斐波那契数列

胡沛玮

已于 2022-09-24 20:40:12 修改

阅读量468

点赞数

分类专栏：数论文章标签：算法

于 2022-09-24 18:15:10 首次发布

本文链接：https://blog.csdn.net/qq_62729874/article/details/127028854

版权

数论专栏收录该内容

5 篇文章 0 订阅

订阅专栏

斐波那契数列

定义： $F_0 = 0,\quad F_1 = 1, \quad F_n = F_{n-1} + F_{n-2}$

则 $F_n$ 所组成的数列叫做斐波那契数列。

更为详细的定义见百度百科：斐波那契数列

该数列的前几项如下：
$0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...$
很显然，第 $n$ 个斐波那契数可以用这个递推公式以线性时间复杂度 $O (n)$ 递推求解出来。

C++代码：

#include <iostream>
using namespace std;
const int mod = 1e9 + 7;
const int N = 1e6 + 5;
int f[N];
int main()
{
    f[0] = 0; f[1] = 1;
    int n;
    cin >> n;
	for(int i = 2; i <= n; i ++ ) {
    	f[i] = (f[i-1] + f[i-2]) % mod; //要注意取模，防止数字过大溢出
	}
    cout << f[n] << endl;
    return 0;
}

这种方法很简单，也很容易理解。但我们不难发现，当 $n$ 比较大的时候，求出 $F_n$ 的时间代价就比较大了。并且也会占用极大地内存，因为数列中的每一个数都需要占4个字节。那么有没有更好的方法去求斐波那契数列呢？

矩阵形式

$\quad$ 斐波那契数列的递推可以用矩阵乘法的形式表达：
$\begin{bmatrix} F_{n-1} &F_n \end{bmatrix} =\begin{bmatrix} F_{n-2} &F_{n-1} \end{bmatrix} \cdot\begin{bmatrix} 0 &1 \\ 1 &1 \\ \end{bmatrix}$
$\quad$ 设 $\begin{bmatrix}0 &1\\1 &1 \end{bmatrix}$ ，我们得到
$\begin{bmatrix}F_n &F_{n+1}\end{bmatrix}=\begin{bmatrix}F_0 &F_1\end{bmatrix}\cdot P^{n}$
$\quad$ 于是我们可以用矩阵乘法在 $\Theta(\log n)$ 的时间内计算斐波那契数列。

快速倍增法

$\quad$ 使用上面的方法我们可以得到以下等式：
$\begin{aligned} F_{2k}=F_{k}(2F_{k+1}-F_{k}) \\ F_{2k+1}=F_{k+1}^{2}+F_{k}^{2} \end{aligned}$
$\quad$ 于是可以通过这样的方法快速计算两个相邻的斐波那契数（常数比矩乘小）。代码如下，返回值是一个二元组 $F_n, F_{n+1})$ 。

C++代码实现如下：

pair<int, int> fib(int n)
{
    if(n == 0) {
        return {0, 1};
    }
    pair<int, int> p = fib(n >> 1);
    int c = p.first * (2 * p.second - p.first);
    int d = p.first * p.first + p.second * p.second;
    if (n & 1)
        return {d, c + d};
    else
        return {c, d};
}

矩阵法

对矩阵形式的简单证明：

设转换矩阵为 $P$ ，则有：
$\begin{bmatrix} F_{n-2} &F_{n-1} \end{bmatrix}\cdot P=\begin{bmatrix} F_{n-1} &F_{n} \end{bmatrix}$
由矩阵相乘的性质可知 $P$ 为 $2\times 2$ 的矩阵，设 $P=\begin{pmatrix} a &b \\ c &d \end{pmatrix}$ ，

那么 $\begin{bmatrix} F_{n-2} &F_{n-1} \end{bmatrix}\cdot\begin{pmatrix}a &b \\ c &d \end{pmatrix}=\begin{bmatrix} F_{n-1} &F_{n-1}+F_{n-2} \end{bmatrix}$

则： $\begin{cases}a\cdot F_{n-2}+c\cdot F_{n-1}=F_{n-1}\\b\cdot F_{n-2}+d\cdot F_{n-1}=F_{n-1}+F_{n-2} \end{cases}$

解得： $\begin{cases}a=0\\b=1\\c=1\\d=1 \end{cases}$

$\therefore P=\begin{pmatrix}0 &1\\1 &1 \end{pmatrix}$ ，由此得证。

那么我们可以用矩阵快速幂快速求出 $F_{n}、F_{n+1}$ 的值。

快速幂的时间复杂度是 $O(\log n)$ ，所以矩阵法求斐波那契数列时间复杂度是 $\Theta(\log n)$ 。

C++代码实现如下：

#include <bits/stdc++.h>
using namespace std;
using ll = long long;
constexpr int mod = 1e9 + 7;
struct matrix {
    ll cell[2][2];
    matrix(ll a = 0, ll b = 0, ll c = 0, ll d = 0) {
		cell[0][0] = a;
        cell[0][1] = b;
        cell[1][0] = c;
        cell[1][1] = d;
    }
}one(0, 1, 1, 1);
matrix mul(matrix a, matrix b) {
	matrix r;
    for(int i = 0; i < 2; i ++)
        for(int j = 0; j < 2; j ++)
            for(int k = 0; k < 2; k ++) {
                r.cell[i][j] += 1LL * a.cell[i][k] * b.cell[k][j] % mod; //防止整型溢出
                r.cell[i][j] = r.cell[i][j] % mod;
            }
    return r;
}
matrix qpow(ll k) {
    matrix r(0, 1, 0, 0);
    matrix cm(0, 1, 1, 1);
    while(k) {
		if(k & 1) r = mul(r, cm);
        cm = mul(cm, cm);
        k >>= 1;
    }
    return r;
}
int main()
{
    ios::sync_with_stdio(0);
    cin.tie(0); cout.tie(0);
    ll n;
    cin >> n;
    matrix t = qpow(n);
    cout << t.cell[0][0] << endl;
    return 0;
}