python循环矩阵实现_斐波那契数列与矩阵乘法的联系以及其python实现

 斐波那契数列    即     1、1、2、3、5、8、13、21、34、.....以此类推，在很多面试题中，面试官都会让你手写斐波那契数列的实现。对于一些有编程经验的人来说，这很容易，他们可以很快写出类似以下代码：

设 n 为  大于0的正整数，求第n个斐波那契数(1为第一个，2为第二个...8为第五个)

def feb(n):    if n == 1 or n == 2:        return n    else:        return feb(n - 1) + feb(n - 2)    #这里设数列从 1,2,3,5,8 开始

但是这里有个很严重的问题就是重复计算

 例如，在计算feb(5) 时，feb(1) 会调用多少次？feb(2)呢？

运行结果可见下图

可以看到 feb(2)feb(1) 被多次调用

如何能避免这个问题呢？

避免重复 的关键在于 要实现检查即将进行的计算是否已经经历过。

有同学会想到使用列表，每计算一个feb(n)，就将结果存储到列表的下标n 处。

result=[1,,1,2,3,5,8.....]

feb(n)=result[n]

这看起来似乎是一个好方法，但因为斐波那契数列可以是无限长的，如果计算feb(10000)是否真的需要长度10000的列表？(况且在python中实际列表所占地址空间会大于其可见长度。)所以这种方式显然不是可取的方式。

但是在斐波那契数列数列需要经常进行运算且n较小的时候，直接采取已经定义好的列表看起来的确是个一劳永逸的方法。

但是如果面试官要求你不使用列表，即尽可能减少内存占用呢？

这里问题就可以简化为只使用两个变量。本身斐波那契数列 中 第n个就是 前两个数相加的和。

只需要一直更新   feb(n-1)   和  feb(n-2)  的值即可。

现在我们可以使用for循环来实现：

def feb(n):    if n == 1 or n == 2:        return n    else:        n1,n2=1,2        for i in range(3, n):            n1,n2=n2,n1+n2        return n1 + n2

这样做已经效果很好了，不需要借助数组等大存储 对象，时间复杂度也只是O(n)级别。

但是有没有更好的解法？

学习高等数学、线性代数等课程时，可能有数学老师提到过斐波那契数列的另类解法--利用矩阵求解。

数列的递推公式为：f(1)=1，f(2)=2，f(n)=f(n-1)+f(n-2)(n>=3)

　　 用矩阵表示为：

　　进一步，可以得出直接推导公式：

接下来，我们先思考，如何用python实现矩阵相乘？

如果接触过numpy  库的话，你也许会想到numpy中的  dot 方法。

利用这个方法可以直接计算两个矩阵(列表)的乘积。但是如果让你自己去实现呢？

先提醒大家，矩阵可以相乘是有前提的

设有矩阵A*B

矩阵只有当左边矩阵A的列数等于右边矩阵B的行数时,才可以相乘。乘积结果矩阵的行数等于左边矩阵的行数,乘积矩阵的列数等于右边矩阵的列数
矩阵的乘法是左行乘右列

def matrixMul(A, B):  res = [[0] * len(B[0]) for i in range(len(A))]   #结果变量  for i in range(len(A)): #对于A的每行    for j in range(len(B[0])): #对于B的每列      for k in range(len(B)):   #对于B的每行        res[i][j] += A[i][k] * B[k][j]  return res

上面的代码是可用的，但是还有什么可以优化的地方吗？
注意到循环的层数足足三层，每一层都需要计算 len()。
所以最完美的写法是应该是先计算好长度再直接用长度值去遍历。

def matrixMul(A, B):  line_A,line_B,column_B=len(A),len(B),len(B[0])   res = [[0] * column_B for i in range(line_A)]   #结果变量  for i in range(line_A): #对于A的每行    for j in range(column_B): #对于B的每列      for k in range(line_B):   #对于B的每行        res[i][j] += A[i][k] * B[k][j]  return res

现在，我们可以用 矩阵乘法来 实现 斐波那契数列了

def matrixMul(A, B):  line_A,line_B,column_B=len(A),len(B),len(B[0])   res = [[0] * column_B for i in range(line_A)]   #结果变量  for i in range(line_A): #对于A的每行    for j in range(column_B): #对于B的每列      for k in range(line_B):   #对于B的每行        res[i][j] += A[i][k] * B[k][j]  return resdef feb(n):    if n <= 1: return max(n, 0)    res = [[1, 1], [0, 1]]      # 单位矩阵，等价于1 。如果  res 取值为[[1,0],[0,1]] 则会得1,1,2,3,5，8...这个无所谓    A = [[1, 1], [1, 0]]  # A矩阵    while n:        if n & 1: res = matrixMul(res, A)  # 如果n是奇数，或者直到n=1停止条件        A = matrixMul(A, A)  # 快速幂        n >>= 1  # 整除2，向下取整    return res[0][1]

= 1: return max(n, 0)\n    res = [[1, 1], [0, 1]]  \n    # 单位矩阵，等价于1 。如果  res 取值为[[1,0],[0,1]] 则会得1,1,2,3,5，8...这个无所谓\n    A = [[1, 1], [1, 0]]  # A矩阵\n    while n:\n        if n & 1: res = matrixMul(res, A)  # 如果n是奇数，或者直到n=1停止条件\n        A = matrixMul(A, A)  # 快速幂\n        n <<= 1  # 整除2，向下取整\n    return res[0][1]","classes":[]}"   >