浅谈斐波那契数列通项公式的推导

wx_Jaffe

已于 2024-04-12 09:23:44 修改

阅读量792

点赞数 28

分类专栏：线性代数文章标签：线性代数矩阵

于 2024-04-12 09:19:04 首次发布

本文链接：https://blog.csdn.net/wx_Jaffe/article/details/137666012

版权

线性代数专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文介绍了斐波那契数列的状态转移方程及其矩阵表示，通过矩阵对角化找到了特征值和特征向量，进而推导出通项公式，展示了如何利用线性代数工具简化计算过程。

摘要由CSDN通过智能技术生成

文章目录

1. 更简单的状态转移方程

我们知道，斐波那契数列的状态转移方程为：

$F ib (n) = F ib (n - 1) + F ib (n - 2)$

其中， $F ib (n)$ 表示第 $n$ 个斐波那契数。
但是这个状态转移方程是由前2个状态推导的，为了从前1个状态推导，应该把两个斐波那契数列错位排列：

{Fib11}: 1 1 2 3 5 8  13 21 34 55 ...
{Fib12}: 1 2 3 5 8 13 21 34 55 89 ...

这样，我们可以得到：

$\quad Fib_{11}(n) = Fib_{12}(n-1) \\ \quad Fib_{12}(n) = Fib_{11}(n) + Fib_{11}(n-1) = Fib_{12}(n-1) + Fib_{11}(n-1)$

这个状态转移方程就可以直接由上一个状态推导出来，而不需要前两个状态。

2. 状态转移方程的矩阵形式

我们可以把状态转移方程写成矩阵形式：

$\begin{bmatrix} Fib(n) \\ Fib(n-1) \end{bmatrix} = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \begin{bmatrix} Fib(n-1) \\ Fib(n-2) \end{bmatrix}$

令：

$\quad A = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \quad \mathbf{f_1} = \begin{bmatrix} 1 \\ 1 \end{bmatrix}$

则：

$\begin{bmatrix} Fib(n) \\ Fib(n-1) \end{bmatrix} = A^{n-1} \mathbf{f_1}$

很容易发现：

$\mathbf{f_1} = A \begin{bmatrix} 1 \\ 0 \end{bmatrix}$

所以：

$\quad \mathbf{f_0} = \begin{bmatrix} 1 \\ 0 \end{bmatrix} \\ \quad \mathbf{f_n} = \begin{bmatrix} Fib(n) \\ Fib(n-1) \end{bmatrix} = A^n \mathbf{f_0}$

3. 矩阵的对角化

现在需要把矩阵 $A$ 对角化，即找到一个矩阵 $P$ ，使得：

$P^{-1} A P = \begin{bmatrix} \lambda_1 & 0 \\ 0 & \lambda_2 \end{bmatrix} = \Lambda$

则：

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

3.1 特征值和特征向量

令：

$\left | A - \lambda I \right | = 0$

解得：

$\lambda_1 = \frac{1 + \sqrt{5}}{2} , \quad \lambda_2 = \frac{1 - \sqrt{5}}{2} \\ \Lambda = \begin{bmatrix} \lambda_1 & 0 \\ 0 & \lambda_2 \end{bmatrix}$

对于 $\mathbf{x_1} = \lambda_1 \mathbf{x_1}, \quad A \mathbf{x_2} = \lambda_2 \mathbf{x_2}$ ，解得：

$\mathbf{x_1} = \begin{bmatrix} \frac{1 + \sqrt{5}}{2} \\ 1 \end{bmatrix} , \quad \mathbf{x_2} = \begin{bmatrix} \frac{1 - \sqrt{5}}{2} \\ 1 \end{bmatrix} \\ \quad P = \begin{bmatrix} \frac{1 + \sqrt{5}}{2} & \frac{1 - \sqrt{5}}{2} \\ 1 & 1 \end{bmatrix} \\ \quad P^{-1} = \frac{1}{\sqrt{5}} \begin{bmatrix} 1 & -\frac{1 - \sqrt{5}}{2} \\ -1 & \frac{1 + \sqrt{5}}{2} \end{bmatrix}$

3.2 矩阵的对角化

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

4. 通项公式的推导

$\begin{bmatrix} Fib(n) \\ Fib(n-1) \end{bmatrix} = A^{n} \mathbf{f_0} = \frac{1}{\sqrt{5}} \begin{bmatrix} \frac{1 + \sqrt{5}}{2} & \frac{1 - \sqrt{5}}{2} \\ 1 & 1 \end{bmatrix} \begin{bmatrix} \left( \frac{1 + \sqrt{5}}{2} \right)^n & 0 \\ 0 & \left( \frac{1 - \sqrt{5}}{2} \right)^n \end{bmatrix} \begin{bmatrix} 1 & -\frac{1 - \sqrt{5}}{2} \\ -1 & \frac{1 + \sqrt{5}}{2} \end{bmatrix} \begin{bmatrix} 1 \\ 0 \end{bmatrix}$