形式幂级数

形式幂级数(formal power series)是一个数学中的抽象概念，是从幂级数中抽离出来的代数对象。形式幂级数和从多项式中剥离出来的多项式环类似，不过允许（可数）无穷多项因子相加，但不像幂级数一般要求研究是否收敛和是否有确定的取值。形式幂级数在代数和组合理论中有广泛应用。

简介

形式幂级数和多项式的形式定义有类似之处。对于熟悉幂级数的读者，也可以将其看作是不讨论幂级数敛散性，也就是将其中的不定元仅仅看作是一个代数对象，而不是任何具体数值的时候写出的幂级数。举例来说，以下的级数式子：

$A=1-3X+5X^{2}-7X^{3}+9X^{4}-11X^{5}+\cdots .$

如果我们把它当成幂级数来研究的话，重点会放在它的收敛半径等于1、其对应的幂级数函数是否满足某些性质等等。但作为形式幂级数来研究时，我们关注的是它本身的结构。我们甚至可以把它简写为：$[1,-3,5,-7,9,\cdots ]$这样，只关注它的系数。我们完全可以考虑各种系数的形式幂级数。比如说系数为阶乘的形式幂级数：$[1,1,2,6,24,120,,\cdots ]$，即使说它对应的幂级数：

$A=1+X+2X^{2}+6X^{3}+24X^{4}+120X^{5}+\cdots .$

在$X$取任何的非零实数值时都不收敛，我们仍然可以将其作为形式幂级数进行运算。

和多项式环中的元素一样，形式幂级数之间也可以做加减和乘法的运算，具体的计算方式和多项式环一样。比如说设：

$B=2X+4X^{3}+6X^{5}+8X^{7}+\cdots .$

那么$A$与$B$的和就是：

$A+B=1+3X+2X^{2}+10X^{3}+24X^{4}+126X^{5}+\cdots .$

$AB=2X-6X^{2}+14X^{3}-26X^{4}+44X^{5}+\cdots .$

其中$A+B$里面$X^{3}$的系数就是$A$与$B$中$X^{3}$的系数的和；$AB$里面$X^{5}$的系数就是$A$与$B$中$X$的阶数相加等于5的项的系数乘积的和：

$44X^{5}=(1\times 6X^{5})+(5X^{2}\times 4X^{3})+(9X^{4}\times 2X).$

对每个确定的阶数$n$，这个计算是有限项（至多$n+1$项）的相加，所以在计算形式幂级数的加减法和乘法的时候，不需要像在对幂级数进行计算时一样，考虑诸如是否绝对收敛、条件收敛或是一致收敛的问题。另外，如多项式的形式运算一样，形式幂级数也满足加法的交换律、加法的结合律、乘法的交换律、乘法的结合律以及乘法对加法的分配律。

形式幂级数不仅能够定义乘法，也能定义乘法逆的运算。一个形式幂级数$A$的逆是指另一个形式幂级数$C$，使得$AC=1$. 如果这样的形式幂级数$C$存在，就是唯一的，将其记为$A^{-1}$。同时我们也可以定义形式幂级数的除法：当$A$的逆存在时，$B/A=B\cdot A^{-1}.$ 比如说，可以很容易验证：

${\frac {1}{1+X}}=1-X+X^{2}-X^{3}+X^{4}-X^{5}+\cdots .$

形式幂级数上的一个重要映射是系数的提取操作：将一个形式幂级数映射到它的$X^{n}$的系数。这个操作常常记作$[X^{n}]$，比如说对形式幂级数$A=1-3X+5X^{2}-7X^{3}+9X^{4}-11X^{5}+\cdots .$，就有：

$[X^{5}]A=-11$

对以上定义的形式幂级数$B$，也有：$[X^{3}]B=4$。又比如：$[X^{2}](X+3X^{2}Y^{3}+10Y^{6})=3Y^{3}$，$[X^{2}Y^{3}](X+3X^{2}Y^{3}+10Y^{6})=3$。提取映射和多项式环中的对应映射一样，都可以看做是到一个子空间的投影映射。

形式幂级数的环结构

所有的不定元为$X$，系数为某一个交换环$R$上元素的形式幂级数构成一个环，称为$R$上变量为$X$的形式幂级数环，记作$R[[X]]$。

定义

$R[[X]]$可以定义为$R$上变量为$X$的多项式环完备化（对于特定的度量）后得到的。这个定义自然就赋予了$R[[X]]$以拓扑环的结构（同时也赋予了完备度量空间的结构）。不过空间完备化所需要的步骤过于繁琐，而建构$R[[X]]$所需要的并没有那么多。以下将对$R[[X]]$的环结构和拓扑结构分别定义，更为明晰，容易理解。

环结构

首先可以定义集合$R[[X]]$的范围。作为一个集合，$R[[X]]$可以用和$R^{\mathbb {N} }$一样的方法构造。$R^{\mathbb {N} }$是所有$R$上元素构成的数列$(a_{n})_{n\in \mathbb {N} }$的集合：

$R^{\mathbb {N} }=\{(a_{n})_{n\in \mathbb {N} },\,\,\,\forall n\in \mathbb {N} ,\,a_{n}\in R\}.$

$R^{\mathbb {N} }$中的元素可以定义加法和乘法：

$(a_{n})_{n\in \mathbb {N} }+(b_{n})_{n\in \mathbb {N} }=\left(a_{n}+b_{n}\right)_{n\in \mathbb {N} }$

$(a_{n})_{n\in \mathbb {N} }\times (b_{n})_{n\in \mathbb {N} }=\left(\sum _{k=0}^{n}a_{k}b_{n-k}\right)_{n\in \mathbb {N} }.$

其中乘法的定义方法也叫做求两个数列的系数的柯西乘积，也是一种卷积。可以证明，在以上的定义下，$R^{\mathbb {N} }$是一个交换环。环的加法零元是$(0,0,0,...)$，乘法幺元是$(1,0,0,...)$。于是我们可以将$R$中的元素嵌入到$R^{\mathbb {N} }$之中，

$x\in R\,\,\mapsto \,(x,0,0,...)$

并将$(0,1,0,0,...)$映射到不定元$X$，这样通过以上定义的加法和乘法就可以将$R^{\mathbb {N} }$中的有限非零元元素同构为：

$(a_{0},a_{1},a_{2},\ldots ,a_{n},0,0,\ldots )\mapsto a_{0}+a_{1}X+\cdots +a_{n}X^{n}=\sum _{i=0}^{n}a_{i}X^{i}$

这样的结构和多项式环是一样的。所以对于更一般的$R^{\mathbb {N} }$中元素$(a_{n})_{n\in \mathbb {N} }$，就可以自然地希望将其对应到$\sum _{i\in \mathbb {N} }a_{i}X^{i}$：

但这个对应方式并不能通过有限项的加法和乘法得到，所以需要用一个约定上的映射$\varphi :\,R^{\mathbb {N} }\rightarrow R[[X]]$来做到：

$(a_{0},a_{1},a_{2},\ldots ,a_{n},\ldots )\mapsto \varphi (a_{0},a_{1},a_{2},\ldots ,a_{n},\ldots )=a_{0}+a_{1}X+\cdots +a_{n}X^{n}+\cdots =\sum _{i\in \mathbb {N} }a_{i}X^{i}$

这个映射涵盖了之前的多项式的定义，并且可以定义

$\left(\sum _{i\in \mathbb {N} }a_{i}X^{i}\right)+\left(\sum _{i\in \mathbb {N} }b_{i}X^{i}\right)=\sum _{n\in \mathbb {N} }\left(a_{n}+b_{n}\right)X^{n}.$

以及

$\left(\sum _{i\in \mathbb {N} }a_{i}X^{i}\right)\times \left(\sum _{i\in \mathbb {N} }b_{i}X^{i}\right)=\sum _{n\in \mathbb {N} }\left(\sum _{k=0}^{n}a_{k}b_{n-k}\right)X^{n}.$

这个定义使得$\varphi$是一个同态，所以$R[[X]]$也是一个交换环。

拓扑结构

以上的定义中建立了映射

$\varphi (a_{0},a_{1},a_{2},a_{3},\ldots )=\sum _{i=0}^{\infty }a_{i}X^{i},\qquad (1)$

但需要注意的是这里的定义中$\sum _{i=0}^{\infty }a_{i}X^{i}$还是一个符号性的对象，因为我们并没有定义其中无限求和号的意义。为了更好地定义$\sum _{i=0}^{\infty }a_{i}X^{i}$本身，我们需要引入拓扑的结构，将其作为极限来严格地说明。需要注意的是，适合的拓扑结构不止一个。

• 我们可以在$R$上定义离散拓扑的结构，然后将$R^{\mathbb {N} }$作为可数个$R$的积空间，将其上的拓扑定义为积拓扑。
• 我们也可以直接在$R^{\mathbb {N} }$上定义类似于p进数拓扑的$I$进拓扑，其中的$I=(X)$是环结构中由$X$生成的理想，也就是由所有$\sum _{i=1}^{\infty }a_{i}X^{i}$形式的形式幂级数构成的集合。
• 对不熟悉一般的点集拓扑学的读者，也可以建立一个具体的度量（也就是定义“距离”）来定义拓扑。比如定义两个数列$a=(a_{n})_{n\in \mathbb {N} }$和$b=(b_{n})_{n\in \mathbb {N} }$的距离：

  $d(a,b)={\begin{cases}2^{-\omega (a-b)}&\quad a-b\neq 0\\0&\quad a-b=0\end{cases}}$

其中$\omega (s)$表示数列$s=(s_{n})_{n\in \mathbb {N} }$中第一个不等于0的系数的下标。这样的定义之下，我们说两个数列如果越来越“接近”，那么第一个系数不同的地方会出现的越晚，也就是说它们的距离也越小。对一个数列$a=(a_{n})_{n\in \mathbb {N} }$，定义部分和数列为：

$s_{k}=(a_{0},a_{1},\ldots ,a_{k},0,0,\ldots )$

那么部分和$s_{k}$和$a$的距离就会是$2^{-(k+1)}$，所以$k$趋于无穷大的时候，部分和数列和$a$的距离趋于0. 这样，在定义了有限项非零元的数列和多项式的关系以后，就可以将任意的数列定义为部分和数列的极限。

$(a_{0},a_{1},a_{2},a_{3},\ldots )=\lim _{k\to \infty }s_{k}$

然后对形式幂级数也定义类似的距离：

$d'(\sum _{i=0}^{\infty }a_{i}X^{i},\sum _{i=0}^{\infty }b_{i}X^{i})={\begin{cases}2^{-\omega '},\,\,\omega '=\min _{n}\{a_{n}\neq b_{n}\}&\quad \exists a_{n}\neq b_{n}\\0&\quad \forall n,\,\,a_{n}=b_{n}\end{cases}}$

然后形式幂级数也就满足：

$\sum _{i=0}^{\infty }a_{i}X^{i}=:\varphi (a_{0},a_{1},a_{2},a_{3},\ldots )=\lim _{k\to \infty }\varphi (s_{k})=\lim _{k\to \infty }\sum _{i=0}^{k}a_{i}X^{i}$

并且可以验证加法、乘法的交换律和结合律，以及乘法对加法的分配律。于是我们定义出了一个同构于$R^{\mathbb {N} }$的拓扑环，将其称为$R$上的形式幂级数环$R[[X]]$。

参考来源

• Nicolas Bourbaki: Algebra, IV, §4. Springer-Verlag 1988.