دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: Jean R. S. Blair, Barry Peyton (auth.), Alan George, John R. Gilbert, Joseph W. H. Liu (eds.) سری: The IMA Volumes in Mathematics and its Applications 56 ISBN (شابک) : 9781461383710, 9781461383697 ناشر: Springer-Verlag New York سال نشر: 1993 تعداد صفحات: 245 [253] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 Mb
در صورت تبدیل فایل کتاب Graph Theory and Sparse Matrix Computation 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 تئوری گراف و محاسبات ماتریس اسپرد 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.
وقتی واقعیت با محاسبات مدلسازی میشود، ماتریسها اغلب ارتباط بین دنیای فیزیکی پیوسته و جهان الگوریتمی محدود هستند. معمولاً، هرچه مدل با جزئیات بیشتر، ماتریس بزرگتر باشد، پاسخ بهتر است، با این حال، کارایی ایجاب می کند که از هر مزیت ممکن استفاده شود. مقالات این جلد بر اساس تحقیقات اخیر در مورد محاسبات ماتریس پراکنده است. این جلد به نظریه گراف نگاه می کند زیرا به جبر خطی، محاسبات موازی، ساختارهای داده، هندسه و الگوریتم های عددی و گسسته متصل می شود. مقالات به سه دسته کلی دسته بندی می شوند: مدل های نموداری ماتریس های متقارن و فاکتورسازی ها، مدل های نموداری الگوریتم ها بر روی ماتریس های نامتقارن، و الگوریتم های ماتریس پراکنده موازی. این کتاب منبعی برای محقق یا دانشجوی پیشرفته گراف ها یا ماتریس های پراکنده خواهد بود. برای ریاضیدانان، تحلیلگران عددی و دانشمندان نظری کامپیوتر به طور یکسان مفید خواهد بود.
When reality is modeled by computation, matrices are often the connection between the continuous physical world and the finite algorithmic one. Usually, the more detailed the model, the bigger the matrix, the better the answer, however, efficiency demands that every possible advantage be exploited. The articles in this volume are based on recent research on sparse matrix computations. This volume looks at graph theory as it connects to linear algebra, parallel computing, data structures, geometry, and both numerical and discrete algorithms. The articles are grouped into three general categories: graph models of symmetric matrices and factorizations, graph models of algorithms on nonsymmetric matrices, and parallel sparse matrix algorithms. This book will be a resource for the researcher or advanced student of either graphs or sparse matrices; it will be useful to mathematicians, numerical analysts and theoretical computer scientists alike.