Méthodes numériques : critères d'arrêt, SciPy et Matplotlib

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (27)

Page 2 sur 3

Analyse avancée II: équations différentielles et minuteries

Discute des concepts d'analyse avancée, en se concentrant sur les équations différentielles et les minuteurs dans les microcontrôleurs.

Introduction à NumPy et Matplotlib pour l'informatique scientifique

Présentation de NumPy et Matplotlib, outils essentiels pour le calcul scientifique et la visualisation de données en Python.

Méthodes de recherche de racines: Secant, Newton et itération de points fixes

Couvre les méthodes numériques pour trouver des racines, y compris les techniques d'itération de sécantes, de Newton et de points fixes.

Fonctions Différenciables et Multiplicateurs de Lagrange

Couvre les fonctions différenciables, les points extrêmes et la méthode du multiplicateur de Lagrange pour l'optimisation.

Équations non linéaires : Convergence de la méthode des points fixes

Couvre la convergence des méthodes de points fixes pour les équations non linéaires, y compris les théorèmes de convergence globale et locale et lordre de convergence.

Programmation Python: Structures et fonctions de contrôle

Couvre des sujets avancés dans la programmation Python, en se concentrant sur les structures et les fonctions de contrôle.

Fonctions de Python: Bases et arguments

Couvre les bases des fonctions d'écriture en Python et travaille avec les arguments de fonction.

Programmation Python : Listes et fonctions Vue d'ensemble

Introduit des concepts de programmation Python, en se concentrant sur les listes, les fonctions et leurs applications dans la résolution de problèmes.

Optimisation avec contraintes : théorie et applications

Couvre la théorie et les applications de l'optimisation avec des contraintes, y compris les concepts clés et les méthodes numériques.

Intégration numérique : introduction à SciPy et Matplotlib

Couvre les techniques d'intégration numérique utilisant SciPy et Matplotlib pour visualiser les fonctions et approximer les intégrales.