【矩阵乘法】【快速幂】递推

Description

.  动态规划的实现形式之一是递推,因此递推在oi中十分重要。在某信息学的分支学科中,LC学会了如何求一阶线性递推数列。由于他现在正在学习主干学科,因此希望知道求出N阶线性递推数列。为此,他了解到以下内容:
一个N阶线性递推式是这样的式子:
  F i = a 0 ∗ F i − n + a 1 ∗ F + i − ( n − 1 ) + . . . + a n − 1 ∗ F i − 1 + a n F_i=a_0*F_{i-n}+a_1*F+{i-(n-1)}+...+a_{n-1}*F_{i-1}+a_n Fi=a0Fin+a1F+i(n1)+...+an1Fi1+an
  也就是说,这个数列的每一项都是由他之前的连续N项加权相加所得。其中还包括一个常数an。
  例如,当N=2,a0=a1=1,a2=0时,这个式子就是我们熟悉的斐波那契数列。当然,作为边界条件。f0,f1,…fn-1都是已知的。
  Lc对如何去求这个式子一筹莫展,因此他想请你帮忙。你的任务是对于一个给定的N阶线性递推式,求出他的第k项。

Input

第一行两个整数:n,k。其中n表示这是一个N阶线性递推式,k表示你需要球的那一项。
第二行有n+1个整数:a0,a1,…an,表示这个递推式的系数。
第三行有n个整数:f0,f1,…,fn-1表示数列的初始值。

Output

只有一行,其中只有一个整数,表示这个数列第k项的值。由于数据较大,你只需输出mod 9973的值。

Sample Input
2 10
1 1 0
0 1
Sample Output
55

解题思路

那我真的很失语啊,运行内存爆了一直RE,我以为是我数组开小了: )

首先构造初始矩阵
(为了方便理解所以从 1 1 1开始存,一共 n n n个数那么数组大小应该是 1 ∗ ( n + 1 ) 1 * (n + 1) 1(n+1)
A = [ f [ 1 ] f [ 2 ] . . . f [ n ] 1 ] A = \begin{bmatrix} f[1] & f[2] &... &f[n] &1 \end{bmatrix} A=[f[1]f[2]...f[n]1]

然后构造一个转移矩阵
大小设为 ( n + 1 ) ∗ ( n + 1 ) (n + 1) * (n + 1) (n+1)(n+1)

  1. F i = a 0 ∗ F i − n + a 1 ∗ F + i − ( n − 1 ) + . . . + a n − 1 ∗ F i − 1 + a n F_i=a_0*F_{i-n}+a_1*F+{i-(n-1)}+...+a_{n-1}*F_{i-1}+a_n Fi=a0Fin+a1F+i(n1)+...+an1Fi1+an
    f [ n + 1 ] f[n + 1] f[n+1]时所用的数是 f [ 1 ] f [ 2 ] . . . f [ n ] f[1] f[2]...f[n] f[1]f[2]...f[n]
    f [ n + 2 ] f[n + 2] f[n+2]时所用的数是 f [ 2 ] f [ 3 ] . . . f [ n + 1 ] f[2] f[3]...f[n + 1] f[2]f[3]...f[n+1]
    所有数向前推一位,第一个数直接推掉不用
    B = [ 0 0 0 1 0 0 0 1 0 0 0 . . . 0 0 . . . ] B =\begin{bmatrix} 0 & 0 & 0 & & \\ 1 & 0 & 0 & & \\ 0 & 1 & 0 & & \\ 0 & 0 & ... & & \\ 0 & 0 & ...& & \end{bmatrix} B=0100000100000......

  2. 最后一个数更新为 f n f_n fn
    B = [ 0 0 0 a 1 1 0 0 a 2 0 1 0 a 3 0 0 . . . . . . 0 0 . . . a n ] B =\begin{bmatrix} 0 & 0 & 0 & a_1 & \\ 1 & 0 & 0 & a_2 & \\ 0 & 1 & 0 & a_3 & \\ 0 & 0 & ... & ... & \\ 0 & 0 & ...& a_n & \end{bmatrix} B=0100000100000......a1a2a3...an
    这个时候 A A A矩阵中最后一个 1 1 1的作用就体现出来了,因为要乘上一个 a n a_n an

  3. 最后一列用来传递最后的那个 1 1 1
    B = [ 0 0 0 a 1 0 1 0 0 a 2 0 0 1 0 a 3 0 0 0 . . . . . . 0 0 0 . . . a n 1 ] B = \begin{bmatrix} 0 & 0 & 0 & a_1 &0 \\ 1 & 0 & 0 & a_2 & 0\\ 0 & 1 & 0 & a_3 & 0\\ 0 & 0 & ... & ... & 0\\ 0 & 0 & ...& a_n &1 \end{bmatrix} B=0100000100000......a1a2a3...an00001

问题转换成 a n s = A ∗ B k ans = A * B^k ans=ABk,然后输出 a n s [ 1 ] [ 1 ] ans[1][1] ans[1][1]
但是 A A A里面包含了 f [ 1 ] . . f [ n ] f[1]..f[n] f[1]..f[n],所以 a n s ans ans其实算出了 f [ n + 1 ] . . f [ n + k ] f[n + 1]..f[n + k] f[n+1]..f[n+k]
那么 a n s = A ∗ B k − n + 1 ans = A * B^{k - n + 1} ans=ABkn+1,输出 a n s [ 1 ] [ n ] ans[1][n] ans[1][n]


Code

#include <iostream>
#include <cstring>
#include <cstdio>
#define ll long long

using namespace std;

const int Mod = 9973;
struct DT{
    
    
	int n, m;
	ll aed[20][20];
}A, B, ans;
int n;
ll k;

DT operator *(DT a, DT b){
    
    //矩阵乘法
	DT c;
	memset (c.aed, 0, sizeof (c.aed));
	c.n = a.n, c.m = b.m;
	for (int k = 1; k <= a.m; k++)
		for (int i = 1; i <= c.n; i++)
			for (int j = 1; j <= c.m; j++)
				c.aed[i][j] = (c.aed[i][j] + a.aed[i][k] * b.aed[k][j] % Mod) % Mod;
	return c;
}

void power (ll x){
    
    
	if (x == 1)
	{
    
    
		B = A;
		return;
	}
	power (x / 2);
	B = B * B;
	if (x % 2) B = B * A;
}

int main(){
    
    
	scanf ("%d%lld", &n, &k);
	A.n = n + 1, A.m = n + 1;//此处的A不是思路中的A,A和B都是用来算幂的
	for (int i = 1; i <= n + 1; i++)
	{
    
    
		scanf ("%lld", &A.aed[i][n]);//a数组放入转移矩阵
		A.aed[i][n] %= Mod;
	}
	for (int i = 1; i < n; i++)
		A.aed[i + 1][i] = 1;//转移f
	A.aed[n + 1][n + 1] = 1;//转移最后一个1
	power (k - n + 1);//快速幂
	
	ans.n = 1, ans.m = n + 1;//这个ans是思路中的初始矩阵A和答案矩阵ans
	for (int i = 1; i <= n; i++)
	{
    
    
		scanf ("%lld", &ans.aed[1][i]);
		ans.aed[1][i] %= Mod; 
	}
	ans.aed[1][n + 1] = 1;
	ans = ans * B;
	printf ("%lld", ans.aed[1][n]);	
}

猜你喜欢

转载自blog.csdn.net/qq_39940018/article/details/111400005