Application de la séparation de variables pour décrire les écoulements turbulents

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Application de la séparation de variables pour décrire les écoulements turbulents"

Transcription

1 Application de la séparation de variables pour décrire les écoulements turbulents A.DUMO a, C. ALLERY a, A. AMMAR b a. LEPTIAB, Avenue Michel Crépeau, 74 LA ROCHELLE, France b. Laboratoire de Rhéologie, IPG, UJF, CRS(UMR 55), 3 rue de la Piscine, BP 53 Domaine Universitaire, F-384 Grenoble Cedex 9, France Résumé : Actuellement, la résolution numérique d écoulements turbulents nécéssite des maillages très fins et des temps de calculs très longs. Afin de réduire ces temps, on se propose d utiliser la méthode de séparation de variables permettant de passer de la résolution d un problème de très grande taille à la résolution de plusieurs systèmes de petites tailles. Cette méthode consiste à chercher la solution sous la forme d une somme de produits de fonctions de chaque variable d espace pour les composantes de vitesse ou de pression. Cette méthode sera testée sur les équations modèles de Poisson en D et 3D ainsi que sur les équations de avier-stokes D. Abstract : owadays, the turbulent flows numerically resolution requires a fine grid definition and a very long computing time. In order to reduce the CPU time, we propose the splitting variable method which allows us to pass from a big problem resolution to a sum of smalls. This method consists in finding the solution in the form of a sum of products of functions for each space variable. This method will be verified against the Poisson s D and 3D equations, as well as against avier-stokes D equations. Mots clefs : Séparation de variables, Equations de transferts, avier-stokes Introduction L objectif à long terme de ce travail est l étude de la qualité de l air à l intérieur des ambiances habitables et plus particulièrement, l étude de la dispersion de particules par approche Lagrangienne. Cette approche nécéssite de connaître le champ de vitesse du fluide en chaque point où se situent les particules. Ce champ de vitesse est habituellement obtenu par DS ou LES, ce qui est très coûteux car nous sommes en présence de grands domaines, nécéssitant des maillages très fins, et de longues durées de simulation. Dans cette communication, afin de diminuer le temps de calcul, on se propose de résoudre les équations de avier-stokes par la méthode de séparation de variables. Cette approche consiste à chercher la solution sous la forme d une somme de produits de fonctions de chaque variable d espace. Ainsi dans un cas à dimensions, au lieu de résoudre un problème de taille (n i) (où n i est le nombre de noeuds dans la direction i) on se ramène à la résolution de problèmes de taille (n i). Donc pour des maillages avec beaucoup de noeuds, cette méthode peut être plus rapide que les méthodes traditionnelles. La méthode de séparation de variables à déjà été utilisée avec succès dans d autres domaines.elle a été introduite le première fois pour la résolution des équations de Fokker-Planck[][] afin de modéliser le comportement d une chaîne de polymère dans un espace configurationnel multidimensionnel. La méthode à également été utilisée pour traiter des problèmes d homogénéisation [3]. ouy[4] quant à lui utilise une variante de la méthode présentée ici, pour résoudre des équations stochastiques non-linéaires pour traiter la séparation espace-temps. Dans cette communication, après avoir décrit rapidement la méthode, nous l appliquerons aux équations de Poissons D et 3D. Les résultats obtenus, seront comparés, en terme de précision et de temps de calcul, aux résultats obtenus par la méthode du gradient conjugué et du bigradient conjugué. Enfin les premiers résultats concernant les équations de avier-stokes pour une cavité entrainée D seront présentés. Présentation de la méthode Afin de simplifier la présentation, la méthode sera présentée uniquement pour le cas D. On considère donc le problème suivant :

2 L(T) = G Trouver T(x,y) tel que +Conditions limites dans Ω = [ L,L] [ L,L] où L est l opérateur de notre équation de transfert, et G son second membre La méthode de séparation de variables, qui est une méthode itérative, consiste à chercher l inconnue sous la forme : T(x,y) = α i F i (x)g i (y) () où à chaque itérartion on ajoute à notre inconnue un terme supplémentaire α + F + (x)g + (y). Ce terme est obtenu par résolution d un problème non linéaire de taille restreinte ( x + y inconnues), où x est le nombre de noeuds dans la direction x et y le nombre de noeuds dans la direction y. Après discrétisation par différences finies, éléments finis ou volumes finis, et après avoir injecté () dans (), le problème peut se mettre sous la forme suivante : k= α i ( [A k ] {F i } [B k ] {G i } ) = G h (3) L opérateur L est donc discrétisé comme un produit tensoriel d opérateur [A k ] et [B k ] dans la direction x et y. Ces opérateurs sont appliqués chacun respectivement à F i (vecteur de taille x ) et a G i (vecteur de taille y ) qui sont la décomposition de notre solution dans la direction x et dans la direction y. L opérateur discrétisé [A k ] dans la direction x est donc de taille ( x, x ) et l opérateur discrétisé [B k ] dans la direction y est de taille ( y, y ). L indice nbo représente le nombre de couples d opérateurs nécéssaires pour la reconstruction de l opérateur général L de l équation (). Le second membre G quant à lui est de taille ( x, y ) il représente exactement la valeur du second membre en chaque point du maillage (Il peut être également exprimé sous la forme d un produit tensoriel de vecteurs de taille ( x,) ( y,)). L algorithme de résolution se décompose en trois étapes.. Si l on suppose que l on est à l itération +, la première étape consiste à calculer les nouvelles fonctions F + et G +, c est l étape d enrichissement.. Une fois ces fonctions calculées, nous calculons les + coefficients α i pondérant ces fonctions. 3. Enfin il nous reste à estimer l erreur afin de savoir si l on a convergé. Si ce n est pas le cas, il faut repasser par les étapes un et deux, et ce, jusqu à convergence. Ces trois étapes vont être détaillées dans les paragraphes qui suivent.. Enrichissement Supposons que nous soyons à l étape +. Les premières fonctions F i et G i sont connues et on cherche R et S tels que : T(x,y) = α i F i (x)g i (y) + R(x)S(y) (4) En injectant cette nouvelle forme de la solution dans le problème (3), on obtient le système d équation suivant : [ ([A k ] {R} [B k ] {S}) = G h α i ( [A k ] {F i } [B k ] {G i } )] (5) k= k= Ce système non linéaire est résolu à l aide d une méthode de point fixe. Ainsi pour calculer R on se fixe un S et on projette (5) sur un champ test de la forme R S. Cela nous donne un système linéaire de taille ( x, x ) à résoudre. Il en est de même lors de la recherche de S, le champ test devient R S et le systeme sera de taille ( y, y ). Ces deux calculs alternés s arrêtent lorsque les normes des différences entre le nouveau R et l ancien et le nouveau S et l ancien sont inférieures à un un paramètre donné par l utilisateur. Les dernieres fonctions R et S obtenues seront normées et mises égales à F + et G +. ()

3 . Calcul des coefficients alphas Connaissant les fonctions F i et G i il faut ensuite calculer les α i ( i + ). Pour calculer ces coefficients, on considere l équation (5) avec un champ test Ψ = α FG. Cela nous donne un système de taille (+,+)..3 Critère de convergence Pour estimer la convergence de l algorithme, on calcule le résidu du modèle (3) défini par : [ + res = α i ( [A k ] {F i } [B k ] {G i } ) ] G h (6) k= Lorsque la norme euclidienne de ce résidu est inférieure à un ǫ donné par l utilisateur, l algorithme a convergé, et la solution du problème est : T(x,y) = + α i F i (x)g i (y) (7) Si ce n est pas le cas, il faut enrichir notre solution en rajoutant un produit de fonction de x et de y. 3 Résultats Dans cette partie les résultats obtenus avec la méthode de séparation de variable pour la résolution de l équation de poisson D et 3D seront comparés aux résultats obtenus avec la méthode du gradient conjugué et la méthode du bigradient conjugué. Dans un second temps les premiers résultats concernant l écoulement dans une cavité entrainé D seront présentés. 3. Equation de Poisson D ous nous intéressons au problème suivant : { T(x,y) = x Chercher T(x,y) tel que y T Ω = T cl dans Ω =],[ ],[ (8) Les résulats seront comparés avec la solution analytique triviale : T(x,y) = (x4 y 4 ) Sur la figure () sont représentés les temps de calcul et l ereur en norme L par rapport à la solution analytique pour chaque solveur en fonction du nombre de noeuds dans une direction. Pour chacun des solveurs le critère de convergence est basé sur la norme du résidu (Equ.6) avec ǫ = temps(s) 5 erreur a) Temps de calcul b) Erreur L FIG. Comparaison du temps de calcul et de l erreur L en fonction du nombre de noeud, pour la résolution de l équation de Poisson D, entre les différents solveurs. On constate que la méthode la plus efficace en terme de temps de calcul est le gradient conjugué. En effet pour un maillage de taille (*) le gradient conjugué est fois plus rapide que les autres méthodes Les conditions limites sont calculées directement à partir de cette solution. Le nombre de noeuds dans chacune des directions est le même, le maillage est donc de taille. 3

4 (grad-conj=5s ; grad-biconj=66s ; sep-var=s). La méthode de séparation de variable quant à elle, est un peu plus rapide que le gradient bi-conjugué. En ce qui concere la précision du calcul on constate que le gradient conjugué est moins précis que les deux autres méthodes. La méthode de séparation de variable a un orde de précision proche du bi-gradient conjugué. Donc pour la résolution d une équation de Poisson D la méthode de séparation de variable ne parait pas s imposer, voyons maintenant ce qu il en est dans le cas 3D. 3. Equation de Poisson 3D ous nous intéressons au problème suivant : Chercher T(x,y) tel que { T(x,y) = x y z dans Ω =],[ ],[ ],[ T Ω = T cl (9) Par la suite nous comparerons les résulats avec la solution analytique triviale : T(x,y) = (x4 y 4 z 4 ). (Le critère de convergence a été pris égal à 5. 4 ) De la même manière que pour le cas D, la figure () représente le temps de calcul et la différence en norme L par rapport à la solution analytique en fonction du nombre de noeuds pour les trois méthodes. 4 4 temps(s) erreur a) Temps de calcul b) Erreur L FIG. Comparaison du temps de calcul et de l erreur L en fonction du nombre de noeud, pour la résolution de l équation de Poisson 3D, entre les différents solveurs. Cette figure nous permet de constater que la méthode de séparation de variable est beaucoup moins coûteuse en temps de calcul que les deux autres méthodes. En effet pour un maillage de taille 3 le gradient conjugué (qui était le solveur le plus rapide en D) met fois plus de temps de calcul que la méthode de séparation de variables(grad-conj=35s ; grad-biconj=5s ; sep-var=3s). De plus, en ce qui concerne la précision, les conclusions du D restent valables, à savoir que le gradient bi-conjugué et la séparation de variables ont une précison équivalente. En conclusion, pour l équation de Poisson 3D, à partir d un certain nombre de noeuds, la méthode de séparation de variable est plus rapide que les méthodes traditionnelles, pour une précision du même ordre de grandeur, quelque soit la méthode d inversion utilisée. 3.3 avier-stokes D Dans la suite, nous considérons l écoulement dans une cavité entrainée D ( le domaine est carré). Les conditions aux limites sont donc, vitesses nulles sur toutes les parois sauf sur la paroi supérieure où la vitesse est égale à une vitesse tangentielle U. Les équations de avier-stokes ont été résolues dans un maillage 5*5. Un algorithme de projection de Van-Kahn à été utilisé afin de découpler la vitesse et la pression Algorithme de Van-Kahn Il faut commencer par calculer la vitesse intermédiaire ũ à l aide de l équation suivante : { ũn u n t ν ( ũn u n ) + p n + 3 (un. )u n (un. )u n = ũ n = g sur Ω où la fonction g représente les conditions limites du problème Ensuite, pour calculer la correction de pression, il faut résoudre le prolème suivant : () 4

5 { p = t divũn p n = sur Ω () enfin les variables de pression et de vitesse sont actualisées de la maniere suivante : { u n+ = ũ n t p p n+ = p + p n () dans ce schéma nous allons vhercher u,v et p chacune comme F(x)G(y) à chaque étape de l algorithme de Van-Kahn Résultats Dans la suite, la figure (3) représente les profils de vitesse dans les axes médians de la cavité pour les deux nombres de Reynolds suivants : Re =, Re =. Les équations () et () ont été résolues, d une part à l aide du gradient bi-conjugué avec une formulation complète sur tout le domaine, d autre part à avec de la séparation de variables. Les résultats ainsi obtenus seront comparés avec les résultats de Ghia souvent cités comme référence Complet RE=..3.. Separation variable RE= Ghia RE= Complet RE= Separation variable RE= Ghia RE= Complet RE= Separation variable RE= Ghia RE= Complet RE= Separation variable RE= Ghia RE= a) Vitesse U à y=.5 b) Vitesse V à x=.5 FIG. 3 Comparaison des vitesses horizontales et verticales calculées à l aide du gradient bi-conjugué et de la méthode de séparation de variable avec les résulats de Ghia. La figure (3) nous permet de constater que les résultats obtenus par la méthode du bi-gradient conjugué et la méthode de séparation de variables sont en accord avec les résultats de Ghia. Cependant il est à noter une très légère différence entre les résultats obtenus par la méthode de séparation de variables et ceux de Ghia proche des parois pour un nombre de Reynolds de (qu on peut améliorer en modifiant le critère de convergence). a) U sep b) Erreur entre U sep et U complet FIG. 4 Isovaleurs du champ de vitesse horizontale calculé avec la méthode de séparation de variables et erreur de ce champ par rapport au modèle complet. 5

6 a) F b) G FIG. 5 5 premières fonctions F et G obtenues pour la vitesse U. La figure (4) quant à elle représente les isovaleurs du champ de vitesse horizontal pour Re = obtenu par la méthode de séparation de variable à droite et l erreur entre le champ de vitesse horizontal calculé en séparation de variable et avec le bi-gradient conjugué à gauche(err i,j = (U sepi,j U completi,j ) ). On constate que l erreur est de l ordre de 4, donc que les résultats sont similaires. Les mêmes conclusions peuvent être faites pour les isovaleurs de vitesse verticale ainsi que pour les isovaleur de pression. Ces résultats restent valables pour Re =. Comme nous sommes en D, et que l on a choisit un maillage de taille 5*5, la méthode de séparation de variable est plus lente que le bi-gradient conjugué. Cependant, on peut espérer, au vu des résultats sur l équation de Poisson 3D, qu en passant en trois dimensions, les résultats seront plus rapides. 4 Conclusion Dans cette communication, nous avons appliqué la méthode de séparation de variables aux équations de Poisson D et 3D ainsi qu aux équations de avier-stokes dans le cas d une cavité entrainée D. ous avons constaté que pour l équation de Poisson 3D, à partir d une certaine taille de maillage, la résolution était beaucoup plus rapide en séparation de variable qu avec les méthodes traditionnelles. ous n avons pas tenu compte ici du fait que le préconditionnement des méthodes du gradient conjugué et du bi-gradient conjugué améliore le taux de convergence de ces méthodes. Du fait de la faible taille du maillage le cas de la cavité entrainée en D ne nous permet de gagner du temps. Cependant les résultats sont cohérents avec ceux de la littérature. Au vu des résultats obtenus en 3D avec l équation de Poisson 3D, il est logique de penser qu en 3D avec des maillages fins, la méthode de séparation de variables nous permettra de gagner du temps pour la résolution des équations de avier-stokes. Références [] Ammar A., Mokdad B., Chinesta F., and Keunings R. A new family of solvers for some classes of multidimensionnal partial differential equations encountered in kinetic theory modeling of complex fluids. J. of on ewtonian Fluid Mechanics, 39, 53 76, 6. [] Ammar A., Mokdad B., Chinesta F., and Keunings R. A new family of solvers for some classes of multidimensionnal partial differential equations encountered in kinetic theory modeling of complex fluids. part ii : Transient simulation using space-time separated representations. J. of on ewtonian Fluid Mechanics, 44, 98, 7. [3] Chinesta F., Ammar A., Lemarchand F., Beauchene P., and Boust F. Alleviating mesh constraints : Model reduction, parallel time integration and high resolution homogenization. Computer methods in applied mechanics and engineering, 97, 4 43, 8. [4] ouy A. and Le Maitre O. Generalized spectral decomposition for stochastic nonlinear problems. Journal of Computational Physics, 8, 35, 9. 6

Une représentation séparée multi-échelle pour simuler le comportement mécanique des structures périodiques

Une représentation séparée multi-échelle pour simuler le comportement mécanique des structures périodiques Une représentation séparée multi-échelle pour simuler le comportement mécanique des structures périodiques Etienne Pruliere, Sondes Metoui, Amine Ammar, Frédéric Dau, Ivan Iordanoff To cite this version:

Plus en détail

Abaques Numériques: Visualisation et Post-Traitement de solutions à Variable Séparée. Application Visualisation Web.

Abaques Numériques: Visualisation et Post-Traitement de solutions à Variable Séparée. Application Visualisation Web. Abaques Numériques: Visualisation et Post-Traitement de solutions à Variable Séparée. Application Visualisation Web. Felipe Bordeu, Adrien Leygue, Francisco Chinesta To cite this version: Felipe Bordeu,

Plus en détail

POD et Méthode LATIN multiéchelle en temps et en espace

POD et Méthode LATIN multiéchelle en temps et en espace POD et Méthode LATIN multiéchelle en temps et en espace J.C. Passieux 1, P. Ladevèze 1,2, D. Néron 1 1 LMT (ENS de Cachan/CNRS/UPMC/PRES UniverSud Paris) 61, avenue du président Wilson, 94235 CACHAN CEDEX

Plus en détail

Intégration dans ISIS d un r leur Fluide-Structure

Intégration dans ISIS d un r leur Fluide-Structure Intégration dans ISIS d un remailleur Fluide-Structure Remailleur Fluide-Structure 14 Mai 2007 Contenu de l exposé 1 Le solveur fluide 2 3 d utilisation ROBEA Le Batteur-Caisse Potentialités d ISIS-CFD

Plus en détail

Méthodes itératives de résolution des

Méthodes itératives de résolution des Chapitre 4 Méthodes itératives de résolution des systèmes linéaires 4.1 Généralités On se donne une matrice inversible A et un système linéaire Au = b. (4.1) On désire transformer (4.1) en un système équivalent

Plus en détail

Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique. Discrétisation des EDP. Dr H.

Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique. Discrétisation des EDP. Dr H. Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique Discrétisation des EDP Dr H. Madani 1 Les trois familles des EDP Les différences finies: la méthode consiste

Plus en détail

Introduction aux méthodes numériques de résolution des équations aux dérivées partielles (EDP)

Introduction aux méthodes numériques de résolution des équations aux dérivées partielles (EDP) Introduction aux méthodes numériques de résolution des équations aux dérivées partielles (EDP) Cours 1 Sébastien Deheuvels, Laurène Jouve Institut de Recherche en Astrophysique et Planétologie Octobre

Plus en détail

MATHÉMATIQUES I : Algèbre linéaire et calcul MAT102 VIRGINIE CHARETTE DÉPARTEMENT DE MATHÉMATIQUES UNIVERSITÉ DE SHERBROOKE

MATHÉMATIQUES I : Algèbre linéaire et calcul MAT102 VIRGINIE CHARETTE DÉPARTEMENT DE MATHÉMATIQUES UNIVERSITÉ DE SHERBROOKE MATHÉMATIQUES I : Algèbre linéaire et calcul MAT102 VIRGINIE CHARETTE DÉPARTEMENT DE MATHÉMATIQUES UNIVERSITÉ DE SHERBROOKE Hiver 2009 Remarques sur le texte. 1- Les définitions principales et les théorèmes

Plus en détail

APPLICATION DES ELEMENTS FINIS AUX PROBLEMES A NOMBRE ELEVE DE DEGRES DE LIBERTE

APPLICATION DES ELEMENTS FINIS AUX PROBLEMES A NOMBRE ELEVE DE DEGRES DE LIBERTE APPLICATION DES ELEMENTS FINIS AUX PROBLEMES A NOMBRE ELEVE DE DEGRES DE LIBERTE Jean-Baptiste Leblond Institut Jean Le Rond d Alembert, Université Pierre et Marie Curie (Paris 6) Institut Universitaire

Plus en détail

Méthodes de résolution approximatives Applications aux problèmes de l ingénieur mécanique

Méthodes de résolution approximatives Applications aux problèmes de l ingénieur mécanique 1 / 60 Pb. types Diff. finies Éléments finis Pb. cond. rives Méthode sol. Exemple Méthodes de résolution approximatives Applications aux problèmes de l ingénieur mécanique 2 / 60 Pb. types Diff. finies

Plus en détail

Application de la méthode RRE aux problèmes de Navier-Stokes

Application de la méthode RRE aux problèmes de Navier-Stokes Application de la méthode RRE aux problèmes de Navier-Stokes Sébastien DUMINIL L.M.P.A Université du Littoral - Calais en collaboration avec H. Sadok et D. Silvester SMAI 2011 Guidel - 27 Mai 2011 Plan

Plus en détail

Une méthode de Gauge pour Navier-Stokes incompressible utilisant des ondelettes à divergence nulle ou à rotationnel nul

Une méthode de Gauge pour Navier-Stokes incompressible utilisant des ondelettes à divergence nulle ou à rotationnel nul 1 Une méthode de Gauge pour Navier-Stokes incompressible utilisant des ondelettes à divergence nulle ou à rotationnel nul Souleymane Kadri-Harouna, Valérie Perrier Laboratoire Jean Kuntzmann LJK Grenoble

Plus en détail

Methodes d Optimisation Assimilation de données Méthode du gradient conjugué

Methodes d Optimisation Assimilation de données Méthode du gradient conjugué Methodes d Optimisation Assimilation de données Méthode du gradient conjugué BIZZARI Romain MUSCAT Laurent VAUBOURG Audrey 3HY MSN 24 Octobre 2014 Sommaire Introduction 3 1 Explication de la méthode 4

Plus en détail

Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique. Définitions. Dr H. Madani

Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique. Définitions. Dr H. Madani Cours des Méthodes Numériques Appliquées Master I Energie Solaire- Département de Génie Mécanique Définitions Dr H. Madani 1 Introduction Le calcul numérique est une branche des mathématiques appliquées

Plus en détail

Conditions de transmission quasi-locales pour des méthodes de décomposition de domaine appliquées à un problème de diffraction.

Conditions de transmission quasi-locales pour des méthodes de décomposition de domaine appliquées à un problème de diffraction. Conditions de transmission quasi-locales pour des méthodes de décomposition de domaine appliquées à un problème de diffraction. M. Lecouvez (1), B. Stupfel (1), P. Joly (2) et F.Collino (2) (1) CEA-Cesta,

Plus en détail

En utilisant le principe de l énergie complémentaire à l erreur e h, montrer que (voir cours, section pour la définition de H(div))

En utilisant le principe de l énergie complémentaire à l erreur e h, montrer que (voir cours, section pour la définition de H(div)) Estimation d erreur a posteriori Sujet proposé par O Pantz olivierpantz@polytechniqueorg Objectif La grande majeure partie des équations aux dérivées partielles issues de la physique n ont pas de solutions

Plus en détail

Contrôle optimal des écoulements par des modèles d ordre réduit basés sur la POD et la PGD

Contrôle optimal des écoulements par des modèles d ordre réduit basés sur la POD et la PGD Contrôle optimal des écoulements par des modèles d ordre réduit basés sur la POD et la PGD Mourad OULGHELOU a, Cyrille ALLERY a a LaSIE UMR - 7356 CNRS - Université de La Rochelle Avenue Michel Crépeau,

Plus en détail

AMéthode de parallélisation en temps: Application aux méthodes de décomposition de domaine

AMéthode de parallélisation en temps: Application aux méthodes de décomposition de domaine 1/17 AMéthode de parallélisation en temps: Application aux méthodes de décomposition de domaine Rim Guetat sous la direction de M. Yvon Maday Laboratoire Jacques Lious Lions Université Pierre et Marie

Plus en détail

1 Construction par couche d un matériau élastique

1 Construction par couche d un matériau élastique GEFDYN - Tests de construction par couches 1D d un sol bi-phasique saturé 1 Tests de construction par couches 1D d un sol bi-phasique saturé 12 avril 6 Fernando Lopez-Caballero & Arezou Modaressi Version

Plus en détail

Mécanique des fluides : microfluidique

Mécanique des fluides : microfluidique Simulation d écoulements microfluidiques : Etude unidimensionnelle du Stacking Microfluidic flow simulation: Stacking one-dimensional study Glawdys Alexis-Alexandre Université Montpellier II, France Bijan

Plus en détail

Réduction dimensionnelle de type PGD pour le. calcul numérique d agrégats polycristallin soumis à. des chargements cycliques

Réduction dimensionnelle de type PGD pour le. calcul numérique d agrégats polycristallin soumis à. des chargements cycliques Réduction dimensionnelle de type pour le calcul numérique d agrégats polycristallin soumis à des chargements cycliques M.A. Nasri a, C. Robert a, F. Morel a, S. EL Arem a, A. Ammar a a. Arts et Métiers

Plus en détail

Chapitre 4. Résolution numérique de systèmes linéaires par méthode itérative. I méthodes stationnaires. 4.1 Introduction. Sommaire

Chapitre 4. Résolution numérique de systèmes linéaires par méthode itérative. I méthodes stationnaires. 4.1 Introduction. Sommaire Chapitre 4 Résolution numérique de systèmes linéaires par méthode itérative. I méthodes stationnaires Sommaire 4.1 Introduction................................ 1 4.2 Norme de vecteurs et de matrices...................

Plus en détail

Simulation à précision spectrale d écoulements en cavité entraînée déformée

Simulation à précision spectrale d écoulements en cavité entraînée déformée Simulation à précision spectrale d écoulements en cavité entraînée déformée Alexis Redondo, Guillaume Kasperski + & Gérard Labrosse Université Paris-Sud XI, LIMSI-CNRS Campus d Orsay, Bât. 508, 9405 Orsay

Plus en détail

Reduced-gravity simulation of a baroclinic eddy in the Gulf of Mexico.

Reduced-gravity simulation of a baroclinic eddy in the Gulf of Mexico. Reduced-gravity simulation of a baroclinic eddy in the Gulf of Mexico. This simulation is several orders of magnitude cheaper than a constant resolution one of the same accuracy! The Finite Element Method

Plus en détail

Amélioration de la précision et de l efficacité d une méthode d adaptation de maillage cartésien

Amélioration de la précision et de l efficacité d une méthode d adaptation de maillage cartésien Amélioration de la précision et de l efficacité d une méthode d adaptation de maillage cartésien Olivier SAUNIER, Christophe BENOIT et Gaëlle JEANFAIVRE ONERA Département de Simulation Numérique et Aéroacoustique

Plus en détail

Ecoulement autour d un cylindre

Ecoulement autour d un cylindre MECA-2120 Introduction aux éléments finis : projet 08-09 1 Ecoulement autour d un cylindre L objectif du projet est de vous initier aux difficultés de la mise au point et de la certification d une application

Plus en détail

Boulevard Marie et Pierre CURIE, Téléport 2, BP 30179, Futuroscope Cedex

Boulevard Marie et Pierre CURIE, Téléport 2, BP 30179, Futuroscope Cedex Système d équations intégrales de frontière pour les dérivées partielles d une fonction harmonique dans un ouvert du plan. Application à un problème inverse de Cauchy Alain Cimetière * Franck Delvare **

Plus en détail

Résumé de cours sur les équations différentielles.

Résumé de cours sur les équations différentielles. Résumé de cours sur les équations différentielles. Table des matières 1 Préliminaires et vocabulaire 2 2 ED linéaires d ordre 1 à coefficients constants, homogènes 3 2.1 Forme de l équation...................................

Plus en détail

Couplage faible hydraulique et thermique dans la modélisation du refroidissement d une pièce automobile

Couplage faible hydraulique et thermique dans la modélisation du refroidissement d une pièce automobile Couplage faible hydraulique et thermique dans la modélisation du refroidissement d une pièce automobile R. Choufany 1,2, G. Lavaud 1, M. Albertelli 1 P. Breitkopf 2, C. Vayssade 2 1 Renault, Technocentre,

Plus en détail

Méthodes numériques. Transport et diffusion G. ALLAIRE. Cours no. 5 le 11/I/2016. Différences finies en 1-d: rappels

Méthodes numériques. Transport et diffusion G. ALLAIRE. Cours no. 5 le 11/I/2016. Différences finies en 1-d: rappels 1 G. ALLAIRE Cours no. 5 le 11/I/2016 Méthodes numériques Différences finies en 1-d: rappels Equation de diffusion stationnaire Equation de transport Equation de transport stationnaire 2 (1) Rappels: différences

Plus en détail

Simulation d un problème de contact par des méthodes de réduction de modèle pour une application temps réel

Simulation d un problème de contact par des méthodes de réduction de modèle pour une application temps réel Simulation d un problème de contact par des méthodes de réduction de modèle pour une application temps réel B. Lefèvre, F. Druesne, J.-L. Dulong, P. Villon Laboratoire Roberval - Université de echnologie

Plus en détail

R ij = ( ) 3. On trouve la matrice E (une colonne de taille 1 N) des tensions des générateurs.

R ij = ( ) 3. On trouve la matrice E (une colonne de taille 1 N) des tensions des générateurs. xercice ) L algorithme de l application de la méthode matricielle est le suivant: Tout d abord il faut fixer les mailles en lesquelles on décomposera le circuit Il faut aussi fixer la direction du courant

Plus en détail

Hydraulique des terrains

Hydraulique des terrains Hydraulique des terrains Séance 6 : Calcul des pertes de charges Guilhem MOLLON GEO3 2012-2013 Plan de la séance A. Régime laminaire 1. Profil de vitesse 2. Calcul de débit 3. Pertes de charge B. Régime

Plus en détail

Pour comprendre la méthode des éléments finis

Pour comprendre la méthode des éléments finis 1 Pour comprendre la méthode des éléments finis Thibaud Kloczko OPALE Project-Team INRIA Sophia-Antipolis Méditerranée Thibaud.Kloczko@inria.fr Tribune DREAM November 23 th, 2010 Sophia-Antopolis, FRANCE

Plus en détail

Analyse du comportement non linéaire des structures par la méthode des éléments finis. Christian Rey

Analyse du comportement non linéaire des structures par la méthode des éléments finis. Christian Rey Analyse du comportement non linéaire des structures par la méthode des éléments finis Christian Rey christian.rey@safran.fr Mastère Spécialisé Design des Matériaux et des Structures DMS 1 1 Plan du cours

Plus en détail

Écoulement de l air dans les voies aériennes

Écoulement de l air dans les voies aériennes Écoulement de l air dans les voies aériennes Driss Yakoubi Groupe de travail Modélisation numérique et Images. MAP5, Université Paris Descartes. 10 Avril 2009. Driss Yakoubi (Projet REO, INRIA) Écoulement

Plus en détail

Qualité des calculs par éléments finis

Qualité des calculs par éléments finis Qualité des calculs par éléments finis 16 mars 2011 Philippe Mestat (Ifsttar) Qu est-ce qu un bon modèle de calcul? Qu est-ce qu un modèle correct? Qualité des données Qualité du logiciel Cohérence des

Plus en détail

MEC6212: GENERATION de MAILLAGES. Travail pratique: Génération de mailles par des équations différentielles elliptiques.

MEC6212: GENERATION de MAILLAGES. Travail pratique: Génération de mailles par des équations différentielles elliptiques. MEC6212: GENERATION de MAILLAGES Travail pratique: Génération de mailles par des équations différentielles elliptiques 28 janvier 2018 Énoncé L objectif est de mailler un domaine 2D défini à partir de

Plus en détail

Décomposition en sous-domaines : Méthodes de Schwarz

Décomposition en sous-domaines : Méthodes de Schwarz MATH0471 Projet de calcul scientifique multiphysique Décomposition en sous-domaines : Méthodes de Schwarz R. Boman & C. Geuzaine March 17, 2014 ULg, Liège, Belgium MATH0471 Cours 5 1 / 27 Table des matières

Plus en détail

Décomposition de domaine pour un milieu poreux fracturé : un modèle en 3D avec fractures qui s intersectent

Décomposition de domaine pour un milieu poreux fracturé : un modèle en 3D avec fractures qui s intersectent Décomposition de domaine pour un milieu poreux fracturé : un modèle en 3D avec fractures qui s intersectent Laila AMIR 1,2, Michel KERN 1, Vincent MARTIN 1,3, Jean E ROBERTS 1 1 INRIA-Rocquencourt, B.P.

Plus en détail

Régression linéaire et non linéaire

Régression linéaire et non linéaire Régression linéaire et non linéaire Mark Asch Septembre 2010 TADE - EDSS, UPJV 2010-11 1 Régression linéaire 1.1 La droite de moindres carrés Le problème suivant est souvent rencontré dans tous les domaines

Plus en détail

Méthode de raccord multi-domaines non-conforme pour les écoulements multiphasiques

Méthode de raccord multi-domaines non-conforme pour les écoulements multiphasiques Méthode de raccord multi-domaines non-conforme pour les écoulements multiphasiques B. RAVERDY Institut de Radioprotection et de Sûreté Nucléaire, (IRSN) Fontenay-aux-Roses, 92262, France. bruno.raverdy@irsn.fr

Plus en détail

Méthode de régularisation évanescente pour l identification à partir de mesures de champs partielles

Méthode de régularisation évanescente pour l identification à partir de mesures de champs partielles 3 ème Congrès Français de Mécanique Lille, 8 Août au 1 er Septembre 17 Méthode de régularisation évanescente pour l identification à partir de mesures de champs partielles L. CAILLÉ a, F. DELVARE b, N.

Plus en détail

Simulation numérique, contexte

Simulation numérique, contexte Introduction à la Simulation Numérique Jérémie Gressier Septembre 21 1 / 41 Plan 1 Présentation 2 Différences Finies 3 Intégration d un problème de Cauchy 4 Conclusion 2 / 41 Simulation numérique, contexte

Plus en détail

Identification des paramètres d une prise de vue

Identification des paramètres d une prise de vue Identification des paramètres d une prise de vue Résumé Dans ce texte, on s intéresse à la détermination de la position et des réglages d un appareil de photographie à partir d une photo dont on a reconnu

Plus en détail

Méthode de gradient (3) Méthodes numériques pour l optimisation. Problème d optimisation sans contrainte

Méthode de gradient (3) Méthodes numériques pour l optimisation. Problème d optimisation sans contrainte Méthode de gradient (1 Problème d optimisation sans contrainte inf J(v, v V V Hilbert Méthodes numériques pour l optimisation Gabriel STOLTZ stoltz@cermics.enpc.fr (CERMICS, Ecole des Ponts & Equipe-projet

Plus en détail

Résolution des problèmes de plasticité par la méthode asymptotique numérique

Résolution des problèmes de plasticité par la méthode asymptotique numérique Résolution des problèmes de plasticité par la méthode asymptotique numérique H. Zahrouni* B. Braikat** N. Damil** M. Potier-Ferry* * L.P.M.M. UMR CNRS 7554 I.S.G.M.P. Université de MetzIle du Saulcy 5745

Plus en détail

RÉDUCTION DE MODÈLE EN MÉCANIQUE NON LINÉAIRE. David Ryckelynck M. Abbas, D. Amsallem, F. Chinesta, A. Hamdouni, E. Hachem, J.

RÉDUCTION DE MODÈLE EN MÉCANIQUE NON LINÉAIRE. David Ryckelynck M. Abbas, D. Amsallem, F. Chinesta, A. Hamdouni, E. Hachem, J. RÉDUCTION DE MODÈLE EN MÉCANIQUE NON LINÉAIRE David Ryckelynck M. Abbas, D. Amsallem, F. Chinesta, A. Hamdouni, E. Hachem, J. Salomon M. Abbas, D. Amsallem, A. Hamdouni, E. Hachem, F. Chinesta, G. Peyre,

Plus en détail

Étude de la propagation d une onde dans une tige métallique

Étude de la propagation d une onde dans une tige métallique 023456789023456789 Étude de la propagation d une onde dans une tige métallique hétérogène Véronique Duwig (veronique.duwig@edf.fr) Les réponses aux questions seront mises sous la forme d un rapport illustré

Plus en détail

Équations de Lamé. Chapitre 5. Sommaire. O. Thual, 26 mai 2013

Équations de Lamé. Chapitre 5. Sommaire. O. Thual, 26 mai 2013 Chapitre 5 Équations de Lamé O. Thual, 26 mai 2013 Sommaire 1 Loi de Hooke....................... 2 1.1 Loi de Hooke généralisée................ 2 1.2 Cas homogène et isotrope............... 3 1.3 Équations

Plus en détail

1 Etude d un guide d onde

1 Etude d un guide d onde Projet C7-1, c Patrick Ciarlet 2010 1 1 Etude d un guide d onde Dans un milieu hétérogène, le champ électromagnétique (E,B) est solution des équations de Maxwell : ε E t rot (µ 1 B) = J, B t + rot E =

Plus en détail

Discrétisation temporelle, Méthodes de splitting

Discrétisation temporelle, Méthodes de splitting Discrétisation temporelle, Méthodes de splitting S. Descombes 2 T. Dumont 1 V. Louvet 1 M. Massot 3 1 Institut Camille Jordan - Université Claude Bernard Lyon 1 2 Laboratoire J.A. Dieudonné, Université

Plus en détail

Laboratoire Ampère UMR 5005 CNRS. Calcul de champs électromagnétiques ELF dans le corps humain par la méthode des Eléments Finis

Laboratoire Ampère UMR 5005 CNRS. Calcul de champs électromagnétiques ELF dans le corps humain par la méthode des Eléments Finis Laboratoire Ampère UMR 5005 CNRS Calcul de champs électromagnétiques ELF dans le corps humain par la méthode des Eléments Finis N. Burais, J. Dardenne, O. Fabregues, L. Nicolas, R. Perrussel, R. Scorretti,

Plus en détail

Méthode d Optimisation

Méthode d Optimisation Méthode d Optimisation Programmation du gradient conjugué BIZZARI - MUSCAT - VAUBOURG 14 Octobre 2014 Sommaire 1 Introduction 2 Explication de la méthode 3 Résultats 4 Alternatives 5 Comparaison des méthodes

Plus en détail

Réseaux d automates stochastiques à temps discret

Réseaux d automates stochastiques à temps discret Réseaux d automates stochastiques à temps discret Anne Benoit Laboratoire Informatique et Distribution, Grenoble http://www.id-imag.fr Anne.Benoit@imag.fr AEP8 SANs à temps discret p.1/27 Motivations Croissance

Plus en détail

Analyse du comportement non linéaire des structures par la méthode des éléments finis. Christian Rey

Analyse du comportement non linéaire des structures par la méthode des éléments finis. Christian Rey Analyse du comportement non linéaire des structures par la méthode des éléments finis Christian Rey christian.rey@safrangroup.com Mastère Spécialisé Design des Matériaux et des Structures DMS 1 Plan du

Plus en détail

Chp. 7. Algorithmes de gradient conjugué

Chp. 7. Algorithmes de gradient conjugué Chp. 7. Algorithmes de gradient conjugué 7.1 Première idée fondamentale Appliquons l algorithme de gradient à pas optimal à la minimisation d une forme quadratique elliptique : f = (1/2) x T Q x, où :

Plus en détail

PT* IPT-TD n 4. TD4 : résolution des équations de la chaleur

PT* IPT-TD n 4. TD4 : résolution des équations de la chaleur TD4 : résolution des équations de la chaleur mots clés : équations différentielles aux dérivées partielles fonctions python utilisées : matplotlib.pyplot.imshow permettant la représentation d un tableau

Plus en détail

Application de la méthode des frontières immergées aux équations de Navier-Stokes

Application de la méthode des frontières immergées aux équations de Navier-Stokes Application de la méthode des frontières immergées aux équations de Navier-Stokes Joris Picot Stéphane Glockner Thomas Milcent Delphine Lacanette GdT I2M TREFLE 17 décembre 2015 Planches restantes : 26

Plus en détail

M1 CSy module P8 PROJET DE SIMULATION AVEC MATLAB Commande de la position angulaire d une antenne

M1 CSy module P8 PROJET DE SIMULATION AVEC MATLAB Commande de la position angulaire d une antenne M1 CSy module P8 PROJET DE SIMULATION AVEC MATLAB Commande de la position angulaire d une antenne Christophe Calmettes & Jean-José Orteu On considère le système représenté sur la figure 1 et constitué

Plus en détail

Rupture dynamique ou rupture quasi-statique : quelques éléments de comparaison

Rupture dynamique ou rupture quasi-statique : quelques éléments de comparaison Rupture dynamique ou rupture quasi-statique : quelques éléments de comparaison Pierre-Emmanuel Dumouchel (, ) & Jean-Jacques Marigo ( ) ( ) LMM (UMR 7607 ) Université Paris VI 4 Place Jussieu 75005 Paris

Plus en détail

Compte Rendu de Calcul Parallèle

Compte Rendu de Calcul Parallèle Compte Rendu de Calcul Parallèle Erik Pernod & Rebecca Bonnet Le but de ce TP est d étudier une résolution d équation aux dérivées partielles (EDP) afin de montrer d une part l efficacité et l utilité

Plus en détail

Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009. Analyse Numérique. Corrigé du TD 8

Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009. Analyse Numérique. Corrigé du TD 8 Analyse Numérique Corrigé du TD 8 EXERCICE 1 Convergence de méthodes itératives linéaires 11 Relation entre le rayon spectral et les normes matricielles Soit A une matrice carrée d ordre n > A = (a ij

Plus en détail

Approximation au sens des moindres carrés

Approximation au sens des moindres carrés Approximation au sens des moindres carrés Grégory Vial 5 mars 23 Une manière simple d approcher une fonction f par une suite de polynômes p n sur un intervalle est d utiliser l interpolation de Lagrange.

Plus en détail

Code_Aster. SDNS01 - Modèle probabiliste non paramétrique - paramétrique d une plaque en flexion avec non linéarités localisées de choc

Code_Aster. SDNS01 - Modèle probabiliste non paramétrique - paramétrique d une plaque en flexion avec non linéarités localisées de choc Titre : SDNS01 - Modèle probabiliste non paramétrique pa[...] Date : 06/01/2009 Page : 1/12 Organisme(s) : EDF-R&D/AMA Manuel de Validation Fascicule V5.06 : Dynamique non linéaire des coques et plaques

Plus en détail

ANNEXE 3 RESULTATS MODELISATION 3D Réalisée par l Ecole Centrale de Lyon (LMFA)

ANNEXE 3 RESULTATS MODELISATION 3D Réalisée par l Ecole Centrale de Lyon (LMFA) ANNEXE 3 RESULTATS MODELISATION 3D Réalisée par l Ecole Centrale de Lyon (LMFA) Présentation de la chaine de modélisation 3D fine échelle mise en œuvre... 2 Choix de la chaine de modélisation Flow Air

Plus en détail

Simulation du comportement d un échangeur Air/sol destiné au rafraîchissement des locaux

Simulation du comportement d un échangeur Air/sol destiné au rafraîchissement des locaux Premier Séminaire National de Génie Mécanique (SNGM01) Biskra, 7 et 8 Décembre 2011 Simulation du comportement d un échangeur Air/sol destiné au rafraîchissement des locaux H. Nebbar 1, Noureddine Moummi

Plus en détail

Correction TD1 : Approximation de fonctions

Correction TD1 : Approximation de fonctions Grenoble INP Pagora ère année Analyse numérique 7 Correction TD : Approximation de fonctions Méthode des moindres carrés Exercice (régression linéaire pondérée). Soit le modèle de régression linéaire f(x,

Plus en détail

Restauration. Isabelle Bloch. Ecole Nationale Supérieure des Télécommunications - CNRS UMR 5141 LTCI Paris - France

Restauration. Isabelle Bloch. Ecole Nationale Supérieure des Télécommunications - CNRS UMR 5141 LTCI Paris - France Restauration Isabelle Bloch http://perso.telecom-paristech.fr/ bloch Ecole Nationale Supérieure des Télécommunications - CNRS UMR 5141 LTCI Paris - France Restauration p.1/16 Restauration : définition

Plus en détail

Simulation numérique avancée

Simulation numérique avancée Simulation numérique avancée Franck Jourdan LMGC - jourdan@lmgc.univ-montp2.fr Franck Nicoud I3M franck.nicoud@univ-montp2.fr Simulation numérique avancée 3. Schémas évolués pour la convection A la fin

Plus en détail

Réponses aux exercices du chapitre 3

Réponses aux exercices du chapitre 3 Réponses aux exercices du chapitre 3 Numéro 8. Résoudre les systèmes linéaires suivants par la méthode de décomposition LU de Crout (sans permutation de lignes). b) 4 0 4 3 4 3 3 x x x 3 x 4 = Solution

Plus en détail

Résolution d équations différentielles avec Matlab

Résolution d équations différentielles avec Matlab Résolution d équations différentielles avec Matlab Olivier Gauthé 1 Rappel sur les équations différentielles 1.1 Définition et généralités Une équation différentielle ordinaire (ODE, ordinary differential

Plus en détail

Régularisation de problèmes inverses par l utilisation de maillages adaptatifs

Régularisation de problèmes inverses par l utilisation de maillages adaptatifs Régularisation de problèmes inverses par l utilisation de maillages adaptatifs Guillaume Puel Denis Aubry Laboratoire MSSMat (École Centrale Paris - CNRS UMR 8579) Grande Voie des Vignes F-92295 Châtenay-Malabry

Plus en détail

Compte Rendu, Simulation en Mécanique des Fluides Numériques

Compte Rendu, Simulation en Mécanique des Fluides Numériques Compte Rendu, Simulation en Mécanique des Fluides Numériques Doriano -Boris POUGAZA Sous la direction du Prof Anthony Wachs de l'institut Français du Pétrole (IFP) 1 er février 2008 1 Généralités Notre

Plus en détail

Chapitre 3 MÉTHODES ITÉRATIVES POUR LA RÉSOLUTION DES

Chapitre 3 MÉTHODES ITÉRATIVES POUR LA RÉSOLUTION DES Chapitre 3 MÉTHODES ITÉRATIVES POUR LA RÉSOLUTION DES SYSTÈMES LINÉAIRES Chapitre 3 MÉTHODES ITÉRATIVES POUR LA RÉSOLUTION DES SYSTÈMES LINÉAIRES 3. Introduction On va étudier les méthodes itératives pour

Plus en détail

Méthode Newton-asymptotique pour la résolution des équations de saint-venant. Sofiane Hadji,

Méthode Newton-asymptotique pour la résolution des équations de saint-venant. Sofiane Hadji, VIII èmes Journées Nationales Génie Civil Génie Côtier, Compiègne, 7-9 septembre 24 Méthode Newton-asymptotique pour la résolution des équations de saint-venant Sofiane Hadji, Ingénieur R&D,UTC, Dépt GSM,

Plus en détail

Université Pierre et Marie Curie-Paris 6 - Eléments de Mathématiques. Feuille d exercices n 4 : Calculus

Université Pierre et Marie Curie-Paris 6 - Eléments de Mathématiques. Feuille d exercices n 4 : Calculus Université Pierre et Marie Curie-Paris 6 - Eléments de Mathématiques Feuille d exercices n 4 : Calculus Dans ce qui suit, l espace euclidien de dimension 3 est rapporté à un repère orthonormé direct (O;

Plus en détail

Cours 3. Algorithmes d optimisation sous contraintes

Cours 3. Algorithmes d optimisation sous contraintes Cours 3. Algorithmes d optimisation sous contraintes A. Désilles 2 octobre 2015 A. Désilles Cours 3. Algorithmes d optimisation sous contraintes 2 octobre 2015 1 / 19 Resume Résumé 1 Problème d optimisation

Plus en détail

)(x1,x2) = f(x1,x2). ˆx 2 1 ˆx 2 2

)(x1,x2) = f(x1,x2). ˆx 2 1 ˆx 2 2 Cours #1 Introduction aux Di érences Finies 1. Introduction et plan De nombreux phénomènes physiques (au sens large) peuvent être représentés / modélisés par une Equation aux Dérivées Partielles (EDP).

Plus en détail

Calcul d écoulements par méthode Vortex

Calcul d écoulements par méthode Vortex Calcul d écoulements par méthode Vortex Jérémie Gressier mars 2007 1/42 incompressible Bilan de masse Bilan de quantité de mouvement div(ρv) = 0 V t + div(v V) = g 1 ( gradp + div ν ) gradv ρ si la viscosité

Plus en détail

3. SYSTEMES LINEAIRES

3. SYSTEMES LINEAIRES 3 SYSTEMES LINEAIRES 31 Définition Un système linéaire est un ensemble de m équations linéaires à n variables Il a la forme générale suivante : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x

Plus en détail

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE LINEAIRE Module 2 Structure Euclidienne PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé December 5, 2008 Table des Matières Espaces euclidiens Orthogonalité - Espaces euclidiens..............................

Plus en détail

Optimisation globale et applications en

Optimisation globale et applications en Optimisation applications en Laurent Dumas Laboratoire Jacques-Louis Lions,UPMC 2 octobre 2006 1 Exemples de problèmes en 2 globale 3 Principaux résultats 4 1 Exemples de problèmes en : pose d un stent

Plus en détail

Chapitre Eléments finis en dimension N 2

Chapitre Eléments finis en dimension N 2 1 Chapitre 6 6.3 Eléments finis en dimension N 2 Plan du cours: 6.3.1 Eléments finis triangulaires (de Lagrange) 6.3.2 Convergence et estimation d erreur 6.3.3 Eléments finis rectangulaires (de Lagrange)

Plus en détail

Introduction à la Tomographie

Introduction à la Tomographie Introduction à la Tomographie Thibault Marzais LAIC IUT département Informatique BP 86 63173 AUBIÈRE CEDEX FRANCE marzais@laic.u-clermont1.fr 26/27 Octobre 2006 /19 Thibault Marzais Introduction à la Tomographie

Plus en détail

Analyse numérique : Approximation de fonctions

Analyse numérique : Approximation de fonctions Analyse numérique : Approximation de fonctions Pagora 1A Chapitre 3 29 janvier - 1er février 2013 Analyse numérique (Pagora 1A) Approximation de fonctions 29/01/13-1/02/13 1 / 64 Plan 1 Introduction 2

Plus en détail

SIMULATION DES PERFORMANCES AERODYNAMIQUES D UNE EOLIENNE A AXE HORIZONTAL

SIMULATION DES PERFORMANCES AERODYNAMIQUES D UNE EOLIENNE A AXE HORIZONTAL SIMULATION DES PERFORMANCES AERODYNAMIQUES D UNE EOLIENNE A AXE HORIZONTAL Y. EL KHCHINE 1, M. SRITI 2, M. OUARIAGLI 3 1. Faculté Polydisciplinaire de Taza ; younes.elkhchine@usmba.ac.ma 2. Faculté Polydisciplinaire

Plus en détail

TD-PT4 : Fluides en écoulement

TD-PT4 : Fluides en écoulement TD-PT4 : Fluides en écoulement Révisions de cours : Définir une particule de fluide comme un système mésoscopique de masse constante. Décrire le champ eulérien des vitesses par opposition à la description

Plus en détail

Méthode Arlequin multi-schéma pour la dynamique non linéaire des structures

Méthode Arlequin multi-schéma pour la dynamique non linéaire des structures Méthode rlequin multi-schéma pour la dynamique non linéaire des structures Tristan Maquart, Sébastien aguet, Thouraya aranger To cite this version: Tristan Maquart, Sébastien aguet, Thouraya aranger. Méthode

Plus en détail

Etude du Transfert Thermique dans la Zone d Entrée d un Echangeur de Chaleur à Double Tubes Concentriques. F. Bencheikh et A.

Etude du Transfert Thermique dans la Zone d Entrée d un Echangeur de Chaleur à Double Tubes Concentriques. F. Bencheikh et A. Rev. Energ. Ren. : Chemss 17-3 Etude du Transfert Thermique dans la Zone d Entrée d un Echangeur de Chaleur à Double Tubes Concentriques Institut de Mécanique, Université de Blida, B.P. 7, Blida, Algérie

Plus en détail

Résolution d équations différentielles avec Matlab

Résolution d équations différentielles avec Matlab Résolution d équations différentielles avec Matlab Olivier Gauthé 1 Rappel sur les équations différentielles 1.1 Définition et généralités Une équation différentielle ordinaire (ODE, ordinary differential

Plus en détail

Quelques idées en optimisation illustrées par l élastographie

Quelques idées en optimisation illustrées par l élastographie Quelques idées en optimisation illustrées par l élastographie Jérôme Fehrenbach 1, Mohamed Masmoudi 2 1 Laboratoire de Mathématiques de Versailles 2 Institut de Mathématiques de Toulouse CSMA - UTC - 30

Plus en détail

Analyse de la vidéo. Chapitre Estimation du mouvement. 23 décembre Chapitre 1 - Représentation d une vidéo numérique 1 / 43

Analyse de la vidéo. Chapitre Estimation du mouvement. 23 décembre Chapitre 1 - Représentation d une vidéo numérique 1 / 43 Analyse de la vidéo Chapitre 2.1 - Estimation du mouvement 23 décembre 2010 Chapitre 1 - Représentation d une vidéo numérique 1 / 43 Plan de chapitre Définition générale du flux optique 1 Définition générale

Plus en détail

Ingénierie numérique et simulation

Ingénierie numérique et simulation Ingénierie numérique et simulation Recherche de zéro Intégration Numérique Problème dynamique à une dimension Problème linéaire à plusieurs dimensions Recherche de zéro Résoudre f(x) = 0 Recherche de zéro

Plus en détail

Correction TD 1 : Approximation de fonctions

Correction TD 1 : Approximation de fonctions Grenoble INP Pagora ère année Analyse numérique Correction TD : Approximation de fonctions NB : Ne sont corrigés ici que les exercices n ayant pas été corrigés en TD (pour ces exercices, cf. vos notes).

Plus en détail

CSMA e Colloque National en Calcul des Structures Mai 2013

CSMA e Colloque National en Calcul des Structures Mai 2013 CSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013 Extension non-linéaire des méthodes FFT accélérées par gradient conjugué Lionel GELEBART 1 1 CEA Saclay, DEN, DMN, SRMA, lionel.gelebart@cea.fr

Plus en détail

Simulations d écoulements incompressibles par une méthode Volumes-Finis non-structurés

Simulations d écoulements incompressibles par une méthode Volumes-Finis non-structurés Simulations d écoulements incompressibles par une méthode Volumes-Finis non-structurés Alban Leroyer Equipe Modélisation Numérique Laboratoire de Mécanique des Fluides UMR-CNRS 6598 Ecole Centrale de Nantes,

Plus en détail

1.2 Notions de conductivité et de conservation

1.2 Notions de conductivité et de conservation Modélisation d un phénomène de diffusion J. Erhel Janvier 2014 1 Phénomène de diffusion voir http://www.breves-de-maths.fr/la-conduction-un-moteur-universel/ 1.1 Exemples de diffusion Le phénomène de diffusion

Plus en détail

Schémas asymptotiquement préservants dans la limite quasi-neutre

Schémas asymptotiquement préservants dans la limite quasi-neutre Schémas asymptotiquement préservants dans la limite quasi-neutre Marie Hélène Vignal Paris le 27 Novembre 22 Collaborations : Claire Chainais-Hillairet (Lille) M. Bessemoulin-Chatard (Clermont-Ferrand)

Plus en détail

Introduction à la simulation numérique

Introduction à la simulation numérique Introduction à la simulation numérique Edwige Godlewski et Alexandra Claisse Laboratoire Jacques-Louis Lions Université Pierre et Marie Curie - Paris 6 ENS, 23 avril 2008 Les étapes Modélisation (physique,

Plus en détail