वैंडरमोंड मैट्रिक्स: Difference between revisions

Revision as of 13:32, 29 April 2023

रेखीय बीजगणित में, एक वेंडरमोंड आव्यूह जिसका नाम एलेक्जेंडर थियोफाइल वेंडरमोंड के नाम पर रखा गया है, इसमें एक मैट्रिक्स होता है जिसमें प्रत्येक पंक्ति में गुणोत्तर अनुक्रम वाले $(m+1)\times (n+1)$ आव्यूह (गणित) होते है

V=V(x_{0},x_{1},\cdots ,x_{m})={\begin{bmatrix}1&x_{0}&x_{0}^{2}&\dots &x_{0}^{n}\\1&x_{1}&x_{1}^{2}&\dots &x_{1}^{n}\\1&x_{2}&x_{2}^{2}&\dots &x_{2}^{n}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{m}&x_{m}^{2}&\dots &x_{m}^{n}\end{bmatrix}}

या

V_{i,j}=x_{i}^{j}

सभी शून्य-आधारित सूचकांक के लिए $i$ और $j$ के रूप में होते है.^[1] अधिकांश लेखक वैंडरमोंड आव्यूह को उपरोक्त आव्यूह के स्थानान्तरण के रूप में परिभाषित करते हैं।^[2]^[3]

असतत फूरियर रूपांतरण आव्यूह वैंडरमोंड आव्यूह का एक बहुत ही महत्वपूर्ण उदाहरण के रूप में है।^[2]

एक वर्ग वैंडरमोंड आव्यूह के निर्धारक को वैंडरमोंड बहुपद या वैंडरमोंड निर्धारक कहा जाता है। इसका मान बहुपद

\det(V)=\prod _{0\leq i<j\leq n}(x_{j}-x_{i})

के रूप में है

जो अशून्य रूप में होते है और यदि सभी $x_{i}$ विशिष्ट रूप में हैं।

वैंडरमोंड निर्धारक को कभी-कभी विवेचक कहा जाता था, चूंकि , वर्तमान में, बहुपद का विवेचक, बहुपद के एक फलन के मूल के वैंडरमोंड निर्धारक का वर्ग है। वैंडरमोंड निर्धारक एक वैकल्पिक रूप है $x_{i}$ , जिसका अर्थ है कि दो का आदान-प्रदान $x_{i}$ अनुमति देते समय, चिह्न बदलता है $x_{i}$ सम क्रमचय द्वारा सारणिक का मान नहीं बदलता है। यह इस प्रकार के लिए एक आदेश की पसंद पर निर्भर करता है $x_{i}$ , जबकि इसका वर्ग, विवेचक, किसी भी क्रम पर निर्भर नहीं करता है, और इसका तात्पर्य गैलोइस सिद्धांत से है, कि विवेचक बहुपद के गुणांकों का एक बहुपद फलन है जिसमें $x_{i}$ जड़ों के रूप में।

प्रमाण

एक वर्ग वेंडरमोंड आव्यूह की मुख्य संपत्ति

V={\begin{bmatrix}1&x_{0}&x_{0}^{2}&\dots &x_{0}^{n}\\1&x_{1}&x_{1}^{2}&\dots &x_{1}^{n}\\1&x_{2}&x_{2}^{2}&\dots &x_{2}^{n}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}&x_{n}^{2}&\dots &x_{n}^{n}\end{bmatrix}}

यह है कि इसके निर्धारक का सरल रूप है

\det(V)=\prod _{0\leq i<j\leq n}(x_{j}-x_{i}).

इस समानता के तीन प्रमाण नीचे दिए गए हैं। पहला वाला बहुपद गुणों का उपयोग करता है, विशेष रूप से बहुभिन्नरूपी बहुपदों के अद्वितीय गुणनखंड डोमेन का। चूंकि वैचारिक रूप से सरल, इसमें सार बीजगणित की गैर-प्रारंभिक अवधारणाएं सम्मलित हैं। दूसरे प्रमाण के लिए किसी स्पष्ट संगणना की आवश्यकता नहीं है, लेकिन इसमें एक रेखीय मानचित्र के निर्धारक और आधार के परिवर्तन की अवधारणा सम्मलित है। यह वैंडरमोंड आव्यूह के LU अपघटन की संरचना भी प्रदान करता है। मात्र प्राथमिक आव्यूह का उपयोग करते हुए तीसरा एक अधिक प्राथमिक और अधिक जटिल है।

बहुपद गुणों का प्रयोग

लीबनिज सूत्र (निर्धारक) द्वारा, $\det(V)$ में एक बहुपद है $x_{i}$ , पूर्णांक गुणांक के साथ। की सभी प्रविष्टियाँ $i$ वें कॉलम (शून्य-आधारित) में कुल डिग्री है $i$ . इस प्रकार, फिर से लीबनिज सूत्र द्वारा, सारणिक के सभी पदों की कुल डिग्री होती है

0+1+2+\cdots +n={\frac {n(n+1)}{2}};

(अर्थात निर्धारक इस डिग्री का एक सजातीय बहुपद है)।

यदि , के लिए $i\neq j$ , एक स्थानापन्न $x_{i}$ के लिए $x_{j}$ , हमें दो समान पंक्तियों वाला एक आव्यूह मिलता है, जिसमें एक शून्य निर्धारक होता है। इस प्रकार, कारक प्रमेय द्वारा, $x_{j}-x_{i}$ का भाजक है $\det(V)$ . बहुभिन्नरूपी बहुपदों के अद्वितीय गुणनखंड डोमेन द्वारा, सभी का गुणनफल $x_{j}-x_{i}$ विभाजित $\det(V)$ , वह है

\det(V)=Q\prod _{1\leq i<j\leq n}(x_{j}-x_{i}),

कहाँ $Q$ एक बहुपद है। सभी के उत्पाद के रूप में $x_{j}-x_{i}$ और $\det(V)$ एक ही डिग्री हो $n(n+1)/2$ , बहुपद $Q$ वस्तुत: एक स्थिरांक है। यह स्थिरांक एक है, क्योंकि की विकर्ण प्रविष्टियों का गुणनफल $V$ है $x_{1}x_{2}^{2}\cdots x_{n}^{n}$ , जो एकपदी भी है जो सभी गुणनखंडों के प्रथम पद को लेकर प्राप्त किया जाता है $\textstyle \prod _{0\leq i<j\leq n}(x_{j}-x_{i}).$ इससे यह सिद्ध होता है

\det(V)=\prod _{0\leq i<j\leq n}(x_{j}-x_{i}).

रेखीय नक्शों का प्रयोग

होने देना $F$ एक क्षेत्र (गणित) हो जिसमें सभी हों $x_{i},$ और $P_{n}$ $F$ से कम डिग्री वाले बहुपदों की सदिश जगह $n$ में गुणांक के साथ $F$ . होने देना

\varphi :P_{n}\to F^{n}

द्वारा परिभाषित रैखिक नक्शा हो

p(x)\mapsto (p(x_{1}),\ldots ,p(x_{n}))

.

वेंडरमोंड आव्यूह का आव्यूह है $\varphi$ के विहित आधार के संबंध में $P_{n}$ और $F^{n}.$ के आधार में परिवर्तन $P_{n}$ वैंडरमोंड आव्यूह को चेंज-ऑफ़-बेस आव्यूह से गुणा करने के बराबर है $M$ (दाएं से)। यह निर्धारक नहीं बदलता है, यदि निर्धारक $M$ है 1.

बहुपद $1$ , $x-x_{0}$ , $(x-x_{0})(x-x_{1})$ , …, $(x-x_{0})(x-x_{1})\cdots (x-x_{n})$ संबंधित डिग्री के मोनिक बहुपद हैं $0, 1, \dots, n$ . मोनोमियल आधार पर उनका आव्यूह एक ऊपरी-त्रिकोणीय आव्यूह है $U$ (यदि मोनोमियल्स को बढ़ती डिग्री में आदेश दिया जाता है), सभी विकर्ण प्रविष्टियाँ एक के बराबर होती हैं। इस प्रकार यह आव्यूह निर्धारक एक का परिवर्तन-आधार आव्यूह है। का आव्यूह $\varphi$ इस नए आधार पर है

L={\begin{bmatrix}1&0&0&\ldots &0\\1&x_{1}-x_{0}&0&\ldots &0\\1&x_{2}-x_{0}&(x_{2}-x_{0})(x_{2}-x_{1})&\ldots &0\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}-x_{0}&(x_{n}-x_{0})(x_{n}-x_{1})&\ldots &(x_{n}-x_{0})(x_{n}-x_{1})\cdots (x_{n}-x_{n})\end{bmatrix}}

.

इस प्रकार वैंडरमोंड निर्धारक इस आव्यूह के निर्धारक के बराबर है, जो इसकी विकर्ण प्रविष्टियों का उत्पाद है।

यह वांछित समानता सिद्ध करता है। इसके अतिरिक्त , किसी को LU का अपघटन मिलता है $V$ जैसा $V=LU^{-1}$ .

पंक्ति और स्तंभ संचालन द्वारा

यह तीसरा प्रमाण इस तथ्य पर आधारित है कि यदि कोई आव्यूह के एक स्तंभ में गुणनफल को दूसरे स्तंभ के अदिश द्वारा जोड़ता है तो सारणिक अपरिवर्तित रहता है।

इसलिए, प्रत्येक कॉलम को घटाकर - पहले वाले को छोड़कर - पूर्ववर्ती कॉलम को गुणा करके $x_{0}$ , निर्धारक नहीं बदला है। (ये घटाव अंतिम कॉलम से प्रारंभ करके किया जाना चाहिए, एक कॉलम घटाना जो अभी तक नहीं बदला गया है)। यह आव्यूह देता है

{\begin{bmatrix}1&0&0&0&\cdots &0\\1&x_{1}-x_{0}&x_{1}(x_{1}-x_{0})&x_{1}^{2}(x_{1}-x_{0})&\cdots &x_{1}^{n-1}(x_{1}-x_{0})\\1&x_{2}-x_{0}&x_{2}(x_{2}-x_{0})&x_{2}^{2}(x_{2}-x_{0})&\cdots &x_{2}^{n-1}(x_{2}-x_{0})\\\vdots &\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}-x_{0}&x_{n}(x_{n}-x_{0})&x_{n}^{2}(x_{n}-x_{0})&\cdots &x_{n}^{n-1}(x_{n}-x_{0})\\\end{bmatrix}}

लाप्लास विस्तार को पहली पंक्ति के साथ लागू करने पर, हम प्राप्त करते हैं $\det(V)=\det(B)$ , साथ

B={\begin{bmatrix}x_{1}-x_{0}&x_{1}(x_{1}-x_{0})&x_{1}^{2}(x_{1}-x_{0})&\cdots &x_{1}^{n-1}(x_{1}-x_{0})\\x_{2}-x_{0}&x_{2}(x_{2}-x_{0})&x_{2}^{2}(x_{2}-x_{0})&\cdots &x_{2}^{n-1}(x_{2}-x_{0})\\\vdots &\vdots &\vdots &\ddots &\vdots \\x_{n}-x_{0}&x_{n}(x_{n}-x_{0})&x_{n}^{2}(x_{n}-x_{0})&\cdots &x_{n}^{n-1}(x_{n}-x_{0})\\\end{bmatrix}}

में सभी प्रविष्टियों के रूप में $i$ -वीं पंक्ति $B$ का कारक है $x_{i+1}-x_{0}$ , कोई इन कारकों को निकाल सकता है और प्राप्त कर सकता है

\det(V)=(x_{1}-x_{0})(x_{2}-x_{0})\cdots (x_{n}-x_{0}){\begin{vmatrix}1&x_{1}&x_{1}^{2}&\cdots &x_{1}^{n-1}\\1&x_{2}&x_{2}^{2}&\cdots &x_{2}^{n-1}\\\vdots &\vdots &\vdots &\ddots &\vdots \\1&x_{n}&x_{n}^{2}&\cdots &x_{n}^{n-1}\\\end{vmatrix}}=\prod _{1<i\leq n}(x_{i}-x_{0})\det(V')

,

कहाँ $V'$ में वैंडरमोंड आव्यूह है $x_{1},\ldots ,x_{n}$ . इस प्रक्रिया को इस छोटे वेंडरमोंड आव्यूह पर दोहराते हुए, अंततः वांछित अभिव्यक्ति प्राप्त होती है $\det(V)$ सभी के उत्पाद के रूप में $x_{j}-x_{i}$ ऐसा है कि $i<j$ .

परिणामी गुण

एक $m \times n$ आयताकार वेंडरमोंड आव्यूह जैसे कि $m \leq n$ में आव्यूह की अधिकतम रैंक है $m$ यदि और मात्र यदि सभी $x i$ भिन्न हैं।

एक $m \times n$ आयताकार वेंडरमोंड आव्यूह जैसे कि $m \geq n$ में आव्यूह की अधिकतम रैंक है $n$ यदि और मात्र यदि हैं $n$ की $x i$ जो भिन्न हैं।

एक वर्ग वेंडरमोंड आव्यूह उलटा आव्यूह है यदि और मात्र यदि $x i$ भिन्न हैं। व्युत्क्रम के लिए एक स्पष्ट सूत्र ज्ञात है।^[4]^[3]^[5]

अनुप्रयोग

वैंडरमोंड आव्यूह $V$ एक बहुपद का मूल्यांकन करता है $p(x)=a_{0}+a_{1}x+a_{2}x^{2}+\dots +a_{n}x^{n}$ बिंदुओं के एक सेट पर (अर्थात $x_{0},\ x_{1},\dots ,\ x_{m}$ ) वंडरमोंड प्रणाली में $Va=f$ ; औपचारिक रूप से, $V$ रेखीय मानचित्र का आव्यूह है जो एक बहुपद के गुणांकों के वेक्टर को मैप करता है $a={\begin{bmatrix}a_{0}\\a_{1}\\\vdots \\a_{n}\end{bmatrix}}$ वेंडरमोंड आव्यूह में दिखाई देने वाले मूल्यों पर बहुपद के मूल्यों के वेक्टर के लिए $f={\begin{bmatrix}p(x_{0})\\p(x_{1})\\\vdots \\p(x_{m})\end{bmatrix}}$ .

भिन्न -भिन्न बिंदुओं के लिए वैंडरमोंड निर्धारक का गैर-गायब होना $x_{i}$ दिखाता है कि, भिन्न -भिन्न बिंदुओं के लिए, उन बिंदुओं पर गुणांक से मान तक का नक्शा एक-से-एक पत्राचार है, और इस प्रकार बहुपद प्रक्षेप समस्या एक अद्वितीय समाधान के साथ हल करने योग्य है; इस परिणाम को एकरूपता प्रमेय कहा जाता है, और चीनी शेष प्रमेय का एक विशेष स्थिति है।

यह बहुपद इंटरपोलेशन में उपयोगी हो सकता है, क्योंकि वेंडरमोंड आव्यूह को बदलने से बहुपद के गुणांक को व्यक्त करने की अनुमति मिलती है $x_{i}$ ^[6] और पर बहुपद के मान $x_{i}$ (अर्थात। $a=V^{-1}f$ ).

वैंडरमोंड निर्धारक का उपयोग सममित समूह के प्रतिनिधित्व सिद्धांत में किया जाता है।^[7] जब मान $x_{i}$ एक परिमित क्षेत्र से संबंधित है, तो वैंडरमोंडे निर्धारक को a भी कहा जाता है मूर आव्यूह और विशिष्ट गुण हैं जिनका उपयोग किया जाता है, उदाहरण के लिए, BCH कोड और रीड-सोलोमन त्रुटि सुधार कोड के सिद्धांत में।

समीकरण को हल करना $Va=f$ (अर्थात् प्रक्षेपित बहुपद की गणना) रैखिक समीकरणों की प्रणाली#एक रैखिक प्रणाली को हल करना|भोलेपन से एक एल्गोरिथ्म में परिणाम ${\mathcal {O}}(n^{3})$ समय जटिलता। वैंडरमोंड आव्यूह की संरचना का उपयोग करते हुए, न्यूटन बहुपद | न्यूटन की विभाजित अंतर विधि का उपयोग किया जा सकता है^[8] (या लैग्रेंज बहुपद^[9]^[10]) में समीकरण को हल करने के लिए ${\mathcal {O}}(n^{2})$ समय, मौन रूप से लू के अपघटन की गणना $V^{-1}$ . परिणामी एल्गोरिदम बेहद सटीक समाधान उत्पन्न करता है, यदि $V$ हालत संख्या है | बीमार हालत।^[2] असतत फूरियर रूपांतरण एक विशिष्ट वेंडरमोंड आव्यूह , डीएफटी आव्यूह द्वारा परिभाषित किया गया है, जहां संख्याएं $x_{i}$ एकता के मूल के रूप में चुने गए हैं। फास्ट फूरियर ट्रांसफॉर्म का उपयोग करके वैंडरमोंड आव्यूह के उत्पाद को एक वेक्टर के साथ गणना करना संभव है $O(n\log ^{2}n)$ समय।^[11] वेंडरमोंड निर्धारक के सूत्र के अनुसार फिलिंग फैक्टर वन (क्वांटम हॉल प्रभाव में प्रकट होने वाला) के साथ लाफलिन वेवफंक्शन को स्लेटर निर्धारक के रूप में देखा जा सकता है। यह अब एक से भिन्न कारकों को भरने के लिए सत्य नहीं है, अर्थात भिन्नात्मक क्वांटम हॉल प्रभाव में।

यह बहुपद प्रतिगमन का डिजाइन आव्यूह है।

यह मनमानी की सामान्यीकृत मात्रा है $k$ चक्रीय पॉलीटॉप के चेहरे। विशेष रूप से, यदि $F=C_{d}(t_{i_{1}},\dots ,t_{i_{k+1}})$ एक है $k$ -चक्रीय पॉलीटॉप का चेहरा $C_{d}(T)\subset \mathbb {R} ^{d}$ (कहाँ $T=\{t_{1},\dots ,t_{N}\}_{<}\subset \mathbb {Z}$ ), तब

\mathrm {nvol} (F)={\frac {1}{k!}}\prod _{1\leq m<n\leq k+1}{(t_{i_{n}}-t_{i_{m}})}.

कंफ्लुएंट वैंडरमोंड मेट्रिसेस

जैसा कि पहले बताया गया है, वैंडरमोंड आव्यूह एक बहुपद के गुणांकों को खोजने के रैखिक बीजगणित बहुपद प्रक्षेप का वर्णन करता है $p(x)$ डिग्री का $n-1$ मूल्यों के आधार पर $p(\alpha _{1}),\,...,\,p(\alpha _{n})$ , कहाँ $\alpha _{1},\,...,\,\alpha _{n}$ पृथक बिंदु हैं। यदि $\alpha _{i}$ भिन्न नहीं हैं, तो इस समस्या का कोई अनूठा समाधान नहीं है (जो इस तथ्य से परिलक्षित होता है कि संबंधित वैंडरमोंड आव्यूह एकवचन है)। चूंकि , यदि हम दोहराए गए बिंदुओं पर डेरिवेटिव का मान देते हैं, तो समस्या का एक अनूठा समाधान हो सकता है। उदाहरण के लिए, समस्या

{\begin{cases}p(0)=a\\p'(0)=b\\p(1)=c\end{cases}}

कहाँ $p$ डिग्री ≤ 2 का बहुपद है, सभी के लिए एक अनूठा समाधान है $a,b,c$ . सामान्यतः , मान लीजिए $\alpha _{1},\alpha _{2},...,\alpha _{n}$ (आवश्यक नहीं कि भिन्न -भिन्न हों) संख्याएं हैं, और अंकन में आसानी के लिए मान लें कि समान मान सूची में निरंतर क्रम में आते हैं। वह है

\alpha _{1}=\cdots =\alpha _{m_{1}},\ \alpha _{m_{1}+1}=\cdots =\alpha _{m_{2}},\ \ldots ,\ \alpha _{m_{k-1}+1}=\cdots =\alpha _{m_{k}}

कहाँ $m_{k}=n,$ $m_{1}<m_{2}<\cdots <m_{k},$ और $\alpha _{m_{1}},\ldots ,\alpha _{m_{k}}$ विशिष्ट हैं। तब संबंधित प्रक्षेप समस्या है

{\begin{cases}p(\alpha _{1})=\beta _{1},&p'(\alpha _{1})=\beta _{2},&\ldots ,&p^{(m_{1}-1)}(\alpha _{1})=\beta _{m_{1}}\\p(\alpha _{m_{1}+1})=\beta _{m_{1}+1},&p'(\alpha _{m_{1}+1})=\beta _{m_{1}+2},&\ldots ,&p^{(m_{2}-m_{1}-1)}(\alpha _{m_{2}})=\beta _{m_{2}}\\\qquad \vdots \\p(\alpha _{m_{k-1}+1})=\beta _{m_{k-1}+1},&p'(\alpha _{m_{k-1}+2})=\beta _{m_{k-1}+2},&\ldots ,&p^{(m_{k}-m_{k-1}-1)}(\alpha _{m_{k}})=\beta _{m_{k}}\end{cases}}

और इस समस्या के लिए संबंधित आव्यूह को कंफ्लुएंट वैंडरमोंड मैट्रिसेस कहा जाता है। हमारे स्थिति में (जो सामान्य स्थिति है, आव्यूह की पंक्तियों को अनुमति देने तक) इसके लिए सूत्र निम्नानुसार दिया गया है: यदि $1\leq i,j\leq n$ , तब $m_{\ell }<i\leq m_{\ell +1}$ कुछ के लिए (अद्वितीय) $0\leq \ell \leq k-1$ (हमें विचार विमर्श करना है $m_{0}=0$ ). तो हमारे पास हैं

V_{i,j}={\begin{cases}0,&{\text{if }}j<i-m_{\ell };\\[6pt]{\dfrac {(j-1)!}{(j-(i-m_{\ell }))!}}\alpha _{i}^{j-(i-m_{\ell })},&{\text{if }}j\geq i-m_{\ell }.\end{cases}}

वैंडरमोंड आव्यूह का यह सामान्यीकरण इसे उलटा आव्यूह बनाता है | गैर-एकवचन (जैसे कि समीकरणों की प्रणाली के लिए एक अनूठा समाधान उपस्थित है) जबकि वेंडरमोंड आव्यूह के अधिकांश गुणों को बनाए रखते हैं। इसकी पंक्तियाँ मूल वेंडरमोंड पंक्तियों के डेरिवेटिव (कुछ क्रम के) हैं।

इस सूत्र को प्राप्त करने का दूसरा विधि ा यह है कि कुछ को जाने दिया जाए $\alpha _{i}$ मनमाने ढंग से एक दूसरे के निकट जाना। उदाहरण के लिए, यदि $\alpha _{1}=\alpha _{2}$ , फिर दे रहा है $\alpha _{2}\to \alpha _{1}$ मूल वैंडरमोंड आव्यूह में, पहली और दूसरी पंक्तियों के बीच का अंतर कंफ्लुएंट वेंडरमोंड आव्यूह में संबंधित पंक्ति उत्पन्न करता है। यह हमें सामान्यीकृत इंटरपोलेशन समस्या (दिए गए मूल्य और डेरिवेटिव को एक बिंदु पर) को मूल स्थिति से जोड़ने की अनुमति देता है जहां सभी बिंदु भिन्न हैं: दिया जा रहा है $p(\alpha ),p'(\alpha )$ दिए जाने के समान है $p(\alpha ),p(\alpha +\varepsilon )$ कहाँ $\varepsilon$ बहुत छोटी है।

यह भी देखें

संदर्भ

↑ Roger A. Horn and Charles R. Johnson (1991), Topics in matrix analysis, Cambridge University Press. See Section 6.1.
↑ ^2.0 ^2.1 ^2.2 Golub, Gene H.; Van Loan, Charles F. (2013). मैट्रिक्स संगणना (4th ed.). The Johns Hopkins University Press. pp. 203–207. ISBN 978-1-4214-0859-0.
↑ ^3.0 ^3.1 Macon, N.; A. Spitzbart (February 1958). "Inverses of Vandermonde Matrices". The American Mathematical Monthly. 65 (2): 95–100. doi:10.2307/2308881. JSTOR 2308881.
↑ Turner, L. Richard (August 1966). Inverse of the Vandermonde matrix with applications (PDF).
↑ "Inverse of Vandermonde Matrix". 2018.
↑ François Viète (1540-1603), Vieta's formulas, https://en.wikipedia.org/wiki/Vieta%27s_formulas
↑ Fulton, William; Harris, Joe (1991). Representation theory. A first course. Graduate Texts in Mathematics, Readings in Mathematics (in British English). Vol. 129. New York: Springer-Verlag. doi:10.1007/978-1-4612-0979-9. ISBN 978-0-387-97495-8. MR 1153249. OCLC 246650103. Lecture 4 reviews the representation theory of symmetric groups, including the role of the Vandermonde determinant.
↑ Björck, Å.; Pereyra, V. (1970). "समीकरणों के वैंडरमोंड सिस्टम का समाधान". American Mathematical Society. doi:10.1090/S0025-5718-1970-0290541-1.
↑ Press, WH; Teukolsky, SA; Vetterling, WT; Flannery, BP (2007). "Section 2.8.1. Vandermonde Matrices". Numerical Recipes: The Art of Scientific Computing (3rd ed.). New York: Cambridge University Press. ISBN 978-0-521-88068-8.
↑ Inverse of Vandermonde Matrix (2018), https://proofwiki.org/wiki/Inverse_of_Vandermonde_Matrix
↑ Gauthier, J. "Fast Multipoint Evaluation On n Arbitrary Points." Simon Fraser University, Tech. Rep (2017).

अग्रिम पठन

Ycart, Bernard (2013), "A case of mathematical eponymy: the Vandermonde determinant", Revue d'Histoire des Mathématiques, 13, arXiv:1204.4716, Bibcode:2012arXiv1204.4716Y.

बाहरी संबंध

वैंडरमोंड मैट्रिक्स at ProofWiki

[1] Roger A. Horn and Charles R. Johnson (1991), Topics in matrix analysis, Cambridge University Press. See Section 6.1.

[:0-2] 2.0 ^2.1 ^2.2 Golub, Gene H.; Van Loan, Charles F. (2013). मैट्रिक्स संगणना (4th ed.). The Johns Hopkins University Press. pp. 203–207. ISBN 978-1-4214-0859-0.

[MS-3] 3.0 ^3.1 Macon, N.; A. Spitzbart (February 1958). "Inverses of Vandermonde Matrices". The American Mathematical Monthly. 65 (2): 95–100. doi:10.2307/2308881. JSTOR 2308881.

[4] Turner, L. Richard (August 1966). Inverse of the Vandermonde matrix with applications (PDF).

[5] "Inverse of Vandermonde Matrix". 2018.

[6] François Viète (1540-1603), Vieta's formulas, https://en.wikipedia.org/wiki/Vieta%27s_formulas

[7] Fulton, William; Harris, Joe (1991). Representation theory. A first course. Graduate Texts in Mathematics, Readings in Mathematics (in British English). Vol. 129. New York: Springer-Verlag. doi:10.1007/978-1-4612-0979-9. ISBN 978-0-387-97495-8. MR 1153249. OCLC 246650103. Lecture 4 reviews the representation theory of symmetric groups, including the role of the Vandermonde determinant.

[8] Björck, Å.; Pereyra, V. (1970). "समीकरणों के वैंडरमोंड सिस्टम का समाधान". American Mathematical Society. doi:10.1090/S0025-5718-1970-0290541-1.

[9] Press, WH; Teukolsky, SA; Vetterling, WT; Flannery, BP (2007). "Section 2.8.1. Vandermonde Matrices". Numerical Recipes: The Art of Scientific Computing (3rd ed.). New York: Cambridge University Press. ISBN 978-0-521-88068-8.

[10] Inverse of Vandermonde Matrix (2018), https://proofwiki.org/wiki/Inverse_of_Vandermonde_Matrix

[11] Gauthier, J. "Fast Multipoint Evaluation On n Arbitrary Points." Simon Fraser University, Tech. Rep (2017).

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

@@ Line 1: / Line 1: @@
 {{Short description|Mathematical concept}}
-रेखीय बीजगणित में, एलेक्जेंडर-थियोफाइल वेंडरमोंड के नाम पर एक वैंडरमोंड मैट्रिक्स, प्रत्येक पंक्ति में एक ज्यामितीय प्रगति की शर्तों के साथ एक [[मैट्रिक्स (गणित)]] है: एक <math>(m + 1) \times (n + 1)</math> आव्यूह
+रेखीय बीजगणित में, एक वेंडरमोंड  आव्यूह जिसका नाम एलेक्जेंडर थियोफाइल वेंडरमोंड के नाम पर रखा गया है, इसमें एक मैट्रिक्स होता है जिसमें प्रत्येक पंक्ति में गुणोत्तर अनुक्रम वाले  <math>(m + 1) \times (n + 1)</math> [[मैट्रिक्स (गणित)|आव्यूह  (गणित)]] होते है
 :<math>V = V(x_0, x_1, \cdots, x_m) =
 \begin{bmatrix}
@@ Line 11: / Line 12: @@
 या
 :<math>V_{i,j} = x_i^j </math>
-सभी शून्य-आधारित नंबरिंग के लिए | शून्य-आधारित सूचकांक <math>i </math> और <math>j </math>.<ref>Roger A. Horn and Charles R. Johnson (1991), ''Topics in matrix analysis'', Cambridge University Press. ''See Section 6.1''.</ref> अधिकांश लेखक वैंडरमोंड मैट्रिक्स को उपरोक्त मैट्रिक्स के स्थानान्तरण के रूप में परिभाषित करते हैं।<ref name=":0" /><ref name=MS/>
+सभी शून्य-आधारित सूचकांक के लिए <math>i </math> और <math>j </math> के रूप में होते है.<ref>Roger A. Horn and Charles R. Johnson (1991), ''Topics in matrix analysis'', Cambridge University Press. ''See Section 6.1''.</ref> अधिकांश लेखक वैंडरमोंड  आव्यूह  को उपरोक्त  आव्यूह  के स्थानान्तरण के रूप में परिभाषित करते हैं।<ref name=":0" /><ref name=MS/>
-[[डीएफटी मैट्रिक्स]] वैंडरमोंड मैट्रिक्स का एक बहुत ही खास उदाहरण है।<ref name=":0" />
+[[डीएफटी मैट्रिक्स|असतत फूरियर रूपांतरण आव्यूह]]  वैंडरमोंड  आव्यूह  का एक बहुत ही महत्वपूर्ण उदाहरण के रूप में है।<ref name=":0" />
-एक [[स्क्वायर मैट्रिक्स]] वैंडरमोंड मैट्रिक्स के निर्धारक को वैंडरमोंड [[बहुपद]] या वैंडरमोंड निर्धारक कहा जाता है। इसका मान बहुपद है
+एक [[स्क्वायर मैट्रिक्स|वर्ग]]  वैंडरमोंड [[आव्यूह]]  के निर्धारक को वैंडरमोंड [[बहुपद]] या वैंडरमोंड निर्धारक कहा जाता है। इसका मान बहुपद
-:<math>\det(V) = \prod_{0 \le i < j \le n} (x_j - x_i) </math>
+:<math>\det(V) = \prod_{0 \le i < j \le n} (x_j - x_i) </math> के रूप में है
-जो अशून्य है यदि और मात्र  यदि सभी <math>x_i</math> विशिष्ट हैं।
+जो अशून्य रूप में होते है और यदि सभी <math>x_i</math> विशिष्ट रूप में हैं।
 वैंडरमोंड निर्धारक को कभी-कभी विवेचक कहा जाता था, चूंकि , वर्तमान में, बहुपद का विवेचक, बहुपद के एक फलन के मूल के वैंडरमोंड निर्धारक का वर्ग है। वैंडरमोंड निर्धारक एक [[वैकल्पिक रूप]] है <math>x_i</math>, जिसका अर्थ है कि दो का आदान-प्रदान <math>x_i</math> अनुमति देते समय, चिह्न बदलता है <math>x_i</math> सम क्रमचय द्वारा सारणिक का मान नहीं बदलता है। यह इस प्रकार के लिए एक आदेश की पसंद पर निर्भर करता है <math>x_i</math>, जबकि इसका वर्ग, विवेचक, किसी भी क्रम पर निर्भर नहीं करता है, और इसका तात्पर्य गैलोइस सिद्धांत से है, कि विवेचक बहुपद के गुणांकों का एक बहुपद फलन है जिसमें <math>x_i</math> जड़ों के रूप में।
 == प्रमाण ==
-एक वर्ग वेंडरमोंड मैट्रिक्स की मुख्य संपत्ति
+एक वर्ग वेंडरमोंड  आव्यूह  की मुख्य संपत्ति
 :<math>V=\begin{bmatrix}
 & x_0 & x_0^2 & \dots & x_0^n\\
@@ Line 32: / Line 33: @@
 यह है कि इसके निर्धारक का सरल रूप है
 :<math>\det(V)=\prod_{0\le i<j\le n} (x_j-x_i).</math>
-इस समानता के तीन प्रमाण नीचे दिए गए हैं। पहला वाला बहुपद गुणों का उपयोग करता है, विशेष रूप से [[बहुभिन्नरूपी बहुपद]]ों के [[अद्वितीय गुणनखंड डोमेन]] का। चूंकि  वैचारिक रूप से सरल, इसमें [[सार बीजगणित]] की गैर-प्रारंभिक अवधारणाएं सम्मलित  हैं। दूसरे प्रमाण के लिए किसी स्पष्ट संगणना की आवश्यकता नहीं है, लेकिन इसमें एक रेखीय मानचित्र के निर्धारक और आधार के परिवर्तन की अवधारणा सम्मलित  है। यह वैंडरमोंड मैट्रिक्स के LU अपघटन की संरचना भी प्रदान करता है। मात्र  [[प्राथमिक मैट्रिक्स]] का उपयोग करते हुए तीसरा एक अधिक प्राथमिक और अधिक जटिल है।
+इस समानता के तीन प्रमाण नीचे दिए गए हैं। पहला वाला बहुपद गुणों का उपयोग करता है, विशेष रूप से [[बहुभिन्नरूपी बहुपद]]ों के [[अद्वितीय गुणनखंड डोमेन]] का। चूंकि  वैचारिक रूप से सरल, इसमें [[सार बीजगणित]] की गैर-प्रारंभिक अवधारणाएं सम्मलित  हैं। दूसरे प्रमाण के लिए किसी स्पष्ट संगणना की आवश्यकता नहीं है, लेकिन इसमें एक रेखीय मानचित्र के निर्धारक और आधार के परिवर्तन की अवधारणा सम्मलित  है। यह वैंडरमोंड  आव्यूह  के LU अपघटन की संरचना भी प्रदान करता है। मात्र  [[प्राथमिक मैट्रिक्स|प्राथमिक  आव्यूह]]  का उपयोग करते हुए तीसरा एक अधिक प्राथमिक और अधिक जटिल है।
 === बहुपद गुणों का प्रयोग ===
@@ Line 40: / Line 41: @@
 (अर्थात  निर्धारक इस डिग्री का एक [[सजातीय बहुपद]] है)।
-यदि , के लिए <math>i \neq j</math>, एक स्थानापन्न <math>x_i</math> के लिए <math>x_j</math>, हमें दो समान पंक्तियों वाला एक मैट्रिक्स मिलता है, जिसमें एक शून्य निर्धारक होता है। इस प्रकार, [[कारक प्रमेय]] द्वारा, <math>x_j-x_i</math> का भाजक है <math>\det(V)</math>. बहुभिन्नरूपी बहुपदों के अद्वितीय गुणनखंड डोमेन द्वारा, सभी का गुणनफल <math>x_j-x_i</math> विभाजित <math>\det(V)</math>, वह है
+यदि , के लिए <math>i \neq j</math>, एक स्थानापन्न <math>x_i</math> के लिए <math>x_j</math>, हमें दो समान पंक्तियों वाला एक  आव्यूह  मिलता है, जिसमें एक शून्य निर्धारक होता है। इस प्रकार, [[कारक प्रमेय]] द्वारा, <math>x_j-x_i</math> का भाजक है <math>\det(V)</math>. बहुभिन्नरूपी बहुपदों के अद्वितीय गुणनखंड डोमेन द्वारा, सभी का गुणनफल <math>x_j-x_i</math> विभाजित <math>\det(V)</math>, वह है
 :<math>\det(V)=Q\prod_{1\le i<j\le n} (x_j-x_i),</math>
 कहाँ <math>Q</math> एक बहुपद है। सभी के उत्पाद के रूप में <math>x_j-x_i</math> और <math>\det(V)</math> एक ही डिग्री हो <math>n(n + 1)/2</math>, बहुपद <math>Q</math> वस्तुत: एक स्थिरांक है। यह स्थिरांक एक है, क्योंकि की विकर्ण प्रविष्टियों का गुणनफल <math>V</math> है <math>x_1 x_2^2\cdots x_n^n</math>, जो [[एकपद]]ी भी है जो सभी गुणनखंडों के प्रथम पद को लेकर प्राप्त किया जाता है <math>\textstyle \prod_{0\le i<j\le n} (x_j-x_i).</math> इससे यह सिद्ध होता है
@@ Line 52: / Line 53: @@
 :<math>p(x) \mapsto (p(x_1), \ldots, p(x_n))</math>.
-वेंडरमोंड मैट्रिक्स का मैट्रिक्स है <math>\varphi</math> के [[विहित आधार]] के संबंध में <math>P_n</math> और <math>F^n.</math>
+वेंडरमोंड  आव्यूह  का  आव्यूह  है <math>\varphi</math> के [[विहित आधार]] के संबंध में <math>P_n</math> और <math>F^n.</math>
-के आधार में परिवर्तन <math>P_n</math> वैंडरमोंड मैट्रिक्स को चेंज-ऑफ़-बेस मैट्रिक्स से गुणा करने के बराबर है {{mvar|M}} (दाएं से)। यह निर्धारक नहीं बदलता है, यदि निर्धारक {{mvar|M}} है {{val|1}}.
+के आधार में परिवर्तन <math>P_n</math> वैंडरमोंड  आव्यूह  को चेंज-ऑफ़-बेस  आव्यूह  से गुणा करने के बराबर है {{mvar|M}} (दाएं से)। यह निर्धारक नहीं बदलता है, यदि निर्धारक {{mvar|M}} है {{val|1}}.
-बहुपद <math>1</math>, <math>x-x_0</math>, <math>(x-x_0)(x-x_1)</math>, …, <math>(x-x_0) (x-x_1) \cdots (x-x_n)</math> संबंधित डिग्री के [[मोनिक बहुपद]] हैं {{math|0, 1, …, n}}. [[मोनोमियल आधार]] पर उनका मैट्रिक्स एक [[ऊपरी-त्रिकोणीय मैट्रिक्स]] है {{mvar|U}} (यदि मोनोमियल्स को बढ़ती डिग्री में आदेश दिया जाता है), सभी विकर्ण प्रविष्टियाँ एक के बराबर होती हैं। इस प्रकार यह मैट्रिक्स निर्धारक एक का परिवर्तन-आधार मैट्रिक्स है। का मैट्रिक्स <math>\varphi</math> इस नए आधार पर है
+बहुपद <math>1</math>, <math>x-x_0</math>, <math>(x-x_0)(x-x_1)</math>, …, <math>(x-x_0) (x-x_1) \cdots (x-x_n)</math> संबंधित डिग्री के [[मोनिक बहुपद]] हैं {{math|0, 1, …, n}}. [[मोनोमियल आधार]] पर उनका  आव्यूह  एक [[ऊपरी-त्रिकोणीय मैट्रिक्स|ऊपरी-त्रिकोणीय  आव्यूह]]  है {{mvar|U}} (यदि मोनोमियल्स को बढ़ती डिग्री में आदेश दिया जाता है), सभी विकर्ण प्रविष्टियाँ एक के बराबर होती हैं। इस प्रकार यह  आव्यूह  निर्धारक एक का परिवर्तन-आधार  आव्यूह  है। का  आव्यूह  <math>\varphi</math> इस नए आधार पर है
 :<math>L=
 \begin{bmatrix}
@@ Line 65: / Line 66: @@
 (x_n-x_0)(x_n-x_1)\cdots (x_n-x_n)
 \end{bmatrix}</math>.
-इस प्रकार वैंडरमोंड निर्धारक इस मैट्रिक्स के निर्धारक के बराबर है, जो इसकी विकर्ण प्रविष्टियों का उत्पाद है।
+इस प्रकार वैंडरमोंड निर्धारक इस  आव्यूह  के निर्धारक के बराबर है, जो इसकी विकर्ण प्रविष्टियों का उत्पाद है।
 यह वांछित समानता सिद्ध  करता है। इसके अतिरिक्त , किसी को LU का अपघटन मिलता है {{mvar|V}} जैसा <math>V=LU^{-1}</math>.
@@ Line 73: / Line 74: @@
 यह तीसरा प्रमाण इस तथ्य पर आधारित है कि यदि कोई आव्यूह के एक स्तंभ में गुणनफल को दूसरे स्तंभ के अदिश द्वारा जोड़ता है तो सारणिक अपरिवर्तित रहता है।
-इसलिए, प्रत्येक कॉलम को घटाकर - पहले वाले को छोड़कर - पूर्ववर्ती कॉलम को गुणा करके <math>x_0</math>, निर्धारक नहीं बदला है। (ये घटाव अंतिम कॉलम से प्रारंभ  करके किया जाना चाहिए, एक कॉलम घटाना जो अभी तक नहीं बदला गया है)। यह मैट्रिक्स देता है
+इसलिए, प्रत्येक कॉलम को घटाकर - पहले वाले को छोड़कर - पूर्ववर्ती कॉलम को गुणा करके <math>x_0</math>, निर्धारक नहीं बदला है। (ये घटाव अंतिम कॉलम से प्रारंभ  करके किया जाना चाहिए, एक कॉलम घटाना जो अभी तक नहीं बदला गया है)। यह  आव्यूह  देता है
 :<math>\begin{bmatrix}
 &0&0&0&\cdots&0\\
@@ Line 95: / Line 96: @@
 &x_n&x_n^2&\cdots&x_n^{n-1}\\
 \end{vmatrix}=\prod_{1<i\leq n}(x_i-x_0)\det(V')</math>,
-कहाँ <math>V'</math> में वैंडरमोंड मैट्रिक्स है <math>x_1,\ldots, x_n</math>. इस प्रक्रिया को इस छोटे वेंडरमोंड मैट्रिक्स पर दोहराते हुए, अंततः वांछित अभिव्यक्ति प्राप्त होती है <math>\det(V)</math> सभी के उत्पाद के रूप में <math>x_j-x_i</math> ऐसा है कि <math>i<j</math>.
+कहाँ <math>V'</math> में वैंडरमोंड  आव्यूह  है <math>x_1,\ldots, x_n</math>. इस प्रक्रिया को इस छोटे वेंडरमोंड  आव्यूह  पर दोहराते हुए, अंततः वांछित अभिव्यक्ति प्राप्त होती है <math>\det(V)</math> सभी के उत्पाद के रूप में <math>x_j-x_i</math> ऐसा है कि <math>i<j</math>.
 === परिणामी गुण ===
-एक {{math|''m'' × ''n''}} आयताकार वेंडरमोंड मैट्रिक्स जैसे कि {{math|''m'' ≤ ''n''}} में मैट्रिक्स की अधिकतम रैंक है {{math|''m''}} [[अगर और केवल अगर|यदि  और मात्र  यदि]]  सभी {{math|''x''<sub>''i''</sub>}} भिन्न  हैं।
+एक {{math|''m'' × ''n''}} आयताकार वेंडरमोंड  आव्यूह  जैसे कि {{math|''m'' ≤ ''n''}} में  आव्यूह  की अधिकतम रैंक है {{math|''m''}} [[अगर और केवल अगर|यदि  और मात्र  यदि]]  सभी {{math|''x''<sub>''i''</sub>}} भिन्न  हैं।
-एक {{math|''m'' × ''n''}} आयताकार वेंडरमोंड मैट्रिक्स जैसे कि {{math|''m'' ≥ ''n''}} में मैट्रिक्स की अधिकतम रैंक है {{math|''n''}} यदि  और मात्र  यदि  हैं {{mvar|n}} की {{math|''x''<sub>''i''</sub>}} जो भिन्न  हैं।
+एक {{math|''m'' × ''n''}} आयताकार वेंडरमोंड  आव्यूह  जैसे कि {{math|''m'' ≥ ''n''}} में  आव्यूह  की अधिकतम रैंक है {{math|''n''}} यदि  और मात्र  यदि  हैं {{mvar|n}} की {{math|''x''<sub>''i''</sub>}} जो भिन्न  हैं।
-एक वर्ग वेंडरमोंड मैट्रिक्स [[उलटा मैट्रिक्स]] है यदि  और मात्र  यदि  {{math|''x''<sub>''i''</sub>}} भिन्न  हैं। व्युत्क्रम के लिए एक स्पष्ट सूत्र ज्ञात है।<ref>{{Cite book
+एक वर्ग वेंडरमोंड  आव्यूह  [[उलटा मैट्रिक्स|उलटा  आव्यूह]]  है यदि  और मात्र  यदि  {{math|''x''<sub>''i''</sub>}} भिन्न  हैं। व्युत्क्रम के लिए एक स्पष्ट सूत्र ज्ञात है।<ref>{{Cite book
 | title = Inverse of the Vandermonde matrix with applications
 | last = Turner
@@ Line 128: / Line 129: @@
 == अनुप्रयोग ==
-वैंडरमोंड मैट्रिक्स <math>V</math> एक बहुपद का मूल्यांकन करता है <math>p(x) = a_0 + a_1 x + a_2 x^2 + \dots + a_n x^n</math> बिंदुओं के एक सेट पर (अर्थात  <math>x_0,\ x_1,\dots,\ x_m</math>) वंडरमोंड प्रणाली में <math>Va = f</math>; औपचारिक रूप से, <math>V</math> रेखीय मानचित्र का मैट्रिक्स है जो एक बहुपद के गुणांकों के वेक्टर को मैप करता है <math>a=\begin{bmatrix}
+वैंडरमोंड  आव्यूह  <math>V</math> एक बहुपद का मूल्यांकन करता है <math>p(x) = a_0 + a_1 x + a_2 x^2 + \dots + a_n x^n</math> बिंदुओं के एक सेट पर (अर्थात  <math>x_0,\ x_1,\dots,\ x_m</math>) वंडरमोंड प्रणाली में <math>Va = f</math>; औपचारिक रूप से, <math>V</math> रेखीय मानचित्र का  आव्यूह  है जो एक बहुपद के गुणांकों के वेक्टर को मैप करता है <math>a=\begin{bmatrix}
 a_0\\
 a_1\\
 \vdots\\
 a_n
-\end{bmatrix}</math> वेंडरमोंड मैट्रिक्स में दिखाई देने वाले मूल्यों पर बहुपद के मूल्यों के वेक्टर के लिए <math>f=\begin{bmatrix}
+\end{bmatrix}</math> वेंडरमोंड  आव्यूह  में दिखाई देने वाले मूल्यों पर बहुपद के मूल्यों के वेक्टर के लिए <math>f=\begin{bmatrix}
 p(x_0)\\
 p(x_1)\\
@@ Line 142: / Line 143: @@
 भिन्न -भिन्न  बिंदुओं के लिए वैंडरमोंड निर्धारक का गैर-गायब होना <math>x_i</math> दिखाता है कि, भिन्न -भिन्न  बिंदुओं के लिए, उन बिंदुओं पर गुणांक से मान तक का नक्शा एक-से-एक पत्राचार है, और इस प्रकार [[बहुपद प्रक्षेप]] समस्या एक अद्वितीय समाधान के साथ हल करने योग्य है; इस परिणाम को [[एकरूपता प्रमेय]] कहा जाता है, और चीनी शेष प्रमेय का एक विशेष स्थिति  है।
-यह बहुपद इंटरपोलेशन में उपयोगी हो सकता है, क्योंकि वेंडरमोंड मैट्रिक्स को बदलने से बहुपद के गुणांक को व्यक्त करने की अनुमति मिलती है <math>x_i</math><ref>François Viète (1540-1603), Vieta's formulas, https://en.wikipedia.org/wiki/Vieta%27s_formulas</ref> और पर बहुपद के मान <math>x_i</math> (अर्थात। <math>a = V^{-1}f</math>).
+यह बहुपद इंटरपोलेशन में उपयोगी हो सकता है, क्योंकि वेंडरमोंड  आव्यूह  को बदलने से बहुपद के गुणांक को व्यक्त करने की अनुमति मिलती है <math>x_i</math><ref>François Viète (1540-1603), Vieta's formulas, https://en.wikipedia.org/wiki/Vieta%27s_formulas</ref> और पर बहुपद के मान <math>x_i</math> (अर्थात। <math>a = V^{-1}f</math>).
 वैंडरमोंड निर्धारक का उपयोग सममित समूह के प्रतिनिधित्व सिद्धांत में किया जाता है।<ref>{{Fulton-Harris}} ''Lecture 4 reviews the representation theory of symmetric groups, including the role of the Vandermonde determinant''.</ref>
 जब मान <math>x_i</math> एक [[परिमित क्षेत्र]] से संबंधित है, तो वैंडरमोंडे निर्धारक को a भी कहा जाता है
-[[मूर मैट्रिक्स]] और विशिष्ट गुण हैं जिनका उपयोग किया जाता है, उदाहरण के लिए, BCH कोड और रीड-सोलोमन त्रुटि सुधार कोड के सिद्धांत में।
+[[मूर मैट्रिक्स|मूर  आव्यूह]]  और विशिष्ट गुण हैं जिनका उपयोग किया जाता है, उदाहरण के लिए, BCH कोड और रीड-सोलोमन त्रुटि सुधार कोड के सिद्धांत में।
-समीकरण को हल करना <math>Va = f</math> (अर्थात् प्रक्षेपित बहुपद की गणना) रैखिक समीकरणों की प्रणाली#एक रैखिक प्रणाली को हल करना|भोलेपन से एक एल्गोरिथ्म में परिणाम <math>\mathcal{O}(n^3)</math> [[समय जटिलता]]। वैंडरमोंड मैट्रिक्स की संरचना का उपयोग करते हुए, न्यूटन बहुपद | न्यूटन की विभाजित अंतर विधि का उपयोग किया जा सकता है<ref>{{Cite journal |last=Björck |first=Å. |last2=Pereyra |first2=V. |date=1970 |title=समीकरणों के वैंडरमोंड सिस्टम का समाधान|url=https://www.semanticscholar.org/paper/Solution-of-Vandermonde-Systems-of-Equations-Bj%C3%B6rck-Pereyra/45b121dc1166c4b89860bf9c2c1eef9523a3a41f |journal=[[American Mathematical Society]] |doi=10.1090/S0025-5718-1970-0290541-1}}</ref> (या [[लैग्रेंज बहुपद]]<ref>{{Cite book |last1=Press |first1=WH |title=Numerical Recipes: The Art of Scientific Computing |last2=Teukolsky |first2=SA |last3=Vetterling |first3=WT |last4=Flannery |first4=BP |publisher=Cambridge University Press |year=2007 |isbn=978-0-521-88068-8 |edition=3rd |location=New York |chapter=Section 2.8.1. Vandermonde Matrices |chapter-url=http://apps.nrbook.com/empanel/index.html?pg=94}}</ref><ref>Inverse of Vandermonde Matrix (2018), https://proofwiki.org/wiki/Inverse_of_Vandermonde_Matrix</ref>) में समीकरण को हल करने के लिए <math>\mathcal{O}(n^2)</math> समय, मौन रूप से लू के अपघटन की गणना <math>V^{-1}</math>. परिणामी एल्गोरिदम बेहद सटीक समाधान उत्पन्न करता है, यदि  <math>V</math> हालत संख्या है | बीमार हालत।<ref name=":0">{{Cite book |last=Golub |first=Gene H. |title=मैट्रिक्स संगणना|last2=Van Loan |first2=Charles F. |publisher=The Johns Hopkins University Press |year=2013 |isbn=978-1-4214-0859-0 |edition=4th |pages=203-207}}</ref>
+समीकरण को हल करना <math>Va = f</math> (अर्थात् प्रक्षेपित बहुपद की गणना) रैखिक समीकरणों की प्रणाली#एक रैखिक प्रणाली को हल करना|भोलेपन से एक एल्गोरिथ्म में परिणाम <math>\mathcal{O}(n^3)</math> [[समय जटिलता]]। वैंडरमोंड  आव्यूह  की संरचना का उपयोग करते हुए, न्यूटन बहुपद | न्यूटन की विभाजित अंतर विधि का उपयोग किया जा सकता है<ref>{{Cite journal |last=Björck |first=Å. |last2=Pereyra |first2=V. |date=1970 |title=समीकरणों के वैंडरमोंड सिस्टम का समाधान|url=https://www.semanticscholar.org/paper/Solution-of-Vandermonde-Systems-of-Equations-Bj%C3%B6rck-Pereyra/45b121dc1166c4b89860bf9c2c1eef9523a3a41f |journal=[[American Mathematical Society]] |doi=10.1090/S0025-5718-1970-0290541-1}}</ref> (या [[लैग्रेंज बहुपद]]<ref>{{Cite book |last1=Press |first1=WH |title=Numerical Recipes: The Art of Scientific Computing |last2=Teukolsky |first2=SA |last3=Vetterling |first3=WT |last4=Flannery |first4=BP |publisher=Cambridge University Press |year=2007 |isbn=978-0-521-88068-8 |edition=3rd |location=New York |chapter=Section 2.8.1. Vandermonde Matrices |chapter-url=http://apps.nrbook.com/empanel/index.html?pg=94}}</ref><ref>Inverse of Vandermonde Matrix (2018), https://proofwiki.org/wiki/Inverse_of_Vandermonde_Matrix</ref>) में समीकरण को हल करने के लिए <math>\mathcal{O}(n^2)</math> समय, मौन रूप से लू के अपघटन की गणना <math>V^{-1}</math>. परिणामी एल्गोरिदम बेहद सटीक समाधान उत्पन्न करता है, यदि  <math>V</math> हालत संख्या है | बीमार हालत।<ref name=":0">{{Cite book |last=Golub |first=Gene H. |title=मैट्रिक्स संगणना|last2=Van Loan |first2=Charles F. |publisher=The Johns Hopkins University Press |year=2013 |isbn=978-1-4214-0859-0 |edition=4th |pages=203-207}}</ref>
-[[असतत फूरियर रूपांतरण]] एक विशिष्ट वेंडरमोंड मैट्रिक्स, डीएफटी मैट्रिक्स द्वारा परिभाषित किया गया है, जहां संख्याएं <math>x_i</math> एकता के मूल के रूप में चुने गए हैं। [[फास्ट फूरियर ट्रांसफॉर्म]] का उपयोग करके वैंडरमोंड मैट्रिक्स के उत्पाद को एक वेक्टर के साथ गणना करना संभव है <math>O(n\log^2 n)</math> समय।<ref>Gauthier, J. "Fast Multipoint Evaluation On n Arbitrary Points." ''Simon Fraser University, Tech. Rep'' (2017).</ref>
+[[असतत फूरियर रूपांतरण]] एक विशिष्ट वेंडरमोंड  आव्यूह , डीएफटी  आव्यूह  द्वारा परिभाषित किया गया है, जहां संख्याएं <math>x_i</math> एकता के मूल के रूप में चुने गए हैं। [[फास्ट फूरियर ट्रांसफॉर्म]] का उपयोग करके वैंडरमोंड  आव्यूह  के उत्पाद को एक वेक्टर के साथ गणना करना संभव है <math>O(n\log^2 n)</math> समय।<ref>Gauthier, J. "Fast Multipoint Evaluation On n Arbitrary Points." ''Simon Fraser University, Tech. Rep'' (2017).</ref>
 वेंडरमोंड निर्धारक के सूत्र के अनुसार फिलिंग फैक्टर वन ([[क्वांटम हॉल प्रभाव]] में प्रकट होने वाला) के साथ [[लाफलिन वेवफंक्शन]] को [[स्लेटर निर्धारक]] के रूप में देखा जा सकता है। यह अब एक से भिन्न कारकों को भरने के लिए सत्य नहीं है, अर्थात भिन्नात्मक क्वांटम हॉल प्रभाव में।
-यह [[बहुपद प्रतिगमन]] का [[डिजाइन मैट्रिक्स]] है।
+यह [[बहुपद प्रतिगमन]] का [[डिजाइन मैट्रिक्स|डिजाइन  आव्यूह]]  है।
 यह मनमानी की सामान्यीकृत मात्रा है <math>k</math>[[चक्रीय पॉलीटॉप]] के चेहरे। विशेष रूप से, यदि  <math>F = C_{d}(t_{i_{1}}, \dots, t_{i_{k + 1}})</math> एक है <math>k</math>-चक्रीय पॉलीटॉप का चेहरा  <math>C_d(T) \subset \mathbb{R}^{d}</math> (कहाँ <math>T = \{t_{1}, \dots, t_{N}\}_{<} \subset \mathbb{Z}</math>), तब <math display="block">\mathrm{nvol}(F) = \frac{1}{k!}\prod_{1 \leq m < n \leq k + 1}{(t_{i_{n}} - t_{i_{m}})}.</math>
@@ Line 158: / Line 159: @@
 == कंफ्लुएंट वैंडरमोंड मेट्रिसेस ==
-जैसा कि पहले बताया गया है, वैंडरमोंड मैट्रिक्स एक बहुपद के गुणांकों को खोजने के रैखिक बीजगणित बहुपद प्रक्षेप का वर्णन करता है <math>p(x)</math> डिग्री का <math>n - 1</math> मूल्यों के आधार पर <math> p(\alpha_1),\, ...,\, p(\alpha_n)</math>, कहाँ <math>\alpha_1,\, ...,\, \alpha_n</math> पृथक बिंदु हैं। यदि  <math>\alpha_i</math> भिन्न  नहीं हैं, तो इस समस्या का कोई अनूठा समाधान नहीं है (जो इस तथ्य से परिलक्षित होता है कि संबंधित वैंडरमोंड मैट्रिक्स एकवचन है)। चूंकि , यदि हम दोहराए गए बिंदुओं पर डेरिवेटिव का मान देते हैं, तो समस्या का एक अनूठा समाधान हो सकता है। उदाहरण के लिए, समस्या
+जैसा कि पहले बताया गया है, वैंडरमोंड  आव्यूह  एक बहुपद के गुणांकों को खोजने के रैखिक बीजगणित बहुपद प्रक्षेप का वर्णन करता है <math>p(x)</math> डिग्री का <math>n - 1</math> मूल्यों के आधार पर <math> p(\alpha_1),\, ...,\, p(\alpha_n)</math>, कहाँ <math>\alpha_1,\, ...,\, \alpha_n</math> पृथक बिंदु हैं। यदि  <math>\alpha_i</math> भिन्न  नहीं हैं, तो इस समस्या का कोई अनूठा समाधान नहीं है (जो इस तथ्य से परिलक्षित होता है कि संबंधित वैंडरमोंड  आव्यूह  एकवचन है)। चूंकि , यदि हम दोहराए गए बिंदुओं पर डेरिवेटिव का मान देते हैं, तो समस्या का एक अनूठा समाधान हो सकता है। उदाहरण के लिए, समस्या
 :<math>\begin{cases}
@@ Line 181: / Line 182: @@
    p(\alpha_{m_{k-1}+1}) = \beta_{m_{k-1}+1}, & p'(\alpha_{m_{k-1}+2}) = \beta_{m_{k-1}+2}, & \ldots, & p^{(m_k-m_{k-1}-1)}(\alpha_{m_k}) = \beta_{m_k}
 \end{cases}</math>
-और इस समस्या के लिए संबंधित मैट्रिक्स को कंफ्लुएंट वैंडरमोंड मैट्रिसेस कहा जाता है। हमारे स्थिति  में (जो सामान्य स्थिति  है, मैट्रिक्स की पंक्तियों को अनुमति देने तक) इसके लिए सूत्र निम्नानुसार दिया गया है: यदि <math>1 \leq i,j \leq n</math>, तब <math>m_\ell < i \leq m_{\ell + 1} </math> कुछ के लिए (अद्वितीय) <math>0 \leq \ell \leq k-1</math> (हमें विचार विमर्श करना है <math>m_0 = 0</math>). तो हमारे पास हैं
+और इस समस्या के लिए संबंधित  आव्यूह  को कंफ्लुएंट वैंडरमोंड मैट्रिसेस कहा जाता है। हमारे स्थिति  में (जो सामान्य स्थिति  है,  आव्यूह  की पंक्तियों को अनुमति देने तक) इसके लिए सूत्र निम्नानुसार दिया गया है: यदि <math>1 \leq i,j \leq n</math>, तब <math>m_\ell < i \leq m_{\ell + 1} </math> कुछ के लिए (अद्वितीय) <math>0 \leq \ell \leq k-1</math> (हमें विचार विमर्श करना है <math>m_0 = 0</math>). तो हमारे पास हैं
 :<math>V_{i,j} = \begin{cases}
@@ Line 187: / Line 188: @@
    \dfrac{(j-1)!}{(j - (i - m_\ell))!} \alpha_i^{j-(i-m_\ell)}, & \text{if } j \geq i - m_\ell.
 \end{cases}</math>
-वैंडरमोंड मैट्रिक्स का यह सामान्यीकरण इसे उलटा मैट्रिक्स बनाता है | गैर-एकवचन (जैसे कि समीकरणों की प्रणाली के लिए एक अनूठा समाधान उपस्थित  है) जबकि वेंडरमोंड मैट्रिक्स के अधिकांश गुणों को बनाए रखते हैं। इसकी पंक्तियाँ मूल वेंडरमोंड पंक्तियों के डेरिवेटिव (कुछ क्रम के) हैं।
+वैंडरमोंड  आव्यूह  का यह सामान्यीकरण इसे उलटा  आव्यूह  बनाता है | गैर-एकवचन (जैसे कि समीकरणों की प्रणाली के लिए एक अनूठा समाधान उपस्थित  है) जबकि वेंडरमोंड  आव्यूह  के अधिकांश गुणों को बनाए रखते हैं। इसकी पंक्तियाँ मूल वेंडरमोंड पंक्तियों के डेरिवेटिव (कुछ क्रम के) हैं।
-इस सूत्र को प्राप्त करने का दूसरा विधि ा यह है कि कुछ को जाने दिया जाए <math>\alpha_i</math>मनमाने ढंग से एक दूसरे के निकट  जाना। उदाहरण के लिए, यदि <math>\alpha_1 = \alpha_2</math>, फिर दे रहा है <math>\alpha_2\to\alpha_1</math> मूल वैंडरमोंड मैट्रिक्स में, पहली और दूसरी पंक्तियों के बीच का अंतर कंफ्लुएंट वेंडरमोंड मैट्रिक्स में संबंधित पंक्ति उत्पन्न करता है। यह हमें सामान्यीकृत इंटरपोलेशन समस्या (दिए गए मूल्य और डेरिवेटिव को एक बिंदु पर) को मूल स्थिति  से जोड़ने की अनुमति देता है जहां सभी बिंदु भिन्न  हैं: दिया जा रहा है <math>p(\alpha), p'(\alpha)</math> दिए जाने के समान है <math>p(\alpha), p(\alpha + \varepsilon)</math> कहाँ <math>\varepsilon</math> बहुत छोटी है।
+इस सूत्र को प्राप्त करने का दूसरा विधि ा यह है कि कुछ को जाने दिया जाए <math>\alpha_i</math>मनमाने ढंग से एक दूसरे के निकट  जाना। उदाहरण के लिए, यदि <math>\alpha_1 = \alpha_2</math>, फिर दे रहा है <math>\alpha_2\to\alpha_1</math> मूल वैंडरमोंड  आव्यूह  में, पहली और दूसरी पंक्तियों के बीच का अंतर कंफ्लुएंट वेंडरमोंड  आव्यूह  में संबंधित पंक्ति उत्पन्न करता है। यह हमें सामान्यीकृत इंटरपोलेशन समस्या (दिए गए मूल्य और डेरिवेटिव को एक बिंदु पर) को मूल स्थिति  से जोड़ने की अनुमति देता है जहां सभी बिंदु भिन्न  हैं: दिया जा रहा है <math>p(\alpha), p'(\alpha)</math> दिए जाने के समान है <math>p(\alpha), p(\alpha + \varepsilon)</math> कहाँ <math>\varepsilon</math> बहुत छोटी है।
 == यह भी देखें ==
 * {{slink|Companion matrix#Diagonalizability}}
 * शुर बहुपद - एक सामान्यीकरण
-* [[वैकल्पिक मैट्रिक्स]]
+* [[वैकल्पिक मैट्रिक्स|वैकल्पिक  आव्यूह]]
 * [[लैग्रेंज बहुपद]]
 * [[Wronskian]]

v t e Matrix classes
Explicitly constrained entries	Alternant Anti-diagonal Anti-Hermitian Anti-symmetric Arrowhead Band Bidiagonal Bisymmetric Block-diagonal Block Block tridiagonal Boolean Cauchy Centrosymmetric Conference Complex Hadamard Copositive Diagonally dominant Diagonal Discrete Fourier Transform Elementary Equivalent Frobenius Generalized permutation Hadamard Hankel Hermitian Hessenberg Hollow Integer Logical Matrix unit Metzler Moore Nonnegative Pentadiagonal Permutation Persymmetric Polynomial Quaternionic Signature Skew-Hermitian Skew-symmetric Skyline Sparse Sylvester Symmetric Toeplitz Triangular Tridiagonal Vandermonde Walsh Z
Constant	Exchange Hilbert Identity Lehmer Of ones Pascal Pauli Redheffer Shift Zero
Conditions on eigenvalues or eigenvectors	Companion Convergent Defective Definite Diagonalizable Hurwitz Positive-definite Stieltjes
Satisfying conditions on products or inverses	Congruent Idempotent or Projection Invertible Involutory Nilpotent Normal Orthogonal Unimodular Unipotent Unitary Totally unimodular Weighing
With specific applications	Adjugate Alternating sign Augmented Bézout Carleman Cartan Circulant Cofactor Commutation Confusion Coxeter Distance Duplication and elimination Euclidean distance Fundamental (linear differential equation) Generator Gram Hessian Householder Jacobian Moment Payoff Pick Random Rotation Seifert Shear Similarity Symplectic Totally positive Transformation
Used in statistics	Centering Correlation Covariance Design Doubly stochastic Fisher information Hat Precision Stochastic Transition
Used in graph theory	Adjacency Biadjacency Degree Edmonds Incidence Laplacian Seidel adjacency Tutte
Used in science and engineering	Cabibbo–Kobayashi–Maskawa Density Fundamental (computer vision) Fuzzy associative Gamma Gell-Mann Hamiltonian Irregular Overlap S State transition Substitution Z (chemistry)
Related terms	Jordan normal form Linear independence Matrix exponential Matrix representation of conic sections Perfect matrix Pseudoinverse Row echelon form Wronskian
' List of matrices Category:Matrices

Anonymous

Search

वैंडरमोंड मैट्रिक्स: Difference between revisions

Namespaces

More

Page actions

Revision as of 13:32, 29 April 2023

Contents