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.
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 de Richardson pour les solutions de systèmes linéaires itératifs et le contrôle des erreurs dans les systèmes définis positifs symétriques.
Explore des méthodes directes et itératives pour résoudre des équations linéaires, en mettant l'accent sur les matrices symétriques et le coût de calcul.
Explore des techniques d'optimisation telles que la descente de gradient, la recherche de lignes et la méthode de Newton pour une résolution efficace des problèmes.
Introduit Manopt, une boîte à outils pour l'optimisation sur les manifolds, couvrant le gradient et les contrôles hessiens, les appels de solveur et la mise en cache manuelle.
Couvre le théorème du point fixe et la convergence de la méthode de Newton, en soulignant l'importance du choix de la fonction et du comportement de la dérivée pour une itération réussie.
Explore la méthode de la réplique pour déterminer les attentes de log z à mesure que n s'approche de zéro, en présentant des défis et des solutions mathématiques.