Scientific Computing: Eigenvalues and Optimization

این دومین جلد از سه جلد است که ارائه‌ای جامع از مبانی محاسبات علمی ارائه می‌کند. این جلد موضوعات پیشرفته تری را نسبت به جلد یک مورد بحث قرار می دهد و تا حد زیادی پیش نیاز جلد سوم نیست. 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. 49 مثال، 110 تمرین، 66 الگوریتم، 24 برنامه تعاملی جاوا اسکریپت، 77 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 در مورد الگوریتم‌های فعلی در LAPACK، GSLIB و MATLAB وجود دارد.

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

This is the second of three volumes providing a comprehensive presentation of the fundamentals of scientific computing. This volume discusses more advanced topics than volume one, and is largely not a prerequisite for volume three. 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 49 examples, 110 exercises, 66 algorithms, 24 interactive JavaScript programs, 77 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 LAPACK, 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.