矩阵快速幂常用矩阵构造

news/2025/10/30 22:28:16/文章来源:https://www.cnblogs.com/Kescholar/p/19178259

斐波那契数列: \(F_i = F_{i-1} + F_{i-2}\)

\[\begin{bmatrix} F_i \\ F_{i-1} \end{bmatrix}= \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} F_{i-1} \\ F_{i-2} \end{bmatrix} = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}^{i-1} \times \begin{bmatrix} F_1 \\ F_0 \end{bmatrix} \]

递推式 - 1: \(G_i = a \times G_{i-1} + b \times G_{i-2}\)

\[\begin{bmatrix} G_i \\ G_{i-1} \end{bmatrix} = \begin{bmatrix} a & b \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} G_{i-1} \\ G_{i-2} \end{bmatrix} = \begin{bmatrix} a & b \\ 1 & 0 \end{bmatrix}^{i-1} \times \begin{bmatrix} G_1 \\ G_0 \end{bmatrix} \]

递推式 - 2: \(G_i = a \times G_{i-1} + i^2\)

\[\begin{bmatrix} G_i \\ (i+1)^2 \\ i+1 \\ 1 \end{bmatrix} = \begin{bmatrix} a & 1 & 0 & 0 \\ 0 & 1 & 2 & 1 \\ 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} G_{i-1} \\ i^2 \\ i \\ 1 \end{bmatrix} = \begin{bmatrix} a & 1 & 0 & 0 \\ 0 & 1 & 2 & 1 \\ 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 1 \end{bmatrix}^i \times \begin{bmatrix} G_0 \\ 1 \\ 1 \\ 1 \end{bmatrix} \]

递推式 - 3: \(G_i = a \times G_{i-1} + i^3\)

\[\begin{bmatrix} G_i \\ (i+1)^3 \\ (i+1)^2 \\ i+1 \\ 1 \end{bmatrix} = \begin{bmatrix} a & 1 & 0 & 0 & 0 \\ 0 & 1 & 3 & 3 & 1 \\ 0 & 0 & 1 & 2 & 1 \\ 0 & 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} G_{i-1} \\ i^3 \\ i^2 \\ i \\ 1 \end{bmatrix} = \begin{bmatrix} a & 1 & 0 & 0 & 0 \\ 0 & 1 & 3 & 3 & 1 \\ 0 & 0 & 1 & 2 & 1 \\ 0 & 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 0 & 1 \end{bmatrix}^i \times \begin{bmatrix} G_0 \\ 1 \\ 1 \\ 1 \\ 1 \end{bmatrix} \]

递推式 - 4: \(G_i = a \times G_{i-1} + b^i\)

\[\begin{bmatrix} G_i \\ b^{i+1} \end{bmatrix} = \begin{bmatrix} a & 1 \\ 0 & b \end{bmatrix} \times \begin{bmatrix} G_{i-1} \\ b^i \end{bmatrix} = \begin{bmatrix} a & 1 \\ 0 & b \end{bmatrix}^i \times \begin{bmatrix} G_0 \\ b \end{bmatrix} \]

递推式 - 带常数:\(f(n) = a \times f(n-1) + b \times f(n-3) + c\)

\[\begin{bmatrix} f[n] \\ f[n-1] \\ f[n-2] \\ c \end{bmatrix} = \begin{bmatrix} a & 0 & b & 1 \\ 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} f[n-1] \\ f[n-2] \\ f[n-3] \\ c \end{bmatrix} = \begin{bmatrix} a & 0 & b & 1 \\ 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}^{n-2} \times \begin{bmatrix} f[2] \\ f[1] \\ f[0] \\ c \end{bmatrix} \]

递推式 - 带变量:\(f(1)=1\)\(f(2)=2\)\(f(n) = f(n-1) + 2f(n-2) + n^3\)

利用二项式定理:

\[n^3 = (n-1+1)^3 = (n-1)^3 + 3(n-1)^2 + 3(n-1) + 1 \]

\[\begin{bmatrix} f(n) \\ f(n-1) \\ n^3 \\ n^2 \\ n \\ 1 \end{bmatrix} = \begin{bmatrix} 1 & 2 & 1 & 3 & 3 & 1 \\ 1 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 1 & 3 & 3 & 1 \\ 0 & 0 & 0 & 1 & 2 & 1 \\ 0 & 0 & 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} f(n-1) \\ f(n-2) \\ (n-1)^3 \\ (n-1)^2 \\ n-1 \\ 1 \end{bmatrix} = \begin{bmatrix} 1 & 2 & 1 & 3 & 3 & 1 \\ 1 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 1 & 3 & 3 & 1 \\ 0 & 0 & 0 & 1 & 2 & 1 \\ 0 & 0 & 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 0 & 0 & 1 \end{bmatrix}^{n-2} \times \begin{bmatrix} f(2) \\ f(1) \\ 8 \\ 4 \\ 2 \\ 1 \end{bmatrix} \]

递推式 - 前缀和:

递推式定义:

  • \( T[0]=T[1]=T[2]=1 \)
  • \( T[n]=T[n-1]+T[n-2]+T[n-3] \ (n \geq 3) \)
  • \( S[n] = T[0] + T[1] + \dots + T[n] = S[n-1] + T[n-1]+T[n-2]+T[n-3] \)

\[\begin{bmatrix} S[n] \\ T[n] \\ T[n-1] \\ T[n-2] \end{bmatrix} = \begin{bmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 1 & 1 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix} \cdot \begin{bmatrix} S[n-1] \\ T[n-1] \\ T[n-2] \\ T[n-3] \end{bmatrix} = \begin{bmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 1 & 1 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix}^{n-2} \cdot \begin{bmatrix} S[2] \\ T[2] \\ T[1] \\ T[0] \end{bmatrix} \]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/951175.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

顶级CTF工具与资源大全

精心整理的CTF夺旗赛工具资源集合,包含创建和解题所需的各类框架、库、软件及教程,帮助CTF新手和经验选手一站式找到所需资源,提升竞赛技能。Awesome CTF 一个精心整理的Capture The Flag(CTF)框架、库、资源、软…

第二章 数列极限

第二章 数列极限1 有界序列与无穷小序列1.a 有界序列 1.b 无穷小序列 1.c 有界序列与无穷小序列的性质2 收敛序列2.a 收敛序列的定义 2.b 收敛序列的性质 2.c 收敛序列与不等式3 收敛原理3.a 单调收敛原理 3.b 闭区间套…

小白也能看懂的RL-PPO

原文链接:https://mp.weixin.qq.com/s/cx3qY42Lp0L3RaSOgsH77A 1. 强化学习基本概念 强化学习(Reinforcement Learning, RL)作为机器学习的重要分支,目标是让智能体(agent)与环境(environment)不断交互,学习任…

第二十三天

今日深入学习了线索二叉树,这个数据结构的设计思路让我对“优化”与“权衡”有了更具体的认知。 此前学习普通二叉树时,其空指针域的浪费一直是明显的痛点——n个节点的二叉树有n+1个空指针,这些闲置的存储空间若能…

ICPC2022南京 游记(VP)

有效时长 $150min$,打出银尾。省流 有效时长 \(150min\),打出银尾。10.29 内含剧透,请vp后再来。 不是题解!!!!!!! 赛时 比赛开始,光速有人通过 I 题,我和 qwsxza 就去看。题目给了一个字符串,要求修改其…

[KaibaMath]1015 关于收敛数列迫敛性的证明

[KaibaMath]1015 关于收敛数列迫敛性的证明收敛数列的迫敛性(又称夹逼准则)是数列极限的核心性质。其可理解为:若三个数列满足“两边夹”关系且两边数列收敛到同一值,中间数列必收敛且极限相同。下面给出相应的证明…

Week 2 Homework

1. 找第k小的数的分治算法 首先,我们要先去找一个划分点,然后我们要去对划分点左右两边的数进行划分。 划分完之后,我们能得到 pivot 也就是划分点的最终位置,这个位置也是 pivot 最终排序的位置。 当我们发现 piv…

Manancher

初始化的len易错,忘记打mini的终止条件易错,写成 2*n-1咳咳,要不要仔细校准一下,容易眼花QAQ,作者:江海一归客,原文链接:https://www.cnblogs.com/jhygk/p/19178237

搜维尔科技:【技术分享】解析Xsens动捕与人形机器人的训练术语

随着人形机器人在现实应用中的普及,理解支撑其类人动作的技术非常重要。Xsens怀着浓厚兴趣探索这一领域,致力于为人形机器人训练开发最佳动作捕捉解决方案。为帮助您更好地理解相关术语,我们整理了正在塑造人形机器…

搜维尔科技:【技术分享】解析Xsens动捕与人形机器人的训练术语

随着人形机器人在现实应用中的普及,理解支撑其类人动作的技术非常重要。Xsens怀着浓厚兴趣探索这一领域,致力于为人形机器人训练开发最佳动作捕捉解决方案。为帮助您更好地理解相关术语,我们整理了正在塑造人形机器…

Python while循环 _ 捕捉日落

Python while循环 _ 捕捉日落count = 0total = 0user_input = input("请输入数字(完成所有数字输入后,请输入q终止程序):")while user_input != "q": num = float(user_input) total +=…

搜维尔科技:IROS 2025圆满落幕|MANUS手套展示世界级手部追踪技术,从遥操作到具身智能!

IROS 2025圆满落幕MANUS展示世界级手部追踪技术!「顶级水准。世界级的手部追踪技术,难以再超越。」 这是我们这几天在杭州IROS 2025展位上最常听到的话。 从遥操作到具身智能再到灵巧手的遥操作应用,MANUS正在为全球…

2024 暑期模拟赛 #9

100 + 100 + 100 + 20 = 320, Rank 1/6.2024暑期CSP-S&NOIP模拟赛第9套 链接:link 题解:link 的题解部分 时间:4h (2025..10.30 14:00~18:00) 题目数:4 难度:A B C D\(\color{#F39C11} 橙\) \(\color{#FFC116…

三值纠缠模型:智能价值权衡的元能力与实现路径探索

三值纠缠模型:智能价值权衡的元能力与实现路径探索 笔名/岐金兰 摘要 本研究基于岐金兰提出的“AI元人文”理论框架,深入剖析了智能进化下一阶段的本质特征——价值权衡元能力。通过系统梳理“三值纠缠模型”的理论内…

三值纠缠模型:智能价值权衡的元能力与实现路径探索

三值纠缠模型:智能价值权衡的元能力与实现路径探索 笔名/岐金兰 摘要 本研究基于岐金兰提出的“AI元人文”理论框架,深入剖析了智能进化下一阶段的本质特征——价值权衡元能力。通过系统梳理“三值纠缠模型”的理论内…

OceanBase系列---【如何拆分PMAX分区?】

OceanBase系列---【如何拆分PMAX分区?】因为OceanBase的oracle模式不支持自动创建分区,所以为了节省时间,我们往往会手动预先创建很多分区,然而,随着时间的流逝,手动创建的总会有用完的时候。为了防止数据插入报…

矩阵快速幂的构造技巧:从递推式到矩阵

矩阵快速幂是解决线性递推问题的“利器”,它能将递推的时间复杂度从朴素的 \(O(n)\) 优化到 \(O(\log n)\)。而这一技巧的核心,在于构造合适的转移矩阵。 一、从斐波那契数列入门:最基础的矩阵构造 斐波那契数列的递…

AutoDL+Deepseek 7B

1.下载huggingface_hub并指定源 pip install -U huggingface_hub export HF_ENDPOINT=https://hf-mirror.com2.下载DeepSeek-R1-Distill-Qwen-7B模型 mkdir autodl-tmp/DeepSeek-R1 huggingface-cli download --resume…

VLP平台与重组蛋白:新一代生物技术工具

VLP平台的基本概念与技术原理 病毒样颗粒(VLP)平台是一种新兴的生物技术工具,它利用重组蛋白自组装形成在结构上模拟天然病毒颗粒的空心颗粒。这些颗粒不含病毒遗传物质,因此不具备复制和感染能力,但保留了病毒的…