← 全部笔记

高等代数

行列式的多项式模板与升阶方法

文章目录

来源 谢启鸿、姚慕生,《高等代数学习指导书》第4版,§§1.6–1.7,印刷页 24–30 / PDF页 34–40;例 1.31 的第二种解法,印刷页 41 / PDF页 51;§1.12,解答题 15,印刷页 50 / PDF页 60,答案印刷页 53 / PDF页 63。 来源PDF 首项系数形式、系数矩阵解释与显式加边规则,是对来源论证的重新组织或推广。

1. 识别求值矩阵

取实数域或复数域,以 V(x1,…,xn)V(x_1,\ldots,x_n) 表示标准求值矩阵的行列式。公式、顺序符号及插值含义集中在 Vandermonde行列式与插值;求根证明见 行列式的求根与因式分解。以下只讨论更换多项式基与补列。

多项式基模板 对 k=0,…,n−1k=0,\ldots,n-1,设 pk(t)p_k(t) 的次数为 kk,首项系数为 ℓk≠0\ell_k\ne0。则 det⁡(pj−1(xi))i,j=1n=(∏k=0n−1ℓk)V(x1,…,xn).\det(p_{j-1}(x_i))_{i,j=1}^n=\left(\prod_{k=0}^{n-1}\ell_k\right)V(x_1,\ldots,x_n).

证明。 从次数 00 开始依次向上,用此前已化简的列的适当倍数消去所有低次项。第 k+1k+1 列变为 ℓk(xik)i\ell_k(x_i^k)_i,再提取首项系数。

等价地,可解释为 E=VCE=VC,其中 CC 记录单项式基下的多项式系数,是对角元为 ℓ0,…,ℓn−1\ell_0,\ldots,\ell_{n-1} 的上三角矩阵。基变换对行列式的影响只通过这些对角系数体现。

若全部 nn 个多项式的次数至多为 n−2n-2,则求值行列式为零:各列属于仅由 n−1n-1 个向量 (xik)i(x_i^k)_i 张成的空间。这是例 1.24(印刷页 23 / PDF页 33),印刷页 32 / PDF页 42 还给出数根的证明。

2. 常用的变形 Vandermonde 矩阵

齐次幂

例 1.26 给出

det⁡(ain−jbij−1)i,j=1n=∏i<j(aibj−ajbi).\det\bigl(a_i^{n-j}b_i^{j-1}\bigr)_{i,j=1}^n =\prod_{i<j}(a_ib_j-a_jb_i).

若所有 ai≠0a_i\ne0,从第 ii 行提取 ain−1a_i^{n-1},并令 xi=bi/aix_i=b_i/a_i。乘积中每个分母都会消去。恒等式是全部 ai,bia_i,b_i 的多项式,因此在所有 ai≠0a_i\ne0 的集合上相等,就证明它在 R\mathbb R 或 C\mathbb C 上处处相等。此多项式恒等式论证避免将临时除法变为最终定理的假设。

三角函数元素

由 T0(t)=1T_0(t)=1、T1(t)=tT_1(t)=t 和 Tk+1(t)=2tTk(t)−Tk−1(t)T_{k+1}(t)=2tT_k(t)-T_{k-1}(t) 定义的多项式 TkT_k 满足 Tk(cos⁡θ)=cos⁡(kθ)T_k(\cos\theta)=\cos(k\theta)。对 k≥1k\ge1,其首项系数为 2k−12^{k-1}。因此对 n≥2n\ge2,

det⁡(cos⁡((j−1)θi))i,j=1n=2(n−1)(n−2)/2∏i<j(cos⁡θj−cos⁡θi).\det(\cos((j-1)\theta_i))_{i,j=1}^n =2^{(n-1)(n-2)/2}\prod_{i<j}(\cos\theta_j-\cos\theta_i).

类似地,sin⁡(jθ)=sin⁡θ Uj−1(cos⁡θ)\sin(j\theta)=\sin\theta\,U_{j-1}(\cos\theta),其中 UkU_k 的次数为 kk,首项系数为 2k2^k。因此

det⁡(sin⁡(jθi))i,j=1n=2n(n−1)/2(∏isin⁡θi)∏i<j(cos⁡θj−cos⁡θi).\det(\sin(j\theta_i))_{i,j=1}^n =2^{n(n-1)/2}\left(\prod_i\sin\theta_i\right)\prod_{i<j}(\cos\theta_j-\cos\theta_i).

两个恒等式都来自三角函数加法递推,正弦公式不要求除以 sin⁡θi\sin\theta_i。来源:例 1.28–1.29,印刷页 25–26 / PDF页 35–36。

3. 加边以补全结构

明确记录与原行列式的关系 平凡加边 det⁡(1rT0A)=det⁡A\det\begin{pmatrix}1&r^T\\0&A\end{pmatrix}=\det A 保持行列式,并增加可能简化元素的一行。带新增变量行的多项式加边,通常给出的是代数余子式或系数关系。比较公式前,先记下这一关系及其符号。

缺少一个幂次列

设 DmD_m 是 n×nn\times n 行列式,其列指数为 0,1,…,n0,1,\ldots,n,但缺少 mm,其中 0≤m≤n0\le m\le n。补上缺失列,并以 (1,t,…,tn)(1,t,\ldots,t^n) 作为最后一行,升阶行列式为

B(t)=V(x1,…,xn)∏i=1n(t−xi).B(t)=V(x_1,\ldots,x_n)\prod_{i=1}^n(t-x_i).

用 ek(x1,…,xn)e_k(x_1,\ldots,x_n) 表示 kk 次初等对称多项式,并规定 e0=1e_0=1。乘积一侧 tmt^m 的系数为 (−1)n−men−mV(-1)^{n-m}e_{n-m}V;沿最后一行展开所得系数为 (−1)(n+1)+(m+1)Dm=(−1)n+mDm(-1)^{(n+1)+(m+1)}D_m=(-1)^{n+m}D_m。符号相同,故

Dm=en−m(x1,…,xn)V(x1,…,xn).D_m=e_{n-m}(x_1,\ldots,x_n)V(x_1,\ldots,x_n).

对 1≤m≤n−11\le m\le n-1,这就是例 1.32;端点也由同一论证得到。此方法把缺失列转化为熟悉多项式的一个系数。

元素为 1+xij1+x_i^j 的情形

例 1.31 要求计算 A=(1+xij)i,j=1nA=(1+x_i^j)_{i,j=1}^n,结果为

det⁡A=(2∏ixi−∏i(xi−1))V(x1,…,xn).\det A=\left(2\prod_i x_i-\prod_i(x_i-1)\right)V(x_1,\ldots,x_n).

加边推导。 增加第一行 (1,0,…,0)(1,0,\ldots,0) 和全为 1 的第一列。从其余每列减去第一列,第一行变为 (1,−1,…,−1)(1,-1,\ldots,-1),下方各行变为 (1,xi,…,xin)(1,x_i,\ldots,x_i^n)。将第一行拆为

(1,−1,…,−1)=(2,0,…,0)−(1,1,…,1).(1,-1,\ldots,-1)=(2,0,\ldots,0)-(1,1,\ldots,1).

第一个行列式为 2(∏ixi)V2(\prod_i x_i)V。第二个行列式的第一行是 11 处的求值,Vandermonde 乘积为 (∏i(xi−1))V(\prod_i(x_i-1))V。这证明结论,无需假设 xix_i 互异或非零。

第二种解法。 由 秩一拆分,行列式 g(t)=det⁡(xij+t)g(t)=\det(x_i^j+t) 为仿射函数,所以 g(1)=2g(0)−g(−1)g(1)=2g(0)-g(-1)。多项式基模板给出 g(0)=(∏ixi)Vg(0)=(\prod_i x_i)V 与 g(−1)=(∏i(xi−1))Vg(-1)=(\prod_i(x_i-1))V;对后者,从第 ii 行提取 xi−1x_i-1,并使用 j−1j-1 次首一多项式 1+xi+⋯+xij−11+x_i+\cdots+x_i^{j-1}。这是代数分解,在 xi=1x_i=1 处仍成立。

4. 方法实际使用的结构

识别被求值的函数、次数与首项系数。若次数序列不完整,增加变量行并恢复一个系数。若元素有公共加法项,平凡加边或秩一参数可将其显露出来。

返回 行列式。多项式结构常比矩阵表面的大小更能指导计算。