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: 4
نویسندگان: Steven C. Chapra Dr.
سری:
ISBN (شابک) : 0073397962, 9780073397962
ناشر: McGraw-Hill Education
سال نشر: 2017
تعداد صفحات: 714
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Applied Numerical Methods with MATLAB for Engineers and Scientists 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 کاربردی با MATLAB برای مهندسان و دانشمندان 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.
روشهای عددی کاربردی با متلب برای دانشآموزانی نوشته شده است که میخواهند روشهای عددی را برای حل مسائل مهندسی و علوم بیاموزند و به کار ببرند. به این ترتیب، انگیزه روش ها به جای ریاضیات، با مسائل است. با این حال، تئوری کافی ارائه شده است تا دانش آموزان با بینش در مورد تکنیک ها و کاستی های آنها آشنا شوند. McGraw-Hill's Connect نیز به عنوان یک آیتم اختیاری در دسترس است. Connect تنها سیستم یادگیری یکپارچه ای است که دانش آموزان را با تطبیق مستمر برای ارائه دقیق آنچه نیاز دارند، زمانی که به آن نیاز دارند، چگونه به آن نیاز دارند، توانمند می کند تا زمان کلاس موثرتر باشد. اتصال به استاد این امکان را می دهد که تکالیف، آزمون ها و تست ها را به راحتی تعیین کند و به طور خودکار نمره های کار دانش آموز را ثبت کند. مشکلات برای جلوگیری از اشتراکگذاری پاسخها تصادفیسازی میشوند و ممکن است یک \"راهحل چند مرحلهای\" نیز داشته باشند که در صورت بروز مشکل به پیشرفت یادگیری دانشآموزان کمک میکند.
Applied Numerical Methods with MATLAB is written for students who want to learn and apply numerical methods in order to solve problems in engineering and science. As such, the methods are motivated by problems rather than by mathematics. That said, sufficient theory is provided so that students come away with insight into the techniques and their shortcomings. McGraw-Hill's Connect, is also available as an optional, add on item. Connect is the only integrated learning system that empowers students by continuously adapting to deliver precisely what they need, when they need it, how they need it, so that class time is more effective. Connect allows the professor to assign homework, quizzes, and tests easily and automatically grades and records the scores of the student's work. Problems are randomized to prevent sharing of answers an may also have a "multi-step solution" which helps move the students' learning along if they experience difficulty.
Cover Title Copyright Contents About the author Preface Part One: Modeling, Computers, and Error Analysis 1.1 Motivation 1.2 Part Organization Chapter 1 Mathematical Modeling, Numerical Methods, and Problem Solving 1.1 A Simple Mathematical Model 1.2 Conservation Laws in Engineering and Science 1.3 Numerical Methods Covered in This Book 1.4 Case Study: It's a Real Drag Problems Chapter 2 MATLAB Fundamentals 2.1 The MATLAB Environment 2.2 Assignment 2.3 Mathematical Operations 2.4 Use of Built-In Functions 2.5 Graphics 2.6 Other Resources 2.7 Case Study: Exploratory Data Analysis Problems Chapter 3 Programming with MATLAB 3.1 M-Files 3.2 Input-Output 3.3 Structured Programming 3.4 Nesting and Indentation 3.5 Passing Functions to M-Files 3.6 Case Study: Bungee Jumper Velocity Problems Chapter 4 Roundoff and Truncation Errors 4.1 Errors 4.2 Roundoff Errors 4.3 Truncation Errors 4.4 Total Numerical Error 4.5 Blunders, Model Errors, and Data Uncertainty Problems Part Two: Roots and Optimization 2.1 Overview 2.2 Part Organization Chapter 5 Roots: Bracketing Methods 5.1 Roots in Engineering and Science 5.2 Graphical Methods 5.3 Bracketing Methods and Initial Guesses 5.4 Bisection 5.5 False Position 5.6 Case Study: Greenhouse Gases and Rainwater Problems Chapter 6 Roots: Open Methods 6.1 Simple Fixed-Point Iteration 6.2 Newton-Raphson 6.3 Secant Methods 6.4 Brent's Method 6.5 MATLAB Function: fzero 6.6 Polynomials 6.7 Case Study: Pipe Friction Problems Chapter 7 Optimization 7.1 Introduction and Background 7.2 One-Dimensional Optimization 7.3 Multidimensional Optimization 7.4 Case Study: Equilibrium and Minimum Potential Energy Problems Part Three: Linear Systems 3.1 Overview 3.2 Part Organization Chapter 8 Linear Algebraic Equations and Matrices 8.1 Matrix Algebra Overview 8.2 Solving Linear Algebraic Equations with MATLAB 8.3 Case Study: Currents and Voltages in Circuits Problems Chapter 9 Gauss Elimination 9.1 Solving Small Numbers of Equations 9.2 Naive Gauss Elimination 9.3 Pivoting 9.4 Tridiagonal Systems 9.5 Case Study: Model of a Heated Rod Problems Chapter 10 LU Factorization 10.1 Overview of LU Factorization 10.2 Gauss Elimination as LU Factorization 10.3 Cholesky Factorization 10.4 MATLAB Left Division Problems Chapter 11 Matrix Inverse and Condition 11.1 The Matrix Inverse 11.2 Error Analysis and System Condition 11.3 Case Study: Indoor Air Pollution Problems Chapter 12 Iterative Methods 12.1 Linear Systems: Gauss-Seidel 12.2 Nonlinear Systems 12.3 Case Study: Chemical Reactions Problems Chapter 13 Eigenvalues 13.1 Mathematical Background 13.2 Physical Background 13.3 The Power Method 13.4 MATLAB Function: eig 13.5 Case Study: Eigenvalues and Earthquakes Problems Part Four: Curve Fitting 4.1 Overview 4.2 Part Organization Chapter 14 Linear Regression 14.1 Statistics Review 14.2 Random Numbers and Simulation 14.3 Linear Least-Squares Regression 14.4 Linearization of Nonlinear Relationships 14.5 Computer Applications 14.6 Case Study: Enzyme Kinetics Problems Chapter 15 General Linear Least-Squares and Nonlinear Regression 15.1 Polynomial Regression 15.2 Multiple Linear Regression 15.3 General Linear Least Squares 15.4 QR Factorization and the Backslash Operator 15.5 Nonlinear Regression 15.6 Case Study: Fitting Experimental Data Problems Chapter 16 Fourier Analysis 16.1 Curve Fitting with Sinusoidal Functions 16.2 Continuous Fourier Series 16.3 Frequency and Time Domains 16.4 Fourier Integral and Transform 16.5 Discrete Fourier Transform (DFT) 16.6 The Power Spectrum 16.7 Case Study: Sunspots Problems Chapter 17 Polynomial Interpolation 17.1 Introduction to Interpolation 17.2 Newton Interpolating Polynomial 17.3 Lagrange Interpolating Polynomial 17.4 Inverse Interpolation 17.5 Extrapolation and Oscillations Problems Chapter 18 Splines and Piecewise Interpolation 18.1 Introduction to Splines 18.2 Linear Splines 18.3 Quadratic Splines 18.4 Cubic Splines 18.5 Piecewise Interpolation in MATLAB 18.6 Multidimensional Interpolation 18.7 Case Study: Heat Transfer Problems Part Five: Integration and Differentiation 5.1 Overview 5.2 Part Organization Chapter 19 Numerical Integration Formulas 19.1 Introduction and Background 19.2 Newton-Cotes Formulas 19.3 The Trapezoidal Rule 19.4 Simpson's Rules 19.5 Higher-Order Newton-Cotes Formulas 19.6 Integration with Unequal Segments 19.7 Open Methods 19.8 Multiple Integrals 19.9 Case Study: Computing Work with Numerical Integration Problems Chapter 20 Numerical Integration of Functions 20.1 Introduction 20.2 Romberg Integration 20.3 Gauss Quadrature 20.4 Adaptive Quadrature 20.5 Case Study: Root-Mean-Square Current Problems Chapter 21 Numerical Differentiation 21.1 Introduction and Background 21.2 High-Accuracy Differentiation Formulas 21.3 Richardson Extrapolation 21.4 Derivatives of Unequally Spaced Data 21.5 Derivatives and Integrals for Data with Errors 21.6 Partial Derivatives 21.7 Numerical Differentiation with MATLAB 21.8 Case Study: Visualizing Fields Problems Part six: Ordinary Differential Equations 6.1 Overview 6.2 Part Organization Chapter 22 Initial-Value Problems 22.1 Overview 22.2 Euler's Method 22.3 Improvements of Euler's Method 22.4 Runge-Kutta Methods 22.5 Systems of Equations 22.6 Case Study: Predator-Prey Models and Chaos Problems Chapter 23 Adaptive Methods and Stiff Systems 23.1 Adaptive Runge-Kutta Methods 23.2 Multistep Methods 23.3 Stiffness 23.4 MATLAB Application: Bungee Jumper with Cord 23.5 Case Study: Pliny's Intermittent Fountain Problems Chapter 24 Boundary-Value Problems 24.1 Introduction and Background 24.2 The Shooting Method 24.3 Finite-Difference Methods 24.4 MATLAB Function: bvp4c Problems Appendix A: Matlab Built-In Functions Appendix B: Matlab M-File Functions Appendix C: Introduction To Simulink Bibliography Index A B C D E F G H I J K L M N O P Q R S T U V W X Z