Couvre la modélisation des systèmes dynamiques, y compris les définitions, les exemples et les processus de linéarisation pour une analyse plus facile.
Présente l'approche de l'espace d'état pour modéliser des systèmes dynamiques et son utilité pour la solution à grande vitesse des équations différentielles et des algorithmes informatiques.
Explore la stabilité des équations différentielles ordinaires, en se concentrant sur la dépendance des solutions, les données critiques, la linéarisation et le contrôle des systèmes non linéaires.
Explore les techniques de linéarisation exactes pour transformer les systèmes non linéaires en systèmes linéaires, en mettant l'accent sur la stabilité du système.
Couvre les principes fondamentaux et l'analyse de stabilité des systèmes de contrôle en réseau, y compris l'installation de logiciels, les systèmes dynamiques, les états d'équilibre et les tests de stabilité.
Explore le contrôle des systèmes dynamiques, la réponse impulsionnelle, la transformée de Laplace et la transformée de Fourier pour résoudre les équations différentielles.
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.
Introduit le filtre Kalman pour estimer l'état d'un système dynamique à partir de mesures bruyantes, couvrant la prédiction, la mise à jour et les étapes de filtrage.
Discute des plans de phase pour les systèmes dordre linéaire et caractériser les trajectoires en distinguant les valeurs propres et les points déquilibre.
