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: Taubig. Hanjo
سری:
ISBN (شابک) : 9781498777773, 1351679090
ناشر: CRC Press
سال نشر: 2016
تعداد صفحات: 219
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب نابرابری های ماتریسی برای سیستم های تکرار شونده: نابرابری های ماتریسی
در صورت تبدیل فایل کتاب Matrix Inequalities for Iterative 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 نابرابری های ماتریسی برای سیستم های تکرار شونده 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 نابرابریها را برای مجموع ورودی وزنی توانهای ماتریس بررسی میکند. کاربردها از ریاضیات و CS تا علوم محض را شامل می شود. چندین نتیجه را برای محصولات و توانهای اشکال sesquilinear مشتق شده از قدرت های هرمیتی، مثبت-نیمه معین، و همچنین غیرمنفی یکسان و تعمیم می دهد. نشان می دهد که برخی از نابرابری ها فقط در موارد خاص معتبر هستند. چگونه می توان نتایج ماتریس هرمیتی را به نتایج قدرت های متناوب ماتریس های مستطیل شکل عمومی تبدیل کرد؟ نابرابری هایی که توان های مجموع سطرها و ستون ها را با مجموع سطر و ستون توان های ماتریس مقایسه می کنند برای ماتریس های غیر منفی پالایش می شوند. در نهایت، کرانهای مقدار ویژه و استخراج نتایج برای هستههای تکرار شده بهبود مییابند.
The book reviews inequalities for weighted entry sums of matrix powers. Applications range from mathematics and CS to pure sciences. It unifies and generalizes several results for products and powers of sesquilinear forms derived from powers of Hermitian, positive-semidefinite, as well as nonnegative matrices. It shows that some inequalities are valid only in specific cases. How to translate the Hermitian matrix results into results for alternating powers of general rectangular matrices? Inequalities that compare the powers of the row and column sums to the row and column sums of the matrix powers are refined for nonnegative matrices. Lastly, eigenvalue bounds and derive results for iterated kernels are improved.
Content: INTRODUCTION Notation and Basic Facts Matrices and Vectors Graphs Number of Walks in Graphs Entry Sums and Matrix Powers Subsets, Submatrices, and Weighted Entry Sums Elementary Inequalities for Vectors and Sequences Motivation Simple Combinatorial Problems Automata and Formal Languages Graph Density, Maximum Clique and Densest k-Subgraph The Number of Paths and Extremal Graph Theory Means, Variances, and Irregularity Random Walks and Markov Chains Largest Eigenvalue Population Genetics and Evolutionary Theory Theoretical Chemistry Iterated Line Digraphs Other Applications Diagonalization and Spectral Decomposition Relevant Literature Similar and Diagonalizable Matrices Hermitian and Real Symmetric Matrices Adjacency Matrices and Number of Walks in Graphs Quadratic Forms for Diagonalizable Matrices UNDIRECTED GRAPHS / HERMITIAN MATRICES General Results Related Work for Products of Quadratic Forms Generalizations for Products of Quadratic Related Work for Powers of Quadratic Forms Generalizations for Powers of Quadratic Forms The Number of Walks and Degree Powers Invalid Inequalities Relaxed Inequalities Using Geometric Means Restricted Graph Classes Counterexamples for Special Cases Semiregular Graphs Trees Subdivision Graphs DIRECTED GRAPHS / NONSYMMETRIC MATRICES Walks and Alternating Walks in Directed Graphs Chebyshev\'s Sum Inequality Relaxed Inequalities Using Geometric Means Alternating Matrix Powers and Alternating Walks Powers of Row and Column Sums Degree Powers and Walks in Directed Graphs Row and Column Sums in Nonnegative Matrices Other Inequalities for the Number of Walks Geometric Means APPLICATIONS Bounds for the Largest Eigenvalue Matrix Foundations Graphs and Adjacency Matrices Eigenvalue Moments and Energy Iterated Kernels Related Work Our Results Sidorenko\'s Conjecture