[论文解读] Binomial formula for Macdonald polynomials

Andreĭ Okounkov|ArXiv.org|Aug 23, 1996

Algebraic structures and combinatorial models参考文献 11被引用 18

一句话总结

本文为插值麦克唐纳多项式建立了一个多变量二项式公式，将经典的 $q$-二项式定理推广至多变量对称函数。它引入了基于反表和 $(q,t)$-权的 $P^*_\mu(x;q,t)$ 的组合公式，并提出了一种高效算法，通过递归求和分区形状来计算插值基下的展开系数，显著加速了杰克极限下的计算。

ABSTRACT

We prove a binomial formula for Macdonald polynomials and consider applications of it.

研究动机与目标

• 将经典的 $q$-二项式定理推广至多变量对称函数，利用插值麦克唐纳多项式。
• 以反表和 $(q,t)$-权表示插值麦克唐纳多项式 $P^*_\mu(x;q,t)$ 的组合公式。
• 开发一种高效算法，用于计算对称多项式在插值基下的展开系数，特别是在杰克极限下。
• 建立一种基于递推的插值方法，避免显式计算复杂的 $q$-二项式系数。

提出的方法

• 通过在分区格上使用牛顿插值，推导出 $P^*_\mu(x;q,t)$ 的多变量二项式型展开。
• 使用组合公式 $P^*_\mu(x;q,t) = \sum_T \psi_T(q,t) \prod_{s\in\mu} t^{1-T(s)} (x_{T(s)} - q^{a'(s)} t^{-l'(s)})$，其中 $T$ 为反表。
• 引入函数 $\omega(\nu{\nearrow}\lambda;q,t)$ 以编码分区格中的边权，实现递归插值。
• 构建 $F^{(k)}(\lambda)$ 的递推关系，通过在分区形状上的嵌套求和，计算插值基下的系数 $\widehat{f}(\lambda)$。
• 利用杰克极限（$q \to 1$）简化 $\omega$-权，并将计算复杂度从 $O(N^2)$ 降低至 $O(N)$ 次迭代。
• 将该算法应用于变量为 $x_i - \theta i$ 的对称多项式 $f$，使用基 $[x/\mu]_\theta$ 实现高效展开。

实验结果

研究问题

• RQ1 如何将经典的 $q$-二项式定理推广至多变量对称函数？
• RQ2 插值麦克唐纳多项式 $P^*_\mu(x;q,t)$ 的组合结构是什么？如何显式构造它们？
• RQ3 能否设计一种高效算法，用于计算对称多项式在插值基下的展开系数，而无需显式计算多项式？
• RQ4 在杰克极限下，插值的复杂度如何降低？出现了哪些简化？

主要发现

• 插值麦克唐纳多项式 $P^*_\mu(x;q,t)$ 唯一确定且在变量增广下稳定，其组合公式涉及反表和 $(q,t)$-权。
• 普通麦克唐纳多项式 $P_\mu(x;q,t)$ 是 $P^*_\mu(x;q,t)$ 的最高次齐次部分，且变量经 $t$ 的幂次平移。
• 用于系数计算的函数 $F(\mu,\lambda)$ 满足涉及 $\omega(\nu{\nearrow}\lambda;q,t)$ 的递推关系，实现无需完整 $q$-二项式系数的逐步求值。
• 在杰克极限（$q \to 1$）下，该算法简化为基于分区形状的递归方案，其中 $\omega(\nu{\nearrow}\lambda;\theta)$ 简化为角点处 $\Delta x$ 和 $\Delta y$ 的线性组合之比。
• 递归算法 $F^{(k)}(\lambda)$ 以每一分区 $O(|\lambda|)$ 步骤计算展开系数 $\widehat{f}(\lambda)$，远优于直接方法的 $O(N^2)$。
• 通过重用部分和并利用 $|\mu|$ 的对称性（而非 $\mu$ 的形状），该方法在杰克极限下实现了指数级加速。