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: illustrated edition نویسندگان: Jaan Kiusalaas سری: ISBN (شابک) : 9780521852876, 0521852870 ناشر: Cambridge University Press سال نشر: 2005 تعداد صفحات: 433 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Numerical Methods in Engineering 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 روش های عددی در مهندسی 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.
در اینجا کتابی وجود دارد که مطابق با توضیحات آن است: روشهای عددی در مهندسی با پایتون متنی برای دانشجویان مهندسی و مرجعی برای مهندسان شاغل، بهویژه کسانی است که میخواهند قدرت و کارایی پایتون را کشف کنند. مثالها و برنامهها برای ارتباطشان با مسائل دنیای واقعی و جایی که راهحلهای عددی کارآمدتر هستند، انتخاب شدند. اگر پیشینه ای در روش های عددی دارید و با پایتون تجربه دارید، خوب هستید، اما انتظار نداشته باشید این کتاب به شما آموزش دهد. نمی گوید این کار را می کند و این کار را نمی کند. مقدمه پایتون بسیار ساده شده است و برخی از اشتباهات بدون ماشین دارد. روشهای عددی مورد استفاده از طریق پایتون فرض میکنند که شما روشهای عددی خود را میدانید و میدانید چگونه، کجا، چه زمانی و چرا باید از آنها استفاده کنید. کتاب عالی است، فقط مطمئن باشید که میدانید به چه چیزی وارد میشوید.
Here is a book that lives up to its description:Numerical Methods in Engineering with Python is a text for engineering students and a reference for practicing engineers, especially those who wish to explore the power and efficiency of Python. Examples and applications were chosen for their relevance to real world problems, and where numerical solutions are most efficient. If you have a background in Numerical Methods and you have experience with Python then you are good to go, but don't expect the book to teach you either. It doesn't say it will do that and it does not do that. The python intro is highly simplified and has some carless mistakes. The numerical methods used via python assume that you know your numerical methods and how, where, when and why to use them.Great book, just be sure you know what you are getting into.
Contents......Page 6
Preface......Page 8
1.1 General Information......Page 10
1.2 Core Python......Page 13
1.3 Functions and Modules......Page 25
1.4 Mathematics Modules......Page 26
1.5 numarray Module......Page 28
1.6 Scoping of Variables......Page 32
1.7 Writing and Running Programs......Page 34
2.1 Introduction......Page 36
2.2 Gauss Elimination Method......Page 43
2.3 LU Decomposition Methods......Page 50
2.4 Symmetric and Banded Coefficient Matrices......Page 65
2.5 Pivoting......Page 76
∗2.6 Matrix Inversion......Page 91
∗2.7 Iterative Methods......Page 94
∗2.8 Other Methods......Page 110
3.1 Introduction......Page 112
3.2 Polynomial Interpolation......Page 113
3.3 Interpolation with Cubic Spline......Page 124
3.4 Least-Squares Fit......Page 134
3.5 Other Methods......Page 150
4.1 Introduction......Page 151
4.2 Incremental Search Method......Page 152
4.3 Method of Bisection......Page 154
4.4 Brent’s Method......Page 157
4.5 Newton–Raphson Method......Page 163
4.6 Systems of Equations......Page 167
∗4.7 Zeroes of Polynomials......Page 179
4.8 Other Methods......Page 188
5.1 Introduction......Page 190
5.2 Finite Difference Approximations......Page 191
5.3 Richardson Extrapolation......Page 196
5.4 Derivatives by Interpolation......Page 199
6.1 Introduction......Page 207
6.2 Newton–Cotes Formulas......Page 208
6.3 Romberg Integration......Page 216
6.4 Gaussian Integration......Page 225
∗6.5 Multiple Integrals......Page 242
7.1 Introduction......Page 257
7.2 Taylor Series Method......Page 258
7.3 Runge–Kutta Methods......Page 264
7.4 Stability and Stiffness......Page 281
7.5 Adaptive Runge–Kutta Method......Page 284
7.6 Bulirsch–Stoer Method......Page 292
7.7 Other Methods......Page 303
8.1 Introduction......Page 304
8.2 Shooting Method......Page 305
8.3 Finite Difference Method......Page 319
9.1 Introduction......Page 333
9.2 Jacobi Method......Page 335
9.3 Inverse Power and Power Methods......Page 352
9.4 Householder Reduction to Tridiagonal Form......Page 367
9.5 Eigenvalues of Symmetric Tridiagonal Matrices......Page 374
9.6 Other Methods......Page 389
10.1 Introduction......Page 390
10.2 Minimization Along a Line......Page 392
10.3 Conjugate Gradient Methods......Page 398
10.4 Other Methods......Page 416
Appendices......Page 418
Index......Page 428