Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.
Couvre les algorithmes pour résoudre des problèmes mathématiques à l'aide d'un ordinateur, y compris les équations non linéaires et les méthodes d'approximation numérique.
Introduit la recherche de racines en utilisant la méthode de la bisection pour les équations non linéaires, illustrée par un exemple de système à trois réservoirs.
Couvre la méthode de bisection et la méthode Newton pour résoudre les équations non linéaires à l'aide de lignes tangentes et de fractionnement d'intervalles.
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.
