Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.
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.
Explore le contrôle des systèmes dynamiques, la réponse impulsionnelle, la transformée de Laplace et la transformée de Fourier pour résoudre les équations différentielles.
Discute de la transformée de Fourier et de son application à la résolution d'équations différentielles, en se concentrant sur l'équation d'onde et ses transformations.
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.
Introduit des équations différentielles ordinaires, leur ordre, des solutions numériques et des applications pratiques dans divers domaines scientifiques.
Explore les équations différentielles linéaires, y compris les équations linéaires homogènes d'ordre supérieur et les équations à coefficients constants.