矩阵快速幂模版

本文介绍了一种利用矩阵快速幂的方法来高效求解线性递推问题,包括斐波那契数列及更复杂的线性递推序列。通过具体的代码实现展示了如何将递推关系转化为矩阵形式,并使用快速幂进行高效计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

输入样例是

1 1 12      也就是第12个斐波那契数列,

原理是

f(n)  =       |1 1|  * |f(n-2)|

f(n-1)=            |1,0| *  |f(n-1)|

#include <iostream>
#include <string.h>
#include <stdio.h>
using namespace std;
struct ttt{
    int map1[200][200];
};
int n;
ttt fun1(ttt &a,ttt &b){
    ttt c;
    int i,j,k;
    for(i=1;i<=n;i++){
        for(j=1;j<=n;j++){
            c.map1[i][j]=0;
            for(k=1;k<=n;k++)
                c.map1[i][j]+=a.map1[i][k]*b.map1[k][j];
        }
    }
    return c;
}
ttt fun2(ttt &a){
    ttt b;
    int i,j,k;
    for(i=1;i<=n;i++)
        for(j=1;j<=n;j++){
           b.map1[i][j]=0;
           for(k=1;k<=n;k++)
                b.map1[i][j]+=a.map1[i][k]*a.map1[k][j];
        }
        return b;
}
ttt pow1(ttt &a,int k){
    ttt b;
    int i,j;
    memset(b.map1,0,sizeof(b.map1));
    for(i=1;i<=n;i++)
        for(j=1;j<=n;j++)
            if(i==j)
                b.map1[i][j]=1;
            while(k){
                //cout << "k=" <<k <<endl;
                if(k&1)
                    b=fun1(b,a);
                    k=k>>1;
                    a=fun2(a);
            }
            return b;
}

int main(){
    freopen("in.txt","r",stdin);
    int i,j,k,l,f1,f2,f3,t1,t2,t3;
    int r,c;
    cin >>f1 >> f2>> k;
    ttt a;
    memset(a.map1,0,sizeof(a.map1));
    n=2;
    a.map1[1][1]=1;
    a.map1[1][2]=1;
    a.map1[2][1]=1;
    a.map1[2][2]=0;
    a=pow1(a,k-2);
    /*for(i=1;i<=2;i++){
        for(j=1;j<=2;j++)
            cout << a.map1[i][j] << "  ";
        cout <<endl;
    }*/
    cout << a.map1[1][1]*f2+a.map1[1][2]*f1 <<endl;
    return 0;
}

f(n)=b1*f(n-1)+a1*f(n-2)+c        输入 f1 f2 a1 b1 c1 n

例子

6 7 3 2 4 3

输出

37

代码:

#include <iostream>
#include <string.h>
#include <stdio.h>
using namespace std;
struct ttt{
    int map1[200][200];
};
int n;
ttt fun1(ttt &a,ttt &b){
    ttt c;
    int i,j,k;
    for(i=1;i<=n;i++){
        for(j=1;j<=n;j++){
            c.map1[i][j]=0;
            for(k=1;k<=n;k++)
                c.map1[i][j]+=a.map1[i][k]*b.map1[k][j];
        }
    }
    return c;
}
ttt fun2(ttt &a){
    ttt b;
    int i,j,k;
    for(i=1;i<=n;i++)
        for(j=1;j<=n;j++){
           b.map1[i][j]=0;
           for(k=1;k<=n;k++)
                b.map1[i][j]+=a.map1[i][k]*a.map1[k][j];
        }
        return b;
}
ttt pow1(ttt &a,int k){
    ttt b;
    int i,j;
    memset(b.map1,0,sizeof(b.map1));
    for(i=1;i<=n;i++)
        for(j=1;j<=n;j++)
            if(i==j)
                b.map1[i][j]=1;
            while(k){
                //cout << "k=" <<k <<endl;
                if(k&1)
                    b=fun1(b,a);
                    k=k>>1;
                    a=fun2(a);
            }
            return b;
}

int main(){
    freopen("in.txt","r",stdin);
    int i,j,k,l,f1,f2,f3,t1,t2,t3;
    int r,c;
    int a1,b1,c1;
    cin >>f2 >> f1>>b1>>a1>>c1>> k;
    ttt a;
    memset(a.map1,0,sizeof(a.map1));
    n=3;
    a.map1[1][1]=a1;
    a.map1[1][2]=b1;
    a.map1[1][3]=1;
    a.map1[2][1]=1;
    a.map1[2][2]=0;
    a.map1[2][3]=0;
    a.map1[3][1]=0;
    a.map1[3][2]=0;
    a.map1[3][3]=1;
    a=pow1(a,k-2);
    /*for(i=1;i<=3;i++){
        for(j=1;j<=3;j++)
            cout << a.map1[i][j] << "  ";
        cout <<endl;
    }*/
    cout << (a.map1[1][1]*f2)+(a.map1[1][2]*f1)+a.map1[1][3]*c1 <<endl;
    return 0;
}





### 矩阵快速幂算法的实现 矩阵快速幂是一种高效的算法,用于计算矩阵的高次幂。它基于分治的思想以及矩阵乘法的结合律来降低时间复杂度。以下是矩阵快速幂的一个通用代码模板: #### Python 实现 ```python import numpy as np def matrix_multiply(A, B, mod=None): """矩阵相乘""" rows_A, cols_A = len(A), len(A[0]) rows_B, cols_B = len(B), len(B[0]) if cols_A != rows_B: raise ValueError("无法进行矩阵乘法") result = [[0 for _ in range(cols_B)] for __ in range(rows_A)] for i in range(rows_A): for j in range(cols_B): temp_sum = 0 for k in range(cols_A): temp_sum += A[i][k] * B[k][j] if mod is not None: temp_sum %= mod result[i][j] = temp_sum return result def matrix_power(matrix, n, mod=None): """矩阵快速幂""" size = len(matrix) identity_matrix = [[int(i == j) for j in range(size)] for i in range(size)] result = identity_matrix base = matrix while n > 0: if n % 2 == 1: result = matrix_multiply(result, base, mod=mod) base = matrix_multiply(base, base, mod=mod) n //= 2 return result ``` 上述代码实现了两个核心函数: - `matrix_multiply`:完成两个矩阵之间的乘法操作,并支持模运算[^1]。 - `matrix_power`:通过快速幂的方式高效地计算矩阵的高次幂。 #### C++ 实现 对于更注重性能的语言如C++,也可以提供类似的实现方式: ```cpp #include <vector> using namespace std; // 定义矩阵大小和取模值 const int MOD = 1e9 + 7; typedef vector<vector<long long>> Matrix; Matrix multiply(const Matrix &A, const Matrix &B){ int r = A.size(), c = B[0].size(); Matrix C(r, vector<long long>(c, 0)); for(int i = 0;i < r;i++) { for(int j = 0;j < c;j++) { for(int k = 0;k < (int)B.size();k++) { C[i][j] = (C[i][j] + A[i][k]*B[k][j])%MOD; } } } return C; } Matrix power(Matrix base, long long exp){ int sz = base.size(); Matrix res(sz, vector<long long>(sz, 0)); // 单位矩阵初始化 for(int i = 0;i < sz;i++) res[i][i] = 1; while(exp > 0){ if(exp & 1){ // 如果当前指数为奇数 res = multiply(res, base); } base = multiply(base, base); // 平方更新基底 exp >>= 1; // 右移一位相当于除以2 } return res; } ``` 以上代码同样包含了两部分功能: - `multiply` 函数负责执行矩阵间的乘法并处理大整数溢出问题[^4]。 - `power` 函数则采用快速幂的方法加速矩阵幂次的计算。 #### 应用实例——斐波那契数列 假设我们需要使用矩阵快速幂求解第 \(n\) 项斐波那契数列,则可以通过如下构造矩阵来进行计算: \[ M = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}, V_0 = \begin{bmatrix} F(1)\\ F(0) \end{bmatrix} = \begin{bmatrix} 1\\ 0 \end{bmatrix}. \] 那么有 \(\text{{result}} = M^{n-1} \times V_0\) 表示最终的结果向量[^3]。 --- ###
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