切换导航
文档转换
企业服务
Action
Another action
Something else here
Separated link
One more separated link
vip购买
不 限
期刊论文
硕博论文
会议论文
报 纸
英文论文
全文
主题
作者
摘要
关键词
搜索
您的位置
首页
会议论文
有限维复对称算子及UET矩阵的机械化判别算法
有限维复对称算子及UET矩阵的机械化判别算法
来源 :第七届全国计算机数学会议(CM2015) | 被引量 : 0次 | 上传用户:ocean0228
【摘 要】
:
复对称算子是算子代数中的热点问题.已经证明许多特殊且较为重要的算子类如Hankel 算子,截断Toeplitz 算子,经典的Volterra 积分算子等均是复对称的.但对任意给定的算子,判断
【作 者】
:
夏朋
【机 构】
:
辽宁大学数学院
【出 处】
:
第七届全国计算机数学会议(CM2015)
【发表日期】
:
2015年10期
下载到本地 , 更方便阅读
下载此文
赞助VIP
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
复对称算子是算子代数中的热点问题.已经证明许多特殊且较为重要的算子类如Hankel 算子,截断Toeplitz 算子,经典的Volterra 积分算子等均是复对称的.但对任意给定的算子,判断其复对称性是非常困难的,即使在有限维空间上,也很难实现.
其他文献
Solving a Class of Trigonometric--Polynomial Systems Based on Wus Method
Solving nonlinear systems is a core issue in computer algebra.Most known algorithms are derived for polynomials,rather than more general and more complicated tr
会议
The good error formulas for Lagrange interpolation on Cartesian sets
In this paper,we study error formulas for Lagrange interpolation about Cartesian sets.
会议
三维迷宫的设计与建模
三维迷宫在难度和趣味性上将迷宫提升到一个新的高度.本文通过改进二维迷宫的随机算法,提出了循环迷宫算法和复杂度量化公式,进而提出基于四边形网格曲面的三维迷宫设计算法.
会议
A Sequential Regression Model for Big Data with Attributive Explanatory Variables
With the development of information technology,more and more big data applications arise from a variety of different fields.
会议
一类生物模型方程组的差分特征列方法及精确解
本文应用差分特征列方法研究一类具有生物性质的非线性差分方程组的零点集.首先我们对不可约分解的算法提出了一些改进,得到的特征列的形式复杂阶次较高,使得在求解特征列时
会议
InCLiM:An interactive graphical software for constructing conservation laws of nonlinear partial dif
会议
A NEW TRANSFORM FOR A KIND OF INFINITE SERIES(Ⅰ)Problem、Algorithm and Examples
本文基于WZ 理论与(广义)Cesaro 求和理论的有关结果给出了超几何级数(包括无限情形与某类有限和的情形)的一种新变换.特别地,将此变换作用于,我们发现了所得结果与指数函数
会议
Discrete chaos in fractional tent and standard maps
Fractional standard and tent maps are proposed by using the discrete fractional calculus.
会议
任意内积空间的二向量完全正交分解的算法
众所周知,欧氏空间中二向量的存在着完全正交分解.对于非欧氏内积空间的二向量是否存在完全正交分解,即一般内积空间中的一个二向量是否可以表示为($)x_1wedge x_2+cdots+x_{
会议
动力系统中心焦点的判定方法
本文给出了多项式动力系统 [left{ egin{align}&frac{ ext{d}x}{ ext{d}t}=y+sumlimits {i=2}^{n}{{{P}_{i}}(x,y)}=P(x,y) & frac{ ext{dy}}{ ext{d}t}=‐x+sumlimits {i=2}
会议
与本文相关的学术论文