P3390 【模板】矩阵快速幂


前言

矩阵感觉更多的是套路和规则,只要把套路总结出来题目都是那么几类。


题目大意

【模板】矩阵快速幂

题目背景

给出矩阵 A A A,求 A k A^k% Ak

对于 100 % 100\% 100% 的数据, 1 ≤ n ≤ 100 1\le n \le 100 1n100 0 ≤ k ≤ 1 0 12 0 \le k \le 10^{12} 0k1012 ∣ A i , j ∣ ≤ 1000 |A_{i,j}| \le 1000 Ai,j1000


思路

可以把矩阵理解成一个 n × m n\times m n×m 的二维数组。在做题之前可以让我们证一下矩阵乘法的性质。

矩阵性质

结合律

这个律也是用的最多的一个。

A × B × C = A × ( B × C ) A\times B\times C=A\times (B\times C) A×B×C=A×(B×C)
左边:
c i j = ∑ k = 1 a i k b k j c_{i j} = \sum_{k = 1} a_{i k} b_{k j} cij=k=1aikbkj
a n s i , j = ∑ k = 1 ( ∑ l = 1 A i l B l k ) × C k , j ans_{i,j}=\sum_{k=1}(\sum_{l = 1} A_{i l} B_{l k})\times C_{k,j} ansi,j=k=1(l=1AilBlk)×Ck,j

右边:
c i j = ∑ k = 1 B i k C k j c_{i j} = \sum_{k = 1} B_{i k}C_{k j} cij=k=1BikCkj
a n s i , j = ∑ k = 1 A i , k × c k , j ans_{i,j}=\sum_{k=1}A_{i,k}\times c_{k,j} ansi,j=k=1Ai,k×ck,j
a n s i , j = ∑ k = 1 A i , k × ( ∑ l = 1 B k , l × C l , j ) ans_{i,j}=\sum_{k=1}A_{i,k}\times (\sum_{l=1}B_{k,l}\times C_{l,j}) ansi,j=k=1Ai,k×(l=1Bk,l×Cl,j)

在化一下清楚一点,的出来这两个式子:
∑ k , l A i , l × B l , k × C k , j \sum_{k,l}A_{i,l}\times B_{l,k}\times C_{k,j} k,lAi,l×Bl,k×Ck,j
∑ k , l A i , k × B k , l × C l , j \sum_{k,l}A_{i,k}\times B_{k,l}\times C_{l,j} k,lAi,k×Bk,l×Cl,j

分配律

挺显然的,不证了。可以理解为加法的话早晚得并乘法。

交换律

也很显然吧。 ( n ∗ m ) ∗ ( m ∗ p ) (n*m)*(m*p) (nm)(mp) 才能做计算,中间两个要相等。交换变成 ( m ∗ p ) ∗ ( n ∗ m ) (m*p)*(n*m) (mp)(nm) 了,可能不行。

本题

本题就是知道什么是矩阵乘法,做法可以理解为一模一样的快速幂,只不过在计算的时候变量换成了矩阵,乘号换成了重载运算符后的矩阵乘法公式。


代码

#include <iostream>
#include <cstring>
using namespace std;
typedef long long ll;
const ll MAXN=105;
const ll MOD=1e9+7;
ll n;
struct Matrix{
    ll m[MAXN][MAXN];
    Matrix (){
        memset(m,0,sizeof(m));
    }
    void build(){
        for (int i = 1; i <=n ; ++i) {
            m[i][i]=1;
        }
    }
}a;
Matrix operator *(const Matrix &A,const Matrix &B){
    Matrix C;
    for (int k = 1; k <=n ; ++k) {
        for (int i = 1; i <=n ; ++i) {
            for (int j = 1; j <=n ; ++j) {
                C.m[i][j]+=A.m[i][k]*B.m[k][j];
                C.m[i][j]%=MOD;
            }
        }
    }
    return C;
}
ll k;
int main(){
    scanf("%lld%lld",&n,&k);
    for (int i = 1; i <=n ; ++i) {
        for (int j = 1; j <=n ; ++j) {
            scanf("%lld",&a.m[i][j]);
        }
    }
    Matrix ans;
    ans.build();
    while (k){
        if(k&1){
            ans= ans*a;
        }
        k>>=1;
        a=a*a;
    }
    for (int i = 1; i <=n ; ++i) {
        for (int j = 1; j <=n ; ++j) {
            printf("%lld ",ans.m[i][j]);
        }
        printf("\n");
    }
    return 0;
}

总结

证明了矩阵的分配律和结合律,交换律是错的。主要证明了结合律。

### 快速幂算法 Python 实现模板 快速幂是一种高效的指数运算方法,能够在 \( O(\log \text{次幂}) \) 的时间内完成大整数的幂运算。以下是基于 Python 的快速幂实现模板: #### 非递归版本 ```python def quick_power(base, exponent, mod): result = 1 base %= mod # 确保base小于mod以减少后续计算量 while exponent != 0: if exponent & 1: # 如果当前指数最低位为1,则累乘结果 result = (result * base) % mod base = (base * base) % mod # 平方基数 exponent >>= 1 # 右移一位相当于除以2 return result ``` 上述代码实现了模意义下的快速幂操作[^2]。 --- #### 递归版本 递归形式虽然简洁,但在处理极大数值时可能因栈溢出而失败。 ```python def recursive_quick_power(base, exponent, mod): if exponent == 0: return 1 res = recursive_quick_power(base, exponent >> 1, mod) res = (res * res) % mod if exponent & 1: res = (res * base) % mod return res ``` 此版本通过递归方式逐步缩小问题规模并利用平方特性降低复杂度[^3]。 --- #### 使用 NumPy 进行矩阵快速幂 对于涉及矩阵的操作(如斐波那契数列),可以借助 `NumPy` 提升效率: ```python import numpy as np def matrix_multiply(A, B, mod): """矩阵相乘""" return np.mod(np.dot(A, B), mod) def matrix_quick_power(matrix, power, mod): """矩阵快速幂""" result = np.eye(len(matrix), dtype=int) # 单位矩阵初始化 while power > 0: if power & 1: result = matrix_multiply(result, matrix, mod) matrix = matrix_multiply(matrix, matrix, mod) power >>= 1 return result ``` 该函数支持任意大小方形矩阵快速幂运算,并适用于动态规划中的状态转移优化场景[^4]。 --- #### 应用实例:费马小定理求逆元 当模数为质数时,可结合费马小定理高效求解乘法逆元: \[ a^{-1} \equiv a^{p-2} \ (\bmod\ p) \] 其中 \( p \) 是素数。 ```python MOD = 10**9 + 7 def inverse_fermat(a, p=MOD): return quick_power(a, p - 2, p) ``` 这一技巧广泛应用于组合数学与竞赛编程领域[^5]。 --- ### 总结 以上提供了多种快速幂的 Python 实现方案,包括基础版、递归版以及矩阵扩展版。每种变体均具备特定适用范围和性能特点,在实际开发过程中可根据需求灵活选用。
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