WikiDer > Матрица Карлемана

В математике Матрица Карлемана матрица, используемая для преобразования функциональная композиция в матричное умножение. Он часто используется в теории итераций для нахождения непрерывного итерация функций который не может быть повторен распознавание образов один. Другие применения матриц Карлемана встречаются в теории вероятность производящие функции, и Цепи Маркова.

Определение

В Матрица Карлемана бесконечно дифференцируемой функции ${ displaystyle f (x)}$ определяется как:

${ displaystyle M [f] _ {jk} = { frac {1} {k!}} left [{ frac {d ^ {k}} {dx ^ {k}}} (f (x)) ^ {j} right] _ {x = 0} ~,}$

так, чтобы удовлетворить (Серия Тейлор) уравнение:

${ Displaystyle (е (х)) ^ {j} = sum _ {k = 0} ^ { infty} M [f] _ {jk} x ^ {k}.}$

Например, вычисление ${ displaystyle f (x)}$ к

${ displaystyle f (x) = sum _ {k = 0} ^ { infty} M [f] _ {1, k} x ^ {k}. ~}$

просто составляет скалярное произведение строки 1 ${ displaystyle M [f]}$ с вектором-столбцом ${ displaystyle left [1, x, x ^ {2}, x ^ {3}, ... right] ^ { tau}}$.

Записи ${ displaystyle M [f]}$ в следующей строке укажите 2-ю степень ${ displaystyle f (x)}$:

${ displaystyle f (x) ^ {2} = sum _ {k = 0} ^ { infty} M [f] _ {2, k} x ^ {k} ~,}$

а также, чтобы иметь нулевую степень ${ displaystyle f (x)}$ в ${ displaystyle M [f]}$, принимаем строку 0, содержащую нули всюду, кроме первой позиции, так что

${ displaystyle f (x) ^ {0} = 1 = sum _ {k = 0} ^ { infty} M [f] _ {0, k} x ^ {k} = 1 + sum _ {k = 1} ^ { infty} 0 * x ^ {k} ~.}$

Таким образом, скалярное произведение ${ displaystyle M [f]}$ с вектором-столбцом ${ displaystyle left [1, x, x ^ {2}, ... right] ^ { tau}}$ дает вектор-столбец ${ Displaystyle влево [1, е (х), е (х) ^ {2}, ... вправо] ^ { тау}}$

${ displaystyle M [f] * left [1, x, x ^ {2}, x ^ {3}, ... right] ^ { tau} = left [1, f (x), ( f (x)) ^ {2}, (f (x)) ^ {3}, ... right] ^ { tau}.}$

Матрица колокола

В Белл матрица функции ${ displaystyle f (x)}$ определяется как

${ displaystyle B [f] _ {jk} = { frac {1} {j!}} left [{ frac {d ^ {j}} {dx ^ {j}}} (f (x)) ^ {k} right] _ {x = 0} ~,}$

чтобы удовлетворить уравнению

${ Displaystyle (е (х)) ^ {к} = сумма _ {j = 0} ^ { infty} B [f] _ {jk} x ^ {j} ~,}$

так что это транспонировать приведенной выше матрицы Карлемана.

Матрица Жаботинского

Эри Жаботинский разработал эту концепцию матриц в 1947 году с целью представления сверток многочленов. В статье «Аналитическая итерация» (1963 г.) он вводит термин «матрица представления» и обобщает эту концепцию на двусторонние бесконечные матрицы. В этой статье только функции типа ${ displaystyle f (x) = a_ {1} x + sum _ {k = 2} ^ { infty} a_ {k} x ^ {k}}$ обсуждаются, но рассматриваются для положительных * и * отрицательных степеней функции. Некоторые авторы называют матрицы Белла «матрицей Жаботинского» с (D. Knuth 1992, W.D. Lang 2000), и, возможно, это название станет более каноническим.

Аналитическая итерация Автор (ы): Эри Жаботинский Источник: Transactions of the American Mathematical Society, Vol. 108, No. 3 (сентябрь 1963 г.), pp. 457–477 Издано: Американским математическим обществом Стабильный URL: https://www.jstor.org/stable/1993593Дата обращения: 19.03.2009 15:57

Обобщение

Обобщение матрицы Карлемана функции может быть определено вокруг любой точки, например:

${ displaystyle M [f] _ {x_ {0}} = M_ {x} [x-x_ {0}] M [f] M_ {x} [x + x_ {0}]}$

или же ${ displaystyle M [f] _ {x_ {0}} = M [g]}$ куда ${ Displaystyle г (х) = е (х + х_ {0}) - х_ {0}}$. Это позволяет матричная мощность относиться как:

${ displaystyle (M [f] _ {x_ {0}}) ^ {n} = M_ {x} [x-x_ {0}] M [f] ^ {n} M_ {x} [x + x_ { 0}]}$

Общие серии

Еще один способ еще больше обобщить это - подумать об общей серии следующим образом:

Позволять ${ displaystyle f (x) = sum _ {n} c_ {n} (f) cdot psi _ {n} (x)}$ - приближение ряда ${ displaystyle f (x)}$, куда ${ Displaystyle { psi _ {п} (х) } _ {п}}$ является основой пространства, содержащего ${ displaystyle f (x)}$

Мы можем определить ${ Displaystyle G [f] _ {mn} = c_ {n} ( psi _ {m} circ f)}$, поэтому мы имеем ${ Displaystyle psi _ {m} circ f = sum _ {n} c_ {n} ( psi _ {m} circ f) cdot psi _ {n} = sum _ {n} G [f] _ {mn} cdot psi _ {n}}$, теперь мы можем доказать, что ${ Displaystyle G [г circ f] = G [g] cdot G [f]}$, если предположить, что ${ Displaystyle { psi _ {п} (х) } _ {п}}$ также является основой для ${ displaystyle g (x)}$ и ${ Displaystyle г (е (х))}$.

Позволять ${ displaystyle g (x)}$ быть таким, чтобы ${ Displaystyle psi _ {l} circ g = sum _ {m} G [g] _ {lm} cdot psi _ {m}}$ куда ${ displaystyle G [g] _ {lm} = c_ {m} ( psi _ {l} circ g)}$.

Сейчас же ${ displaystyle sum _ {n} G [g circ f] _ {mn} psi _ {n} = psi _ {l} circ (g circ f) = ( psi _ {l} circ g) circ f = sum _ {m} G [g] _ {lm} ( psi _ {m} circ f) = sum _ {m} G [g] _ {lm} sum _ {n} G [f] _ {mn} psi _ {n} = sum _ {n, m} G [g] _ {lm} G [f] _ {mn} psi _ {n} = сумма _ {n} ( sum _ {m} G [g] _ {lm} G [f] _ {mn}) psi _ {n}}$

Сравнивая первый и последний член, а от ${ Displaystyle { psi _ {п} (х) } _ {п}}$ быть базой для ${ displaystyle f (x)}$, ${ displaystyle g (x)}$ и ${ Displaystyle г (е (х))}$ следует, что ${ Displaystyle G [г circ f] = сумма _ {m} G [g] _ {lm} G [f] _ {mn} = G [g] cdot G [f]}$

Примеры

Если мы установим ${ Displaystyle psi _ {п} (х) = х ^ {п}}$ у нас есть Матрица Карлемана

Если ${ Displaystyle {е_ {п} (х) } _ {п}}$ является ортонормальным базисом для гильбертова пространства с определенным внутренним произведением ${ displaystyle langle f, g rangle}$, мы можем установить ${ displaystyle psi _ {n} = e_ {n}}$ и ${ displaystyle c_ {n} (е)}$ будет ${ displaystyle { displaystyle langle f, e_ {n} rangle}}$. Если ${ Displaystyle е_ {п} (х) = е ^ {{ sqrt {-1}} nx}}$ у нас есть аналог для рядов Фурье, а именно ${ displaystyle c_ {n} (f) = { cfrac {1} {2 pi}} int _ {- pi} ^ { pi} displaystyle f (x) cdot e ^ {- { sqrt {-1}} nx} dx}$

Свойства матрицы

Эти матрицы удовлетворяют фундаментальным соотношениям:

• ${ Displaystyle М [е сирк г] = М [е] М [г] ~,}$
• ${ Displaystyle B [е circ g] = B [g] B [f] ~,}$

что делает матрицу Карлемана M (прямое) представление ${ displaystyle f (x)}$, а матрица Белла B ан антипредставительство из ${ displaystyle f (x)}$. Здесь термин ${ displaystyle f circ g}$ обозначает композицию функций ${ Displaystyle F (г (х))}$.

Другие свойства включают:

• ${ Displaystyle , М [е ^ {п}] = М [е] ^ {п}}$, куда ${ Displaystyle , е ^ {п}}$ является повторяющаяся функция и
• ${ Displaystyle , М [е ^ {- 1}] = М [е] ^ {- 1}}$, куда ${ Displaystyle , е ^ {- 1}}$ это обратная функция (если матрица Карлемана обратимый).

Примеры

Матрица Карлемана константы:

${ displaystyle M [a] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots a & 0 & 0 & cdots a ^ {2} & 0 & 0 & cdots vdots & vdots & vdots & ddots end {array}} right)}$

Матрица Карлемана единичной функции:

${ displaystyle M_ {x} [x] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots 0 & 1 & 0 & cdots 0 & 0 & 1 & cdots vdots & vdots & vdots & ddots конец {массив}} right)}$

Матрица Карлемана постоянного сложения:

${ displaystyle M_ {x} [a + x] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots a & 1 & 0 & cdots a ^ {2} & 2a & 1 & cdots vdots & vdots & vdots & ddots end {array}} right)}$

Матрица Карлемана функция преемника эквивалентен Биномиальный коэффициент:

${ Displaystyle M_ {x} [1 + x] = left ({ begin {array} {ccccc} 1 & 0 & 0 & 0 & cdots 1 & 1 & 0 & 0 & cdots 1 & 2 & 1 & 0 & cdots 1 & 3 & 3 & 1 & cdots vdots & vdots & vdots & vdots & ddots end {array}} right)}$

${ displaystyle M_ {x} [1 + x] _ {jk} = { binom {j} {k}}}$

Матрица Карлемана логарифм относится к (подписано) Числа Стирлинга первого рода масштабируется факториалы:

${ displaystyle M_ {x} [ log (1 + x)] = left ({ begin {array} {cccccc} 1 & 0 & 0 & 0 & 0 & cdots 0 & 1 & - { frac {1} {2}} & { frac {1} {3}} & - { frac {1} {4}} & cdots 0 & 0 & 1 & -1 & { frac {11} {12}} & cdots 0 & 0 & 0 & 1 & - { frac {3} {2}} & cdots 0 & 0 & 0 & 0 & 1 & cdots vdots & vdots & vdots & vdots & vdots & ddots end {array}} right)}$

${ displaystyle M_ {x} [ log (1 + x)] _ {jk} = s (k, j) { frac {j!} {k!}}}$

Матрица Карлемана логарифм связан с (беззнаковым) Числа Стирлинга первого рода масштабируется факториалы:

${ Displaystyle M_ {x} [- log (1-x)] = left ({ begin {array} {cccccc} 1 & 0 & 0 & 0 & 0 & cdots 0 & 1 & { frac {1} {2}} & { frac {1} {3}} & { frac {1} {4}} & cdots 0 & 0 & 1 & 1 & { frac {11} {12}} & cdots 0 & 0 & 0 & 1 & { frac {3} {2}} & cdots 0 & 0 & 0 & 0 & 1 & cdots vdots & vdots & vdots & vdots & vdots & ddots end {array}} right)}$

${ displaystyle M_ {x} [- log (1-x)] _ {jk} = | s (k, j) | { frac {j!} {k!}}}$

Матрица Карлемана экспоненциальная функция относится к Числа Стирлинга второго рода масштабируется факториалы:

${ displaystyle M_ {x} [ exp (x) -1] = left ({ begin {array} {cccccc} 1 & 0 & 0 & 0 & 0 & cdots 0 & 1 & { frac {1} {2}} & { frac { 1} {6}} & { frac {1} {24}} & cdots 0 & 0 & 1 & 1 & { frac {7} {12}} & cdots 0 & 0 & 0 & 1 & { frac {3} {2}} & cdots 0 & 0 & 0 & 0 & 1 & cdots vdots & vdots & vdots & vdots & vdots & ddots end {array}} right)}$

${ displaystyle M_ {x} [ exp (x) -1] _ {jk} = S (k, j) { frac {j!} {k!}}}$

Матрица Карлемана экспоненциальные функции является:

${ displaystyle M_ {x} [ exp (ax)] = left ({ begin {array} {ccccc} 1 & 0 & 0 & 0 & cdots 1 & a & { frac {a ^ {2}} {2}} & { frac {a ^ {3}} {6}} & cdots 1 & 2a & 2a ^ {2} & { frac {4a ^ {3}} {3}} & cdots 1 & 3a & { frac {9a ^ { 2}} {2}} & { frac {9a ^ {3}} {2}} & cdots vdots & vdots & vdots & vdots & ddots end {array}} right) }$

${ displaystyle M_ {x} [ exp (ax)] _ {jk} = { frac {(ja) ^ {k}} {k!}}}$

Матрица Карлемана постоянного кратного:

${ displaystyle M_ {x} [cx] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots 0 & c & 0 & cdots 0 & 0 & c ^ {2} & cdots vdots & vdots & vdots & ddots end {array}} right)}$

Матрица Карлемана линейной функции:

${ displaystyle M_ {x} [a + cx] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots a & c & 0 & cdots a ^ {2} & 2ac & c ^ {2} & cdots vdots & vdots & vdots & ddots end {array}} right)}$

Матрица Карлемана функции ${ Displaystyle е (х) = сумма _ {к = 1} ^ { infty} е_ {к} х ^ {к}}$ является:

${ displaystyle M [f] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots 0 & f_ {1} & f_ {2} & cdots 0 & 0 & f_ {1} ^ {2} & cdots vdots & vdots & vdots & ddots end {array}} right)}$

Матрица Карлемана функции ${ Displaystyle е (х) = сумма _ {к = 0} ^ { infty} е_ {к} х ^ {к}}$ является:

${ displaystyle M [f] = left ({ begin {array} {cccc} 1 & 0 & 0 & cdots f_ {0} & f_ {1} & f_ {2} & cdots f_ {0} ^ {2} & 2f_ {0} f_ {1} & f_ {1} ^ {2} + 2f_ {0} f_ {2} & cdots vdots & vdots & vdots & ddots end {array}} right) }$

Приближение Карлемана

Рассмотрим следующую автономную нелинейную систему:

${ Displaystyle { точка {х}} = е (х) + сумма _ {j = 1} ^ {m} g_ {j} (x) d_ {j} (t)}$

куда ${ Displaystyle х в R ^ {п}}$ обозначает вектор состояния системы. Также, ${ displaystyle f}$ и ${ displaystyle g_ {i}}$'s - известные аналитические векторные функции, а ${ displaystyle d_ {j}}$ это ${ displaystyle j ^ {th}}$ элемент неизвестного нарушения в системе.

В желаемой номинальной точке нелинейные функции в указанной выше системе могут быть аппроксимированы разложением Тейлора

${ displaystyle f (x) simeq f (x_ {0}) + sum _ {k = 1} ^ { eta} { frac {1} {k!}} partial f _ {[k]} середина _ {x = x_ {0}} (x-x_ {0}) ^ {[k]}}$

куда ${ displaystyle partial f _ {[k]} mid _ {x = x_ {0}}}$ это ${ displaystyle k ^ {th}}$ частная производная от ${ displaystyle f (x)}$ относительно ${ displaystyle x}$ в ${ displaystyle x = x_ {0}}$ и ${ Displaystyle х ^ {[к]}}$ обозначает ${ displaystyle k ^ {th}}$ Произведение Кронекера.

Без ограничения общности считаем, что ${ displaystyle x_ {0}}$ находится в начале.

Применяя к системе приближение Тейлора, получаем

${ displaystyle { dot {x}} simeq sum _ {k = 0} ^ { eta} A_ {k} x ^ {[k]} + sum _ {j = 1} ^ {m} сумма _ {k = 0} ^ { eta} B_ {jk} x ^ {[k]} dj}$

куда ${ displaystyle A_ {k} = { frac {1} {k!}} partial f _ {[k]} mid _ {x = 0}}$ и ${ displaystyle B_ {jk} = { frac {1} {k!}} partial g_ {j [k]} mid _ {x = 0}}$.

Следовательно, получается следующая линейная система для высших порядков исходных состояний:

${ displaystyle { frac {d (x ^ {[i]})} {dt}} simeq sum _ {k = 0} ^ { eta -i + 1} A_ {i, k} x ^ { [k + i-1]} + sum _ {j = 1} ^ {m} sum _ {k = 0} ^ { eta -i + 1} B_ {j, i, k} x ^ {[ k + i-1]} d_ {j}}$

куда${ displaystyle A_ {i, k} = sum _ {l = 0} ^ {i-1} I_ {n} ^ {[l]} otimes A_ {k} otimes I_ {n} ^ {[i -1-l]}}$, и аналогично ${ displaystyle B_ {j, i, kappa} = sum _ {l = 0} ^ {i-1} I_ {n} ^ {[l]} otimes B_ {j, kappa} otimes I_ { п} ^ {[я-1-л]}}$.

Используя оператор произведения Кронекера, приближенная система представлена ​​в следующем виде

${ displaystyle { dot {x}} _ { otimes} simeq Ax _ { otimes} + sum _ {j = 1} ^ {m} [B_ {j} x _ { otimes} d_ {j} + B_ {j0} d_ {j}] + A_ {r}}$

куда${ displaystyle x _ { otimes} = { begin {bmatrix} x ^ {T} & x ^ {{[2]} ^ {T}} & ... & x ^ {{[ eta]} ^ {T} } end {bmatrix}} ^ {T}}$, и ${ displaystyle A, B_ {j}, A_ {r}}$ и ${ displaystyle B_ {j, 0}}$ матрицы определены в (Hashemian and Armaou 2015).^[1]

Смотрите также

• Полиномы Белла
• Состав функций
• Уравнение Шредера
• Оператор композиции

Рекомендации

• Р. Алдрованди, Специальные матрицы математической физики: Стохастическая, циркулянтная и белковая матрицы, World Scientific, 2001. (предварительный просмотр)
• Р. Альдрованди, Л. П. Фрейтас, Непрерывная итерация динамических карт., онлайн-препринт, 1997.
• П. Гралевич, К. Ковальский, Непрерывная эволюция во времени на основе повторных отображений и линеаризации Карлемана, онлайн-препринт, 2000.
• К. Ковальски и В. Х. Стиб, Нелинейные динамические системы и линеаризация Карлемана., World Scientific, 1991. (предварительный просмотр)
• Д. Кнут, Полиномы свертки онлайн-печать arXiv, 1992 г.
• Жаботинский, Эри: Представление функций матрицами. Применение к полиномам Фабера в: Proceedings of the American Mathematical Society, Vol. 4, No. 4 (август 1953 г.), стр. 546–553 Стабильный jstor-URL