Bourbaki

Google 翻译生成的粗略草稿,质量较低。术语依照术语表,但句子可能有误;之后会由仔细的译文取代。

§ 8。 范数和痕迹

在本段中,K 表示域。

1. 记起

令 A 为 K 上的有限次数 nn 的代数。对于每个 x∈Ax \in A,我们用 A 的 LxL_x 线性映射 a↦xaa \mapsto xa 表示其自身。我们回想一下(III,p. 543),LxL_x的迹称为x相对于A的迹,记为TrA/K(x)\mathrm{Tr}_{A/K}(x);同样,LxL_x的行列式称为x相对于A的范数,并用NA/K(x)N_{A/K}(x)表示。 A 的 n 元素的序列 (x1,...,xn)(x_1, ..., x_n) 的判别式是由定义矩阵 (TrA/K(xixj))1≤i,j≤n(\mathrm{Tr}_{A/K}(x_i x_j))_{1 \leq i,j \leq n} 的行列式DA/K(x1,...,xn)D_{A/K}(x_1, ..., x_n) (III,p. 549)。

令 K' 为 K 的扩张,并令 A′=A(K′)A' = A_{(K')} 为通过标量的扩张从 A 导出的 K' 代数。我们有公式

(1)

TrA′/K′(1⊗x)=TrA/K(x).1,NA′/K′(1⊗x)=NA/K(x).1 \mathrm{Tr}_{A'/K'}(1 \otimes x) = \mathrm{Tr}_{A/K}(x) . 1 , \quad N_{A'/K'}(1 \otimes x) = N_{A/K}(x) . 1
对于所有x∈Ax \in A(III,p. 544)。对于 A 的每个序列 (x1,...,xn)(x_1, ..., x_n) 元素我们有

(2)

DA′/K′(1⊗x1,...,1⊗xn)=DA/K(x1,...,xn).1, D_{A'/K'}(1 \otimes x_1, ..., 1 \otimes x_n) = D_{A/K}(x_1, ..., x_n) . 1 ,
从第一个公式(1)开始如下。

2. 范数和 etale 代数中的痕迹

设 A 是 K 上(有限)次数 nn 的 etale 代数。到定义时,存在 K 的扩张 L 以及 A 的不同同态 u1,...,unu_1, ..., u_n 到 L 中,具有以下属性。

a) AA到LL的每个同态等于uiu_i之一(V,p. 29,Cor.); b) 存在 LL-代数同构 u:A(L)→Lnu : A_{(L)} \to L^n 使得

u(1⊗x)=(u1(x),…,un(x))for all x∈A. u(1 \otimes x) = (u_1(x), \ldots, u_n(x)) \quad \text{for all } x \in A .

此外,KK的每个代数闭扩张LL都具有上述性质(V,p. 30,命题2)。

我们在下面修复L,u1,…,unL, u_1, \ldots, u_n。设 x∈Ax \in A;我们将证明公式

TrA/K(x)⋅1=∑i=1nui(x),NA/K(x)⋅1=∏i=1nui(x). \text{Tr}_{A/K}(x) \cdot 1 = \sum_{i=1}^n u_i(x) , \quad \text{N}_{A/K}(x) \cdot 1 = \prod_{i=1}^n u_i(x) .

Let vv be multiplication by l⊗xl \otimes x in A(L)A_{(L)}; with respect to the basis of A(L)A_{(L)} which is the image under u−1u^{-1} of the canonical basis of LnL^n, the matrix of the linear mapping vv is diagonal, with diagonal elements u1(x),…,un(x)u_1(x), \ldots, u_n(x). 我们结论那个

TrA(L)/L(1∘x)⋅1=∑r=1nui(x),whenceTrA/K(x)⋅1=∑i=1nui(x) by (1); Tr_{A_{(L)}/L}(1 \circ x) \cdot 1 = \sum_{r=1}^n u_i(x) , \quad \text{whence} \quad \text{Tr}_{A/K}(x) \cdot 1 = \sum_{i=1}^n u_i(x) \text{ by (1)} ;

范数的情况也类似处理。

进一步令(x1,…,xn)(x_1, \ldots, x_n)为AA元素序列,令U为矩阵

(ui(xj))1≤i,j≤n (u_i(x_j))_{1 \leq i,j \leq n}

令(tij)=′U.U(t_{ij}) = 'U . U。通过第一个公式 (3) 我们有

TrA/K(xixj)⋅1=∑k=1nuk(xixj)=∑k=1nuk(xi)uk(xj)=tij; \text{Tr}_{A/K}(x_i x_j) \cdot 1 = \sum_{k=1}^n u_k(x_i x_j) = \sum_{k=1}^n u_k(x_i) u_k(x_j) = t_{ij} ;

经过到行列式,我们得到

DA/K(x1,…,xr)⋅1=[det⁡ui(xj)]2. D_{A/K}(x_1, \ldots, x_r) \cdot 1 = [\det u_i(x_j)]^2 .

命题 1 06L9

— 令 AA 为有限次数中的交换代数除以 KK。那么下面的条件是等价的: a) 代数 AA 是 etale。 b) AA存在判别式非零的基。 c) 对于AA中的每个x≠0x \neq 0,AA中都存在yy,使得TrA/K(xy)≠0\text{Tr}_{A/K}(xy) \neq 0。 *此外,当满足这些条件时,AA的任何基的判别式都是非零的。

引用了 1 · 被以下引用 2

引用了 定理 1, V § 6

被以下引用 注 (1), AC V § 2, 推论

我们将证明当AA假设为etale时,AA相对于AA的任何基(x1,…,xn)(x_1, \ldots, x_n)在KK上的判别式不为零;这将特别建立蕴涵a)⇒b)a) \Rightarrow b)。由(4)式,结合上述记号,足以证明矩阵 U是可逆的,或者等价地,线性方程组的系统

∑i=1nλiui(xj)=0(for 1≤j≤n) \sum_{i=1}^n \lambda_i u_i(x_j) = 0 \quad (\text{for } 1 \leq j \leq n)

L 中只有解 λ1=⋯=A,=0\lambda_1 = \cdots = A, = 0。现在,关系 (5) 意味着∑i=1nλiui(x)=0\sum_{i=1}^n \lambda_i u_i(x) = 0对于所有x∈Ax \in A,从而λi=0\lambda_i = 0对于1≤i≤n1 \leq i \leq n,通过定理关于同态(V,p. 27,Th.1)的线性独立性。

b)和c)的等价是以下一般引理的推论:

引理 1 06LA

令 V 为 K 和 B 上有限维的向量空间,在 * V x V 上为双线性 形式。设(v1,…,vn)(v_1, \ldots, v_n)是*V*的基*超过*K*和*Δ=det⁡B(vi,vj)\Delta = \det B(v_i, v_j)。那么A≠0A \neq 0当且仅*如果*,对于V中的每个x≠0x \neq 0,V中存在y使得B(x,y)≠0B(x, y) \neq 0。

被以下引用 1

被以下引用 命题 3, VIII § 19

我们有 A≠0A \neq 0 当且仅当系统线性方程

∑i=1nλiB(vi,vj)=0(1≤j≤n) \sum_{i=1}^n \lambda_i B(v_i, v_j) = 0 \quad (1 \leq j \leq n)

K 中只有解 A,=⋯=A,=0A, = \cdots = A, = 0。如果我们放入 x=∑i=1nλivix = \sum_{i=1}^n \lambda_i v_i,则上面的系统等价于 1≤j≤n1 \leq j \leq n 的 B(x,vj)=0B(x, v_j) = 0,或者,由于 (v1,…,vn)(v_1, \ldots, v_n) 是 V 的基在 K 上,对于所有的B(x,y)=0B(x, y) = 0 y∈Vy \in V、从而引理。

让我们证明条件 c) 意味着 A 被约简。设 x 为 A 的幂零元 :对于任何 y∈Ay \in A 元素 xy 都是幂零的,因此向量空间 A 的自同态 LxyL_{xy} 也是幂零的。现在下面的引理意味着Tr(xy)=0\mathrm{Tr}(xy) = 0对于所有y∈Ay \in A,从而x=0x = 0在假设c)下。

引理 2 06LB

令V为K上有限维的向量空间和V的uu幂零自同态,则为Tr(u)=0\mathrm{Tr}(u) = 0。

引用了 1

引用了 定理 4, V § 6

对于每个整数 n≥0n \geq 0,令 VnV_n 为 unu^n 的像。由于uu是幂零的,因此存在整数r≥0r \geq 0使得V0=V,Vr=0V_0 = V, V_r = 0和Vi≠Vi+1V_i \neq V_{i+1}对于0≤i<r−10 \leq i < r - 1。令 did_i 为 Vi−1V_{i-1} 的维数(对于 1≤i≤r1 \leq i \leq r)。存在V的基(x1,…,xd)(x_1, \ldots, x_d)使得向量xjx_j与d−di<j≤dd - d_i < j \leq d形式基Vi−1V_{i-1}(对于1≤i≤r1 \leq i \leq r)。我们有u(Vi−1)⊂Viu(V_{i-1}) \subset V_i,因此基(x1,…,xd)(x_1, \ldots, x_d)的矩阵和uu的对角线元素是零。因此我们有 Tr(u)=0\mathrm{Tr}(u) = 0 和引理。

最后让我们证明 b) 蕴涵 a)。令(x1,…,xn)(x_1, \ldots, x_n)为A除以K的基,使得DA/K(x1,…,xn)≠0D_{A/K}(x_1, \ldots, x_n) \neq 0。令 K' 为 K 的扩张,A' 为由 A 的标量扩张和 1≤i≤n1 \leq i \leq n 的 xi′=1⊗xix'_i = 1 \otimes x_i 导出的 K' 代数。到公式 (2) (V, p. 47) 我们有DA′/K′(x1′,…,xn′)≠0D_{A'/K'}(x'_1, \ldots, x'_n) \neq 0。 应用 A' 的前面结果我们看到 A' 被约简,因此代数 A 是 etale (V, p. 34, Th. 4)。

推论 06LC

— 令 E 为 K 的扩张 有限 次数。为了使 E 可分离,E 中存在 a 使得 TrE/K(a)≠0\mathrm{Tr}_{E/K}(a) \neq 0 是必要且充分的。

引用了 1 · 被以下引用 2

引用了 命题 1

被以下引用 习题 9, § 11, 命题 5, VIII § 20

根据命题1,条件是必要的。相反,假设存在a∈Ea \in E使得TrE/K(a)≠0\mathrm{Tr}_{E/K}(a) \neq 0。给定E中的x≠0x \neq 0,如果我们放入y=ax′y = a x',则TrE/K(xy)≠0\mathrm{Tr}_{E/K}(xy) \neq 0。现在,命题 1 表明 E 是 K 上的 etale 代数,因此是 K 的可分扩张。

3. 范数以及有限次数扩张的痕迹

代数(III,p. 548)中的传递性公式在扩张或有限次数的情况下意味着以下命题。

命题 2 06LD

— 令 F 为 K 的有限次数的扩张,E 为 F 的子扩展。那么对于每个 x∈Fx \in F,我们有

TrF/K(x)=TrE/K(TrF/E(x))NF/K(x)=NE/K(NF/E(x)). \text{Tr}_{F/K}(x) = \text{Tr}_{E/K}(\text{Tr}_{F/E}(x)) \\ \text{N}_{F/K}(x) = \text{N}_{E/K}(\text{N}_{F/E}(x)) .

推论 06LE

— 将m=[F:E]m = [F : E];那么对于每个 x∈Ex \in E 我们有

TrF/K(x)=m⋅TrE/K(x)NF/K(x)=NE/K(x)m. \text{Tr}_{F/K}(x) = m \cdot \text{Tr}_{E/K}(x) \\ \text{N}_{F/K}(x) = \text{N}_{E/K}(x)^m .

被以下引用 1

被以下引用 命题 3

命题 3 06LF

— 令 E 为 K 的有限次数 n 的扩张,以及 E 的 x 元素,K 上的次数 d。将 f(X)=Xd+∑i=1daiXd−if(X) = X^d + \sum_{i=1}^d a_i X^{d-i} 写为 K 上的 X 的最小多项式。然后我们有

TrE/K(x)=−nda1NE/K(x)=(((−1)dad)n/d=(−1)nadn/d. \text{Tr}_{E/K}(x) = - \frac{n}{d} a_1 \\ \text{N}_{E/K}(x) = (((-1)^d a_d)^{n/d} = (-1)^n a_d^{n/d} .

引用了 1 · 被以下引用 1

引用了 推论

被以下引用 引理 3

提案 3 直接源自 Cor。提案 2 和引理:

引理 3 06LG

令 R 为交换环、f(X)=Xd+∑i=1daiXd−if(X) = X^d + \sum_{i=1}^d a_i X^{d-i} R[X]\mathbf{R}[X]、A R-代数 R[X]/(f)\mathbf{R}[X]/(f) 和 A 中 X 的 x 剩余类类。然后是 TrA/R(x)=−a1\text{Tr}_{A/R}(x) = -a_1 和 NA/R(x)=(−1)dad\text{N}_{A/R}(x) = (-1)^d a_d。

引用了 1

引用了 命题 3

由科。 (IV, p. 11) 序列 (1,x,...,xd−1)(1, x, ..., x^{d-1}) 是 A 的基 ;进一步我们有

x⋅1=x,x⋅x=x2,…,x⋅xd−2=xd−1, x \cdot 1 = x , \quad x \cdot x = x^2 , \ldots , x \cdot x^{d-2} = x^{d-1} ,
x⋅xd−1=−ad⋅1−ad−1⋅x−…−a1⋅xd−1 x \cdot x^{d-1} = -a_d \cdot 1 - a_{d-1} \cdot x - \ldots - a_1 \cdot x^{d-1}

矩阵用x相对于AA的基(1,x,...,xd−1)(1, x, ..., x^{d-1})表达乘法,因此是以下形式(我们采用d=5d = 5来修正想法):

(0000−a1000−a0100−a30010−a20001−a1) \begin{pmatrix} 0 & 0 & 0 & 0 & -a \\ 1 & 0 & 0 & 0 & -a \\ 0 & 1 & 0 & 0 & -a_3 \\ 0 & 0 & 1 & 0 & -a_2 \\ 0 & 0 & 0 & 1 & -a_1 \end{pmatrix}

这个矩阵的痕迹明显是−a-a;行列式可以通过第一行展开来计算,然后我们发现

(−1)d−1(−ad)=(−1)dad. (-1)^{d-1} (-a_d) = (-1)^d a_d .

对于这个编号的其余部分,我们用 K 的有限次数的 E 扩张和 E 的 xx 元素表示。我们将指出在各种情况下如何计算范数和xx 的踪迹。

a) 可分扩张的情况:假设E在K上与次数nn可分,用K的Ω\Omega代数闭包和σ1,…,σn\sigma_1, \ldots, \sigma_n表示E与R的nn不同的KK同态。 公式 (3) (VV, p. 48) 我们在 R 中有

TrE/K(x)=∑i=1nσi(x),NE/K(x)=∏i=1nσi(x). \text{Tr}_{E/K}(x) = \sum_{i=1}^n \sigma_i(x) , \quad N_{E/K}(x) = \prod_{i=1}^n \sigma_i(x) .

b) p 根式扩展的情况:假设 K 具有特征 p>0p > 0 并且扩张 E 是 p 根式;存在整数e≥0e \geq 0使得[E:K]=pe[E:K] = p^e(VV,p. 26,命题4)。如果ff是xx在K上的高度,则xx在K上的最小多项式是Xpf−xpfX^{p^f} - x^{p^f}(VV,p. 24,命题1)。根据第 3 条命题,我们有 NE/K(x)=(xpf)pe/pfN_{E/K}(x) = (x^{p^f})^{p^e/p^f},从而

NE/K(x)=xpe=x[E:K] N_{E/K}(x) = x^{p^e} = x^{[E:K]}

对于迹,我们找到TrE/K(x)=−pe−fa\text{Tr}_{E/K}(x) = -p^{e-f} a,其中aa是多项式Xpf−xpfX^{p^f} - x^{p^f}中Xpf−1X^{p^f-1}的系数;在其他字中,我们有

TrE/K(x)=pe⋅x=[E:K]x={xif [E:K]=10if [E:K]>1. \text{Tr}_{E/K}(x) = p^e \cdot x = [E:K] x = \begin{cases} x & \text{if } [E:K] = 1 \\ 0 & \text{if } [E:K] > 1 . \end{cases}

c) 一般情况:我们可以总结范数的计算和跟踪如下命题:

命题 4 06LH

令 p 为 K 的有限次数的 K 和 E 扩张的特征指数。令 σ1,…,σn\sigma_1, \ldots, \sigma_n 为 E 与 K 的代数闭包 Ω\Omega 的不同 K 同态,并令 pe=[E:K]ip^e = [E:K]_i。对于每个 x∈Ex \in E,我们都有 Ω\Omega

被以下引用 1

被以下引用 命题 5, AC V § 2

TrE/K(x)=pe⋅∑i=1nσi(x),NE/K(x)=(∏i=1nσi(x))pe. \text{Tr}_{E/K}(x) = p^e \cdot \sum_{i=1}^n \sigma_i(x) , \quad N_{E/K}(x) = \left( \prod_{i=1}^n \sigma_i(x) \right)^{p^e} .

令E为E中K的相对可分闭包;则EsE_s是K的次数nn的可分扩张和E的σ1,…,σn\sigma_1, \ldots, \sigma_n诱导不同的K同态,转化为R;此外,E 是 E 的近似根式扩展,pe^e 度(VV、p. 44、第 13 条命题和p. 46)。因此,第 4 条命题由公式 (6)、(7)、(13)、(14) 和 (12) 得出。

习题

参见习题为 § 8。

Google 翻译生成的粗略草稿,质量较低。术语依照术语表,但句子可能有误;之后会由仔细的译文取代。