Couvre les méthodes de recherche de racines, en se concentrant sur les techniques de bisection et de sécante, leurs implémentations et les comparaisons de leurs taux de convergence.
Couvre la méthode de bisection pour approximer les zéros de fonctions, en discutant des avantages, des inconvénients et d'une approche alternative pour une convergence plus rapide.
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.
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 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.
Couvre les algorithmes pour résoudre des problèmes mathématiques à l'aide d'un ordinateur, y compris les équations non linéaires et les méthodes d'approximation numérique.
Introduit la recherche de racines en utilisant la méthode de la bisection pour les équations non linéaires, illustrée par un exemple de système à trois réservoirs.
Couvre la méthode de bisection et la méthode Newton pour résoudre les équations non linéaires à l'aide de lignes tangentes et de fractionnement d'intervalles.
Couvre les bases de l'analyse numérique et des méthodes de calcul utilisant Python, en se concentrant sur les algorithmes et les applications pratiques en mathématiques.
