【其他数学】结式 resultant

结式 resultant

2023年11月30日
#analysis


文章目录

  • 结式 resultant
    • 介绍
    • Sylvester矩阵
    • 应用
        • 在消元中的应用
        • 传递函数的化简
    • 下链


介绍

结式用来计算曲线的交点、消元、找参数化曲线的隐含方程。
为了引出定义,思考如下问题:
f ( x ) = x 2 − 5 x + 6 g ( x ) = x 3 − x + 6 \begin{align*} f(x)=&x^2-5x+6 \\ \\ g(x)=&x^3-x+6 \end{align*} f(x)=g(x)=x25x+6x3x+6
这两个多项式在复平面上是否有相同的零点?我们该如何知道它们是否有相同的根?直接计算是不太可能的,因为没有具体的公式去计算高次方程的零点。所以需要其他的方法,比如将根看成是方程的因子。
f ( x ) g ( x ) x − α = f ( x ) x − α g ( x ) f(x) \frac{g(x)}{x- \alpha }= \frac{f(x)}{x- \alpha }g(x) f(x)xαg(x)=xαf(x)g(x)
多项式 f , g {f,g} f,g 有相同的零点,当且仅当存在不等于 0 {0} 0 的多项式 r , s {r,s} r,s ,使得
f ( x ) r ( x ) = s ( x ) g ( x ) f(x)r(x)=s(x)g(x) f(x)r(x)=s(x)g(x)
deg ⁡ r < deg ⁡ g , deg ⁡ s < deg ⁡ f \deg r<\deg g \,\,,\,\, \deg s< \deg f degr<degg,degs<degf
仍以上面两个多项式为例, r {r} r 的次数最大为 2 {2} 2 ,设
r ( x ) f ( x ) = ( a 2 x 2 + a 1 x + a 0 ) ( 1 x 2 − 5 x + 6 ) = a 2 ⋅ 1 x 4 + a 2 ⋅ ( − 5 ) x 3 + a 2 ⋅ 6 x 2 + a 1 ⋅ 1 x 3 + a 1 ⋅ ( − 5 ) x 2 + a 1 ⋅ 6 x + a 0 ⋅ 1 x 2 + a 0 ⋅ ( − 5 ) x + a 0 ⋅ 6 = [ a 2 a 1 a 0 ] [ 1 − 5 6 0 0 0 1 − 5 6 0 0 0 1 − 5 6 ] [ x 4 x 3 x 2 x 1 x 0 ] \begin{align*} r(x)f(x)=&(a_2x^2+a_1x+a_0)(1x^2-5x+6) \\ \\ =&a_2 \cdot 1x^4+a_2 \cdot (-5)x^3+a_2 \cdot 6x^2 \\ \\ &+a_1 \cdot 1x^3+a_1 \cdot (-5)x^2+a_1 \cdot 6x \\ \\ &+a_0 \cdot 1x^2+a_0 \cdot (-5)x+a_0 \cdot 6 \\ \\ =&[a_2 \,\,\, a_1 \,\,\, a_0] \begin{bmatrix} 1&-5&6&0&0\\0&1&-5&6&0\\0&0&1&-5&6 \end{bmatrix} \begin{bmatrix} x^4\\x^3\\x^2\\x^1\\x^0 \end{bmatrix} \end{align*} r(x)f(x)===(a2x2+a1x+a0)(1x25x+6)a21x4+a2(5)x3+a26x2+a11x3+a1(5)x2+a16x+a01x2+a0(5)x+a06[a2a1a0] 100510651065006 x4x3x2x1x0
同理, s {s} s 的最大次数为 1 {1} 1 ,设
s ( x ) g ( x ) = ( b 1 x + b 0 ) ( 1 x 2 − 1 x + 6 ) = b 1 ⋅ 1 x 4 + 0 x 3 + b 1 ⋅ ( − 1 ) x 2 + b 1 ⋅ 6 x + b 0 ⋅ 1 x 3 + 0 x 2 + b 0 ⋅ ( − 1 ) x + b 0 ⋅ 6 = [ b 1 b 0 ] [ 1 0 − 1 6 0 0 1 0 − 1 6 ] [ x 4 x 3 x 2 x 1 x 0 ] \begin{align*} s(x)g(x)=&(b_1x+b_0)(1x^2-1x+6) \\ \\ =&b_1 \cdot 1x^4+ 0x^3+ b_1 \cdot (-1)x^2+b_1 \cdot 6x \\ \\ &+b_0 \cdot 1x^3+0x^2+ b_0 \cdot (-1)x + b_0 \cdot 6 \\ \\ =&[b_1 \,\,\, b_0] \begin{bmatrix} 1&0&-1&6&0\\0&1&0&-1&6 \end{bmatrix} \begin{bmatrix} x^4\\x^3\\x^2\\x^1\\x^0 \end{bmatrix} \end{align*} s(x)g(x)===(b1x+b0)(1x21x+6)b11x4+0x3+b1(1)x2+b16x+b01x3+0x2+b0(1)x+b06[b1b0][1001106106] x4x3x2x1x0
写到一起,有
[ a 2 a 1 a 0 ∣ − b 1 − b 0 ] [ 1 − 5 6 0 0 0 1 − 5 6 0 0 0 1 − 5 6 1 0 − 1 6 0 0 1 0 − 1 6 ] [a_2 \,\,\, a_1 \,\,\, a_0 | \,\,\, -b_1 \,\,\, -b_0] \begin{bmatrix} 1&-5&6&0&0\\0&1&-5&6&0\\0&0&1&-5&6\\1&0&-1&6&0\\0&1&0&-1&6 \end{bmatrix} [a2a1a0b1b0] 1001051001651100656100606
实际上, r , s {r,s} r,s 就是 f , g {f,g} f,g 消去了相同零点因式后的多项式, a i , b i {a_i,b_i} ai,bi 就是消去了相同零点因式后的多项式的系数。

Sylvester矩阵

f ( x ) = α m x m + α m − 1 x m − 1 + ⋯ + α 0 g ( x ) = β n x n + β n − 1 x n − 1 + ⋯ + β 0 \begin{align*} f(x)=& \alpha_mx^m+ \alpha_{m-1}x^{m-1}+ \cdots + \alpha_0 \\ \\ g(x)=& \beta_nx^n+ \beta_{n-1}x^{n-1}+ \cdots + \beta_0 \end{align*} f(x)=g(x)=αmxm+αm1xm1++α0βnxn+βn1xn1++β0
西尔韦斯特矩阵为:
S ( f , g , x ) = [ α m α m − 1 ⋯ α 0 α m α m − 1 ⋯ α 0 ⋯ − − − − − − β n β n − 1 ⋯ β 0 β n β n − 1 ⋯ β 0 ⋯ ] ( m + n ) × ( m + n ) S(f,g,x)= \begin{bmatrix} \alpha_m & \alpha_{m-1} &\cdots &\alpha_0&&\\ & \alpha_m& \alpha_{m-1}& \cdots & \alpha_0&\\ && \cdots \\ -&-&-&-&-&-\\ \beta_n& \beta_{n-1}& \cdots & \beta_0&&\\ & \beta_n& \beta_{n-1}& \cdots & \beta_0&&\\ && \cdots \end{bmatrix}_{(m+n) \times (m+n)} S(f,g,x)= αmβnαm1αmβn1βnαm1βn1α0β0α0β0 (m+n)×(m+n)
西尔韦斯特结式定义为西尔韦斯特矩阵的行列式,记作:
Res ( f , g , x ) : = det ⁡ ( S ( f , g , x ) ) \text{Res}(f,g,x):=\det(S(f,g,x)) Res(f,g,x):=det(S(f,g,x))
f , g {f,g} f,g 有相同的零点,等价于
Res ( f , g , x ) = 0 \text{Res}(f,g,x)=0 Res(f,g,x)=0

应用

在消元中的应用

设有参数方程 C {C} C
x = t 2 y = t 2 ( t + 1 ) \begin{align*} x=&t^2 \\ \\ y=& t^2(t+1) \end{align*} x=y=t2t2(t+1)
( x 0 , y 0 ) ∈ C ⟺ ∃ t 0 s . t . { x 0 = t 0 2 y 0 = t 0 2 ( t 0 + 1 ) (x_0,y_0)\in C \iff \exists t_0 \,\,\, s.t. \,\,\, \begin{cases} x_0=t_0^2\\ y_0=t_0^2(t_0+1) \end{cases} (x0,y0)Ct0s.t.{x0=t02y0=t02(t0+1)
方程组存在相同零点
⟺ Res ( t 2 − x 0 , t 3 + t 2 − y 0 , t ) = 0 \iff \text{Res}(t^2-x_0,t^3+t^2-y_0,t)=0 Res(t2x0,t3+t2y0,t)=0
f ( t ) = t 2 + 0 t − x g ( t ) = t 3 + t 2 + 0 t − y \begin{align*} f(t)=&t^2+0t-x \\ \\ g(t)=&t^3+t^2+0t-y \end{align*} f(t)=g(t)=t2+0txt3+t2+0ty
Res ( f , g , t ) = det ⁡ ( [ 1 0 − x 1 0 − x 1 0 − x 1 1 0 − y 1 1 0 − y ] ) = − x 3 + y 2 − 2 x y + x 2 \begin{align*} \text{Res}(f,g,t)=& \det( \begin{bmatrix} 1&0&-x \\ &1&0&-x \\ &&1&0&-x\\ 1&1&0&-y\\ &1&1&0&-y \end{bmatrix}) \\ \\ =&-x^3+y^2-2xy+x^2 \end{align*} Res(f,g,t)==det( 110111x0101x0y0xy )x3+y22xy+x2

传递函数的化简

设传递函数分子为 N ( s ) {N(s)} N(s) ,分母为 D ( s ) {D(s)} D(s) ,化简后的传递函数分子为 N ‾ ( s ) {\overline{ N}(s)} N(s) ,分母为 D ‾ ( s ) { \overline{D} (s)} D(s)
N ( s ) = α m s m + α m − 1 s m − 1 + ⋯ + α 0 D ( s ) = β n s n + β n − 1 s n − 1 + ⋯ + β 0 \begin{align*} N(s)=& \alpha_ms^m+ \alpha_{m-1}s^{m-1}+ \cdots + \alpha_0 \\ \\ D(s)=& \beta_ns^n+ \beta_{n-1}s^{n-1}+ \cdots + \beta_0 \end{align*} N(s)=D(s)=αmsm+αm1sm1++α0βnsn+βn1sn1++β0
N ‾ ( s ) = a k s k + a k − 1 s k − 1 + ⋯ + a 0 D ‾ ( s ) = b l s l + b l − 1 s l − 1 + ⋯ + b 0 \begin{align*} \overline{N} (s)=& a_ks^k+ a_{k-1}s^{k-1}+ \cdots +a_0 \\ \\ \overline{D}(s)=& b_ls^l+ b_{l-1}s^{l-1}+ \cdots + b_0 \end{align*} N(s)=D(s)=aksk+ak1sk1++a0blsl+bl1sl1++b0
由前面的分析,可知
[ a k ⋯ a 0 ∣ b l ⋯ b 0 ] S ( N , D , s ) = 0 [a_k \cdots a_0|b_l \cdots b_0]S(N,D,s)=0 [aka0blb0]S(N,D,s)=0
∴ S ( N , D , s ) T [ a k ⋮ a 0 b l ⋮ b 0 ] = 0 \therefore S(N,D,s)^ \mathrm T \begin{bmatrix} a_k \\ \vdots \\ a_0 \\ b_l \\ \vdots \\b_0 \end{bmatrix}=0 S(N,D,s)T aka0blb0 =0
所以求西尔韦斯特矩阵转置矩阵的零空间就能得到简化传递函数的系数。


下链


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/212208.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

UVM建造测试用例

&#xff08;1&#xff09;加入base_test 在一个实际应用的UVM验证平台中&#xff0c;my_env并不是树根&#xff0c;通常来说&#xff0c;树根是一个基于uvm_test派生的类。真正的测试用例都是基于base_test派生的一个类。 class base_test extends uvm_test;my_env e…

14-2(C++11)类型推导、类型计算

14-2&#xff08;C11&#xff09;类型推导、类型计算 类型推导auto关键字auto类型推断本质auto与引用 联用auto关键字的使用限制 类型计算类型计算分类与类型推导相比四种类型计算的规则返回值后置 类型推导 auto关键字 C98中&#xff0c;auto表示栈变量&#xff0c;通常省略…

Leetcode刷题笔记题解(C++):25. K 个一组翻转链表

思路&#xff1a;利用栈的特性&#xff0c;K个节点压入栈中依次弹出组成新的链表&#xff0c;不够K个节点则保持不变 /*** struct ListNode {* int val;* struct ListNode *next;* ListNode(int x) : val(x), next(nullptr) {}* };*/ #include <stack> class Solution { …

在国内,现在月薪1万是什么水平?

看到网友发帖问&#xff1a;现在月薪1W是什么水平&#xff1f; 在现如今的情况下&#xff0c;似乎月薪过万这个标准已经成为衡量个人能力的一个标准了&#xff0c;尤其是现在互联网横行的时代&#xff0c;好像年入百万&#xff0c;年入千万就应该是属于大众的平均水平。 我不是…

kafka入门(四):消费者

消费者 (Consumer ) 消费者 订阅 Kafka 中的主题 (Topic) &#xff0c;并 拉取消息。 消费者群组&#xff08; Consumer Group&#xff09; 每一个消费者都有一个对应的 消费者群组。 一个群组里的消费者订阅的是同一个主题&#xff0c;每个消费者接收主题的一部分分区的消息…

大师学SwiftUI第18章Part2 - 存储图片和自定义相机

存储图片 在前面的示例中&#xff0c;我们在屏幕上展示了图片&#xff0c;但也可以将其存储到文件或数据库中。另外有时使用相机将照片存储到设备的相册薄里会很有用&#xff0c;这样可供其它应用访问。UIKit框架提供了如下两个保存图片和视频的函数。 UIImageWriteToSavedPh…

JAVA后端自学技能实操合集

JAVA后端自学技能实操 内容将会持续更新中,有需要添加什么内容可以再评论区留言,大家一起学习FastDFS使用docker安装FastDFS(linux)集成到springboot项目中 内容将会持续更新中,有需要添加什么内容可以再评论区留言,大家一起学习 FastDFS 组名&#xff1a;文件上传后所在的 st…

leetcode 100.相同的树

涉及到递归&#xff0c;最好多画图理解&#xff0c;希望对你们有帮助 100.相同的树 题目 给你两棵二叉树的根节点 p 和 q &#xff0c;编写一个函数来检验这两棵树是否相同。 如果两个树在结构上相同&#xff0c;并且节点具有相同的值&#xff0c;则认为它们是相同的。 题目链接…

GPIO的使用--滴答定时器--pir人体红外传感器

目录 一、滴答定时器的使用与原理 1、定义 2、原理 &#xff08;1&#xff09;向上计数​编辑 &#xff08;2&#xff09;向下计数 &#xff08;3&#xff09; 代码流程 a、配置滴答时钟唤醒频率 b、滴答时钟中断函数 &#xff08;4&#xff09;结果 3、优化-->寄存…

Proxy Hook Trace JSON

Proxy var window {key: "qww",age: 22 } window new Proxy(window, {get(target, p, receiver) {console.log("target: ", target);console.log("p: ", p);// return window[username];/// 这里如果这样写. 有递归风险的...// return Reflec…

【线性代数与矩阵论】Jordan型矩阵

Jordan型矩阵 2023年11月3日 #algebra 文章目录 Jordan型矩阵1. 代数重数与几何重数2. Jordan块与Jordan标准型2.1 最小多项式与Jordan标准型2.2 两类重要矩阵 3. 矩阵的Jordan分解3.1 Jordan分解的应用 下链 1. 代数重数与几何重数 在对向量做线性变换时&#xff0c;向量空间…

读书笔记-《数据结构与算法》-摘要4[插入排序]

插入排序 核心&#xff1a;通过构建有序序列&#xff0c;对于未排序序列&#xff0c;在已排序序列中从后向前扫描(对于单向链表则只能从前往后遍历)&#xff0c;找到相应位置并插入。实现上通常使用in-place排序(需用到O(1)的额外空间) 从第一个元素开始&#xff0c;该元素可…

如何主持一场知识竞赛抢答赛

知识竞赛主持说难不难&#xff0c;说简单也不简单&#xff0c;我就从易到难介绍一下。 入门级&#xff0c;题主不用练习太多其他花哨的技巧&#xff0c;只要注意一点&#xff0c;熟悉比赛流程。知识竞赛需要给所有选手一个公平流畅的答题环境&#xff0c;所以题主自身必须非常…

干货!接口中的大事务,该如何进行优化?

作为后端开发的程序员&#xff0c;我们常常会的一些相对比较复杂的逻辑&#xff0c;比如我们需要给前端写一个调用的接口&#xff0c;这个接口需要进行相对比较复杂的业务逻辑操作&#xff0c;比如会进行&#xff0c;查询、远程接口或本地接口调用、更新、插入、计算等一些逻辑…

掌握iText:轻松处理PDF文档-进阶篇

简体中文写入 iText本身对简体中文的支持有限&#xff0c;但可以通过引入额外的字体包来增强其对简体中文的支持。例如&#xff0c;可以使用iTextAsian.jar这个亚洲字体包&#xff0c;它包含了几种简单的亚洲字体&#xff0c;其中包括简体中文字体。只需要将iTextAsian.jar放到…

springboot 启动之后报错:Unsatisfied dependency through field ‘bbbClient’

springboot 启动之后报错&#xff1a;UnsatisfiedDepencyException:Error creating bean with name ‘aaaServiceImpl’: Unsatisfied dependency through field ‘bbbClient’。 这两天一直在进行着日常 debugger 查看代码。可是发生了一个挺“灵异”的事件。那就是我看的项目…

46. 全排列

46. 全排列 原题链接&#xff1a;完成情况&#xff1a;解题思路&#xff1a;参考代码&#xff1a;_46全排列_构建数组回溯_46全排列_直接构建 错误经验吸取 原题链接&#xff1a; 46. 全排列 https://leetcode.cn/problems/permutations/description/ 完成情况&#xff1a;…

codeforces D.In Love

思路 用两个 m u l t i s e t multiset multiset 分别存 l , r l,r l,r 。你也可以写平衡树在 l l l 的 m u l t i s e t multiset multiset 里去查询是否存在比最小的 r r r 大的 l l l 。 Think Twice, Code Once #include<bits/stdc.h> #define il inline #d…

小模型学习(1)-人脸识别

【写作背景】因为最近一直在研究大模型&#xff0c;在与客户进行交流时&#xff0c;如果要将大模型的变革性能力讲清楚&#xff0c;就一定要能将AI小模型的一些原理和效果讲清楚&#xff0c;进而形成对比。当然这不是一件简单的事情&#xff0c;一方面大模型分析问题的的本质原…

Mybatis分页插件PageHelper

PageHelper是什么&#xff1f; 是MyBatis提供的分页插件&#xff0c;可以支持MySQL、Oracle等六种数据库。 集成方式如下&#xff1a; 1 引入依赖 <!-- https://mvnrepository.com/artifact/com.github.pagehelper/pagehelper --> <dependency><groupId>co…