薄反向对的性质及其分类

来源 :河北师范大学 | 被引量 : 0次 | 上传用户:k3392301
下载到本地 , 更方便阅读
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
令F是域,d是非负整数,V是域F上的维数为d+1的有限维向量空间,Matd+1(F)是d+1阶全矩阵代数。A是表示一个与Matd+1(F)同构的代数,  设V是不可约A-模.称V上的一对有序可逆线性变换K:V→V K*:V→V是V上的薄反向对,如果满足下面的条件:  (i)存在V的一组基,使得K在这组基下对应的矩阵有这样的形式:上对角线以上的元素全为零,上对危线上的元素均不为零;使得K-1在这组基下对应的矩阵有这样的形式:下对角线以下的元素全为零,下对角线上的元素均不为零;使得K*在这组基下对应的矩阵为对角矩阵。  (ii)存在V的一组基,使得K*在这组基下对应的矩阵有这样的形式:上对角线以上的元素全为零,上对角线上的元素均不为零:使得K*-1在这组基下对应的矩阵有这样的形式:下对角线以下的元素全为零,下对角线上的元素均不为零;使得K在这组基下对应的矩阵为对角矩阵.  V上的薄反向对,也称为A中的薄反向对。  本文主要讨论薄反向对的性质并给出其分类,包括五部分内容。  第一部分:给出薄反向对的定义和与薄反向对密切相关的薄反向系统概念,讨论了薄反向对与薄反向系统之间的对应关系。  第二部分:讨论了V作为(K,K*)模的既约性。通过A中的薄反向系统刻划了A作为向量空间的结构.  第三部分:对于一个薄反向系统φ,证明存在V的一个分裂分解.  第四部分:通过V的φ分裂分解,绘出薄反向系统西的参数阵列,并且证明了两个薄反向系统同构当且仅当它们具有相同的参数阵列。从而得到本硕士论文的主要结论,即薄反向系统的分类定理.  第五部分:给出了若干关于φi与ψi的计算公式.
其他文献
神经系统由大量的神经元集群构成,实验证明神经系统的同步放电行为与神经信息传递和处理密切相关。在神经系统中,过度的同步或不同步均会导致神经疾病发生。突触间隙的存在以
符号模式矩阵是组合数学中的一个重要课题,能够在生物学、经济学,甚至社会学中发挥其独特的作用。符号模式矩阵的研究包括:蕴含幂零性、谱任意性、惯量任意性、最小非零元个数
非负矩阵逆特征值问题一直是数值代数中的重点研究对象,双随机矩阵又是研究矩阵逆特征值问题中最常见的矩阵之一,因此研究双随机矩阵自身及其谱的特征是研究其逆特征值问题的基
本文主要研究了两类幂零系统的中心条件与极限环分支问题,全文分四章组成.   第一章概括了平面多项式系统的中心条件、极限环分支及幂零奇点的历史背景及研究现状,并简单的
1908年,德国数学家Hilbert证明了如下的不等式[1]:设an,bn≥0(n∈N),且0<∞∑n=1a2n<∞,0<∞∑n=1b2n<∞,则∞∑n=1∞∑n=1anbm/n+m<Π(∞∑n=1a2n∞∑n=1b2n)1/2其中常数因子π是最佳