[论文解读] A matrix representation of composition of polynomial maps

Ural Bekbaev|ArXiv.org|Jan 21, 2009

Advanced Differential Equations and Dynamical Systems被引用 6

一句话总结

本文提出了一种基于多指标排序矩阵的新矩阵表示方法，用于多项式映射，并引入了一种新型非标准矩阵乘积，以编码此类映射的复合。关键贡献是一个闭式矩阵公式 $ M_{\varphi \circ \psi} = \mathrm{Exp}(M_\psi) M_\varphi $，该公式将矩阵乘法推广至多项式复合，并在多变量设置下推广了Bombieri不等式。

ABSTRACT

In this paper polynomial maps are represented by the use of matrices whose entries are numbered by pair of multiindices and a new product of such matrices is introduced. A matrix representation of composition of polynomial maps is given. In the case of real and complex numbers different kind of norms of such matrices are introduced. Properties of these norms with respect to the ordinary and new products are investigated. A generalization of Bombieri's inequality is offered.

研究动机与目标

• 开发一种基于多指标的矩阵框架，用于表示多变量多项式映射。
• 定义一种新型矩阵乘积，以捕捉超越标准矩阵乘法的多项式映射复合。
• 利用矩阵范数将Bombieri不等式推广至多变量多项式映射。
• 通过矩阵指数实现形式幂级数和多项式映射迭代复合的分析。

提出的方法

• 矩阵按多指标 $ \alpha \in I_n $ 索引，其条目对应多项式映射中单项式的系数。
• 通过多项式系数定义一种新型乘积 $ \bigodot $，以编码齐次分量的复合。
• 将矩阵指数 $ \mathrm{Exp}(M) $ 应用于映射的矩阵表示，以生成其形式幂级数。
• 通过 $ M_{\varphi \circ \psi} = \mathrm{Exp}(M_\psi) M_\varphi $ 表示复合 $ \varphi \circ \psi $，其中 $ M_\psi $ 编码映射 $ \psi $。
• 为实数与复数系数引入矩阵范数，以分析收敛性与稳定性。
• 该框架可将单变量结果（如指数生成函数与不等式）扩展至多变量多项式映射。

实验结果

研究问题

• RQ1 如何系统地使用按多指标索引的矩阵表示多变量多项式映射？
• RQ2 多变量多项式映射复合的代数结构是什么？如何以矩阵形式编码？
• RQ3 能否利用矩阵范数将Bombieri不等式推广至多变量多项式映射？
• RQ4 新型矩阵乘积 $ \bigodot $ 与标准矩阵乘法及映射复合之间有何关系？
• RQ5 在多变量形式幂级数分析中，矩阵指数与新型乘积的适用范围在多大程度上得以拓展？

主要发现

• 两个多项式映射 $ \varphi $ 与 $ \psi $ 的复合由矩阵方程 $ M_{\varphi \circ \psi} = \mathrm{Exp}(M_\psi) M_\varphi $ 表示，提供了复合的完整代数表征。
• 新型乘积 $ \bigodot $ 具有结合律、交换律，并在整环上满足零因子性质，适用于代数运算。
• 对于齐次映射 $ \varphi(x) = \frac{x^{(k)}}{k!} A(k,1) $ 与 $ \psi(x) = \frac{x^{(l)}}{l!} B(l,1) $，复合满足 $ M_{\varphi \circ \psi} = \frac{B(l,1)^{(k)}}{k!} A(k,1) $，与单项式复合一致。
• 恒等式 $ \mathrm{Exp}(\mathrm{Exp}(M_\psi) M_\varphi) = \mathrm{Exp}(M_\psi) \mathrm{Exp}(M_\varphi) $ 成立，将指数法则推广至该矩阵乘积。
• 对于 $ A \in \mathrm{Mat}_{n,n}(1,1) $，有 $ \mathrm{Exp}(A) $ 的逆为 $ \mathrm{Exp}(A^{-1}) $，扩展了单变量矩阵指数的逆性质。
• 当 $ \|x\|_\varrho < 1/r $ 时，保证多变量幂级数 $ \sum_{m=0}^\infty \frac{x^{(m)}}{m!} A_m $ 的收敛性，其中 $ r = \varlimsup_{m \to \infty} \|A_m\|_\varrho^{1/m} $。