【代数学作业4-汇总版】范数与迹

简介: 【代数学作业4-汇总版】范数与迹

【代数学作业4】范数与迹

  • 写在最前面
  • 1. 极小多项式
  • 1. 对 α \alphaα 的极小多项式
  • 2. 对 α + 1 \alpha + 1α+1 的极小多项式
  • 3. 对 α 2 + α + 1 \alpha^2 + \alpha + 1α2+α+1 的极小多项式
  • 2. 范数 N NN
  • 3. 数域 K KK 的范数 N K N_KNK
  • 4. 迹 T TT
  • 5. 数域 K KK 的迹 T K T_KTK

写在最前面

汇总版,省略了中间试错的过程与步骤

1. 极小多项式

1. 对 α \alphaα 的极小多项式

  1. 表达式变换:设 f ( x ) = x − α = x − 2 3 − − 2 f(x) = x - \alpha = x - \sqrt[3]{2} - \sqrt{-2}f(x)=xα=x322
  2. 消去根号
  • 首先处理 2 3 \sqrt[3]{2}32
  • 然后处理 − 2 \sqrt{-2}2,通过平方两边来消除根号:
  • 因此,α \alphaα 的极小多项式为 f ( x ) = x 6 + 6 x 4 − 4 x 3 + 12 x 2 + 24 x + 12 f(x) = x^6 + 6x^4 - 4x^3 + 12x^2 + 24x + 12f(x)=x6+6x44x3+12x2+24x+12

和手动计算结果一致

2. 对 α + 1 \alpha + 1α+1 的极小多项式

α + 1 \alpha + 1α+1 的极小多项式,该多项式是:

f ( x ) = x 6 − 6 x 5 + 21 x 4 − 48 x 3 + 75 x 2 − 42 x + 11 f(x) = x^6 - 6x^5 + 21x^4 - 48x^3 + 75x^2 - 42x + 11f(x)=x66x5+21x448x3+75x242x+11

3. 对 α 2 + α + 1 \alpha^2 + \alpha + 1α2+α+1 的极小多项式

该多项式是:f ( x ) = x 6 + 6 x 5 + 9 x 4 + 176 x 3 + 615 x 2 − 1062 x + 387 f(x) = x^6 + 6x^5 + 9x^4 + 176x^3 + 615x^2 - 1062x + 387f(x)=x6+6x5+9x4+176x3+615x21062x+387

2. 范数 N NN

结果如下:

  1. N ( 2 ) N(2)N(2) 的范数为 2 22
  2. N ( 2 3 ) N(\sqrt[3]{2})N(32) 的范数为 2 22
  3. N ( − 2 ) N(\sqrt{-2})N(2) 的范数为 2 22
  4. N ( α ) N(\alpha)N(α) (其中 α = 2 3 + − 2 \alpha = \sqrt[3]{2} + \sqrt{-2}α=32+2)的范数为 12 1212
  5. N ( α + 5 ) N(\alpha + 5)N(α+5) 的范数为 20067 2006720067
  6. N ( 2 3 − 2 + 1 ) N(\sqrt[3]{2}\sqrt{-2}+1)N(322+1) 的范数为 33 3333

3. 数域 K KK 的范数 N K N_KNK

  1. N K ( 2 ) N_K(2)NK(2)
    2 22 是一个有理数,其最小多项式是 x − 2 x - 2x2。因此,N K ( 2 ) N_K(2)NK(2) 是这个多项式的根 2 22 的乘积,即 2 6 = 64 2^6 = 6426=64(因为 α \alphaα 的最小多项式是六次的)。
  2. N K ( 2 3 ) N_K(\sqrt[3]{2})NK(32)
    2 3 \sqrt[3]{2}32 的共轭在 K KK 中有三个(因为它的最小多项式是三次的),包括 2 3 \sqrt[3]{2}32, 2 3 ω \sqrt[3]{2}\omega32ω, 和 2 3 ω 2 \sqrt[3]{2}\omega^232ω2(其中 ω \omegaω 是三次单位根)。在 K KK 中,我们需要考虑六个共轭,所以 N K ( 2 3 ) = ( 2 3 ) 3 × ( 2 3 ) 3 = 2 2 = 4 N_K(\sqrt[3]{2}) = (\sqrt[3]{2})^3 \times (\sqrt[3]{2})^3 = 2^2 = 4NK(32)=(32)3×(32)3=22=4
  3. N K ( − 2 ) N_K(\sqrt{-2})NK(2)
    − 2 \sqrt{-2}2 的共轭在 K KK 中有两个(因为它的最小多项式是二次的),包括 − 2 \sqrt{-2}2− − 2 -\sqrt{-2}2。在 K KK 中,我们需要考虑六个共轭,所以 N K ( − 2 ) = ( − 2 ) 2 × ( − 2 ) 2 × ( − 2 ) 2 = ( − 2 ) 3 = − 8 N_K(\sqrt{-2}) = (\sqrt{-2})^2 \times (\sqrt{-2})^2 \times (\sqrt{-2})^2 = (-2)^3 = -8NK(2)=(2)2×(2)2×(2)2=(2)3=8
  4. N K ( 2 ) = 64 N_K(2) = 64NK(2)=64
  5. N K ( 2 3 ) = 4 N_K(\sqrt[3]{2}) = 4NK(32)=4
  6. N K ( − 2 ) = − 8 N_K(\sqrt{-2}) = -8NK(2)=8
  7. N K ( α + 5 ) N_K(\alpha + 5)NK(α+5)的结果是一个复数表达式:( 2 3 + 5 + 2 i ) 6 (\sqrt[3]{2} + 5 + \sqrt{2}i)^6(32+5+2i)6
  8. N K ( 2 3 − 2 + 1 ) N_K(\sqrt[3]{2}\sqrt{-2}+1)NK(322+1)的结果也是一个复数表达式:( 1 + 1.12246204830937 2 i ) 6 (1 + 1.12246204830937\sqrt{2}i)^6(1+1.122462048309372i)6

4. 迹 T TT

首先,找出 α \alphaα 的共轭元素。这涉及解决 f ( x ) = 0 f(x) = 0f(x)=0 的方程,但这个方程过于复杂,无法用简单的代数方法解决。

然而,由于 α \alphaαf ( x ) f(x)f(x) 的一个根,我们知道至少有六个共轭元素(包括 α \alphaα 本身),它们可能是实数或复数。

T ( a ) T(a)T(a) 是所有共轭元素的和。对于简单的元素如 2 222 3 \sqrt[3]{2}32,这些值在共轭元素下的表达式是明确的。

对于 α \alphaα 和更复杂的表达式,这些值将取决于 α \alphaα 的具体共轭元素。

  1. T ( 2 ) T(2)T(2)
    由于 2 22 是一个常数,它在每个共轭元素下的值都是 2 22
    因此,T ( 2 ) T(2)T(2)2 22 与共轭元素的数量(这里是 6)的乘积:
    T ( 2 ) = 2 × 6 = 12 T(2) = 2 \times 6 = 12T(2)=2×6=12
  2. T ( 2 3 ) T(\sqrt[3]{2})T(32)
    同样,2 3 \sqrt[3]{2}32 是一个常数,所以 T ( 2 3 ) T(\sqrt[3]{2})T(32)2 3 \sqrt[3]{2}32 与共轭元素的数量的乘积:
    T ( 2 3 ) = 2 3 × 6 T(\sqrt[3]{2}) = \sqrt[3]{2} \times 6T(32)=32×6
  3. T ( − 2 ) T(\sqrt{-2})T(2)
    由于 − 2 \sqrt{-2}2 是一个常数,其迹是:
    T ( − 2 ) = − 2 × 6 T(\sqrt{-2}) = \sqrt{-2} \times 6T(2)=2×6

  1. T K ( 2 ) = 12 T_K(2) = 12TK(2)=12
  2. T K ( 2 3 ) = 6 2 3 T_K(\sqrt[3]{2}) = 6\sqrt[3]{2}TK(32)=632
  3. T K ( − 2 ) T_K(\sqrt{-2})TK(2)的结果是一个纯虚数:6 2 i 6\sqrt{2}i62i
  4. T K ( α ) T_K(\alpha)TK(α)的结果是一个复数:6 2 3 + 6 2 i 6\sqrt[3]{2} + 6\sqrt{2}i632+62i
  5. T K ( α + 5 ) T_K(\alpha + 5)TK(α+5) 的结果也是一个复数:6 2 3 + 30 + 6 2 i 6\sqrt[3]{2} + 30 + 6\sqrt{2}i632+30+62i
  6. T K ( 2 3 − 2 + 1 ) T_K(\sqrt[3]{2}\sqrt{-2}+1)TK(322+1) 的结果也是一个复数:6 + 6 ⋅ 2 5 / 6 i 6 + 6 \cdot 2^{5/6}i6+625/6i

5. 数域 K KK 的迹 T K T_KTK

对于第5题,既然 α = 2 3 + − 2 \alpha = \sqrt[3]{2} + \sqrt{-2}α=32+2,那么数域 K = Q ( α ) K = \mathbb{Q}(\alpha)K=Q(α) 实际上是 α \alphaα 的极小多项式的分裂域。这意味着在这个特定情况下,计算元素的迹和计算它在数域 K KK 中的迹是相同的过程。

因此,第5题和第4题的答案相同。

  1. T K ( 2 ) = 12 T_K(2) = 12TK(2)=12
  2. T K ( 2 3 ) = 6 2 3 T_K(\sqrt[3]{2}) = 6\sqrt[3]{2}TK(32)=632
  3. T K ( − 2 ) T_K(\sqrt{-2})TK(2)的结果是一个纯虚数:6 2 i 6\sqrt{2}i62i
  4. T K ( α ) T_K(\alpha)TK(α)的结果是一个复数:6 2 3 + 6 2 i 6\sqrt[3]{2} + 6\sqrt{2}i632+62i
  5. T K ( α + 5 ) T_K(\alpha + 5)TK(α+5) 的结果也是一个复数:6 2 3 + 30 + 6 2 i 6\sqrt[3]{2} + 30 + 6\sqrt{2}i632+30+62i
  6. T K ( 2 3 − 2 + 1 ) T_K(\sqrt[3]{2}\sqrt{-2}+1)TK(322+1) 的结果也是一个复数:6 + 6 ⋅ 2 5 / 6 i 6 + 6 \cdot 2^{5/6}i6+625/6i
目录
相关文章
|
25天前
|
大数据
stata具有异方差误差的区间回归
stata具有异方差误差的区间回归
|
10月前
|
Python
【能量算子】评估 EEG 中的瞬时能量:非负、频率加权能量算子(Python&Matlab代码实现)
【能量算子】评估 EEG 中的瞬时能量:非负、频率加权能量算子(Python&Matlab代码实现)
101 0
|
12月前
|
机器学习/深度学习 算法 数据挖掘
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-1
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-1
|
12月前
|
算法 数据建模 Serverless
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-2
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-2
|
机器学习/深度学习 Serverless PyTorch
torch 神经网络,每次迭代时如何计算mse损失?
在 PyTorch 中,可以使用 torch.nn.MSELoss() 函数计算均方误差 (Mean Squared Error, MSE) 损失。在每次迭代中,首先将模型的输出和目标值传递给该函数,它将返回一个张量表示损失值。然后,在优化器的帮助下,根据损失值更新神经网络参数以使其更好地拟合数据。具体代码示例如下:
423 0
|
机器学习/深度学习 资源调度 算法
基于WOA优化的svm最优参数计算仿真
基于WOA优化的svm最优参数计算仿真
164 0
基于WOA优化的svm最优参数计算仿真
均值回归中的半衰期计算方式
均值回归中的半衰期计算方式
166 0
|
机器学习/深度学习 传感器 算法
基于最小均值 (LMF) 和最小均方 (LMS) 算法进行系统识别附matlab代码
基于最小均值 (LMF) 和最小均方 (LMS) 算法进行系统识别附matlab代码
|
机器学习/深度学习 传感器 算法
可变步长最小均方 (VSS-LMS) 算法附matlab代码
可变步长最小均方 (VSS-LMS) 算法附matlab代码
|
算法
ACM算法训练【数的三次方根】
ACM算法训练【数的三次方根】
41 0
ACM算法训练【数的三次方根】