Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Modélisation des éléments finis

Dans cours

CIVIL-321: Modélisation numérique des solides et structures

La modélisation numérique des solides est abordée à travers la méthode des éléments finis. Les aspects purement analytiques sont d'abord présentés, puis les moyens d'interpolation, d'intégration et de résolution de la mécanique sont étudiés. ...

Description

Cette séance de cours couvre la dérivation de l'équation du mouvement pour une densité de masse, l'introduction de l'interpolation pour les éléments finis, l'équation de Newton pour la mécanique du continuum, et l'intégration pour le déplacement. Il traite également des matrices de masse et de rigidité, de la stabilité de la méthode Newmark et de la vérification des économies d'énergie. La séance de cours se termine par la mise en œuvre d'un système de Newmark explicite et l'importance des fréquences naturelles et des formes de mode dans la dynamique structurelle.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e·s (2)

Jean-François Molinari

Professor J.F. Molinari is the director of the Computational Solid Mechanics Laboratory (http://lsms.epfl.ch) at EPFL, Switzerland. He holds an appointment in the Civil Engineering institute, which he directed from 2013 to 2017, and a joint appointment in the Materials Science institute. He started his tenure at EPFL in 2007, and was promoted to Full Professor in 2012. He is currently an elected member of the Research Council of the Swiss National Science Foundation in Division 2 (Mathematics, Natural and Engineering Sciences), and co editor in chief of the journal Mechanics of Materials. J.F. Molinari graduated from Caltech, USA, in 2001, with a M.S. and Ph.D. in Aeronautics. He held professorships in several countries besides Switzerland, including the United States with a position in Mechanical Engineering at the Johns Hopkins University (2000-2006), and France at Ecole Normale Supérieure Cachan in Mechanics (2005-2007), as well as a Teaching Associate position at the Ecole Polytechnique de Paris (2006-2009). The work conducted by Prof. Molinari and his collaborators takes place at the frontier between traditional disciplines and covers several length scales from atomistic to macroscopic scales. Over the years, Professor Molinari and his group have been developing novel multiscale approaches for a seamless coupling across scales. The activities of the laboratory span the domains of damage mechanics of materials and structures, nano- and microstructural mechanical properties, and tribology.

Guillaume Anciaux

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

Interpolation numérique

En analyse numérique (et dans son application algorithmique discrète pour le calcul numérique), l'interpolation est une opération mathématique permettant de remplacer une courbe ou une fonction par une autre courbe (ou fonction) plus simple, mais qui coïncide avec la première en un nombre fini de points (ou de valeurs) donnés au départ. Suivant le type d'interpolation, outre le fait de coïncider en un nombre fini de points ou de valeurs, il peut aussi être demandé à la courbe ou à la fonction construite de vérifier des propriétés supplémentaires.

Interpolation multivariée

En analyse numérique, linterpolation multivariée ou linterpolation spatiale désigne l'interpolation numérique de fonctions de plus d'une variable. Le problème est similaire à celui de l'interpolation polynomiale sur un intervalle réel : on connait les valeurs d'une fonction à interpoler aux points et l'objectif consiste à évaluer la valeur de la fonction en des points . L'interpolation multivariée est notamment utilisée en géostatistique, où elle est utilisée pour reconstruire les valeurs d'une variable régionalisée sur un domaine à partir d'échantillons connus en un nombre limité de points.

Interpolation polynomiale

En mathématiques, en analyse numérique, l'interpolation polynomiale est une technique d'interpolation d'un ensemble de données ou d'une fonction par un polynôme. En d'autres termes, étant donné un ensemble de points (obtenu, par exemple, à la suite d'une expérience), on cherche un polynôme qui passe par tous ces points, p(xi) = yi, et éventuellement vérifie d'autres conditions, de degré si possible le plus bas. Cependant, dans le cas de l'interpolation lagrangienne, par exemple, le choix des points d'interpolation est critique.

Interpolation bilinéaire

L'interpolation bilinéaire est une méthode d'interpolation pour les fonctions de deux variables sur une grille régulière. Elle permet de calculer la valeur d'une fonction en un point quelconque, à partir de ses deux plus proches voisins dans chaque direction. C'est une méthode très utilisée en pour le , qui permet d'obtenir de meilleurs résultats que l'interpolation par plus proche voisin, tout en restant de complexité raisonnable.

Interpolation au plus proche voisin

Linterpolation au plus proche voisin (ou interpolation arrondie) est une méthode simple d'interpolation numérique d'un ensemble de points en dimension 1 ou supérieure (interpolation multivariée). Le problème de l'interpolation consiste à calculer une valeur approchée d'une fonction en un point quelconque à partir des valeurs de la fonction données en des points définis. L'algorithme du plus proche voisin détermine la valeur recherchée comme étant égale à la valeur au point le plus proche, sans considérer les autres valeurs connues, construisant ainsi une fonction constante par morceaux.

Afficher plus

Séances de cours associées (56)

Analyse numérique

Couvre des sujets d'analyse numérique avancés, y compris les réseaux neuronaux profonds et les méthodes d'optimisation.

Optimisation quasi-newton

Couvre les méthodes de recherche de ligne de gradient et les techniques d'optimisation en mettant l'accent sur les conditions Wolfe et la définition positive.

Analyse numérique: Introduction aux méthodes de calcul

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.

Méthodes d'optimisation

Couvre les méthodes d'optimisation sans contraintes, y compris la recherche de gradient et de ligne dans le cas quadratique.

Contrôle optimal : Conditions KKT

Explore les conditions optimales de contrôle et de KKT pour une optimisation non linéaire avec des contraintes.

Afficher plus

Concepts associés (32)

Interpolation numérique

Interpolation multivariée

Interpolation polynomiale

Interpolation bilinéaire

Interpolation au plus proche voisin

Afficher plus