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: نویسندگان: Carlos Hoppen, David P. Jacobs, Vilmar Trevisan سری: SpringerBriefs in Mathematics ISBN (شابک) : 3031116976, 9783031116971 ناشر: Springer سال نشر: 2022 تعداد صفحات: 141 [142] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Locating Eigenvalues in Graphs: Algorithms and Applications 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 مکان یابی مقادیر ویژه در نمودارها: الگوریتم ها و برنامه ها 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.
این کتاب بر روی الگوریتمهای موقعیت مکانی ارزش ویژه
زمانی برای نمودارها تمرکز دارد. این موضوع به نظریه گراف طیفی
مربوط می شود، حوزه ای که ابزارها و مفاهیم جبر خطی و ترکیبیات را
با کاربردهای مختلف از پردازش تصویر و تجزیه و تحلیل داده ها تا
توصیفگرهای مولکولی و پیاده روی تصادفی ترکیب می کند. توجه زیادی
را به خود جلب کرده است و از آن زمان به تنهایی به عنوان یک منطقه
ظاهر شده است.
مطالعات در نظریه گراف طیفی به دنبال تعیین ویژگی های یک گراف از
طریق ماتریس های مرتبط با آن است. مشخص می شود که مقادیر ویژه و
بردارهای ویژه به طرز شگفت انگیزی با ساختار یک گراف ارتباط زیادی
دارند. این کتاب به این موضوع از منظر الگوریتم های مکان ارزش
ویژه می پردازد. اینها الگوریتمهایی هستند که با توجه به یک
ماتریس نمودار متقارن M و یک بازه واقعی I، تعداد مقادیر ویژه M
را که در I قرار دارند برمیگردانند. از آنجایی که الگوریتمهای
شرح داده شده در اینجا معمولاً بسیار سریع هستند، به فرد اجازه
میدهند تا به سرعت مقدار هر مقدار ویژه را تقریب بزند. ، که یک
گام اساسی در بیشتر کاربردهای نظریه گراف طیفی است. علاوه بر این،
این الگوریتمها ابزارهای نظری مناسبی برای اثبات کرانههای
مقادیر ویژه و چندگانگی آنها هستند که برای حل مسائل باز دیرینه
در منطقه بسیار مفید بود. این کتاب این الگوریتمها را گرد هم
میآورد و نشان میدهد که چقدر از نظر روحی شبیه یکدیگر هستند و
برخی از کاربردهای اصلی آنها را ارائه میدهد.
این کار میتواند برای دانشجویان فارغالتحصیل و محققان در نظریه
گراف طیفی و برای هر ریاضیدانی که مایل به درباره مقادیر ویژه
مرتبط با نمودارها بیشتر بدانید. همچنین می تواند به عنوان یک
کتاب درسی فشرده برای دوره های کوتاه در مورد این موضوع
باشد.
This book focuses on linear time eigenvalue location
algorithms for graphs. This subject relates to spectral graph
theory, a field that combines tools and concepts of linear
algebra and combinatorics, with applications ranging from image
processing and data analysis to molecular descriptors and
random walks. It has attracted a lot of attention and has since
emerged as an area on its own.
Studies in spectral graph theory seek to determine properties
of a graph through matrices associated with it. It turns out
that eigenvalues and eigenvectors have surprisingly many
connections with the structure of a graph. This book approaches
this subject under the perspective of eigenvalue location
algorithms. These are algorithms that, given a symmetric graph
matrix M and a real interval I, return the number of
eigenvalues of M that lie in I. Since the algorithms described
here are typically very fast, they allow one to quickly
approximate the value of any eigenvalue, which is a basic step
in most applications of spectral graph theory. Moreover, these
algorithms are convenient theoretical tools for proving bounds
on eigenvalues and their multiplicities, which was quite useful
to solve longstanding open problems in the area. This book
brings these algorithms together, revealing how similar they
are in spirit, and presents some of their main
applications.
This work can be of special interest to graduate students and
researchers in spectral graph theory, and to any mathematician
who wishes to know more about eigenvalues associated with
graphs. It can also serve as a compact textbook for short
courses on the topic.