Couvre les méthodes itératives pour résoudre des équations linéaires et analyser la convergence, y compris le contrôle des erreurs et les matrices définies positives.
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.
Explore l'analyse numérique des équations non linéaires, en mettant l'accent sur les critères de convergence et les méthodes comme la bisection et l'itération à point fixe.
Couvre les méthodes de résolution d'équations non linéaires, y compris les méthodes de bisection et de Newton-Raphson, en mettant l'accent sur les critères de convergence et d'erreur.
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.
Explore l'analyse de convergence de la méthode de Newton pour résoudre les équations non linéaires, en discutant des propriétés de convergence linéaire et quadratique.
Explore la convergence de la méthode de Newton pour résoudre les équations non linéaires et l'importance de choisir les suppositions initiales appropriées.
Explore les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel, la factorisation Cholesky et le gradient conjugué préconditionné.
