斐波那契数列通项公式

前言

我个人认为，学线代，学特征值，就一定要学以致用。一个个定理，一个个公式，不应该是停留在课本上的死知识。它们应该活起来，丰富起来，被用来做有趣而且有意义的事——尽管我也想不出什么太好的让知识有趣起来的方法。

这里夹带一点私货：欢迎大家来参加安排在 2020-01-01 的外卷中心年会，欢迎大家来报节目展示才艺，也欢迎大家来参加 2020-01-02 的外卷中心competition#3，祝各位玩得开心。

记得当时程设课上，有同学想让我证明斐波那契数列的通项公式，我说：如果我现场证明了，那这课可能就讲不完了。为了弥补一下遗憾，我写了一篇浅薄的博客，限于作者水平，如有谬误欢迎各位斧正。

既然大家这么热情，那么我们就开始吧——如何用特征值法求斐波那契数列的通项公式。

斐波那契数列的定义

$$f_1=f_2=1,f_n=f_{n-1}+f_{n-2}(n\ge 3,n\in \mathbb{N})$$

除了第一项和第二项外，不难发现每一项都只与其前面的两项有关。

斐波那契数列的矩阵乘法定义

$$(f_{n-1},f_n)\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)=(f_n,f_{n+1})(n\ge 2,n\in \mathbb{N})$$

当然，也要有

$$f_1=f_2=1$$

为什么不再多写几项呢？

$$(f_1,f_2)\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)=(f_2,f_3)$$

$$(f_2,f_3)\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)=(f_3,f_4)$$

$$⋮$$

$$(f_{n-1},f_n)\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)=(f_n,f_{n+1})$$

哦哦，您记得高中数列的逐差法和累乘法吗？

$$(f_1,f_2){\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)}^{n-1}=(f_n,f_{n+1})$$

这样吧，我们记 $f_0=0$那么就有$f_2=f_1+f_2$，也就有

$$(f_0,f_1){\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)}^n=(f_n,f_{n+1})$$

如果我们记

$$A=\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)$$

那么问题就转化为如何计算$A^n$？

对矩阵 $A$ 进行相似对角化就可以了，如果我们能够找到可逆矩阵 $P$ 以及对角矩阵 $\Lambda$ 使得$P^{-1}AP=\Lambda$ 即 $A=P\Lambda P^{-1}$。那么就有

$$A^n=(P\Lambda P^{-1})(P\Lambda P^{-1})\cdots (P\Lambda P^{-1})=P\Lambda (P^{-1}P)\Lambda (P^{-1}\cdots P)\Lambda P^{-1}=P{\Lambda }^n{P}^{-1}$$

对角矩阵的 $n$ 次幂应该还是挺好求的，好的，我们可以开始求特征值了。

设矩阵 $A$ 的特征值为 $\lambda$ ，那么就有

$$|\lambda E-A|=\left|\begin{array}{cc}\lambda & -1\\ -1& \lambda -1\end{array}\right|={\lambda }^2-\lambda -1=0$$

解个一元二次方程组吧，这个大家初中时候应该就学过。

$$\Delta =\sqrt{b^2-4ac}=\sqrt{5}>0$$

$${\lambda }_{1,2}=\frac{1\pm \sqrt{5}}{2}$$

接下来我们要找到与之对应的特征向量

这个过程看起来可能会比较枯燥：

$$(\lambda E-A)\mathbf{x}=0$$

把 ${\lambda }_{1,2}$ 带入上述方程，得到一个齐次线性方程组的非零解 $x$ 就是特征向量了。对于 ${\lambda }_1$ 和 ${\lambda }_2$ 分别随便找一组解就行。

$$(\lambda E-A)\mathbf{x}=\left(\begin{array}{cc}\lambda & -1\\ -1& \lambda -1\end{array}\right)\mathbf{x}=0$$

记 $\mathbf{x}=\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)$ ，带入矩阵方程得到方程组

$$\{\begin{array}{r}\lambda x_1-x_2=0\\ -x_1+(\lambda -1)x_2=0\end{array}$$

我们知道 $\lambda \ne 0$，因此可以这样

$$\{\begin{array}{r}{x}_1-\frac{1}{\lambda }{x}_2=0\\ -x_1+(\lambda -1)x_2=0\end{array}$$

两式相加得到

$$(\lambda -1-\frac{1}{\lambda })x_2=0,x_1=(\lambda -1)x_2$$

我们惊奇地发现，$\lambda -1-\frac{1}{\lambda }=0$，因此 ${\lambda }_2$ 是自由变量。不妨令 $x_2=1，x_1=\lambda -1$。

对 ${\lambda }_1=\frac{1+\sqrt{5}}{2}$

特征向量为

$${\mathbf{\alpha }}_1=\left(\begin{array}{c}\frac{\sqrt{5}-1}{2}\\ 1\end{array}\right)$$

对 ${\lambda }_2=\frac{1-\sqrt{5}}{2}$

特征向量为

$${\mathbf{\alpha }}_2=\left(\begin{array}{c}\frac{-\sqrt{5}-1}{2}\\ 1\end{array}\right)$$

这样我们就得到对角化后的矩阵了

我们记 $P=({\alpha }_1,{\alpha }_2)$ 则有

$$P^{-1}AP=\left(\begin{array}{cc}\frac{1+\sqrt{5}}{2}& 0\\ 0& \frac{1-\sqrt{5}}{2}\end{array}\right)$$

这是特征向量的性质之一，如果您不相信我，或者没有好好学习线性代数的话，建议手动矩阵乘法验证一下上式。

还剩下的工作不多了

对上式左右两侧同时求 $n$ 次幂

$$P^{-1}{A}^{n}P=\left(\begin{array}{cc}{\left(\frac{1+\sqrt{5}}{2}\right)}^n& 0\\ 0& {\left(\frac{1-\sqrt{5}}{2}\right)}^n\end{array}\right)$$

因此

$$A^n=P\left(\begin{array}{cc}{\left(\frac{1+\sqrt{5}}{2}\right)}^n& 0\\ 0& {\left(\frac{1-\sqrt{5}}{2}\right)}^n\end{array}\right)P^{-1}(\ast )$$

让我们淡定的对 $P$ 矩阵求逆。

$$P=({\alpha }_1,{\alpha }_2)=\left(\begin{array}{cc}\frac{\sqrt{5}-1}{2}& \frac{-\sqrt{5}-1}{2}\\ 1& 1\end{array}\right)$$

首先

$$|P|=\frac{\sqrt{5}-1}{2}-\frac{-\sqrt{5}-1}{2}=\sqrt{5}$$

然后 $P$ 的伴随矩阵是

$$P^{\ast }=\left(\begin{array}{cc}1& \frac{\sqrt{5}+1}{2}\\ -1& \frac{\sqrt{5}-1}{2}\end{array}\right)$$

那么我们就有

$$P^{-1}=\frac{P^{\ast }}{|P|}=\frac{1}{\sqrt{5}}\left(\begin{array}{cc}1& \frac{\sqrt{5}+1}{2}\\ -1& \frac{\sqrt{5}-1}{2}\end{array}\right)$$

带入 $(\ast )$ 式

$$A^n=\left(\begin{array}{cc}\frac{\sqrt{5}-1}{2}& \frac{-\sqrt{5}-1}{2}\\ 1& 1\end{array}\right)\left(\begin{array}{cc}{\left(\frac{1+\sqrt{5}}{2}\right)}^n& 0\\ 0& {\left(\frac{1-\sqrt{5}}{2}\right)}^n\end{array}\right)\frac{1}{\sqrt{5}}\left(\begin{array}{cc}1& \frac{\sqrt{5}+1}{2}\\ -1& \frac{\sqrt{5}-1}{2}\end{array}\right)$$

看着太累了用 ${\lambda }_1,{\lambda }_2$ 简化表示。

$$A^n=\left(\begin{array}{cc}-{\lambda }_2& -{\lambda }_1\\ 1& 1\end{array}\right)\left(\begin{array}{cc}{\lambda }_1^n& 0\\ 0& {\lambda }_2^n\end{array}\right)\frac{1}{\sqrt{5}}\left(\begin{array}{cc}1& {\lambda }_1\\ -1& -{\lambda }_2\end{array}\right)$$

全部乘开，感兴趣的同学自己手动乘一下吧

$$A^n=\frac{1}{\sqrt{5}}\left(\begin{array}{cc}-{\lambda }_2{\lambda }_1^n+{\lambda }_1{\lambda }_2^n& -{\lambda }_2{\lambda }^{n+1}+{\lambda }_1{\lambda }_2^{n+1}\\ {\lambda }_1^n-{\lambda }_2^n& {\lambda }_1^{n+1}-{\lambda }_2^{n+1}\end{array}\right)$$

那么我们算算这个

$$(f_0,f_1)A^n=(0,1)A^n=\frac{1}{\sqrt{5}}\left({\lambda }_1^n-{\lambda }_2^n,{\lambda }_1^{n+1}-{\lambda }_2^{n+1}\right)=(f_n,f_{n+1})$$

因此

$$f_n=\frac{1}{\sqrt{5}}\left({\lambda }_1^n-{\lambda }_2^n\right)=\frac{1}{\sqrt{5}}\left({\left(\frac{1+\sqrt{5}}{2}\right)}^n-{\left(\frac{1-\sqrt{5}}{2}\right)}^n\right)$$

然后我们可以看一下百度百科上给出的通项公式

惊奇地发现完全一样欸，是的，这说明我们的计算大体上没有什么问题。

如果您感兴趣的话，还可以带入几个 $n$ 进去算一算，检验一下这个公式是否正确。当然如果您想我一样懒的话，也可以写个程序去帮您算算这个通项公式求出的前 $20$ 项斐波那契数列与 传统递推法求出的前 $20$ 项斐波那契数列有什么不同。

总结一下

在刚刚过去的一个小时里，我们做了什么？用到了哪些知识点。事实上我们也没做什么惊天地泣鬼神的证明，一点点线代的知识就足够了。

1. 我们用矩阵乘法替换掉了原有的递推公式，这使得我们能够通过矩阵乘法递推出斐波那契数列中的每一项。
2. 我们用相似对角化的方法计算出了与矩阵 $A$ 相似的对角阵 $\Lambda$ 以及相似因子 $P$，使得矩阵的 $n$ 次幂运算变得容易。
3. 我们用伴随矩阵的方法求出了 $P$ 矩阵的逆矩阵 $P^{-1}$ ，毕竟 $P$ 矩阵只是一个 $2\times 2$的矩阵。

最后

感谢您这么认真地看到最后，无论您是不是外卷中心的一员，都欢迎您参加 2020-01-01 的联欢会。QQ群：“外卷中心 大水库”是我们的水群基地，也是我们联欢会的讨论群。在这里，你可以报个节目—展示才华，还可以开心地水群，另外，也可以不开心地水群，总之就是可以水群。

我始终相信，学习并不是苦修行，学习可以是一件快乐的事。只要你愿意交流而不是内卷，愿意理解而不是死记硬背。

最后，祝您学习愉快，提前祝各位元旦快乐。

2020-12-27 GGN_2015