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 Numerical analysis: mathematics of scientific computing

دانلود کتاب تجزیه و تحلیل عددی: ریاضیات محاسبات علمی

مشخصات کتاب

Numerical analysis: mathematics of scientific computing

دسته بندی: ریاضیات محاسباتی
ویرایش: 1 
نویسندگان: David R. Kincaid,  E. Ward Cheney  
سری: Mathematics Series 
ISBN (شابک) : 9780534130145, 0534130143 
ناشر: Brooks/Cole 
سال نشر: 1991 
تعداد صفحات: 701 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 43,000

کلمات کلیدی مربوط به کتاب تجزیه و تحلیل عددی: ریاضیات محاسبات علمی: ریاضیات، ریاضیات محاسباتی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 13

در صورت تبدیل فایل کتاب Numerical analysis: mathematics of scientific computing 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 تجزیه و تحلیل عددی: ریاضیات محاسبات علمی 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 تجزیه و تحلیل عددی: ریاضیات محاسبات علمی

این کتاب طی سال‌های متمادی از یادداشت‌های سخنرانی که همراه با دوره‌های خاص بخش بالایی در ریاضیات و علوم کامپیوتر در دانشگاه ما است، تکامل یافته است. این دوره ها دانش آموزان را با الگوریتم ها و روش هایی که معمولاً در محاسبات علمی مورد نیاز هستند آشنا می کند. بر پایه های ریاضی این روش ها به همان اندازه که جنبه های الگوریتمی آنها تاکید شده است. دانشجویان متنوع بوده اند: ریاضیات، مهندسی، علوم، و علوم کامپیوتر در مقطع کارشناسی، و همچنین دانشجویان فارغ التحصیل از رشته های مختلف. بخش‌هایی از کتاب همچنین برای پایه‌گذاری چندین دوره تحصیلات تکمیلی که به موضوعات خاص در تحلیل عددی، مانند حل عددی معادلات دیفرانسیل، جبر خطی عددی، و نظریه تقریب اختصاص داده شده‌اند، استفاده شده است. رویکرد ما همیشه این بوده است که موضوع را از دیدگاه ریاضی با توجه به ارائه غنی آن از قضایا، برهان ها و ایده های جالب توجه کنیم. از اینها بسیاری از رویه های محاسباتی و سؤالات جالب علم رایانه ناشی می شوند. البته انگیزه ما از دنیای عملی محاسبات علمی است که انتخاب موضوعات و نحوه برخورد با هر یک را دیکته می کند. به عنوان مثال، در مورد برخی موضوعات، بحث در مورد مبانی نظری موضوع و عدم تلاش برای تجزیه و تحلیل جزئیات الگوریتم ها آموزنده تر است. در موارد دیگر، برعکس است، و دانش‌آموزان از برنامه‌نویسی الگوریتم‌های ساده و آزمایش با آن‌ها چیزهای زیادی یاد می‌گیرند - اگرچه ما توصیه‌ای کلی برای استفاده از نرم‌افزارهای آزمایش‌شده، مانند کتابخانه‌های برنامه، در مورد مشکلات ناشی از برنامه‌ها ارائه می‌کنیم.

توضیحاتی درمورد کتاب به خارجی

This book has evolved over many years from lecture notes that accompany cer- certain upper-division courses in mathematics and computer sciences at our university. These courses introduce students to the algorithms and methods that are commonly needed in scientific computing. The mathematical underpinnings of these methods are emphasized as much as their algorithmic aspects. The students have been diverse: mathematics, engineering, science, and computer science undergraduates, as well as graduate students from various disciplines. Portions of the book also have been used to lay the groundwork in several graduate courses devoted to special topics in numerical analysis, such as the numerical solution of differential equations, numerical linear algebra, and approximation theory. Our approach has always been to treat the subject from a mathematical point of view, with attention given to its rich offering of theorems, proofs, and interesting ideas. From these arise many computational procedures and intriguing questions of computer science. Of course, our motivation comes from the practical world of scientific computing, which dictates the choice of topics and the manner of treating each. For example, with some topics it is more instructive to discuss the theoretical foundations of the subject and not attempt to analyze algorithms in detail. In other cases, the reverse is true, and the students learn much from programming simple algorithms themselves and experimenting with them-although we offer a blanket admonishment to use well-tested software, such as from program libraries, on problems arising from applications.