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 Applied Scientific Computing with Python

دانلود کتاب محاسبات علمی کاربردی با پایتون

Applied Scientific Computing with Python

مشخصات کتاب

Applied Scientific Computing with Python

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9783319895758 
ناشر: Springer 
سال نشر: 2018 
تعداد صفحات: 277 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

قیمت کتاب (تومان) : 54,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


در صورت تبدیل فایل کتاب Applied Scientific Computing with Python 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 محاسبات علمی کاربردی با پایتون 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 محاسبات علمی کاربردی با پایتون

این کتاب درسی آسان برای درک رویکردی مدرن برای یادگیری روش‌های عددی (یا محاسبات علمی) با تمرکز منحصر به فرد بر مدل‌سازی و کاربردهای محتوای ریاضی ارائه می‌کند. تاکید بر نیاز و روش‌های محاسبات علمی برای طیفی از انواع مختلف مسائل، ارائه شواهد و توجیه برای ایجاد انگیزه در خواننده است. راهنمایی های عملی در مورد کدگذاری روش ها نیز از طریق مثال های ساده با استفاده از پایتون ارائه شده است. موضوعات و ویژگی‌ها: یک رویکرد در دسترس و برنامه‌گرا را ارائه می‌دهد که توسط کد پایتون برای بسیاری از روش‌ها پشتیبانی می‌شود. یادگیری مبتنی بر مشکل و پروژه را از طریق مثال‌ها، تمرین‌ها و پروژه‌های گسترده برگرفته از کاربردهای عملی تشویق می‌کند. مفاهیم اصلی در مدل سازی، برنامه نویسی پایتون، نمایش اعداد و خطاها را معرفی می کند. جزئیات اساسی حساب عددی، معادلات خطی و غیرخطی، از جمله روش نیوتن چند متغیره را توضیح می دهد. درون یابی و حل عددی معادلات دیفرانسیل را مورد بحث قرار می دهد، که درون یابی چند جمله ای، اسپلاین ها و روش های اویلر، رانگ-کوتا و تیراندازی را پوشش می دهد. فصل های عمدتاً مستقلی را ارائه می دهد که به ترتیب منطقی مناسب برای دوره مقدماتی محاسبات علمی مرتب شده اند. دانشجویان کارشناسی که اولین دوره در مورد روش‌های عددی یا محاسبات علمی را شروع می‌کنند، این کتاب درسی را راهنمای ارزشمندی برای این رشته و کاربرد این روش‌ها در رشته‌های مختلف مانند علوم کامپیوتر، مهندسی، ریاضیات، اقتصاد، علوم فیزیکی می‌دانند. و علوم اجتماعی


توضیحاتی درمورد کتاب به خارجی

This easy-to-understand textbook presents a modern approach to learning numerical methods (or scientific computing), with a unique focus on the modeling and applications of the mathematical content. Emphasis is placed on the need for, and methods of, scientific computing for a range of different types of problems, supplying the evidence and justification to motivate the reader. Practical guidance on coding the methods is also provided, through simple-to-follow examples using Python. Topics and features: provides an accessible and applications-oriented approach, supported by working Python code for many of the methods; encourages both problem- and project-based learning through extensive examples, exercises, and projects drawn from practical applications; introduces the main concepts in modeling, python programming, number representation, and errors; explains the essential details of numerical calculus, linear, and nonlinear equations, including the multivariable Newton method; discusses interpolation and the numerical solution of differential equations, covering polynomial interpolation, splines, and the Euler, Runge–Kutta, and shooting methods; presents largely self-contained chapters, arranged in a logical order suitable for an introductory course on scientific computing. Undergraduate students embarking on a first course on numerical methods or scientific computing will find this textbook to be an invaluable guide to the field, and to the application of these methods across such varied disciplines as computer science, engineering, mathematics, economics, the physical sciences, and social science.



فهرست مطالب

Preface
Contents
1 Motivation and Background
	1.1 Mathematical Modeling and Applications
	1.2 Applied Scientific Computing
	1.3 Python Programming
	1.4 Background
		1.4.1 Series Expansions
	1.5 Modeling Errors Versus Errors
	1.6 Conclusions and Connections: Motivation and Background
2 Number Representations and Errors
	2.1 Introduction
	2.2 Floating-Point Numbers
		2.2.1 Python Number Representation
	2.3 Sources of Errors
		2.3.1 Rounding Errors
		2.3.2 Truncation Error
		2.3.3 Ill-Conditioning
	2.4 Measures of Error and Precision
	2.5 Floating-Point Arithmetic
	2.6 Conclusions and Connections: Number Representation and Errors
3 Numerical Calculus
	3.1 Introduction
	3.2 Numerical Differentiation
	3.3 Numerical Integration
	3.4 Composite Formulas
	3.5 Practical Numerical Integration
	3.6 Conclusions and Connections: Numerical Calculus
	3.7 Python Functions for Numerical Calculus
4 Linear Equations
	4.1 Introduction
	4.2 Gauss Elimination
		4.2.1 Pivoting in Gauss Elimination
		4.2.2 Tridiagonal Systems
	4.3 LU Factorization and Applications
	4.4 Iterative Methods
	4.5 Linear Least Squares Approximation
	4.6 Eigenvalues
	4.7 Conclusions and Connections: Linear Equations
	4.8 Python's Linear Algebra Functions
		4.8.1 Linear Equations
		4.8.2 Linear Least Squares
		4.8.3 Eigenvalues
		4.8.4 Basic Linear Algebra Functions
5 Iterative Solution of Nonlinear Equations
	5.1 Introduction
		5.1.1 Summary of Convergence of Sequences
	5.2 The Bisection Method
	5.3 Fixed Point Iteration
	5.4 Newton's Method
	5.5 The Secant Method
	5.6 Newton's Method in Higher Dimensions
		5.6.1 Newton's Method: Two Equations in Two Unknowns
	5.7 Conclusions and Connections: Iterative Solution  of Nonlinear Equations
	5.8 Python Functions for Equation Solving
6 Interpolation
	6.1 Introduction
	6.2 Lagrange Interpolation
	6.3 Difference Representations
		6.3.1 Divided Difference Interpolation
	6.4 Splines
	6.5 Conclusions and Connections: Interpolation
	6.6 Python Interpolation Functions
7 Differential Equations
	7.1 Introduction and Euler's Method
	7.2 Runge–Kutta Methods
	7.3 Multistep Methods
	7.4 Systems of Differential Equations
	7.5 Boundary Value Problems: Shooting Methods
	7.6 Conclusions and Connections: Differential Equations
	7.7 Python Functions for Ordinary Differential Equations
Further Reading and Bibliography
Index




نظرات کاربران