1-تقسیم بر صفر

از ویکیپدیا، دانشنامه آزاد

برای دیگر کاربردها، تقسیم بر صفر (ابهام‌زدایی) را ببینید .

این مقاله شامل فهرستی از مراجع عمومی است ، اما فاقد استنادهای درون خطی متناظر کافی است. لطفا با معرفی نقل قول های دقیق تر به بهبود این مقاله کمک کنید. ( آوریل 2016 ) ( نحوه و زمان حذف این پیام الگو را بیاموزید )

نموداری که نمایش نموداری حدود نزدیک به بی نهایت را نشان می دهد

. وقتی x از سمت راست به 0 نزدیک می شود، y به بی نهایت نزدیک می شود. وقتی x از سمت چپ به 0 نزدیک می شود، y به بی نهایت منفی نزدیک می شود.

در ریاضیات ، تقسیم بر صفر ، تقسیمی است که در آن مخرج (مخرج) صفر است . چنین تقسیمی را می توان به طور رسمی به صورت بیان کرد{\textstyle {\tfrac {a}{0}}}، که در آن a سود سهام (عدد) است. در محاسبات معمولی ، این عبارت معنی ندارد، زیرا هیچ عددی وجود ندارد که وقتی در 0 ضرب شود ، یک (با فرضآ{\textstyle a\neq 0}) بنابراین، تقسیم بر صفر تعریف نشده است . از آنجایی که هر عددی که در صفر ضرب شود صفر است، عبارت{\displaystyle {\tfrac {0}{0}}}همچنین تعریف نشده است. وقتی به صورت حد باشد ، شکلی نامعین است . از نظر تاریخی، یکی از اولین ارجاعات ثبت شده به عدم امکان ریاضی اختصاص یک مقدار بهآ{\textstyle {\tfrac {a}{0}}}در نقد فیلسوف انگلیسی-ایرلندی جورج برکلی از حساب بی نهایت کوچک در سال 1734 در تحلیلگر ("اشباح مقادیر از دست رفته") آمده است. [1]

ساختارهای ریاضی وجود دارد که در آنهاآ{\textstyle {\tfrac {a}{0}}}برای برخی مانند کره ریمان ( مدلی از صفحه پیچیده توسعه یافته ) و خط واقعی توسعه یافته پروجکتیو تعریف شده است . با این حال، چنین ساختارهایی تمام قاعده های معمولی حسابی را برآورده نمی کنند ( اصولات میدان ).

در محاسبات ، یک خطای برنامه ممکن است در نتیجه تلاش برای تقسیم بر صفر ایجاد شود. بسته به محیط برنامه نویسی و نوع عدد (مثلاً ممیز شناور ، عدد صحیح ) که بر صفر تقسیم می شود، ممکن است توسط استاندارد ممیز شناور IEEE 754 بی نهایت مثبت یا منفی ایجاد کند، یک استثنا ایجاد کند، یک پیام خطا ایجاد کند، برنامه برای خاتمه، منجر به یک مقدار خاص غیر عددی ، [2] یا خرابی .

محاسبات ابتدایی [ ویرایش ]

هنگامی که تقسیم در سطح ریاضی ابتدایی توضیح داده می شود، اغلب به عنوان تقسیم مجموعه ای از اشیاء به قسمت های مساوی در نظر گرفته می شود. به عنوان مثال، داشتن ده کوکی را در نظر بگیرید، و این کوکی ها باید به طور مساوی بین پنج نفر در یک میز توزیع شوند. هر فرد دریافت می کرد{\displaystyle {\tfrac {10}{5}}=2}بیسکویت ها. به طور مشابه، اگر ده کوکی وجود داشته باشد و فقط یک نفر سر میز باشد، آن شخص دریافت خواهد کرد{\displaystyle {\tfrac {10}{1}}=10}بیسکویت ها.

بنابراین، برای تقسیم بر صفر، وقتی 10 کوکی به طور مساوی بین 0 نفر در یک میز توزیع می شود، تعداد کوکی هایی که هر فرد دریافت می کند چقدر است؟ کلمات خاصی را می توان در سوال مشخص کرد تا مشکل را برجسته کند. مشکل این سوال «چه زمانی» است. هیچ راهی برای توزیع 10 کوکی برای هیچ کس وجود ندارد. از این رو،{\displaystyle {\tfrac {10}{0}}}- حداقل در محاسبات ابتدایی - گفته می شود که یا بی معنی است یا تعریف نشده است.

اگر مثلاً 5 کوکی و 2 نفر وجود دارد، مشکل در "توزیع یکنواخت" است. در هر پارتیشن عدد صحیح از 5 چیز به 2 قسمت، یا یکی از قسمت های پارتیشن دارای عناصر بیشتری نسبت به دیگری خواهد بود یا یک باقیمانده وجود خواهد داشت (نوشته شده به صورت5/2= 2 r1). یا مشکل 5 کوکی و 2 نفر را می توان با نصف کردن یک کوکی حل کرد که ایده کسری را معرفی می کند (5/2= 2+1/2) . از طرف دیگر مشکل 5 کوکی و 0 نفر را به هیچ وجه نمی توان حل کرد که معنای "تقسیم" را حفظ کند.

در جبر ابتدایی ، روش دیگری برای نگریستن به تقسیم بر صفر این است که همیشه می توان تقسیم را با استفاده از ضرب بررسی کرد. با در نظرگرفتن10/0مثال بالا، تنظیم x =10/0، اگر x برابر ده تقسیم بر صفر باشد، x ضربدر صفر برابر با ده است، اما x وجود ندارد که وقتی در صفر ضرب می شود، ده (یا هر عددی غیر از صفر) را به دست دهد. اگر به جای x =10/0، x =0/0، سپس هر x این سوال را برآورده می کند که "چه عدد x ضرب در صفر، صفر می دهد؟"

تلاش های اولیه [ ویرایش ]

Brāhmasphuṭasiddhānta برهماگوپتا ( حدود ۵۹۸–۶۶۸ ) قدیمی ترین متنی است که صفر را به تنهایی به عنوان یک عدد در نظر می گیرد و عملیات های مربوط به صفر را تعریف می کند. [3] نویسنده نمی تواند تقسیم بر صفر را در متون خود توضیح دهد: تعریف او به راحتی می تواند به پوچ های جبری منجر شود. به گفته براهماگوپتا،

عدد مثبت یا منفی وقتی بر صفر تقسیم شود کسری است که مخرج آن صفر است. صفر تقسیم بر یک عدد منفی یا مثبت یا صفر است یا به صورت کسری با عدد صفر و مقدار متناهی به عنوان مخرج بیان می شود. صفر تقسیم بر صفر صفر است.

در سال 830، ماهاویرا تلاش کرد اشتباهی را که براهماگوپتا در کتابش گانیتا سارا سامگراها مرتکب شده بود تصحیح کند : «عددی وقتی بر صفر تقسیم می‌شود بدون تغییر می‌ماند». [3]

جبر [ ویرایش ]

چهار عمل اصلی - جمع، تفریق، ضرب و تقسیم - که برای اعداد صحیح (اعداد صحیح مثبت) اعمال می‌شود، با برخی محدودیت‌ها، در محاسبات ابتدایی به عنوان چارچوبی برای پشتیبانی از گسترش قلمرو اعداد مورد استفاده قرار می‌گیرند. به عنوان مثال، برای اینکه بتوان یک عدد کامل را از عدد دیگر تفریق کرد، قلمرو اعداد باید به کل مجموعه اعداد صحیح گسترش داده شود تا اعداد صحیح منفی را در بر گیرد. به طور مشابه، برای پشتیبانی از تقسیم هر عدد صحیح بر هر عدد دیگر، قلمرو اعداد باید به اعداد گویا گسترش یابد .. در طول این گسترش تدریجی سیستم اعداد، مراقبت می شود تا اطمینان حاصل شود که "عملیات توسعه یافته"، زمانی که برای اعداد قدیمی اعمال می شود، نتایج متفاوتی ایجاد نمی کند. به زبان ساده، از آنجایی که تقسیم بر صفر هیچ معنایی ندارد ( تعریف نشده است ) در تنظیم اعداد کامل، با گسترش تنظیمات به اعداد واقعی یا حتی مختلط ، این درست باقی می‌ماند .

همانطور که قلمرو اعدادی که این عملیات را می توان برای آنها اعمال کرد گسترش می یابد، تغییراتی در نحوه مشاهده عملیات نیز وجود دارد. به عنوان مثال، در قلمرو اعداد صحیح، تفریق دیگر یک عملیات اساسی در نظر گرفته نمی شود، زیرا می توان آن را با جمع اعداد علامت دار جایگزین کرد. [4] به همین ترتیب، هنگامی که قلمرو اعداد گسترش می یابد تا اعداد گویا را نیز در بر گیرد، تقسیم با ضرب در اعداد گویا معین جایگزین می شود. با توجه به این تغییر دیدگاه، سؤال «چرا نمی‌توانیم بر صفر تقسیم کنیم؟» به «چرا یک عدد گویا نمی‌تواند مخرج صفر داشته باشد؟» می‌شود. پاسخ به این سوال تجدید نظر شده دقیقا مستلزم بررسی دقیق تعریف اعداد گویا است.

در رویکرد مدرن برای ساخت میدان اعداد حقیقی، اعداد گویا به عنوان یک گام میانی در توسعه ظاهر می شوند که بر اساس نظریه مجموعه ها بنا شده است. ابتدا، اعداد طبیعی (شامل صفر) بر اساس مبانی بدیهی مانند سیستم بدیهی Peano ایجاد می‌شوند و سپس به حلقه اعداد صحیح بسط می‌یابند . مرحله بعدی تعریف اعداد گویا است با در نظر گرفتن اینکه این کار باید تنها با استفاده از مجموعه ها و عملیاتی که قبلاً ایجاد شده اند انجام شود، یعنی جمع، ضرب و اعداد صحیح. با شروع مجموعه ای از جفت های مرتب شده از اعداد صحیح، {( a , b )} با b ≠ 0 ، یک رابطه باینری تعریف کنید.در این مجموعه توسط ( a , b ) ≃ ( c , d ) اگر و فقط اگر ad = bc باشد. این رابطه به عنوان یک رابطه هم ارزی نشان داده می شود و کلاس های هم ارزی آن به عنوان اعداد گویا تعریف می شوند. در اثبات صوری است که این رابطه یک رابطه هم ارزی است که شرط صفر نبودن مختصات دوم مورد نیاز است (برای تأیید گذر ). [5] [6] [7]

توضیح فوق ممکن است برای بسیاری از اهداف بسیار انتزاعی و فنی باشد، اما اگر وجود و ویژگی‌های اعداد گویا را، همانطور که معمولاً در ریاضیات ابتدایی انجام می‌شود، فرض کنیم، «دلیل» مجاز نبودن تقسیم بر صفر از دید پنهان می‌ماند. با این وجود، می توان یک توجیه (غیر دقیق) در این زمینه ارائه داد.

از خصوصیات سیستم اعدادی که استفاده می کنیم (یعنی اعداد صحیح، گویا، واقعی و غیره) نتیجه می شود، اگر b ≠ 0 باشد، a = b × c است. فرض کنید که آ/0یک عدد c است، پس باید a = 0 × c = 0 باشد. با این حال، عدد منفرد c باید با معادله 0 = 0 × c تعیین شود ، اما هر عددی این معادله را برآورده می کند، بنابراین ما نمی توانیم یک مقدار عددی به آن اختصاص دهیم.0/0. [8]

تقسیم به عنوان معکوس ضرب [ ویرایش ]

مفهومی که تقسیم را در جبر توضیح می دهد این است که آن معکوس ضرب است. به عنوان مثال، [9]

{\displaystyle {\frac {6}{3}}=2}زیرا 2 مقداری است که مقدار مجهول در آن وجود دارد

{\displaystyle ?\times 3=6}درست است. اما بیان

{\displaystyle {\frac {6}{0}}=\,x}نیاز به یافتن مقداری برای کمیت مجهول در آن دارد

{\displaystyle x\times 0=6.}اما هر عددی که در 0 ضرب شود 0 است و بنابراین هیچ عددی وجود ندارد که معادله را حل کند.

بیان

{\displaystyle {\frac {0}{0}}=\,x}نیاز به یافتن مقداری برای کمیت مجهول در آن دارد

{\displaystyle x\times 0=0.}باز هم، هر عددی که در 0 ضرب شود 0 است و بنابراین این بار هر عدد معادله را حل می کند به جای اینکه یک عدد وجود داشته باشد که بتوان آن را به عنوان مقدار در نظر گرفت.0/0.

به طور کلی، یک مقدار را نمی توان به کسری که مخرج آن 0 است نسبت داد، بنابراین مقدار آن تعریف نشده باقی می ماند.

ادامه صفر

فیزیک

مقدار صفر برای بسیاری از کمیت های فیزیکی نقش ویژه ای دارد. برای برخی از کمیت ها، سطح صفر به طور طبیعی از تمام سطوح دیگر متمایز می شود، در حالی که برای برخی دیگر کم و بیش خودسرانه انتخاب می شود. به عنوان مثال، برای دمای مطلق (همانطور که بر حسب کلوین اندازه گیری می شود )، صفر کمترین مقدار ممکن است ( دمای منفی تعریف شده است، اما سیستم های دمای منفی در واقع سردتر نیستند). این برخلاف دماهای مثلاً در مقیاس سلسیوس است که در آن صفر به طور دلخواه در نقطه انجماد آب تعریف می شود. اندازه گیری شدت صدا بر حسب دسی بل یا فون، سطح صفر به طور دلخواه در یک مقدار مرجع تنظیم می شود - به عنوان مثال، در یک مقدار برای آستانه شنوایی. در فیزیک ، انرژی نقطه صفر کمترین انرژی ممکنی است که یک سیستم فیزیکی مکانیک کوانتومی ممکن است داشته باشد و انرژی حالت پایه سیستم است.

علم شیمی

صفر به عنوان عدد اتمی عنصر نظری تترنوترون پیشنهاد شده است. نشان داده شده است که خوشه ای متشکل از چهار نوترون ممکن است به اندازه کافی پایدار باشد که به تنهایی یک اتم در نظر گرفته شود. این عنصر بدون پروتون و بدون بار در هسته آن ایجاد می کند.

در اوایل سال 1926، آندریاس فون آنتروفوف اصطلاح نوترونیوم را برای شکل حدسی ماده متشکل از نوترون‌های بدون پروتون ابداع کرد و آن را به عنوان عنصر شیمیایی عدد اتمی صفر در سر نسخه جدید خود از جدول تناوبی قرار داد. سپس به عنوان یک گاز نجیب در وسط چندین نمایش مارپیچی از سیستم تناوبی برای طبقه بندی عناصر شیمیایی قرار گرفت.

علوم کامپیوتر

رایج ترین روش در طول تاریخ بشر شروع به شمارش در یک بوده است و این تمرین در زبان های برنامه نویسی کامپیوتری کلاسیک اولیه مانند Fortran و COBOL است. با این حال، در اواخر دهه 1950 LISP شماره‌گذاری مبتنی بر صفر را برای آرایه‌ها معرفی کرد در حالی که Algol 58 پایه‌گذاری کاملاً انعطاف‌پذیر را برای زیرنویس‌های آرایه معرفی کرد (که هر عدد صحیح مثبت، منفی یا صفر را به عنوان پایه برای زیرنویس‌های آرایه مجاز می‌کرد)، و بیشتر زبان‌های برنامه‌نویسی بعدی یکی یا دیگری را اتخاذ کردند. از این سمت ها به عنوان مثال، عناصر یک آرایه با شروع از 0 در C شماره گذاری می شوند ، به طوری که برای یک آرایه nموارد دنباله ای از شاخص های آرایه از 0 تا n -1 اجرا می شود .

ممکن است بین نمایه سازی مبتنی بر 0 و 1 سردرگمی وجود داشته باشد. به عنوان مثال، JDBC جاوا پارامترهای 1 را ایندکس می کند، اگرچه خود جاوا از نمایه سازی مبتنی بر 0 استفاده می کند. [62]

در پایگاه داده ها ممکن است یک فیلد مقدار نداشته باشد. سپس گفته می شود که مقدار صفر دارد . [63] برای فیلدهای عددی مقدار صفر نیست. برای فیلدهای متنی این نه خالی است و نه رشته خالی. وجود مقادیر تهی به منطق سه مقداری منجر می شود . دیگر یک شرط درست یا نادرست نیست، اما می تواند نامشخص باشد. هر محاسباتی از جمله مقدار تهی یک نتیجه صفر را ارائه می دهد. [64]

اشاره گر تهی یک اشاره گر در یک برنامه کامپیوتری است که به هیچ شی یا تابعی اشاره نمی کند. در C، ثابت عدد صحیح 0 در زمان کامپایل زمانی که در یک زمینه اشاره گر ظاهر می شود، به اشاره گر تهی تبدیل می شود، و بنابراین 0 یک راه استاندارد برای ارجاع به اشاره گر تهی در کد است. با این حال، نمایش داخلی نشانگر تهی ممکن است هر الگوی بیتی باشد (احتمالا مقادیر متفاوت برای انواع داده های مختلف). [ نیازمند منبع ]

در ریاضیات 0- و 0+ معادل 0 است. هر دو -0 و +0 دقیقاً یک عدد را نشان می دهند، یعنی هیچ "صفر مثبت" یا "صفر منفی" متمایز از صفر وجود ندارد. با این حال، در برخی از نمایش‌های اعداد علامت‌دار سخت‌افزاری کامپیوتر ، صفر دارای دو نمایش مجزا است، یکی مثبت که با اعداد مثبت و دیگری منفی با اعداد منفی گروه‌بندی شده است. این نوع نمایش دوگانه با علامت صفر شناخته می‌شود که شکل اخیر گاهی اوقات صفر منفی نامیده می‌شود. این نمایش‌ها شامل بزرگی علامت‌گذاری شده و نمایش‌های اعداد صحیح باینری مکمل (اما نه فرم باینری مکمل این دو مورد استفاده در اکثر رایانه‌های مدرن) و بیشتر ممیز شناور است.نمایش اعداد (مانند فرمت های ممیز شناور IEEE 754 و IBM S/390 ).

در باینری، 0 نشان دهنده مقدار "خاموش" است، که به معنای عدم جریان الکتریسیته است. [65]

صفر مقدار false در بسیاری از زبان های برنامه نویسی است.

دوره یونیکس (تاریخ و زمان مرتبط با مهر زمانی صفر) از نیمه شب قبل از اول ژانویه 1970 آغاز می شود. [66] [67] [68]

دوره کلاسیک Mac OS و دوره Palm OS (تاریخ و زمان مرتبط با مهر زمانی صفر) از نیمه شب قبل از اول ژانویه 1904 آغاز می شود. [69]

بسیاری از APIها و سیستم‌عامل‌هایی که به برنامه‌ها نیاز دارند یک مقدار صحیح را به عنوان وضعیت خروج برگردانند، معمولاً از صفر برای نشان دادن موفقیت و مقادیر غیر صفر برای نشان دادن خطا یا شرایط هشدار خاص استفاده می‌کنند.

برنامه نویسان اغلب از یک صفر بریده برای جلوگیری از اشتباه گرفتن با حرف " O " استفاده می کنند. [70]

سایر زمینه ها

  • در جانورشناسی تطبیقی ​​و علوم شناختی ، تشخیص اینکه برخی از حیوانات آگاهی از مفهوم صفر را نشان می‌دهند به این نتیجه می‌رسد که قابلیت انتزاع عددی در اوایل تکامل گونه‌ها پدید آمده است. [71]
  • در تلفن، فشردن 0 اغلب برای شماره گیری از شبکه شرکت یا شهر یا منطقه دیگر و 00 برای شماره گیری خارج از کشور استفاده می شود . در برخی کشورها، با شماره گیری 0 تماسی برای کمک اپراتور ایجاد می شود .
  • دی وی دی هایی که می توانند در هر منطقه ای پخش شوند، گاهی اوقات به عنوان " منطقه 0 " شناخته می شوند.
  • چرخ های رولت معمولاً دارای یک فضای "0" (و گاهی اوقات همچنین یک فضای "00") هستند که حضور آن هنگام محاسبه بازده نادیده گرفته می شود (در نتیجه به خانه اجازه می دهد در دراز مدت برنده شود).
  • در فرمول یک ، اگر قهرمان جهان در سال بعد از پیروزی خود در مسابقه عنوان، دیگر در فرمول یک شرکت نکند، 0 به یکی از رانندگان تیمی داده می شود که قهرمان فعلی با آن عنوان را به دست آورد. این اتفاق در سال‌های 1993 و 1994 با رانندگی دیمون هیل با ماشین 0 رخ داد، زیرا قهرمان جهان ( به ترتیب نایجل منسل و آلن پروست ) در مسابقات قهرمانی رقابت نکردند.
  • در سیستم بزرگراه های بین ایالتی ایالات متحده ، در اکثر ایالت ها خروجی ها بر اساس نزدیک ترین نقطه مایل از پایانه غربی یا جنوبی بزرگراه در داخل آن ایالت شماره گذاری می شوند. تعدادی که کمتر از نیم مایل (800 متر) از مرزهای ایالت در آن جهت فاصله دارند به عنوان خروجی 0 شماره گذاری می شوند.

نمادها و نمادها

مقاله اصلی: نمادهای صفر

خطوط راهنما افقی با صفر لمسی بالا و پایین، سه فرورفتگی در زیر، و شش تاج بالای خطوط راهنما، از چپ به راست

رقم عددی مدرن 0 معمولا به صورت دایره یا بیضی نوشته می شود. به طور سنتی، بسیاری از حروف چاپی، حرف بزرگ O را گردتر از رقم باریک‌تر و بیضوی 0 می‌کردند . برخی از مدل ها حتی کلید جداگانه ای برای رقم 0 نداشتند. این تمایز در نمایشگرهای کاراکتر مدرن برجسته شد . [72]

یک صفر بریده شده (0/{\displaystyle 0\!\!\!{/}}) می تواند برای تشخیص عدد از حرف استفاده شود (بیشتر در محاسبات، ناوبری و در ارتش استفاده می شود). به نظر می رسد رقم 0 با یک نقطه در مرکز به عنوان یک گزینه در نمایشگرهای IBM 3270 منشاء گرفته است و با برخی از حروف چاپی رایانه ای مدرن مانند Andalé Mono و در برخی از سیستم های رزرو خطوط هوایی ادامه یافته است. یک تغییر از یک نوار عمودی کوتاه به جای نقطه استفاده می کند. برخی از فونت‌های طراحی‌شده برای استفاده با رایانه‌ها، یکی از جفت‌های بزرگ-O-رقم-0 را گردتر و دیگری را زاویه‌دارتر (نزدیک‌تر به یک مستطیل) کردند. تمایز بیشتر در حروف جعلی-ممانعت کننده به کار رفته در پلاک خودروهای آلمانی استبا برش دادن رقم 0 در سمت راست بالا. در برخی از سیستم ها، حرف O یا عدد 0 یا هر دو، برای جلوگیری از سردرگمی از استفاده حذف می شوند.

برچسب سال

مقاله اصلی: سال صفر

در عصر تقویم قبل از میلاد ، سال 1 قبل از میلاد اولین سال قبل از 1 پس از میلاد است. سال صفر وجود ندارد. در مقابل، در شماره گذاری سال های نجومی ، سال 1 قبل از میلاد با شماره 0، سال 2 قبل از میلاد −1 شماره گذاری می شود و غیره. [73]

همچنین ببینید

https://en.wikipedia.org/wiki/0

تبدیل هیلبرت


قضیه تیچمارش ویرایش ]

قضیه Titchmarsh (به نام EC Titchmarsh که آن را در کار خود در سال 1937 گنجانده است) رابطه دقیق بین مقادیر مرزی توابع هولومورفیک را در نیمه صفحه فوقانی و تبدیل هیلبرت ایجاد می کند. [33] این شرایط لازم و کافی را برای یک تابع قابل جمع شدن مربع با ارزش پیچیده F ( x ) در خط واقعی فراهم می کند تا مقدار مرزی یک تابع در فضای هاردی H 2 ( U ) توابع هولوومرف در نیمه بالایی باشد هواپیما U .

این قضیه بیان می کند که شرایط زیر برای یک تابع مجتمع مربع با ارزش پیچیده است {\ displaystyle F: \ mathbb {R} \ به \ mathbb {C}} معادل هستند:

  • F ( x ) حد z → x یک تابع holomorphic F ( z ) در نیمه صفحه فوقانی است به طوری که

    {\ displaystyle \ int _ {- \ infty} ^ {\ infty} | F (x + i \، y) | ^ {2} \؛ \ mathrm {d} x <K}

  • قسمتهای واقعی و خیالی F ( x ) تبدیل هیلبرت به یکدیگر هستند.
  • تبدیل فوریه {\ mathcal {F}} (F) (x)برای x <0 محو می شود .

نتیجه ضعیف تری برای توابع کلاس L p برای p > 1 صادق است . [34] به طور خاص ، اگر F ( z ) یک تابع هولومورفیک باشد به گونه ای که

 

 

{\ displaystyle \ int _ {- \ infty} ^ {\ infty} | F (x + i \، y) | ^ {p} \؛ \ mathrm {d} x <K}

 

برای همه y ، یک تابع با ارزش پیچیده F ( x ) در وجود دارد{\ displaystyle L ^ {p} (\ mathbb {R})}به طوری که F ( x + iy ) → F ( x ) در هنجار L p به عنوان y → 0 (و همچنین تقریباً در همه جا به صورت نقطه ای نگه داشته می شود ). علاوه بر این،

 

{\ displaystyle F (x) = f (x) -i \ ، g (x)}

 

که در آن f یک تابع با ارزش واقعی است{\ displaystyle L ^ {p} (\ mathbb {R})}و g تبدیل هیلبرت (از کلاس L p ) f است .

این در مورد p = 1 درست نیست . در واقع ، تبدیل هیلبرت از یک تابع 1 f نیازی به میانگین در یک تابع 1 دیگر ندارد. با این وجود ، [35] تبدیل هیلبرت f تقریباً در همه جا به یک تابع محدود g تبدیل می شود به گونه ای که

{\ displaystyle \ int _ {- \ infty} ^ {\ infty} {\ frac {| g (x) | ^ {p}} {1 + x ^ {2}}} \؛ \ mathrm {d} x < \ بی فایده}

 

این نتیجه مستقیماً مشابه آندری کلموگروف برای عملکردهای هاردی در دیسک است. [36] اگرچه معمولاً قضیه Titchmarsh نامیده می شود ، اما نتیجه کار بسیاری از افراد دیگر ، از جمله هاردی ، پالی و وینر است (به قضیه پالی- وینر مراجعه کنید ) ، و همچنین کارهای Riesz ، Hille و Tamarkin [37]

مسئله ریمان-هیلبرت ویرایش ]

یک فرم از مشکل ریمان-هیلبرت به دنبال شناسایی جفت از توابع + و - به طوری که + است هولومورفیک در قسمت نیمه هواپیما و - هولومورفیک در پایین نیمه هواپیما، است به طوری که برای X در امتداد واقعی محور،

{\ displaystyle F _ {+} (x) -F _ {-} (x) = f (x)}

 

که در آن f ( x ) برخی از عملکردهای دارای ارزش واقعی است{\ displaystyle x \ in \ mathbb {R}}. سمت چپ این معادله را می توان به عنوان تفاوت محدوده های ± از نیم صفحه مناسب ، یا به عنوان یک توزیع فوق عملکرد درک کرد . دو عملکرد این فرم راه حل مسئله ریمان-هیلبرت است.

بعبارت دیگر، اگر ± حل مشکل ریمان-هیلبرت

{\ displaystyle f (x) = F _ {+} (x) -F _ {-} (x)}

سپس تبدیل هیلبرت f ( x ) توسط [38] داده می شود

{\ displaystyle H (f) (x) = - i {\ bigl (} F _ {+} (x) + F _ {-} (x) {\ bigr)}.}

هیلبرت روی دایره تغییر شکل می دهد ویرایش ]

همچنین نگاه کنید به: Hardy space

برای یک تابع تناوبی F هیلبرت دایره تبدیل تعریف شده است:

 

{\ displaystyle {\ tilde {f}} (x) \ triangleq {\ frac {1} {2 \ pi}} \ operatorname {pv} \ int _ {0} ^ {2 \ pi} f (t) \، \ cot \ چپ ({\ frac {xt} {2}} \ راست) \ ، \ mathrm {d} t}

تبدیل هیلبرت دایره ای در توصیف فضای هاردی و در مطالعه عملکرد مزدوج در سری فوریه استفاده می شود. هسته ،

{\ displaystyle \ cot \ left ({\ frac {xt} {2}} \ right)}

به عنوان هسته هیلبرت شناخته می شود ، از آنجا که در ابتدا شکل هیلبرت مورد بررسی قرار گرفت. [8]

 

هسته هیلبرت (برای تبدیل دایره ای هیلبرت) را می توان با ایجاد دوره ای 1 ⁄ x هسته کوشی بدست آورد . دقیق تر ، برای x ≠ 0

{\ displaystyle {\ frac {1} {\، 2 \،}} \ cot \ left ({\ frac {x} {2}} \ right) = {\ frac {1} {x}} + \ sum _ {n = 1} ^ {\ نادرست} \ چپ ({\ frac {1} {x + 2n \ pi}} + {\ frac {1} {\، x-2n \ pi \،}} \ راست)}

 

بسیاری از نتایج در مورد تبدیل دایره ای هیلبرت ممکن است از نتایج مربوط به تبدیل هیلبرت از این مکاتبات حاصل شود.

اتصال مستقیم دیگر با تبدیل Cayley C ( x ) = ( x - i ) / ( x + i ) فراهم می شود ، که خط واقعی را به دایره و نیمه صفحه بالایی را به دیسک واحد منتقل می کند. این یک نقشه واحد را القا می کند

{\ displaystyle U \، f (x) = {\ frac {1} {(x + i) \، {\ sqrt {\ pi}}}} \، f \ چپ (C \ چپ (x \ راست) \ درست)}

 

از 2 ( T ) بر روی{\ displaystyle L ^ {2} (\ mathbb {R}).}اپراتور U فضای Hardy 2 ( T ) را به فضای Hardy حمل می کند{\ displaystyle H ^ {2} (\ mathbb {R})}[39]

تبدیل هیلبرت در پردازش سیگنال ویرایش ]

قضیه بدروسیان ویرایش ]

قضیه Bedrosian بیان می دارد که تبدیل هیلبرت محصول سیگنال کم گذر و سیگنال بالا با طیفهای غیر همپوشانی توسط محصول سیگنال کم گذر و تبدیل هیلبرت سیگنال عبور بالا ارائه می شود ، یا

 

 

{\ displaystyle \ operatorname {H} \ left (f _ {\ text {LP}} (t) \ cdot f _ {\ text {HP}} (t) \ right) = f _ {\ text {LP}} (t) \ cdot \ operatorname {H} \ چپ (f _ {\ text {HP}} (t) \ راست) ،}

 

جایی که LP و HP به ترتیب سیگنال های کم و زیاد هستند. [40] به دسته ای از سیگنال های ارتباطی که این امر به آنها اعمال می شود ، مدل سیگنال باند باریک گفته می شود. عضو آن دسته مدولاسیون دامنه یک "حامل" سینوسی با فرکانس بالا است:

 

{\ displaystyle u (t) = u_ {m} (t) \ cdot \ cos (\ امگا t + \ phi) ،}

 

جایی که m ( t ) شکل موج "پیام" پهنای باند باریک است ، مانند صدا یا موسیقی. سپس با قضیه Bedrosian: [41]

{\ displaystyle \ operatorname {H} (u) (t) = u_ {m} (t) \ cdot \ sin (\ امگا t + \ phi).}

 

نمایش تحلیلی ویرایش ]

مقاله اصلی: سیگنال تحلیلی

نوع خاصی از تابع مزدوج است :

{\ displaystyle u_ {a} (t) \ triangleq u (t) + i \ cdot H (u) (t)،}

 

شناخته شده به عنوان نمایندگی تحلیلی از{\ displaystyle u (t).} این نام قابل انعطاف پذیری ریاضی آن است ، که بیشتر به فرمول اویلر مربوط می شود . با استفاده از قضیه Bedrosian در مدل باریک ، نمایش تحلیلی این است [42]

{\ displaystyle {\ start {تراز شده} u_ {a} (t) & = u_ {m} (t) \ cdot \ cos (\ امگا t + \ phi) + i \ cdot u_ {m} (t) \ cdot \ sin (\ امگا t + \ phi) \\ & = u_ {m} (t) \ cdot \ چپ [\ cos (\ امگا t + \ phi) + i \ cdot \ sin (\ امگا t + \ phi) \ راست] \ \ & = u_ {m} (t) \ cdot e ^ {i (\ امگا t + \ phi)}. \ ، \ پایان {تراز شده}}}

 

 

 

 

معادله 1 )

یک ویژگی تبدیل فوریه نشان می دهد که این عملیات هدرودین پیچیده می تواند تمام اجزای فرکانس منفی m ( t ) را به بالای 0 هرتز تغییر دهد. در آن صورت ، قسمت خیالی نتیجه ، تبدیل هیلبرت قسمت واقعی است. این یک روش غیر مستقیم برای تولید تحولات هیلبرت است.

مدولاسیون زاویه (فاز / فرکانس) ویرایش ]

فرم: [43]

 

{\ displaystyle u (t) = A \ cdot \ cos (\ امگا t + \ phi _ {m} (t))}}

 

مدولاسیون زاویه ای نامیده می شود که شامل هر دو مدولاسیون فاز و مدولاسیون فرکانس می باشد. فرکانس لحظه است \ امگا + \ phi _ {m} ^ {\ prime} (t).  برای ω کاملاً بزرگ ، در مقایسه با\ phi _ {m} ^ {\ prime}:

{\ displaystyle \ operatorname {H} (u) (t) \ تقریبی A \ cdot \ sin (\ امگا t + \ phi _ {m} (t))}

و:

{\ displaystyle u_ {a} (t) \ تقریبی A \ cdot e ^ {i (\ امگا t + \ phi _ {m} (t))}}.}

مدولاسیون باند کناری (SSB) ویرایش ]

مقاله اصلی: مدولاسیون باند یک طرفه

وقتی تو م ( تی ) در  Eq.1 همچنین یک نمایندگی تحلیلی (یک شکل موج پیام)، این است که:

{\ displaystyle u_ {m} (t) = m (t) + i \ cdot {\ widehat {m}} (t)}

نتیجه مدولاسیون باند یک طرفه است :

{\ displaystyle u_ {a} (t) = (m (t) + i \ cdot {\ widehat {m}} (t)) \ cdot e ^ {i (\ omega t + \ phi)}}}

مولفه منتقل شده آن: [44] [45]

{\ displaystyle {\ start {تراز شده} u (t) & = \ operatorname {Re} \ {u_ {a} (t) \} \\ & = m (t) \ cdot \ cos (\ امگا t + \ phi) - {\ widehat {m}} (t) \ cdot \ sin (\ امگا t + \ phi) \ پایان {تراز شده}}}

 

علیت ویرایش ]

کارکرد {\ displaystyle h (t) = 1 / (\ pi t)} دو چالش برای اجرای عملی به عنوان تجمع ارائه می دهد:

  • مدت زمان آن بی نهایت است ( پشتیبانی فنی بی نهایت ). به جای آن باید از تقریب طول محدود استفاده شود. اما پنجره شدن طول ، دامنه فرکانس موثر تبدیل را نیز کاهش می دهد. هرچه پنجره کوتاه تر باشد ، تلفات در فرکانس های پایین و زیاد بیشتر خواهد بود. همچنین به فیلتر کوادراتور مراجعه کنید .
  • این یک فیلتر غیر علی است . بنابراین یک نسخه با تأخیر ،{\ displaystyle h (t- \ tau) ،}مورد نیاز است. خروجی مربوطه متعاقباً توسط به تأخیر می افتد\ تاو هنگام ایجاد قسمت خیالی یک سیگنال تحلیلی ، منبع (قسمت واقعی) باید با مقدار معادل آن به تأخیر بیفتد.

تبدیل گسسته هیلبرت ویرایش ]

شکل 1 : فیلترهایی که پاسخ فرکانس آنها محدود به حدود 95٪ فرکانس Nyquist است

شکل 2 : فیلتر تبدیل هیلبرت با پاسخ فرکانس گذر زیاد

شکل 3 .

شکل 4 . تبدیل هیلبرت از COS ( ωt ) است گناه ( ωt ) . این شکل نشان می دهد sin (ωt) و دو تبدیل هیلبرت تقریبی محاسبه شده توسط عملکرد کتابخانه MATLAB ، hilbert ()

شکل 5 . هیلبرت گسسته یک تابع کسینوس را با استفاده از تجزیه قطعه قطعه تبدیل می کند

برای یک عملکرد گسسته ، تو [n]، با تبدیل فوریه گسسته (DTFT) ،{\ displaystyle U (\ امگا)}، و تبدیل گسسته هیلبرت{\ hat {u}} [n]، DTFT از{\ hat {u}} [n]در منطقه π <ω < π توسط:

{\ displaystyle \ operatorname {DTFT} ({\ hat {u}}) = U (\ omega) \ cdot (-i \ cdot \ operatorname {sgn} (\ امگا)).}

 

معکوس DTFT ، با استفاده از قضیه جمع آوری ، عبارت است از: [46]

{\ displaystyle {\ start {تراز شده} {\ کلاه {u}} [n] & = {\ scriptstyle \ mathrm {DTFT} ^ {- 1}} (U (\ omega)) \ * \ {\ scriptstyle \ mathrm {DTFT} ^ {- 1}} (- i \ cdot \ operatorname {sgn} (\ امگا)) \\ & = u [n] \ * \ {\ frac {1} {2 \ pi}} \ int _ {- \ pi} ^ {\ pi} (- i \ cdot \ operatorname {sgn} (\ omega)) \ cdot e ^ {i \ omega n} \، \ mathrm {d} \ omega \\ & = u [ n] \ * \ \ underbrace {{\ frac {1} {2 \ pi}} \ left [\ int _ {- \ pi} ^ {0} i \ cdot e ^ {i \ omega n} \، \ mathrm {d} \ امگا - \ int _ {0} ^ {\ pi} i \ cdot e ^ {i \ omega n} \، \ mathrm {d} \ امگا \ راست]} _ {h [n]} ، \ پایان {تراز شده}}}

جایی که

{\ displaystyle h [n] \ \ triangleq \ {\ start {cases} 0، & {\ text {for}} n {\ text {even}} \\ {\ frac {2} {\ pi n}} & {\ text {for}} n {\ text {odd}} ، \ end {موارد}}}

که یک پاسخ تکانه بی نهایت است (IIR). هنگامی که ترکیب به صورت عددی انجام می شود ، همانطور که در شکل 1 نشان داده شده است ، تقریب FIR برای h [ n ] جایگزین می شود . یک فیلتر FIR با تعداد عجیب ضرایب ضد متقارن نوع III نام دارد که ذاتاً پاسخهایی با اندازه صفر در فرکانسهای 0 و Nyquist از خود نشان می دهد ، در نتیجه در این حالت به شکل فیلتر باند عبور می شود. یک طرح نوع IV (تعداد زوج ضرایب ضد متقارن) در شکل 2 نشان داده شده است . از آنجا که میزان پاسخ در فرکانس Nyquist کاهش نمی یابد ، تقریباً یک ترانسفورماتور هیلبرت ایده آل کمی بهتر از فیلتر عجیب و غریب است. با این حال

  • یک توالی معمولی (یعنی به درستی فیلتر شده و نمونه برداری شده) u [ n ] هیچ اجزای مفیدی در فرکانس Nyquist ندارد.
  • پاسخ ضربه نوع IV نیاز به یک 1 / 2 تغییر نمونه در ساعت [ N ] دنباله. همانطور که در شکل 2 دیده می شود ، ضرایب با ارزش صفر غیر صفر می شوند . بنابراین یک طراحی نوع III دو برابر کارآمدتر از نوع IV است.
  • تأخیر گروهی در طراحی نوع III تعداد عددی صحیح است که هم ترازی را تسهیل می کند {\ hat {u}} [n] با تو [n] ،برای ایجاد یک سیگنال تحلیلی . تأخیر گروهی نوع IV بین دو نمونه به نصف رسیده است.

MATLAB تابع، هیلبرت (U، N) ، [47] convolves AU [n] را ترتیب با مجموع تناوبی : [A]

{\ displaystyle h_ {N} [n] \ \ triangleq \ sum _ {m = - \ infty} ^ {\ infty} h [n-mN]}   [B] [C]

و یک چرخه ( N نمونه) از نتیجه دوره ای را در قسمت خیالی یک دنباله خروجی با ارزش پیچیده برمی گرداند . ترکیب در دامنه فرکانس به عنوان محصول آرایه اجرا می شود {\ displaystyle {\ scriptstyle \ mathrm {DFT}} \ چپ (تو [n] \ راست)}  با نمونه هایی از توزیع i sgn ( ω ) (که اجزای واقعی و خیالی آنها فقط 0 یا  1 ± هستند ). شکل 3 نیمه سیکل h N [ n ] را با یک قسمت طول معادل h [ n ] مقایسه می کند . با تقریب FIR برای{\ displaystyle h [n]،} نشان داده شده توسط {\ tilde {h}} [n] ، جایگزین کردن {\ displaystyle {\ scriptstyle \ mathrm {DFT}} \ چپ ({\ tilde {h}} [n] \ سمت راست)}برای نمونه های i sgn ( ω ) منجر به یک نسخه FIR از ترکیب می شود.

قسمت واقعی توالی خروجی توالی ورودی اصلی است ، به طوری که خروجی پیچیده نمایشی تحلیلی از u [ n ] است . وقتی ورودی بخشی از کسینوس خالص باشد ، ترکیب حاصل از دو مقدار مختلف N در شکل 4 (نمودارهای قرمز و آبی) به تصویر کشیده شده است . اثرات لبه مانع از آن می شود که یک عملکرد سینوسی خالص باشد (طرح سبز). از آنجا که N [ n ] یک دنباله FIR نیست ، میزان نظری اثرات کل توالی خروجی است. اما تفاوت ها با عملکرد سینوسی با فاصله از لبه ها کاهش می یابد. پارامتر Nطول توالی خروجی است. اگر از طول توالی ورودی بیشتر باشد ، ورودی با افزودن عناصر با ارزش صفر اصلاح می شود. در بیشتر موارد ، این میزان اختلافات را کاهش می دهد. اما مدت زمان آنها تحت تأثیر افزایش و سقوط ذاتی پاسخ تکانه h [ n ] است .

قدردانی از اثرات لبه زمانی مهم است که از روشی به نام overlap-save برای انجام کانولوشن در یک توالی طولانی u [ n ] استفاده شود. بخشهای طول N با عملکرد دوره ای ترکیب می شوند:

{\ displaystyle {\ tilde {h}} _ {N} [n] \ \ triangleq \ sum _ {m = - \ infty} ^ {\ infty} {\ tilde {h}} [n-mN].}

وقتی مدت مقادیر غیر صفر از {\ displaystyle {\ tilde {h}} [n]} است {\ displaystyle M <N ،}توالی خروجی شامل N - M + 1 نمونه از {\ کلاه {u}}. خروجی های M - 1 از هر بلوک N دور ریخته می شوندو بلوک های ورودی برای جلوگیری از ایجاد شکاف با آن مقدار همپوشانی دارند.

شکل 5 مثالی از هر دو تابع IIR hilbert (·) و تقریب FIR است. در مثال ، یک تابع سینوسی با محاسبه تبدیل گسسته هیلبرت از یک تابع کسینوس ایجاد می شود ، که در چهار بخش همپوشانی پردازش شده و دوباره به هم متصل می شود. همانطور که نتیجه FIR (آبی) نشان می دهد ، اعوجاج های آشکار در نتیجه IIR (قرمز) ناشی از تفاوت بین h [ n ] و h N [ n ] نیست (سبز و قرمز در شکل 3 ). واقعیت مخروطی بودن h N [ n ] ( پنجره دار)) در واقع در این زمینه مفید است. مشکل واقعی این است که به اندازه کافی پنجره ندارد. به طور موثر ، M = N ، در حالی که روش همپوشانی صرفه جویی به M < N نیاز دارد .

تبدیل هیلبرت نظریه اعداد ویرایش ]

عدد تئوری تبدیل هیلبرت یک پسوند [50] تبدیل گسسته هیلبرت به مدول اعداد صحیح یک عدد اول مناسب است. در این امر از تعمیم تبدیل فوریه گسسته به تبدیل نظری عدد پیروی می کند . از تبدیل تئوریک هیلبرت برای تولید مجموعه ای از توالی های گسسته متعامد می توان استفاده کرد. [51]

همچنین به 

https://en.wikipedia.org/wiki/Hilbert_transform

ریچارد بروئر

ریچارد بروئر

Richard Brauer.jpg

ریچارد و ایلز بروئر در سال 1970 با 
عکس از MFO خوش آمدگویی می کنند

بدنیا آمدن10 فوریه 1901

شارلوتنبورگ ، امپراتوری آلمان

فوت کرد17 آوریل 1977 (در سن 76 سالگی)

بلمونت ، ماساچوست ، ایالات متحده

اقامتگاهآلمان ، ایالات متحده
ملیتآلمانی ، ایالات متحده
آلما مادهدانشگاه برلین (دکتری ، 1926)
شناخته شده برایقضیه برائر در مورد شخصیتهای القا شده
جوایزجایزه کول در جبر (1949) 
مدال ملی علوم (1970)
حرفه علمی
زمینه هایدانشمند ، ریاضیدان
موسساتدانشگاه تورنتو ، دانشگاه میشیگان ، دانشگاه هاروارد
پایان نامهdieber die Darstellung der Drehungsgruppe durch Gruppen linearer Substitenen  (1926)
مشاور دکتراایسایا شور 
ارهارد اشمیت
دانشجویان دکتراRH Bruck 
S. A. Jennings 
Peter Landrock 
D. J. Lewis 
J. Carson Mark Mark 
Cecil J. Nesbitt 
Ralph Stanton 
Robert Robert Steinberg

ریچارد داگوبرت براور (10 فوریه 1901 - 17 آوریل 1977) ریاضیدان برجسته آلمانی و آمریکایی بود . او عمدتاً در جبر انتزاعیکار می کرد ، اما در تئوری اعداد نقش مهمی داشت . او بنیانگذار تئوری نمایندگی ماژولار بود .

 

فهرست

آموزش و حرفه ویرایش ]

آلفرد بروئر برادر ریچارد و هفت سال بزرگتر بود. آنها در یک خانواده یهودی به دنیا آمدند. هر دو به علم و ریاضیات علاقه مند بودند ، اما آلفرد در جنگ در جنگ جهانی اول مجروح شد. به عنوان یك پسر ، ریچارد آرزو كرد كه مخترع شود و در فوریه سال 1919 درTechnische Hochschule Berlin-Charlottenburg ثبت نام كرد . وی به زودی به دانشگاه برلین منتقل شد . به جز تابستان سال 1920 که در دانشگاه فرایبورگ تحصیل کرد ، در برلین تحصیل کرد و دکترای خود را دریافت کرد. در 16 مارس 1926. ایسایا شور سمیناری را برگزار کرد و در سال 1921 مشکلی ایجاد کرد که آلفرد و ریچارد با هم کار کردند و نتیجه ای را منتشر کردند.مشکل نیز توسط حل شدهم زمان هاینز هاپف . ریچارد پایان نامه خود را نوشت تحت Schur، ارائه یک روش جبری غیر قابل تقلیل، مستمر، محدود بعدی نمایندگی از واقعی متعامد (چرخش) قرار گرفتند.

ایلس کارگر همچنین در دانشگاه برلین در رشته ریاضیات تحصیل کرده است. او و ریچارد 17 سپتامبر 1925 ازدواج کردند. پسرانشان جورج اولریش (B 1927) و فرد گانتر (B 1932) نیز ریاضیدان شدند. Brauer فعالیت تدریس خود را در Königsberg (اکنون کالینینگراد) آغاز کرد و به عنوان دستیار Konrad Knopp کار کرد. Brauer جبهه های تقسیم مرکزی را بیش از یک میدان کامل در حالی که در Königsberg بود کشف کرد. کلاس های ایزومورفیسم اینگونه جبرها عناصر گروه Brauer را معرفی می کند.

هنگامی که حزب نازی در سال 1933 به دست گرفت ، کمیته اضطراری در کمک به محققان بیجا شده بیجا شده ، برای کمک به براوئر و سایر دانشمندان یهودی اقدامی انجام داد. [1] Brauer استادی استادی در دانشگاه کنتاکی ارائه شد . ریچارد این پیشنهاد را پذیرفت و در اواخر سال 1933 در لكینگتون ، كنتاكی مشغول تدریس به زبان انگلیسی بود. [1] ایلس سال بعد را با جورج و فرد دنبال کرد. برادر آلفرد در سال 1939 آن را به ایالات متحده فرستاد ، اما خواهر آنها آلیس در هولوکاست کشته شد . [1]

هرمان ویل از ریچارد برای کمک به وی در انستیتوی مطالعات پیشرفته پرینستون در سال 1934 دعوت کرد. ریچارد و ناتان جیکوبسون ویرایش سخنرانی های ویل ساختار و نمایندگی از گروه های مداوم . از طریق نفوذ امی نوتر ، ریچارد به دانشگاه تورنتو دعوت شد تا یک مقام هیئت علمی را به دست بگیرد. او با دانشجو فارغ التحصیل خود سسیل جی. نسبت ، تئوری نمایندگی ماژولار را توسعه داد ، که در سال 1937 منتشر شد. رابرت اشتاینبرگ ، استفان آرتور جنینگز ، و رالف استنتون نیز از دانشجویان Brauer در تورنتو بودند. Brauer همچنین تحقیقات بین المللی را باتاداسی ناکایاما در نمایندگی از جبر. در سال 1941 دانشگاه ویسکانسین میزبان استاد Brauer بود. سال بعد وی از انستیتوی مطالعات پیشرفته و بلومینگتون ، ایندیانا بازدید کرد که امیل آرتین در آن تدریس می کرد.

در سال 1948 ریچارد و ایلس به آن آربر ، میشیگان نقل مکان کردند و در آنجا او و رابرت م. ترال در جبر مدرن در دانشگاه میشیگان در این برنامه همکاری کردند . Brauer با دانش آموخته فارغ التحصیل خود KA Fowler قضیه Brauer-Fowler را اثبات کرد . دونالد جان لوئیس یکی دیگر از دانش آموزان خود در UM بود.

در سال 1952 Brauer به دانشکده دانشگاه هاروارد پیوست . او قبل از بازنشستگی در سال 1971 ، ریاضیدانان مشتاق مانند دونالد پاسمن و من مارتین ایزاک را تدریس کرد. Brauers بارها برای دیدن دوستان خود از جمله Reinield Baer ، Werner Wolfgang Rogosinski و Carl Ludwig Siegel سفر می کرد .

کار ریاضی ویرایش ]

چندین قضیه نام او را شامل می شود ، از جمله قضیه استقرا براون ، که دارای کاربردهایی در تئوری اعداد و همچنین تئوری گروه محدود و خصوصیات نتیجه گیری Brauer از شخصیت ها استکه برای نظریه شخصیت های گروه اساسی است.

Brauer به-فاولر قضیه ، در سال 1956 منتشر شده است، بعد از انگیزه قابل توجهی نسبت به ارائه طبقه بندی گروه های متناهی ساده ، برای آن نشان داد که وجود دارد تنها می تواند بسیاری از finitely گروه متناهی ساده که می شود centralizer از پیچ (عنصر نظم 2) حال ساختار مشخص شده

براور برای بدست آوردن اطلاعات ظریف در مورد شخصیتهای گروه ، به ویژه از طریق سه قضیه اصلی خود ، از نظریه نمایش مدولار استفاده كرد . این روشها به ویژه در طبقه بندی گروههای ساده محدود با زیر گروههای زیر سطح پایین Sylow بسیار مفید بودند . قضیه Brauer به-سوزوکی نشان داد که هیچ گروه متناهی ساده می تواند یک دارند تعمیم چهارگانه Sylow را 2-زیر گروه، و قضیه Alperin-Brauer به-Gorenstein گروه های محدود با wreathed یا طبقه بندی quasidihedral Sylow را 2-زیر گروه. روش های توسعه یافته توسط Brauer همچنین در کمک دیگران توسط برنامه طبقه بندی نقش مهمی داشت: برای مثال ، قضیه گورنشتاین-والتر، طبقه بندی گروه های محدود با دوسطحی Sylow را 2-زیر گروه، و Glauberman را Z * قضیه . تئوریبلوک با گروه نقص چرخه ای ، ابتدا توسط Brauer در مورد کار می شود که بلوک اصلی دارای گروه نقص نظم p است ، و بعداً توسط EC Dade به صورت کلی انجام شد ، همچنین دارای چندین کاربرد برای تئوری گروه بود. به عنوان مثال برای گروه های محدود ماتریس بیش از اعداد پیچیده در ابعاد کوچک. درخت Brauer به یک شی ترکیبی مربوط به یک است بلوک با گروه نقص چرخه ای که کد اطلاعات زیادی در مورد ساختار بلوک.

در سال 1970 به وی مدال ملی علوم اعطا شد . [2]

شماره های ابر پیچیده ویرایش ]

مقاله اصلی: شماره Hypercomplex

ادوارد مطالعه در سال 1898 مقاله ای را در مورد شماره های ابر پیچیده برای دائرycl المعارف کلین نوشته بود . این مقاله برای چاپ به زبان فرانسوی توسط هنری کارتان در سال 1908 گسترش یافته بود. در دهه 1930 نیاز به وضوح برای به روزرسانی مقاله مطالعه وجود داشت ، و ریچارد Brauer مأمور شد که در این زمینه بنویسد. موضوع پروژه همانطور که معلوم شد ، وقتی Brauer نسخه خطی خود را در سال 1936 در تورنتو تهیه کرد ، اگرچه برای انتشار پذیرفته شد ، سیاست و جنگ مداخله کرد. با این وجود ، Brauer نسخه خطی خود را در دهه های 1940 ، 1950 و 1960 حفظ کرد ، و در سال 1979 توسط دانشگاه Okayama در ژاپن [3] منتشر شد . همچنین در جلد اول از وی به عنوان مقاله شماره 22 پس از مرگ ظاهر شدمقالات را جمع آوری کرد . عنوان وی "Algebra der hyperkomplexen Zahlensysteme (Algebren)" بود. برخلاف مقاله های Study and Cartan ، که اکتشافی بودند ، مقاله Brauer به عنوان متن جبر انتزاعی مدرن با پوشش جهانی آن خوانده شده است. مقدمه وی را در نظر بگیرید:

در آغاز قرن نوزدهم ، اعداد پیچیده معمول و معرفی آنها از طریق محاسبات با شماره های جفت یا نقاط موجود در هواپیما ، به یک ابزار کلی ریاضیدانان تبدیل شد. به طور طبیعی این سؤال پیش می آید که آیا می توان با استفاده از نقاطی از فضای n بعدی ، یک عدد "هایپرکلکس" مشابه تعریف کرد یا خیر. همانطور که معلوم است چنین گسترش سیستم اعداد واقعی مستلزم امتیاز برخی از بدیهیات معمول است (وایرشتراس 1863). انتخاب قوانین محاسبات ، که نمی توان از آنها در تعداد کمبودها جلوگیری کرد ، به طور طبیعی امکان انتخاب را فراهم می آورد. با این وجود ، در هر موردی که بیان شده باشد ، سیستم های عددی حاصل ، نظریه ای بی نظیر را با توجه به خصوصیات ساختاری و طبقه بندی آنها ارائه می دهند. علاوه بر این ، کسی آرزو می کند که این نظریه ها در ارتباط نزدیک با سایر زمینه های ریاضیات باشند ،

در حالی که هنوز در Königsberg در سال 1929 بود ، Brauer مقاله ای را در Mathematische Zeitschrift "Über Systeme hyperkomplexer Zahlen" منتشر کرد [4] که در درجه اول مربوط به حوزه های انتگرال (Nullteilerfrei systeme) و نظریه میدانی بود که بعداً در تورنتو از آن استفاده کرد.

انتشارات ویرایش ]

همچنین مشاهده کنید ویرایش ]

ادامه نوشته

ادوارد وارینگ

از ویکی‌پدیا، دانشنامهٔ آزاد

پرش به ناوبریپرش به جستجو

ادوارد وارینگ
Edwardwaring.jpg
زادهح. ۱۷۳۶
شروزبری، شروپ‌شر، انگلستان
درگذشت۱۵ اوت ۱۷۹۸ (۶۲ سال)
محل سکونتEngland
ملیتبریتانیا
محل تحصیلMagdalene College, Cambridge
شناخته‌شده برایWaring's problem
Waring's prime number conjecture
جایزه‌هامدال کاپلی (۱۷۸۴)
موقعیت‌های علمی
موضوع‌هاMathematics
مؤسسه‌هادانشگاه کمبریج
دانشجویان شاخص

جان ویلسون
John Dawson

 

ادوارد وارینگ (انگلیسی: Edward Waring؛ ح. ۱۷۳۶ – ۱۵ اوت ۱۷۹۸) یک ریاضی‌دان در زمینه نظریه اعداداهل بریتانیا بود.

وی همچنین برنده جوایزی همچون مدال کاپلی شده است.

اتین فووری

ین فووری یک ریاضیدان فرانسوی است که در تئوری تحلیلی اعداد کار می کند .

 

خلاصه

بیوگرافی ویرایش تغییر کد ]

فووری در آکول نوراله Supérieure  (ارتقاء 1972) تحصیل کرد ، و دکترای خود را با عنوان  توزیع دنباله ها در پیشرفت های حسابی 1 ، در سال 1981 در دانشگاه بوردو  به سرپرستی ژان مارک دسویلر  و هنریک بدست آورد. Iwaniec 2 . وی استاد دانشگاه پاریس-سود در اورسای است .

کار می کند ویرایش تغییر کد ]

فووری روی روشهای تئوری اعداد تحلیلی حدس فرما 3 کار کرد . بر اساس کار خود را،  لئونارد آدلمن  و راجر هیث براوندر سال 1985 نشان داد 4 که اولین مورد از قضیه فرما برای بسیاری از بی نهایت معتبر است اعداد اول . این نتایج Fouvry نیز همچنین یک عنصر مهم در شواهد داده شده توسط می Manindra آگراوال ، Neeraj از Kayal  و نیتین ساکسنا  از اولین چند جمله ای آزمون اول بودن 5 .

با Iwaniec ، او قضایای مربوط به شماره های اصلی را با پیشرفت حسابی به اثبات رساند و فراتر از قضیه 6 Bombieri-Vinogradov ، با کاربردهایی برای افزایش تعداد اعدامهای دوقلوی . برای این منظور ، آنها به طور متوسط ​​در مبالغکلوسترمن به دلیل دلشورها و ایوانیچ از افزایش متوسط ​​استفاده کردند .

فووری همچنین در تئوری اعداد جبری و الگوریتمی کار کرده است ، به عنوان مثال در مورد اکتشافی  کوهن - Lenstra 7 .

کار می کند ویرایش تغییر کد ]

  • پنجاه سال تئوری اعداد تحلیلی - یکی از دیدگاه ها در مورد دیگر: روش های غربال. در: ژان پل پیر (ویراستار) ، توسعه ریاضیات ، 19000-2000.  Birkhäuser 2000
  • در مورد اول قضیه فرما. تئوری بوردو نظریه اعداد (1984) ، به صورت آنلاین بخوانید  [ بایگانی ]

 

ادامه نوشته

پارادوکسهای Zeno 

مقاله اصلی: پارادوکسهای زنو

پارادوکسهای Zeno بیش از دو هزار سال است که فیلسوفان، ریاضیدانان و فیزیکدانان را به فریب دادن، به چالش کشیدن، تحت تاثیر قرار دادن، الهام، خشم و فلاکت قرار داده اند. معروف ترین آئین ها علیه حرکت است که ارسطو در کتاب فیزیک ، کتاب VI آن را شرح داده است. [21]

  • آشیل و لاک پشت

  •  
  • دوگانگی

  •  
  • فلش

  •  
  • ردیف در حال حرکت

قضیه  لاگرانژ در تئوری اعداد

نتیجه تصویری برای لاگرانژ

قضیه باقی مانده چینی 3

قضیه باقی مانده چینی (CRT - Theorem of Chinese Reminder) برای حل انواع معادلات با یک متغیر استفاده می شود، اما با ماژول های متقابل ساده متفاوت است، همانطور که در زیر نشان داده شده است:

 \ tt \ parindent0pt x \ equiv a_ {1} (mod \ m_ {1}) x \ equiv a_ {2} (mod \ m_ {2}) ... x \ equiv a_ {k} (mod \ m_ {k}

قضیه چینی باقی مانده بیان می کند که معادلات فوق یک راه حل منحصر به فرد دارند اگر ماژول ها به طور متقابل ساده باشند.

 \ tt \ parindent0pt $ x \ equiv 2 (mod \ 3) $ x \ equiv 3 (mod \ 5) $ x \ equiv 2 (mod \ 7) $

23 \ equiv 3 \ left ({\ bmod 5} \ right)

 23 \ equiv 2 \ left ({\ bmod 3} \ right)
23 \ equiv 2 \ left ({\ bmod 7} \ right)
 

پس برای این سیستم معادلات، x = 23 است . 

 

راه حل سیستم معادلات به ترتیب زیر انجام می شود:

 

  1. یافتن M = {m_1} \ times {m_2} \ times \ ldots \ times {m_k}این یک ماژول رایج است.
  2. یافتن 1 = M / m 1 ، M 2 = M / m 2 ، ...، M k = M / m k .
  3. با استفاده از ماژول های مربوطه 1 ، m 2 ، ....، M k ، چندتایی را پیدا کنیمعکوس 1 ، M 2 ،  را به عنوان 1-1 ، M -1 ، ...، M -1 تعیین کنیم .
 

توجه داشته باشید که سیستم معادلات ممکن است یک راه حل داشته باشد، حتی اگر ماژول ها به طور متقارن ساده نیستند. با این حال، در رمزنگاری، ما فقط علاقه مند به حل معادلات با ماژول های متقارن ساده هستیم.

 

یک راه حل برای سیستم معادلات پیدا کنید

 \ tt \ parindent0pt $ x \ equiv 2 (mod \ 3) $ x \ equiv 3 (mod \ 5) $ x \ equiv 2 (mod \ 7) $

 
 

قضیه باقی مانده چینی اغلب در رمزنگاری استفاده می شود. یکی از چنین کاربردی - حل معادلات درجه دوم - در بخش بعدی مورد بحث قرار خواهد گرفت.یک برنامه دیگر نمایندگی از عدد بسیار بزرگ به عنوان یک لیست از عدد صحیح کوچک است.

 

فرض کنید ما باید z = x + y را محاسبه کنیم ، جایی که x = 123 و y = 334 ، اما سیستم فقط اعداد کمتر از 100 را قبول می کند این اعداد را می توان با معادلات زیر بیان کرد:

 

قرار دادن هر معادله X با معادله مربوطه Y :

 

اکنون این سه معادله را می توان با استفاده از قضیه چینی بر روی باقی مانده برای یافتن z حل کرد . یکی از پاسخهای قابل قبول z = 457 است .

 
 
 
 
 
 
ادامه نوشته

مثال از قضیه چینی2

فرمول اصلی Sunzi: x ≡ 2 (mod 3) ≡ 3 (mod 5) ≡ 2 (mod 7) با راه حل x = 23 + 105 k که در آن k ∈ ℤ

مثال از قضیه چینی

{\ displaystyle {\ begin {cases} x \ equiv 1 {\ pmod {2}}، \\ x \ equiv 2 {\ pmod {3}}، \\ x \ equiv 6 {\ pmod {7}}. \\ پایان {موارد}}}

برای حل این سیستم، ما راه حل های معادلات اول، دوم و سوم را به صورت جداگانه می نویسیم (به اندازه کافی برای نوشتن راه حل هایی که از 2 × 3 × 7 = 42 استفاده نمی کنند ):

{\ displaystyle x_ {1} \ in \ {1،3،5،7،9،11، \ dots، 39، \ mathbf {41}، 43، \ dots}}}

 {\ displaystyle x_ {2} \ in \ {2،5،8،11،14، \ dots، 38، \ mathbf {41}، 44، \ dots \}،}

{\ displaystyle x_ {3} \ in \ {6،13،20،27،34، \ mathbf {41}، 48، \ dots}}.

بدیهی است، مجموعه ای از راه حل های سیستم تقاطع مجموعه های فوق می باشد. بر طبق بیانیه قضیه، یک راه حل وجود دارد و به یک عملیات مدول 42 منحصر به فرد است. در مورد ما

x \ in \ {41،83،125، \ dots \}

 x \ equiv 41 {\ pmod {42}}.

به منظور نشان دادن راه دیگری، مشکل ما را اصلاح می کنیم. پیدا کردن سه عدد ( u ، v ، w ) به طوری که:

 {\ displaystyle {\ begin {cases} x = 1 + 2u، \\ x = 2 + 3v، \\ x = 6 + 7w. \\ end {cases}}}

با قرار دادن x از معادله اول به دوم، ما دریافت می کنیم 1 + 2u \ equiv 2 {\ pmod 3}  سپس 2u \ equiv 1 {\ pmod 3} پس 4u \ equiv 2 \ pmod 3 پس u \ equiv 2 \ pmod 3 یاتو = 2 + 3sسپس جایگزین x از معادله اول به سوم، با در نظر گرفتن عبارت خواهد شد1 + 2 (2 + 3s) \ equiv 6 {\ pmod 7}پس s \ equiv 6 \ pmod 7  پس x = 1 + 2 (2 + 3 \ cdot 6) = 41 

ادامه نوشته

تابع موبیوس

 

برای هر عدد صحیح مثبت

 n ، μ ( n )

را به عنوان مجموع n ریشه های اولیه n وحدت تعریف می کنیم . این مقدار در { -1 ، 0 ، 1 } به ترتیب با تقسیم کردن n به عوامل اصلی ارزش دارد :

  • μ ( n ) =  1 اگر n یکعدد صحیح مثبت بدون مربع باتعداد حقیقی از عوامل اولیه باشد.
  • μ ( n ) = -1 اگر n یک عدد صحیح مثبت بدون مربع با تعداد عددی از عوامل اول باشد.
  • μ ( n ) =  0 اگر n دارای یک عامل اولیه مربع باشد.

تابع فی  اویلر

$ n = \ prod_ {i = 1} ^ {m} p_i ^ {e_i} = p_1 ^ {e_1} p_2 ^ {e_2} \ cdots p_m ^ {e_m} $ 

اعداد اول فرما

تصویر مربوطه

مثال تابع فی  اویلر

فرمول زتا

 

 

تابع فی  اویلر

در نظریه اعداد تابع فی اویلر یا {\displaystyle \varphi (n)} تابعی است که تعداد اعداد طبیعی کوچکتر از n که نسبت به n اول اند را می‌شمارد. اگر n یک عدد طبیعی مثبت باشد، آنگاه {\displaystyle \varphi (n)} برابر است با تعداد اعداد طبیعی k در بازه ۱ تا n به‌طوری‌که gcd(nk) = ۱. تابع فی اویلر یک تابع ضربی است، بدین معنی که اگر دو عدد m و n نسبت به هم اول باشند آنگاه {\displaystyle \varphi (mn)=\varphi (m)\varphi (n)}. برای مثلاً (۹)φ برابر ۶ است. زیرا اعداد ۱، ۲، ۴، ۵، ۷ و ۸ نسبت به ۹ اول هستند.

تاریخچه و نمادگذاری

لئونارد اولر این تابع را در سال ۱۷۶۳ معرفی کرد. در آن زمان او هنوز نماد خاصی برای این تابع تعیین نکرده بود. بعدها لئونارد اویلر با مطالعه بیشتر تابع فی، حرف یونانی π را برای آن برگزید. نماد استاندارد φ بعدها توسط گاوس استفاده شده‌است.

محاسبه مقدار تابع فی

چندین راه برای محاسبه این فرمول وجود دارد.

فرمول ضرب اویلر

اگر p اول و k ≥ 1 باشد ، سپس

 {\ displaystyle \ varphi (p ^ {k}) = p ^ {k-1} (p-1) = p ^ {k} \ left (1 - {\ frac {1} {p}} \ right). }

 

این تابع بیان می‌کند که

                                   {\displaystyle \varphi (n)=n\prod _{p\mid n}\left(1-{\frac {1}{p}}\right)}

که در آن p یک عدد اول است به‌طوری‌که n بر p بخش پذیر است.

تبدیل فوریه

مقدار تابع فی برابر است با مقدار تبدیل فوریه گسسته ب.م.م در ۱:

{\displaystyle {\begin{aligned}{\mathcal {F}}\left\{\mathbf {x} \right\}[m]&=\sum \limits _{k=1}^{n}x_{k}\cdot e^{{-2\pi i}{\frac {mk}{n}}},\mathbf {x} =\left\{\gcd(k,n)\right\}\quad {\text{for}}\,k\in \left\{1\dots n\right\}\\\varphi (n)&={\mathcal {F}}\left\{\mathbf {x} \right\}[1]=\sum \limits _{k=1}^{n}\gcd(k,n)e^{{-2\pi i}{\frac {k}{n}}}.\end{aligned}}}

مقدار حقیقی این فرمول برابر است با:

{\displaystyle \varphi (n)=\sum \limits _{k=1}^{n}\gcd(k,n)\cos {2\pi {\frac {k}{n}}}.} 

توجه کنید که برخلاف دو فرمول دیگر در این فرمول نیازی به دانستن عوامل اول n نیست. اما چون فرمول شامل محاسبه ب.م.م n و همه اعداد مثبت کمتر از n است در نهایت به تجزیه n نیاز خواهیم داشت.

جمع مقسوم علیه‌ها

فرمول کلاسیک اویلر

                                                           

{\displaystyle \sum _{d\mid n}\varphi (d)=n,}

این فرمول به روش‌های مختلف قابل اثبات است.

تابع زتای ریمان

برای n>1 می‌توان تابع فی را به عنوان یک حد تابع زتای ریمان محاسبه کرد

                               {\displaystyle \varphi (n)=n\lim \limits _{s\rightarrow 1}\zeta (s)\sum \limits _{d|n}\mu (d)(e^{1/d})^{(s-1)}}

که در این فرمول

{\displaystyle \zeta (s)} تابع زتای ریمان است،{\displaystyle \mu } تابع موبیوس است، {\displaystyle e} عدد نپر است، و d مقسوم علیه است.