Skip to content

emonabbati/Numerical-Linear-Algebra-Farsi

Repository files navigation

جبر خطی عددی — Numerical Linear Algebra (دورهٔ دانشگاهی) 🇮🇷

نسخه: 1.0
مدرس: دکتر/استاد [نام شما]
ترم: پاییز/بهار ۲۰۲۵ (قابل تنظیم)
زبان: فارسی (با فرمول‌ها به LaTeX)


🔭 معرفی کوتاه دوره

درس «جبر خطی عددی» به بررسی روش‌های عددی پایه و پیشرفته برای حل مسائل ماتریسی و برداری می‌پردازد که در علوم محاسباتی، مهندسی، فیزیک و علوم داده کاربرد فراوان دارند. هدف این دوره آشنایی دانشجویان با تحلیل عددی سیستم‌های خطی، تفکیک‌های ماتریسی، مسائل مقادیر ویژه، پایداری عددی و روش‌های محاسباتی مؤثر است.


🎯 اهداف یادگیری

پس از پایان دوره، دانشجو باید قادر باشد:

  • دستگاه‌های خطی را با روش‌های مستقیم و تکراری حل کند.
  • تفکیک‌های LU، QR و SVD را انجام دهد و کاربردهای آن‌ها را شرح دهد.
  • مسئلهٔ مقدار ویژه و الگوریتم‌های عددی مرتبط را تحلیل و پیاده‌سازی کند.
  • مفهوم condition number و پایداری عددی را بشناسد و تاثیر آن بر دقت حل را توضیح دهد.
  • از بسته‌های نرم‌افزاری (مانند NumPy/SciPy, MATLAB) برای مسائل واقعی استفاده کند.

🧭 ناوبری سریع (Navigation)


ساختار دوره

پوشه‌ها و محتوا به‌صورت زیر سازمان‌دهی شده‌اند:

  • lectures/ — جزوات هر هفته، مثال‌ها و کدهای نمونه.
  • homework/ — دستورالعمل تکالیف و لینک به تمرین‌های تعاملی در MyOpenMath. (تمرین‌ها به‌صورت مستقیم در GitHub میزبانی نمی‌شوند)
  • resources/ — کتاب‌ها، مراجع، نرم‌افزارها و لینک‌های مفید.
  • glossary.md — تعاریف مختصر و لینک به توضیحات بلند در جلسات.

📅 برنامهٔ کلی (نمونه)

جدول زمانی نمونه — ممکن است تغییر کند (بر حسب تعداد جلسات ترم)

هفته موضوع
1 معرفی و تفکیک‌های ماتریسی — LU، چک‌های پایستگی
2 حل دستگاه‌های خطی مستقیم و تکراری
3 QR و کمترین مربعات ($$ \min_x |Ax-b|_2 $$)
4 مسائل مقدار ویژه اولیه
5 الگوریتم QR برای مقادیر ویژه
6 SVD و کاربردها (فشرده‌سازی، PCA)
7 پیش‌کارگذاری (preconditioning) و متدهای تکراری
8 پروژه/آزمون میانی
... ادامه و پروژهٔ نهایی

جزئیات دقیق در SYLLABUS.md.


📝 سیاست نمره‌دهی (نمونه)

  • تمرین‌ها: ۳۰٪ (تمرین‌های هفتگی در MyOpenMath و تمرین‌های کدنویسی)
  • میان‌ترم: ۲۵٪
  • پروژهٔ نهایی / امتحان: ۳۵٪
  • مشارکت کلاسی / حضور: ۱۰٪

سیاست کامل و جزئیات تحویل در SYLLABUS.md و فایل‌های هر تمرین موجود است.


🔗 تمرین‌های تعاملی در MyOpenMath

نکته مهم: تمرین‌های تعاملی به‌خاطر قابلیت نمره‌دهی خودکار و تعامل در MyOpenMath میزبانی می‌شوند. در هر فایل تمرین و در همین README بخش «Interactive Exercises on MyOpenMath» اضافه شده است.

توجه: لینک‌های بالا نمونه هستند — لینک‌های دقیق هر تمرین در فایل‌های homework/hw*.md قرار می‌گیرند.


🔎 واژه‌نامه و پیوندهای داخلی

برخی کلیدواژه‌های پرکاربرد (قابل کلیک) — کلیک روی هر واژه به توضیحات مفصل در glossary.md یا به جلسهٔ مربوطه می‌رود:


▶️ ویدیوهای تکمیلی

در هر جزوهٔ درسی زیر بخشی با عنوان Supplementary Video وجود دارد که ویدیوی مرتبط را جاسازی (embed) می‌کند. نمونهٔ قالب جاسازی ویدیو (YouTube):

QR Algorithm — Lecture Video

همچنین می‌توانید فایل‌های ویدیویی را در پوشهٔ videos/ قرار دهید و لینک دانلود مستقیم ارائه کنید.


🧰 ابزارها و نرم‌افزار پیشنهادی

  • Python 3.x + NumPy, SciPy, Matplotlib — برای پیاده‌سازی و آزمایش عددی.
  • MATLAB (اختیاری، در صورت دسترسی دانشگاهی).
  • Jupyter Notebook / JupyterLab — برای یادداشتها و تمرینات تعاملی.

راهنمای نصب و نمونه کدها در resources/software_and_installation.md.


✅ نحوهٔ مشارکت (Contributing)

اگر می‌خواهید محتوا اضافه کنید یا اشکالی گزارش دهید:

  1. فورک کنید (Fork).
  2. شاخه‌ای جدید بسازید (feature/...).
  3. تغییرات را کامیت و Pull Request ارسال کنید.
  4. لطفاً در PR خود مرجع (issue یا توضیح) اضافه کنید.

🧾 مجوز و تماس

این مخزن تحت مجوز زیر در دسترس است:

برای تماس:

  • ایمیل: [email protected]
  • صفحهٔ وب: https://your-university-page.example
  • (اطلاعات بیشتر در contact.md)

تشکر و خوش‌آمدگویی

خیلی خوشحالم که به این دوره ملحق شده‌اید. اگر پیشنهادی برای بهتر شدن محتوا دارید، Issue باز کنید یا مستقیماً ایمیل بزنید. موفق باشید! ✅

About

No description, website, or topics provided.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published