Couvre les bases des équations différentielles partielles, en mettant l'accent sur la modélisation du transfert de chaleur et les méthodes de solution numérique.
Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.
Explore les schémas implicites dans l'analyse numérique, en mettant l'accent sur les propriétés de stabilité et de convergence dans la résolution des équations différentielles.
Explore les équations de transport hyperboliques et les schémas numériques, en mettant l'accent sur les méthodes et les caractéristiques d'ordre supérieur pour des solutions exactes.
Couvre les méthodes numériques pour résoudre les équations différentielles et leur analyse de stabilité, en se concentrant sur le calcul des erreurs et les applications pratiques en ingénierie et en science.
Explique le schéma implicite d'Euler, une méthode de résolution numérique des équations différentielles, axée sur les propriétés de stabilité et de convergence.
Explore les méthodes numériques pour résoudre l'équation de Schrdinger en fonction du temps à l'aide de la représentation en grille et des algorithmes à opérateur divisé.
Explore les techniques avancées de discrétisation de l'espace dans l'analyse numérique pour résoudre les systèmes différentiels de manière efficace et précise.
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.
