【矩阵乘法】 P1962 斐波那契数列

本文介绍了一种利用矩阵快速幂算法高效计算斐波那契数列的方法。通过将斐波那契数列转换为矩阵形式,并使用快速幂进行计算,可以显著提高计算效率,特别是对于大数值的斐波那契数。文章提供了详细的算法实现代码,包括矩阵乘法和矩阵快速幂函数。

由于斐波那契数列的性质,我们知道f[i]=f[i-1]+f[i-2]

这里按照矩阵的形式写[f[i],f[i+1]]\begin{bmatrix} 0&1 \\ 0 &1 \end{bmatrix}=[f[i+1],f[i+2]]

所以,想要快速推出f[n],那就可以把\begin{bmatrix} 0&1 \\ 0 &1 \end{bmatrix},平方n-1次,输出右下角的数字

这里计算\begin{bmatrix} 0&1 \\ 0 &1 \end{bmatrix}^{n-1}用到了快速幂

 

#include<bits/stdc++.h>
using namespace std;
long long n;
const int mod=1e9+7;
struct juzhen
{
	unsigned long long a[3][3];
}temp,ans,fore;
juzhen mul(juzhen x ,juzhen y)
{
	juzhen cnt;
	for(int i=1;i<=2;i++)
		for(int j=1;j<=2;j++)
		{
			unsigned long long ans=0;
			for(int k=1;k<=2;k++)
			{
				ans+=(x.a[i][k]*y.a[k][j])%mod;
				ans%=mod;
			}
			cnt.a[i][j]=ans;
		}
	return cnt;
}
juzhen pow(long long x)
{
	if(x==0)
	{
		temp.a[1][1]=1;
		temp.a[1][2]=0;
		temp.a[2][1]=0;
		temp.a[2][2]=1;
		return temp;
	}
	if(x==1)
	{
		return fore;
	}
	
	if(x%2==1)
	{
		juzhen xa=pow((x-1)/2);
		return mul(mul(xa,xa),fore);
	}
	else
	{
		juzhen xa=pow(x/2);
		return mul(xa,xa);
	}
} 
int main()
{
	scanf("%lld",&n);
	fore.a[1][1]=0; fore.a[1][2]=fore.a[2][1]=fore.a[2][2]=1;
	ans=pow(n-1);
	printf("%lld\n",ans.a[2][2]);
	return 0;
}

 

### 使用矩阵快速幂法优化斐波那契数列 #### 矩阵相关基础知识 为了理解如何通过矩阵快速幂来优化斐波那契数列的计算,先要掌握一些基本概念。矩阵是一种按照矩形排列的数据集合,在这里主要关注方阵的操作,特别是乘法运算[^2]。 #### 斐波那契数列矩阵表示 考虑定义一个 \(2 \times 2\) 的转移矩阵: \[ M = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \] 如果设向量 \(V_n=\left[\begin{array}{c}F(n)\\ F(n-1)\end{array}\right]\),那么有关系式: \[ V_{n}=MV_{n-1}, \quad n>0 \] 这表明可以通过连续左乘该特定形式的矩阵\( M \) 来获得更高阶次的斐波那契数值[^1]。 #### O(\log_2{n}) 时间复杂度下的斐波那契数列求解 利用上述性质,可以构建如下递推公式用于高效地获取任意位置上的斐波那契值: 当 \(k\) 是偶数时, \[ F(k)=F(k/2)^2+F(k/2−1)^2, \] 而奇数情况下则为: \[ F(k)=(2*F(k//2)-F(k//2-2))*F(k//2), \] 其中 `//` 表示整除操作。这种方法的时间复杂度仅为 \(O(\log_2{n})\) 而不是传统方法中的线性级别甚至更糟的情况[^4]。 #### 完整实现代码 下面是基于 Python 编写的完整程序,它实现了使用矩阵快速幂的方法来计算给定索引处的斐波那契数: ```python def matrix_mult(A, B): """执行两个2x2矩阵相乘""" C = [[0, 0], [0, 0]] for i in range(2): for j in range(2): for k in range(2): C[i][j] += A[i][k]*B[k][j] return C def power_matrix(M, p): """对矩阵进行p次自乘""" result = [[1, 0], [0, 1]] # 单位矩阵作为初始状态 while p > 0: if p % 2 == 1: result = matrix_mult(result, M) M = matrix_mult(M, M) p //= 2 return result def fibonacci(n): """返回第n个斐波那契数""" if n <= 1: return n base_matrix = [[1, 1], [1, 0]] powered_matrix = power_matrix(base_matrix, n - 1) return powered_matrix[0][0] print(fibonacci(9)) ``` 此段代码展示了如何有效地应用矩阵快速幂技术来解决斐波那契序列的问题,并且能够显著减少所需的计算次数和资源消耗。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值