SlideShare a Scribd company logo
1 of 14
Download to read offline
群環体 有限体 巡回群
実験数学 3
(大阪大学理学部数学科 3 年・4 年)
第 2 回: 有限体
鈴木 譲
大阪大学
2014 年 4 月 24 日
1 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
群 (G, ◦)
集合 G が演算 ◦ で閉じていて、
.
1 結合法則: (a ◦ b) ◦ c = a ◦ (b ◦ c), a, b, c ∈ G
.
2 単位元 e ∈ G が存在: a ◦ e = e ◦ a = a, a ∈ G
.
3 各 a ∈ G について、逆元が存在: a ◦ a−1
= a−1
◦ a = e
(G, ◦) が可換群
.
演算 ◦ について、交換法則: a ◦ b = b ◦ a, a, b ∈ G
◦, e を、可換のとき +, 0 で、一般では ·, 1 で表記することが多い
2 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
環 (R, +, ·)
集合 R が演算 +, · で閉じていて、
.
1 (R, +) が可換群: a + b = b + a, a, b ∈ R
.
2 演算 · について結合法則: (a · b) · c = a · (b · c), a, b, c ∈ R
.
3 演算 (+, ·) について分配法則:
a · (b + c) = a · b + a · c , a, b, c ∈ R
(a + b) · c = a · c + b · c , a, b, c ∈ R
(R, +, ·) が可換環
演算 · について、交換法則: a · b = b · a, a, b ∈ R
3 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
環の例
.
1 Z
.
2 実数 R を係数とする 1 変数 x の多項式の集合 R[x]
.
3 2 × 2 の実数成分の行列の集合 (非可換)
.
4 Z + Z
√
−1
4 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
体 (K, +, ·)
.
1 (K, +, ·) が環
.
2 演算 · の単位元 1 が存在: a · 1 = 1 · a = a, a ∈ K
.
3 演算 + の単位元 0 以外の各要素に、演算 · の逆元が存在:
0 ̸= a ∈ K =⇒ ∃a−1
s.t. a · a−1
= a−1
· a = 1
5 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
体の例
.
1 Q, R, C
.
2 Q + Q
√
2
6 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
Z の剰余環 Z/nZ
n ≥ 1 として、a ≡ b mod n なる同値類の集合
Z/nZ = {¯0, ¯1, · · · , n − 1} (¯k: k ∈ Z の同値類)
a ∈ Z → ¯a ∈ Z/nZ は準同型:
.
1 a + b = ¯a + ¯b
.
2 ab = ¯a¯b
.
3 ¯1¯x = ¯x¯1 = ¯x, ¯x ∈ Z/nZ
可換環 Z/nZ
n が素数 ⇐⇒ Z/nZ が体
素数 p について、体 Z/pZ = {¯0, ¯1, · · · , p − 1} を Fp で表す。
一般に、有限個の要素をもつ体を有限体という。
(Fp の要素を、¯0, ¯1, · · · , p − 1 ではなく 0, 1, · · · , p − 1 とかく)
7 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
証明
n が素数のとき、任意の ¯a ∈ (Z/nZ)∗ := Z/nZ − {¯0} について、
¯a¯x = ¯1 なる ¯x ∈ (Z/nZ)∗ が存在して一意:
.
1 (a, n) = 1 より、ax + ny = 1 なる x ∈ Z が存在
.
2 ax ≡ ax′
≡ 1 mod n =⇒ a(x − x′
) ≡ 0 mod n =⇒ x ≡ x′
mod n
.
3 y ∈ Z, ax ≡ 1 mod n =⇒ a(x + yn) ≡ 0 mod n
n が素数でないとき、¯a¯b = ¯0 なる ¯a, ¯b ∈ (Z/nZ)∗ が存在。
¯a¯a−1 = ¯1 なる ¯a−1 ∈ (Z/nZ)∗ が存在すれば、
¯b = ¯a−1¯a¯b = ¯0 ̸∈ (Z/nZ)∗。
8 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
例: F3 = (Z/3Z)∗
, (Z/4Z)∗
F3 = (Z/3Z)∗:  
+ 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1
 
· 1 2
1 1 2
2 2 1
(Z/4Z)∗:  
· 1 2 3
1 1 2 3
2 2 0 2
3 3 2 1
9 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
有限体 Fp を係数にもつ多項式環 Fp[x]
f (x) ∈ Fp が既約
.
.
f (x) = g(x)h(x), g(x), h(x) ∈ Fp[x] =⇒ g(x) ∈ Fp または
h(x) ∈ Fp
例
.
1 p = 2, f (x) = x2
+ 1 のとき、f (1) = 0, f (x) = (x + 1)2
(可約)
.
2 p = 2, f (x) = x2
+ x + 1 のとき、f (0) = f (1) = 1 (既約)
3 p = 3, f (x) = x2
+ 1 のとき、f (0) = 1, f (1) = 2, f (2) = 2 (既約)
4 p = 2, f (x) = x3
+ x + 1 のとき、f (0) = f (1) = 1 (既約)
10 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
Fp でない有限体の例
F2 = {0, 1} ⇒ 0 + 0 = 1 + 1 = 0, 0 + 1 = 1 + 0 = 1, 1 · 1 = 1
x2 + x + 1 = 0 の根 α ̸∈ F2 を含む拡大 F22 = {0, 1, α, α + 1}
(1+1=0) は、体になる
+ 0 1 α α + 1
0 0 1 α α + 1
1 1 0 α + 1 α
α α α + 1 0 1
α + 1 α + 1 α 1 0
· 1 α α + 1
1 1 α α + 1
α α α + 1 1
α + 1 α + 1 1 α
11 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
参考
学部 4 年の講義でやる内容なので、証明しないで知識のみを記す
.
1 Fq が体 ⇐⇒ q = pm
となる素数 p と正整数 m が存在
(m 次の既約多項式の根を Fp に追加して体が構成できる)
既約多項式の選び方によらず、体として同型になることも示される
.
2 すべての体は、以下のいずれかを拡大したものになる
Q を拡大したもの (標数 0)
p を素数として、Fp を拡大したもの (標数 p)
12 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
f (x) = a0 + a1x + · · · + anxn
∈ Fp[x] について、
f (x) = 0, x ∈ Fp の解は高々n 個
.
1 n = 1 であれば、a1x = −a0 なる x ∈ Fp は、a1 = 0 なら存在せず、
a1 ̸= 0 なら一意に存在する。
.
2 n − 1 次で正しいとする。
.
.
1 次数 n の fn が解をもたなければ、証明終わり。
.
.
2 fn(α) = 0, α ∈ Fp のとき、次数 n − 1 の fn−1 を用いて、
fn(x) = fn−1(x)(x − α) とおくと、fn(x) = 0 の他の任意の解は、
fn−1(x) = 0 の解。
3 fn−1 は高々n − 1 個の解しかもたなかった (n − 1 次での仮定) ので、
fn は高々n 個の解しかもたない
13 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
群環体 有限体 巡回群
F∗
p は巡回群
F∗
p は巡回群
.
.
.
F∗
p = {αi |i = 1, 2, · · · , p − 1} なる α ∈ Fp が存在する
F∗
p の中で位数最大のものを α とし、その位数 n が p − 1 より小さ
いと仮定する (αp−1 = 1 より、αp−1 の位数は p − 1 以下)。
An := {x ∈ F∗
p|xn
= 1}
の要素の個数は、n を超えない (前ページ) ので、β ∈ F∗
pAn が存
在し、その位数 m は
m|n =⇒ βn
= 1 =⇒ β ∈ An
より、n の約数ではないことがわかる。しかし、この場合、F∗
p の
要素である αβ の位数は、m, n の最小公倍数であり、n より大き
くなる。このことは、α が位数最大の要素であることと矛盾する。
14 / 14
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体

More Related Content

What's hot

公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算Joe Suzuki
 
公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題Joe Suzuki
 
ITC_principle02_japanese_ver.1.0
ITC_principle02_japanese_ver.1.0ITC_principle02_japanese_ver.1.0
ITC_principle02_japanese_ver.1.0Satoshi Kume
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題Joe Suzuki
 
【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながりMathCafe
 
圏論のモナドとHaskellのモナド
圏論のモナドとHaskellのモナド圏論のモナドとHaskellのモナド
圏論のモナドとHaskellのモナドYoshihiro Mizoguchi
 
topology of musical data
topology of musical datatopology of musical data
topology of musical dataTatsuki SHIMIZU
 
グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―Yutaka Nagahata
 
ベルヌーイ数を割る素数 - 第4回 #日曜数学会
ベルヌーイ数を割る素数 - 第4回 #日曜数学会ベルヌーイ数を割る素数 - 第4回 #日曜数学会
ベルヌーイ数を割る素数 - 第4回 #日曜数学会Junpei Tsuji
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説AtCoder Inc.
 
第33回数学カフェ予習会#1 線形空間・射影空間の定義
第33回数学カフェ予習会#1 線形空間・射影空間の定義第33回数学カフェ予習会#1 線形空間・射影空間の定義
第33回数学カフェ予習会#1 線形空間・射影空間の定義MathCafe
 
上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフト上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフトKeigo Nitadori
 
f(x)=0と極値の問題
f(x)=0と極値の問題f(x)=0と極値の問題
f(x)=0と極値の問題政孝 鍋島
 

What's hot (20)

固有値問題
固有値問題固有値問題
固有値問題
 
固有値の問題
固有値の問題固有値の問題
固有値の問題
 
公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算
 
公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題
 
ロマ数16 simizut
ロマ数16 simizutロマ数16 simizut
ロマ数16 simizut
 
ITC_principle02_japanese_ver.1.0
ITC_principle02_japanese_ver.1.0ITC_principle02_japanese_ver.1.0
ITC_principle02_japanese_ver.1.0
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題
 
【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり【第34回数学カフェの予習会#1】微分と代数学のつながり
【第34回数学カフェの予習会#1】微分と代数学のつながり
 
圏論のモナドとHaskellのモナド
圏論のモナドとHaskellのモナド圏論のモナドとHaskellのモナド
圏論のモナドとHaskellのモナド
 
圏とHaskellの型
圏とHaskellの型圏とHaskellの型
圏とHaskellの型
 
topology of musical data
topology of musical datatopology of musical data
topology of musical data
 
グレブナー基底
グレブナー基底グレブナー基底
グレブナー基底
 
グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―
 
ベルヌーイ数を割る素数 - 第4回 #日曜数学会
ベルヌーイ数を割る素数 - 第4回 #日曜数学会ベルヌーイ数を割る素数 - 第4回 #日曜数学会
ベルヌーイ数を割る素数 - 第4回 #日曜数学会
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説
 
第33回数学カフェ予習会#1 線形空間・射影空間の定義
第33回数学カフェ予習会#1 線形空間・射影空間の定義第33回数学カフェ予習会#1 線形空間・射影空間の定義
第33回数学カフェ予習会#1 線形空間・射影空間の定義
 
相対位相
相対位相相対位相
相対位相
 
上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフト上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフト
 
abc032
abc032abc032
abc032
 
f(x)=0と極値の問題
f(x)=0と極値の問題f(x)=0と極値の問題
f(x)=0と極値の問題
 

Viewers also liked

Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Joe Suzuki
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定Joe Suzuki
 
Experimental mathematics 2
Experimental mathematics 2Experimental mathematics 2
Experimental mathematics 2Joe Suzuki
 
公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮Joe Suzuki
 
MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後Joe Suzuki
 
公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号Joe Suzuki
 
公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号Joe Suzuki
 
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐるJoe Suzuki
 
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Joe Suzuki
 
Grammatical inference メモ 1
Grammatical inference メモ 1Grammatical inference メモ 1
Grammatical inference メモ 1Keisuke OTAKI
 
Reading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsReading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsKeisuke OTAKI
 
一階述語論理のメモ
一階述語論理のメモ一階述語論理のメモ
一階述語論理のメモKeisuke OTAKI
 
KDD読み会(図なし版)
KDD読み会(図なし版)KDD読み会(図なし版)
KDD読み会(図なし版)Keisuke OTAKI
 
ベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムJoe Suzuki
 
Jeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJoe Suzuki
 

Viewers also liked (20)

Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定
 
2014 12-9
2014 12-92014 12-9
2014 12-9
 
2014 9-22
2014 9-222014 9-22
2014 9-22
 
Experimental mathematics 2
Experimental mathematics 2Experimental mathematics 2
Experimental mathematics 2
 
2014 9-26
2014 9-262014 9-26
2014 9-26
 
公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮
 
基本概念
基本概念基本概念
基本概念
 
MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後
 
公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号公開鍵暗号(6): ナップザック暗号
公開鍵暗号(6): ナップザック暗号
 
公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号
 
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
 
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
 
Grammatical inference メモ 1
Grammatical inference メモ 1Grammatical inference メモ 1
Grammatical inference メモ 1
 
Hash Table
Hash TableHash Table
Hash Table
 
Reading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsReading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGs
 
一階述語論理のメモ
一階述語論理のメモ一階述語論理のメモ
一階述語論理のメモ
 
KDD読み会(図なし版)
KDD読み会(図なし版)KDD読み会(図なし版)
KDD読み会(図なし版)
 
ベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズム
 
Jeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model SelectionJeffreys' and BDeu Priors for Model Selection
Jeffreys' and BDeu Priors for Model Selection
 

Similar to 公開鍵暗号(2): 有限体

公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題Joe Suzuki
 
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理Joe Suzuki
 
ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率Masaki Asano
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章YosukeAkasaka
 
ラグランジュ未定乗数法
ラグランジュ未定乗数法ラグランジュ未定乗数法
ラグランジュ未定乗数法弘毅 露崎
 
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析Shu Tanaka
 
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現hagino 3000
 
表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料HanpenRobot
 
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Taiji Suzuki
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法nitoyon
 
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic valueUniversity CodeSprint 4 - Magic value
University CodeSprint 4 - Magic valuesatanic
 
続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章Roy Ray
 
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)Akira Asano
 
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介代数的実数とCADの実装紹介
代数的実数とCADの実装紹介Masahiro Sakai
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)Akira Asano
 

Similar to 公開鍵暗号(2): 有限体 (20)

公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題
 
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
 
Sinsa1234
Sinsa1234Sinsa1234
Sinsa1234
 
ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率
 
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
 
yyoshida thesis
yyoshida thesisyyoshida thesis
yyoshida thesis
 
ラグランジュ未定乗数法
ラグランジュ未定乗数法ラグランジュ未定乗数法
ラグランジュ未定乗数法
 
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
 
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
 
分布 isseing333
分布 isseing333分布 isseing333
分布 isseing333
 
表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料
 
Nn bp formula
Nn bp formulaNn bp formula
Nn bp formula
 
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
 
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic valueUniversity CodeSprint 4 - Magic value
University CodeSprint 4 - Magic value
 
続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章
 
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
 
PRML 10.4 - 10.6
PRML 10.4 - 10.6PRML 10.4 - 10.6
PRML 10.4 - 10.6
 
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介代数的実数とCADの実装紹介
代数的実数とCADの実装紹介
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
 

More from Joe Suzuki

RとPythonを比較する
RとPythonを比較するRとPythonを比較する
RとPythonを比較するJoe Suzuki
 
R集会@統数研
R集会@統数研R集会@統数研
R集会@統数研Joe Suzuki
 
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...Joe Suzuki
 
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減するJoe Suzuki
 
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定Joe Suzuki
 
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityE-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityJoe Suzuki
 
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップAMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップJoe Suzuki
 
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要Joe Suzuki
 
Forest Learning from Data
Forest Learning from DataForest Learning from Data
Forest Learning from DataJoe Suzuki
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionJoe Suzuki
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningJoe Suzuki
 
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...Joe Suzuki
 
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...Joe Suzuki
 
研究紹介(学生向け)
研究紹介(学生向け)研究紹介(学生向け)
研究紹介(学生向け)Joe Suzuki
 
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresBayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresJoe Suzuki
 
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureMDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureJoe Suzuki
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...Joe Suzuki
 
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousUniversal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousJoe Suzuki
 
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Joe Suzuki
 

More from Joe Suzuki (20)

RとPythonを比較する
RとPythonを比較するRとPythonを比較する
RとPythonを比較する
 
R集会@統数研
R集会@統数研R集会@統数研
R集会@統数研
 
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
 
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
 
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
 
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityE-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka University
 
UAI 2017
UAI 2017UAI 2017
UAI 2017
 
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップAMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップ
 
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要
 
Forest Learning from Data
Forest Learning from DataForest Learning from Data
Forest Learning from Data
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
 
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
 
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
 
研究紹介(学生向け)
研究紹介(学生向け)研究紹介(学生向け)
研究紹介(学生向け)
 
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresBayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal Measures
 
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureMDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/Measure
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
 
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousUniversal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or Continuous
 
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
 

Recently uploaded

ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法
ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法
ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法ivanwang53
 
動的 & 非同期コンポーネント / Dynamic & Async Components
動的 & 非同期コンポーネント / Dynamic & Async Components動的 & 非同期コンポーネント / Dynamic & Async Components
動的 & 非同期コンポーネント / Dynamic & Async Componentsokitamasashi
 
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーン
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーンWindowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーン
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーンivanwang53
 
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]Taka Narita
 
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元ivanwang53
 
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docx
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docxWindows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docx
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docxivanwang53
 

Recently uploaded (6)

ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法
ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法
ダウンロードがダウンロード(Downloads)フォルダに表示されない」問題の対処法
 
動的 & 非同期コンポーネント / Dynamic & Async Components
動的 & 非同期コンポーネント / Dynamic & Async Components動的 & 非同期コンポーネント / Dynamic & Async Components
動的 & 非同期コンポーネント / Dynamic & Async Components
 
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーン
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーンWindowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーン
Windowsアップデート後の黒い画面を修正する方法|データ復元|ブラックスクリーン
 
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]
あらゆる通信環境で切れない「ネットモーション」のモバイルアクセス [NetMotion]
 
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元
Windows 10、Windows 11の付箋を簡単に復元する6つの方法|データ復元
 
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docx
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docxWindows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docx
Windows Defenderのフル・クイック・カスタム・オフラインスキャンを実行する方法.docx
 

公開鍵暗号(2): 有限体

  • 1. 群環体 有限体 巡回群 実験数学 3 (大阪大学理学部数学科 3 年・4 年) 第 2 回: 有限体 鈴木 譲 大阪大学 2014 年 4 月 24 日 1 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 2. 群環体 有限体 巡回群 群 (G, ◦) 集合 G が演算 ◦ で閉じていて、 . 1 結合法則: (a ◦ b) ◦ c = a ◦ (b ◦ c), a, b, c ∈ G . 2 単位元 e ∈ G が存在: a ◦ e = e ◦ a = a, a ∈ G . 3 各 a ∈ G について、逆元が存在: a ◦ a−1 = a−1 ◦ a = e (G, ◦) が可換群 . 演算 ◦ について、交換法則: a ◦ b = b ◦ a, a, b ∈ G ◦, e を、可換のとき +, 0 で、一般では ·, 1 で表記することが多い 2 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 3. 群環体 有限体 巡回群 環 (R, +, ·) 集合 R が演算 +, · で閉じていて、 . 1 (R, +) が可換群: a + b = b + a, a, b ∈ R . 2 演算 · について結合法則: (a · b) · c = a · (b · c), a, b, c ∈ R . 3 演算 (+, ·) について分配法則: a · (b + c) = a · b + a · c , a, b, c ∈ R (a + b) · c = a · c + b · c , a, b, c ∈ R (R, +, ·) が可換環 演算 · について、交換法則: a · b = b · a, a, b ∈ R 3 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 4. 群環体 有限体 巡回群 環の例 . 1 Z . 2 実数 R を係数とする 1 変数 x の多項式の集合 R[x] . 3 2 × 2 の実数成分の行列の集合 (非可換) . 4 Z + Z √ −1 4 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 5. 群環体 有限体 巡回群 体 (K, +, ·) . 1 (K, +, ·) が環 . 2 演算 · の単位元 1 が存在: a · 1 = 1 · a = a, a ∈ K . 3 演算 + の単位元 0 以外の各要素に、演算 · の逆元が存在: 0 ̸= a ∈ K =⇒ ∃a−1 s.t. a · a−1 = a−1 · a = 1 5 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 6. 群環体 有限体 巡回群 体の例 . 1 Q, R, C . 2 Q + Q √ 2 6 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 7. 群環体 有限体 巡回群 Z の剰余環 Z/nZ n ≥ 1 として、a ≡ b mod n なる同値類の集合 Z/nZ = {¯0, ¯1, · · · , n − 1} (¯k: k ∈ Z の同値類) a ∈ Z → ¯a ∈ Z/nZ は準同型: . 1 a + b = ¯a + ¯b . 2 ab = ¯a¯b . 3 ¯1¯x = ¯x¯1 = ¯x, ¯x ∈ Z/nZ 可換環 Z/nZ n が素数 ⇐⇒ Z/nZ が体 素数 p について、体 Z/pZ = {¯0, ¯1, · · · , p − 1} を Fp で表す。 一般に、有限個の要素をもつ体を有限体という。 (Fp の要素を、¯0, ¯1, · · · , p − 1 ではなく 0, 1, · · · , p − 1 とかく) 7 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 8. 群環体 有限体 巡回群 証明 n が素数のとき、任意の ¯a ∈ (Z/nZ)∗ := Z/nZ − {¯0} について、 ¯a¯x = ¯1 なる ¯x ∈ (Z/nZ)∗ が存在して一意: . 1 (a, n) = 1 より、ax + ny = 1 なる x ∈ Z が存在 . 2 ax ≡ ax′ ≡ 1 mod n =⇒ a(x − x′ ) ≡ 0 mod n =⇒ x ≡ x′ mod n . 3 y ∈ Z, ax ≡ 1 mod n =⇒ a(x + yn) ≡ 0 mod n n が素数でないとき、¯a¯b = ¯0 なる ¯a, ¯b ∈ (Z/nZ)∗ が存在。 ¯a¯a−1 = ¯1 なる ¯a−1 ∈ (Z/nZ)∗ が存在すれば、 ¯b = ¯a−1¯a¯b = ¯0 ̸∈ (Z/nZ)∗。 8 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 9. 群環体 有限体 巡回群 例: F3 = (Z/3Z)∗ , (Z/4Z)∗ F3 = (Z/3Z)∗:   + 0 1 2 0 0 1 2 1 1 2 0 2 2 0 1   · 1 2 1 1 2 2 2 1 (Z/4Z)∗:   · 1 2 3 1 1 2 3 2 2 0 2 3 3 2 1 9 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 10. 群環体 有限体 巡回群 有限体 Fp を係数にもつ多項式環 Fp[x] f (x) ∈ Fp が既約 . . f (x) = g(x)h(x), g(x), h(x) ∈ Fp[x] =⇒ g(x) ∈ Fp または h(x) ∈ Fp 例 . 1 p = 2, f (x) = x2 + 1 のとき、f (1) = 0, f (x) = (x + 1)2 (可約) . 2 p = 2, f (x) = x2 + x + 1 のとき、f (0) = f (1) = 1 (既約) 3 p = 3, f (x) = x2 + 1 のとき、f (0) = 1, f (1) = 2, f (2) = 2 (既約) 4 p = 2, f (x) = x3 + x + 1 のとき、f (0) = f (1) = 1 (既約) 10 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 11. 群環体 有限体 巡回群 Fp でない有限体の例 F2 = {0, 1} ⇒ 0 + 0 = 1 + 1 = 0, 0 + 1 = 1 + 0 = 1, 1 · 1 = 1 x2 + x + 1 = 0 の根 α ̸∈ F2 を含む拡大 F22 = {0, 1, α, α + 1} (1+1=0) は、体になる + 0 1 α α + 1 0 0 1 α α + 1 1 1 0 α + 1 α α α α + 1 0 1 α + 1 α + 1 α 1 0 · 1 α α + 1 1 1 α α + 1 α α α + 1 1 α + 1 α + 1 1 α 11 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 12. 群環体 有限体 巡回群 参考 学部 4 年の講義でやる内容なので、証明しないで知識のみを記す . 1 Fq が体 ⇐⇒ q = pm となる素数 p と正整数 m が存在 (m 次の既約多項式の根を Fp に追加して体が構成できる) 既約多項式の選び方によらず、体として同型になることも示される . 2 すべての体は、以下のいずれかを拡大したものになる Q を拡大したもの (標数 0) p を素数として、Fp を拡大したもの (標数 p) 12 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 13. 群環体 有限体 巡回群 f (x) = a0 + a1x + · · · + anxn ∈ Fp[x] について、 f (x) = 0, x ∈ Fp の解は高々n 個 . 1 n = 1 であれば、a1x = −a0 なる x ∈ Fp は、a1 = 0 なら存在せず、 a1 ̸= 0 なら一意に存在する。 . 2 n − 1 次で正しいとする。 . . 1 次数 n の fn が解をもたなければ、証明終わり。 . . 2 fn(α) = 0, α ∈ Fp のとき、次数 n − 1 の fn−1 を用いて、 fn(x) = fn−1(x)(x − α) とおくと、fn(x) = 0 の他の任意の解は、 fn−1(x) = 0 の解。 3 fn−1 は高々n − 1 個の解しかもたなかった (n − 1 次での仮定) ので、 fn は高々n 個の解しかもたない 13 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体
  • 14. 群環体 有限体 巡回群 F∗ p は巡回群 F∗ p は巡回群 . . . F∗ p = {αi |i = 1, 2, · · · , p − 1} なる α ∈ Fp が存在する F∗ p の中で位数最大のものを α とし、その位数 n が p − 1 より小さ いと仮定する (αp−1 = 1 より、αp−1 の位数は p − 1 以下)。 An := {x ∈ F∗ p|xn = 1} の要素の個数は、n を超えない (前ページ) ので、β ∈ F∗ pAn が存 在し、その位数 m は m|n =⇒ βn = 1 =⇒ β ∈ An より、n の約数ではないことがわかる。しかし、この場合、F∗ p の 要素である αβ の位数は、m, n の最小公倍数であり、n より大き くなる。このことは、α が位数最大の要素であることと矛盾する。 14 / 14 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 2 回: 有限体