L-函数在中心值处的非零问题

来源 :山东大学 | 被引量 : 1次 | 上传用户:a200638012
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
L-函数在中心值处的非零问题是现代数论中的一个重要课题,它在BSD猜想,谱变形理论以及经典解析数论中有着重要的应用.目前,研究非零问题的典型方法就是研究L-函数族在中心值处的非零情况.有效途径之一就是建立均值的渐近公式.在本文中,我们考虑了GL(3)×GL(2)上的Rankin-SelbergL-函数的一阶导数在中心值处的非零问题以及两个扭乘L-函数在中心值处乘积的非零问题.通过建立它们均值的渐近公式,得到相应的非零结果.  我们首先考虑了GL(3)×GL(2)上的Rankin-SelbergL-函数的一阶导数在中心值处的均值估计.设f是SL(3,Z)上一个自对偶的Hecke-Maass尖形式,{μj}是SL(2,Z)上Hecke-Maass尖形式正交基中奇的部分.我们建立了f和μj的Rankin-Selberg L-函数的一阶导数在中心值处均值的渐近公式.由此可推出这些L-函数的一阶导数在中心值处的非零结果.我们使用的工具包括Hecke-Maass尖形式正交基中奇的部分上的Kuznetsov公式,GL(3)上的Voronoi求和公式以及驻相法.  其次,我们考虑了两个扭乘L-函数在中心值处乘积的均值估计.假定q和r是两个不同的大素数.设g是一个偶数权k1和级1的尖Hecke特征型,Hk2(q)是一个偶数权k2和级q的尖Hecke特征型的集合.在某些假设条件下,我们建立了模r的Dirichlet原特征扭乘模形式f∈Hk2(q)和g所对应的扭乘L-函数在中心值处乘积均值的渐近公式.由此可推出这些扭乘L-函数在中心值处乘积的非零结果.为了证明这一结果,我们将使用Kiral-Young[26]关于Bessel函数的处理方法,平衡与不平衡的渐近函数方程,Petersson公式以及GL(2)上的Voronoi求和公式.
其他文献
支持向量机是借助优化方法解决机器学习问题的新工具.近年来,支持向量机越来越受到人们的广泛关注,在其理论研究和算法实现方面都取得了重大进展,成为机器学习领域的前沿热点课题
摘 要:随着我国社会的不断发展,人们的生活水平得到了普遍的提高。人们对物质生活的要求水平也越来越高,在城市的大街上,各种品牌的汽车来来往往,川流不息。也由此带动了我国石油企业的发展。文章主要对油田测井数据的采集以及处理作以简单介绍,并且由测井数据的采集以及处理方法引入一种新的方法:地层微电阻率扫描方法,对其从数据模型以及相应的实现方法上进行具体介绍,仅供参考。  关键词:油田测井;数据处理;数据采
通过对生物序列进行比对,我们能够预测未知序列的功能。而现在最前沿的序列比对算法有:动态规划算法、遗传算法、人工神经网络和隐马氏模型等。而本文就是基于隐马氏模型对生
配对交易策略是上世纪80年代由美国著名投行Morgan Stanley的量化分析团队结合统计学、物理学、数学以及计算机科学开发的一种市场中性投资策略。具体来说,首先观察市场历史数据,从中选取价格走势相近的两只证券品种作为一个配对组,接着我们根据该配对组价差的走势进行建仓及平仓,当配对组的价格差高于(低于)历史均值时,则做空(多)价格较高的证券同时做多(空)价格较低的品种,直到配对组价差回复到长期均