先说几个核心判断：递归版本最直观，但千万别真拿它去算；迭代是日常开发中的首选方案，通用且安全；矩阵快速幂确实快，但只有当 n 大到 10⁹ 级别、并且配合固定模数使用时，才值得请出这尊大神。三者之间不是平替关系，而是各有各的适用场景。
递归版本为什么一到 n > 40 就卡得让人想砸键盘？
原因很简单：它的时间复杂度是 O(2ⁿ)。每一层调用都会分裂出两个子调用，大量的重复计算堆叠在一起——比如算 fib(5) 的时候，fib(3) 被重复计算了两次，fib(2) 被算了三次，越往后重复越严重。没有记忆化缓存的纯递归，连 fib(50) 都可能跑几十秒。
当然，如果你只是想验证一下逻辑，或者做个教学演示，加个 std::map 做记忆化处理也不是不行——但请注意，那已经不是“朴素递归”了。而一旦加了记忆化，本质上就是典型的空间换时间，和迭代写法属于同一类思路。
从实战角度看，有几个地方需要特别注意：
- 千万别在生产代码里写裸递归求斐波那契
- 编译器无法自动优化这种指数级分支，就算开了
-O2也救不了 - 栈深度会随着
n线性增长，n接近 10⁵ 时，栈溢出几乎是必然的
迭代写法怎么写才安全又通用？
核心思路很简单：只保留前两项，滚动更新。但有几个关键点容易被忽略。
long long fib_iter(int n) {
if (n <= 1) return n;
long long a = 0, b = 1;
for (int i = 2; i <= n; ++i) {
long long c = a + b;
a = b;
b = c;
}
return b;
}需要注意的细节：
- 用
long long而不是int，否则fib(47)就会溢出 n = 0和n = 1必须单独处理，否则循环不会执行，返回值会出错- 如果需求是取模（比如
fib(n) % 1000000007），每次加法后立刻取模，防止中间值溢出
矩阵快速幂：什么时候用，容易踩哪些坑？
它的思路是把递推转化为矩阵幂运算：[f(n), f(n-1)]^T = [[1,1],[1,0]]^(n-1) * [f(1),f(0)]^T，利用快速幂将时间复杂度压到 O(log n)。但坦白说，它只在 n 极大（≥ 10⁶）且必须单次查询时才有意义——预处理不如迭代快，多组查询不如直接打表。
常见的问题有这几个：
- 单位矩阵写错：2×2 的单位矩阵是
{{1,0},{0,1}}，不是全 1，也不是对角线为 0 - 幂次容易搞混：算
fib(n)应该乘[[1,1],[1,0]]^(n-1)，不是n次；n=0和n=1仍需单独返回 - 矩阵乘法顺序不能反：是左乘基矩阵，即
res = res * base，不是base * res - 如果涉及取模，所有加法和乘法的中间步骤都要
% MOD，否则long long也扛不住
真正需要用到矩阵快速幂的场景，往往已经超出了“算一个斐波那契数”的范畴——比如在线查询、带修改的线段树维护，或者与线性递推式耦合在一起的时候。如果只是为了“快”而硬套，反而会让代码变得更难理解、更难调试。
