Важливо, що у наданому вами визначенні матриця живе в кінцевому полі, скажімо, де m є простим. Це дозволяє використовувати теорему Ейлера для обчислення подвійних експоненціалів які з'являються в матриці за час .
Інакше здається важким навіть обчислити матричні коефіцієнти без факторизації .Zmmaqemodma q i ≡ a q iO(log(mn)M(logm))м
aqi≡aqi(modφ(m))(modm)
m
Якщо є простим або його можна ефективно розподілити, найгірша складність переважає кількість етапів, необхідних для множення матриці . Наприклад, підхід звичайної форми Сміта, про який я згадував у публікації партнера , обчислить визначник у часі якщо ви використовуєте "повільно" алгоритми множення . може бути вибрана як 2.373.O ( n ω ) O ( n ωmO(nω) ∗ ωO(nωlog2mlog(mn))∗ω
Ви отримуєте уповільнення у Moore vs Vandermonde, оскільки ви повинні подвоїти експоненцію коефіцієнтів матриці. Коли ви можете розподілити це уповільнення є просто полілогіармічним на . Якщо ні, представлений алгоритм дає скорочення Кука до подвійної модульної експоненції на .м Z mmmZm
Примітка *: більш швидкі алгоритми для цілого множення дозволяють замінити на .M ( log m log log m )log2mM(logmloglogm)
Оновлення : про можливість досягнення .O(nlogan)
Я не маю однозначної відповіді на це, але знайшов деяку інформацію, яка може посилити ваш пошук.
Алгоритми структурованих матриць, які обчислюють величини, такі як детермінанти в часі , в літературі називаються "надшвидкими". Усі відомі "надшвидкісні" алгоритми для структурованих матриць (Вандермонд, Топліц, Хенкель), схоже, покладаються на загальну властивість цієї матриці, відому як низький "ранг переміщення". Розгляньте обговорення в першому розділі цієї книги (сторінки з відкритим доступом) або в цій статті [ACM] , [PDF] .O(nlogan)
З того, що я прочитав, враховуючи Мур матриці , якщо ви були в змозі знайти матриці , , так що нова матриця (або як альтернативи ) має таку структуруM A B L ( M ) = A M - M B L ( M ) = M - A M Bm×nMABL(M)=AM−MBL(M)=M−AMB
L(M)=∑k=1rgkhTk
, а ранг невеликий (або постійний, або обмежений ), тоді ви можете застосувати існуючі методи (перевірте розділ 5 книги, відкрите- доступ до сторінок) до триангулізації і, отже, обчислення , використовуючи . Вище , позначають вектори. Якщо ви не можете знайти книгу вище, щоб прочитати всю справу, у цій статті є також багато інформації про ці методи.o ( хвr>0g k h ko(min{m,n})det M O ( n log 2 n )MdetMO(nlog2n)gkhk
На жаль, мені не вдалося знайти структуру ранжирів з низьким зміщенням для матриці Мура (Вандермонд має). Основне ускладнення тут, здається, виникає з "нелінійного" характеру подвійної експоненції. Якщо це допомагає, у книзі опрацьовуються справи про Вандермонде, Коші, Тепліц, Хенкель.