约化代数的交换子与超不变子空间

本文证明了多项式正常算子具有性质(P)和多项式正常的约化算子必为正常算子.本文最后证明了若T=L+S且LS=SL,其中S是多项式正常算子,L是代数算子,则T或具有非平凡的超不变子空间,或是恒等算子的常数倍.     

局部凸空间上一类线性算子的超不变子空间

本文研究局部凸空间上一类线性算子的非平凡超不变子空间存在性问题.推广了著名的V.Lomonosov定理和C.M.Pearcy定理.并给出一类线性算子非平凡超不变子空间存在的充分条件.     

李p—超代数的约化包络代数

证明了有限维李－ｐ超代数的约化包络代数是一个Ｆｒｏｂｅｎｉｕｓ代数，然后研究了李ｐ－超代数的某类约化包络代数满足多基式恒等元的充要条件。     

一类约化函数代数

【目的】研究当函数代数乘法作用在函数空间时的可约代数问题。【方法】设X是紧Haursdorff空间,A是X上的对数模代数。根据Riesz表示定理,对A上每个正线性泛函φ,存在唯一的表示测度m。L~2(m)表示X上m可测的平方可积函数组成的勒贝格空间,H~2(m)表示A在L~2(m)的闭。证得H~2(m)中函数可表示为H~∞(m)中两个函数的商。【结果】证明了当A中函数的A乘法作用在H~2(m)时,A的每个稠定义的不变图变换T具有压缩谱,且进一步证明了若B是H~2(m)上包含A的约化代数,则B是自伴的。【结论】推广了已有文献的结果。     

类不变子空间与不变子空间的关系

给出了“类不变子空间”的定义,研究了可逆线性变换和一般线性变换的类不变子空间与不变子空间的关系:利用向量空间的理论,证明了对于可逆线性变换,类不变子空间与不变子空间是等价的;进一步证明对于非可逆的线性变换,类不变子空间是不变子空间,反之不成立.     

算子的超不变子空间与Wolf谱

对于与Volterra算子V交换的算子T, 通过构造和计算, 证明了： 如果f(x)=1是T的一个循环向量, 则A′(V)=A′(T). 因而V的不变子空间都是T的超不变子空间. 此外还证明了T是单的当且仅当T是稠值域的, 进而σ(T)=σ_e(T)=σ_lre(T).     

约化代数的换位

本文找到了约化代数换位是自伴代数的几个充分条件。例如,如果有零空间是有限维的紧算子属于约化代数的换位u′,则u′是自伴代数。使用这些结果,可以得到约化算子问题的部分解答,特别我们推广了P.Rosenthal关于多项式紧的约化算子是正规算子的结果。     

r序同态与r开集在子拓扑空间中的性质

提出了r不定序同态、r连续序同态、r开序同态并讨论了它们之间的相互关系,得出了LF-r开集在开子空间中仍是LF-r开集,两个LF拓扑空间之间序同态r连续的充要条件等结论。     

基于FMM的Krylov子空间IGMRES(m)新算法及其应用

研究了Krylov子空间GMRES(m)算法的基本理论,提出一种基于FMM的Krylov子空间截断型IGMRES(m)新算法.给出三物体弹性摩擦接触算例,计算结果表明,所提出算法在保证计算精度的前提下,可以大大减少迭代次数,显著提高计算效率.     

关于K—可换性与K—正规性

本文证明了对实自共轭迹类算子有Ｔｒ（（ＡＢ）＾２＾ｎ）≤Ｔｒ（Ａ＾２＾ｎ，Ｂ＾２＾ｎ），即Ｋ＝２＾ｎ情形下的Ｈｉｌｂｅｒｔ空间中Ｂｅｌｌｍａｎ不等式；定义了Ｋ－换位子，讨论其若干性质；并给出Ｔｒ（（ＡＡ）＾２＝Ｔｒ（Ａ＾２Ａ）＾２的充要条件，等价定义了正常迹类算子。     

图两参数的关系及图的分类

本文讨论了与图的伴随多项式和匹配多项式密切相关的两类参数的关系,并刻画了匹配多项式参数Ｒｍ（Ｇ）＝１,０,－１,－２,－３的图簇。     

误差向量与Krylov子空间对GMRES(m)算法收敛速度的影响

从广义极小残量法GMRES(m)的结构出发,分析其误差向量与Krylov子空间对该算法收敛速度的影响,推导出误差向量与Krylov子空间第1个向量和第m+1个向量的方向余弦关系,并用数值算例验证其合理性.当误差向量Υk+1在Krylov子空间向量v1的投影较大而在向量υm+1的投影较小时,GMRES(m)算法收敛速度较...     

关于扩展乘数法与无界函数的多项式逼近

利用扩展乘数法建立了若干多项式算子逼近任意无界连续函数的收敛性定理,给出了具有一般性的结论,从而推广了前人的许多重要定理.     

Nakayama代数的一些同调性质的探讨

介绍了拟遗传的Nakayam a代数及拟遗传的左serial代数的一些同调性质,并探讨了如何从标准析层代数的角度来研究Nakayam a代数及左serial代数的同调性质.     

基于张量子空间的三维模型特征提取及检索方法

为提高三维模型的检索效率, 针对三维模型特征提取方法进行了研究, 在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上, 提出了一种加权多线性主成分分析(WMPCA: Weighted Multi-Linear Principal Component Analysis)方法, 并将其应用于三维模型特征提取中。 该方法首先将三维模型转化为多角度的二维投影图像, 然后从多方向上通过张量进行特征提取, 最后将提取到的特征应用到三维模型检索中。 对 Princeton Shape Benchmark 的实验表明, 该特征提取方法比经典的形状分布方法平均检索效率提高7%, 比传统的 MPCA 特征提取方法的平均检索效率提高 3%。