矩阵运算 快速幂

  1. 矩阵乘法必须满足第一个矩阵的列等于第二个矩阵的行。
  2. 结果矩阵的行是第一个矩阵的行,列是第二个矩阵的列。
  3. 矩阵乘法行列各元素相乘。
  4. 矩阵快速幂利用幂的二分优化。
  5. 利用运算符重载进行一系列更方便的操作。
// 整数快速幂取模
template <typename Type>
long long ipow(Type x, Type n, Type mod){
    long long result = 1LL;
    while(n) {
        if(n & 1)
            result = (result*x) % mod;
        x = ((long long)x*x) % mod;
        n >>= 1;
    }

    return result;
}

//矩阵运算类
struct mat{
    int r = 0;
    int c = 0;
    vector<vector<long long> >rect;
    //construct
    mat(int r, int c) : r(r),c(c){
        rect.resize(r);
        for(int i = 0; i < r; ++i)
            rect[i].resize(c);
    }
    mat() = default;
    //input and output
    void in(){
        for(int i = 0; i < r; ++i)
            for(int j = 0; j < c; ++j)
                scanf("%I64d",&rect[i][j]);
    }
    void out(){
        for(int i = 0; i < r; ++i){
            for(int j = 0; j < c; ++j){
                if(j == 0)
                    printf("%I64d",rect[i][0]);
                else
                    printf(" %I64d",rect[i][j]);
            }
            printf("\n");
        }

    }
    //init
    void init(){
        for(int i = 0; i < r; ++i)
            for(int j = 0; j < c; ++j)
                rect[i][j] = (i == j);
    }
    //overload
    mat operator * (mat& rhs){
        mat ans(r,rhs.c);
        long long res;
        if(c == rhs.r){
            for(int i = 0; i < r; ++i){
                for(int j = 0; j < rhs.c; ++j){
                    res = 0LL;
                    for(int k = 0; k < c; ++k){//k means c or rhs.r
                        res += rect[i][k] * rhs.rect[k][j];
                    }
                    ans.rect[i][j] = res;
                }
            }
        }
        return ans;
    }
    void operator *= (mat& rhs){
        mat ans(r,rhs.c);
        long long res;
        if(c == rhs.r){
            for(int i = 0; i < r; ++i){
                for(int j = 0; j < rhs.c; ++j){
                    res = 0LL;
                    for(int k = 0; k < c; ++k){//k means c or rhs.r
                        res += rect[i][k] * rhs.rect[k][j];
                    }
                    ans.rect[i][j] = res;
                }
            }
        }
        rect = ans.rect;
    }
    mat operator ^ (int k){//r == c
        mat ans(r,c);
        ans.init();
        for(;k;k >>= 1){
            if(k & 1)
                ans *= (*this);
            (*this) *= (*this);
        }
        return ans;
    }
    void operator ^= (int k){//r == c
        mat ans(r,c);
        ans.init();
        for(;k;k >>= 1){
            if(k & 1)
                ans *= (*this);
            (*this) *= (*this);
        }
        (*this) = ans;
    }
};
矩阵快速幂运算是指对一个给定的方阵 \( A \) 和正整数 \( n \),计算 \( A^n \) 的高效算法。传统的方式需要做\( O(n) \)次乘法操作,而通过分治思想优化后的快速幂运算可以将复杂度降至\( O(\log{n}) \)。 ### 实现原理: 1. **递归定义**:如果把指数n表示成二进制形式的话,那么我们可以发现每个位置上的数字代表了该位是否参与平方相乘的结果当中。 2. **迭代实现**: - 如果当前处理的是奇数,则结果需要额外再乘上一次原矩阵A; - 对于每一次循环,都将原来的底数自乘得到新的底数,并同时将除以2向下取整继续检查直到完成所有步骤; 下面是一个简单的Python示例代码片段展示如何进行矩阵快速幂运算: ```python def matrix_mult(A, B): C = [[0 for _ in range(len(B[0]))] for __ in range(len(A))] # 进行矩阵乘法规则求解新元素值并存入临时列表c内. ... # 完成快速幂核心部分 def fast_pow(matrix, power): result = [[(int(i == j)) for i in range(len(matrix))]for j in range(len(matrix))] while power > 0: if (power & 1)==1:# 判断最后一位是不是1 ... matrix=matrix_mult(matrix,matrix) power >>= 1 return result ``` 以上代码中`...`省略了具体的逻辑细节,实际应用时你需要补充完整这部分内容才能正常使用此函数。此外还需要注意边界情况如输入非方形矩阵、负数次等情况下的处理方式。 为了更好地理解这个过程以及其应用场景,以下是几个相关的深入探讨话题: --
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值