Couvre le processus de résolution d'un système linéaire en simulation de flux numérique à l'aide de méthodes directes telles que l'élimination gaussienne et l'algorithme TDMA.
Explore les propriétés et les exemples de matrices diagonalisables, en mettant l'accent sur la relation entre les vecteurs propres et les valeurs propres.
Couvre la méthode des gradients conjugués pour résoudre les systèmes linéaires itérativement avec la convergence quadratique et souligne l'importance de l'indépendance linéaire entre les directions conjuguées.
Explore les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel, la factorisation Cholesky et le gradient conjugué préconditionné.
Explore les valeurs propres, les vecteurs propres et les méthodes de résolution de systèmes linéaires en mettant l'accent sur les erreurs d'arrondi et les matrices de préconditionnement.
Explore la linéarisation approximative comme une méthode polyvalente pour décrire le comportement du système non linéaire par approximation linéaire autour d'un point de fonctionnement.
Introduit des valeurs propres, des vecteurs propres et des matrices similaires, en mettant l'accent sur la diagonalisation et les interprétations géométriques.