完全域上矩阵多项式方程的可解性

本文利用一般域上的λ-矩阵理论,研究了矩阵多项式方程的可解性,证明了完全域上矩阵多项式方程有解的充要条件。这些条件同时提供了解此类矩阵方程的方法。

一致完全域,Bers空间与自由插值

设Ω是C中的双曲型区域,λ_Ω(z)|dz|为其上的双曲(Poincar(?))度量。令δ_Ω(z)=dist(z,Ω)及[δ_Ω(z)]^(-1)·|dz|为Ω上的拟双曲度量。又置A_λ~∞(Ω)和A_δ~∞(Ω)分别是具有范数‖f‖_λ=|f(z)|·[λ_Ω(z)]^(-1)<∞和‖f‖_δ|f(z)|δ_Ω(z)<∞的Ω上解析函数f之全体。在本文,一致完全域Ω,即满足C(Ω)=infλ_Ω(z)δ_Ω(z)>0的域Ω被研究,进而A_λ~∞(Ω)与A_δ~∞(Ω)中的函数被刻划;最后就单连通区域Ω上的A_λ~∞(Ω)=A_δ~∞(Ω)中的自由插值问题也被考虑。

完全域上方阵有平方根的充要条件

本文借助λ-矩阵理论，引入了根方互异多项式等概念，得到了完全域上方阵平方根的充要条件。

C上全纯自映射的完全不变域

设ｆ（ｚ）是Ｃ上全纯自映射，０和是它的本性奇点，其中本文讨论ｆ（ｚ）的完全不变域的性质，证明了如果Ｄ是ｆ（ｚ）的完全不变域，那么Ｄ一定是二连通的且Ｄ包含了的奇异值集；此外，如果ｆ（ｚ）是有限型的，则Ｄ＝Ｆ（ｆ）．

参数字典稀疏表示的完全无监督域适应

无监督域适应(unsupervised domain adaptation,UDA)针对的是源域有标记而目标域无标记的学习问题,其目的是利用从标记大样本源域中所学"知识"来促进无标记小样本目标域的学习性能。但现实中也往往存在样本无标记的源域,形成了所谓的完全无监督域适应。该问题给域适应学习带来了严峻的挑战。受先前提出的软大间隔聚类学习(soft large margin clustering,SLMC)启发,提出了一种参数迁移方法——参数字典稀疏表示的完全无监督的域适应方法(whole UDA,WUDA)。SLMC采用分类学习思想在输出(标记)空间中实现给定数据的聚类,在这种实现原理的启发下,从参数(决策函数的权重矩阵)公共字典的角度,在源域和目标域的权重间进行互适应参数字典学习实现知识迁移,同时引入l_(2,1)范数来约束字典系数矩阵,使得各域权重可从公共字典中自适应地选择,从而实现域适应学习。最后,在相关数据集上的实验显示了WUDA在聚类性能上的显著有效性。

特征不为零的域的一些特征

特征为素数p的域k的任意元a,b,恒有(a+b)~p=a^p+b^p,本文目的是探讨它的逆命题的特性。 在[1]文中已得结果:设域k的元素个数|k|≥p(素数),且k的任意元a,b,恒有(a+b)~p=a^p+b^p,则k的特征为p。本文推广其结果,即 定理1.设域k的任意元a,b,恒有(a+b)~p=a^p+b^p(p是素数),则或(1)k的特征为p;或(2)k的特征为g(g【p),此时,k是有限域,令|k|=g^n及p=q(g^n-1)

Reinhardt域上推广的Roper-Suffridge算子与Loewner链

研究了Roper-Suffridge算子与Loewner链的关系,利用Loewner链的定义及性质证明了推广的Roper-Suffridge算子在有界完全Reinhardt域上能嵌入Loewner链,从α次殆β型螺形映照与Loewner链的关系出发得到结论:推广后的Roper-Suffridge算子在有界完全Reinhardt域上保持α次殆β型螺形性,并作为特殊情况得出推广后的Roper-Suffridge算子在相应域上保持α次殆星形性及β型螺形性.

分解Sp(V,f)中元为辛平延的换位子之积

设F是一个域 ,V是F上n维线性空间 ,Sp(V,f)是V上由f定义的辛空间 .设π ∈Spn(V,f) ,记resπ=dim(π-1 )V.证明了 ,如果F是特征为 2的完全域 ,且F≠F2 ,那么对任一π∈Spn(V ,f) ,π都可表成不超过 resπ +12 +1个辛平延换位子之积 .

关于丢番图方程X^2+4P^m-1=4P^n

本文用代数数论的方法,并结合计算机的计算,完全解决了一类不定方程x(?)+4p^m-1=4p^n p^m(?)2((?))主要结果有:不定方程(*)除了当 p^m=3和 p^m=5时分别有非平凡解(p^m,x,n)=(3,31,5) ,(5,599,7) 之外,仅有平凡解(x,n)=(1,m)和(2p^m-1,2m).

有界完全Reinhardt域上推广的Roper-Suffridge算子

在C^n中的有界完全Reinhardt域Ω上推广的Roper-Suffridge算子Φ(f)定义为Φ_(n,β_2,γ_2,…,β_n,γ_n)~r(f)(z)=(rf(z_1/r),((rf(z_1/r))/z_1)^(β_2)(f′(z_1/r))~γ_2_(z_2,…,)((rf(z_1/r))/z_1)^(β_n)(f′(z_1/r))^(γ_n)_(z_n),其中n≥2,(z_1,z_2,…,z_n)∈Ω,r=r(Ω)=sup{|z_1|:(z_1,z_2,…,z_n)∈Ω},0≤γ_j≤1-β_j,0≤β_j≤1,这里选取幂函数的单值解析分支,使得((f(z_1))/z_1)^(β_j)|_(z_1=0)=1和(f′(z_1))^(γ_j)|_(z_1=0)=1,j= 2,…,n.证明了Ω上的算子Φ_(n,β_2,γ_2,…,β_n,γ_n)~r(f)是将S_α~*(U)的子集映入S_α~*(Ω)(0≤α<1),且对于一些合适的常数β_j,γ_j,p_j,D_p上的这个算子Φ_(n,β_2,γ_2,…,β_n,γ_n)~r(f)保持α阶星形性或保持β型螺形性,其中(?) U是复平面C上的单位圆,S_α~*(Ω)是Ω上所有正规化α阶星形映射所成的类.也得到:对于某些合适的常数β_j,γ_j,p_j和0≤α<1,Φ_(n,β_2,γ_2,…,β_n,γ_n)~r(f)∈S_α~*(D_p)当且仅当f∈S_α~*(U).

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时、高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。

关于整环的一个性质

[1]文中得到了一个性质:设域K的元素个数|K|≥p(p是素数),且对K的任意两元a、b,恒有,(a+b)=a^p+b^p,则K的特征为p.在[2]文中推广了这一结果,并进一步刻划了它的特性.本文目的是把上述结果推广到整环上去,且解决了[2]文中最后提出的尚待探讨的问题.

函数zexp(z+a+πi)的动力学

研究函数fa(z)=zexp(z+a+πi)的动力学,证明了下列结果:当a<0时,Fatou集F(fa)是一个完全不变吸引域;存在an>0,使得fan具有2n阶超吸引域,而当a>an时,fa没有2n阶超吸引域;an单调增加趋于无穷大;集合B0={aRJ(fa)=C}是一个无界集.