形式幂级数
简介
形式幂级数和多项式的形式定义有类似之处。对于熟悉幂级数的读者,也可以将其看作是不讨论幂级数敛散性,也就是将其中的不定元仅仅看作是一个代数对象,而不是任何具体数值的时候写出的幂级数。举例来说,以下的级数式子:
如果我们把它当成幂级数来研究的话,重点会放在它的收敛半径等于1、其对应的幂级数函数是否满足某些性质等等。但作为形式幂级数来研究时,我们关注的是它本身的结构。我们甚至可以把它简写为:[1,− − -->3,5,− − -->7,9,⋯ ⋯ -->]{\displaystyle [1,-3,5,-7,9,\cdots ]}这样,只关注它的系数。我们完全可以考虑各种系数的形式幂级数。比如说系数为阶乘的形式幂级数:[1,1,2,6,24,120,,⋯ ⋯ -->]{\displaystyle [1,1,2,6,24,120,,\cdots ]},即使说它对应的幂级数:
在X{\displaystyle X}取任何的非零实数值时都不收敛,我们仍然可以将其作为形式幂级数进行运算。
和多项式环中的元素一样,形式幂级数之间也可以做加减和乘法的运算,具体的计算方式和多项式环一样。比如说设:
那么A{\displaystyle A}与B{\displaystyle B}的和就是:
其中A+B{\displaystyle A+B}里面X3{\displaystyle X^{3}}的系数就是A{\displaystyle A}与B{\displaystyle B}中X3{\displaystyle X^{3}}的系数的和;AB{\displaystyle AB}里面X5{\displaystyle X^{5}}的系数就是A{\displaystyle A}与B{\displaystyle B}中X{\displaystyle X}的阶数相加等于5的项的系数乘积的和:
对每个确定的阶数n{\displaystyle n},这个计算是有限项(至多n+1{\displaystyle n+1}项)的相加,所以在计算形式幂级数的加减法和乘法的时候,不需要像在对幂级数进行计算时一样,考虑诸如是否绝对收敛、条件收敛或是一致收敛的问题。另外,如多项式的形式运算一样,形式幂级数也满足加法的交换律、加法的结合律、乘法的交换律、乘法的结合律以及乘法对加法的分配律。
形式幂级数不仅能够定义乘法,也能定义乘法逆的运算。一个形式幂级数A{\displaystyle A}的逆是指另一个形式幂级数C{\displaystyle C},使得AC=1{\displaystyle AC=1}. 如果这样的形式幂级数C{\displaystyle C}存在,就是唯一的,将其记为A− − -->1{\displaystyle A^{-1}}。同时我们也可以定义形式幂级数的除法:当A{\displaystyle A}的逆存在时,B/A=B⋅ ⋅ -->A− − -->1.{\displaystyle B/A=B\cdot A^{-1}.} 比如说,可以很容易验证:
形式幂级数上的一个重要映射是系数的提取操作:将一个形式幂级数映射到它的Xn{\displaystyle X^{n}}的系数。这个操作常常记作[Xn]{\displaystyle [X^{n}]},比如说对形式幂级数A=1− − -->3X+5X2− − -->7X3+9X4− − -->11X5+⋯ ⋯ -->.{\displaystyle A=1-3X+5X^{2}-7X^{3}+9X^{4}-11X^{5}+\cdots .},就有:
对以上定义的形式幂级数B{\displaystyle B},也有:[X3]B=4{\displaystyle [X^{3}]B=4}。又比如:[X2](X+3X2Y3+10Y6)=3Y3{\displaystyle [X^{2}](X+3X^{2}Y^{3}+10Y^{6})=3Y^{3}},[X2Y3](X+3X2Y3+10Y6)=3{\displaystyle [X^{2}Y^{3}](X+3X^{2}Y^{3}+10Y^{6})=3}。提取映射和多项式环中的对应映射一样,都可以看做是到一个子空间的投影映射。
形式幂级数的环结构
所有的不定元为X{\displaystyle X},系数为某一个交换环R{\displaystyle R}上元素的形式幂级数构成一个环,称为R{\displaystyle R}上变量为X{\displaystyle X}的形式幂级数环,记作R[[X]]{\displaystyle R[[X]]}。
定义
R[[X]]{\displaystyle R[[X]]}可以定义为R{\displaystyle R}上变量为X{\displaystyle X}的多项式环完备化(对于特定的度量)后得到的。这个定义自然就赋予了R[[X]]{\displaystyle R[[X]]}以拓扑环的结构(同时也赋予了完备度量空间的结构)。不过空间完备化所需要的步骤过于繁琐,而建构R[[X]]{\displaystyle R[[X]]}所需要的并没有那么多。以下将对R[[X]]{\displaystyle R[[X]]}的环结构和拓扑结构分别定义,更为明晰,容易理解。
环结构
首先可以定义集合R[[X]]{\displaystyle R[[X]]}的范围。作为一个集合,R[[X]]{\displaystyle R[[X]]}可以用和RN{\displaystyle R^{\mathbb {N} }}一样的方法构造。RN{\displaystyle R^{\mathbb {N} }}是所有R{\displaystyle R}上元素构成的数列(an)n∈ ∈ -->N{\displaystyle (a_{n})_{n\in \mathbb {N} }}的集合:
RN{\displaystyle R^{\mathbb {N} }}中的元素可以定义加法和乘法:
其中乘法的定义方法也叫做求两个数列的系数的柯西乘积,也是一种卷积。可以证明,在以上的定义下,RN{\displaystyle R^{\mathbb {N} }}是一个交换环。环的加法零元是(0,0,0,...){\displaystyle (0,0,0,...)},乘法幺元是(1,0,0,...){\displaystyle (1,0,0,...)}。于是我们可以将R{\displaystyle R}中的元素嵌入到RN{\displaystyle R^{\mathbb {N} }}之中,
并将(0,1,0,0,...){\displaystyle (0,1,0,0,...)}映射到不定元X{\displaystyle X},这样通过以上定义的加法和乘法就可以将RN{\displaystyle R^{\mathbb {N} }}中的有限非零元元素同构为:
这样的结构和多项式环是一样的。所以对于更一般的RN{\displaystyle R^{\mathbb {N} }}中元素(an)n∈ ∈ -->N{\displaystyle (a_{n})_{n\in \mathbb {N} }},就可以自然地希望将其对应到∑ ∑ -->i∈ ∈ -->NaiXi{\displaystyle \sum _{i\in \mathbb {N} }a_{i}X^{i}}:
但这个对应方式并不能通过有限项的加法和乘法得到,所以需要用一个约定上的映射φ φ -->:RN→ → -->R[[X]]{\displaystyle \varphi :\,R^{\mathbb {N} }\rightarrow R[[X]]}来做到:
这个映射涵盖了之前的多项式的定义,并且可以定义
以及
这个定义使得φ φ -->{\displaystyle \varphi }同态个同态,所以R[[X]]{\displaystyle R[[X]]}也是一个交换环。
拓扑结构
以上的定义中建立了映射
但需要注意的是这里的定义中∑ ∑ -->i=0∞ ∞ -->aiXi{\displaystyle \sum _{i=0}^{\infty }a_{i}X^{i}}还是一个符号性的对象,因为我们并没有定义其中无限求和号的意义。为了更好地定义∑ ∑ -->i=0∞ ∞ -->aiXi{\displaystyle \sum _{i=0}^{\infty }a_{i}X^{i}}本身,我们需要引入拓扑的结构,将其作为极限来严格地说明。需要注意的是,适合的拓扑结构不止一个。
我们可以在R{\displaystyle R}上定义离散拓扑的结构,然后将RN{\displaystyle R^{\mathbb {N} }}作为可数个R{\displaystyle R}的积空间,将其上的拓扑定义为积拓扑。
我们也可以直接在RN{\displaystyle R^{\mathbb {N} }}上定义类似于p进数拓扑的I{\displaystyle I}进拓扑,其中的I=(X){\displaystyle I=(X)}是环结构中由X{\displaystyle X}生成的理想,也就是由所有∑ ∑ -->i=1∞ ∞ -->aiXi{\displaystyle \sum _{i=1}^{\infty }a_{i}X^{i}}形式的形式幂级数构成的集合。
对不熟悉一般的点集拓扑学的读者,也可以建立一个具体的度量(也就是定义“距离”)来定义拓扑。比如定义两个数列a=(an)n∈ ∈ -->N{\displaystyle a=(a_{n})_{n\in \mathbb {N} }}和b=(bn)n∈ ∈ -->N{\displaystyle b=(b_{n})_{n\in \mathbb {N} }}的距离: d(a,b)={2− − -->ω ω -->(a− − -->b)a− − -->b≠ ≠ -->00a− − -->b=0{\displaystyle d(a,b)={\begin{cases}2^{-\omega (a-b)}&\quad a-b\neq 0\\0&\quad a-b=0\end{cases}}}
其中ω ω -->(s){\displaystyle \omega (s)}表示数列s=(sn)n∈ ∈ -->N{\displaystyle s=(s_{n})_{n\in \mathbb {N} }}中第一个不等于0的系数的下标。这样的定义之下,我们说两个数列如果越来越“接近”,那么第一个系数不同的地方会出现的越晚,也就是说它们的距离也越小。对一个数列a=(an)n∈ ∈ -->N{\displaystyle a=(a_{n})_{n\in \mathbb {N} }},定义部分和数列为:
那么部分和sk{\displaystyle s_{k}}和a{\displaystyle a}的距离就会是2− − -->(k+1){\displaystyle 2^{-(k+1)}},所以k{\displaystyle k}趋于无穷大的时候,部分和数列和a{\displaystyle a}的距离趋于0. 这样,在定义了有限项非零元的数列和多项式的关系以后,就可以将任意的数列定义为部分和数列的极限。
然后对形式幂级数也定义类似的距离:
然后形式幂级数也就满足:
并且可以验证加法、乘法的交换律和结合律,以及乘法对加法的结合律。于是我们定义出了一个同构于RN{\displaystyle R^{\mathbb {N} }}的拓扑环,将其称为R{\displaystyle R}上的形式幂级数环R[[X]]{\displaystyle R[[X]]}。
参考来源
Nicolas Bourbaki: Algebra, IV, §4. Springer-Verlag 1988.
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。
- 有价值
- 一般般
- 没价值