Méthodes numériques : critères d'arrêt, SciPy et Matplotlib

Cette séance de cours couvre les méthodes numériques axées sur les critères d'arrêt, l'utilisation de SciPy pour l'optimisation et la visualisation de données avec Matplotlib. L'instructeur commence par discuter de la convergence de la méthode de Newton, en soulignant l'importance de la dérivée seconde pour la convergence quadratique. La séance de cours passe ensuite aux critères d'arrêt des processus itératifs, en soulignant deux types principaux: le contrôle résiduel et le contrôle des incréments. L'instructeur explique comment mettre en œuvre efficacement ces critères dans les algorithmes numériques. Ensuite, la séance de cours présente SciPy, détaillant ses fonctionnalités pour le calcul scientifique, y compris les méthodes d'optimisation et de recherche de racines. L'instructeur explique comment utiliser SciPy pour trouver des zéros de fonctions et effectuer un ajustement de courbe. Enfin, la séance de cours explore Matplotlib pour la visualisation de données, montrant comment créer diverses parcelles, y compris des représentations 2D et 3D de fonctions. L'instructeur souligne l'importance de visualiser les données pour mieux comprendre les méthodes numériques et leurs applications dans des scénarios réels.