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。 HAUSDOFF 级数的收敛性(超度量情况)

在本段中,我们假设 K 是特征零* 的非离散*完整值域,具有*超度量*绝对值值。我们用pp表示K的剩余类域的特征(*交换代数*,章VI, § 3, no. 2)。 如果p≠0p \neq 0,我们写a=∣p∣a = |p|;我们知道(*交换代数*,章VI, § 6,第 2 和第 3 个)0<a<10 < a < 1,并且存在一个且只有一个对 K 的评估vv,其中值位于R\mathbf{R},其限制到Q\mathbf{Q}是pp-adic 估值vpv_p,对于所有x∈Kx \in K,∣x∣=av(x)|x| = a^{v(x)}。我们还写: (1) θ=1p−1.\theta = \frac{1}{p-1}.

如果p=0p = 0,我们用aa实数表示,使得0<a<10 < a < 1,并用vv表示对K\mathbf{K}的评估,其中值在R\mathbf{R}中,使得∣x∣=av(x)|x| = a^{v(x)}对于所有x∈Kx \in \mathbf{K}(*loc.cit.*)。然后v(x)=0v(x) = 0换x∈Q∗x \in \mathbf{Q}^*。我们还写:

θ=0. \theta = 0.

1. 级数 exp、log 和 H\mathbf{H} 的 pp-adic 上界

在此编号中。我们假设 p≠0p \neq 0.

引理 1 0A6Q

令nn为整数⩾0\geqslant 0,并令n=n0+n1p+⋯+nkpkn = n_0 + n_1 p + \cdots + n_k p^k与0⩽ni⩽p−10 \leqslant n_i \leqslant p - 1一起为nn的pp进数展开。让S(n)=n0+n1+⋯+nkS(n) = n_0 + n_1 + \cdots + n_k。然后*

vp(n!)=n−S(n)p−1. v_p(n!) = \frac{n - S(n)}{p - 1}.
整数 ii 的 vp(n!)=∑i=1nvp(i)v_p(n!) = \sum_{i=1}^n v_p(i) 和数在 1 和 nn 之间,其中 vp(i)⩾jv_p(i) \geqslant j 等于 n/pjn/p^j 的积分部分 [n/pj][n/p^j]。然后
vp(n!)=∑j⩾0j([n/pj]−[n/pj+1])=∑j⩾1[n/pj]. v_p(n!) = \sum_{j \geqslant 0} j ([n/p^j] - [n/p^{j+1}]) = \sum_{j \geqslant 1} [n/p^j].
随着[n/pj]=∑i⩾jnipi−j[n/p^j] = \sum_{i \geqslant j} n_i p^{i-j},引理紧随其后。

被以下引用 2

被以下引用 引理 2, 命题 14, III § 7

引理 2 0A6R

每整数 n⩾1n \geqslant 1 都有 v(n)⩽v(n!)⩽(n−1)θv(n) \leqslant v(n!) \leqslant (n - 1)\theta 和 v(n)⩽(log⁡n)/(log⁡p)v(n) \leqslant (\log n)/(\log p)。 v(n!)=vp(n!)=(n−S(n))θ⩽(n−1)θv(n!) = v_p(n!) = (n - S(n))\theta \leqslant (n - 1)\theta 引理 1。 另一方面,n⩾pv(n)n \geqslant p^{v(n)},从而v(n)⩽(log⁡n)/(log⁡p)v(n) \leqslant (\log n)/(\log p)。 令I={U,V}I = \{ U, V \}为两个元素中的集合,并令

H=∑r,s⩾0Hr,s(U,V)∈L^Q(I) \mathbf{H} = \sum_{r,s \geqslant 0} H_{r,s}(U, V) \in \hat{\mathbf{L}}_{\mathbf{Q}}(I)
是 Hausdorff 级数 (§ 6, no. 4, 定义 1)。令Z(p)\mathbf{Z}_{(p)}相对于素理想(p)(p)而言为Z\mathbf{Z}的局部环,并且相对于Z\mathbf{Z}而言LZ(p)(I)\mathbf{L}_{\mathbf{Z}_{(p)}}(I)的(eb)b∈B(e_b)_{b \in B}基(§ 2, no. 11,定理1)。也是LQ(I)\mathbf{L}_{\mathbf{Q}}(I)超过Q\mathbf{Q}的基。

引用了 3 · 被以下引用 3

引用了 引理 1, 定理 1, II § 2, 定义 1, II § 6

被以下引用 § 8. 。 HAUSDOFF 级数的收敛性(超度量情况), 习题 1, § 8, 命题 1

命题 1 0A6S

令rr和ss为两个整数⩾0\geqslant 0。如果 Hr,s=∑b∈BλbebH_{r,s} = \sum_{b \in B} \lambda_b e_b(其中 λb∈Q\lambda_b \in \mathbf{Q})相对于基 (eb)b∈B(e_b)_{b \in B} 是 H\mathbf{H} 的分解,则*

vp(λb)⩾−(r+s−1)θfor all b∈B. v_p(\lambda_b) \geqslant -(r + s - 1)\theta \quad \text{for all } b \in B.
环AZ(p)(I)\mathbf{A}_{\mathbf{Z}_{(p)}}(I)与字w∈Mo(I)w \in \mathrm{Mo}(I)生成的AQ(I)\mathbf{A}_{\mathbf{Q}}(I)的子Z(p)\mathbf{Z}_{(p)}模块进行标识。由于LZ(p)(I)\mathbf{L}_{\mathbf{Z}_{(p)}}(I)是AZ(p)(I)\mathbf{A}_{\mathbf{Z}_{(p)}}(I)中的直因子,
LZ(p)(I)=AZ(p)(I)∩LQ(I). \mathbf{L}_{\mathbf{Z}_{(p)}}(I) = \mathbf{A}_{\mathbf{Z}_{(p)}}(I) \cap \mathbf{L}_{\mathbf{Q}}(I).

引用了 2 · 被以下引用 3

引用了 II § 6. 。豪斯多夫级数, 引理 2

被以下引用 习题 1, § 8, 习题 2, § 8, 引理 3

令ff为整数,使得f≤(r+s−1)θ<f+1f \leq (r + s - 1)\theta < f + 1。对于所有 b∈Bb \in B,关系 (4) 相当于 vp(λb)≥−fv_p(\lambda_b) \geq -f,即 Hr,s∈p−fLZ(p)H_{r,s} \in p^{-f}L_{\mathbf{Z}(p)}。但这也等价于 (5) 到 Hr,s∈p−fAZ(p)(I)H_{r,s} \in p^{-f}A_{\mathbf{Z}(p)}(I)。

通过§ 6, no. 4的公式(11),足以证明,对于每个整数m≥1m \geq 1和所有整数r1,…,rm,s1,…,smr_1, \ldots, r_m, s_1, \ldots, s_m,使得

r1+⋯+rm=r,s1+⋯+sm=s, r_1 + \cdots + r_m = r, \quad s_1 + \cdots + s_m = s,
ri+si≥1for 1≤i≤m, r_i + s_i \geq 1 \quad \text{for } 1 \leq i \leq m,
我们有
vp(m!r!…rm!s1!…sm!)≤f. v_p(m!r!\ldots r_m!s_1!\ldots s_m!) \leq f.
但是引理2、vp(ri!si!)≤(ri+si−1)θv_p(r_i!s_i!) \leq (r_i + s_i - 1)\theta和vp(m!)≤vp(m!)≤(m−1)θv_p(m!) \leq v_p(m!) \leq (m - 1)\theta;因此,(7) 的左侧的边界为
θ(m−1+∑i=1m(ri+si−1))=θ(r+s−1); \theta(m - 1 + \sum_{i=1}^m (r_i + s_i - 1)) = \theta(r + s - 1);
因为它是整数,所以它是≤f\leq f,从而完成了证明。

2. 规范李代数

定义 1 0A6T

K* 上的李代数范数为李代数和范数使得

∥x+y∥≤sup⁡(∥x∥,∥y∥) \|x + y\| \leq \sup(\|x\|, \|y\|)
∥[x,y]∥≤∥x∥⋅∥y∥ \|[x, y]\| \leq \|x\| \cdot \|y\|
对于gg中的所有x,yx, y。

在本段的其余部分中,g 表示完整的标准化李代数。

引用了 2

引用了 II § 2. 。免费李代数, II § 7. 。 HAUSDOFF 的收敛性级数(真实或复杂的情况)

对于每个有限的集合I,我们定义就像§ 7, no. 1一样,将L^(I)\hat{L}(I)的连续李代数同态u↦u~u \mapsto \tilde{u}变成P^(gI;g)\hat{P}(g^I; g)。我们在§ 7中看到,如果u=∑vuvu = \sum_v u_v,其中uv∈Lv(I)u_v \in L^v(I)代表v∈NIv \in \mathbf{N}^I,则u~=∑vu~v\tilde{u} = \sum_v \tilde{u}_v,其中u~v\tilde{u}_v是§ 2, no. 4中定义的多项式映射(ti)i∈I↦uv((ti))(t_i)_{i \in I} \mapsto u_v((t_i))。 合成公式 (2) of § 7, no. 1,仍然有效。

3. 群由完整规范定义李代数

令 H=∑r,s≥0Hr,s∈L^({U,V})H = \sum_{r, s \geq 0} H_{r,s} \in \hat{L}(\{U, V\}) 为 Hausdorff 级数 (§ 6, no. 4, 定义 1)。我们将证明相应的形式幂级数具有连续成分

H~=∑r,s≥0H~r,s∈P^(g×g,g) \tilde{H} = \sum_{r, s \geq 0} \tilde{H}_{r,s} \in \hat{P}(g \times g, g)
是收敛的(*可微且解析流形*,R,4.1.1)。

令 r≥0,s≥0r \geq 0, s \geq 0 满足 r+s≠0r + s \neq 0,并令 ∥H~r,s∥\| \tilde{H}_{r,s} \| 为连续多项式 H~r,s\tilde{H}_{r,s} 的范数(可微且解析流形、R、附录、no. 2)。

引理 3 0A6U

∥H~r,s∥≤a−(r+s−1)θ. \| \tilde{H}_{r,s} \| \leq a^{-(r+s-1)\theta}.
引用了 2 · 被以下引用 2

引用了 命题 1, II § 2. 。免费李代数

被以下引用 命题 2, 命题 5

令B为相对于I的大厅集合,并令Hr,s=∑b∈BλbebH_{r,s} = \sum_{b \in B} \lambda_b e_b为Hr,sH_{r,s}的分解相对于相应的基的L({U,V})L(\{U, V\})。然后

∣λb∣≤a−(r+s−1)θ. |\lambda_b| \leq a^{-(r+s-1)\theta}.
这对于p=0p = 0、对于λb∈Q\lambda_b \in \mathbf{Q}来说是微不足道的;它是从命题 1 of no. 1 得出p≠0p \neq 0。

而且,

∥e~b∥≤1for b∈B. \| \tilde{e}_b \| \leq 1 \quad \text{for } b \in B.
我们通过nn上的归纳更一般地表明,对于两个不定U和V(§ 2, no. 6)中次数nn的每个交替bb,∥b~∥≤1\| \tilde{b} \| \leq 1。如果n=1n = 1,b~\tilde{b}是g×gg \times g到gg的投影之一,因此是范数≤1\leq 1;如果n>1n > 1,则存在次数<n< n的两个替代b1b_1和b2b_2,使得b=[b1,b2]b = [b_1, b_2]。由于g×gg \times g到gg的映射γ:(x,y)↦[x,y]\gamma : (x, y) \mapsto [x, y]是范数≤1\leq 1的双线性,我们有(可微分和解析流形,R,附录,no. 4)
∥b~∥=∥γ∘(b~1,b~2)∥≤∥b~1∥⋅∥b~2∥≤1. \| \tilde{b} \| = \| \gamma \circ (\tilde{b}_1, \tilde{b}_2) \| \leq \| \tilde{b}_1 \| \cdot \| \tilde{b}_2 \| \leq 1.
关系 (11) 和 (12) 意味着引理。

命题 2 0A6V

形式幂级数 H~\tilde{H} 是收敛的级数(可微分和解析流形,R,4.1.1)。如果 G 是球 {x∈g∣∥x∥<aθ}\{ x \in g \mid \| x \| < a^\theta \},则H~\tilde{H} 的绝对收敛域(可微分和解析流形,R,4.1.3)包含 G×GG \times G。

引用了 1 · 被以下引用 3

引用了 引理 3

被以下引用 命题 4, 命题 5, 命题 14, III § 7

如果uu和vv是两个实数>0> 0使得u<aθu < a^\theta和v<aθv < a^\theta,那么(引理3)

∥H~r,s∥urvs≤aθ(ua−θ)r(va−θ)s \| \tilde{H}_{r,s} \| u^r v^s \leq a^\theta (u a^{-\theta})^r (v a^{-\theta})^s
当r+sr + s趋于无穷大时,∥Hr,s∥urvs\| H_{r,s} \| u^r v^s趋于0。

我们用h:G×G→gh : G \times G \to g表示由H~\tilde{H}定义的解析函数(可微分和解析流形,R,4.2.4),即公式

h(x,y)=∑r,s≥0H~r,s(x,y)=∑r,s≥0Hr,s(x,y)for (x,y)∈G×G. h(x, y) = \sum_{r, s \geq 0} \tilde{H}_{r,s}(x, y) = \sum_{r, s \geq 0} H_{r,s}(x, y) \quad \text{for } (x, y) \in G \times G.
这个函数称为gg的Hausdorff函数。

让(x,y)∈G×G(x, y) \in G \times G。然后

∥H~r,s(x,y)∥≤sup⁡(∥x∥,∥y∥)∥h(x,y)∥≤sup⁡(∥x∥,∥y∥). \| \tilde{H}_{r,s}(x, y) \| \leq \sup(\| x \|, \| y \|) \\ \| h(x, y) \| \leq \sup(\| x \|, \| y \|).

(17) 紧随 (16) 而来,并且 (16) 对于 r=s=0r = s = 0 来说是微不足道的;如果r≥1r \geq 1,那么

∥H~r,s(x,y)∥≤∥H~r,s∥∥x∥r∥y∥s \| \tilde{H}_{r,s}(x, y) \| \leq \| \tilde{H}_{r,s} \| \| x \|^{r} \| y \|^{s}
≤∥x∥(∥x∥aθ)r−1(∥y∥aθ)s \leq \| x \| \left( \frac{\| x \|}{a^{\theta}} \right)^{r-1} \left( \frac{\| y \|}{a^{\theta}} \right)^{s}
≤∥x∥; \leq \| x \|;
如果s≥1s \geq 1,我们也有类似的争论。

特别是,∥h(x,y)∥<aθ\| h(x, y) \| < a^{\theta}对应(x,y)∈G×G(x, y) \in G \times G。

命题 3 0A6W

设GG为球{x∈g∣∥x∥<aθ}\{ x \in g | \| x \| < a^{\theta} \}。解析映射*

h:G×G→G h : G \times G \to G
将GG变成群,其中00是单位元素,−x-x是所有x∈Gx \in G的xx的逆。此外,如果RR是实数使得0<R<aθ0 < R < a^{\theta},球
{x∈g∣∥x∥<R} \{ x \in g | \| x \| < R \}
(分别为 {x∈g∣∥x∥≤R}\{ x \in g | \| x \| \leq R \})是 GG 的开放子群。

作为H(U,−U)=0H(U, -U) = 0和H(0,U)=H(U,0)=UH(0, U) = H(U, 0) = U,h(x,−x)=0h(x, -x) = 0和

h(0,x)=h(x,0)=x h(0, x) = h(x, 0) = x
对于所有x∈Gx \in G。因此还有待证明结合性公式
h(h(x,y),z)=h(x,h(y,z))for x,y,z in G. h(h(x, y), z) = h(x, h(y, z)) \quad \text{for } x, y, z \text{ in } G.
作为
H(H(U,V),W)=H(U,H(V,W)) H(H(U, V), W) = H(U, H(V, W))
在 L^({U,V,W})\hat{L}(\{ U, V, W \}) (§ 6, no. 5, 命题 4) 中,我们有
H~∘(H~×Idg)=H~∘(Idg×H~) \tilde{H} \circ (\tilde{H} \times \mathrm{Id}_g) = \tilde{H} \circ (\mathrm{Id}_g \times \tilde{H})
在 P^(g×g×g;g)\hat{P}(g \times g \times g; g) (no. 2) 和 (19) 中隐含 (18) by (16) 和 可微分和解析流形, R, 4.1.5。

在其他字(章III, § 1)中,GG与豪斯多夫函数是李群。

引用了 2 · 被以下引用 1

引用了 命题 4, II § 6, III § 1. 。 李群

被以下引用 引理 3, III § 4

4. 完全范数结合指数代数

在这个没有。 A 将表示单位结合词代数与范数 x↦∥x∥x \mapsto \| x \| 满足条件:

∥x+y∥≤sup⁡(∥x∥,∥y∥)∥xy∥≤∥x∥⋅∥y∥∥1∥=1 \| x + y \| \leq \sup(\| x \|, \| y \|) \\ \| xy \| \leq \| x \| \cdot \| y \| \\ \| 1 \| = 1

对于AA中的x,yx, y,并用这个范数*完备的*。 § 7, no. 3第二段和第三段的结果仍然有效。

我们取I={U}I = \{ U \},并在P^(A;A)\hat{P}(A; A)中考虑级数、e(U)=∑n≥1Unn!e(U) = \sum_{n \geq 1} \frac{U^n}{n!}和l(U)=∑n≥1(−1)n−1Unnl(U) = \sum_{n \geq 1} (-1)^{n-1} \frac{U^n}{n}的像、e~\tilde{e}和l~\tilde{l}。然后:

∥(Unn!)∼∥≤a−(n−1)θ \left\| \left( \frac{U^n}{n!} \right)^{\sim} \right\| \leq a^{-(n-1)\theta}
∥(Unn)∼∥≤a−log⁡nlog⁡p \left\| \left( \frac{U^n}{n} \right)^{\sim} \right\| \leq a^{-\frac{\log n}{\log p}}

引理 2 / no. 1。因此,级数e~\tilde{e}(分别l~\tilde{l})的*绝对收敛半径*是≥aθ\geq a^\theta(分别≥1\geq 1)(*可微分和解析流形*,R,4.1.3)。对于R>0R > 0,设GR={x∈A∣∥x∥<R}G_R = \{ x \in A \mid \|x\| < R \};我们写G=G0G = G_0。 级数e~\tilde{e}(分别l~\tilde{l})定义将GG(分别G1G_1)解析为AA的映射eAe_A(分别lAl_A)。我们写:

exp⁡A(x)=1+eA(x)=∑n≥0xnn!for x∈G \exp_A(x) = 1 + e_A(x) = \sum_{n \geq 0} \frac{x^n}{n!} \quad \text{for } x \in G
log⁡A(x)=lA(x−1)=∑n≥1(−1)n−1(x−1)nnfor x−1∈G1′ \log_A(x) = l_A(x-1) = \sum_{n \geq 1} (-1)^{n-1} \frac{(x-1)^n}{n} \quad \text{for } x-1 \in G_1'
(当不会引起混淆时,我们省略指标 AA)。对于 x∈GRx \in G_R 和 n≥1n \geq 1,
∥xnn∥≤∥xnn!∥<Rna−(n−1)θ=R(Raθ)n−1 \left\| \frac{x^n}{n} \right\| \leq \left\| \frac{x^n}{n!} \right\| < R^n a^{-(n-1)\theta} = R \left( \frac{R}{a^\theta} \right)^{n-1}
因此eA(GR)⊂GRe_A(G_R) \subset G_R,lA(GR)⊂GRl_A(G_R) \subset G_R代表R≤aθR \leq a^\theta。

命题 4 0A6X

令RR为实数,使得0<R≤aθ0 < R \leq a^\theta。 映射 exp⁡A\exp_A 定义 GRG_R 到 1+GR1 + G_R 的解析同构,逆同构是 log⁡A\log_A 到 1+GR1 + G_R 的限制。

引用了 1

引用了 命题 2

e(l(X))=l(e(X))=Xe(l(X)) = l(e(X)) = X。通过 (20), (21) 和 可微分和解析流形, R, 4.1.5,我们推导出 eA(lA(x))=lA(eA(x))e_A(l_A(x)) = l_A(e_A(x)) 对于 x∈GRx \in G_R。然后

exp⁡A(log⁡Ax)=xfor x∈1+GRlog⁡A(exp⁡Ax)=xfor x∈GR \exp_A(\log_A x) = x \quad \text{for } x \in 1 + G_R \\ \log_A(\exp_A x) = x \quad \text{for } x \in G_R
完成证明。

如果给AA加上括号[x,y]=xy−yx[x, y] = xy - yx,对于∥xy−yx∥≤sup⁡(∥xy∥,∥yx∥)≤∥x∥⋅∥y∥\|xy - yx\| \leq \sup(\|xy\|, \|yx\|) \leq \|x\| \cdot \|y\|,AA将成为完整的规范李代数。 no. 3的命题2意味着H~\tilde{H}包含G×GG \times G和H~\tilde{H}的绝对收敛域,因此定义是解析函数h:G×G→Ah : G \times G \to A;那么

h(x,y)=∑r,s≥0Hr,s(x,y). h(x, y) = \sum_{r, s \geq 0} H_{r,s}(x, y).

命题 5 0A6Y

对于 G 中的 x、y,

exp⁡A⋅exp⁡Ay=exp⁡Ah(x,y). \exp_A \cdot \exp_A y = \exp_A h(x, y).
eUeV=eH(U,V)e^{U e^V} = e^{H(U, V)} 因此
m∘(1+ϵ~,1+ϵ~)=(1+ϵ~)∘H~ m \circ (1 + \tilde{\epsilon}, 1 + \tilde{\epsilon}) = (1 + \tilde{\epsilon}) \circ \tilde{H}
H~(A×A;A)\tilde{H}(A \times A; A)(其中 m 表示 A 上的乘法)。然后从命题 2、引理 3 以及可微分和解析流形,R,4.1.5 得出命题。

引用了 2

引用了 引理 3, 命题 2

习题

我们假设域KK的残差特征pp>0。我们用oK\mathfrak{o}_K环表示KK的估值vv。

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。