Loading...
机构名称:
¥ 2.0

tridiagonalization是数值线性代数中的重要技术,它将给定的矩阵转换为三角形形式,其中所有非零元素都局限于主对角线和原发性异基因对角线[1]。这种转换简化了许多矩阵计算,例如解决特征值问题和执行矩阵因数化。在哈密顿系统中,三角法化有助于理解操作员生长的量子动力学[2]和系统的统计特性[3]。对于赫米尔顿的赫米尔顿人,通常是使用兰开斯算法[4]或住户反射[5]来实现的。已知的三角元素(称为兰开斯系数)有效地控制了系统的动力学[6]。在许多情况下,例如对正交多项式的研究,这些元素被称为递归系数,因为它们与正交多项式的序列递归有关[1]。这立即提出了一个关于特征值与兰开斯系数之间关系的重要问题。虽然这似乎是一个简单的问题,但答案通常是不平凡的。但是,在许多情况下,尤其是在随机矩阵理论(RMT)的背景下,特征值和兰开斯系数之间的直接一对一对应关系可能是不需要的。另外,兰开斯系数并非唯一。它们取决于馈送到兰开斯算法的选定初始状态。事实证明,答案是肯定的,并在[7]中解决。因此,考虑统计问题可能更有见识:特征值的分布(例如状态密度(DOS))与兰开斯系数的统计特性之间是否存在相关性?鉴于Hermitian随机矩阵的特征值E I,平均DOSρ(E)与

JHEP01(2025)072

JHEP01(2025)072PDF文件第1页

JHEP01(2025)072PDF文件第2页

JHEP01(2025)072PDF文件第3页

JHEP01(2025)072PDF文件第4页

JHEP01(2025)072PDF文件第5页

相关文件推荐

2025 年
¥1.0
2025 年
¥4.0
2025 年
¥3.0
2025 年
¥20.0
2025 年
¥20.0
2024 年
¥7.0
2025 年
¥1.0
2025 年
¥15.0
2025 年
¥1.0
2024 年
¥2.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥4.0
2019 年
¥1.0
2024 年
¥2.0
2025 年
¥5.0
2025 年
¥2.0
2025 年
¥1.0
2025 年
¥2.0
2025 年
¥5.0
2024 年
¥1.0
2024 年
¥13.0
2024 年
¥1.0
2025 年
¥3.0
2025 年
¥1.0