写在前面

之前学习的时候天真的以为对称多项式求解初等对称多项式表示是直接套用公式就行的, 也没有深入理解对称多项式基本定理的推导过程.

直接拿来主义倒是能够解决一部分问题, 但是还是会有点小问题无法处理, 今天拿起高等代数课本重新看了看, 才算真正掌握了对称多项式的初等对称多项式表示方法, 以及用来计算推导四次方程的三次预解式(之前的blog中采用了CAS计算, 方便但是不知其所以然, 苦恼)

老师上课时候讲解了一些内容, 但是有些跳跃, 还是要自己细细品味才能悟出其中的道理.

对称多项式

nnn元多项式f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn), 如果对于任意的i,j,(1≤i<j≤n)i,j,\ (1\le i<j\le n)i,j, (1≤i<j≤n), 都有
f(x1,⋯,xi,⋯,xj,⋯,xn)=f(x1,⋯,xj,⋯,xi,⋯,xn).f(x_1,\cdots,x_i,\cdots,x_j,\cdots,x_n)=f(x_1,\cdots,x_j,\cdots,x_i,\cdots,x_n). f(x1,⋯,xi,⋯,xj,⋯,xn)=f(x1,⋯,xj,⋯,xi,⋯,xn).
则称该多项式为对称多项式.

对称多项式基本定理

对于任意一个nnn元对称多项式f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)都有一个nnn元多项式φ(y1,y2,⋯,yn)\varphi(y_1,y_2,\cdots,y_n)φ(y1,y2,⋯,yn)使得
f(x1,x2,⋯,xn)=φ(σ1,σ2,⋯,σn).f(x_1,x_2,\cdots,x_n)=\varphi(\sigma_1,\sigma_2,\cdots,\sigma_n). f(x1,x2,⋯,xn)=φ(σ1,σ2,⋯,σn).
其中σi\sigma_iσi为初等对称多项式, 如下表示
{σ1=x1+x2+⋯+xn,σ2=x1x2+x1x3+⋯+xn−1xn,⋯σn=x1x2⋯xn.\begin{cases} \sigma_1=x_1+x_2+\cdots+x_n,\\ \sigma_2=x_1x_2+x_1x_3+\cdots+x_{n-1}x_n,\\ \cdots\\ \sigma_n=x_1x_2\cdots x_n. \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧σ1=x1+x2+⋯+xn,σ2=x1x2+x1x3+⋯+xn−1xn,⋯σn=x1x2⋯xn.

证明(将对称多项式表示为初等对称多项式的多项式的方法)

设f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)(按字典序排列的)首项为
ax1l1x2l2⋯xnln,a≠0.(1)ax_1^{l_1}x_2^{l_2}\cdots x_n^{l_n},\quad a\ne0.\tag{1} ax1l1x2l2⋯xnln,a=0.(1)
(1)(1)(1)式作为f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)的首项, 一定有li≥l2≥⋯≥ln≥0)l_i\ge l_2\ge\cdots\ge l_n\ge0)li≥l2≥⋯≥ln≥0).

不然, 设有li<li+1l_i<l_{i+1}li<li+1, 由f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)为对称多项式, 所以f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)中同时含有下面两项
ax1l1x2l2⋯xnln,ax1l1⋯xili+1xi+1li⋯xnln,ax_1^{l_1}x_2^{l_2}\cdots x_n^{l_n},\quad ax_1^{l_1}\cdots x_i^{l_{i+1}}x_{i+1}^{l_i}\cdots x_n^{l_n}, ax1l1x2l2⋯xnln,ax1l1⋯xili+1xi+1li⋯xnln,
按字典序排列, 后者应该在前者之前, 与前者是首项矛盾.

作对称多项式
φ1=aσ1l1−l2σ2l2−l3⋯σnln(2)\varphi_1=a\sigma_1^{l_1-l_2}\sigma_2^{l_2-l_3}\cdots \sigma_n^{l_n}\tag{2} φ1=aσ1l1−l2σ2l2−l3⋯σnln(2)

由于σ1,σ2,⋯,σn\sigma_1,\sigma_2,\cdots,\sigma_nσ1,σ2,⋯,σn首项分别为x1,x1x2,⋯,x1x2⋯xnx_1,x_1x_2,\cdots,x_1x_2\cdots x_nx1,x1x2,⋯,x1x2⋯xn, 于是上式右端展开后正好得到
φ1=ax1l1x2l2⋯xnln,\varphi_1=ax_1^{l_1}x_2^{l_2}\cdots x_n^{l_n}, φ1=ax1l1x2l2⋯xnln,
这也正好解释了为什么要逐项求差.

所以, φ1\varphi_1φ1与fff有相同的首项, 两者相减之后正好能够得到一个次数较小的对称多项式, 即
f1(x1,x2,⋯,xn)=f−φ1f_1(x_1,x_2,\cdots,x_n)=f-\varphi_1 f1(x1,x2,⋯,xn)=f−φ1
这样重复下去, 可以得到一系列次数逐渐减小的对称多项式, 即
f,f1=f−φ1,f2=f1−φ2,⋯.(3)f,f_1=f-\varphi_1,f_2=f_1-\varphi_2,\cdots.\tag{3} f,f1=f−φ1,f2=f1−φ2,⋯.(3)
设bx1p1x2p2⋯xnpnbx_1^{p_1}x_2^{p_2}\cdots x_n^{p_n}bx1p1x2p2⋯xnpn为(3)(3)(3)中某一对称多项式的首项, (1)(1)(1)要先于(3)(3)(3), 就要满足
l1≥p1≥p2≥⋯≥pn≥0,l_1\ge p_1\ge p_2\ge\cdots\ge p_n\ge0, l1≥p1≥p2≥⋯≥pn≥0,
显然, 适合上述条件的nnn元组(p1,⋯,pn)(p_1,\cdots,p_n)(p1,⋯,pn)只有有限多个, 所以(3)(3)(3)中只有有限多个对称多项式不为零, 即有正整数hhh 使得fh=0f_h=0fh=0成立, 这也就说明
f(x1,x2,⋯,xn)=φ1+φ2+⋯+φh,f(x_1,x_2,\cdots,x_n)=\varphi_1+\varphi_2+\cdots+\varphi_h, f(x1,x2,⋯,xn)=φ1+φ2+⋯+φh,
即f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)可以表示成初等对称多项式的一些单项式的和, 也即对称多项式f(x1,x2,⋯,xn)f(x_1,x_2,\cdots,x_n)f(x1,x2,⋯,xn)可以表示成初等对称多项式的多项式的形式.

唯一性易证.

上面我们介绍了计算对称多项式表示方法的定理, 下面是一个具体的应用.

直接记忆四次方程的三次预解式比较难记, 这里给出推导方法.

计算四次方程的三次预解式

x4+bx3+cx2+dx+e=0,x^4+bx^3+cx^2+dx+e=0, x4+bx3+cx2+dx+e=0,

三次预解式:
x3−cx2+(bd−4e)x−b2e+4ce−d2=0.x^3-cx^2+(bd-4e)x-b^2e+4ce-d^2=0. x3−cx2+(bd−4e)x−b2e+4ce−d2=0.

g(x)=(x−β1)(x−β2)(x−β3)=x3−∑iβix2+∑i≠jβiβjx−∏iβi,g(x)=(x-\beta_1)(x-\beta_2)(x-\beta_3)=x^3-\sum_{i}\beta_ix^2+\sum_{i\ne j}\beta_i\beta_jx-\prod_i\beta_i, g(x)=(x−β1)(x−β2)(x−β3)=x3−i∑βix2+i=j∑βiβjx−i∏βi,

只需计算上面的
−∑iβi,∑i≠jβiβj,−∏iβi,-\sum_{i}\beta_i,\ \sum_{i\ne j}\beta_i\beta_j, -\prod_i\beta_i, −i∑βi, i=j∑βiβj,−i∏βi,

这里先针对最难算的一项, 也就是∏βi=β1β2β3\prod\beta_i=\beta_1\beta_2\beta_3∏βi=β1β2β3, 可以表示为
f(α1,α2,α3,α4)=(α1α2+α3α4)(α1α3+α2α4)(α1α4+α2α3)f(\alpha_1,\alpha_2,\alpha_3,\alpha_4)=(\alpha_1\alpha_2+\alpha_3\alpha_4)(\alpha_1\alpha_3+\alpha_2\alpha_4)(\alpha_1\alpha_4+\alpha_2\alpha_3) f(α1,α2,α3,α4)=(α1α2+α3α4)(α1α3+α2α4)(α1α4+α2α3)
显然, 上面的四元多项式f(α1,α2,α3,α4)f(\alpha_1,\alpha_2,\alpha_3,\alpha_4)f(α1,α2,α3,α4)是对称多项式, 下面考虑如何用初等对称多项式的多项式形式来表示f(α1,α2,α3,α4)f(\alpha_1,\alpha_2,\alpha_3,\alpha_4)f(α1,α2,α3,α4). 其中, 初等对称多项式如下表示(顺便表示了根与系数的关系)
{σ1=−b=∑iαiσ2=c=∑i≠jαiαjσ3=−d=∑i≠j,j≠k,k≠iαiαjαkσ4=e=∏iαi\begin{cases} \sigma_1=-b=\sum\limits_i\alpha_i\\ \sigma_2=c=\sum\limits_{i\ne j}\alpha_i\alpha_j\\ \sigma_3=-d=\sum\limits_{i\ne j,j\ne k,k\ne i}\alpha_i\alpha_j\alpha_k\\ \sigma_4=e=\prod\limits_i\alpha_i \end{cases} ⎩⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎧σ1=−b=i∑αiσ2=c=i=j∑αiαjσ3=−d=i=j,j=k,k=i∑αiαjαkσ4=e=i∏αi

这里首先需要找f(α1,α2,α3,α4)f(\alpha_1,\alpha_2,\alpha_3,\alpha_4)f(α1,α2,α3,α4)的首项, 不难发现其首项为α13α2α3α4\alpha_1^3\alpha_2\alpha_3\alpha_4α13α2α3α4, 对应的四元组为(3,1,1,1)(3,1,1,1)(3,1,1,1), 所以对应的初等对称多项式的多项式首项为σ12σ4\sigma_1^2\sigma_4σ12σ4, 这时候需要将原多项式和首项相减, 如下
f1=f(α1,α2,α3,α4)−σ12σ4=−2(α12α22α3α4+⋯)+⋯\begin{aligned} f_1=f(\alpha_1,\alpha_2,\alpha_3,\alpha_4)-\sigma_1^2\sigma_4 &=-2(\alpha_1^2\alpha_2^2\alpha_3\alpha_4+\cdots)+\cdots \end{aligned} f1=f(α1,α2,α3,α4)−σ12σ4=−2(α12α22α3α4+⋯)+⋯
这时候新的多项式f1f_1f1的首项就变成了α12α22α3α4\alpha_1^2\alpha_2^2\alpha_3\alpha_4α12α22α3α4, 其对应的四元组为(2,2,1,1)(2,2,1,1)(2,2,1,1), 于是这时候对应过来的首项就成了σ2σ4\sigma_2\sigma_4σ2σ4, 再进行一步相减的操作:
f2=f1−σ2σ4=α12α22α32+⋯f_2 = f_1-\sigma_2\sigma_4=\alpha_1^2\alpha_2^2\alpha_3^2+\cdots f2=f1−σ2σ4=α12α22α32+⋯
f2f_2f2对应的四元组为(2,2,2,0)(2,2,2,0)(2,2,2,0), 于是这里的首项对应过来是σ32\sigma_3^2σ32, 这样我们就能开始用待定系数法计算∏βi=β1β2β3\prod\beta_i=\beta_1\beta_2\beta_3∏βi=β1β2β3了.
∏βi=β1β2β3=σ12σ4+uσ32+vσ2σ4,\prod\beta_i=\beta_1\beta_2\beta_3=\sigma_1^2\sigma_4+u\sigma_3^2+v\sigma_2\sigma_4, ∏βi=β1β2β3=σ12σ4+uσ32+vσ2σ4,
取α1=α2=α3=1,α4=0\alpha_1=\alpha_2=\alpha_3=1, \alpha_4=0α1=α2=α3=1,α4=0, 得到
u=1,u=1, u=1,
取αi=1\alpha_i=1αi=1, 得到
6v=−24⟹v=−4,6v=-24\Longrightarrow v=-4, 6v=−24⟹v=−4,

于是我们得到了
∏βi=β1β2β3=σ12σ4+σ32−4σ2σ4,\prod\beta_i=\beta_1\beta_2\beta_3=\sigma_1^2\sigma_4+\sigma_3^2-4\sigma_2\sigma_4, ∏βi=β1β2β3=σ12σ4+σ32−4σ2σ4,
再通过根与系数的关系进行对应, 即可以得到
∏βi=β1β2β3=b2e+d2−4ce.\prod\beta_i=\beta_1\beta_2\beta_3=b^2e+d^2-4ce. ∏βi=β1β2β3=b2e+d2−4ce.
这里完成之后, 剩下的两项系数我们可以通过直接计算得到, 前面文章有提到. 这里简要说一下.

对平方项系数, βi\beta_iβi直接相加即可
−∑iβi=−∑i≠jαiαj=−c,-\sum_{i}\beta_i=-\sum\limits_{i\ne j}\alpha_i\alpha_j=-c, −i∑βi=−i=j∑αiαj=−c,
对一次项系数, 也可以采用对称多项式基本定理的方法, 如下

设
f(β1,β2,β3)=∑i≠jβiβj=β1β2+β1β3+β2β3,f(\beta_1,\beta_2,\beta_3)=\sum_{i\ne j}\beta_i\beta_j=\beta_1\beta_2+\beta_1\beta_3+\beta_2\beta_3, f(β1,β2,β3)=i=j∑βiβj=β1β2+β1β3+β2β3,
其首项为α12α2α3\alpha_1^2\alpha_2\alpha_3α12α2α3, 即(2,1,1,0)(2,1,1,0)(2,1,1,0), 对应的初等对称多项式的首项为σ1σ3\sigma_1\sigma_3σ1σ3, 相减
f1=f−σ1σ3=−(α1α2α3α4+⋯),f_1=f-\sigma_1\sigma_3=-(\alpha_1\alpha_2\alpha_3\alpha_4+\cdots), f1=f−σ1σ3=−(α1α2α3α4+⋯),
f1f_1f1首项为α1α2α3α4\alpha_1\alpha_2\alpha_3\alpha_4α1α2α3α4, 对应的4元组(1,1,1,1)(1,1,1,1)(1,1,1,1), 即σ4\sigma_4σ4, 于是我们得到
f=σ1σ3+wσ4,f=\sigma_1\sigma_3+w\sigma_4, f=σ1σ3+wσ4,
待定系数法, 取αi=1\alpha_i=1αi=1, 得到
12=16+w,12=16+w, 12=16+w,
于是w=−4w=-4w=−4, 所以f=σ1σ3−4σ4=bd−4ef=\sigma_1\sigma_3-4\sigma_4=bd-4ef=σ1σ3−4σ4=bd−4e, 这样我们就得到了一次项系数.

综上, 我们得到了
x3−cx2+(bd−4e)x−b2e+4ce−d2=0.x^3-cx^2+(bd-4e)x-b^2e+4ce-d^2=0. x3−cx2+(bd−4e)x−b2e+4ce−d2=0.

主要参考

高等代数北大第四版(王萼芳, 石生明)

代数学笔记10.1: 关于对称多项式的理解和三次预解式的推导相关推荐

代数学笔记10: Galois基本定理,Galois群与方程求解
文章目录再看Galois基本定理利用Galois基本定理解方程的核心思路两个技巧 1. GGG在Ω\OmegaΩ上传递⟺f\iff f⟺f在F[x]F[x]F[x]不可约 2. G≲An⟺δ∈F ...
thinkphp学习笔记10—看不懂的路由规则
原文:thinkphp学习笔记10-看不懂的路由规则路由这部分貌似在实际工作中没有怎么设计过,只是在用默认的设置,在手册里面看到部分,艰涩难懂. 1.路由定义要使用路由功能需要支持PATH_INF ...
TensorFlow学习笔记（二）：快速理解Tutorial第一个例子-MNIST机器学习入门标签：机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅
TensorFlow学习笔记(二):快速理解Tutorial第一个例子-MNIST机器学习入门标签: 机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅读 ...
Think in Java第四版读书笔记10 第16章数组
Think in Java第四版读书笔记10 第16章数组数组和容器很像但他们有一些差别 16.1 数组为什么特殊数组与容器的区别主要在效率和存储类型效率:数组是简单的线性序列使得数组的 ...
台大李宏毅Machine Learning 2017Fall学习笔记 (10)Tips for Deep Learning
台大李宏毅Machine Learning 2017Fall学习笔记 (10)Tips for Deep Learning 注:本博客主要参照 http://blog.csdn.net/xzy_thu ...
Python学习笔记--10.Django框架快速入门之后台管理admin（书籍管理系统）
Python学习笔记--10.Django框架快速入门之后台管理一.Django框架介绍二.创建第一个Django项目三.应用的创建和使用四.项目的数据库模型 ORM对象关系映射 sqlite ...
《控制系统设计指南》读书笔记2：Bode图的理解
读书笔记2:Bode图的理解摘要一.Bode图的认识 1.幅频(幅值vs频率) 特性曲线备注: 2.相频(相位vs频率) 特性曲线备注: 3.性能指标 - 响应快速性和稳定性二.Bode图实 ...
[网络安全学习篇10]：扫描技术、暴力破解工具（千峰网络安全视频笔记 10 day）
引言:我的系列博客[网络安全学习篇]上线了,小编也是初次创作博客,经验不足:对千峰网络信息安全开源的视频公开课程的学习整理的笔记整理的也比较粗糙,其实看到目录有300多集的时候,讲道理,有点怂了,所以 ...
大数据之路读书笔记-10维度设计
大数据之路读书笔记-10维度设计文章目录大数据之路读书笔记-10维度设计 10.1 维度设计基础 10.1.1 维度的基本概念 10.1.2 维度的基本设计方法 10.1.3 维度的层次结构 10 ...

代数学笔记10.1: 关于对称多项式的理解和三次预解式的推导