常系数齐次线性递推

问题

给定一个线性递推数列 $\{f_i\}$ 的前项 $f_0\dots f_{k-1}$ ，和其递推式 $f_n=\sum_{i=1}^k f_{n-i}a_i$ 的各项系数，求。

前置知识

做法

定义 $F(\sum c_ix^i)=\sum c_if_i$ ，那么答案就是。

由于 $f_n=\sum_{i=1}^{k}f_{n-i}a_i$ ，所以 $F(x^n)=F(\sum_{i=1}^{k}a_ix^{n-i})$ ，所以 $F(x^n-\sum_{i=1}^k a_ix^{n-i})=F(x^{n-k}(x^k-\sum_{i=0}^{k-1}a_{k-i}x^i))=0$ 。

设 $G(x)=x^k-\sum_{i=0}^{k-1}a_{k-i}x^i$ 。

那么。

那么就可以通过多次对加上的倍数来降低的次数。

也就是求 $F(A(x)\bmod G(x))$ 。 $A(x)\bmod G(x)$ 的次数不超过，而 $f_{0..k-1}$ 已经给出了，就可以算了。

问题转化成了快速地求 $x^n\bmod G(x)$ ，只要将普通快速幂中的乘法与取模换成多项式乘法与多项式取模就可以在 $O(k\log k\log n)$ 的时间复杂度内解决这个问题了。

矩阵的解释

该算法由 Fiduccia 在 1985 年提出，对于 $t\geq 0$ 我们定义列向量为

v_t=\begin{bmatrix}f_t\\f_{t+1}\\\vdots\\f_{t+k-1}\end{bmatrix}

那么不难发现

\underbrace{\begin{bmatrix}f_{t+1}\\f_{t+2}\\\vdots\\f_{t+k}\end{bmatrix}}_{v_{t+1}}=\underbrace{\begin{bmatrix}&1&&\\&&\ddots&\\&&&1\\a_{k}&a_{k-1}&\cdots&a_{1}\end{bmatrix}}_M\times \underbrace{\begin{bmatrix}f_t\\f_{t+1}\\\vdots\\f_{t+k-1}\end{bmatrix}}_{v_t}

而因为 $v_{t+k}$ 中每一行都满足这个递推关系，我们将 $v_{t+k}$ 描述为一个线性组合如

v_{t+k}=\sum_{i=1}^ka_{i}v_{t+k-i}

有

M^kv_t=\sum_{i=1}^ka_{i}M^{k-i}v_{t}

发现若能将两边的消去后得到多项式 $\Gamma(x)=x^k-\sum_{i=1}^ka_ix^{k-i}$ 满足 $\Gamma(M)=O$ 其中为一个 $k\times k$ 的零矩阵。

假设我们要求可以构造多项式那么，而现在我们可将写成 $f(x)=Q(x)\Gamma(x)+R(x)$ 而其中零矩阵是没有贡献的，那么。

但是注意矩阵乘法不满足消去律，此处我们定义矩阵的特征多项式为 $\Gamma(x)=\det(xI-M)$ ，其中为一个 $k\times k$ 的单位矩阵。Cayley–Hamilton 定理指出 $\Gamma(M)=O$ ，我们观察的形式较为特殊，为下 Hessenberg 矩阵，其特征多项式比起一般矩阵更容易计算。

我们从右下角的 $2\times 2$ 矩阵开始计算特征多项式

\Gamma_2(x)=\det\left(\begin{bmatrix}x&-1\\-a_2&x-a_1\end{bmatrix}\right)=x^2-a_1x-a_2

右下角 $3\times 3$ 矩阵按照第一行的余子式展开有

\begin{aligned} \Gamma_3(x)&=\det\left(\begin{bmatrix}x&-1&0\\0&x&-1\\-a_3&-a_2&x-a_1\end{bmatrix}\right)\\ &=x\cdot (-1)^{1+1}\cdot \Gamma_2(x)+(-1)\cdot (-1)^{1+2}\cdot \det\left(\begin{bmatrix}0&-1\\-a_3&x-a_1\end{bmatrix}\right)\\ &=x^3-a_1x^2-a_2x-a_3 \end{aligned}

观察并归纳有

\Gamma(x)=\Gamma_k(x)=x^k-\sum_{i=1}^ka_ix^{k-i}

至此我们可以使用上面的结论。令 $g(x)=f(x)\bmod{\Gamma(x)}$ 有。而 $\deg(g(x))\lt k$ 显然，令 $g(x)=g_0+g_1x+\cdots +g_{k-1}x^{k-1}$ 那么

M^nv_0=\sum_{i=0}^{k-1}g_iM^iv_0

即

v_n=\sum_{i=0}^{k-1}g_iv_{i}

我们关注 $v_0,v_1,\dots ,v_{k-1}$ 的第一行就是 $f_0,f_1,\dots ,f_{k-1}$ 已知，那么可在时间简单得到。求出则可用快速幂和多项式取模与上述解释是一样的。该算法常数较大，使用生成函数可以得到一个常数更小的算法，见一种新的线性递推计算方法。

本页面最近更新：2023/6/27 13:39:08，更新历史
发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：hly1204, Enter-tainer, ksyx, ouuan, QAQAutoMaton, shuzhouliu, thredreams, Tiphereth-A
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用