Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Méthode de Newton

Séances de cours associées (28)

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.

Méthode du gradient conjugué

Explore la méthode Conjugate Gradient pour résoudre les systèmes linéaires et introduit les méthodes Quasi-Newton et les mises à jour de rang 2.

Méthode de Newton : approche graphique

Illustre graphiquement la méthode de Newton, en discutant de convergence et de cas extrêmes.

Résoudre les équations avec la méthode de Newton MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Introduit la méthode de Newton pour résoudre les équations non linéaires itérativement, en soulignant sa convergence rapide, mais aussi son incapacité potentielle à converger dans certains cas.

Méthodes de descente et méthode de Newton avec recherche par ligne MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Couvre la comparaison entre les méthodes de descente et la méthode de Newton, les modifications, la recherche de lignes et l'analyse de convergence.

Résolution de systèmes d'équations non linéaires

Couvre la méthode Newton-Raphson, la matrice jacobienne et les schémas itératifs pour résoudre les équations non linéaires.

Descente Coordonnée: Techniques d'Optimisation Efficace

Couvre la descente des coordonnées, une méthode pour optimiser les fonctions en mettant à jour une coordonnée à la fois.

Méthode de la différence finie MOOC: Analyse Numérique pour Ingénieurs

Résume la méthode de la différence finie pour résoudre les problèmes de limite unidimensionnelle.

Méthodes numériques : Techniques itératives

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

Descente progressive

Couvre le concept de descente de gradient dans les cas scalaires, en se concentrant sur la recherche du minimum d'une fonction en se déplaçant itérativement dans la direction du gradient négatif.

Méthodes de descente et recherche de ligne : Interpolation quadratique MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Couvre la méthode de Newton et l'interpolation quadratique pour trouver les minima de fonction.

Gradient Descent avec Momentum

Explore l'utilisation de l'élan dans la descente en pente pour améliorer la vitesse et la stabilité.

Méthode locale de Newton : l'interprétation géométrique MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Explore l'interprétation géométrique de la méthode de Newton dans les problèmes d'optimisation.

Équations non linéaires : méthodes et applications

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.

Méthode Newton : Analyse de la convergence Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la méthode Newton pour la recherche des racines et son analyse de convergence, y compris la méthode Newton modifiée.

Méthode Newton pour les systèmes dynamiques Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la méthode de Newton pour les systèmes dynamiques, GMRES, FGMRES, l'optimisation, le multishooting et les méthodes de confiance-région.

La méthode de Newton : les techniques d’optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des techniques d'optimisation telles que la descente de gradient, la recherche de lignes et la méthode de Newton pour une résolution efficace des problèmes.

Méthodes Quasi-Newton Connectez-vous à Mediaspace pour regarder cette vidéo

Présente les méthodes Quasi-Newton pour l'optimisation, expliquant leurs avantages par rapport aux approches traditionnelles comme Gradient Descent et Newton's Method.

TR convergence globale (fin) + CG Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode de la région de confiance et introduit la méthode des gradients conjugués tronqués.

Méthode Newton : Interpolation des données Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode de Newton pour trouver des zéros de fonctions en utilisant l'interpolation de données.