之前写了一篇从斐波那契数列分析递归与动态规划（JAVA）来优化斐波那契数列，这样可以使算法的时间复杂度从O(n^2)变到O(n),这是使用递归公式f(n)=f(n-1)+f(n-2)求斐波那契数列的最优算法，但是这只是一维世界下的极限。下面我们将其从一维上升到二维，用二阶矩阵推导斐波那契数列，该算法的复杂度为O(logn)。
矩阵定义
一个m*n的矩阵是一个由m行n列元素排成的矩形阵列。矩阵里的元素可以是数字符号或者数学式.
下面是一个典型的二阶矩阵
二阶矩阵的乘法
高效幂运算
第一种方法在高效幂运算（JAVA）中有类似的描述，虽然本文中是对矩阵进行幂运算，实质是一样的
第二种方法利用位运算转换成二进制处理
斐波那契数列的矩阵算法
import java.util.Scanner;/*** [F(n+1) F(n)] [1 1 ]^n| | =||[F(n) F(n-1)] [1 0 ]* */public class Main {// 公式矩阵 private static final int[][] UNIT = {{1, 1}, {1, 0}};// 零矩阵 private static final int[][] ZERO = {{0, 0}, {0, 0}};public static void main(String[] args) {Scanner in = new Scanner(System.in);int n = in.nextInt();int[][] m = fb(n);System.out.println(m[0][1]);}/*** 利用二进制进行高效幂运算* 求斐波那契数列* */public static int[][] fb(int n) {if (n == 0) {return ZERO;}if (n == 1) {return UNIT;}if (n%2 == 0) {System.out.println(n >> 1);int[][] matrix = fb(n >> 1);return Multiply(matrix, matrix);} else {int[][] matrix = fb((n - 1) >> 1);return Multiply(Multiply(matrix, matrix), UNIT);}}/*** 矩阵乘法* */public static int[][] Multiply(int[][] m, int[][] n) {/*** 对于斐波那契数列来说，行和列都是2，这样写更易于理解，下面也给出了标准的矩阵乘法算法，是通用的* 用到此算法，除非进行算法学习和研究，否则一般都是进行较大数据的斐波那契求值，所以对结果取(10e9)+7的模* */int[][] r = new int[2][2];r[0][0] = (m[0][0]*n[0][0] + m[0][1]*n[1][0])%1000000007;r[0][1] = (m[0][0]*n[0][1] + m[0][1]*n[1][1])%1000000007;r[1][0] = (m[1][0]*n[0][0] + m[1][1]*n[1][0])%1000000007;r[1][1] = (m[1][0]*n[0][1] + m[1][1]*n[1][1])%1000000007;return r;}}
标准矩阵乘法算法：
public static int[][] Multiply(int[][] m, int[][] n) {// 标准计算矩阵乘法算法int rows = m.length;int cols = n[0].length;int[][] r = new int[rows][cols];for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {r[i][j] = 0;for (int k = 0; k < m[i].length; k++) {r[i][j] += m[i][k] * n[k][j];}}}return r;}}
