[论文解读] Matrix Representations for Symmetric and Antisymmetric Multi-Linear Maps

Ural Bekbaev|arXiv (Cornell University)|Oct 13, 2010

Advanced Topics in Algebra参考文献 2被引用 3

一句话总结

本文提出了一种使用列向量的传统矩阵表示方法，用于对称和反对称多线性映射，重新表述了早期使用行向量的工作。它引入了一种新颖的矩阵乘积运算，保持代数结构，并建立了范数空间以进行收敛性分析，从而实现线性代数和多项式映射中多线性映射的系统化计算与理论分析。

ABSTRACT

In this paper the main results in arXiv:0901.3179v3, related to the matrix representation of polynomial maps, are restated in traditional way of linear algebra assuming that variable vectors are presented as column vectors. Some new results related to that subject are also included. Here one can find the behavior of the matrices of polynomial maps with respect to the change of variables (coordinate system), matrix representations for symmetric and antisymmetric multi-linear maps. It is shown also that the offered representations are in good concordance with known operations over such multi-linear maps.

研究动机与目标

• 将多项式与多线性映射的矩阵表示重新表述为列向量形式，与标准线性代数惯例保持一致。
• 引入一种新的矩阵乘积运算，以保持结合律、分配律等代数性质。
• 以与已知运算兼容的方式，为对称与反对称多线性映射提供矩阵表示。
• 在矩阵空间上建立范数结构，以分析多变量幂级数的收敛性。
• 证明所提出的矩阵框架与楔积（wedge products）及外代数运算一致。

提出的方法

• 本文定义了多重指标，并使用非负整数元组的字典序对矩阵元素进行组织。
• 引入一种专门的矩阵乘积 $ A \bigodot B $，通过多项式系数组合元素，并支持多线性映射的复合。
• 证明该矩阵乘积满足关键代数性质：交换律、结合律、分配律，以及与数乘的相容性。
• 在矩阵空间上定义范数 $ \|A\|_{\rho} $ 以分析收敛性，利用赫尔德不等式证明其次乘性。
• 通过楔积的对称与反对称扩展，建立多线性映射与矩阵之间的对应关系。
• 通过验证矩阵表示的楔积与已知代数恒等式一致，验证了该框架的有效性。

实验结果

研究问题

• RQ1 当变量向量被视为列向量时，如何一致地用矩阵表示对称与反对称多线性映射？
• RQ2 为在复合下保持多线性映射的结构，矩阵乘积必须满足哪些代数性质？
• RQ3 是否可以在多线性映射的矩阵空间上定义范数，使得复合映射的范数被其范数乘积所控制？
• RQ4 所提出的矩阵乘积与外代数中的标准运算（如楔积）有何关系？
• RQ5 新矩阵表示在坐标变换下，对多项式映射行为的保持程度如何？

主要发现

• 所提出的矩阵乘积 $ A \bigodot B $ 是结合的、交换的、分配的，并在复合下保持多线性映射的结构。
• 范数 $ \|A\|_{\rho} $ 满足三角不等式，且具有次乘性：$ \|A \wedge B\| \leq \|A\| \|B\| $，从而确保幂级数的收敛性控制。
• 对任意矩阵 $ A $，其在新乘积下的 $ m $ 次幂满足 $ (h^{(m)})_{0,\alpha'} = m! h^{\alpha'} $，将矩阵幂与单项式系数联系起来。
• 楔积 $ \textbf{A} \wedge_{\textbf{C}} \textbf{B} $ 的矩阵表示为 $ C(\overline{A} \wedge \underline{B}) $，证实其与外代数的一致性。
• 对称多线性映射的矩阵表示在指标置换下保持不变，且与对称张量积兼容。
• 该框架可通过矩阵范数分析，实现对多变量幂级数绝对收敛半径的计算。