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 A concise introduction to numerical analysis

دانلود کتاب مقدمه ای مختصر بر تحلیل عددی

مشخصات کتاب

A concise introduction to numerical analysis

ویرایش:  
نویسندگان: Faul. Anita C  
سری:  
ISBN (شابک) : 1498712185, 9781498712187 
ناشر: Chapman and Hall/CRC 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 39,000

کلمات کلیدی مربوط به کتاب مقدمه ای مختصر بر تحلیل عددی: تحلیل عددی,کتاب درسی.,تحلیل عددی.

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب A concise introduction to numerical analysis 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 مقدمه ای مختصر بر تحلیل عددی 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 مقدمه ای مختصر بر تحلیل عددی

این کتاب درسی مقدمه ای در دسترس و مختصر برای تحلیل عددی برای دانشجویان مقطع کارشناسی ارشد و فارغ التحصیلان مبتدی با زمینه های مختلف ارائه می دهد. این از یادداشت های سخنرانی چهار دوره موفق در مورد تجزیه و تحلیل عددی که در MPhil محاسبات علمی در دانشگاه کمبریج تدریس می شود، ایجاد شده است. این کتاب به راحتی قابل دسترسی است، حتی برای کسانی که دانش محدودی از ریاضیات دارند.

دانش آموزان یک مقدمه مختصر، اما کامل با تجزیه و تحلیل عددی خواهند داشت. علاوه بر این، بر اصول الگوریتمی برای تشویق به درک عمیق‌تر از اینکه چرا یک الگوریتم برای یک مشکل خاص مناسب است و گاهی اوقات نامناسب است، تأکید می‌شود.

مقدمه‌ای مختصر بر تحلیل عددی تعادل ایجاد می‌کند. بین جامع بودن از نظر ریاضی، اما نه غلبه بر جزئیات ریاضی. در برخی از مکان‌هایی که احساس می‌شد جزئیات بیشتر از محدوده کتاب خارج است، خواننده به مطالعه بیشتر ارجاع داده می‌شود.

کتاب از پیاده‌سازی‌های MATLAB^® برای نشان دادن عملکرد کتاب استفاده می‌کند. روش و بنابراین از پیاده سازی های خود متلب اجتناب می شود، مگر اینکه به عنوان بلوک های سازنده یک الگوریتم استفاده شوند. در برخی موارد فهرست‌ها در کتاب چاپ می‌شوند، اما همه به‌صورت آنلاین در صفحه کتاب در www.crcpress.com در دسترس هستند.

اکثر پیاده‌سازی‌ها به شکل توابعی هستند که نتیجه الگوریتم را برمی‌گردانند. همچنین مثال هایی برای استفاده از توابع آورده شده است. تمرین‌ها در صورت لزوم مطابق با متن گنجانده می‌شوند و هر فصل با مجموعه‌ای از تمرین‌های تجدیدنظر به پایان می‌رسد. راه‌حل‌هایی برای تمرین‌های اعداد فرد نیز در صفحه کتاب به نشانی www.crcpress.com ارائه شده است.

این کتاب درسی منبعی ایده‌آل برای دانشجویان فارغ‌التحصیل از موضوعات دیگر است که از تکنیک‌های عددی به طور گسترده در تحصیلات تکمیلی خود استفاده می‌کنند. .

توضیحاتی درمورد کتاب به خارجی

This textbook provides an accessible and concise introduction to numerical analysis for upper undergraduate and beginning graduate students from various backgrounds. It was developed from the lecture notes of four successful courses on numerical analysis taught within the MPhil of Scientific Computing at the University of Cambridge. The book is easily accessible, even to those with limited knowledge of mathematics.

Students will get a concise, but thorough introduction to numerical analysis. In addition the algorithmic principles are emphasized to encourage a deeper understanding of why an algorithm is suitable, and sometimes unsuitable, for a particular problem.

A Concise Introduction to Numerical Analysis strikes a balance between being mathematically comprehensive, but not overwhelming with mathematical detail. In some places where further detail was felt to be out of scope of the book, the reader is referred to further reading.

The book uses MATLAB^® implementations to demonstrate the workings of the method and thus MATLAB's own implementations are avoided, unless they are used as building blocks of an algorithm. In some cases the listings are printed in the book, but all are available online on the book’s page at www.crcpress.com.

Most implementations are in the form of functions returning the outcome of the algorithm. Also, examples for the use of the functions are given. Exercises are included in line with the text where appropriate, and each chapter ends with a selection of revision exercises. Solutions to odd-numbered exercises are also provided on the book’s page at www.crcpress.com.

This textbook is also an ideal resource for graduate students coming from other subjects who will use numerical techniques extensively in their graduate studies.

فهرست مطالب

Content: Fundamentals  Floating Point Arithmetic  Overflow and Underflow  Absolute, Relative Error, Machine Epsilon  Forward and Backward Error Analysis  Loss of Significance  Robustness  Error Testing and Order of Convergence  Computational Complexity  Condition Revision Exercises   Linear Systems  Simultaneous Linear Equations Gaussian Elimination and Pivoting LU Factorization  Cholesky Factorization  QR Factorization  The Gram-Schmidt Algorithm  Givens Rotations  Householder Reflections  Linear Least Squares  Singular Value Decomposition  Iterative Schemes and Splitting Jacobi and Gauss-Seidel Iterations Relaxation  Steepest Descent Method Conjugate Gradients Krylov Subspaces and Pre-Conditioning  Eigenvalues and Eigenvectors  The Power Method  Inverse Iteration  Deflation  Revision Exercises  Interpolation and Approximation Theory Lagrange Form of Polynomial Interpolation  Newton Form of Polynomial Interpolation  Polynomial Best Approximations  Orthogonal polynomials  Least-Squares Polynomial Fitting  The Peano Kernel Theorem  Splines  B-Spline  Revision Exercises   Non-Linear Systems Bisection, Regula Falsi, and Secant Method Newton\'s Method  Broyden\'s Method  Householder Methods Muller\'s Method  Inverse Quadratic Interpolation  Fixed Point Iteration Theory  Mixed Methods  Revision Exercises  Numerical Integration  Mid-Point and Trapezium Rule  The Peano Kernel Theorem  Simpson\'s Rule  Newton-Cotes Rules  Gaussian Quadrature  Composite Rules  Multi-Dimensional Integration  Monte Carlo Methods  Revision Exercises   ODEs  One-Step Methods  Multistep Methods, Order, and Consistency  Order Conditions  Stiffness and A-Stability  Adams Methods  Backward Differentiation Formulae  The Milne and Zadunaisky Device  Rational Methods  Runge-Kutta Methods  Revision Exercises   Numerical Differentiation  Finite Differences  Differentiation of Incomplete or Inexact Data   PDEs  Classification of PDEs  Parabolic PDEs  Elliptic PDEs Parabolic PDEs in Two Dimensions Hyperbolic PDEs Spectral Methods Finite Element Method  Revision Exercises