Клас додатно визначених ядер із кубічною симетризацією

Автор(и)

DOI:

https://doi.org/10.31652/3041-1955-2026-03-01-01

Ключові слова:

інтегральні зображення, додатно визначені функції, ядро

Анотація

Досліджується клас додатно визначених ядер K(x,y), що породжуються цілою функцією k за допомогою симетризації, пов'язаної з кубічним коренем з одиниці. Для ядер, узгоджених із спектральною структурою задачі третього порядку u'''=λu, отримано явне інтегральне подання функції k через невід'ємну спектральну міру dρ(λ) з компактним носієм. Отримана формула задає конструктивну параметризацію допустимих ядер у розглянутому класі та встановлює прямий зв'язок між додатною визначеністю і спектральними даними.

 

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

  • Іванна Андрусяк, Національний університет "Львівська політехніка"
    кандидат фізико-математичних наук, доцент, кафедра вищої математики, Національний університет "Львівська політехніка", вул. С. Бандери, 12, м. Львів, 79000, Україна
  • Оксана Бродяк, Національний університет "Львівська політехніка"
    кандидат фізико-математичних наук, доцент, кафедра вищої математики, Національний університет "Львівська політехніка", вул. С. Бандери, 12, м. Львів, 79000, Україна

Посилання

Paulsen V.I., Raghupathi M. An Introduction to the Theory of Reproducing Kernel Hilbert Spaces. Cambridge: Cambridge University Press, 2016. 192 p. DOI: https://doi.org/10.1017/CBO9781316219232

Fasshauer G.E., McCourt M.J. Kernel-based Approximation Methods Using MATLAB. New Jersey: World Scientific, 2015. 536 p. DOI: https://doi.org/10.1142/9335

Davies E.B. Linear Operators and Their Spectra. Cambridge: Cambridge University Press, 2010. 464 p. DOI: https://doi.org/10.1017/CBO9780511618864

Teschl G. Mathematical Methods in Quantum Mechanics: With Applications to Schrödinger Operators. 2nd ed. Providence: American Mathematical Society, 2014. 356 p. DOI: https://doi.org/10.1090/gsm/157

Buhmann M.~D. Radial Basis Functions: Theory and Implementations. Cambridge: Cambridge University Press, 2003. 272 p. DOI: https://doi.org/10.1017/CBO9780511543241

Schölkopf B., Smola A.J. Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond. Cambridge: MIT Press, 2001. 648 p. DOI: https://doi.org/10.7551/mitpress/4175.001.0001

Wendland H. Scattered Data Approximation. Cambridge: Cambridge University Press, 2005. 348 p. DOI: https://doi.org/10.1017/CBO9780511617539

Bakry D., Gentil I., Ledoux M. Analysis and Geometry of Markov Diffusion Operators. Cham: Springer, 2014. 552 p. DOI: https://doi.org/10.1007/978-3-319-00227-9

Березанський Ю.M. Розклад самоспряжених операторів за власними функціями. Kиїв: Наукова Думка, 1965. 798 с.

Berlinet A., Thomas-Agnan C. Reproducing Kernel Hilbert Spaces in Probability and Statistics. Boston–Dordrecht–London: Kluwer Academic Publishers. 2004. 344 p. DOI: https://doi.org/10.1007/978-1-4419-9096-9

Завантаження

Опубліковано

2026-05-27

Номер

Розділ

СТАТТІ