دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
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) : 32,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب مقدمه ای مختصر بر تحلیل عددی: تحلیل عددی,کتاب درسی.,تحلیل عددی.
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
