정의

The Fibonacci sequence, \(f_0, f_1, f_2\), . . . , is defined by the initial conditions \(f_0 = 0, f_1 = 1\), and the recurrence relation
\(f_n = f_{n−1} + f_{n−2}\)
for \(n = 2,3,4,...\).

  • \(f_0 = 0\).
  • \(f_1 = 1\).
  • \(f_n = f_{n-1} + f_{n-2}\).

피보나치 수열은 앞에 나온 두 개의 항을 더하는 것을 반복하여 얻을 수 있는 수열이다.

코딩할 때 주의점

  • 숫자가 커지는 범위를 생각하면서 자료형을 선택해야 한다.
  • \(f(94)\) 이상을 구하려면 각 언어별로 제공되거나 구현된 BigNumber 라이브러리를 사용하도록 한다.
n \(f(n)\) 주의
46 1 836 311 903  
47 2 971 215 073 int 32 max 는 2 147 483 647
48 4 807 526 976 unsigned int 32 max 는 4 294 967 295
   
92 7 540 113 804 746 346 429  
93 12 200 160 415 121 876 738 int 64 max 는 9 223 372 036 854 775 807
94 19 740 274 219 868 223 167 unsigned int 64 max 는 18 446 744 073 709 551 615

위의 표는 개행 문제 때문에 ,대신 공백을 주어 표현하였다.

반복법(iteration)으로 풀기

  • 초기조건 \(f_0, f_1\)부터 반복적으로 덧셈을 하여 \(f_n\)을 얻어낼 때까지 계산하는 방법.
  • \(O(n)\)의 시간 복잡도를 갖는다.

결과를 배열에 기록하길 바란다면 다음과 같이 할 수 있다.

// int64는 92번째 피보나치 수까지만 표현 가능
var list = [92 + 1]int64{0, 1, 1}

func f(n int) int64 {
    if n <= 2 {
        return list[n]
    }
    for i := 3; i <= n && i <= 92; i++ {
        list[i] = list[i-2] + list[i-1]
    }
    return list[n]
}

두 개의 변수를 swap해가며 더하는 방법으로도 구할 수 있다.

func f(n int) int {
    if n <= 1 {
        return n
    }
    a, b := 0, 1
    for i := 2; i < n; i++ {
        a, b = b, b+a   // swap
    }
    return a + b
}

재귀를 사용해 풀기

  • 가장 단순한 코드로 표현 가능하지만 \(O(2^n)\)의 시간 복잡도를 갖는다.
func f(n int) int {
    if n <= 1 {
        return n
    }
    return f(n-1) + f(n-2)
}

Q 행렬의 사용

행렬 \(Q\)의 거듭제곱을 사용해 계산하는 방법이다. \(Q\) 행렬은 1과 0만으로 이루어진 2차 정사각행렬이다.

\[Q = \begin{bmatrix} 1 & 1 \\ 1 & 0 \\ \end{bmatrix}\]

이 행렬 \(Q\)을 거듭제곱하면 아주 쉽게 피보나치 수를 얻을 수 있다.

\[Q^n = \begin{bmatrix} 1 & 1 \\ 1 & 0 \\ \end{bmatrix} ^n = \begin{bmatrix} f_{n+1} & f_n \\ f_n & f_{n-1} \\ \end{bmatrix}\]

Q 행렬이 작동하는 원리

다음과 같은 과정을 거치면 \(f_n = f_{n-1} + f_{n-2}\)를 단순한 두 개의 행렬 곱으로 변환할 수 있다.

\[\begin{align} f_n & = f_{n-1} + f_{n-2} \\ & = 1 \times f_{n-1} + 1 \times f_{n-2} \\ & = \begin{bmatrix} 1 & 1 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \end{align}\]

이번엔 \(f_{n-1}\)에 대한 간단한 식을 하나 꾸며 보자. 0에 주목하며 위의 식과 비교해보면 이해하기 쉽다.

\[\begin{align} f_{n-1} & = 1 \times f_{n-1} + \color{red}0 \times f_{n-2} \\ & = \begin{bmatrix} 1 & \color{red}0 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \end{align}\]

이제 위에서 얻은 \(f_n\)과 \(f_{n-1}\)을 위아래로 쌓아 \(2 \times 1\)행렬을 만들면 다음과 같은 식을 얻을 수 있다.

\[\begin{align} f_n & = \begin{bmatrix} 1 & 1 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \\ f_{n-1} & = \begin{bmatrix} 1 & 0 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \\ \\ \begin{bmatrix} f_{n} \\ f_{n-1} \end{bmatrix} & = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \\ \end{align}\]

가운데에 Q 행렬 \(\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}\)이 나타난 것을 알 수 있다.

잠시 프로그래밍의 관점으로 돌아가서 생각해 보자. 이 곱셈은 결과 행렬 \(\begin{bmatrix} f_{n} \\ f_{n-1} \end{bmatrix}\) 의 각 성분(entry)을 다음과 같이 채워준다.

  • Q 행렬의 윗줄 \(\begin{bmatrix} 1 & 1 \end{bmatrix}\)은 \(f_{n-1}\)과 \(f_{n-2}\)의 합을 구해, 행렬의 윗줄로 올리는 역할을 한다.
  • Q 행렬의 아랫줄 \(\begin{bmatrix} 1 & 0 \end{bmatrix}\)은 위에 있었던 \(f_{n-1}\)을 단순히 아랫줄로 내리는 역할이다.
\[\begin{align} \begin{bmatrix} f_{2} \\ f_{1} \end{bmatrix} & = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} f_1 \\ f_0 \end{bmatrix} \\ & = \begin{bmatrix} f_1 + f_0 \\ f_1 \end{bmatrix} \end{align}\]

\(\begin{bmatrix} f_1 \\ f_0 \end{bmatrix}\)에 \(\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}\)를 곱했더니 \(\begin{bmatrix} f_1 + f_0 \\ f_1 \end{bmatrix}\)가 되는 것을 확인할 수 있다.

즉 Q 행렬을 곱하는 방법은 두 개 변수의 값을 서로 바꿔가며 덧셈하여 피보나치 수를 구하는 방법과 똑같다.

for i := 2; i < n; i++ {
    a, b = b, b+a   // swap
}
return a + b

행렬 Q를 반복적으로 곱하면 이러한 덧셈을 반복하는 셈이 된다.

\[\begin{align} \begin{bmatrix} f_{n} \\ f_{n-1} \end{bmatrix} & = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} f_{n-1} \\ f_{n-2} \end{bmatrix} \\ & = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} \times \begin{bmatrix} f_{n-2} \\ f_{n-3} \end{bmatrix} \\ & ... \\ & = \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix} ^{n-1} \times \begin{bmatrix} f_1 \\ f_0 \end{bmatrix} \\ \end{align}\]

Q 행렬의 거듭제곱으로 효율 좋게 피보나치 수 계산하기

Q 행렬을 곱하는 것만으로도 피보나치 수를 구할 수 있으므로, 단순히 덧셈을 반복하는 것보다 빠르게 피보나치 수를 구할 수 있다.

거듭제곱을 효율 좋게 계산하는 방법을 활용할 수 있다.

TAOCP 2권. 4.6.3. Evaluation of Powers에서는 거듭제곱을 효율 좋게 계산하기 위한 여러 기법을 소개하는데 그 중 한 가지 방법은 다음과 같은 것이다.

예를 들어 \(x^{16}\)를 구해야 한다고 하자. 그냥 x로 시작해서 거기에 x를 열다섯 번 곱해도 된다. 단 네 번의 곱셈으로 같은 답을 구하는 것도 가능하다. 매 단계마다 중간 결과의 제곱을 취하는 방식으로, 차례로 \(x^2, x^4, x^8, x^{16}\)을 구하면 되는 것이다.

Wolfram Alpha에서 검색하기

울프람 알파를 사용하면 굉장히 큰 피보나치 수를 쉽게 얻을 수 있다.

테스트해보니 울프람 알파에서는 6,487,075,382,438,781 번째 피보나치 수까지 조회할 수 있다.1

참고문헌

  • Rosen의 이산수학 / Kenneth H. Rosen 저 / 공은배 등저 / 한국맥그로힐(McGraw-Hill KOREA) / 2017년 01월 06일

주석

  1. 이진 탐색으로 알아냈다.