浅说斐波那契数列

本文同步发布至 洛谷

斐波那契数列

作为世界上最神奇的数列之一，斐波那契数列与许许多多的数学知识有着关系。下面说几条经典的性质加证明。

我们先定义 $f_0=0$，$f_1=1$，$f_n=f_{n-1}+f_{n-2}(n\ge 2)$。这个应该都会吧。

性质1：可以用矩阵快速幂或倍增求出第 $n$ 项

首先讲一下什么是矩阵快速幂。

简单来说就是把快速幂的思想放在矩阵上，对于一个矩阵 $A$，它的 $A^n$ 也是可以拆分成 $A^{\frac{n}{2}}\times A^{\frac{n}{2}}$ 的，也就是说可以进行 $\mathcal{O}(\log n)$ 级别的快速幂的。然后考虑一个基本矩阵 $I$（和快速幂中的 $1$ 差不多），依次翻倍做快速幂。

然后我们再来考虑一下这个和斐波那契的关系。

从相邻的式子看起，我们先用一个二维向量 $\mathbf{v}$ 来表示 $\left[\begin{array}{c}{f}_n\\ f_{n-1}\end{array}\right]$，即 ${\mathbf{v}}_{\mathbf{n}}=\left[\begin{array}{c}{f}_n\\ f_{n-1}\end{array}\right]$。那么我们也可以写出 ${\mathbf{v}}_{\mathbf{n}+1}=\left[\begin{array}{c}{f}_{n+1}\\ f_n\end{array}\right]=\left[\begin{array}{c}{f}_n+f_{n-1}\\ f_n\end{array}\right]$，思考二者的关系，发现可以乘 $\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]$ 进行转换，设这个矩阵为 $A$，则有 ${\mathbf{v}}_{\mathbf{n}+1}={\mathbf{v}}_{\mathbf{n}}\times A$。

因为矩阵可累乘，所以说 ${\mathbf{v}}_{\mathbf{n}}=A^{n-1}\times {\mathbf{v}}_1$，其中 ${\mathbf{v}}_1=\left[\begin{array}{c}{f}_1\\ f_0\end{array}\right]=\left[\begin{array}{c}1\\ 0\end{array}\right]$。这个可以用数学归纳法证明，比较简单，省略。

• $n=1$ 时，有 $A^1=\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]=\left[\begin{array}{cc}{F}_2& F_1\\ F_1& F_0\end{array}\right]=\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]$ 成立。

• 假设 $A^n=\left[\begin{array}{cc}{F}_{n+1}& F_n\\ F_n& F_{n-1}\end{array}\right]$ 成立，考虑 $n+1$，显然有

  $A^{n+1}=A^{n}A=\left[\begin{array}{cc}{F}_{n+1}& F_n\\ F_n& F_{n-1}\end{array}\right]\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]=\left[\begin{array}{cc}{F}_{n+1}+F_n& F_{n+1}\\ F_n+F_{n-1}& F_n\end{array}\right]=\left[\begin{array}{cc}{F}_{n+2}& F_{n+1}\\ F_{n+1}& F_n\end{array}\right]$。

与命题形式一致，归纳完成。

由该恒等式就可以得到 $F_n=(A^n{)}_{1,2}$ 或 $F_n=(A^{n-1}{)}_0$。

当我求出 $A^n$ 或 $A^{n-1}$ 的时候，我的第 $n$ 项也就知道了，那么我们也就只要 $\log n$ 的时间就可以了。

#include <bits/stdc++。h>
#define int64 long long
const long long mod=1e9+7;//模数可选
using namespace std;

struct Matrix {
    long long a[2][2];
    Matrix() { memset(a, 0, sizeof(a)); }
};

Matrix mul(const Matrix &x, const Matrix &y) {
    Matrix res;
    for (int i = 0; i < 2; i++) {
        for (int j = 0; j < 2; j++) {
            __int128 sum = 0; // 防止溢出 (可选)
            for (int k = 0; k < 2; k++) {
                sum += (__int128)x。a[i][k] * y。a[k][j];
            }
            res。a[i][j] = sum % mod;
        }
    }
    return res;
}

// 矩阵快速幂
Matrix power(Matrix base, long long exp) {
    Matrix res;
    // 初始化为单位矩阵
    res。a[0][0] = res。a[1][1] = 1;
    while (exp > 0) {
        if (exp & 1) res = mul(res, base);
        base = mul(base, base);
        exp >>= 1;
    }
    return res;
}

// 求 Fibonacci(n)
long long fibonacci(long long n) {
    if (n == 0) return 0;
    Matrix fib;
    fib。a[0][0] = 1; fib。a[0][1] = 1;
    fib。a[1][0] = 1; fib。a[1][1] = 0;
    Matrix res = power(fib, n - 1); // 注意为 n-1 
    return res。a[0][0]; // F(n)
}

int main() {
    long long n;
    cin >> n;
    cout << fibonacci(n);
    return 0;
}
//可过luogu P1962

当然这个只是一种方法，还有另一种方法，不过需要我们观察一下。

$A^{2k}=(A^k{)}^2\Rightarrow \left[\begin{array}{cc}{F}_{2k+1}& F_{2k}\\ F_{2k}& F_{2k-1}\end{array}\right]={\left[\begin{array}{cc}{F}_{k+1}& F_k\\ F_k& F_{k-1}\end{array}\right]}^2=\left[\begin{array}{cc}{F}_{k+1}^2+F_k^2& F_k(F_{k+1}+F_{k-1})\\ F_k(F_{k+1}+F_{k-1})& F_k^2+F_{k-1}^2\end{array}\right]$。

对比左上角和右上角，发现以下公式：

$$\begin{gathered} F_{2k+1}=F_{k+1}^2+F_k^2 \\ {F}_{2k}=F_k(F_{k+1}+F_{k-1})=F_k(2F_{k+1}-F_k) \end{gathered}$$

不能发现，$F_n$ 都可以被 $F_{\lfloor n/2\rfloor }$ 和 $F_{\lfloor n/2\rfloor +1}$ 表示出来，那么就可以基于此进行二分操作，通过倍增的方式跳上去，时间复杂度也是 $\mathcal{O}(\log n)$ 的。

#include <bits/stdc++。h>
#define int64 long long 
using namespace std;
long long mod=1e9+7;

// 快速倍增法，返回 (F(n), F(n+1))
pair<int64,int64> fib_fast(int64 n) {
    if (n == 0) return {0, 1};
    auto p = fib_fast(n >> 1);
    int64 a = p。first;  // F(k)
    int64 b = p。second; // F(k+1)
    int64 c = ( (__int128)a * ((2 * b % mod - a + mod) % mod) ) % mod; // F(2k)
    int64 d = ( ((__int128)a * a) % mod + ((__int128)b * b) % mod ) % mod; // F(2k+1)
    if (n & 1) return {d, (c + d) % mod}; // (F(2k+1), F(2k+2))
    else return {c, d};                  // (F(2k), F(2k+1))
}

long long fibonacci(long long n) {
    return fib_fast(n)。first;
}

int main() {
    long long n;
    cin >> n;
    cout << fibonacci(n); 
    return 0;
}

性质2：斐波那契数列在对 $P$ 取模的时候，循环节是 $\mathcal{O}(\mathcal{P})$ 级别的

这个其实和 $\mathcal{P}isano$ 周期有关。

$\mathcal{P}isano$ 周期的定义是：斐波那契数列在模 $P$ 的意义下是一个周期序列，这个最小周期长度记作 $\pi (P)$。

$\mathcal{Q}1$：为什么一定有循环节（任意模数 $P$）。

$Proof$：

把斐波那契递推写成线性变换，设

${\mathbf{v}}_n=\left(\genfrac{}{}{0ex}{}{F_n}{F_{n+1}}\right),A=\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)$。

则 ${\mathbf{v}}_{n+1}=A{\mathbf{v}}_n$（已经在性质 1 处详细已证明），从而

${\mathbf{v}}_n=A^n{\mathbf{v}}_0,{\mathbf{v}}_0=\left(\genfrac{}{}{0ex}{}{F_0}{F_1}\right)=\left(\genfrac{}{}{0ex}{}{0}{1}\right)$。

在模 $P$ 的意义下，一切都在环 $\mathbb{Z}/P\mathbb{Z}$ 中进行，注意 $\det A=-1$。

对任意 $P$ 都与 $P$ 互素，因此 $A$ 在模 $P$ 下是可逆的（即 $A\in {\mathrm{GL}}_2(\mathbb{Z}/P\mathbb{Z})$）。

把态空间看成有限集合，有

$\Omega =\{(x,y)(\mathrm{mod}P)\}(|\Omega |=P^2)$。

考虑映射 $T:(x,y)\mapsto (y,x+y)$ 就是乘以矩阵 $A$。因为 $A$ 可逆，$T$ 是双射。对有限集合上的双射，从某个起点出发的轨道一定是一个纯循环（不可能有“引入段”），并且首次重访的状态必定是起点本身。我们从 ${\mathbf{v}}_0=(0,1)$ 出发，因此存在最小正整数 $\pi (P)$ 使

${\mathbf{v}}_{\pi (P)}={\mathbf{v}}_0⟺(F_{\pi (P)},F_{\pi (P)+1})\equiv (0,1)(\mathrm{mod}P)$,

这就是Pisano 周期，显然 $\pi (P)\le P^2$。$\square$

一句话证明：周期存在，因为“状态双射 + 有限态空间 $\Rightarrow$ 必回到起点”，且映射可逆由 $\det A=-1$ 保证。

但是没人觉得上面这个可以用剩余系证明吗？

$Proof$：

考虑设

${\mathbf{s}}_n\equiv (F_n,F_{n+1})(\mathrm{mod}P),n\ge 0$。

把每个分量都取自模 $P$ 的完全剩余系 { 0 , 1 , … , P − 1 } \{0,1,\dots,P-1\} {0,1,…,P−1}。于是所有可能的状态组成集合

Ω = { 0 , 1 , … , P − 1 } × { 0 , 1 , … , P − 1 } \Omega=\{0,1,\dots,P-1\}\times\{0,1,\dots,P-1\} Ω={0,1,…,P−1}×{0,1,…,P−1},

其大小为 $|\Omega |=P^2$。

由斐波那契递推 $F_{n+2}=F_{n+1}+F_n$ 可定义确定性映射

$T:\Omega \to \Omega ,T(x,y)=(y,x+y)(\mathrm{mod}P)$。

于是 ${\mathbf{s}}_{n+1}=T({\mathbf{s}}_n)$。

关键事实： $T$ 是双射。确实，给定 $(x\prime ,y\prime )$，若 $(x,y)$ 满足

$T(x,y)=(y,x+y)\equiv (x^{\prime },y^{\prime })(\mathrm{mod}P)$,

则从第二个式子得 $x\equiv y^{\prime }-y$，代回第一个式子得 $y\equiv x^{\prime }$。故唯一前驱为 $(x,y)=(y^{\prime }-x^{\prime },x^{\prime })$。从而 $T$ 既单又满。

因为 $\Omega$ 有限且 $T$ 是双射，$\Omega$ 被分解为若干纯环路（每个点都在某个有限循环中），不存在“引入段”。起始状态为

${\mathbf{s}}_0=(F_0,F_1)=(0,1)$。

故存在最小正整数 $\pi (P)$ 使 ${\mathbf{s}}_{\pi (P)}={\mathbf{s}}_0⟺(F_{\pi (P)},F_{\pi (P)+1})\equiv (0,1)(\mathrm{mod}P)$,

这个不就是上面的那个式子吗？由于轨道位于大小为 $P^2$ 的集合中，必在至多 $P^2$ 步内回到起点，故 $\pi (P)\le P^2$。证毕。。$\square$

怎么感觉两个证明起来差不多呢？（doge

$\mathcal{Q}2$：为什么素数模数 $p$ 下：$\pi (p)$ 整除 $p-1$ 或 $2(p+1)$

$Proof$：

接下来我们默认 $p$ 为素数。把模 $p$ 的世界当作域 ${\mathbb{F}}_p$。

还有一个常用伴随矩阵

$Q=\left(\begin{array}{cc}1& 1\\ 1& 0\end{array}\right),\left(\genfrac{}{}{0ex}{}{F_{n+1}}{F_n}\right)=Q^n\left(\genfrac{}{}{0ex}{}{1}{0}\right)$,

它与上面的 $A$ 相似，结论等价，我们用 $Q$ 便于与特征多项式对应。

$First$ 考虑与周期的关系：

若 $Q^m=I$ 于 ${\mathbb{F}}_p$，则对任意初始向量都周期 m 回到原点，特别地 $\pi (p)\mid m$。因此

$\pi (p)|\mathrm{ord}(Q)(\text{Q 在 }{\mathrm{GL}}_2({\mathbb{F}}_p)\text{中的阶})。$

于是只需估计 $\mathrm{ord}(Q)$。

$Second$ 特征多项式与两个情形：

$Q$ 的特征多项式是

$\chi (x)=x^2-x-1,\Delta =1+4=5$。

分两类（除去特例 $p=5$ 使得 $\Delta \equiv 0$）：

---

情形 A：5 是二次剩余 （$\left(\frac{5}{p}\right)=+1$，等价于 $p\equiv \pm 1(\mathrm{mod}5)$）。

此时 $\chi$ 在 ${\mathbb{F}}_p$ 可分解，存在

$\alpha =\frac{1+\sqrt{5}}{2},\beta =\frac{1-\sqrt{5}}{2}\in {\mathbb{F}}_p$,

且 $Q$ 在 ${\mathbb{F}}_p$ 上可对角化：$Q=S\mathrm{diag}(\alpha ,\beta )S^{-1}$。
于是

$\mathrm{ord}(Q)=\mathrm{lcm}(\mathrm{ord}(\alpha ),\mathrm{ord}(\beta ))$。

但 $\alpha ,\beta \in {\mathbb{F}}_p^{\times }$，而 ${\mathbb{F}}_p^{\times }$ 是循环群，阶为 $p-1$。所以

$\mathrm{ord}(\alpha )\mid (p-1),\mathrm{ord}(\beta )\mid (p-1)\Rightarrow \mathrm{ord}(Q)\mid (p-1)$。

从而

$\boxed{\pi (p)\mid (p-1)}(p\equiv \pm 1\mathrm{mod}5)$。

---

情形 B：5 是二次非剩余（$\left(\frac{5}{p}\right)=-1$，等价于 $p\equiv \pm 2(\mathrm{mod}5)$）

此时 $\chi$ 在 ${\mathbb{F}}_p$ 不可约，但在扩域 ${\mathbb{F}}_{p^2}$ 上分解，并且两根互为弗罗贝尼乌斯共轭：

$\alpha ,\beta \in {\mathbb{F}}_{p^2},\beta ={\alpha }^p$。

由 $\alpha \beta =-1$（常数项）知

${\mathrm{Norm}}_{{\mathbb{F}}_{p^2}/{\mathbb{F}}_p}(\alpha )={\alpha }^{p+1}=\alpha \beta =-1$。

因此

${\alpha }^{p+1}=-1\Rightarrow {\alpha }^{2(p+1)}=1$。

于是 $\mathrm{ord}(\alpha )\mid 2(p+1)$。再注意 $\beta =-{\alpha }^{-1}$，

$\mathrm{ord}(\beta )=\{\begin{array}{ll}\mathrm{ord}(\alpha ),& \mathrm{ord}(\alpha )\text{为偶数};\\ 2\mathrm{ord}(\alpha ),& \text{为奇数}。\end{array}$

而上式 ${\alpha }^{p+1}=-1$ 直接说明 $-1\in ⟨\alpha ⟩$，故 $\mathrm{ord}(\alpha )$ 一定是偶数，于是 $\mathrm{ord}(\beta )=\mathrm{ord}(\alpha )$。
对角化后

$\mathrm{ord}(Q)=\mathrm{lcm}(\mathrm{ord}(\alpha ),\mathrm{ord}(\beta ))=\mathrm{ord}(\alpha )\mid 2(p+1)$。

从而

$\boxed{\pi (p)\mid 2(p+1)}(p\equiv \pm 2\mathrm{mod}5)$。

$Third$ 特殊小素数：

$p=2$：直接算得 $\pi (2)=3$，而 $2(p+1)=6$，确有 $\pi (2)\mid 6$。

$p=5$：$\chi (x)$ 判别式为 $0$，$x^2-x-1\equiv (x-3{)}^2$；此时 $Q$ 的 $Jordan$ 形导致 $\pi (5)=20$（经典结果），它不整除 $p-1=4$ 或 $2(p+1)=12$，因此需要单独例外处理。

$End$ 小结（素数模）

对所有素数 $p\ne 5$：

$\boxed{\pi (p)|\{\begin{array}{ll}p-1,& p\equiv \pm 1(\mathrm{mod}5)(\text{判别式可分解});\\ 2(p+1),& p\equiv \pm 2(\mathrm{mod}5)(\text{判别式不可约})。\end{array}}$

再加上特例 $\pi (2)=3$、$\pi (5)=20$。这样就有完整的证明过程了。

延伸：合数模 P 下有 $\pi (P)=\mathrm{lcm}(\pi (p_1^{k_1}),\dots )$（互素分解后取最小公倍数），且 $\pi (p^k)\mid p^{k-1}\pi (p)$。因此总体上 $\pi (P)=O(P)$。