代数几何导引（德文版）【瑞士马库斯·布罗德曼（Markus Brodmann）】的读书笔记，翻译和感想（2）

nimo毛毛

已于 2023-09-01 15:39:55 修改

阅读量253

点赞数 3

分类专栏：代数几何导引（德文版）【瑞士马库斯·布罗德曼】文章标签：笔记论文阅读线性代数学习百度经验分享

于 2023-08-07 17:16:07 首次发布

本文链接：https://blog.csdn.net/nimomath666/article/details/132140275

版权

代数几何导引（德文版）【瑞士马库斯·布罗德曼】专栏收录该内容

4 篇文章 1 订阅

订阅专栏

我是一个高中生，今年即将去德国留学，出于德语学习和对于数学兴趣使然的原因之下，接触到了这本“起点较高的专著”（中文介绍的原文），博主自己还没有读完这本书并且德语水平不足，只是有边读边有所做笔记，自然错误也多，请各位专业科研人员以及大佬多多指教，必将修改，也非常欢迎大家来一起讨论书中的内容，很多博主自己的笔记也是来自于百度，谷歌等搜索引擎以及数学老师赠与的数学资料

上一篇的原文链接：代数几何导引（德文版）【瑞士马库斯·布罗德曼（Markus Brodmann）】的读书笔记，翻译和感想（1）_nimomath666的博客-CSDN博客这是我的第一篇博客，写这篇博客的时候已经是2023年8月5日1点33分了，自然，短是毛病，让各位读者没有读尽兴，应当改正，希望我后面的博客越写越好，做到长短适中，实话讲，作为一个数学兴趣爱好者，并且处于高中阶段，看这本书确实起点过高了，所以也会去做一些低于这本书起点的笔记，如“同胚”这个概念，甚至是一些符号，也是做了相关的笔记，所以可能专业人士和科研人员看起来我的文章过于的细致（甚至可以说是杂碎），过于复杂和细节，愿各位谅解。https://blog.csdn.net/nimomath666/article/details/132114451?spm=1001.2014.3001.5501

德语原文：

代数几何导引（德文版）【瑞士马库斯·布罗德曼（Markus Brodmann）】p2

代数几何导引（德文版）【瑞士马库斯·布罗德曼（Markus Brodmann）】p3

Nullstellengebilde von Polynomen的剩余部分

中文翻译：

1.代数的集合

多项式的根/解。代数几何的起始点是对于代数集合的研究，这指的是代数方程式系统的解（der Lösungsgebilde von algebraischen Gleichungssystemen，个人认为翻译成为方程亦可）。更加准确的阐述如下：我们观察一个多项式 $f(z_{1},...,z_{n})$ 在n个变量（Variablen）之中 $z_{1},...,z_{n}$ 。我们称呼一个形为 $f(z_{1},...,z_{n})=0$ 这样的为一个代数方程。一个系统这样的方程，譬如

$(1.1)$ $f_{i}(z_{1},...z_{n})=0(i\in A)$

（A表示的是一个任何的指标集/索引集[eine beliebige Indexmenge], $f_{i}$ 总是一个多项式）人们称呼这个为一个代数方程系统（algebraisches Gleichungsystem）。我们把系统(1.1)的解集（Lösungsmenge）或者解（Lösungsgebilde）写作 $V(\left \{ f_{i}|i \in A \right \})$ ,同样记做

$(1.2)$ $V(\left \{ f_{i}|i \in A \right \}) = \left \{ (c_{1},...,c_{n})|f_{i}(c_{1},...,c_{n})=0,\forall i \in A \right \}$

$V(\left \{ f_{i}|i \in A \right \})$ 被称为 $\left \{ f_{i}|i \in A \right \}$ 零点解/根集或者零点解/根。最后出现的很多多项式，我们标记为

$(1.2)'$ $V(f_{1},...,f_{n}):=V(\left \{ f_{i}|i=1,...,n \right \})$

$(1.3)$ 意见/评论：

A):众所周知线性代数的起点是线性方程系统的解的研究。正是一个如同（1.1）这样的系统，其中所有的多项式 $f_{i}$ 来自次数为1（这边翻译存疑，原文如下, Es handet sich dabei genau um solche System(1.1),bei denen alle Polynome $f_{i}$ vom Grad 1 sind.）这些系统的解释仿射空间（affine Räume）并且将会可以被用来帮助描绘完整/完备的线性代数。

对于所有在代数中的等式系统的关系会在本质上变得更加复杂。特别是有其他的线性情况——没有方法能够明确的去确定方程的解。这种情况下，定量的方法（或者是解的算法）涉及到了非线性的情况的解的定量研究，这种情况导致了不同的分类。

B）代数的一个非常重要的目标就是去研究代数等式/方程组 $f(z)=0$ ，在有唯一变量z的情况下。代数有（还是有可能性的，也就是 $f$ 的次数是 $\leqslant 4$ 的）确切的得到解/根的方法。数值计算（die Numerik）算是一种方法，来得到我们提前预设决定好精确度的代数方程式的解。这两点在代数几何中都不是很重要，因为它只对整个解的有限集合的陈述感兴趣。一个对于代数几何非常重要的问题就是关于一个确定解的多重性。这些问题显然针对上面所述的观点和数值计算的意义的。所以譬如数值计算的计算根的方法的趋同现象的行为（个人认为“收敛”更好一些，原文Konvergenzverhalten）对于多解和简单解是不同的。

读书笔记和讲解：

1.指标集（Indexmenge）

1):指标集：指标集对于实变函数是非常重要的。设一集合为I，若对于每个 $a \in I$ ，都对应了一个集合Aa，则由这些Aa的全体构成的集合A称之为集合族，I就是该集合族的指标集。

如n ∈N，则定义Qn={x| x∈N,<n}，则集合族为{Qn| n∈N}，其指标集为N。即，在N中任取一个n，都可以得到一个集合Qn，那么这些Qn的集合称之为集合族。指标集就是帮助集合A索引标定所生成的集合。

实变函数：就是以实数作为自变量的函数，如 $y=x^{2} (x\in \mathbb{R})$

2.数值计算（Numerik）

由于阿贝尔-鲁菲尼定理，在四次以上次数的方程并没有求根公式，也就是说，只有一到四次方程才有求根公式，而对于四次以上方程的求解一般使用数值计算来求出一个近似的解，其中较为出名的方法是牛顿迭代法。

1):牛顿迭代法(Newton's method)

由于多数方程（5次及以上）没有求根公式，很难求出精确解，甚至无解，才有这个牛顿迭代法，牛顿你迭代法使用 $f(x)$ 的泰勒级数的前几项来寻找 $f(x)=0$ 的解/根

该方法有很大的优点，方程在 $f(x)=0$ 的单根附近具有平方收敛性，此时线性收敛，但通过一些方法可以变成超线性收敛。

2):线性收敛

对于收敛点列 $x_{k}\rightarrow x^{*}$ ，如果其 $Q$ 因子 $Q_{1}$ ，满足 $0<Q_{1}<1$ ，则称 $x_{k}$ 是Q线性收敛于 $x^{*}$ ，如果 $Q_{1}\geqslant 1$ ，则称 $x_{k}$ 是Q次收敛于 $x^{*}$

如果收敛点列的 $x_{k}$ 的 $R$ 因子 $R_{1}$ ，满足 $0<R_{1}<1$ ，则称 $x_{k}$ 是R线性收敛于 $x^{*}$ ，如果 $R_{1}=1$ 则称 $x_{k}$ 是R次线性收敛

一个点列如果Q线性收敛就一定R线性收敛，但反之不然。

一般线性收敛指的是Q线性收敛，Q线性收敛等价于：

$\lim_{k\rightarrow \infty }sup\frac{||x_{k+1}-x^{*}||}{||x_{k}-x^{*}||} < 1$

3):超线性收敛

对于收敛点列 $x_{k}\rightarrow x^{*}$ ，如果其 $Q$ 因子 $Q_{1}$ ，满足 $Q_{1}=0$ ，则称 $x_{k}$ 是Q超线性收敛于 $x^{*}$ ，如果其 $R$ 因子 $R_{1}$ 满足 $R_{1}=0$ ，则称 $x_{k}$ 是超线性收敛于 $x^{*}$

一个点列如果Q超线性收敛就一定R超线性收敛，但反之不然。

一般线性收敛指的是Q超线性收敛，Q超线性收敛等价于：

$\lim_{k\rightarrow \infty }sup\frac{||x_{k+1}-x^{*}||}{||x_{k}-x^{*}||} =0$

4):收敛因子

通俗点来说就是，为改变收敛速度而乘上去的函数。

在玉林师范学学院学报（自然科学）2018年第39卷第2期的《收敛因子在无穷积分计算中的运用》我找到了一下定义

定义1 为了改变无穷积分的收敛性，在被积函数中乘上一个函数，称这个函数为收敛银子.

定义2 在无穷积分中引入一个收敛银子，使含有参量的无穷积分满足积分号下可求导，交换积分的条件，进而求解无穷积分的方法称为收敛因子法.

5):Q和R线性收敛和超线性收敛

Q和R线性收敛和超线性收敛，实际上和是四个概念

	Q-收敛因子	R-收敛因子
线性收敛	Q线性收敛	R线性收敛
超线性收敛	Q超线性收敛	R超线性收敛

貌似百度上并没有关于Q和R线性收敛和超线性收敛的词条，所以我在《同济大学学报》1998年2月第26卷第1期上找到了《R收敛因子与Q收敛因子的关系》，其中有关于R和Q收敛因子的阐述

定义1 对于实数 $p\in [1,+\infty )$ ,称

$\lim_{k\rightarrow \infty }sup\frac{r_{k+1}}{r_{k}^{p}}$

为序列 $\left \{ X_{k} \right \}$ 的比值收敛因子，也称为Q-收敛因子

当p固定时， $Q_{p}$ 越小，则 $r_{k}\rightarrow 0$ 越快.

定义2 对于实数 $p\in [1,+\infty )$ ,称

$R_{p}=\left\{\begin{matrix} lim_{k\rightarrow \infty }supr_{k}^{1/k}, if p=1 & \\ lim_{k\rightarrow \infty }supr_{k}^{1/p^{k}},if p>1 & \end{matrix}\right.$

为序列 $\left \{ X_{k} \right \}$ 的根收敛因子，也称为R-收敛因子.

如果 $\left \{ X_{k} \right \}$ 收敛于 $X^{*}$ ，则当k充分大的时，总有 $r_{k}=||X_{k}-X^{*}||<1$ ,所以总有 $0\leqslant R_{p}\leqslant1$

定义3 如果 $Q_{1}=0$ ，则称 $\left \{ X_{k} \right \}$ 为Q-超线性收敛于 $X^{*}$ ，如果 $0<Q_{1}<1$ ，则称 $\left \{ X_{k} \right \}$ 为Q-线性收敛于 $X^{*}$ ，如果 $Q_{1}=1$ ，则称 $\left \{ X_{k} \right \}$ 为Q-次收敛于 $X^{*}$

定义4 如果 $R_{1}=0$ ，则称 $\left \{ X_{k} \right \}$ 为R-超线性收敛于 $X^{*}$ ，如果 $0<R_{1}<1$ ，则称 $\left \{ X_{k} \right \}$ 为 R-线性收敛于 $X^{*}$ ，如果 $R_{1}=1$ ，则称 $\left \{ X_{k} \right \}$ 为R-次收敛于 $X^{*}$

实际上他们的不同在于计算方式上的不同

总结：

可能确实拓展的有一点多了，有一些杂碎了，不过我认为多了解一些总归是好的

资料来源：

指标集_百度百科

超线性收敛_百度百科

收敛速度_百度百科

《R收敛因子与Q收敛因子的关系》，钱仲范，《同济大学学报》1998年2月第26卷第1期

《收敛因子在无穷积分计算中的运用》，梁志清，农海娇，严晓婷，叶玲伶，庞敏，玉林师范学学院学报（自然科学）2018年第39卷第2期

nimo毛毛

关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
代数几何导引（德文版）【瑞士马库斯·布罗德曼（Markus Brodmann）】的读书笔记，翻译和感想（2）

可能确实拓展的有一点多了，有一些杂碎了，不过我认为多了解一些总归是好的指标集_百度百科超线性收敛_百度百科收敛速度_百度百科《R收敛因子与Q收敛因子的关系》，钱仲范，《同济大学学报》1998年2月第26卷第1期《收敛因子在无穷积分计算中的运用》，梁志清，农海娇，严晓婷，叶玲伶，庞敏，玉林师范学学院学报（自然科学）2018年第39卷第2期%281.1%29f_%7Bi%7D%281.2%29%281.3%29f_%7Bi%7Df_%7Bi%7Dff%28x%29QQ_%7B1%7Dx_%7Bk%7D。
复制链接

扫一扫