使用矩阵快速幂计算斐波拉契数列

一.题目：

已知F[n]=F[n-1]+F[n-2]，F[1]=1,F[2]=1,求给定n的F[n]

二. 思路

常见的方法就是动态规划，这样时间的复杂度为O（n）

还有一种更快速的方法：矩阵的快速幂

给出的递推式可以看做状态转移矩阵，可以表示为: 

那么F[n]和F[0],F[1]的关系可以表示为

如何暴力求解转移矩阵的n-1方，求矩阵的次数为n-2次，每次两两矩阵相乘的复杂度为2*2*2，也就是时间复杂度为O（8*n）

反而比动态规划高了

这里就用到求矩阵快速幂的方法，将时间的复杂度降到O(8logn)

矩阵快速幂就是：比如我求解上面矩阵

的7次方幂T^7，因为用于动态规划的转移矩阵T都是方阵（好好想一下为什么），T^2之后还是维度不变的方阵，比如T的维度是2*2,那么T^2的维度还是2*2,也就是说维度不会随着幂的增加而增加，所以对于7次方，我们分解成：（((T^2)*T)^2）*T

也就是将幂7分解成(2+1)*2+1

这样的话求解矩阵乘的次数变成了4，这样的话总的求解矩阵乘法次数N满足logn<N<2logn（想一想为什么），时间复杂度还是O（logn）级别

三.Python实现如下

import time
def mat_mul(T1,T2):
    n=len(T1)#结果的行数
    m=len(T2[0])#结果的列数
    res=[[0 for i in range(m)] for j in range(n)]
    for i in range(n):
        for j in range(m):
            res[i][j]=sum([T1[i][k]*T2[k][j] for k in range(len(T1[0]))])
    return res
def Fbi(n):
    start = time.clock()
    c=[[1,1],[1,0]]
    res=[[1,1],[1,1]]
    if 0<n<3:
        return 1
    n=n-2
    while n:
        
        if n%2:
            res=mat_mul(res,c)
        c=mat_mul(c,c)
        n=n>>1
    
    res=mat_mul(res,[[1],[1]])
    elapsed = (time.clock() - start)
    print("Time used:",elapsed)
    return res[0][0]

参考链接：

讲的非常详细，基础：

https://blog.csdn.net/yu121380/article/details/79900385