Se concentre sur la modélisation numérique des processus atmosphériques pour prédire les phénomènes météorologiques et climatiques, couvrant les concepts et les méthodes clés.
Couvre l'analyse des erreurs, la stabilité et le pas de temps adaptatif dans les méthodes numériques, y compris l'ordre de convergence et les points d'équilibre.
Explore des méthodes numériques telles que Crank-Nicolson, Heun, Euler et RK4 pour résoudre les ODE, en mettant l'accent sur l'estimation des erreurs et la convergence.
Explore la stabilité dans les ODE, y compris les contrôles d'erreur, les points d'équilibre et les attracteurs globaux, en mettant l'accent sur les schémas numériques tels que la méthode d'Euler.
Explore l'estimation des erreurs dans les méthodes numériques pour résoudre les équations différentielles, en se concentrant sur l'erreur de troncature locale, la stabilité et la continuité de Lipschitz.
Introduit des méthodes de solution directe pour un contrôle numérique optimal, en mettant l'accent sur la formulation des problèmes, la mise à l'échelle et des conseils pratiques pour une résolution réussie des problèmes.
Explore la vérification et la validation dans la modélisation computationnelle, en mettant l'accent sur la précision par comparaison avec les données expérimentales et des conseils pratiques sur la complexité des modèles.
Explore l'émergence de la supraconductivité dans les configurations de non-équilibre et la détection de la supraconductivité par des expériences de sonde de pompe.
Couvre les tableaux NumPy et leurs représentations graphiques à l'aide de Matplotlib, en se concentrant sur les techniques de création, de manipulation et de visualisation des tableaux.