Couvre les méthodes de recherche de racines, en se concentrant sur les techniques de bisection et de sécante, leurs implémentations et les comparaisons de leurs taux de convergence.
Discute des méthodes numériques, en se concentrant sur les critères d'arrêt, SciPy pour l'optimisation et la visualisation des données avec Matplotlib.
Couvre le théorème du point fixe et la convergence de la méthode de Newton, en soulignant l'importance du choix de la fonction et du comportement de la dérivée pour une itération réussie.
Couvre la convergence des méthodes de points fixes pour les équations non linéaires, y compris les théorèmes de convergence globale et locale et lordre de convergence.
Présente les méthodes Quasi-Newton pour l'optimisation, expliquant leurs avantages par rapport aux approches traditionnelles comme Gradient Descent et Newton's Method.
