計數組合學7.10(舒爾函數的組合定義)

7.10 舒爾函數的組合定義

前幾節討論的四個基 mλm_{\lambda}mλ?eλe_{\lambda}eλ?hλh_{\lambda}hλ?pλp_{\lambda}pλ? 的定義都較為直觀。本節將介紹第五個基,其元素記為 sλs_{\lambda}sλ?,稱為舒爾函數,其定義則更為微妙。實際上,舒爾函數有許多不同的(等價的)定義方式,例如可以通過前述四個基中的任意一個來定義,或通過涉及行列式商的“經典”定義,或通過與正交性和三角化相關的抽象性質,又或通過更高級的代數方法。對于初學者而言,這些定義可能都顯得缺乏動機。我們選擇通過 mλm_{\lambda}mλ? 來定義 sλs_{\lambda}sλ?,因為這種方法最具組合性,盡管其他方法也有其獨特的優勢。當然,最終所有這些方法都會導向相同的理論。

舒爾函數的重要性很大程度上源于它們與數學其他分支的聯系,例如表示論和代數幾何。我們將在第7.18節討論其與對稱群 Sn\mathfrak{S}_nSn? 的表示論的聯系,并在附錄2中討論其與一般線性群 GL?(n,C)\operatorname{GL}(n, \mathbb{C})GL(n,C) 及相關群的聯系。舒爾函數的另一個重要應用(本書未展開)是Schubert演算;Grassmann簇 Gk(Cn)G_{k}(\mathbb{C}^n)Gk?(Cn) 的上同調環可以用舒爾函數自然地描述。

對稱函數

與舒爾函數相關的基本組合對象是半標準楊表。設 λ\lambdaλ 是一個分劃。一個形狀為 λ\lambdaλ半標準楊表(SSYT)是一個由正整數構成的數組 T=(Tij)T = (T_{ij})T=(Tij?),其形狀為 λ\lambdaλ(即 1≤i≤?(λ)1 \leq i \leq \ell(\lambda)1i?(λ)1≤j≤λi1 \leq j \leq \lambda_i1jλi?),且滿足每行弱遞增、每列嚴格遞增。半標準楊表的大小是其條目數。以下是一個形狀為 (6,5,3,3)(6,5,3,3)(6,5,3,3) 的半標準楊表的例子:

11122322334456667 \begin{array}{cccccc} 1 & 1 & 1 & 2 & 2 & 3 \\ 2 & 2 & 3 & 3 & 4 & \\ 4 & 5 & 6 & & & \\ 6 & 6 & 7 & & & \\ \end{array} 1246?1256?1367?23?24?3?

若 $ T $ 是一個形狀為 λ\lambdaλ 的半標準楊表(SSYT),則記 λ=sh(T)\lambda = \text{sh}(T)λ=sh(T)。因此,$ T $ 的大小即為 ∣sh(T)∣|\text{sh}(T)|sh(T)。我們也可以將形狀為 λ\lambdaλ 的半標準楊表視為 λ\lambdaλ 的楊圖(如第1.7節所定義),其方格中填入了滿足特定條件的正整數。例如,上述半標準楊表可表示為:
在這里插入圖片描述

若 $ T $ 中有 αi=αi(T)\alpha_i = \alpha_i(T)αi?=αi?(T) 個部分等于 iii,則稱 $ T $ 的類型α=(α1,α2,…)\alpha = (\alpha_1, \alpha_2, \ldots)α=(α1?,α2?,),記作 α=type(T)\alpha = \text{type}(T)α=type(T)。因此,上述半標準楊表的類型為 (3,1,1,4,4,1,1,0,2)(3, 1, 1, 4, 4, 1, 1, 0, 2)(3,1,1,4,4,1,1,0,2)。對于任何類型為 α\alphaα 的半標準楊表 $ T $(或實際上任何帶有額外結構的 P\mathbb{P}P 上的多重集),記

xT=x1α1(T)x2α2(T)??. x^T = x_{1}^{\alpha_1(T)} x_{2}^{\alpha_2(T)} \cdots. xT=x1α1?(T)?x2α2?(T)??.

對于上述例子,有

xT=x13x2x44x54x6x7x92. x^T = x_{1}^3 x_{2} x_{4}^4 x_{5}^4 x_{6} x_{7} x_{9}^2. xT=x13?x2?x44?x54?x6?x7?x92?.

半標準楊表的定義可以自然地推廣到對稱函數理論中的斜形狀。若 λ\lambdaλμ\muμ 是滿足 μ?λ\mu \subseteq \lambdaμ?λ(即對所有 iiiμi≤λi\mu_i \leq \lambda_iμi?λi?)的分劃,則定義形狀為 λ/μ\lambda / \muλ/μ斜半標準楊表為一個由正整數構成的數組 T=(Tij)T = (T_{ij})T=(Tij?),其形狀為 λ/μ\lambda / \muλ/μ(即 1≤i≤?(λ)1 \leq i \leq \ell(\lambda)1i?(λ)μi<j≤λi\mu_i < j \leq \lambda_iμi?<jλi?),且滿足每行弱遞增、每列嚴格遞增。以下是一個形狀為 (6,5,3,3)/(3,1)(6, 5, 3, 3)/(3, 1)(6,5,3,3)/(3,1) 的斜半標準楊表的例子:

3441477226388 \begin{array}{cccccc}& & & 3 & 4 & 4\\& 1 & 4 & 7 & 7 \\ 2 & 2 & 6 & & \\ 3 & 8 & 8 & & \\ \end{array} 23?128?468?37?47?4

類似地,可以將形狀為 λ\lambdaλ 的楊圖的定義推廣到形狀為 λ/μ\lambda / \muλ/μ 的斜楊圖。因此,形狀為 (6,5,3,3)/(3,1)(6, 5, 3, 3)/(3, 1)(6,5,3,3)/(3,1) 的斜楊圖可表示為:
在這里插入圖片描述

因此,形狀為 λ/μ\lambda / \muλ/μ 的斜半標準楊表可以視為斜楊圖的方格中填入了滿足特定條件的正整數,正如“普通形狀”(也稱為直形狀)λ\lambdaλ 的情況。例如,上述形狀為 (6,5,3,3)/(3,1)(6, 5, 3, 3)/(3, 1)(6,5,3,3)/(3,1) 的斜半標準楊表可表示為:
在這里插入圖片描述

類型 type(T)\text{type}(T)type(T)xTx^TxT 的定義可以直接從普通形狀的半標準楊表推廣到斜形狀的半標準楊表。

現在,我們來到本章的關鍵定義。如前所述,在進一步深入之前,這個定義看起來完全缺乏動機。

7.10.1 定義

λ/μ\lambda/\muλ/μ 為斜形狀。變量 x=(x1,x2,…)x=(x_{1},x_{2},\ldots)x=(x1?,x2?,) 中形狀為 λ/μ\lambda/\muλ/μ斜舒爾函數 sλ/μ=sλ/μ(x)s_{\lambda/\mu}=s_{\lambda/\mu}(x)sλ/μ?=sλ/μ?(x) 是形式冪級數

sλ/μ(x)=∑i=1nxi,s_{\lambda/\mu}(x)=\sum_{i=1}^{n}x^{i},sλ/μ?(x)=i=1n?xi,

對所有形狀為 λ/μ\lambda/\muλ/μ 的半標準楊表 TTT 求和。若 μ=?\mu=\emptysetμ=? 使得 λ/μ=λ\lambda/\mu=\lambdaλ/μ=λ,則稱 sλ(x)s_{\lambda}(x)sλ?(x) 為形狀 λ\lambdaλ舒爾函數

例如,最大部分不超過 3 的形狀 (2,1)(2,1)(2,1) 的半標準楊表為
在這里插入圖片描述

因此

s21(x1,x2,x3)=x12x2+x1x22+x12x3+x1x24+x23x3+x2x34+2x1x2x3s_{21}(x_{1},x_{2},x_{3}) = x_{1}^{2}x_{2}+x_{1}x_{2}^{2}+x_{1}^{2}x_{3}+x_{1}x_{2}^{4}+x_{2}^{3}x_{3}+x_{2}x_{3}^{4}+2x_{1}x_{2}x_{3}s21?(x1?,x2?,x3?)=x12?x2?+x1?x22?+x12?x3?+x1?x24?+x23?x3?+x2?x34?+2x1?x2?x3? =m21(x1,x2,x3)+2m111(x1,x2,x3).= m_{21}(x_{1},x_{2},x_{3})+2m_{111}(x_{1},x_{2},x_{3}).=m21?(x1?,x2?,x3?)+2m111?(x1?,x2?,x3?).

因此,由于 s21s_{21}s21? 的每一項中最多出現三個不同的變量,我們有 s21=m21+2m111s_{21}=m_{21}+2m_{111}s21?=m21?+2m111?(作為 Λ\LambdaΛ 的元素,即在無限多變量中的對稱函數)。然而,sλ/μs_{\lambda/\mu}sλ/μ? 實際上總是對稱函數這一點并不顯然。

7.10.2 定理

對任意斜形狀 λ/μ\lambda/\muλ/μ,斜舒爾函數 sλ/μs_{\lambda/\mu}sλ/μ? 是對稱函數。

證明:只需證明 [為什么?] sλ/μs_{\lambda/\mu}sλ/μ? 在交換 xix_{i}xi?xi+1x_{i+1}xi+1? 時保持不變。設 ∣λ/μ∣=n|\lambda/\mu|=nλ/μ=n,且 α=(α1,α2,…)\alpha=(\alpha_{1},\alpha_{2},\ldots)α=(α1?,α2?,)nnn 的弱組合。令

α~=(α1,α2,…,αi?1,αi+1,αi,αi+2,…).\tilde{\alpha}=(\alpha_{1},\alpha_{2},\ldots,\alpha_{i-1},\alpha_{i+1},\alpha_{i},\alpha_{i+2},\ldots).α~=(α1?,α2?,,αi?1?,αi+1?,αi?,αi+2?,).

Tλ/μ,α~\mathcal{T}_{\lambda/\mu,\tilde{\alpha}}Tλ/μ,α~? 表示所有形狀為 λ/μ\lambda/\muλ/μ 且類型為 α\alphaα 的半標準楊表的集合,則我們需要構造一個雙射 φ:Tλ/μ,α→Tλ/μ,α~\varphi:\mathcal{T}_{\lambda/\mu,\alpha}\rightarrow\mathcal{T}_{\lambda/\mu,\tilde{\alpha}}φ:Tλ/μ,α?Tλ/μ,α~?

T∈Tλ/μ,αT\in\mathcal{T}_{\lambda/\mu,\alpha}TTλ/μ,α?。考慮 TTT 中等于 iiii+1i+1i+1 的部分。TTT 的某些列不包含這些部分,而某些列包含兩個這樣的部分,即一個 iii 和一個 i+1i+1i+1。這些列我們忽略。其余等于 iiii+1i+1i+1 的部分在每列中出現一次,且由一定數量 rrriii 后跟一定數量 sssi+1i+1i+1 的行組成。(當然,rrrsss 取決于具體的行。)例如,TTT 的一部分可能如下所示。
在這里插入圖片描述

在每一行中,將 rrrtttssst+1t+1t+1 轉換為 ssstttrrrt+1t+1t+1
在這里插入圖片描述

容易看出,得到的數組 φ(T)\varphi(T)φ(T) 屬于 Tλ/μ,α~\mathcal{T}_{\lambda/\mu,\tilde{\alpha}}Tλ/μ,α~?,且 φ\varphiφ 建立了所需的雙射。

λ?n\lambda\vdash nλ?nα\alphaαnnn 的弱組合,則記 Kλμ\mathcal{K}_{\lambda\mu}Kλμ? 為形狀 λ\lambdaλ 且類型 α\alphaα 的半標準楊表的數量。Kλα\mathcal{K}_{\lambda\alpha}Kλα? 稱為科斯特卡數(Kostka numbers),在對稱函數理論中具有重要作用。根據定義 7.10.1,我們有

sλ=∑αKλαxα,s_{\lambda}=\sum_{\alpha}\mathcal{K}_{\lambda\alpha}x^{\alpha},sλ?=α?Kλα?xα,

對所有 nnn 的弱組合 α\alphaα 求和,因此由定理 7.10.2 可得

sλ=∑μ?nKλμmμ.(7.35)s_{\lambda}=\sum_{\mu\vdash n}\mathcal{K}_{\lambda\mu}m_{\mu}.\qquad\qquad\qquad\qquad(7.35) sλ?=μ?n?Kλμ?mμ?.(7.35)

更一般地,我們可以定義斜科斯特卡數 Kλ/ν,α\mathcal{K}_{\lambda/\nu,\alpha}Kλ/ν,α? 為形狀 λ/ν\lambda/\nuλ/ν 且類型 α\alphaα 的半標準楊表的數量,因此若 ∣λ/ν∣=n|\lambda/\nu|=nλ/ν=n,則

sλ/ν=∑μ?nKλ/ν,μmμ.(7.36)s_{\lambda/\nu}=\sum_{\mu\vdash n}\mathcal{K}_{\lambda/\nu,\mu}m_{\mu}.\qquad\qquad\qquad\qquad(7.36) sλ/ν?=μ?n?Kλ/ν,μ?mμ?.(7.36)

目前尚未找到 Kλ/ν,μ\mathcal{K}_{\lambda/\nu,\mu}Kλ/ν,μ? 或甚至 Kλμ\mathcal{K}_{\lambda\mu}Kλμ? 的通用簡單公式,且此類公式存在的可能性較低。對于某些特定的 λ\lambdaλν\nuνμ\muμ,可以給出公式,其中最重要的是 ν=?\nu=\emptysetν=?μ=(1n)\mu=(1^{n})μ=(1n) 的情況。雖然我們將在后續內容中給出此公式(推論 7.21.6),但讓我們更詳細地探討數 Kλ,1n\mathcal{K}_{\lambda,1^{n}}Kλ,1n?(也記作 fλf^{\lambda}fλ)的含義。組合意義。根據定義,fλf^{\lambda}fλ 是將數字 1,2,…,n1,2,\ldots,n1,2,,n 插入形狀 λ?n\lambda\vdash nλ?n 的方式數,每個數字恰好出現一次,且每行每列嚴格遞增。這樣的數組稱為形狀 λ\lambdaλ標準楊表(SYT)(或簡稱標準表)。例如,形狀 (3,2)(3,2)(3,2) 的標準楊表為
在這里插入圖片描述

因此 f(3,2)=5f^{(3,2)}=5f(3,2)=5。數 fλf^{\lambda}fλ 還有幾種其他組合解釋,如下述命題所示。

7.10.3 命題

λ∈Par\lambda \in \text{Par}λPar。則數 fλf^\lambdafλ 枚舉以下 (a)-(e) 項中的對象。我們以 λ=(3,2)\lambda = (3, 2)λ=(3,2) 為例說明這些對象。

(a) (分劃鏈) Young 格 YYY 的區間 [?,λ][\emptyset, \lambda][?,λ] 中的飽和鏈,等價地,滿足 λi\lambda^iλiλi?1\lambda^{i-1}λi?1 添加單個方格得到的分劃序列 ?=λ0?λ1???λn=λ\emptyset = \lambda^0 \subset \lambda^1 \subset \cdots \subset \lambda^n = \lambda?=λ0?λ1???λn=λ 的數量(我們將分劃與其圖示視為等同):
??1?2?3?31?32??1?2?21?31?32??1?2?21?22?32??1?11?21?31?32??1?11?21?22?32 \begin{aligned} &\emptyset \subset 1 \subset 2 \subset 3 \subset 31 \subset 32 \\ &\emptyset \subset 1 \subset 2 \subset 21 \subset 31 \subset 32 \\ &\emptyset \subset 1 \subset 2 \subset 21 \subset 22 \subset 32 \\ &\emptyset \subset 1 \subset 11 \subset 21 \subset 31 \subset 32 \\ &\emptyset \subset 1 \subset 11 \subset 21 \subset 22 \subset 32 \end{aligned} ???1?2?3?31?32??1?2?21?31?32??1?2?21?22?32??1?11?21?31?32??1?11?21?22?32?

(b) (線性擴張)PλP_\lambdaPλ? 是偏序集,其元素為 λ\lambdaλ 圖示的方格,若 ttt 位于 sss 正右方或正下方(中間無其他方格)則 ttt 覆蓋 sss。此類偏序集即為 N×N\mathbb{N} \times \mathbb{N}N×N 的有限序理想。則 fλ=e(Pλ)f^\lambda = e(P_\lambda)fλ=e(Pλ?),即 PλP_\lambdaPλ? 的線性擴張數。
在這里插入圖片描述

? (投票序列) nnn 位選民依次為候選人 A1,A2,…A_1, A_2, \ldotsA1?,A2?, 投票的方式,使得對任意 iiiAiA_iAi? 獲得 λi\lambda_iλi? 票,且 AiA_iAi? 的得票數始終不低于 Ai+1A_{i+1}Ai+1?(記此類投票序列為 a1a2?ana_1 a_2 \cdots a_na1?a2??an?,其中第 kkk 位選民投票給 AakA_{a_k}Aak??)。
1112211212112211211212121 11122 \quad 11212 \quad 11221 \quad 12112 \quad 12121 1112211212112211211212121

(d) (格排列) 序列 a1a2?ana_1 a_2 \cdots a_na1?a2??an? 滿足:iii 出現 λi\lambda_iλi? 次,且對任意左因子 a1a2?aja_1 a_2 \cdots a_ja1?a2??aj?iii 的出現次數不小于 i+1i+1i+1 的出現次數(對所有 iii)。此類序列稱為 λ\lambdaλ 型的格排列(或稱 Yamanouchi 詞或投票序列)。
1112211212112211211212121 11122 \quad 11212 \quad 11221 \quad 12112 \quad 12121 1112211212112211211212121

(e) (格路徑) R?\mathbb{R}^\ellR??=?(λ)\ell = \ell(\lambda)?=?(λ))中從原點 v0v_0v0?vn=(λ1,λ2,…,λ?)v_n = (\lambda_1, \lambda_2, \ldots, \lambda_\ell)vn?=(λ1?,λ2?,,λ??) 的格路徑 0=v0,v1,…,vn0 = v_0, v_1, \ldots, v_n0=v0?,v1?,,vn?,每步為單位坐標向量,且保持在區域 x1≥x2≥?≥x?≥0x_1 \geq x_2 \geq \cdots \geq x_\ell \geq 0x1?x2??x??0 內。
在這里插入圖片描述

證明
(a) 將 iii 插入到 λi?1\lambda^{i-1}λi?1 新增的方格中得到 λi\lambda^iλi,從而構造出形狀為 λ\lambdaλ 的標準楊表。

(b) Young 格 YYY 中的區間 [?,λ][\emptyset,\lambda][?,λ] 即為 J(Pλ)J(P_\lambda)J(Pλ?)PλP_\lambdaPλ? 的序理想格),因此 fλf^\lambdafλ 的 (a) 和 (b) 兩種解釋的等價性實為命題 3.5.2 后續討論的特例。

? 若第 kkk 位投票者投票給 AiA_iAi?,則將 kkk 置于形狀 λ\lambdaλ 的第 iii 行。

(d) 顯然 ? 中的投票序列與 (d) 中的格排列完全相同。

(e) 若 a1a2?ana_1a_2\cdots a_na1?a2??an? 是 (d) 中的格排列,令 vi?vi?1v_i-v_{i-1}vi??vi?1? 為第 aia_iai? 個單位坐標向量(即第 aia_iai? 位為 1 其余為 0 的向量)可得到格路徑。或者,(b) 與 (e) 的等價性是例 3.5.3 前討論的特例。

上述五種解釋均可直接推廣至斜情形 fλ/μf^{\lambda/\mu}fλ/μ。具體細節留給感興趣的讀者。

在處理舒爾函數、Kostka數等問題時,有時使用行和列遞減的數組比半標準楊表(SSYT)更為方便。定義形狀為λ/μ\lambda/\muλ/μ的反向半標準楊表(reverse SSYT)或列嚴格平面劃分(簡稱costripp)為一個正整數數組,其形狀為λ/μ\lambda/\muλ/μ,滿足行弱遞減且列嚴格遞減。反向半標準楊表的類型α\alphaα的定義與普通半標準楊表相同。例如:
在這里插入圖片描述

這是一個形狀為(6,5,3,3)/(3,1)(6,5,3,3)/(3,1)(6,5,3,3)/(3,1)、類型為(2,2,1,0,3,2,2,1)(2,2,1,0,3,2,2,1)(2,2,1,0,3,2,2,1)的反向半標準楊表。

值得提及一種與半標準楊表等價的組合對象。Gelfand-Tsetlin模式(有時簡稱為Gelfand模式)或完全分支是一個非負整數的三角數組GGG,形如:
在這里插入圖片描述

滿足當所有三個數都有定義時,aij≤ai+1,j+1≤ai,j+1a_{ij} \leq a_{i+1,j+1} \leq a_{i,j+1}aij?ai+1,j+1?ai,j+1?。換言之,GGG的行是弱遞增的,且ai+1,j+1a_{i+1,j+1}ai+1,j+1?位于其上方兩個相鄰數之間(含端點)。例如:
在這里插入圖片描述

給定(7.37)式的Gelfand-Tsetlin模式GGG,令λi\lambda^iλiGGG的第iii行逆序排列。通過將n?i+1n-i+1n?i+1插入斜形狀λi/λi+1\lambda^i/\lambda^{i+1}λi/λi+1的方格中,定義表格T=T(G)T=T(G)T=T(G)。對于上述例子,T(G)T(G)T(G)為:
在這里插入圖片描述

我們得到一個形狀為λ1\lambda^1λ1GGG的第一行逆序)、最大部分不超過nnn的半標準楊表。這種具有固定第一行α\alphaα(長度為nnn)的Gelfand-Tsetlin模式與形狀為α′\alpha'αα\alphaα的逆序)、最大部分不超過nnn的半標準楊表之間的對應關系,顯然是一個雙射。

定義K^λ/μ,α\hat{K}_{\lambda/\mu,\alpha}K^λ/μ,α?為形狀λ/μ\lambda/\muλ/μ、類型α\alphaα的反向半標準楊表的數量。下一個命題表明,在許多情況下,普通半標準楊表與反向半標準楊表并無本質區別。

7.10.4 命題

λ/μ\lambda/\muλ/μnnn 的斜分劃,α\alphaαnnn 的弱組合。則 K^λ/μ,α=Kλ/μ,α\hat{K}_{\lambda/\mu,\alpha} = K_{\lambda/\mu,\alpha}K^λ/μ,α?=Kλ/μ,α?

證明:設 TTT 為形狀 λ/μ\lambda/\muλ/μ、類型 α=(α1,α2,…)\alpha=(\alpha_1,\alpha_2,\ldots)α=(α1?,α2?,) 的反向半標準楊表,kkkTTT 的最大部分。變換 Tij?k+1?TijT_{ij} \mapsto k+1-T_{ij}Tij??k+1?Tij? 表明 K^λ/μ,α=Kλ/μ,α\hat{K}_{\lambda/\mu,\alpha} = K_{\lambda/\mu,\alpha}K^λ/μ,α?=Kλ/μ,α?,其中 α=(αk,αk?1,…,α1,0,0,…)\alpha=(\alpha_k,\alpha_{k-1},\ldots,\alpha_1,0,0,\ldots)α=(αk?,αk?1?,,α1?,0,0,)。由定理 7.10.2 知 Kλ/μ,α=Kλ/μ,αK_{\lambda/\mu,\alpha} = K_{\lambda/\mu,\alpha}Kλ/μ,α?=Kλ/μ,α?,證畢。

7.10.5 命題

μ\muμλ\lambdaλ 為滿足 ∣μ∣=∣λ∣|\mu|=|\lambda|μ=λKλμ≠0K_{\lambda\mu}\neq 0Kλμ?=0 的分劃。則 μ≤λ\mu \leq \lambdaμλ(支配序),且 Kλλ=1K_{\lambda\lambda}=1Kλλ?=1

證明:若 Kλμ≠0K_{\lambda\mu} \neq 0Kλμ?=0,則存在形狀 λ\lambdaλ、類型 μ\muμ 的半標準楊表 TTT。假設某元素 Tij=kT_{ij}=kTij?=k 出現在第 kkk 行下方(即 i>ki>ki>k),則對 i>ki>ki>k1≤T1k<T2k<?<Tik=k1 \leq T_{1k} < T_{2k} < \cdots < T_{ik}=k1T1k?<T2k?<?<Tik?=k,矛盾。故部分 1,2,…,k1,2,\ldots,k1,2,,k 均在前 kkk 行出現,因此 μ1+μ2+?+μk≤λ1+λ2+?+λk\mu_1+\mu_2+\cdots+\mu_k \leq \lambda_1+\lambda_2+\cdots+\lambda_kμ1?+μ2?+?+μk?λ1?+λ2?+?+λk?。當 μ=λ\mu=\lambdaμ=λ 時必有 Tij=iT_{ij}=iTij?=i(對所有 (i,j)(i,j)(i,j)),故 Kλλ=1K_{\lambda\lambda}=1Kλλ?=1

7.10.6 推論

舒爾函數 {sλ:λ∈Par(n)}\{s_\lambda : \lambda \in \text{Par}(n)\}{sλ?:λPar(n)} 構成 Λn\Lambda^nΛn 的基,從而 {sλ:λ∈Par}\{s_\lambda : \lambda \in \text{Par}\}{sλ?:λPar}Λ\LambdaΛ 的基。事實上,對于任意擴張支配序的 Par(n)\text{Par}(n)Par(n) 線性序,表達 sλs_\lambdasλ? 關于 mμm_\mumμ? 的轉移矩陣 (Kλμ)(K_{\lambda\mu})(Kλμ?) 是主對角線為 1 的下三角矩陣。

證明:命題 7.10.5 等價于關于 (Kλμ)(K_{\lambda\mu})(Kλμ?) 的斷言。因主對角線為 1 的下三角矩陣可逆,故 {sλ}\{s_\lambda\}{sλ?}Λn\Lambda^nΛnQ\mathbb{Q}Q-基。
注:實際上 {sλ}\{s_\lambda\}{sλ?} 也是 ΛZn\Lambda^n_{\mathbb{Z}}ΛZn?Z\mathbb{Z}Z-基,因每個 Kλλ=1K_{\lambda\lambda}=1Kλλ?=1(而非僅 Kλλ≠0K_{\lambda\lambda}\neq 0Kλλ?=0)。

后續章節將建立舒爾函數的基礎理論,包括:

  • sλs_\lambdasλ? 與基 mλm_\lambdamλ?, hλh_\lambdahλ?, eλe_\lambdaeλ?, pλp_\lambdapλ? 間的轉移矩陣
  • 與內積 ?,?\langle , \rangle?,? 及自同構 ω\omegaω 的聯系
    (雖已通過定義考察 (Kλμ)(K_{\lambda\mu})(Kλμ?),但尚未知逆矩陣形式)
  • 對稱函數理論的計數應用:
    • 平面劃分的枚舉
    • 置換統計量的結果
    • Polya 群作用計數理論

下表為 Kostka 數 KλμK_{\lambda\mu}Kλμ? 的簡表。
在這里插入圖片描述

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/91663.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/91663.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/91663.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【前端】CSS Grid布局介紹及示例

CSS Grid 簡介 CSS Grid 是一個二維布局系統&#xff0c;專為處理行和列的復雜網頁布局而設計。與 Flexbox&#xff08;一維布局&#xff09;不同&#xff0c;Grid 允許開發者同時控制行和列&#xff0c;實現更精確的布局結構。 核心概念&#xff1a; Grid 容器&#xff1a;通過…

[echarts]多個柱狀圖及圖例

前言 實現多個柱狀圖功能&#xff0c;并設置多個圖例樣式&#xff0c;并定時刷新數據 react引入echarts import React, { useEffect, useRef } from react; import * as echarts from echarts; import DeviceApi from /api/screen/DeviceApi;const CenterDeviceSummary (props…

【讀文獻】Capacitor-drop AC-DC

[1] F. Song, et al., “An 85-to-230VAC to 3.3-to-4.6VDc 1.52W Capacitor-Drop Sigma-Floating-SC AC-DC Converter with 81.3% Peak Efficiency,” 2025 IEEE International Solid-State Circuits Conference (ISSCC), 2025.以下是針對該電容降壓AC-DC轉換器設計的通俗版解…

`StreamConfigurationMap` 實現邏輯與解析過程詳解:相機流能力的聲明、匹配與驗證機制全景

StreamConfigurationMap 實現邏輯與解析過程詳解:相機流能力的聲明、匹配與驗證機制全景 關鍵詞: StreamConfigurationMap、CameraCharacteristics、OutputFormat、InputFormat、Size 配置、幀率范圍、流兼容性、配置失敗調試 摘要: StreamConfigurationMap 是 Android 相…

關于“PromptPilot” 之3 -Prompt構造器核心專項能力:任務調度

本篇問題Q20. 以上設計是“原始制造商”的典型范式。在三個不同理論層級&#xff08;Prompt 構造進程的三個子進程&#xff08;線程&#xff09;&#xff09;分別適合三種不同的取向&#xff1a; 面向目標、面向結果和面向過程。不同取向將采取不同的策略 和不同的 監控方式&am…

Solana: 鏈上開發入門,用 Anchor 和 Rust 構建第一個程序

大家好&#xff0c;如果大家對 Solana 開發充滿好奇&#xff0c;但又對 Rust 語言感到陌生&#xff0c;那么大家來對地方了。很多人在探索 Solana 這條高性能公鏈時&#xff0c;遇到的第一個門檻就是其原生開發語言——Rust。Rust 以其高性能和內存安全著稱&#xff0c;但學習曲…

node.js之Koa框架

Koa框架介紹Koa 是一個新的 web 框架&#xff0c;由 Express 原班人馬打造&#xff0c;致力于成為一個更小、更富有表現力、更健壯的 Web 框架。Koa 解決了 Express 存在的一些問題&#xff0c;例如&#xff1a;中間件嵌套回調&#xff08;callback hell&#xff09;錯誤處理不…

C/C++離線環境安裝(VSCode + MinGW)

因為工作需要部署離線C環境&#xff0c;網上有許多大佬分享了不錯的教程&#xff0c;總結一篇完整教程自用&#xff0c;使用VSCode MinGW感謝一、安裝準備二、軟件安裝1.安裝MinGW2.安裝VSCode及插件三、測試環境1.創建工程文件夾2.創建cpp文件總結感謝 本教程參考了以下教程…

如何創建一個飛書應用獲取自己的飛書AppID和AppSecret?

這篇文章是接下來要開發「監控 X&#xff08;原Twitter&#xff09;博主賬號最新推文」 自動化工作流的先導文章&#xff0c;由于內容相對獨立&#xff0c;也可用于飛書應用的其他場景&#xff0c;故單獨發出來&#xff0c;方便查閱。 監控X平臺指定博主最新發文&#xff0c;需…

Prompt工程記錄

Prompt基本建議&#xff1a;1.在查詢中包含詳細信息以獲得更相關的答案總結會議筆記:先將會議筆記總結為一段&#xff0c;然后寫一份演講者的打分表&#xff0c;列出他們的每個要點&#xff1b;最后列出發言者建議的下一步行動或者行動項目&#xff08;如果有的話&#xff09;2…

CTE公用表表達式的可讀性與性能優化

一、可讀性優化CTE通過WITH子句定義臨時命名結果集&#xff0c;將復雜查詢分解為邏輯獨立的模塊&#xff0c;顯著提升代碼清晰度與可維護性?&#xff1a;?解構嵌套查詢?&#xff1a;將多層嵌套的子查詢扁平化&#xff0c;例如傳統嵌套統計訂單的查詢可重構為分步CTE&#xf…

8.1.2 TiDB存儲引擎的原理

TiDB 簡介 TiDB 是 PingCAP 公司自主設計、研發的開源分布式關系型數據 庫&#xff0c;是一款同時支持在線事務處理與在線分析處理 (Hybrid Transactional and Analytical Processing, HTAP) 的融合型分布 式數據庫產品&#xff0c;具備水平擴容或者縮容、金融級高可用、實時 …

PTE之路--01

空格繞過:/**/ URL編碼偽協議:pagezip://xxx/xx/x/x/xxx.jpg%23解壓后的名字pagephar://xxx/xx/x/x/xxx.jpg/解壓后的名字pageddata://ata://text/plain,<?php eval($_POST[x]) ;?>pagedata://text/plain,<?php eval($_POST[x]) ;?>127.0.0.1 | grep . ../key…

企業級日志分析系統ELK

1.什么是 Elastic Stack 如果系統和應用出現異常和問題,相關的開發和運維人員想要排查原因,就要先登錄到應用運行所相應的主機,找到上面的相關日志文件再進行查找和分析,所以非常不方便,此外還會涉及到權限和安全問題,而ELK 的出現就很好的解決這一問題。 ELK 是由一家 …

ai項目多智能體

手把手教你構建一個 本地化的&#xff0c;免費的&#xff0c;企業級的&#xff0c;AI大模型知識庫問答系統 - 網旭哈瑞.AI 體驗 AutoGen Studio - 微軟推出的友好多智能體協作框架_autogenstudio-CSDN博客 AutoGen Studio: Interactively Explore Multi-Agent Workflows | Au…

【HTML】淺談 script 標簽的 defer 和 async

The async and defer attributes are boolean attributes that indicate how the script should be evaluated. There are several possible modes that can be selected using these attributes, depending on the script’s type. async 和 defer 屬性是布爾屬性&#xff0c;…

Kafka Streams 并行處理機制深度解析:任務(Task)與流線程(Stream Threads)的協同設計

在構建實時流處理應用時&#xff0c;如何充分利用計算資源同時保證處理效率是一個關鍵問題。Kafka Streams 通過其獨特的任務(Task)和流線程(Stream Threads)并行模型&#xff0c;為開發者提供了既簡單又強大的并行處理能力。本文將深入解析 Kafka Streams 中任務與線程的協同工…

使用 Docker 部署 Label Studio 時本地文件無法顯示的排查與解決

目錄 使用 Docker 部署 Label Studio 時本地文件無法顯示的排查與解決 1. 背景 2. 問題現象 3. 排查步驟 3.1 確認文件是否存在 3.2 檢查環境變量配置 4. 解決方案 方法一&#xff1a;修改 Sync Storage 路徑&#xff08;相對路徑&#xff09; 方法二&#xff1a;修改…

ElasticJob怎么使用?

我們使用ElasticJob需要以下步驟&#xff1a; 1. 添加依賴 2. 配置任務&#xff08;可以使用Spring命名空間配置或Java配置&#xff09; 3. 實現任務邏輯&#xff08;實現SimpleJob、DataflowJob等接口&#xff09; 4. 啟動任務 下面是一個詳細的示例&#xff0c;包括Spring Bo…

TCP協議的特點和首部格式

文章目錄TCP協議是什么&#xff1f;TCP協議的主要特點1. 面向連接2. 可靠傳輸3. 流量控制4. 擁塞控制TCP首部格式源端口和目標端口&#xff08;各16位&#xff09;序列號&#xff08;32位&#xff09;確認號&#xff08;32位&#xff09;數據偏移&#xff08;4位&#xff09;保…