Séance de cours

Régime d'oscillateurs forcés : approche conservatrice généralisée

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ME-332: Mécanique vibratoire

Dans ce cours on étudie la dynamique modale des structures mécaniques. Conceptes clés comme Mode Normale, Mass et Raideur effective, et Fréquences Propres sont appris pendant ce cours. ...

Description

Cette séance de cours couvre la formulation du régime des oscillateurs forcés en mécanique vibratoire, en se concentrant sur le découplage du régime forcé par décomposition et la matrice diagonale des rigidités modales. Il explique la solution du régime forcé en utilisant des méthodes intégrales de Laplace ou de convolution, avec un retour aux coordonnées spatiales et la prise en compte des conditions initiales non nulles. La séance de cours explore également le concept d'une approche conservatrice généralisée de l'ordre n dans la base modale, en mettant l'accent sur les pulsations propres et l'indépendance. En outre, il explore la fonction de transfert de l’EPFL et le retour à la base physique à travers une combinaison linéaire de solutions modales.

Enseignant·e

Luis Guillermo Villanueva Torrijo

Guillermo Villanueva is a Tenure Track Assistant Professor at the Ecole Polytechnique Federale de Lausane (EPFL), Switzerland, in the Mechanical Engineering Institute (IGM). Before joining EPFL he was a Marie Curie post-doctoral scholar at DTU (Denmark) and Caltech (California, US); and before a post-doc at EPFL-LMIS1. He received his M.Sc. in Physics in Zaragoza (Spain) and his PhD from the UAB in Barcelona (Spain). Since the start of his PhD (2002), Prof. Villanueva has been active in the fields of NEMS/MEMS for sensing, having expertise from the design and fabrication to the characterization and applicability. He has co-authored more than 75 papers in peer-reviewed journals (h-index of 24 WoK, 32 GoS) and more than 100 contributions to international conferences. He is serving, or has served, on the program committees of IEEE-NEMS, IEEE-Sensors, MNE, IEEE-FCS and Transducers. He is editor of Microelectronic Engineering. He has co-organized MNE2014 and SNC2015; and he is currently co-organizing the short courses at Transducers 2019 and the 16th International Workshop on Nanomechanical Sensors (NMC2019).

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (31)

Combinaison linéaire

En mathématiques, une combinaison linéaire est une expression construite à partir d'un ensemble de termes en multipliant chaque terme par une constante et en ajoutant le résultat. Par exemple, une combinaison linéaire de x et y serait une expression de la forme ax + by, où a et b sont des constantes. Le concept de combinaison linéaire est central en algèbre linéaire et dans des domaines connexes des mathématiques. La majeure partie de cet article traite des combinaisons linéaires dans le contexte d'espace vectoriel sur un corps commutatif, et indique quelques généralisations à la fin de l'article.

Matrice diagonale

En algèbre linéaire, une matrice diagonale est une matrice carrée dont les coefficients en dehors de la diagonale principale sont nuls. Les coefficients de la diagonale peuvent être ou ne pas être nuls. Une matrice diagonale est une matrice qui correspond à la représentation d'un endomorphisme diagonalisable dans une base de vecteurs propres. La matrice d'un endomorphisme diagonalisable est semblable à une matrice diagonale. Toute matrice diagonale est symétrique, normale et triangulaire.

Valeur propre, vecteur propre et espace propre

En mathématiques, et plus particulièrement en algèbre linéaire, le concept de vecteur propre est une notion algébrique s'appliquant à une application linéaire d'un espace dans lui-même. Il correspond à l'étude des axes privilégiés, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une même constante. Ce rapport de dilatation est appelé valeur propre, les vecteurs auxquels il s'applique s'appellent vecteurs propres, réunis en un espace propre.

Matrice diagonalisable

En mathématiques, une matrice diagonalisable est une matrice carrée semblable à une matrice diagonale. Cette propriété est équivalente à l'existence d'une base de vecteurs propres, ce qui permet de définir de manière analogue un endomorphisme diagonalisable d'un espace vectoriel. Le fait qu'une matrice soit diagonalisable dépend du corps dans lequel sont cherchées les valeurs propres, ce que confirme la caractérisation par le fait que le polynôme minimal soit scindé à racines simples.

Sous-espace vectoriel engendré

Dans un espace vectoriel E, le sous-espace vectoriel engendré par une partie A de E est le plus petit sous-espace vectoriel de E contenant A. C'est aussi l'ensemble des combinaisons linéaires de vecteurs de A. Le sous-espace vectoriel engendré par une famille de vecteurs est le plus petit sous-espace contenant tous les vecteurs de cette famille. Une famille de vecteurs ou une partie est dite génératrice de E si le sous-espace qu'elle engendre est l'espace entier E.

Afficher plus

Séances de cours associées (64)

Diagonalisation : théorie et exemples

Explore la diagonalisation des matrices à travers des valeurs propres et des vecteurs propres, en mettant l'accent sur des valeurs propres distinctes et leur rôle dans le processus de diagonalisation.

Diagonalisation des matrices : théorie et exemples

Couvre la théorie et les exemples de matrices de diagonalisation, en se concentrant sur les valeurs propres, les vecteurs propres et lindépendance linéaire.

Cas non diagonalisable : valeur propre simple (théorie)

Explore la réduction d'une transformation linéaire avec une seule valeur propre réelle.

Diagonalisation des matrices

Explore la diagonalisation des matrices à travers des valeurs propres et des vecteurs propres, en soulignant l'importance des bases et des sous-espaces.

Diagonalisation des matrices symétriques

Explore la diagonalisation des matrices symétriques et l'importance de la décomposition des valeurs singulières.

Afficher plus

Concepts associés (31)

Combinaison linéaire

Matrice diagonale

Valeur propre, vecteur propre et espace propre

Matrice diagonalisable

Sous-espace vectoriel engendré

Afficher plus