Recherche de racine numérique avec scipicy

À propos
Confidentialité
Mentions légales

Graph Chatbot

Description

Cette séance de cours couvre l'utilisation de la fonction fsolve de Scipy pour trouver les racines d'une fonction, y compris les systèmes multidimensionnels. Il introduit également la fonction dérivée pour la différenciation numérique et discute du module scipy.integrate pour l'intégration numérique et la résolution des équations différentielles ordinaires.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Séances de cours associées (29)

https://mediaspace.epfl.ch/media/0_tamjd9hs

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Séances de cours associées (29)

Afficher plus

Analyse numérique: Introduction aux méthodes de calcul

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.

Dynamique des systèmes de puissance : stabilité transitoire

Explore la stabilité transitoire dans la dynamique des systèmes de puissance, couvrant les équations algébriques, les modèles de générateurs et les techniques d'intégration numérique.

Méthodes d'intégration numérique

Explore les méthodes d'intégration numérique et leur application dans la résolution d'équations différentielles et la simulation de systèmes physiques.

Intégration numérique : méthode Euler

Couvre la méthode progressive d'Euler pour l'intégration numérique des ODE, y compris les problèmes de Cauchy et les méthodes de Runge-Kutta.

Optimisation numérique avec Scipy

Introduit l'optimisation numérique avec Scipy, couvrant la recherche zéro, la dimensionnalité du problème, les dérivés et les techniques de visualisation avancées.