Explore la méthode Jacobi et les techniques de diagonalisation, y compris la transformation de similarité, les méthodes de puissance et la décomposition QR.
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 applications linéaires dans la représentation R2 et matricielle, y compris la base, les opérations et l'interprétation géométrique des transformations.