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'équation d'onde pour une chaîne vibrante et sa solution numérique en utilisant des formules de différence finie et le schéma Newmark dans MATLAB/GNU Octave.
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.
Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.
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 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.
Se concentre sur la modélisation numérique des processus atmosphériques pour prédire les phénomènes météorologiques et climatiques, couvrant les concepts et les méthodes clés.