矩阵快速幂算法及相关应用（含python源码）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

一、快速幂算法（概述）

①快速幂就是快速算底数的n次幂。其时间复杂度为 O(log₂N)， 与朴素的O(N)相比效率有了极大的提高。

②快速幂算法的核心思想就是每一步都把指数分成两半，而相应的底数做平方运算。这样不仅能把非常大的指数给不断变小，所需要执行的循环次数也变小，而最后表示的结果却一直不会变。

③快速幂可以用位运算来实现，python实现为：

b & 1 #取b二进制的最低位，判断和1是否相同，相同返回1，否则返回0，可用于判断奇偶
b >> 1 #把b的二进制右移一位，即去掉其二进制位的最低位

二、整数快速幂（源码）

'''
首先，幂数会被表示为二进制系数，
其位数即为结果的项的个数，最后某项是否被乘进去需要看此项的系数是否为1，若为0则
'''
x=int(input())
n=int(input())
def quick_power(x, n):

        # 特殊情况
        if n == 0:
            return 1

        # 递归过程的最后一层
        elif n == 1:
            return x

        # 如果幂的值为偶数， 则 不 进行记录，传给下一层
        else:
            y=quick_power(x,n//2)#递下去
            print(y)
            if(n&1):#n的末位是不是1
                return (y**2)*x
            return(y**2)
print(quick_power(x, n))

三、矩阵快速幂（源码）

跟整数快速幂一样，但是平方需要重写一个矩阵乘法的函数，如果有取模的需要也应该在此函数中体现。此处举例模99999999，代码如下：

##矩阵快速幂算法（递归法
def matrix_mul(A, B):
#矩阵乘法函数，返回两个矩阵相乘的值，建议背诵
    return [[sum(a * b % 99999999 for a, b in zip(col, row)) % 99999999 for col in zip(*B)] for row in A]

def matrix_pow(A, n):
    size_ = len(A)
    if n == 0:#返回单位矩阵
        res = [[0 for _ in range(size_)] for _ in range(size_)]
        for i in range(size_):
            res[i][i] = 1
        return res
    elif n == 1:#返回自己
        return A
    else:
        y = matrix_pow(A, n // 2)
        if n & 1:#要乘
            return matrix_mul(matrix_mul(y, y), A)
        return matrix_mul(y, y)#不乘

四、矩阵快速幂的应用

可以通过构造快速幂矩阵来求递推式，比如斐波那契数列等等，

1.矩阵构造举例：

2.例题：

以下面这道题为例说明具体应用：

①给出了六个初始值，需要构造6*6的二维矩阵
②构造出的矩阵应能使前一个向量变成它递推的后一个向量（即n+1）
③通过对此矩阵的快速幂乘法，得到递推n次后的值，进而求出结果
其代码如下：

##矩阵快速幂算法（递归法
def matrix_mul(A, B):
#矩阵乘法函数，返回两个矩阵相乘的值，建议背诵
    return [[sum(a * b % 99999999 for a, b in zip(col, row)) % 99999999 for col in zip(*B)] for row in A]

def matrix_pow(A, n):
    size_ = len(A)
    if n == 0:#返回单位矩阵
        res = [[0 for _ in range(size_)] for _ in range(size_)]
        for i in range(size_):
            res[i][i] = 1
        return res
    elif n == 1:#返回自己
        return A
    else:
        y = matrix_pow(A, n // 2)
        if n & 1:#要乘
            return matrix_mul(matrix_mul(y, y), A)
        return matrix_mul(y, y)#不乘
    

matrix = [[0, 1, 0, 0, 2, 0, 5],
          [1, 0, 0, 0, 3, 2, 3],
          [1, 0, 0, 0, 0, 0, 0],
          [0, 1, 0, 0, 0, 0, 0],
          [0, 0, 1, 0, 0, 0, 0],
          [0, 0, 0, 1, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 1]] #构造的矩阵
ini = [[6], [5], [1], [4], [2], [3], [1]] #初始值
a = matrix_mul(matrix_pow(matrix, int(input()) - 1), ini) #幂数减去第一个，乘上初始的
print(a[-3][0] % 99999999, a[-2][0] % 99999999, sep='\n') #输出第n个值