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 les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel, la factorisation Cholesky et le gradient conjugué préconditionné.
Explore les méthodes numériques de simulation d'écoulement, y compris les méthodes des éléments finis, des spectres, des particules et des mailles Boltzmann.
Couvre les méthodes itératives pour résoudre des équations linéaires et analyser la convergence, y compris le contrôle des erreurs et les matrices définies positives.
Explore la bibliothèque Eigen pour l'algèbre linéaire, couvrant les vecteurs, les matrices, les tableaux, la gestion de la mémoire, le remodelage et les opérations par composant.
