ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Numerical Methods for Eigenvalue Problems

دانلود کتاب روشهای عددی برای مسائل ارزش ویژه

Numerical Methods for Eigenvalue Problems

مشخصات کتاب

Numerical Methods for Eigenvalue Problems

دسته بندی: ریاضیات محاسباتی
ویرایش:  
نویسندگان: ,   
سری: De Gruyter textbook 
ISBN (شابک) : 9783110250374, 3110250373 
ناشر: De Gruyter 
سال نشر: 2012 
تعداد صفحات: 217 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 970 کیلوبایت

قیمت کتاب (تومان) : 33,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Numerical Methods for Eigenvalue Problems 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 روشهای عددی برای مسائل ارزش ویژه 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 روشهای عددی برای مسائل ارزش ویژه

این کتاب درسی تعدادی از مهم ترین روش های عددی را برای یافتن مقادیر ویژه و بردارهای ویژه ماتریس ها ارائه می کند. نویسندگان ایده های اصلی زیربنای الگوریتم های مختلف را مورد بحث قرار می دهند و مفاهیم نظری مورد نیاز برای تجزیه و تحلیل رفتار آنها را معرفی می کنند. چندین مثال برنامه نویسی به خواننده اجازه می دهد تا رفتار الگوریتم های مختلف را به طور مستقیم تجربه کند. این کتاب به دانشجویان و مدرسان ریاضیات و مهندسی می‌پردازد که به ایده‌های اساسی روش‌های عددی نوین علاقه‌مند هستند و می‌خواهند یاد بگیرند که چگونه این ایده‌ها را برای حل ne به کار ببرند و گسترش دهند. ادامه مطلب ... پیشگفتار; 1. معرفی؛ 1.1 مثال: مکانیک سازه; 1.2 مثال: فرآیندهای تصادفی. 1.3 مثال: سیستم های معادلات دیفرانسیل خطی. 2 وجود و خواص مقادیر ویژه و بردارهای ویژه. 2.1 مقادیر ویژه و بردارهای ویژه. 2.2 چند جمله ای های مشخصه; 2.3 تبدیل تشابه. 2.4 برخی از ویژگی های فضاهای هیلبرت. 2.5 زیرفضاهای ثابت. 2.6 تجزیه Schur; 2.7 تحولات غیر واحدی. 3 تکرار ژاکوبی; 3.1 تبدیل شباهت تکراری. 3.2 تجزیه شور دو بعدی. 3.3 یک مرحله از تکرار. 3.4 تخمین خطا 3.5 همگرایی درجه دوم4 روش های قدرت. 4.1 تکرار قدرت. ضریب ریلی 4.2; 4.3 کنترل خطای مبتنی بر باقیمانده. 4.4 تکرار معکوس. 4.5 تکرار رایلی. 4.6 همگرایی به زیرفضای ثابت. 4.7 تکرار همزمان. 4.8 همگرایی برای ماتریس های عمومی. 5 تکرار QR؛ 5.1 مرحله QR اساسی؛ 5.2 فرم هسنبرگ; 5.3 تغییر. 5.4 تورم; 5.5 تکرار ضمنی; 5.6 استراتژی های چند نوبتی. 6 روش تقسیم بندی; 6.1 زنجیره های استورم; 6.2 دیسک های گرشگورین; 7 روش فضای فرعی کریلوف برای مسائل مقادیر ویژه پراکنده. 7.1 ماتریس های پراکنده و روش های طرح ریزی 7.2 زیرفضاهای کریلوف 7.3 فرآیند گرم اشمیت. 7.4 تکرار آرنولدی; 7.5 الگوریتم متقارن Lanczos; 7.6 چند جمله ای های چبیشف; 7.7 همگرایی روشهای زیرفضای کریلوف. 8 مسائل ارزش ویژه تعمیم یافته و چند جمله ای. 8.1 مسائل ارزش ویژه چند جمله ای و خطی سازی. 8.2 مداد ماتریسی; 8.3 کاهش باد فضاهای فرعی و تجزیه عمومی Schur. 8.4 شکل مثلثی هسنبرگ; 8.5 تورم; 8.6 مرحله QZ. کتابشناسی - فهرست کتب؛ فهرست مطالب


توضیحاتی درمورد کتاب به خارجی

This textbook presents a number of the most important numerical methods for finding eigenvalues and eigenvectors of matrices. The authors discuss the central ideas underlying the different algorithms and introduce the theoretical concepts required to analyze their behaviour. Several programming examples allow the reader to experience the behaviour of the different algorithms first-hand. The book addresses students and lecturers of mathematics and engineering who are interested in the fundamental ideas of modern numerical methods and want to learn how to apply and extend these ideas to solve ne. Read more... Preface; 1 Introduction; 1.1 Example: Structural mechanics; 1.2 Example: Stochastic processes; 1.3 Example: Systems of linear differential equations; 2 Existence and properties of eigenvalues and eigenvectors; 2.1 Eigenvalues and eigenvectors; 2.2 Characteristic polynomials; 2.3 Similarity transformations; 2.4 Some properties of Hilbert spaces; 2.5 Invariant subspaces; 2.6 Schur decomposition; 2.7 Non-unitary transformations; 3 Jacobi iteration; 3.1 Iterated similarity transformations; 3.2 Two-dimensional Schur decomposition; 3.3 One step of the iteration; 3.4 Error estimates 3.5 Quadratic convergence4 Power methods; 4.1 Power iteration; 4.2 Rayleigh quotient; 4.3 Residual-based error control; 4.4 Inverse iteration; 4.5 Rayleigh iteration; 4.6 Convergence to invariant subspace; 4.7 Simultaneous iteration; 4.8 Convergence for general matrices; 5 QR iteration; 5.1 Basic QR step; 5.2 Hessenberg form; 5.3 Shifting; 5.4 Deflation; 5.5 Implicit iteration; 5.6 Multiple-shift strategies; 6 Bisection methods; 6.1 Sturm chains; 6.2 Gershgorin discs; 7 Krylov subspace methods for large sparse eigenvalue problems; 7.1 Sparse matrices and projection methods 7.2 Krylov subspaces7.3 Gram-Schmidt process; 7.4 Arnoldi iteration; 7.5 Symmetric Lanczos algorithm; 7.6 Chebyshev polynomials; 7.7 Convergence of Krylov subspace methods; 8 Generalized and polynomial eigenvalue problems; 8.1 Polynomial eigenvalue problems and linearization; 8.2 Matrix pencils; 8.3 Deflating subspaces and the generalized Schur decomposition; 8.4 Hessenberg-triangular form; 8.5 Deflation; 8.6 The QZ step; Bibliography; Index



فهرست مطالب

Cover......Page 1
Title......Page 4
Copyright......Page 5
Preface......Page 6
Contents......Page 8
1.1 Example: Structural mechanics......Page 10
1.2 Example: Stochastic processes......Page 13
1.3 Example: Systems of linear differential equations......Page 14
2.1 Eigenvalues and eigenvectors......Page 17
2.2 Characteristic polynomials......Page 21
2.3 Similarity transformations......Page 24
2.4 Some properties of Hilbert spaces......Page 28
2.5 Invariant subspaces......Page 33
2.6 Schur decomposition......Page 35
2.7 Non-unitary transformations......Page 42
3.1 Iterated similarity transformations......Page 48
3.2 Two-dimensional Schur decomposition......Page 49
3.3 One step of the iteration......Page 52
3.4 Error estimates......Page 56
3.5 Quadratic convergence......Page 62
4.1 Power iteration......Page 70
4.2 Rayleigh quotient......Page 75
4.3 Residual-based error control......Page 79
4.4 Inverse iteration......Page 82
4.5 Rayleigh iteration......Page 86
4.6 Convergence to invariant subspace......Page 88
4.7 Simultaneous iteration......Page 92
4.8 Convergence for general matrices......Page 100
5.1 Basic QR step......Page 109
5.2 Hessenberg form......Page 113
5.3 Shifting......Page 122
5.4 Deflation......Page 125
5.5 Implicit iteration......Page 127
5.6 Multiple-shift strategies......Page 135
6 Bisection methods......Page 141
6.1 Sturm chains......Page 143
6.2 Gershgorin discs......Page 150
7.1 Sparse matrices and projection methods......Page 154
7.2 Krylov subspaces......Page 158
7.3 Gram-Schmidt process......Page 161
7.4 Arnoldi iteration......Page 168
7.5 Symmetric Lanczos algorithm......Page 173
7.6 Chebyshev polynomials......Page 174
7.7 Convergence of Krylov subspace methods......Page 181
8.1 Polynomial eigenvalue problems and linearization......Page 191
8.2 Matrix pencils......Page 194
8.3 Deflating subspaces and the generalized Schur decomposition......Page 198
8.4 Hessenberg-triangular form......Page 201
8.5 Deflation......Page 205
8.6 The QZ step......Page 207
Bibliography......Page 212
Index......Page 215




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی