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
دسته بندی: ریاضیات محاسباتی ویرایش: نویسندگان: Erhel. Jocelyne, Nassif. Nabil, Philippe. Bernard سری: ISBN (شابک) : 9781482258714, 1482258714 ناشر: Taylor and Francis سال نشر: 2015 تعداد صفحات: 258 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب آشنایی با جبر خطی محاسباتی: ریاضیات، ریاضیات محاسباتی، روش های محاسباتی جبر خطی
در صورت تبدیل فایل کتاب Introduction to Computational Linear Algebra 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 آشنایی با جبر خطی محاسباتی 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.
مقدمه ای بر جبر خطی محاسباتی، خواننده را با پیشینه ریاضیات
پایه و برنامه نویسی کامپیوتر با مبانی محاسبات ماتریس متراکم و
پراکنده همراه با مثال های گویا آشنا می کند. کتاب درسی ترکیبی از
موضوعات مفهومی و عملی در \"\"محاسبات ماتریس\"\" است. نتایج
یادگیری کتاب دو جنبه دارد: درک ابزارهای محاسباتی پیشرفته برای
حل ماتریس مسائل
محاسباتی (ابتدای BLAS، برنامه نویسی MATLAB®) و همچنین مفاهیم
اساسی ریاضی مورد نیاز برای تسلط بر مباحث جبر خطی عددی. برای s
مناسب است. ادامه
مطلب...
چکیده: مقدمه ای بر جبر خطی محاسباتی معرفی می کند خواننده با
پیشینه ریاضیات پایه و برنامه نویسی کامپیوتر به مبانی محاسبات
ماتریس متراکم و پراکنده با مثال های گویا. کتاب درسی ترکیبی از
موضوعات مفهومی و عملی در \"\"محاسبات ماتریسی\"\" است. نتایج
یادگیری کتاب دو جنبه دارد: درک ابزارهای محاسباتی پیشرفته برای
حل مشکلات محاسبات ماتریسی (BLAS primitives, MATLAB). ® برنامه
نویسی) و همچنین مفاهیم اساسی ریاضی مورد نیاز برای تسلط بر مباحث
جبر خطی عددی. برای اس مناسب است
Introduction to Computational Linear Algebra introduces the
reader with a background in basic mathematics and computer
programming to the fundamentals of dense and sparse matrix
computations with illustrating examples. The textbook is a
synthesis of conceptual and practical topics in ""Matrix
Computations."" The book's learning outcomes are twofold: to
understand state-of-the-art computational tools to solve matrix
computations
problems (BLAS primitives, MATLAB® programming) as well as
essential mathematical concepts needed to master the topics of
numerical linear algebra. It is suitable for s.
Read
more...
Abstract: Introduction to Computational Linear Algebra
introduces the reader with a background in basic mathematics
and computer programming to the fundamentals of dense and
sparse matrix computations with illustrating examples. The
textbook is a synthesis of conceptual and practical topics in
""Matrix Computations."" The book's learning outcomes are
twofold: to understand state-of-the-art computational tools to
solve matrix computations problems (BLAS primitives, MATLAB®
programming) as well as essential mathematical concepts needed
to master the topics of numerical linear algebra. It is
suitable for s
Content: Basic Linear Algebra Subprograms: BLAS An Introductory Example Matrix Notations IEEE Floating Point Systems and Computer Arithmetic Vector-Vector Operations: Level-1 BLAS Matrix-Vector Operations: Level-2 BLAS Matrix-Matrix Operations: Level-3 BLAS Sparse Matrices: Storage and Associated Operations Basic Concepts for Matrix Computations Vector Norms Complements on Square Matrices Rectangular Matrices: Ranks and Singular Values Matrix Norms Gauss Elimination and LU Decompositions of Matrices Special Matrices for LU Decomposition Gauss Transforms Naive LU Decomposition for a Square Matrix with Principal Minor Property (pmp) Gauss Reduction with Partial Pivoting: PLU Decompositions MATLAB Commands Related to the LU Decomposition Condition Number of a Square Matrix Orthogonal Factorizations and Linear Least Squares Problems Formulation of Least Squares Problems: Regression Analysis Existence of Solutions Using Quadratic Forms Existence of Solutions through Matrix Pseudo-Inverse The QR Factorization Theorem Gram-Schmidt Orthogonalization: Classical, Modified, and Block Solving the Least Squares Problem with the QR Decomposition Householder QR with Column Pivoting MATLAB Implementations Algorithms for the Eigenvalue Problem Basic Principles QR Method for a Non-Symmetric Matrix Algorithms for Symmetric Matrices Methods for Large Size Matrices Singular Value Decomposition Iterative Methods for Systems of Linear Equations Stationary Methods Krylov Methods Method of Steepest Descent for spd Matrices Conjugate Gradient Method (CG) for spd Matrices The Generalized Minimal Residual Method The Bi-Conjugate Gradient Method Preconditioning Issues Sparse Systems to Solve Poisson Differential Equations Poisson Differential Equations The Path to Poisson Solvers Finite Differences for Poisson-Dirichlet Problems Variational Formulations One-Dimensional Finite-Element Discretizations Bibliography Index Exercises and Computer Exercises appear at the end of each chapter.