Explore des techniques d'optimisation telles que la descente de gradient, la recherche de lignes et la méthode de Newton pour une résolution efficace des problèmes.
Couvre les bases de l'analyse numérique et des méthodes de calcul utilisant Python, en se concentrant sur les algorithmes et les applications pratiques en mathématiques.
Présente l'approche de l'espace d'état pour modéliser des systèmes dynamiques et son utilité pour la solution à grande vitesse des équations différentielles et des algorithmes informatiques.
Explore des méthodes directes et itératives pour résoudre des équations linéaires, en mettant l'accent sur les matrices symétriques et le coût de calcul.
