好久没有学OI了，今天突然回来打了一场比赛，T1是矩阵快速幂+高斯消元，想到快速幂算法啥的我也一直没有整理笔记，索性一起整理一下。

假设现在我们有两个整数：(n,k)现在要求你求出(n^k)对(1e9+7)的模是多少？

显然一个简单的算法就是(O(n))把(k)个(n)乘起来，边乘边取模。

但是当(k)非常大，比如(k=1e9)的时候，这个算法的复杂度并不优秀。

那么怎么办呢？这个时候就要用到快速幂算法了。

另外，对于矩阵也有乘法运算，这里不再展开讲。矩阵快速幂算法就是对一个(n*n)的矩阵(M)，快速求(M^k)的算法（具体为什么是(n*n)涉及到矩阵乘法的性质，之后会提到）。

Part 2 快速幂、矩阵快速幂算法的原理

这里我们复习一下初中数学。

（1）如果将(n)自乘一次，就会变成 (n^2)，再把(n^2)自乘一次就会变成(n^4)，然后是(n^8)。以此类推，自乘(m)次的结果是(n^{2^{m}}) 。

（2）(a^x·a^y = a^{x+y})

（3）将(k)转化为二进制观看一下：比如(k=11=(1011)_{2})。从左到右，这些(1)分别代表十进制的(8,2,1)，可以说(n^{11} = n^8·n^2·n^1)

为什么要这样表示？因为在快速幂的过程中，我们会把(a)自乘为(n^2)，然后(n^2)自乘为(n^4)……像上面第一条说的。

相应的，如果我们的乘数(k)的二进制表示在右数第(x)位上为(1)的话，就代表(n^k)可以分解出一个因数：(n^{2^x})，反之，在右数第(x)位上为(0)的话，就代表(n^k)不可以分解出上述因数。

所以，在求解时，我们可以创建一个(base)，初始等于(n)。然后扫描(k)的二进制表示，每扫描一位，(base)自我平方，如果(k)的这一位为(1)，那么把(n)乘上(base)（(base)相当于记录了(n^{2^x})的值，若(n^k)分解出了这个值，那么答案(n)乘上(base)），扫描到最后一位的时候，就求出了(n^k)的值啦！

矩阵快速幂的原理同上，只不过把普通的乘法换成了矩阵乘法。

另外，关于取模运算，一般的，有公式：

这个应该都知道吧

Part 3 代码实现快速幂

显然快速幂的核心就是二进制分解(n^k)。

与运算符 a&b 的作用：

假设 a 的二进制表示为 1010110 ，b 的二进制表示是 1001101 ，那么 a&b 的结果就是 1000100 。简单来说，就是当 a、b 的某一位同时取 1 的时候，结果才为 1 ，否则为 0 。

显然，k&1的结果可以表示(k)的二进制的第一位（1 是 000...1）。

右移运算符 a>>x 的作用：

把运算符左侧的数的二进制表示右移 x 位（相当于从右边开始去掉了 x 位，其余不变）。

在(k)检测完第一位的时候，直接k>>=1去掉(k)的第一位就好。

代码实现：

#define ll long long
ll Mod=998244353;
inline ll FastPow(ll a,ll k){//a是底数，k是指数
    if(k==0)//特判一下
        return a%Mod;
    ll ans=1;//答案，这里我把读入进函数的a当作上文中提到的base
    while(k){
        if(k&1)//最后一位是1
            ans=(ans%Mod*a%Mod)%Mod;//答案乘以base
        a=(a%Mod*a%Mod)%Mod;//base自平方
        k>>=1;//去掉二进制第一位
    }
    return ans;//返回答案
}

Part 4 关于矩阵乘法

想要做矩阵快速幂，先要了解矩阵乘法。（考虑到我数学水平有限，这里不展开讲）

先定义矩阵(A_{n imes k})、(B_{k imes m})。

(A= left{ egin{matrix} a_{11} & a_{12} & cdots & a_{1k}\ a_{21} & a_{22} & cdots & a_{2k} \ vdots & vdots & ddots & vdots \ a_{n1} & a_{n2} & cdots & a_{nk} end{matrix} ight})，(B= left{ egin{matrix} b_{11} & b_{12} & cdots & b_{1m}\ b_{21} & b_{22} & cdots & b_{2m} \ vdots & vdots & ddots & vdots \ b_{k1} & b_{k2} & cdots & b_{km} end{matrix} ight})

矩阵乘法的定义如下：

（1）(A)（左矩阵）的列数必须与 (B)（右矩阵）的行数相同，这也是矩阵乘方要求是正方形矩阵的原因，即矩阵自乘要求行和列数相等。

（2） (C) 的行数与 (A)（左矩阵）相同，列数与(B)（右矩阵）相同，即(C_{n imes m})

（3） (C) 的第 (i) 行第 (j) 列的元素 (C_{ij}) 由 (A) 的第 (i) 行元素与 (B) 的第 (j) 列元素对应相乘，再取乘积之和。

用一个公式来说就是：

关于单位矩阵：

单位矩阵是一个左上到右下对角线的元素都为(1)，其余元素为(0)的矩阵，一个矩阵乘以单位矩阵（在行列数允许的情况下），根据矩阵乘法的定义，得到的结果是这个矩阵本身。

OK，了解到这里已经足够我们做矩阵快速幂了。

Part 5 矩阵快速幂代码实现

对指数(k)的操作同上，这里不再复述。

重要的是，重载乘法运算符，使得我们在上面的式子对于矩阵也适用。

代码实现：

const ll Mod=1e9+7;
ll n,k;
ll M[maxn][maxn];//这里的M是初始矩阵

struct matrix{
    ll M[maxn][maxn];//定义一个结构体
}A,res;

matrix operator * (matrix &a,matrix &b){//重载这个结构体的*运算符
    matrix c;//c是运算结果
    memset(c.M,0,sizeof(c.M));
    for(int i=0;i<n;i++)//改为矩阵乘法的原理
        for(int j=0;j<n;j++)
            for(int k=0;k<n;k++)
                c.M[i][j]=(c.M[i][j]%Mod+((a.M[i][k]%Mod)*(b.M[k][j]%Mod))%Mod)%Mod;//乘法取模
    return c;//返回结果矩阵c
}

inline void FastMatrixPow(matrix a,ll k){
    memset(res.M,0,sizeof(res.M));
    for(int i=0;i<n;i++)
        res.M[i][i]=1;//创建单位矩阵（相当于1）作为初始答案
    while(k){
        if(k&1)
            res=res*a;
        a=a*a;//同上操作，a作为base自乘
        k>>=1;
    }
}

Part 6 结语

其实快速幂算法也是分治算法的一种，体现的是分而治之的思想。核心就是把指数分解成几个2的幂的乘积的形式，然后分别求解。

今天是重回OI的第5天，希望可以快速恢复到去年CSP之前的状态吧。