对换子的深层含义

本文探讨了对换子操作与求根符号的内在联系,揭示了伽罗瓦群的结构,介绍了布林根式BR的概念,强调了广义求根公式的重要性,并挑战了传统求根公式的局限性。作者主张扩展到区分更多根的操作,以更全面理解数域的表示方式。

对换子操作和求根符号其实就是一枚硬币的两个面,其本质是同一个东西。因为求根符号的存在,使得区分两个根成为可能,所以一切对换子都必须可以拆解为对两个根的对调。换句话说,伽罗瓦群中的一切置换都可以写成对两个根对调的序列,否则它就不是伽罗瓦群。

然而,必定存在某些置换,他们不是对调,比如说一次性换三个根或者五个跟的那种。这些操作也可以写成对换子的形式,也就是执行某种操作,执行另外某种操作,再逆执行之前的操作,这也是一种广义的对换子。同样可以保证潜在求根公式的相位不改变。所以只要再保证经过这一系列操作后,所有的根都可以归位,则求根公式依然存在。

所以,理论上我们可以定义一个新的算符,它类似于求根算符,但是求根算符只能区分2个根,这个新算符可以区分,比如说,5个根。那么将A_5中所有的置换都看成是合法的对根的互换操作,则依然能写出求根公式。

这就是布林根式BR的原理了。

那么执着于寻找普通的求根公式的表达式,而不去想这种广义求根公式存在的合理性,未免过于狭隘了。既然我们习惯用\sqrt{2}来表示x^2-2=0的根,那为什么不习惯用BR(2)来表示x^5+x+2=0的根呢?把数域分为实数,有理数,无理数是不是太过笼统了(剩下的不知道的都叫超越数了)?

补充:

为什么一定要是对换子?如果说只考虑进行某种操作然后再复原某种操作,那样的组合很多,那么为什么一定要特别关注对换子呢?这个问题我思考了很多天,直到最近我突然想明白了!这一切都是为了满足交换律!也就是说,不论怎么操作,操作顺序改变不应该影响最终结果。这就是根式的性质,不论什么顺序换根,最终的结果是一样的。这也就是为什么根式满足交换律。而为了满足交换律,首先就必须满足正规子群性,也就是xH=Hx。但是光这样还不够,还需要一种更强的交换性,这就是xHyH=yHxH, 二者相结合就有xyx^y^ in H.这就是对换子的起源了!

### 关于对换次数的概念及其计算方法 #### 什么是对换次数? 在计算机科学领域,“对换次数”通常指的是为了完成某种特定任务而发生的交换操作的数量。这种概念常见于排序算法、页面置换算法以及其他涉及数据移动的操作中。 对于排序算法而言,对换次数是指在排序过程中需要执行的数据元素之间的互换操作数量。例如,在冒泡排序中,每次比较相邻的两个元素并发现它们顺序错误时就会发生一次对换[^1]。 而在页面置换算法中,对换次数可以理解为内存页被替换出去再重新加载回来所经历的过程总次数。这直接影响到系统的性能表现,因为频繁的页面置换会带来较高的时间开销[^2]。 #### 如何计算对换次数? ##### 排序算法中的对换次数 以经典的冒泡排序为例来说明如何统计对换次数: ```python def bubble_sort_with_swap_count(arr): n = len(arr) swap_count = 0 for i in range(n): swapped = False for j in range(0, n-i-1): if arr[j] > arr[j+1]: # Swap elements and increment the counter arr[j], arr[j+1] = arr[j+1], arr[j] swap_count += 1 swapped = True if not swapped: break return swap_count ``` 上述代码展示了通过冒泡排序实现的同时记录下总的对换次数 `swap_count` 的过程。 ##### 页面置换算法中的对换次数 考虑虚拟存储管理下的页面调度情况,假设有一个固定大小的工作集W={p₁,p₂,...,pn}表示当前运行进程所需访问的一系列页面集合,则可以通过模拟不同页面淘汰策略(如FIFO,LRU,OBT等),跟踪每一步可能产生的缺页中断以及相应的页面载入/移除动作从而得出整个周期内的实际对换次数。 需要注意的是,不同的页面置换算法会产生差异化的对换频率。比如理论上最优(OPT)算法能够最小化未来使用的可能性最高的那些页面被淘汰的机会;相比之下先进先出(FIFO)则可能会遭遇Belady异常现象即增加分配给某作业的实际物理块反而引起更多次额外不必要的更换活动。 #### 影响因素分析 除了具体的算法设计外,其他一些外部条件也会间接作用于最终测得的结果之上: - 数据初始状态:已部分有序数组相较于完全逆序排列往往能减少许多无谓调整; - 输入规模:随着待处理项增多自然也意味着潜在交互机会增大; - 编码方式选取:正如提到过的遗传算法里头针对同样一个问题采用二进制还是实数值表述形式会影响到内部结构复杂度进而改变相应运算负担程度[^3]。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值