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:
نویسندگان: Titus A. Beu
سری: Series in computational physics
ISBN (شابک) : 9781466569683, 1466569689
ناشر: CRC Press
سال نشر: 2015
تعداد صفحات: 663
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر برنامه نویسی عددی: راهنمای عملی برای دانشمندان و مهندسان با استفاده از Python و C/C++: فیزیک، پردازش داده، مهندسی، پردازش داده، برنامه نویسی کامپیوتر، پایتون (زبان برنامه کامپیوتری)، C (زبان برنامه کامپیوتری)، C++ (زبان برنامه کامپیوتری)
در صورت تبدیل فایل کتاب Introduction to numerical programming: a practical guide for scientists and engineers using Python and C/C++ 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 بر برنامه نویسی عددی: راهنمای عملی برای دانشمندان و مهندسان با استفاده از Python و C/C++ 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.
برنامه نویسی عددی را برای مخاطبان گسترده تر در دسترس می
کند
با در نظر گرفتن تکامل برنامه نویسی مدرن، به ویژه زبان های
برنامه نویسی نوظهور که منعکس کننده عملکرد مدرن هستند، برنامه
نویسی عددی: راهنمای عملی برای دانشمندان و مهندسان با استفاده از
پایتون و C/C++ از سالها تحقیق عملی و تجربه تدریس نویسنده برای
ارائه یک رویکرد سیستماتیک به مفاهیم برنامه نویسی مرتبط استفاده
می کند. این کتاب کاربرپسند با استفاده از جذابیت کاربردی و
گسترده، راهنمایی هایی را برای هر کسی که علاقه مند به استفاده از
برنامه نویسی عددی برای حل مسائل علمی و مهندسی است، ارائه می
دهد. با تأکید بر روش هایی که عموماً در فیزیک و مهندسی استفاده
می شوند؟ از روش های ابتدایی تا الگوریتم های پیچیده؟ به تدریج
عناصر الگوریتمی را با پیچیدگی فزاینده ترکیب می کند.
ترکیبی از دانش نظری، مهارت های تحلیل کارآمد و دانش طراحی کد را
ایجاد کنید
این کتاب تفکر الگوریتمی را تشویق می کند، که برای تجزیه و تحلیل
عددی ضروری است. با ایجاد روشهای عددی اساسی، رفتار عددی کاربرد
و خروجی گرافیکی مورد نیاز برای تقویت استدلال الگوریتمی، مهارت
کدنویسی و سبک برنامهنویسی علمی، خوانندگان را قادر میسازد تا
با موفقیت الگوریتمهای مربوطه را هدایت کنند، طراحی کدنویسی را
درک کنند و مهارتهای برنامهنویسی کارآمد را توسعه دهند. این
کتاب شامل کدهای واقعی است و شامل مثالها و مجموعههای مسئله
برای کمک به یادگیری عملی است.
با مروری بر اعداد تقریبی و برنامهنویسی در پایتون و C/C++ شروع
میشود و سپس در مورد مرتبسازی و نمایهسازی اولیه بحث میشود.
روشها و همچنین قابلیتهای گرافیکی قابل حمل
شامل روشهایی برای ارزیابی توابع، حل معادلات جبری و ماورایی،
سیستمهای معادلات جبری خطی، معادلات دیفرانسیل معمولی، و مسائل
مربوط به مقدار ویژه است
به تقریب توابع جدولبندیشده، رگرسیون، ادغام یک میپردازد. - و
توابع چند بعدی توسط ربع های کلاسیک و گاوسی، تکنیک های ادغام
مونت کارلو، تولید متغیرهای تصادفی، روش های گسسته سازی برای
معادلات دیفرانسیل معمولی و جزئی، و تجزیه و تحلیل پایداری
این متن برنامه نویسی عددی مستقل از پلت فرم را با استفاده از
پایتون و C/ معرفی می کند. C++، و برای دانشجویان پیشرفته
کارشناسی و کارشناسی ارشد در علوم طبیعی و مهندسی، محققان درگیر
در محاسبات علمی و مهندسانی که محاسبات کاربردی را انجام می دهند،
درخواست می کند.
Makes Numerical Programming More Accessible to a Wider
Audience
Bearing in mind the evolution of modern programming, most
specifically emergent programming languages that reflect modern
practice, Numerical Programming: A Practical Guide for
Scientists and Engineers Using Python and C/C++ utilizes the
author’s many years of practical research and teaching
experience to offer a systematic approach to relevant
programming concepts. Adopting a practical, broad appeal, this
user-friendly book offers guidance to anyone interested in
using numerical programming to solve science and engineering
problems. Emphasizing methods generally used in physics and
engineering?from elementary methods to complex algorithms?it
gradually incorporates algorithmic elements with increasing
complexity.
Develop a Combination of Theoretical Knowledge, Efficient
Analysis Skills, and Code Design Know-How
The book encourages algorithmic thinking, which is essential to
numerical analysis. Establishing the fundamental numerical
methods, application numerical behavior and graphical output
needed to foster algorithmic reasoning, coding dexterity, and a
scientific programming style, it enables readers to
successfully navigate relevant algorithms, understand coding
design, and develop efficient programming skills. The book
incorporates real code, and includes examples and problem sets
to assist in hands-on learning.
Begins with an overview on approximate numbers and programming
in Python and C/C++, followed by discussion of basic sorting
and indexing methods, as well as portable graphic
functionality
Contains methods for function evaluation, solving algebraic and
transcendental equations, systems of linear algebraic
equations, ordinary differential equations, and eigenvalue
problems
Addresses approximation of tabulated functions, regression,
integration of one- and multi-dimensional functions by
classical and Gaussian quadratures, Monte Carlo integration
techniques, generation of random variables, discretization
methods for ordinary and partial differential equations, and
stability analysis
This text introduces platform-independent numerical programming
using Python and C/C++, and appeals to advanced undergraduate
and graduate students in natural sciences and engineering,
researchers involved in scientific computing, and engineers
carrying out applicative calculations.
Front Cover Contents Series Preface Preface Author Acknowledgments CHAPTER 1: Approximate Numbers CHAPTER 2: Basic Programming Techniques CHAPTER 3: Elements of Scientific Graphics CHAPTER 4: Sorting and Indexing CHAPTER 5: Evaluation of Functions CHAPTER 6: Algebraic and Transcendental Equations CHAPTER 7: Systems of Linear Equations CHAPTER 8: Eigenvalue Problems CHAPTER 9: Modeling of Tabulated Functions CHAPTER 10: Integration of Functions CHAPTER 11: Monte Carlo Method CHAPTER 12: Ordinary Differential Equations CHAPTER 13: Partial Differential Equations Appendix A: Dynamic ArrayAllocation in C/C++ Appendix B: Basic Operations withVectors and Matrices Appendix C: Embedding Pythonin C/C++ Appendix D: The NumericalLibraries numxlib.py andnumxlib.h Appendix E: The Graphics Librarygraphlib.py Based on Tkinter Appendix F: The C++ Interface tothe Graphics Library graphlib.py Appendix G: List of Programsby Chapter Back Cover