Couvre le comportement chaotique dans des systèmes complexes, avec des applications dans divers domaines et un aperçu historique des principaux développements de la théorie du chaos.
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.
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 les problèmes de Cauchy avec les fonctions linéaires et non linéaires, en soulignant l'importance des conditions initiales et des solutions multiples.
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 systèmes non linéaires à travers des portraits de phase en 2D, en se concentrant sur les champs vectoriels, les isoclines et les trajectoires.
Explore les applications pratiques en dynamique non linéaire, en mettant l'accent sur les méthodes d'intégration symplectique et les approximations de lentilles minces pour des calculs précis en physique des accélérateurs.
Explore la dynamique non linéaire dans les systèmes optomécaniques, couvrant l'instabilité, les cycles limites, la synchronisation, le chaos et les simulations.
Explore l'apprentissage et le contrôle adaptatif des robots à travers SEDS et LPV-DS, mettant l'accent sur la stabilité, la dynamique non linéaire et l'optimisation.