【Strassen】矩阵乘法的Strassen算法，时间复杂度 O(n^2.81) （rust 语言实现）

矩阵乘法的定义：

若 $A=(a_{ij})$ 和 $B=(b_{ij})$ 是 $n\times n$ 的方阵， 则对 $i,j=1,2,...,n$，定义乘积 $C=A\cdot B$ 中的元素 $c_{ij}$ 为：

$$c_{ij}=\sum _{k=1}^n{a}_{ik}\cdot b_{kj}$$

按照矩阵乘法的定义不难写出算法1

// 算法1：定义法
pub fn square_matrix_multiply<T: Default + Clone + AddAssign + Mul<Output = T>>(
    a: &Vec<Vec<T>>,
    b: &Vec<Vec<T>>,
) -> Vec<Vec<T>>
where
    T: Mul<T>,
{
   
    let mut c = vec![vec![T::default(); a.len()]; a.len()];
    if a.len() == a[0].len() && b.len() == a[0].len() && a.len() == b.len() {
   
        let n = a.len();
        for i in 0..n {
   
            for j in 0..n {
   
                c[i][j] = T::default();
                for k in 0..a.len() {
   
                    c[i][j] += a[i][k].clone() * b[k][j].clone();
                }
            }
        }
    }
    return c;
}

由于三重 for 循环的每一重都恰好执行 n 步，因此该算法的时间复杂度为 $O(n^3)$

为此我们尝试改进

一个简单的分治算法

为简单起见，假定三个矩阵均为 $n\times n$ 矩阵，$n$ 是 $2$ 的幂，矩阵 $A,B,C$ 均分解为 $4$ 个 $n/2\times n/2$ 的子矩阵，则计算公式等价于

$$C_{11}=A_{11}\cdot B_{11}+A_{12}\cdot B_{21}$$

$$C_{12}=A_{11}\cdot B_{12}+A_{12}\cdot B_{22}$$

C 21 = A 21 ⋅ B 11 + A 22 ⋅ B 21 C_{21} = A_{21} \cdot B_{11} + A_{22} \cdot B_{21} C21​=A21​⋅B11​+A22​⋅B