import numpy as np
from numpy.linalg import matrix_power
a = np.array([[0,1,0],[0,0,1],[0,0,0]])
ae10 = matrix_power(a,10)
print(ae10)
[[0 0 0]
 [0 0 0]
 [0 0 0]]
注意：如果幂次很大，为了减少在求幂过程中的误差，矩阵中的数字建议用浮点数
                    Python3numpy.linalg.matrix_powerimport numpy as npfrom numpy.linalg import matrix_powera = np.array([[0,1,0],[0,0,1],[0,0,0]])ae10 = matrix_power(a,10)print(ae10)[[0 0 0] [0 0 0] [0 0 0]]
ylabel('f(t)');
title('Mini Assignment #1');
legend('t^2','sin(2\pit)','Location','northwest')
这个例子中需要注意的点在于：
求幂时需要记住用点（. ^ ),否则会报
#include<stdio.h>
//如果把Pow写在main函数下面的话，需要加一句函数调用
void Pow(int result[20][20],int a[20][20],int n){//注意函数的写法
    int i,j,k;
    int c[20][20];//用于保存中间结果
    for(i=0;i<n;i++)
				
____tz_zs
np.power
power(x1, x2, /, out=None, *, where=True, casting=‘same_kind’, order=‘K’, dtype=None, subok=True[, signature, extobj])
幂运算（指数运算），对x1中的元素进行x2中元素次幂的计算。
x1 : array_like，底数
x2 : array_l...
				
在python里，提到矩阵的运算，一定会提起numpy这个扩展库，这里就不多说。
但有些时候，比如算法题里，不允许使用扩展库，就只能自己来实现矩阵的运算了。比如这一题：
给定一个N阶矩阵A，输出A的M次幂（M是非负整数）
　　A的2次幂
　　15 22
第一行是一个正整数N、M（1<=N<=30, ...
				
matlab做矩阵运算时，却出现错误使用 - ，*等， 矩阵维度必须一致的错误
在做矩阵运算加减乘等运算时，会出现矩阵维度错误，原因其实不止是矩阵维度不一致。
1.矩阵维度不一致
A = [1,2,0; 0,1,2;3,3,1];% 为一3x3矩阵
B = [ 1,-2,3;2,1,0;2,-1,3];% 也为一3x3矩阵
C=A+B;
 2     0     3
 2     2     2
 5     2     4
若A不为3*3矩阵，则会出现矩阵维度不一致的错误，若是矩阵相乘即A乘B
            for (int j = ; j < 2; j++) {
                for (int k = ; k < 2; k++) {
                    res.a[i][j] += a[i][k] * b.a[k][j] % mod;
                    res.a[i][j] %= mod;
        return res;
Matrix qpow(Matrix a, ll b) {
    Matrix res;
    res.a[][] = res.a[1][1] = 1;
    while (b) {
        if (b & 1) res = res * a;
        a = a * a;
        b >>= 1;
    return res;
int main() {
    ll n;
    while (cin >> n) {
        if (n == -1) break;
        if (n == ) {
            cout <<  << endl;
            continue;
        Matrix base;
        base.a[][] = base.a[][1] = base.a[1][] = 1;
        Matrix res = qpow(base, n - 1);
        cout << res.a[][] << endl;
    return ;