                ret = matrixMultiply(ret, a);
            n >>= 1;
            a = matrixMultiply(a, a);   // 计算下一位的矩阵值,这里决定数据类型必须用longlong,否则越界风险
        }
        return ret;
    }
    vector<vector<long long>> matrixMultiply(vector<vector<long long>> &a, vector<vector<long long>> &b) {
        int i = 0, j = 0;
        vector<vector<long long>> c = {{0, 0}, {0, 0}};
        for (i = 0; i < 2; i++)
            for (j = 0; j < 2; j++)
                c[i][j] = a[i][0] * b[0][j] + a[i][1] * b[1][j];
        return c;
    }
};
//resources: leetcode评论区dl ：ryl

通项公式

实际上是求矩阵的幂的一种其它想法，矩阵快速幂更多的是基于计算机计算特性，而通项公式则是基于矩阵分解来求矩阵的幂。
一般的，对于“好的”矩阵A，有$A=S^{-1}\Delta S$分解，而利用这种分解去求幂将简单得多，比如这道题目中的矩阵$\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]$,得到特征方程：
$$\lambda (\lambda -1)=1{\lambda }^2-\lambda -1=0\Delta =1+4=5$$
可以借出，矩阵的特征值为 $\frac{\sqrt{5}+1}{2}\frac{1-\sqrt{5}}{2}$
即矩阵$\Delta =\left[\begin{array}{cc}\frac{\sqrt{5}+1}{2}& 0\\ 0& \frac{1-\sqrt{5}}{2}\end{array}\right]$
然后求出特征向量带入，或者直接解未知数都可以解决此类问题。