Scientific Computing: Approximation and Integration

ویرایش:  
نویسندگان: John A. Trangenstein  
سری: Texts in Computational Science and Engineering 
ISBN (شابک) : 3319691090, 9783319691091 
ناشر: Springer 
سال نشر: 2018 
تعداد صفحات: 612 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت 

قیمت کتاب (تومان) : 53,000



این سومین جلد از سه جلد است که ارائه‌ای جامع از مبانی محاسبات علمی ارائه می‌کند. این جلد موضوعاتی را مورد بحث قرار می دهد که بیشتر به حساب دیفرانسیل و انتگرال بستگی دارد تا جبر خطی، تا خواننده را برای حل معادلات دیفرانسیل آماده کند. این کتاب و همراهان آن نحوه تعیین کیفیت نتایج محاسباتی و نحوه اندازه گیری کارایی نسبی روش های رقیب را نشان می دهد. خوانندگان یاد می گیرند که چگونه حداکثر دقت قابل دستیابی الگوریتم ها را تعیین کنند و چگونه بهترین روش را برای مسائل محاسباتی انتخاب کنند. این کتاب همچنین برنامه نویسی به چندین زبان از جمله C++، Fortran و MATLAB را مورد بحث قرار می دهد. 90 مثال، 200 تمرین، 36 الگوریتم، 40 برنامه تعاملی جاوا اسکریپت، 91 مرجع به برنامه های نرم افزاری و 1 مورد مطالعه وجود دارد.

موضوعات با اهداف، منابع ادبی و پیوندهایی به نرم افزارهای عمومی معرفی می شوند. . توضیحاتی درباره الگوریتم‌های فعلی در GSLIB و MATLAB وجود دارد.

این کتاب را می‌توان برای دوره دوم روش‌های عددی، برای دانش‌آموزان سطح بالاتر یا سال اول استفاده کرد. دانشجویان تحصیلات تکمیلی بخش‌هایی از متن را می‌توان برای دروس تخصصی، مانند بهینه‌سازی غیرخطی یا جبر خطی تکراری استفاده کرد.

This is the third of three volumes providing a comprehensive presentation of the fundamentals of scientific computing. This volume discusses topics that depend more on calculus than linear algebra, in order to prepare the reader for solving differential equations. This book and its companions show how to determine the quality of computational results, and how to measure the relative efficiency of competing methods. Readers learn how to determine the maximum attainable accuracy of algorithms, and how to select the best method for computing problems. This book also discusses programming in several languages, including C++, Fortran and MATLAB. There are 90 examples, 200 exercises, 36 algorithms, 40 interactive JavaScript programs, 91 references to software programs and 1 case study.

Topics are introduced with goals, literature references and links to public software. There are descriptions of the current algorithms in GSLIB and MATLAB.

This book could be used for a second course in numerical methods, for either upper level undergraduates or first year graduate students. Parts of the text could be used for specialized courses, such as nonlinear optimization or iterative linear algebra.