族谱网 头条 人物百科

谱序列

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:742
转发:0
评论:0
动机让·勒雷当初为了研究代数拓扑学,而引入层的概念,从而面临计算层上同调的问题。为此,勒雷发明了现称勒雷谱序列的计算方法,它联系了一个层的上同调群与其正像的上同调群。人们很快就发现:勒雷谱序列只是一个特例。谱序列还现身于纤维化等几何问题;更抽象地说,对合成函子取导函子也会得到谱序列,称为格罗滕迪克谱序列。虽然导范畴在理论层面提供了较简炼的框架,谱序列仍是最有效的计算工具。由于谱序列包含大量的项,实际计算时往往会陷入带(至少)三重指标的群或模的迷阵。在许多实际状况中,谱序列最后会“塌陷”,此时谱序列可以给出明确的资讯。若谱序列不塌陷,则须靠一些窍门取得有用的资讯。形式定义以下固定一个阿贝尔范畴A{\displaystyle{\mathcal{A}}},常见例子是一个环上的模范畴。谱序列是一个非负整数r0{\displaystyler_{0}}及下述资料:对所有整数r≥≥-->r0{\disp...

动机

让·勒雷当初为了研究代数拓扑学,而引入层的概念,从而面临计算层上同调的问题。为此,勒雷发明了现称勒雷谱序列的计算方法,它联系了一个层的上同调群与其正像的上同调群。

人们很快就发现:勒雷谱序列只是一个特例。谱序列还现身于纤维化等几何问题;更抽象地说,对合成函子取导函子也会得到谱序列,称为格罗滕迪克谱序列。虽然导范畴在理论层面提供了较简炼的框架,谱序列仍是最有效的计算工具。

由于谱序列包含大量的项,实际计算时往往会陷入带(至少)三重指标的群或模的迷阵。在许多实际状况中,谱序列最后会“塌陷”,此时谱序列可以给出明确的资讯。若谱序列不塌陷,则须靠一些窍门取得有用的资讯。

形式定义

以下固定一个阿贝尔范畴 A {\displaystyle {\mathcal {A}}} ,常见例子是一个环上的模范畴。谱序列是一个非负整数 r 0 {\displaystyle r_{0}} 及下述资料:

对所有整数 r ≥ ≥ --> r 0 {\displaystyle r\geq r_{0}} ,有范畴中的一个对象 E r {\displaystyle E_{r}} 。

自同态 d r : E r → → --> E r {\displaystyle d_{r}:E_{r}\to E_{r}} ,满足 d r 2 = 0 {\displaystyle d_{r}^{2}=0} ,称为边界映射或微分。

从 E r + 1 {\displaystyle E_{r+1}} 到 H ( E r , d r ) {\displaystyle H(E_{r},d_{r})} 的同构。

通常省去 E r + 1 {\displaystyle E_{r+1}} 与 H ( E r , d r ) {\displaystyle H(E_{r},d_{r})} 的同构,而写成等式。

最基本的例子是链复形 C ∙ ∙ --> {\displaystyle C_{\bullet }} ,它带有一个微分 d {\displaystyle d} 。取 r 0 = 0 {\displaystyle r_{0}=0} ,并令 E 0 = C ∙ ∙ --> {\displaystyle E_{0}=C_{\bullet }} ,于是必有 E 1 = H ( C ∙ ∙ --> ) {\displaystyle E_{1}=H(C_{\bullet })} ;这个新链复形上的微分只有一个自然的选择,就是零映射。于是有 E 1 = E 2 = ⋯ ⋯ --> {\displaystyle E_{1}=E_{2}=\cdots } 。综之,我们得到一个链复形范畴上的谱序列:

E 0 = C ∙ ∙ --> {\displaystyle E_{0}=C_{\bullet }}

E r = H ( C ∙ ∙ --> ) ( r ≥ ≥ --> 1 ) {\displaystyle E_{r}=H(C_{\bullet })\;(r\geq 1)}

由于只有 r = 0 {\displaystyle r=0} 时微分映射才可能非零,此序列在第一步后就不含任何新资讯。

较常见的是双分次模(或层)范畴上的谱序列,表作 E r p , q {\displaystyle E_{r}^{p,q}} ,此时的微分映射次数与 r {\displaystyle r} 有关:对于上同调谱序列, d r : E r → → --> E r {\displaystyle d_{r}:E_{r}\to E_{r}} 的次数是 ( r , − − --> r + 1 ) {\displaystyle (r,-r+1)} 。对于同调谱序列,通常将各项写成 E r {\displaystyle E_{r}} ,微分映射 d r : E r → → --> E r {\displaystyle d^{r}:E_{r}\to E_{r}} 的次数是 ( − − --> r , r − − --> 1 ) {\displaystyle (-r,r-1)} 。

谱序列之间的态射 f : E → → --> E ′ {\displaystyle f:E\to E"} 定义为一族态射 f r : E r → → --> E r ′ {\displaystyle f_{r}:E_{r}\to E_{r}"} ,使之与同构 E r + 1 ≃ ≃ --> H ( E r , d r ) {\displaystyle E_{r+1}\simeq H(E_{r},d_{r})} 交换。谱序列对此构成了一个阿贝尔范畴。

正合偶

交换代数中大部分的谱序列来自链复形,而已知构造谱序列最有力的方法是 William Massey 的正合偶。正合偶在代数拓扑学中很常见,此时对于许多谱序列,正合偶是唯一已知的构造法。事实上,正合偶可以用来构造所有已知的谱序列。

同样固定一个阿贝尔范畴(通常取一个环上的双分次模) A {\displaystyle {\mathcal {A}}} ,一个正合偶是:

谱序列

一对对象 A , C {\displaystyle A,C}

三个态射:

使之满足下述正合条件:

Image f = Kernel g

Image g = Kernel h

Image h = Kernel f

将这组资料简记为 ( A , C , f , g , h ) {\displaystyle (A,C,f,g,h)} 。正合偶通常以三角形表示。 C {\displaystyle C} 对应到谱序列的 E 0 {\displaystyle E_{0}} 项,而 A {\displaystyle A} 是一些辅助资料。

为了得到谱序列的后续项,以下将构造导出偶。令:

d := g ∘ ∘ --> h {\displaystyle d:=g\circ h}

A ′ := f ( A ) {\displaystyle A":=f(A)}

C ′ := K e r ( d ) / I m ( d ) {\displaystyle C":=\mathrm {Ker} (d)/\mathrm {Im} (d)}

f ′ := f | A ′ {\displaystyle f":=f|_{A"}}

h ′ : C ′ → → --> A ′ {\displaystyle h":C"\to A"} 由 h {\displaystyle h} 导出。

g ′ : A ′ → → --> C ′ {\displaystyle g":A"\to C"} 定义如下:若 A {\displaystyle {\mathcal {A}}} 为某个环上的模范畴,对任一 a ∈ ∈ --> A ′ {\displaystyle a\in A"} ,存在 b ∈ ∈ --> A ′ {\displaystyle b\in A"} 使得 a = f ( b ) {\displaystyle a=f(b)} ,定义 g ′ ( a ) {\displaystyle g"(a)} 为 g ( b ) {\displaystyle g(b)} 在 C ′ {\displaystyle C"} 中的像。一般而言,可利用 Mitchell 嵌入定理构造态射 g ′ {\displaystyle g"} 。

现在可以验证 ( A ′ , C ′ , f ′ , g ′ , h ′ ) {\displaystyle (A",C",f",g",h")} 构成正合偶。 C ′ {\displaystyle C"} 对应到谱序列的 E 1 {\displaystyle E_{1}} 项。续行此法,可以得到一族正合偶 ( A ( n ) , C ( n ) , f ( n ) , g ( n ) , h ( n ) ) {\displaystyle (A^{(n)},C^{(n)},f^{(n)},g^{(n)},h^{(n)})} 。相应的谱序列定义为 E n := C ( n ) {\displaystyle E_{n}:=C^{(n)}} , d n := g ( n ) ∘ ∘ --> h ( n ) {\displaystyle d_{n}:=g^{(n)}\circ h^{(n)}} 。

图解

谱序列

谱序列的 E2 项

一个双分次谱序列含有大量要追踪的资讯,不过有个常见的图解法有助于阐明其结构。以下取上同调谱序列为例。在此有三个指标 r , p , q {\displaystyle r,p,q} 。对每个 r {\displaystyle r} ,设想有一张方格纸,分别让 p , q {\displaystyle p,q} 对应于横、纵轴。每一个格子点 ( p , q ) {\displaystyle (p,q)} 对应到对象 E r p , q {\displaystyle E_{r}^{p,q}} 。微分 d r {\displaystyle d_{r}} 的次数为 ( r , − − --> r + 1 ) {\displaystyle (r,-r+1)} ,方向如图所示。

收敛与退化

在第一个简单的例子中,谱序列在 r ≥ ≥ --> 1 {\displaystyle r\geq 1} 后的微分映射皆为零,故不再改变。这时可定义该谱序列的极限为 E ∞ ∞ --> := E r ( r ≥ ≥ --> 1 ) {\displaystyle E_{\infty }:=E_{r}\;(r\geq 1)} 。对于一般的谱序列,也往往存在一个极限,极限与各项的关系可说是谱序列的众妙之门。

定义:若谱序列 E r p , q {\displaystyle E_{r}^{p,q}} 对每个 ( p , q ) {\displaystyle (p,q)} 都存在 r ( p , q ) ∈ ∈ --> N {\displaystyle r(p,q)\in \mathbb {N} } ,使得当 r ≥ ≥ --> r ( p , q ) {\displaystyle r\geq r(p,q)} 时, d r p − − --> r , q + r − − --> 1 : E r p − − --> r , q + r − − --> 1 → → --> E r p , q {\displaystyle d_{r}^{p-r,q+r-1}:E_{r}^{p-r,q+r-1}\to E_{r}^{p,q}} 及 d r p , q : E r p , q → → --> E r p + r , q − − --> r + 1 {\displaystyle d_{r}^{p,q}:E_{r}^{p,q}\to E_{r}^{p+r,q-r+1}} 皆为零,则称 E r p , q {\displaystyle E_{r}^{p,q}} 之极限项为 E ∞ ∞ --> p , q := E r p , q {\displaystyle E_{\infty }^{p,q}:=E_{r}^{p,q}} (取充分大的 r {\displaystyle r} )。最常见的例子是集中在第一象限的谱序列,此时极限项恒存在。

其中的指标 p {\displaystyle p} 指涉过滤结构。

若存在对象 E ∙ ∙ --> {\displaystyle E^{\bullet }} 、过滤结构 ⋯ ⋯ --> ⊂ ⊂ --> F p + 1 E ∙ ∙ --> ⊂ ⊂ --> F p E ∙ ∙ --> ⊂ ⊂ --> ⋯ ⋯ --> {\displaystyle \cdots \subset F^{p+1}E^{\bullet }\subset F^{p}E^{\bullet }\subset \cdots } ,及一族同构 β β --> p , q : E ∞ ∞ --> p , q ≃ ≃ --> g r p E p + q {\displaystyle \beta ^{p,q}:E_{\infty }^{p,q}\simeq \mathrm {gr} ^{p}E^{p+q}} ,满足 ⋂ ⋂ --> p F p E ∙ ∙ --> = ( 0 ) , ⋃ ⋃ --> p F p E ∙ ∙ --> = E ∙ ∙ --> {\displaystyle \bigcap _{p}F^{p}E^{\bullet }=(0),\bigcup _{p}F^{p}E^{\bullet }=E^{\bullet }} (这种过滤称为“正则过滤”),则称 E r p , q {\displaystyle E_{r}^{p,q}} 收敛到 E ∙ ∙ --> {\displaystyle E^{\bullet }} ,通常表为下述符号:

习惯上,人们也常将左式写成 E 2 p , q {\displaystyle E_{2}^{p,q}} ,因为谱序列中最重要的页往往是 E 2 p , q {\displaystyle E_{2}^{p,q}} 。

最简单的收敛特例是退化:

定义:固定 r ∈ ∈ --> N {\displaystyle r\in \mathbb {N} } ,若对每个 s ≥ ≥ --> r {\displaystyle s\geq r} ,微分映射 d s {\displaystyle d_{s}} 都是零,则称该谱序列在第 r {\displaystyle r} 页退化。

退化性保证了 E r ≃ ≃ --> E r + 1 ≃ ≃ --> ⋯ ⋯ --> {\displaystyle E_{r}\simeq E_{r+1}\simeq \cdots } ,此时 E r {\displaystyle E_{r}} 即其极限。如果一个双分次谱序列 E r p , q {\displaystyle E_{r}^{p,q}} 的非零项集中于某一条水平或垂直线上,则必在 r = 2 {\displaystyle r=2} 时退化。

例子

过滤结构导出的谱序列

最常见的谱序列之一来自带有过滤结构的对象,通常是链复形或上链复形。这是一个对象 C {\displaystyle C} 及微分映射 d : C → → --> C {\displaystyle d:C\to C} ,使之满足 d 2 = 0 {\displaystyle d^{2}=0} ,以及

同调群上也有相应的过滤

对此,定义相应的分次对象

取微分映射为零,可视之为复形。

以下式定义谱序列:

此时有 E 0 p = F p C / F p + 1 C , E 1 p = H ( g r p C ) {\displaystyle E_{0}^{p}=F^{p}C/F^{p+1}C,E_{1}^{p}=H(\mathrm {gr} ^{p}C)} ,且谱序列收敛:

通常也写成 E r ⇒ ⇒ --> H ( C ) {\displaystyle E_{r}\Rightarrow H(C)} 。

取 A {\displaystyle {\mathcal {A}}} 为取值在某个阿贝尔范畴中的上链复形范畴。此时的对象 C {\displaystyle C} 是个上链复形 ⋯ ⋯ --> → → --> C q → → --> C q + 1 → → --> ⋯ ⋯ --> {\displaystyle \cdots \to C^{q}\to C^{q+1}\to \cdots } , d {\displaystyle d} 是上链复形的微分映射。上述谱序列带有三个指标 p , q , r {\displaystyle p,q,r} ,并可进一步化成下述形式:

双复形的谱序列

以下考虑取值在某个阿贝尔范畴中的双复形,即一组对象 C p , q {\displaystyle C^{p,q}} ,及两组微分映射 d ′ : C p , q → → --> C p + 1 , q {\displaystyle d":C^{p,q}\to C^{p+1,q}} 及 d ″ : C p , q → → --> C p , q + 1 {\displaystyle d"":C^{p,q}\to C^{p,q+1}} ,满足

对一个双复形,可定义其全复形 ( C , D ) {\displaystyle (C,D)} (也记为 T ( C ) {\displaystyle T(C)} 或 T o t ( C ) {\displaystyle \mathrm {Tot} (C)} ) 为

C {\displaystyle C} 上有两组过滤,分别是:

它们给出两个谱序列 ′ E r {\displaystyle "E_{r}} 与 ″ E r {\displaystyle ""E_{r}} 。首先计算 ′ E 0 , ′ E 1 , ′ E 2 {\displaystyle "E_{0},"E_{1},"E_{2}} 项:

同理可计算 ″ E 0 , ″ E 1 , ″ E 2 {\displaystyle ""E_{0},""E_{1},""E_{2}} :

这两个谱序列通常是不同的,但随着 r {\displaystyle r} 增大,它们都收敛到 H ( C ) {\displaystyle H(C)} ,由此可以得到一些有趣的比较定理。

例子

Tor函子的交换性

利用谱序列,可以迅速导出Tor函子的交换性,即一自然同构:

取定平坦分解 P ∙ ∙ --> → → --> M → → --> 0 {\displaystyle P_{\bullet }\to M\to 0} 及 Q ∙ ∙ --> → → --> N → → --> 0 {\displaystyle Q_{\bullet }\to N\to 0} 。视之为集中于正项的复形,其微分映射分别记为 d , e {\displaystyle d,e} 。考虑双复形 C i , j := P i ⊗ ⊗ --> Q j {\displaystyle C_{i,j}:=P_{i}\otimes Q_{j}} ,其微分映射定义为 d i , j := d i ⊗ ⊗ --> i d + ( − − --> 1 ) j i d ⊗ ⊗ --> e j {\displaystyle d_{i,j}:=d_{i}\otimes \mathrm {id} +(-1)^{j}\mathrm {id} \otimes e_{j}} (以使微分映射满足反交换性)。取其谱序列,遂得到:

由于复形 P ∙ ∙ --> , Q ∙ ∙ --> {\displaystyle P_{\bullet },Q_{\bullet }} 是平坦分解,其同调群只集中在零次项,此时其表示式为:

故 ′ E p , q 2 {\displaystyle "E_{p,q}^{2}} 只在 p = 0 {\displaystyle p=0} 上有非零项,而 ″ E p , q 2 {\displaystyle ""E_{p,q}^{2}} 只在 q = 0 {\displaystyle q=0} 上有非零项,这保证了谱序列在第二页退化,由此导出同构:

当 p = q {\displaystyle p=q} 时,上述等式的右项同构(虽然其分次结构不同),由此得到 Tor 的交换性。

示性数

运用谱序列时,通常会假设某些项为零,或假设谱序列在第一或第二页退化。但有时尽管对各项及微分映射一无所知,仍可从谱序列中萃取资讯,最简单的例子是示性数:固定一个阿贝尔范畴 A {\displaystyle {\mathcal {A}}} 及一个交换群 C {\displaystyle C} ,所谓示性数是一个函数 χ χ --> : O b A → → --> C {\displaystyle \chi :\mathrm {Ob} {\mathcal {A}}\to C} ,满足:

∀ ∀ --> 0 → → --> Y → → --> X , χ χ --> ( X ) = χ χ --> ( Y ) + χ χ --> ( X / Y ) {\displaystyle \forall 0\to Y\to X,\;\chi (X)=\chi (Y)+\chi (X/Y)}

X ≃ ≃ --> Y ⇒ ⇒ --> χ χ --> ( X ) = χ χ --> ( Y ) {\displaystyle X\simeq Y\Rightarrow \chi (X)=\chi (Y)}

例如:取 A {\displaystyle {\mathcal {A}}} 为某个域 k {\displaystyle k} 上的有限维向量空间范畴,则 χ χ --> : V ↦ ↦ --> dim k ⁡ ⁡ --> V {\displaystyle \chi :V\mapsto \dim _{k}V} 是一个示性数。

对任一 A {\displaystyle {\mathcal {A}}} 上的有限复形 K ∙ ∙ --> {\displaystyle K^{\bullet }} ,定义

容易证明 χ χ --> ( K ∙ ∙ --> ) = ∑ ∑ --> i ( − − --> 1 ) i χ χ --> ( H i ( K ∙ ∙ --> ) ) {\displaystyle \chi (K^{\bullet })=\sum _{i}(-1)^{i}\chi (H^{i}(K^{\bullet }))} 。考虑任一在 A {\displaystyle {\mathcal {A}}} 上的收敛谱序列 ( E r ∙ ∙ --> ) {\displaystyle (E_{r}^{\bullet })} ,由于谱序列的每一页都是前一页的同调,遂得到

然而

于是得到


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· 序列
例子和符号例如,(C,Y,R)是一个字母的序列:顺序是C第一,Y第二,R第三。序列可以是有限的(就像前面这个例子),也可以是无限的,就像所有正偶数的序列(2,4,6,...)。有限序列包含空序列(),它没有元素。序列中的元素也称为项,项的个数(可能是无限的)称为序列的长度。序列写作(a1,a2,...)。简单起见,也可以用符号(an)。一个相对正式的定义:其项属于集合S的有限序列是一个从{1,2,...,n}到S的函数,这里n≥0。属于S的无限序列是从{1,2,...}(自然数集合)到S的函数。有限序列也称作n元组。一个从所有整数到集合的函数有时也称作双无限序列,这里将以负整数索引的序列认为是另一个以正整数索引的序列。序列的形式和性质一个给定序列的子序列是从给定序列中去除一些元素,而不改变其他元素之间相对位置而得到的。若序列的项属于一个偏序集,则单调递增序列就是其中每个项都大于等于之前的项...
· 正合序列
定义一个由某类适宜的范畴(例如阿贝尔群、向量空间或模,详如后述)中的对象与态射构成的序列被称作在A{\displaystyleA}处正合,当且仅当一般而言,该范畴中的序列被称作是正合的,当且仅当它在A2{\displaystyleA_{2}}、A3{\displaystyleA_{3}}、⋯⋯-->An−−-->1{\displaystyle\cdotsA_{n-1}}处正合。类似定义可以推广至没有端点的无穷序列。为了探讨序列的正合性,范畴中必须能构造一个态射的像Im{\displaystyle\mathrm{Im}}与核Ker{\displaystyle\mathrm{Ker}},并确保这两种构造具备在阿贝尔群、向量空间或模的情形一样的范畴论性质。处理这类问题的框架是阿贝尔范畴,以下考虑的范畴如未说明皆为阿贝尔范畴。例子序列序列对任何态射f::-->A→→-->B...
· 地震序列
前震前震是发生在主震前的一连串地震。由于地壳并不是均质体,导致应力的累积并不平均,造成主断层在滑动前就发生一系列较小的破裂,也就是前震。全世界超过44%的地震都有前震,因此在地震预测中是很重要的课题。主震主震是地震序列中规模最大的地震。地震学家用地震矩来描述主震释放出的能量,断层滑动的面积和量愈高,释放出的能量和造成的破坏就愈大。余震余震是指跟随在主震后发生的一连串地震。主震发生后,断层上的应力分布会产生改变,在应力再调整的过程中就造成一系列的余震。余震与主震通常发生在同一个破裂带上,比主震的规模小,然而有时主震造成的应力变化会不局限于主震所造成的破裂面上,这个现象又称之为库仑应力转移(Coulombstresstransfer)。不过大致来说,余震反应主震的断层破裂面,对于了解断层的几何有极大的贡献。在时间上的分布通常以修正大森法则来描述,也经常以Gutenberg-Richter关系式...
· 序列分析
参考条目序列比对
· 哈伯序列
星系分类椭圆星系巨大的椭圆星系:ESO325-G004。在哈伯序列的左侧(在感觉上都是用绘图来显示)是椭圆星系。椭圆星系在照片上呈现的都是光滑、没有特征的光度分布和椭圆形的外观。它们以字母E,伴随着一个数字n{\displaystylen}来标示它们在天空中呈现的椭率。在习惯上,n{\displaystylen}是椭率的十分法中最接近的整数,而椭率的定义是e=1−−-->ba{\displaystyle{\begin{matrix}e=1-{\frac{b}{a}}\end{matrix}}}。每一个椭圆都有长轴和短轴,相对的长度分别是a{\displaystylea}和b{\displaystyleb}。在哈伯序列图中,椭率由左至右递增,接近圆形的椭圆星系(椭率为E0)在图的最左边。要注意的重点是,星系的椭率只是真实的三度空间在天球上的投影,与真实的形状只有间接的关系(例如,一个平坦的,...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信