Séance de cours

Dérivation numérique : formules et approches

Séances de cours associées (29)

Vectorisation en Python : calcul efficace avec Numpy

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.

Méthodes numériques: Euler et Crank-Nicolson

Couvre les méthodes Euler et Crank-Nicolson pour résoudre les équations différentielles.

Analyse numérique: Stabilité dans les ODE

Couvre l'analyse de stabilité des ODE à l'aide de méthodes numériques et discute des conditions de stabilité.

Attaque contre la RSA à l'aide de LLL

Couvre la méthode de Coppersmith pour attaquer le chiffrement RSA en trouvant efficacement de petites racines de polynômes modulo N.

Méthodes numériques : Techniques itératives

Couvre les méthodes ouvertes, Newton-Raphson, et la méthode sécante pour les solutions itératives dans les méthodes numériques.

Numerics: projet de semestre

Couvre le projet de semestre sur les chiffres, en se concentrant sur les algorithmes adaptatifs et les méthodes multi-étapes.

Géomécanique computationnelle : flux non confiné

Explore le flux non confiné dans la géomécanique computationnelle, mettant l'accent sur la dérivation de forme faible et la perméabilité relative.

Méthodes numériques en biomécanique: Hip-A

Explore les méthodes numériques en biomécanique pour les implants de hanche et met l'accent sur les conditions de compréhension pour améliorer les conceptions et les résultats des patients.

Système des ODE

Explore les méthodes numériques pour résoudre les systèmes ODE, les régions de stabilité et l'importance absolue de la stabilité.

Méthodes stabilisées explicites : applications aux problèmes inverses bayésiens

Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.

Modélisation numérique de l'atmosphère

Se concentre sur la modélisation numérique des processus atmosphériques pour prédire les phénomènes météorologiques et climatiques, couvrant les concepts et les méthodes clés.

Estimation des erreurs dans les méthodes numériques

Explore l'estimation des erreurs dans les méthodes numériques pour résoudre les équations différentielles ordinaires, en mettant l'accent sur l'impact des erreurs sur la précision et la stabilité de la solution.

Différenciation numérique: Partie 1

Couvre la différenciation numérique, les différences en avant, l'expansion de Taylor, la notation Big O et la minimisation des erreurs.

Méthodes de runge-Kutta: approximation des équations différentielles

Couvre les étapes de la méthode Runge-Kutta explicite pour approximer y(t) avec des explications détaillées.

Analyse de la convergence: système RK explicite

Explore l'analyse de convergence du système Explicite Runge-Kutta pour des solutions numériques précises.

Les méthodes de Crank-Nicolson et Heun

Couvre les méthodes de Crank-Nicolson et Heun, discutant du caractère unique des solutions et des erreurs de troncature dans les méthodes numériques.

Méthode Euler: Comprendre les schémas de runge-Kutta d'ordre supérieur

Explique la méthode Euler et les schémas Runge-Kutta d'ordre supérieur pour résoudre les équations différentielles.

Méthodes d'ordre supérieur : Discrétisation de l'espace

Couvre les méthodes d'ordre élevé pour la discrétisation de l'espace dans les systèmes différentiels linéaires.

Méthode Euler Forward

Introduit la méthode Euler Forward pour les ODE, en se concentrant sur l'analyse des erreurs et la stabilité.

Théorie multigroupe: principales équations et solution numérique

Couvre la dérivation des équations de diffusion multi-groupes et les méthodes numériques pour résoudre l'équation de diffusion des neutrons.