Fluide non newtonienUn fluide non newtonien est un fluide qui ne suit pas la loi de viscosité de Newton, c'est-à-dire une viscosité constante indépendante de la contrainte. Dans les fluides non newtoniens, la viscosité peut changer lorsqu'elle est soumise à une force pour devenir plus liquide ou plus solide. Le ketchup, par exemple, devient plus coulant lorsqu'il est secoué et se comporte donc de manière non newtonienne.
Fluide newtonienOn appelle fluide newtonien (en hommage à Isaac Newton) un fluide dont la loi contrainte – vitesse de déformation est linéaire. La constante de proportionnalité est appelée viscosité. Viscosité L’équation décrivant le « comportement newtonien » en description eulérienne est : où : est la contrainte de cisaillement exercée par le fluide (à l'origine des forces de traînée), exprimée en Pa ; est la viscosité dynamique du fluide — une constante de proportionnalité caractéristique du matériau, en ; est le gradient de vitesse perpendiculaire à la direction de cisaillement, en s−1.
Mécanique des fluidesLa mécanique des fluides est un domaine de la physique consacré à l’étude du comportement des fluides (liquides, gaz et plasmas) et des forces internes associées. C’est une branche de la mécanique des milieux continus qui modélise la matière à l’aide de particules assez petites pour relever de l’analyse mathématique, mais assez grandes par rapport aux molécules pour être décrites par des fonctions continues. Elle comprend deux sous-domaines : la statique des fluides, qui est l’étude des fluides au repos, et la dynamique des fluides, qui est l’étude des fluides en mouvement.
RhéologieLa rhéologie (du grec ancien : , « couler » et , « étude ») est l'étude de la déformation et de l'écoulement de la matière sous l'effet d'une contrainte appliquée. Le mot en (en anglais) a été introduit en 1928 par Eugene Bingham, professeur à l'université Lehigh aux États-Unis, sur une suggestion de son collègue Markus Reiner. Le mot est emprunté à la fameuse expression d'Héraclite Panta rhei (« Tout s'écoule »). Il a été francisé en « rhéologie » en 1943.
AvalancheUne avalanche () de neige est d'abord un phénomène physique : une masse de neige qui se détache puis dévale un versant de montagne sous l'effet de la pesanteur, ou, formulé autrement, le mouvement rapide sur une grande pente d'un volume de neige, à la suite d'une rupture d'équilibre dans le manteau neigeux initial. Une avalanche de neige est aussi un aléa avec la possibilité qu'une telle menace (déclenchement, écoulement, impact) se réalise dans un lieu donné à un instant donné.
Computational complexityIn computer science, the computational complexity or simply complexity of an algorithm is the amount of resources required to run it. Particular focus is given to computation time (generally measured by the number of needed elementary operations) and memory storage requirements. The complexity of a problem is the complexity of the best algorithms that allow solving the problem. The study of the complexity of explicitly given algorithms is called analysis of algorithms, while the study of the complexity of problems is called computational complexity theory.
Théorie de la complexité (informatique théorique)vignette|Quelques classes de complexité étudiées dans le domaine de la théorie de la complexité. Par exemple, P est la classe des problèmes décidés en temps polynomial par une machine de Turing déterministe. La théorie de la complexité est le domaine des mathématiques, et plus précisément de l'informatique théorique, qui étudie formellement le temps de calcul, l'espace mémoire (et plus marginalement la taille d'un circuit, le nombre de processeurs, l'énergie consommée ...) requis par un algorithme pour résoudre un problème algorithmique.
Loi d'Ostwald–de WaeleLa loi d’Ostwald-de Waele ou loi en puissance est une loi de puissance définissant les fluides sans seuil. Elle relie la contrainte de cisaillement au taux de cisaillement. La loi d’Ostwald-de Waele est un modèle mathématique simple permettant de modéliser facilement un fluide non-newtonien sans seuil en reliant la contrainte de cisaillement τ (tau) au taux de cisaillement (gamma point) : où : K est une constante : l’indice de consistance ; n un nombre sans dimension : l’indice d’écoulement.
Classe de complexitéEn informatique théorique, et plus précisément en théorie de la complexité, une classe de complexité est un ensemble de problèmes algorithmiques dont la résolution nécessite la même quantité d'une certaine ressource. Une classe est souvent définie comme l'ensemble de tous les problèmes qui peuvent être résolus sur un modèle de calcul M, utilisant une quantité de ressources du type R, où n, est la taille de l'entrée. Les classes les plus usuelles sont celles définies sur des machines de Turing, avec des contraintes de temps de calcul ou d'espace.
ComplexitéLa complexité caractérise le comportement d'un système dont les composants interagissent localement et de façon non linéaire, ce qui se traduit par un comportement difficilement prédictible. La complexité peut donc caractériser un système "composé d'un grand nombre d'éléments interagissant sans coordination centrale, sans plan établi par un architecte, et menant spontanément à l'émergence de structures complexes" (Alain Barrat, directeur de recherche au Centre de physique théorique de Marseille); mais aussi caractériser des systèmes composés de peu d'éléments (voir le chaos déterministe).
Species distribution modellingSpecies distribution modelling (SDM), also known as environmental (or ecological) niche modelling (ENM), habitat modelling, predictive habitat distribution modelling, and range mapping uses computer algorithms to predict the distribution of a species across geographic space and time using environmental data. The environmental data are most often climate data (e.g. temperature, precipitation), but can include other variables such as soil type, water depth, and land cover.
Équations de Navier-Stokesthumb|Léonard de Vinci : écoulement dans une fontaine En mécanique des fluides, les équations de Navier-Stokes sont des équations aux dérivées partielles non linéaires qui décrivent le mouvement des fluides newtoniens (donc des gaz et de la majeure partie des liquides). La résolution de ces équations modélisant un fluide comme un milieu continu à une seule phase est difficile, et l'existence mathématique de solutions des équations de Navier-Stokes n'est pas démontrée.
Dynamique des fluidesLa dynamique des fluides (hydrodynamique ou aérodynamique), est l'étude des mouvements des fluides, qu'ils soient liquides ou gazeux. Elle fait partie de la mécanique des fluides avec l'hydrostatique (statique des fluides). La résolution d'un problème de dynamique des fluides demande de calculer diverses propriétés des fluides comme la vitesse, la viscosité, la densité, la pression et la température en tant que fonctions de l'espace et du temps.
Prévision numérique du tempsLa prévision numérique du temps (PNT) est une application de la météorologie et de l'informatique. Elle repose sur le choix d'équations mathématiques offrant une proche approximation du comportement de l'atmosphère réelle. Ces équations sont ensuite résolues, à l'aide d'un ordinateur, pour obtenir une simulation accélérée des états futurs de l'atmosphère. Le logiciel mettant en œuvre cette simulation est appelé un modèle de prévision numérique du temps.
Fluide (matière)Un fluide est un milieu matériel parfaitement déformable. On regroupe sous cette appellation les liquides, les gaz et les plasmas. Gaz et plasmas sont très compressibles, tandis que les liquides le sont très peu (à peine plus que les solides). La transition de l'état liquide à l'état gazeux (ou réciproquement) est en général de premier ordre, c'est-à-dire brusque, discontinue.
Empirismevignette|Roger Bacon, philosophe scolastique, précurseur de l’empirisme sous sa forme moderne. L'empirisme désigne un ensemble de théories philosophiques qui font de l'expérience sensible l'origine de toute connaissance ou croyance et de tout plaisir esthétique. L'empirisme s'oppose en particulier à l'innéisme et plus généralement au rationalisme « nativiste » pour lesquels nous disposerions de connaissances, idées ou principes avant toute expérience.
Complexité en tempsEn algorithmique, la complexité en temps est une mesure du temps utilisé par un algorithme, exprimé comme fonction de la taille de l'entrée. Le temps compte le nombre d'étapes de calcul avant d'arriver à un résultat. Habituellement, le temps correspondant à des entrées de taille n est le temps le plus long parmi les temps d’exécution des entrées de cette taille ; on parle de complexité dans le pire cas. Les études de complexité portent dans la majorité des cas sur le comportement asymptotique, lorsque la taille des entrées tend vers l'infini, et l'on utilise couramment les notations grand O de Landau.
Méthode expérimentaleLes méthodes expérimentales scientifiques consistent à tester la validité d'une hypothèse, en reproduisant un phénomène (souvent en laboratoire) et en faisant varier un paramètre. Le paramètre que l'on fait varier est impliqué dans l'hypothèse. Le résultat de l'expérience valide ou non l'hypothèse. La démarche expérimentale est appliquée dans les recherches dans des sciences telles que, par exemple, la biologie, la physique, la chimie, l'informatique, la psychologie, ou encore l'archéologie.
Linear elasticityLinear elasticity is a mathematical model of how solid objects deform and become internally stressed due to prescribed loading conditions. It is a simplification of the more general nonlinear theory of elasticity and a branch of continuum mechanics. The fundamental "linearizing" assumptions of linear elasticity are: infinitesimal strains or "small" deformations (or strains) and linear relationships between the components of stress and strain. In addition linear elasticity is valid only for stress states that do not produce yielding.
Predictive modellingPredictive modelling uses statistics to predict outcomes. Most often the event one wants to predict is in the future, but predictive modelling can be applied to any type of unknown event, regardless of when it occurred. For example, predictive models are often used to detect crimes and identify suspects, after the crime has taken place. In many cases, the model is chosen on the basis of detection theory to try to guess the probability of an outcome given a set amount of input data, for example given an email determining how likely that it is spam.
