Gratte l'image pour obtenir une réduction sur ton cours. Tu pourras appliquer le coupon au moment du paiement.
207
Bienvenido al Curso de Métodos Numéricos con Python III
Conoce nuestra trilogía de métodos numéricos
Cómo sacarle el máximo partido al curso
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
Toma notas de tu curso en tiempo real en Frogames Formación
IMPORTANTE: Sobre el uso de la librería sympy
Fórmula de Taylor
La regla de la Cadena
Cómo resolver EDOs de forma analítica
Introducción a problemas de valores iniciales
Teoría elemental de EDOs: Lipschitz y Convexidad
La condición suficiente de Lipschitz
Problemas bien planteados
Cálculo de la solución aproximada
Métodos de un paso. Introducción
El Método de Euler
Cota del error del método de Euler
Ejemplo de acotación del error del método de Euler
Error local de truncamiento. Introducción
Consistencia y convergencia
Métodos de Taylor. Introducción
Métodos de Taylor de orden 2
Implementación de métodos de Taylor de orden k
Solución de la Tarea
LTE en los métodos de Taylor
Ejercicios de problemas de valores iniciales. Métodos de Euler y Taylor
Solución de la Tarea
Métodos implícitos y explíctos
Método del trapecio
Convergencia del método del trapecio
Pseudocódigo y ejemplo del método del trapecio
Problemas de valores iniciales-1
Convergencia y consistencia
Cálculo del órden de consistencia
Método de Euler modificado
Pseudocódigo y ejemplo del método de Euler modificado
Método de Runge-Kutta 4
Pseudocódigo y ejemplo del método de Runge-Kutta 4
Métodos de Runge-Kutta
Consistencia en los métodos de Runge-Kutta
Convergencia en los métodos de Runge-Kutta
Condiciones de consistencia
Condiciones de consistencia para RK-4
Métodos de control de paso
Estimación del Error Local de Truncamiento
Método de Runge-Kutta-Fehlberg
Pseudocódigo y ejemplo del método del método de Runge-Kutta-Fehlberg
Ejercicios de métodos de Runge-Kutta
Solución de la Tarea
Problemas de valores iniciales-2
Introducción a los métodos multipaso
Métodos de Adams-Bashford
Consistencia de los métodos de Adams-Bashford
Métodos explícitos de Adams-Bashford
Pseudocódigo Adams-Bashford y ejemplo
Método de Adams-Bashford de orden m arbitrario
Solución de la Tarea
Métodos implícitos de Adams-Moulton
Consistencia de los métodos de Adams-Moulton
Métodos implícitos de Adams-Moulton para m = 1, 2 y 3
Pseudocódigo Adams-Moulton
Ejemplo método de Adams-Moulton
Método de Adams-Moulton de orden m arbitrario
Solución de la Tarea
Método predictor-corrector
Pseudocódigo y ejemplo método predictor-corrector
Método predictor-corrector de orden m
Solución de la Tarea
Consistencia y convergencia de los métodos predictor-corrector
Problemas de valores iniciales-3. Métodos multipaso
Sistemas de ecuaciones diferenciales
Adaptación de los métodos numéricos
Método de Euler para sistemas
Método de Taylor de orden 2 para sistemas
Pseudocódigo y ejemplo método de Taylor para sistemas
Métodos de Runge-Kutta para sistemas
Pseudocódigo y ejemplo de Runge-Kutta 4 para sistemas
Ejercicios de métodos multipaso y sistemas
Solución de la Tarea
Problemas de valores iniciales-4. Sistemas de ecuaciones diferenciales.
Ecuaciones diferenciales de orden superior
Ejemplo ecuación diferencial de orden superior
Método para resolver edos de orden superior
Problemas de valores iniciales-5. Ecuaciones diferenciales de orden superior
Spoiler alert: tema avanzado y más difícil de lo habitual
Estabilidad de un método numérico
Estabilidad para métodos de un paso
Estabilidad para métodos multipaso
Caso de raíces múltiples del polinomio caraterístico
Condición de raíz y tipos de estabilidad
Sistemas diferenciales tipo Stiff
Control de paso
Métodos de un paso
Métodos multipaso
Región de Estabilidad Absoluta
Ejercicios de estabilidad y sistemas Stiff
Solución de la Tarea
Problemas de valores iniciales-6. Estabilidad
Introducción
Aproximación lineal por mínimos cuadrados
Cálculo de los coeficientes
Pseudocódigo y ejemplo de aproximación lineal de mínimos cuadrados
Aproximación polinomial por mínimos cuadrados
Demostración: el sistema de ecuaciones normales tiene solución única
Pseudocódigo y ejemplo de aproximación polinomial de mínimos cuadrados
Relaciones potenciales y exponenciales
Transformación logarítmica
Ejemplo de transformación logarítmica
Transformaciones logarítmicas
Solución de la tarea
Introducción a la aproximación de funciones continuas
Aproximación polinomial continua
Polinomios linealmente independientes
Función peso
Problema de aproximación con pesos
Funciones ortogonales
Polinomios de Legendre
Aproximación polinomial-1
Los Polinomios de Legendre
Solución de la Tarea
Ejercicios de aproximación por mínimos cuadrados.
Solución de la Tarea
Aproximación minimax
Ejemplo aproximación minimax
Polinomios de Chebyschev
Relación con la aproximación minimax
Coeficiente del término de mayor grado
Polinomios mónicos de Chebyschev
Relación con la norma infinito
Ejemplo de aproximación minimax con polinomios de Chebyschev
Minimización del error de interpolación
Generalización de la interpolación a un intervalo cualquiera [a,b]
Ejercicios de aproximación minimax y polinomios de Chebyschev.
Aproximación polinomial-2. Aproximación minimax
Solución de la Tarea
Introducción
Cálculo del mínimo de la función error
Expresión del término del error
Ejemplo de cálculo de serie de Fourier
Aproximación trigonométrica discreta
Pseudocódigo y ejemplo
Introducción a la transformada rápida de Fourier
Introducción de los coeficientes complejos
Algoritmo FFT
Algoritmo detallado para m=4
Pseudocódigo de FFT
Ejemplo de FFT
FFT en cualquier intervalo
Ejercicios sobre interpolación trigonométrica y FFT
Solución de la Tarea
Aproximación trigonométrica
Introducción
Continuidad y derivabilidad de funciones de varias variables
Introducción al método del punto fijo
Convergencia del método del punto fijo
Pseudocódigo y ejemplo del método del punto fijo
Aceleración de la convergencia del método del punto fijo
Aceleración de la convergencia
Solución de la Tarea
Introducción al método de Newton
Método de Newton-Raphson
Pseudocódigo y ejemplo del método de Newton-Rapshon
Introducción al método del gradiente descendente
Algoritmo del gradiente descendente
Pseudocódigo del método de gradiente descendente
Ejemplo e implementación del método de gradiente descendente
Ejercicios de aproximación de ceros de sistemas no lineales
Solución de la Tarea
Sistemas no lineales
Introducción
Método del tiro
Problemas lineales de condiciones frontera
Resolución de problemas lineales de condiciones frontera
Pseudocódigo de resolución de problemas lineales
Ejemplo de resolución de problemas lineales
Método del tiro usando el método de la secante para problemas no lineales
Pseudocódigo y ejemplo del método de la secante
Método del tiro usando el método de Newton para sistemas no lineales
Pseudocódigo y ejemplo del método de Newton
Introducción al método de las diferencias finitas
Método de las diferencias finitas para problemas lineales
Pseudocódigo y ejemplo del método de las diferencias finitas
Método de las diferencias finitas para problemas no lineales
Pseudocódigo y ejemplo del método de Newton para diferencias finitas
Ejercicios de problemas frontera para ecuaciones diferenciales ordinarias
Solución de la Tarea
Problemas de ecuaciones diferenciales en la frontera
Introducción
Introducción a las EDPs elípticas: la ecuación de Poisson
Aproximación en el mallado
Etiquetado del mallado y estructura del sistema
Pseudocódigo y ejemplo
Introducción a las EDPs parabólicas
Pseudocódigo y ejemplo EDPs parabólicas método hacia adelante
Estabilidad método diferencias finitas hacia adelante
EDPs parabólicas. Método de las diferencias finitas hacia atrás
Pseudocódigo y ejemplo EDPs parabólicas método de diferencias finitas hacia atrás
Estabilidad método diferencias finitas hacia atrás
EDPs parabólicas. Método de Crank-Nicolson
Pseudocódigo y ejemplo Método de Crank-Nicolson
Introducción a las EDPs hiperbólicas
Pseudocódigo y ejemplo EDPs hiperbólicas
Estabilidad de las EDPs hiperbólicas
Ejercicios de ecuaciones en derivadas parciales
Solución de la Tarea
Introducción a la resolución numérica de las ecuaciones en derivadas parciales
(18)
PLANS POUR ACCÉDER SELON TES OBJECTIFS ET TES BESOINS
Achète le cours individuel, obtiens tout le parcours d'apprentissage ou accède à toute la plateforme
Choisis le mode de paiement qui s'adapte le mieux à tes besoins et à ton budget : paiement unique par cours, accès mensuel ou annuel au Parcours d'apprentissage ou même à toute la plateforme.
Paiement unique
Achète le cours une fois et accède à vie
€ 39.99
- Un seul paiement.
- Accès instantané au cours à vie.
- Accès à la Communauté du Parcours
El Más
Popular
Popular
Grenouille de Bronze
Accède à tous les Parcours, Communautés et Extras de Frogames
€ 39 /mois
- Paiement unique de 39€ par mois.
- Accès instantané à tous les cours.
- Accède à la plateforme et aux communautés d'élèves 24h/24 et 7j/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
Parcours de Mathématiques
Accède à tous les Cours du Parcours de Mathématiques Avancées
€ 19.99 /mois
- Paiement unique de 19.99€ par mois.
- Accès instantané aux +10 cours du parcours.
- Accède au Parcours 24/7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Paiement unique
Achète le cours une fois et accède à vie
€ 39.99
- Un seul paiement
- Accès instantané au cours à vie
- Accès à la Communauté du Parcours
El Más
Valorado
Valorado
Grenouille d'Or
Accède à tous les Parcours, Communautés et Extras de Frogames
€ 349 /an
- Paiement unique de 349€ chaque année.
- 3 mois de réduction.
- Accès instantané à tous les cours.
- Accède à la plateforme et aux communautés d'élèves 24h/24 et 7j/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
- Bibliothèque de Ressources
- Sessions de Q&A mensuelles en direct
- Support Premium Prioritaire.
Parcours de Mathématiques
Accède à tous les Cours du Parcours de Mathématiques Avancées
€ 199 /an
- Paiement unique de 199€ par an.
- 4 mois de réduction.
- Accès instantané aux +10 cours du parcours.
- Accède au Parcours 24/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
- Support premium.
* Tous les prix incluent les taxes.
Pour ta sécurité, toutes les commandes seront traitées sur un serveur sécurisé.
Parcours de Mathématiques Avancées
Le pack ultime avec tous nos cours de Mathématiques Avancées pour maîtriser les maths et leurs applications pratiques sans mettre les pieds à l'université. Comprend les cours à venir et les mises à jour et améliorations des cours actuels
Santiago
Ça m'a permis de comprendre la stabilité et la convergence des méthodes avancées bien au-delà de la simple théorie.
Gustavo
Méthodes Numériques Avancées avec Python III – EDOs et EDPs : Algorithmes pour Modéliser le Monde Réel
Ce cours t'amène au cœur des problèmes les plus complexes en mathématiques appliquées : les équations différentielles. Tu apprendras à résoudre les EDOs et EDPs par des algorithmes numériques implémentés en Python, avec des applications en physique, ingénierie, finance et machine learning. C'est idéal pour les étudiants avancés, les enseignants et les professionnels qui recherchent la précision et l'efficacité computationnelle
Georges
Un niveau supérieur
Même si ces sujets ont tendance à être complexes, le professeur réussit à les rendre très compréhensibles. J'ai pu résoudre des problèmes de simulation qui m'auraient pris des jours avant, presque sans me fatiguer.
danison
Résoudre des problèmes mathématiques avancés avec Python
Ce cours m'a permis de maîtriser les méthodes numériques pour résoudre des équations différentielles ordinaires et partielles avec Python. J'ai appris à appliquer ces algorithmes dans des domaines comme l'IA et l'économie, ce qui m'a donné un avantage dans ma carrière.
Yvonne
excellent
La qualité de l'audio et de la vidéo est excellente, continuez comme ça ! Le contenu est très complet et bien expliqué.
Angel
Algorithmes numériques pour équations différentielles appliqués à la science des données, l'ingénierie et les modèles physiques
Cette troisième livraison de la série de méthodes numériques se concentre sur le traitement computationnel des Équations Différentielles Ordinaires (EDOs) et Équations aux Dérivées Partielles (EDPs). Tu apprendras à implémenter plus de 30 algorithmes en Python, avec du pseudocode détaillé et des exemples pratiques, pour aborder des problèmes complexes en Machine Learning, physique computationnelle et économie mathématique.
BORJA
Excellent
Cours très complet et très bien expliqué.
Carlos
Méthodes numériques avancées pour des problèmes complexes
Ce cours porte la programmation mathématique à un autre niveau. La façon dont les concepts sont présentés et ensuite implémentés en Python rend l'apprentissage très intuitif. C'est un cours exigeant, mais si tu cherches à approfondir ce domaine, je te le recommande vivement.
Giovanni
Équations différentielles sous contrôle
Il n'est pas facile de trouver du matériel en français qui explique le support informatique avec Python pour des problèmes d'ingénierie de ce calibre d'une manière aussi structurée et professionnelle, c'est pourquoi je suis extrêmement satisfait de ce que j'ai appris
Eulogio
Deviens un expert avec ce cours!
Un expert en mathématiques pour appliquer au machine learning. Pose de bonnes bases pour pouvoir travailler dans ce magnifique monde de l'IA
Javi
Excellent niveau sans perdre la simplicité
Bien que le sujet semble assez avancé et complexe, la façon dont ils guident les leçons rend tout très digeste. Ça ne ressemble pas à un labyrinthe sans issue ; au contraire, chaque vidéo te clarifie l'esprit et te laisse avec une excellente impression pour la maîtrise que tu acquiers des outils. Un succès total.
Rosa
Cours très complet. J'ai beaucoup appris
María
Complexe, mais tellement bien expliqué
Les EDOs et EDPs m'ont toujours semblé inaccessibles, mais ce cours de méthodes numériques avancées me les a rendues compréhensibles. J'ai aimé l'approche pas à pas, avec Python comme outil allié. Maintenant j'ai une vision plus complète de comment résoudre ces problèmes dans des contextes réels.
Nieves
Ce cours m'a fait transpirer… mais ça en valait la peine
Jackeline
super course
Samuel
Maintenant je me sens comme un professionnel en Python.
Le module sur les équations différentielles m'a aidé à comprendre des concepts que je pensais impossibles.
Gabriela
Recommandé à 100%
Ce cours m'a aidée à comprendre des concepts qui me semblaient de la science-fiction avant. Maintenant je peux résoudre des problèmes complexes facilement et ça me donne confiance
Nicolas
Un excellent niveau d'enseignement
Il a une qualité universitaire de HAUT NIVEAU, entre la Théorie et les Problèmes nous arrivons à comprendre ces Équations différentielles ordinaires et partielles.