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.
Introduit les bases des équations différentielles ordinaires, explorant l'existence, l'unicité, les dimensions supérieures, les fonctions de Lipschitz et la recherche de solutions.
Couvre le problème de Cauchy dans les équations différentielles, en se concentrant sur les conditions initiales et leur impact sur lunicité de la solution.
Introduit la méthode de différence finie pour l'approximation des dérivés et la résolution des équations différentielles dans les applications pratiques.
Couvre la résolution numérique d'un problème de Cauchy en utilisant la séparation des variables et discute des conditions de l'intervalle de définition de la solution.
Explore la stabilité transitoire dans la dynamique des systèmes de puissance, couvrant les équations algébriques, les modèles de générateurs et les techniques d'intégration numérique.
Explore les méthodes d'intégration numérique et leur application dans la résolution d'équations différentielles et la simulation de systèmes physiques.
Introduit l'optimisation numérique avec Scipy, couvrant la recherche zéro, la dimensionnalité du problème, les dérivés et les techniques de visualisation avancées.
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.