7.17 Murnaghan–Nakayama 规则

我们已经成功地用基 mλm_\lambdamλhλh_\lambdahλeλe_\lambdaeλ 表示了 Schur 函数 sλs_\lambdasλ。本节我们将考虑幂和对称函数 pλp_\lambdapλ。一个斜分划 λ/μ\lambda / \muλ/μ 是连通的,如果其分拆图(视为实心方块的并集)的内部是一个连通(开)集。例如,分划 21/1 不是连通的。一个边缘条(或边界条或带图)是一个没有 2×22 \times 22×2 方块的连通斜分划。边缘条的一个例子是 86554/5443,其分拆图是
在这里插入图片描述

给定正整数 a1,…,aka_1, \ldots, a_ka1,,ak,存在唯一的边缘条 λ/μ\lambda / \muλ/μ,其在第 iii 行有 aia_iai 个方块(即 ai=λi−μia_i = \lambda_i - \mu_iai=λiμi)。由此可知,大小为 nnn 的边缘条(在平移意义下)的数量是 2n−12^{n-1}2n1,即 nnn 的分拆数。定义一个边缘条 BBB 的高度 ht(B)\text{ht}(B)ht(B) 为其行数减一。下面的结果展示了边缘条与对称函数之间的联系。

7.17.1 定理.

对于任意 μ∈Par\mu \in \text{Par}μParr∈Nr \in \mathbb{N}rN,我们有
[s_{\mu} p_r = \sum_{\lambda} (-1)^{\text{ht}(\lambda / \mu)} s_{\lambda},]
(7.73)

求和遍历所有满足 λ⊇μ\lambda \supseteq \muλμλ/μ\lambda / \muλ/μ 是大小为 rrr 的边缘条的分划 λ\lambdaλ

证明.δ=(n−1,n−2,…,0)\delta = (n - 1, n - 2, \ldots, 0)δ=(n1,n2,,0),并令所有函数均在变量 x1,…,xnx_1, \ldots, x_nx1,,xn 中。在方程 (7.53) 中令 α=μ+δ\alpha = \mu + \deltaα=μ+δ 并乘以 prp_rpr。我们得到
[a_{\mu + \delta} p_r = \sum_{j=1}^{n} a_{\mu + \delta + r \epsilon_j},\tag{7.74}]

其中 ϵj\epsilon_jϵj 是第 jjj 位为 1 而其余为 0 的序列。将序列 μ+δ+rϵj\mu + \delta + r \epsilon_jμ+δ+rϵj 按降序排列。如果它有两个相等的项,那么它对 (7.74) 没有贡献。否则存在某个 p≤qp \leq qpq 使得
[\mu_{p-1} + n - p + 1 > \mu_q + n - q + r > \mu_p + n - p,]
在这种情况下 aμ+δ+rϵj=(−1)q−paλ+δa_{\mu + \delta + r \epsilon_j} = (-1)^{q - p} a_{\lambda + \delta}aμ+δ+rϵj=(1)qpaλ+δ,其中 λ\lambdaλ 是分划
[\lambda = (\mu_1, \ldots, \mu_{p-1}, \mu_q + p - q + r, \mu_p + 1, \ldots, \mu_{q-1} + 1, \mu_{q+1}, \ldots, \mu_n).]
这样的分划恰好是那些使得 λ/μ\lambda / \muλ/μ 是大小为 rrr 的边缘条 BBB 的分划,并且 q−pq - pqp 恰好是 ht(B)\text{ht}(B)ht(B)。因此
[a_{\mu + \delta} p_r = \sum_{\lambda} (-1)^{\text{ht}(\lambda / \mu)} a_{\lambda + \delta}.]

除以 aδa_\deltaaδ 并令 n→∞n \to \inftyn 即得 (7.73)。

在这里插入图片描述

7.17.2 例. (a) 令 μ=63321\mu = 63321μ=63321。可以添加到 μ\muμ 的大小为 3 的边缘条如图 7.4 所示。因此
[s_{63321} p_3 = s_{93321} + s_{66321} - s_{65421} - s_{63333} - s_{633222} + s_{63321111}.]

(b) 如上令 δ=(n−1,n−2,…,0)\delta = (n - 1, n - 2, \ldots, 0)δ=(n1,n2,,0)。只有两个大小为 2 的边缘条可以添加到 δ\deltaδ,我们得到
[s_{\delta} p_2 = s_{n+1,n-2,n-3,\ldots,1} - s_{n-1,n-2,\ldots,2,1,1,1}.]

α=(α1,α2,…)\alpha = (\alpha_1, \alpha_2, \ldots)α=(α1,α2,)nnn 的一个弱分拆。定义一个形状为 λ/μ\lambda / \muλ/μ(其中 ∣λ/μ∣=n|\lambda / \mu| = nλ/μ=n)且类型为 α\alphaα 的边缘条表(或边界条表)是将正整数分配给 λ/μ\lambda / \muλ/μ 的方块的一种赋值,满足:

(a) 每一行和每一列都是弱递增的,
(b) 整数 iii 出现 αi\alpha_iαi 次,并且
© 被 iii 占据的方块集合形成一个边缘条或是空的。

等价地,可以将边缘条表视为一个分划序列 μ=λ0⊆λ1⊆⋯⊆λk=λ\mu = \lambda^0 \subseteq \lambda^1 \subseteq \cdots \subseteq \lambda^k = \lambdaμ=λ0λ1λk=λ,使得每个斜分划 λi+1/λi\lambda^{i+1} / \lambda^iλi+1/λi 是一个大小为 αi\alpha_iαi 的边缘条(当 αi=0\alpha_i = 0αi=0 时包括空边缘条 ∅\emptyset)。例如,数组
在这里插入图片描述

是一个形状为 7555 且类型为 (5,2,3,0,5,7)(5, 2, 3, 0, 5, 7)(5,2,3,0,5,7) 的边缘条表。(为了清晰起见,已画出边缘条的轮廓。)定义一个边缘条表 TTT 的高度 ht(T)ht(T)ht(T)
[\text{ht}(T) = \text{ht}(B_1) + \text{ht}(B_2) + \cdots + \text{ht}(B_k),]
其中 B1,…,BkB_1, \ldots, B_kB1,,BkTTT 中出现的(非空)边缘条。对于上面的例子,我们有 ht(T)=1+0+1+2+3=7\text{ht}(T) = 1 + 0 + 1 + 2 + 3 = 7ht(T)=1+0+1+2+3=7.

如果我们将定理 7.17.1 迭代,依次用 pα1,pα2,…p_{\alpha_1}, p_{\alpha_2}, \ldotspα1,pα2, 乘以 sμs_\musμ,那么我们立即得到以下结果。

7.17.3 定理.

我们有
[ s_{\mu} p_{\alpha} = \sum_{\lambda} \chi^{\lambda/\mu}(\alpha) s_{\lambda}, \tag{7.75} ]
其中
[ \chi^{\lambda/\mu}(\alpha) = \sum_{T} (-1)^{\text{ht}(T)}, \tag{7.76} ]
求和遍历所有形状为 λ/μ\lambda/\muλ/μ 且类型为 α\alphaα 的边缘条表 TTT.

在定理 7.17.3 中取 μ=∅\mu = \emptysetμ= 可得:

7.17.4 推论

我们有
[ p_{\alpha} = \sum_{\lambda} \chi^{\lambda}(\alpha) s_{\lambda}, \tag{7.77} ]
其中 χλ(α)\chi^{\lambda}(\alpha)χλ(α) 由 (7.76) 给出。

如果我们将自己限制在 n≥ℓ(λ)n \geq \ell(\lambda)n(λ) 个变量中并应用定理 7.15.1,那么方程 (7.77) 可以重写为
[ p_{\alpha} a_{\delta} = \sum_{\lambda} \chi^{\lambda}(\alpha) a_{\lambda+\delta}. ]
因此我们得到 χλ(α)\chi^{\lambda}(\alpha)χλ(α) 的以下“公式”:
[ \chi^{\lambda}(\alpha) = [x^{\lambda+\delta}] p_{\alpha} a_{\delta}. \tag{7.78} ]
使用方程 (7.75) 将 sλ/μs_{\lambda/\mu}sλ/μ 用幂和表示出来是容易的。这个结果(至少在 μ=∅\mu = \emptysetμ= 的情况下)被称为 Murnaghan–Nakayama 规则。

7.17.5 推论

我们有
[ s_{\lambda/\mu} = \sum_{\nu} z_{\nu}^{-1} \chi^{\lambda/\mu}(\nu) p_{\nu}, \tag{7.79} ]
其中 χλ/μ(ν)\chi^{\lambda/\mu}(\nu)χλ/μ(ν) 由 (7.76) 给出。

证明. 由 (7.75) 我们有
[ \chi^{\lambda/\mu}(\nu) = \langle s_{\mu} p_{\nu}, s_{\lambda} \rangle = \langle p_{\nu}, s_{\lambda/\mu} \rangle, ]
证明由命题 7.9.3 得出。

{sλ}\{s_\lambda\}{sλ}{pλ}\{p_\lambda\}{pλ} 的正交性质转化为系数 χλ(μ)\chi^\lambda(\mu)χλ(μ) 满足的正交关系。

7.17.6 命题

(a) 固定 μ\muμ, ν\nuν。则
[\sum_{\lambda} \chi^\lambda(\mu) \chi^\lambda(\nu) = z_\mu \delta_{\mu\nu}.]
(b) 固定 λ\lambdaλ, μ\muμ。则
[\sum_{\nu} z_\nu^{-1} \chi^\lambda(\nu) \chi^\mu(\nu) = \delta_{\lambda\mu}.]

证明. (a) 用 (7.77) 展开 pμp_\mupμpνp_\nupν 并取 ⟨pμ,pν⟩\langle p_\mu, p_\nu\ranglepμ,pν
(b) 用 (7.79) 展开 sλs_\lambdasλsμs_\musμ 并取 ⟨sλ,sμ⟩\langle s_\lambda, s_\mu\ranglesλ,sμ

命题 7.17.6 等价于陈述矩阵 (χλ(μ)zμ−1/2)λ,μ⊢n\left( \chi^\lambda(\mu)z_\mu^{-1/2} \right)_{\lambda,\mu \vdash n}(χλ(μ)zμ1/2)λ,μn 是一个正交矩阵。这可以直接从这个事实看出:该矩阵是两个标准正交基 {sλ}\{s_\lambda\}{sλ}{pμzμ−1/2}\{p_\mu z_\mu^{-1/2}\}{pμzμ1/2} 之间的转移矩阵。

推论 7.17.4 的一个显著结果是系数 χλ(α)\chi^\lambda(\alpha)χλ(α) 不依赖于 α\alphaα 的项的顺序(因为对于乘积 pα=pα1pα2⋯p_\alpha = p_{\alpha_1} p_{\alpha_2} \cdotspα=pα1pα2 同样如此)。这个事实在获取关于数 χλ(α)\chi^\lambda(\alpha)χλ(α) 的信息时可能具有重要价值。作为一个示例应用,我们提及以下结果。

7.17.7 命题

δ\deltaδ 为“阶梯形状” δ=(m−1,m−2,…,1)\delta = (m - 1, m - 2, \ldots, 1)δ=(m1,m2,,1)。则 sδs_\deltasδ 是奇次幂和 p1,p3,…p_1, p_3, \ldotsp1,p3, 的多项式。

证明. 我们需要证明如果 ν\nuν 有一个偶部分,则 χδ(ν)=0\chi^\delta(\nu) = 0χδ(ν)=0。令 α\alphaαν\nuν 的组成部分的一个排序,使得 α\alphaα 的最后一个非零项 αk\alpha_kαk 是偶数。因此,(7.76) 中的边缘条表 TTT 具有这样的性质:标记为 kkk 的方块形成一个大小为 αk\alpha_kαk 的边缘条 δ/ν\delta/\nuδ/ν。但是每个边缘条 δ/ν\delta/\nuδ/ν 都有奇数大小,所以这样的 TTT 不存在。

关于命题 7.17.7 的逆命题,参见练习 54。

注记(供代数学者参考). 对于 λ,ν⊢n\lambda, \nu \vdash nλ,νn 的系数 χλ(ν)\chi^{\lambda}(\nu)χλ(ν) 有一个基本的代数解释:它们是对称群 Sn\mathfrak{S}_nSn 的不可约(常)表示的特征标值。更精确地说,Sn\mathfrak{S}_nSn 的不可约特征标 χλ\chi^{\lambda}χλ 以自然的方式由分划 λ⊢n\lambda \vdash nλn 索引,并且 χλ(ν)\chi^{\lambda}(\nu)χλ(ν)χλ\chi^{\lambda}χλ 在一个轮换类型为 ν\nuν 的元素 w∈Snw \in \mathfrak{S}_nwSn 上的取值。因此,命题 7.17.6 正是不可约特征标满足的标准正交关系。现在从 (7.76) 可以立即看出(例如),特征标 χλ\chi^{\lambda}χλ 的次数(或维数)由下式给出:
[\deg \chi^{\lambda} := \chi{\lambda}(1n) = f^{\lambda}.]
因此,推论 7.12.6 与众所周知的结果一致:对于任何有限群 GGG
[\sum_{\chi \in \widehat{G}} (\dim \chi)^2 = #G,]
其中 G^\widehat{G}GGGG 的不可约特征标的集合。此外,推论 7.13.9 与不太为人所知的结果一致:
[\sum_{\chi \in \widehat{G}} \dim \chi = #{w \in G : w^2 = 1}]
当且仅当 GGG 的每个(常)表示等价于一个实表示。关于对称函数与 Sn\mathfrak{S}_nSn 特征标之间联系的更多信息,请参见下一节以及本章的许多练习。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/diannao/94908.shtml
繁体地址,请注明出处:http://hk.pswp.cn/diannao/94908.shtml
英文地址,请注明出处:http://en.pswp.cn/diannao/94908.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用 jlink 构建轻巧的自定义JRE

从 JDK 9 开始,Oracle JDK 和 OpenJDK 不再默认包含独立的 JRE 目录,而是提供了 jlink 工具(Java 链接器),允许你根据需求自定义生成最小化的 JRE(包含必要的模块)。以下是使用 jlink 生成 JRE …

[IOMMU]面向芯片/SoC验证工程的IOMMU全景速览

面向芯片/SoC验证工程的IOMMU全景速览 摘要:面向芯片/SoC 验证工程的 IOMMU 全景速览:包含基础概念、主流架构要点(ARM SMMU、Intel VT‑d、RISC‑V IOMMU),Linux 软件栈关系,SoC 上的验证方法(功能、错误、性能、系统化流程和覆盖),以及一个可用的“通用 IOMM…

Jenkins全链路教程——Jenkins用户权限矩阵配置

在企业级CI/CD场景中,“权限混乱”往往比“构建失败”更致命——测试员误删生产流水线、实习生修改关键插件配置、多团队共用账号导致责任无法追溯……这些问题,99%都能用权限矩阵彻底解决!今天,我们不仅会拆解权限矩阵的底层逻辑…

库函数蜂鸣器的使用(STC8)

使用库函数控制蜂鸣器(STC8) 在STC8系列单片机中,可以通过库函数或直接操作寄存器来控制蜂鸣器。以下是基于STC8库函数的常用方法: GPIO板蜂鸣器 #include "GPIO.h" #include "Delay.h"void GPIO_config()…

redis8.0.3部署于mac

macOS11因版本过低,安装redis时,Homebrew和源码编译两种方式都无法成功。将操作系统升级至macOS15再安装。Redis(Remote Dictionary Server)是一个开源的内存数据库,遵守 BSD 协议,它提供了一个高性能的键值…

【和春笋一起学C++】(三十三)名称空间的其他特性

目录 嵌套式名称空间 拓展——未命名的名称空间 嵌套式名称空间 示例代码1: namespace electronicEquipment {namespace computer{double price 4999.0;string modelNumber;string name;}namespace ElectronicWatch{double price 99.0;string modelNumber;stri…

异步电动机负载运行特性全解析

异步电动机负载运行特性详解 ——从空载到负载的完整分析一、为什么需要再谈“负载运行” 在上一篇《感应电动机空载特性深度剖析》中,我们已经看到:空载时,若定子加额定电压,转子转速 $n \approx n_s$(同步转速&#…

使用 Ansys Discovery 进行动态设计和分析

Ansys Discovery 是一款多功能工具,为创建模型、探索仿真设计和分析解决方案提供了一个单一的交互式工作区。它允许用户使用直接建模技术创建和修改几何结构,定义仿真并与结果实时交互。Discovery 支持结构、流体流动、热和电磁设计,提供直观…

力扣热题100-----118.杨辉三角

案例 给定一个非负整数 numRows,生成「杨辉三角」的前 numRows 行。 在「杨辉三角」中,每个数是它左上方和右上方的数的和。 示例 1: 输入: numRows 5 输出: [[1],[1,1],[1,2,1],[1,3,3,1],[1,4,6,4,1]] 示例 2: 输入: numRows 1 输出: [[1]] 提示: 1 …

NTP /Chrony 网络时间协议

一、NTP(network time protocol)网络时间协议:实现时间同步,让设备时间与国际标准时间保持一致设备日志、服务日志需要记录时间分布式系统(分布式数据库、分布式缓存、分布式储存、消息队列)时间戳&#xf…

VSCode 刷 LeetCode 算法题配置教程

LeetCode 在线刷题地址:https://leetcode-cn.com/ 一、安装 Node.js 环境 LeetCode 插件依赖 node.js 运行环境,因此必须先安装: 前往官网下载安装:https://nodejs.cn/download/下载好的压缩包解压,可以看到当前文件…

非常简单!从零学习如何免费制作一个lofi视频

想必大家在网上会看到如下类似的音乐频道,这类频道都只是上传简单的Lo-Fi音乐带着循环播放的背景就可以赚钱。 那么上面的效果如何实现的呢?今天做一个可以免费制作lo-Fi音乐的教程。 Lo-Fi音乐: Lo-Fi音乐是一种以低保真度和模拟音色为特点…

基于 RAUC 的 Jetson OTA 升级全攻略

📖 推荐阅读:《Yocto项目实战教程:高效定制嵌入式Linux系统》 🎥 更多学习视频请关注 B 站:嵌入式Jerry 基于 RAUC 的 Jetson OTA 升级全攻略 0. 引子:常见问题 在 Jetson 平台做 OTA 升级时,你可能会问&…

MySQL 主备(Master-Slave)复制 的搭建

一、主备架构简介 Master(主库):负责处理所有写操作(INSERT/UPDATE/DELETE),并记录二进制日志(binlog)。Slave(备库):从主库拉取 binlog&#xff…

【三个数绝对值排序】2022-10-10

缘由绝对值比较&#xff0c;总是跑不过怎么办-编程语言-CSDN问答 template <class 形参> inline void 算交换(形参& a, 形参& b){ 形参 ab a - b; a - ab; b ab; } template <class 形参> void 三个升序(形参& a, 形参& b, 形参& c) {if (a…

【LoRA模型训练】Stable Diffusion LoRA 模型秋叶训练器详细教程

一、工具简介与安装指南 1.1 秋叶 LoRA 训练器概述 秋叶 LoRA 训练器&#xff08;基于 Akegarasu/lora-scripts 项目&#xff09;是针对 Stable Diffusion 模型的轻量化微调工具&#xff0c;通过低秩适应&#xff08;LoRA&#xff09;技术实现高效参数微调。其核心优势在于&a…

C++2024 年一级

1 单选题 (每题 2 分,共 30 分) 12 ⽉ 题号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 答案 C C D B B D B C C C D C D B D 第 1 题 2024年10⽉8⽇ &#xff0c;诺贝尔物理学奖“意外地”颁给了两位计算机科学家约翰霍普菲尔德&#xff08;John J. Hopfield&#xff09;和杰 弗⾥⾟…

react-window

下面&#xff0c;我们来系统的梳理关于 React 虚拟化列表&#xff1a;react-window 的基本知识点&#xff1a;一、虚拟化列表核心概念 1.1 什么是虚拟化列表&#xff1f; 虚拟化列表&#xff08;也称为窗口化&#xff09;是一种只渲染当前可见区域列表项的技术&#xff0c;而不…

2025AI颠覆认知!解锁智能新纪元

清晨的城市还裹着薄雾时&#xff0c;通勤族的手机已经自动规划好最优路线——避开施工路段、实时更新交通状况&#xff0c;连早餐店排队人数都能精准预测。这不是科幻电影里的片段&#xff0c;而是2025年AI深度融入生活的寻常场景。当数字化与智能化浪潮席卷而来&#xff0c;我…

实用Shell高级视频课程

实用Shell高级视频课程 Shell三剑客sed我网盘给你分享了「实用Shell高级视频课程」&#xff0c;点击链接或复制整段内容&#xff0c;打开「APP」即可获取。/bc3b37jg8i:/链接&#xff1a;http://t.cn/A6swtV7u提取码&#xff1a;ePV4 ​​​