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 les techniques d'intégration numérique, en se concentrant sur l'interpolation de Lagrange et diverses méthodes de quadrature pour l'approximation des intégrales.
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.
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 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 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'estimation des erreurs dans les méthodes numériques pour résoudre les équations différentielles ordinaires, en mettant l'accent sur l'impact des erreurs sur la précision et la stabilité de la solution.
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.
Explore les surfaces minimales, la courbure, l'opérateur Laplace-Beltrami, les solutions numériques, le lissage laplacien, le flux de diffusion et l'intégration du temps.