【摘 要】
：
本文利用时俭益教授给出的寻找左胞腔代表元的算法,并利用matlab数学软件进行编程,给出了E7型仿射Weyl群a值为8的双边胞腔W（8）1的左胞腔代表元系及双边胞腔W（8）1的部分左胞腔代表元系,并画出了相应的左胞腔图.在左胞腔图的基础上,本文还计算出了E7型仿射Weyl群a值为8中所有左胞腔的特异对合元,并画出了相应的特异对合元图.
论文部分内容阅读
本文利用时俭益教授给出的寻找左胞腔代表元的算法,并利用matlab数学软件进行编程,给出了E7型仿射Weyl群a值为8的双边胞腔W（8）1的左胞腔代表元系及双边胞腔W（8）1的部分左胞腔代表元系,并画出了相应的左胞腔图.在左胞腔图的基础上,本文还计算出了E7型仿射Weyl群a值为8中所有左胞腔的特异对合元,并画出了相应的特异对合元图.
其他文献
一个图的能量是指其邻接矩阵的特征值的绝对值之和,也就是其奇异值之和.当割去一个图的某些边之后,剩下的子图的能量可能增大,不变,或者减小.本文的主要目的就是找到一类图,使得当割去一条边之后子图的能量保持不变. 非负矩阵自然地出现在很多地方,例如经济学,社会统计学等.非负矩阵理论作为一种基本工具,被广泛地应用于数值分析,图论,计算机科学,管理科学等领域中.对非负矩阵Perron根进行估计,又是
在当前的科学与工程计算过程中,有限元方法因其优越性在偏微分方程数值解的求解过程中发挥着极其重要的作用.而自适应有限元方法是一种效率高、可靠性高的计算方法,它以有限元方法为基础,其核心是后验误差估计和自适应网格改进技术.其过程可以用以下的循环来描述： 解方程一后验误差估计一标记一网格加密或者放粗 自适应方法的本质,是以后验误差估计得到的指示子作为依据,来实现网格的局部加密.它的主要原
腹毛目纤毛虫是纤毛虫中最高等的一个类群,其最典型的特征即具有纤毛聚集成的复杂的纤毛器结构。这些纤毛器结构主要包括纤毛器微管及基部附属微管,即口围带及其附属微管（小膜托架、小膜附属微管）、波动膜及其附属微管（波动膜托架）、额腹横棘毛及其附属微管（前纵微管束、后纵微管、横微管）、左右缘棘毛及其附属微管（前纵管束、后纵微管束和横微管）、尾棘毛和背触毛。且纤毛器结构的主要成分是微管蛋白,因此腹毛目纤毛虫是
理想单光子源是指在一个时间间隔里发射只包含一个光子的呈高度亚泊松分布状的光源。随着量子信息学的发展,人们对于更高效率的单光子源也开始显现,稳定,高速和窄带是它的追求。单光子源作为理想的量子信息载体,可以保证量子保密通信过程中信息传递的绝对安全；作为理想的量子计算qubit,为发展功能强大的量子计算机提供了可能；作为理想的反聚束光源,常被用来演示量子世界的奇异性。虽然人们已经在单分子、单量子点、材料
量了纠缠在量子信息科学领域中，一直扮演着极其重要的角色。它作为量女系统独有的物理特性,不仅能检验量子力学的基本问题,而且是量子计算与量子信息处理过程中极为重要的资源。至今,人们已从各个方面对量子纠缠进行了大量深入的研究,包括纠缠态的度量与操纵,各种物理系统中纠缠的产生及其应用等。当前量子纠缠的研究已经拓展至连续变量范畴。连续变量型纠缠态一般与相干态或压缩态有关,已广泛应用于量子密集编码、量子隐形传
超声分子束光谱技术是分子光谱学、化学反应动力学与材料制备等领域非常重要的研究方法,与其他技术相结合已经成为化学物理领域重要而且广泛的研究工具。等离子体可以为新材料的合成提供新的方法,气体放电作为获得等离子体的一种主要途径,得要越来越广泛的应用,光谱的等离子体诊断技术在这些相关领域具有重要的基础和应用意义。 本文详细讨论了超声分子束脉冲放电光谱实验系统和放电管连续辉光放电光谱实验系统,利用空
microRNAs （miRNAs）是一类内源性表达的非编码RNA分子,通过mRNA剪切和抑制蛋白翻译的方式抑制靶基因的表达。已有报道miRNA参与阿尔茨海默症（Alzheimer’s disease, AD）等神经退行性疾病的病理过程。糖原合成激酶3β(glycogen synthase kinase 3 （3, GSK3β）作为磷酸化tau蛋白的主要激酶,在AD病理过程中发挥着重要作用。本课题
Dyck路,Motzkin路和Schroder路等格路径作为一类重要的组合结构是近年来计数组合学研究的一个热点.它们与树,有禁排列,正交多项式,连分式等其它结构联系紧密,并且在统计学,随机过程及生物信息学等领域有着广泛应用.在本文中我们主要研究了这三种格路径上的统计量：峰的个数A. Regev在[16]中利用递推关系通过大量的计算给出了Motzkin路上的峰的个数,并发现n阶广义Motzkin路的
感度试验是一种专门设计的用于估计某些潜在的连续变量的试验方法,通常用于推断军事工业、生物医药、材料工程等领域的各种临界值。目前国内外应用最广的方法是升降法、兰利法和NeyerD最优化法。兰利法优点在于可以稳定快速获得混合结果区,但是其选择新试验点具有盲目性,这从某种意义上造成样本量的浪费,进而在给定的样本量下,会造成参数估计的精度较差。NeyerD最优化法包含两部分：初始试验和D最优选点过程。初始
假设m是一个正整数,q是一个不定元.记Uq（sp2m）是定义在域C（q）上的量子辛群,V是Uq（sp2m）的自然表示.对任意的正整数r,V的r-次张量表示V（?）r是一个左Uq（sp2m）-模.另一方面,Wenzl[10]证明了V（?）r是一个右Br-模,这里Br是带有特殊参数的Birman-Murakami-Wenzl代数[1]Wenzl[10]证明了V（?）r上的左Uq（sp2m）-模与右Br