Fournit un aperçu des méthodes de gradient conjugué, y compris le préconditionnement, le gradient conjugué non linéaire et la décomposition des valeurs singulières.
Couvre la mécanique du continuum, l'élasticité linéaire, l'équilibre des forces, la divergence, la discrétisation des éléments finis, la minimisation de l'énergie et la méthode de Newton.
Explore la résolution de systèmes linéaires itérative et compare différents résolveurs sur la base des hypothèses les plus défavorables et des mesures de convergence.
Explore les méthodes itératives pour les équations linéaires, y compris les méthodes Jacobi et Gauss-Seidel, les critères de convergence et la méthode du gradient conjugué.
Explore le rôle du calcul dans les mathématiques de données, en mettant l'accent sur les méthodes itératives, l'optimisation, les estimateurs et les principes d'ascendance.
Présente les méthodes Quasi-Newton pour l'optimisation, expliquant leurs avantages par rapport aux approches traditionnelles comme Gradient Descent et Newton's Method.
