指数4情形下高斯和的决定

指数4情形下高斯和的决定

论文摘要

高斯和是数论中一个基本而重要的研究对象和基本工具。而高斯和明显表达式的计算是一个重要却又十分困难的问题,不仅在数论和算术几何中具有理论价值,而且在计算机科学、信息科学、组合学与试验设计等方面有实际的应用。从高斯本人开始,就有许多数学工作者致力于决定高斯和值的研究。可是,能够明显决定高斯和的情形很少。目前,学术界有两个研究方向:一是当高斯和的次数较小时,利用低次数域相对简单的算术性质,决定高斯和的明显表达式;另一个是通过Galois理论,分析分圆域及其子域的算术性质。当指数r为较小的自然数时,通过研究r次数域的算术性质来计算高斯和。近年来,人们对“指数2”情形,算出了高斯和的明显表达式。本文对于“指数4”情形给出高斯和的计算公式。根据高斯和中乘法特征的次数N为奇数或偶数,分为两种情况讨论。当N为奇数时,高斯和属于某个虚四次阿贝尔数域K。我们首先用Stickelberger定理给出高斯和在K中的素理想分解;然后按K的伽罗华群为4阶循环群或两个2阶循环群的直积两种不同情形,得到不同类型的计算公式。对于循环情形,高斯和由一个二次方程组的整数解所决定,并且与K的相对理想类数有关。对于非循环情形,子情形较多,但计算公式较为简单,并与K的两个虚二次子域的理想类数有关。其中,关于高斯和符号的决定,我们用了两种不同的方法得到了一致的结论,而后者更为明确简洁和统一。当N为偶数时,高斯和仅部分属于域K,另一部分的可计算性归结于IF_p上低次高斯和的可计算性。我们对N为2的方幂的情形,同样分循环和非循环情形给出了高斯和的计算公式。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 选题背景及意义
  • 1.2 国内外研究历史与动向
  • 1.3 本文的研究目的与结构安排
  • 第2章 基本概念与预备知识
  • 2.1 高斯和的基本性质与相关定理
  • 2.2 "指数2"情形下高斯和的决定
  • 2.2.1 N为奇数时高斯和的决定
  • t(t≥3)时高斯和的决定'>2.2.2 N=2t(t≥3)时高斯和的决定
  • 2.3 "指数4"情形下高斯和的分类
  • 2.3.1 N为奇数时的分类情况
  • t(t≥4)时的分类情况'>2.3.2 N=2t(t≥4)时的分类情况
  • 2.4 四次循环域的整基
  • 第3章 指数4情形下高斯和的决定(Ⅰ):N为奇数
  • 3.1 循环情形
  • 3.1.1 定理A的陈述
  • 3.1.2 定理A的证明
  • 3.1.3 两个例子
  • 3.2 非循环情形
  • 3.2.1 定理B的陈述
  • 3.2.2 定理B的证明
  • 3.2.3 两个例子
  • 3.3 符号决定问题的再讨论
  • t'>第4章 指数4情形下高斯和的决定(Ⅱ):N=2t
  • 4.1 p≡7(mod 16)(循环)的情形
  • 4.1.1 p≡7(mod 16)时,高斯和G(x)的计算
  • r)(14.1.2 p≡7(mod 16)时,高斯和G(Xr)(1
  • 4.2 p≡9(mod 16)(非循环)的情形
  • 4)的计算'>4.2.1 p≡9(mod 16)时,高斯和G(X4)的计算
  • r)(1≤r4.2.2 p≡9(mod 16)时,高斯和G(Xr)(1≤r
  • 4.3 高斯和计算结果的一个应用
  • 第5章 结论
  • 5.1 论文的主要工作
  • 5.2 论文的创新点
  • 5.3 进一步可开展的工作
  • 参考文献
  • 致谢
  • 个人简历、在学期间发表的学术论文与研究成果
  • 相关论文文献

    • [1].二次高斯和与有限域上方程的解数[J]. 数学的实践与认识 2016(23)
    • [2].数学王子高斯[J]. 初中生学习(低) 2016(12)
    • [3].三次高斯和与二项指数和混合均值的线性递推公式[J]. 陕西师范大学学报(自然科学版) 2017(04)
    • [4].基于高斯和粒子滤波的动态称重数据处理[J]. 计测技术 2013(01)
    • [5].关于一类特殊二次高斯和的四次均值[J]. 西北大学学报(自然科学版) 2016(03)
    • [6].基于高斯和滤波的高轨双星高超音速目标跟踪[J]. 计算机与现代化 2017(10)
    • [7].高斯和粒子滤波的弱小目标检测前跟踪算法[J]. 计算机与数字工程 2019(09)
    • [8].基于高斯和粒子滤波的传感器数据处理技术[J]. 北京邮电大学学报 2013(04)
    • [9].6次高斯和与广义Kloosterman和的混合均值(英文)[J]. 数学进展 2019(03)
    • [10].基于SRCKF的自适应高斯和状态滤波算法[J]. 控制与决策 2014(12)
    • [11].非线性非高斯模型的高斯和滤波算法[J]. 系统工程与电子技术 2010(12)
    • [12].非线性非高斯模型的高斯和PHD滤波算法(英文)[J]. Chinese Journal of Aeronautics 2008(04)
    • [13].基于衰减记忆高斯和滤波的星间精密测距技术[J]. 电子与信息学报 2011(02)
    • [14].基于高斯和与SCKF的非线性非高斯滤波算法[J]. 仪器仪表学报 2014(11)
    • [15].基于改进高斯和粒子滤波的海底地形辅助导航[J]. 中国惯性技术学报 2019(02)
    • [16].高次高斯和均值的精确计算公式[J]. 数学杂志 2015(04)
    • [17].基于高斯和的二阶扩展卡尔曼滤波算法[J]. 信息技术 2017(12)
    • [18].基于高斯和粒子滤波的AUV水下地形辅助导航方法[J]. 无人系统技术 2020(01)
    • [19].数学王子高斯[J]. 课堂内外(小学智慧数学) 2019(09)
    • [20].鲁棒高斯和集合卡尔曼滤波及其在纯角度跟踪中的应用[J]. 控制理论与应用 2018(02)
    • [21].欠观测条件下的高斯和增量卡尔曼滤波算法[J]. 计算机应用研究 2015(05)
    • [22].一种改进的双站时频差目标跟踪高斯和滤波算法[J]. 计算机与数字工程 2018(05)
    • [23].有色噪声条件下的高斯和卡尔曼滤波算法[J]. 计算机工程与设计 2015(10)
    • [24].基于均差滤波与高斯和的非线性非高斯系统滤波算法[J]. 控制与决策 2012(01)
    • [25].模p~l(l≥2)上的二次高斯和(英文)[J]. 数学研究 2010(03)
    • [26].有限域上的高斯和与有理点的计算[J]. 纯粹数学与应用数学 2017(06)
    • [27].鲁棒的高斯和容积卡尔曼滤波红外目标跟踪算法[J]. 红外与毫米波学报 2016(01)
    • [28].关于L-函数与k次高斯和的加权均值[J]. 陕西师范大学学报(自然科学版) 2017(04)
    • [29].角闪烁噪声下的高斯和容积卡尔曼滤波算法[J]. 系统工程与电子技术 2019(02)
    • [30].高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法[J]. 国防科技大学学报 2016(02)

    标签:;  ;  ;  ;  ;  

    指数4情形下高斯和的决定
    下载Doc文档

    猜你喜欢