دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Approximation of large-scale dynamical systems
دانلود کتاب تقریب سیستم های دینامیکی در مقیاس بزرگ
مشخصات کتاب
Approximation of large-scale dynamical systems
ویرایش:
نویسندگان: Athanasios C Antoulas
سری: Advances in design and control, 6
ISBN (شابک) : 0898715296, 9780898715293
ناشر: Society for Industrial and Applied Mathematics
سال نشر: 2005
تعداد صفحات: 508
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
قیمت کتاب (تومان) : 37,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Approximation of large-scale dynamical systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تقریب سیستم های دینامیکی در مقیاس بزرگ نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تقریب سیستم های دینامیکی در مقیاس بزرگ
مدل‌های ریاضی برای شبیه‌سازی و گاهی کنترل رفتار فرآیندهای فیزیکی و مصنوعی مانند آب‌وهوا و مدارهای ادغام بسیار بزرگ (VLSI) استفاده می‌شوند. نیاز روزافزون به دقت منجر به توسعه مدل های بسیار پیچیده شده است. با این حال، در حضور محاسبات، دقت و قابلیت‌های ذخیره‌سازی محدود، کاهش مدل (تقریبا سیستم) اغلب ضروری است. تقریب سیستم‌های دینامیکی مقیاس بزرگ تصویری جامع از کاهش مدل ارائه می‌کند، که نظریه سیستم را با جبر خطی عددی و ملاحظات محاسباتی ترکیب می‌کند. این موضوع به کاهش مدل و مبادلات ناشی از آن بین دقت و پیچیدگی می پردازد. توجه ویژه ای به جنبه های عددی، سوالات شبیه سازی و کاربردهای عملی داده شده است. این کتاب برای کسانی است که به کاهش مدل علاقه دارند. دانشجویان فارغ التحصیل و محققین در زمینه های نظریه سیستم و کنترل، تحلیل عددی و نظریه معادلات دیفرانسیل جزئی / دینامیک سیالات محاسباتی آن را مرجع عالی خواهند یافت. فهرست مطالب فهرست ارقام. پیشگفتار؛ پیشگفتار؛ نحوه استفاده از این کتاب؛ بخش اول: مقدمه. فصل 1 مقدمه؛ فصل 2: مثال های انگیزشی; قسمت دوم: مقدمات. فصل 3: ابزارهای نظریه ماتریس. فصل 4: سیستم های دینامیکی خطی: قسمت 1; فصل 5: سیستم های دینامیکی خطی: قسمت 2; فصل 6: معادلات سیلوستر و لیاپانوف. بخش سوم: روش های تقریب مبتنی بر SVD. فصل هفتم: تقریب های متوازن و متوازن. فصل 8: تقریب هنجار-هانکل. فصل 9: مباحث ویژه در روش های تقریب مبتنی بر SVD. بخش چهارم: روش‌های تقریب مبتنی بر کریلوف. فصل 10: محاسبات ارزش ویژه. فصل 11: کاهش مدل با استفاده از روش‌های کریلوف. بخش پنجم: روش‌ها و مطالعات موردی SVD–Krylov. فصل 12: روش SVD–Krylov. فصل 13: مطالعات موردی; فصل چهاردهم: پایان; فصل 15: مسائل; کتابشناسی - فهرست کتب؛ فهرست مطالب
توضیحاتی درمورد کتاب به خارجی
Mathematical models are used to simulate, and sometimes control, the behavior of physical and artificial processes such as the weather and very large-scale integration (VLSI) circuits. The increasing need for accuracy has led to the development of highly complex models. However, in the presence of limited computational, accuracy, and storage capabilities, model reduction (system approximation) is often necessary. Approximation of Large-Scale Dynamical Systems provides a comprehensive picture of model reduction, combining system theory with numerical linear algebra and computational considerations. It addresses the issue of model reduction and the resulting trade-offs between accuracy and complexity. Special attention is given to numerical aspects, simulation questions, and practical applications. This book is for anyone interested in model reduction. Graduate students and researchers in the fields of system and control theory, numerical analysis, and the theory of partial differential equations/computational fluid dynamics will find it an excellent reference. Contents List of Figures; Foreword; Preface; How to Use this Book; Part I: Introduction. Chapter 1: Introduction; Chapter 2: Motivating Examples; Part II: Preliminaries. Chapter 3: Tools from Matrix Theory; Chapter 4: Linear Dynamical Systems: Part 1; Chapter 5: Linear Dynamical Systems: Part 2; Chapter 6: Sylvester and Lyapunov equations; Part III: SVD-based Approximation Methods. Chapter 7: Balancing and balanced approximations; Chapter 8: Hankel-norm Approximation; Chapter 9: Special topics in SVD-based approximation methods; Part IV: Krylov-based Approximation Methods; Chapter 10: Eigenvalue Computations; Chapter 11: Model Reduction Using Krylov Methods; Part V: SVD–Krylov Methods and Case Studies. Chapter 12: SVD–Krylov Methods; Chapter 13: Case Studies; Chapter 14: Epilogue; Chapter 15: Problems; Bibliography; Index
