Gradient de température


Gradient de température

Gradient

Les lignes bleues représentent le gradient de couleur du plus clair vers le plus foncé

En physique, en analyse vectorielle, on définit le gradient comme une grandeur vectorielle qui indique de quelle façon une grandeur physique varie dans l'espace. En mathématiques, le gradient est un vecteur représentant la variation d'une fonction par rapport à la variation de ses différents paramètres.

Il est courant, selon la façon de noter des vecteurs, d'écrire le gradient d'une fonction f ainsi :

\overrightarrow{\mathrm{grad}}~f ou \overrightarrow{\nabla} f

Souvent, en typographie, on préfère mettre un caractère en gras pour afficher son caractère vectoriel :

\mathbf{grad}~f ou \mathbf{\nabla} ~f.

Le gradient est d'une importance capitale en physique, où il fut d'abord employé. Utilisé en théorie des variations, il est aussi fondamental dans le domaine de l'optimisation ou de la résolution d'équations aux dérivées partielles. Il peut être intéressant d'en voir certains exemples avant une définition plus mathématique.

Articles d'analyse vectorielle
Champ vectorielChamp scalaire
Objets d'étude
Champ vectoriel Champ scalaire
Équation aux dérivées partielles
de Laplace de Poisson
Opérateurs
Nabla Gradient
Rotationnel Divergence
Laplacien scalaire Bilaplacien
Laplacien vectoriel D'alembertien
Théorèmes
de Green de Stokes
de Helmholtz de flux-divergence
du gradient du rotationnel

Sommaire

Le gradient de température

Article détaillé : Gradient thermique adiabatique.

Gradient dans une seule direction (dérivée)

Si on place une poutre rectiligne entre deux murs qui n'ont pas la même température, disons que le mur de gauche est le plus froid, on observe que la température de la poutre n'est pas constante et qu'elle varie de façon croissante de la gauche vers la droite. A ce phénomène thermodynamique, on associe un phénomène de flux de chaleur, lui-même lié à un gradient de température, c'est à dire à une variation le long de la poutre de la température, cf. Conduction Thermique, loi de Fourier.

Si on part de l'extrémité gauche de la poutre avec une abscisse x = 0 et qu'on atteint l'autre extrémité de la poutre pour une abscisse x = L (la longueur de la poutre), on définit la température en un point x qu'on écrit T(x). La température T est dite fonction de x.

Entre deux points très proches, distants d'une longueur δx, on mesure un écart de température δT. Au sens usuel, le gradient (de température) est justement le rapport entre ces deux grandeurs

grad {T} = \frac{\delta T}{\delta x}

Au sens analytique (mathématique), on parle de gradient si cette grandeur admet une limite quand δx tend vers 0, limite notée

\nabla T(x) = T'(x) = \frac{dT}{dx}(x).

Propriétés

  • Ce rapport a un signe, ce qu'on traduit par une direction. Dans le cas qui nous intéresse, il fait plus froid à gauche de la poutre qu'à droite, donc le gradient est positif puisqu'on parcourt aussi la poutre de gauche à droite par l'abscisse x.
  • En dimension 1, il y a convergence de la notion de gradient et de dérivée
  • En physique, il est aussi intéressant de noter que ce gradient est homogène à une température divisée par une distance (gradient mesuré en K m − 1), ou plus usuellement en °/m.

Gradient de température dans l'espace à trois dimensions usuel

En réalité, la température de la poutre varie en fonction d'un déplacement dans l'espace. On caractérise un point de l'espace, M, en fonction de ses coordonnées \scriptstyle \vec u=(x,y,z). De même que précédemment, on décrit la température comme fonction : T(x,y,z).

Pour chacune de ces directions, on peut écrire une variation, dite partielle. Si, tout en étant en 3D, on ne se déplace que selon un axe, par exemple selon les ordonnées y, alors on peut réécrire la même formule que précédemment sur l'accroissement de température. Cependant, pour marquer la variation, on passe par l'écriture en dérivée partielle (dite "ronde") plutôt que par la dérivée unidimensionnelle (dite droite). On écrit par exemple la variation le long de y ainsi l'approximation (dite du premier ordre) :

T(x,y + \delta y, z) = T(x,y,z) + \frac{\partial T}{\partial y} \delta y

On se déplace dans la poutre d'un point M à un point M' tels qu'ils définissent le vecteur :

 \vec{h} = \overrightarrow{MM'} = (h_x,h_y,h_z).

De M à M', la température passe de la T(x,y,z) à T(x + hx,y + hy,z + hz). En première approximation, cette variation est une fonction linéaire de \scriptstyle \vec het s'exprime comme somme des variations liées à chacune des composantes de \scriptstyle \vec h

T(x+h_x,y+h_y,z+h_z) = T(x,y,z) + \frac{\partial T}{\partial x}(x,y,z) h_x + \frac{\partial T}{\partial y}(x,y,z) h_y + \frac{\partial T}{\partial z}(x,y,z) h_z

On crée alors un vecteur appelé gradient de température

\mathbb{\nabla} T(x,y,z) = (\frac{\partial T}{\partial x}(x,y,z),\frac{\partial T}{\partial y}(x,y,z),\frac{\partial T}{\partial z}(x,y,z))

Notez que c'est bien un vecteur. Dans ce cas, on peut réécrire la relation précédente sous la forme

T(\vec u + \vec h) = T(\vec u) + \mathbf{\nabla} T(\vec u) \cdot \vec h + o(\vec h)

Ou "\cdot" est le produit scalaire usuel de \mathbb{R}^3 et le symbole o(\vec {h}) signifie que le terme qui reste est négligeable par rapport à \vec{h}.

Propriétés

  • le gradient est un vecteur de même dimension que l'espace sur lequel porte la température (ici \mathbb{R}^3) alors que la température est fonction de support à trois dimension mais à valeur réelle scalaire (i.e. la température en un point est un nombre, pas un vecteur).
  • la direction du (vecteur) gradient définit de nouveau la direction du plus froid au plus chaud, mais cette fois en 3D
  • la norme du gradient est toujours homogène à K.m − 1

Introduction par les éléments différentiels

Comme pour la différentielle dont il est une variante, le gradient peut être introduit avec le vocabulaire des éléments différentiels. À titre d'exemple on examine le problème de la variation de l'aire d'un rectangle.

Considérons dans le plan (xOy ) un rectangle de côté x' et y. Sa surface est égale à xy et dépend des coordonnées x et y du point M. En suivant une démarche intuitive, on convient de noter par dx une très petite variation de la variable x. Lorsqu'on fait subir au point M un déplacement très faible, la surface va changer et on peut écrire que :

\mathrm S + \mathrm{dS} =(x + \mathrm dx) \cdot (y+\mathrm dy)= x \cdot y +x \cdot \mathrm dy + y \cdot \mathrm dx + \mathrm dx \cdot \mathrm dy

On en déduit facilement que

\mathrm{dS} = y \cdot \mathrm dx + x\cdot \mathrm dy + \mathrm dx \cdot \mathrm dy

Une simple application numérique où x et y seraient des mètres et dx et dy des centimètres illustre que dx⋅dy est négligeable par rapport aux autres grandeurs.

On peut donner un statut mathématique précis aux notations dx et dy (qui sont des formes différentielles), et à la quantité dx⋅dy qui est alors du second ordre. Le calcul précédent est en fait un calcul de développement limité à l'ordre 1, faisant intervenir les dérivées premières de la fonction xy par rapport aux deux variables.

On écrit donc :

 \mathrm{dS} = (x + \mathrm dx) \cdot (y + \mathrm dy) - x \cdot y = y \cdot \mathrm dx + x \cdot \mathrm dy = (y,x) \cdot (\mathrm dx, \mathrm dy) = \overrightarrow \nabla \mathrm S \cdot \overrightarrow{\mathrm{dOM}}
 \overrightarrow\nabla \mathrm S \cdot \overrightarrow{\mathrm{dOM}} = (y \vec i + x \vec j) \cdot (\mathrm dx \vec i+ \mathrm dy \vec j) = \left( \frac{\partial(xy)}{\partial x} \vec i + \frac{\partial(xy)}{\partial y} \vec j \right) \cdot (\mathrm dx \vec i+ \mathrm dy \vec j).

Toutes ces égalités sont différentes façons d'écrire… un produit scalaire de deux vecteurs :

 \mathrm{dS} = (x + \mathrm dx) \cdot (y + \mathrm dy) - x \cdot y = y \cdot \mathrm dx + x\cdot \mathrm dy = \mathrm {\overrightarrow{\mathrm{grad}}} (xy) \cdot \overrightarrow{\mathrm{dOM}} = \overrightarrow\nabla (xy) \cdot \overrightarrow{\mathrm{dOM}}
\overrightarrow{\mathrm{grad}}(xy) = (y,x).

L'intérêt de l'introduction de ces vecteurs pour exprimer la variation d'une fonction de plusieurs paramètres est de visualiser le fait que la fonction va varier le plus dans la direction du vecteur gradient et qu'elle ne va pas varier pour tout changement des paramètres dans une direction perpendiculaire au gradient.

 (y \vec i + x \vec j ) \cdot (\mathrm dx \vec i + \mathrm dy \vec j) =0 pour : ydx + xdy = 0 dans notre exemple du rectangle.
tracé du gradient de surface et d'une courbe d'isosurface

Ceci donnera en électrostatique les courbes de même potentiel : les « équipotentielles ».

Définition mathématique

Gradient d'une fonction d'un espace de dimension finie vers \mathbb{R}

Contexte

Quitte à utiliser un espace de dimension finie, on se place sur \mathbb{R}^n, n \in \mathbb{N}_*

Soit U un ouvert de \mathbb{R}^n. Soit f : U \mapsto \mathbb{R} une fonction différentiable. Soit a \in U, on note alors la différentielle en a, notée \mathcal{D}_a f, qui est une forme linéaire sur \mathbb{R}^n. On note (\mathcal{D}_a f,u) l'image par cette différentielle d'un vecteur u \in \mathbb{R}^n.

Existence et unicité

En application du théorème de Lax-Milgram en dimension finie, on sait qu'il existe un vecteur A tel que pour vecteur u \in \mathbb{R}^n, (\mathcal{D}_a f,u) = <A|u>, où < | > est le produit scalaire dans \mathbb{R}^n.

Le vecteur A est appelé gradient de f en a, et il est noté \nabla_a f. Il vérifie donc :

\forall u \in \mathbb{R}^n, < \nabla_a f | u > = ( \mathcal{D}_a f, u )

Expression canonique (dérivées partielles)

Puisque le gradient est lui-même un vecteur de \mathbb{R}^n, il est naturel qu'on cherche à l'exprimer dans la base canonique de cet espace vectoriel. on démontre qu'il s'exprime à l'aide des dérivées partielles, qui existent donc, sous la forme

\nabla_a f = \sum_{i=1}^n\left[\frac{\partial f}{\partial x_i}\left(a\right)\mathbf{e}_i\right]

Par exemple, en dimension 3, on obtient :

\nabla_a f = \frac{\partial f}{\partial x}(a) \mathbf{e}_x + \frac{\partial f}{\partial y}(a) \mathbf{e}_y + \frac{\partial f}{\partial z}(a) \mathbf{e}_z

Changement de base

Lors d'un changement de base, au travers d'un C1-difféomorphisme de \mathbb{R}^n, l'écriture du gradient suit les règles usuelles des changements de base.

Attention, il ne faut pas confondre changement de base pour l'expression d'une fonction écrite en notations cartésiennes (canoniques) et écriture du gradient adaptée à une notation autre. Par exemple pour une fonction exprimée en coordonnées polaires on calcule l'écriture "polaire" du gradient en partant d'une fonction explicitée en fonction de l'abscisse polaire (ρ) et de l'argument (θ) f(ρ,θ).

\nabla f
= \frac{\partial f}{\partial \rho}\mathbf{e}_\rho
+ \frac{1}{\rho}\frac{\partial f}{\partial \phi}\mathbf{e}_{\phi}
+ \frac{\partial f}{\partial z}\mathbf{e}_{z}
\nabla f
= \frac{\partial f}{\partial \rho}\mathbf{e}_\rho
+ \frac{1}{\rho}\frac{\partial f}{\partial \theta}\mathbf{e}_{\theta}
+ \frac{1}{\rho \sin\theta}\frac{\partial f}{\partial \phi}\mathbf{e}_{\phi}

les vecteurs de type \mathbf{e}_r sont des vecteurs propres aux coordonnées polaires

Cas général

Gradient et espace de Banach

Soit (B,.) un espace de Banach dont . est le produit scalaire associé à la norme ||u|| = \sqrt{u.u}. On ne fait aucune hypothèse quant à la dimension de B

Soit U ouvert de B et f fonction différentiable de U \mapsto \mathbb{R}. Si en un point a \in U la différentielle \mathcal{D}_a f est continue, alors f admet un gradient en a noté \nabla_a f tel que pour

\forall h \in \mathbb{R}, ( \mathcal{D}_a f, h ) = \nabla_a f . h

NB : on applique de nouveau le théoème de Lax-Milgram. Comme B peut être de dimension infinie, il est nécessaire de disposer de la continuité de la forme linéaire (ici la différentielle) qui permet d'associer (dans le dual de B via le produit scalaire .) un vecteur (unique) à une forme linéaire continue.

Gradient et variété riemanniene

On peut encore étendre cette définition à une fonction différentiable définie sur une variété riemannienne (M, g). Le gradient de ƒ en a est alors un vecteur tangent à la variété en a, défini par

\forall h \in \mathrm T_a \mathrm M \qquad \mathrm df (a) \left ( h \right ) = g \left ( \nabla f \big| h \right ).

Enfin, si ƒ est un champ scalaire indépendant du système de coordonnées, c'est un tenseur d'ordre 0, et sa dérivée partielle est égale à sa dérivée covariante : (\nabla f)_i = \partial_i f = f_{,i} = f_{;i}. En coordonnées contravariantes, on calcule le champ de vecteurs appelé gradient de f :

(\nabla f)^i = g^{ij}~f_{;j}

Cette formule permet, une fois établi le tenseur métrique, de calculer facilement le gradient dans un système de coordonnées quelconque.

Développement limité

Si une application admet un gradient en un point, alors on peut écrire ce développement limité du premier ordre

f(x+\mathbf{h}) = f(x) + \mathbf{\nabla} f . \mathbf{h} + o(\mathbf{h})

Propriétés géométriques en dimension 2 ou 3

Classiquement, on sait que le gradient permet de définir "la normale aux courbes de niveau", ce qui se traduit en 2D et en 3D par des propriétés géométriques intéressantes. La propriété de tangence étant liée à la convexité/concavité, il est aussi intéressant de voir le lien qui existe entre gradient et convexité, toujours en 2D ou 3D.

Dimension 2 : gradient normal à une courbe en un point, droite tangente

On considère f : \mathbb{R}^2 \mapsto \mathbb{R} continûment différentiable. Soit une courbe définie par l'équation f(u) = k, où k est une constante. Alors, en un point v donné de cette courbe, le gradient s'il existe et n'est pas nul, donne la direction de la normale à la courbe en ce point v. La droite tagente à la courbe est alors orthogonale au gradient et passe par v.

Dimension 3 : gradient normal à une surface en un point, plan tangent

Soit une application f : \mathbb{R}^3 \mapsto \mathbb{R} continûment différentiable. Soit une surface définie par l'équation f(u) = k, où k est une constante. Alors, en un point v donné de cette surface, le gradient s'il existe et n'est pas nul, donne la direction de la normale à la surface en ce point v : le plan tangent à la surface est alors orthogonal au gradient et passe par v.

Gradient et convexité

Soit une application f : \mathbb{R}^n \mapsto \mathbb{R} (n \in \{ 2, 3 \} par exemple) continûment différentiable. Si l'application \mathbf{\nabla} f : \mathbb{R}^n \mapsto \mathbb{R}^n est monotone (resp. strictement monotone), alors f est convexe (resp. strictement convexe). C'est à dire, en utilisant la caractérisation par les cordes

\forall (u,v) \in \left(\mathbb{R}^3\right)^2, \mathbf{\nabla}_u f . \mathbf{\nabla}_v f \geq 0 \Rightarrow \forall (u,v,\lambda) \in \mathbb{R}^3 \times \mathbb{R}^3 \times [0,1], f(\lambda u+(1-\lambda)v) \leq \lambda f(u)+(1-\lambda) f(v)

Cette propriété est intéressante parce qu'elle reste valable même quand f n'est pas deux fois différentiable.

Si f est deux fois différentiable, le Hessien est positif si et seulement si le gradient est monotone.

Cas de la dimension 1

La monotonie telle que définie ci-dessus permet définir une fonction croissante ou décroissante au sens usuel. Dans le premier cas, on parle de fonction convexe, dans le second de fonction concave.

Si la fonction est deux fois dérivable, la croissance de la dérivée (donc du gradient) est assurée par la positivité de la dérivée seconde (équivalent du Hessien).

Relations vectorielles

En analyse vectorielle, le gradient peut être combiné à d'autres opérateurs. Soit f une fonction décrivant un champ scalaire, que l'on suppose de classe C2 par rapport à chaque paramètre, alors :

\frac{ \partial }{\partial t} \left( \nabla f \right) = \nabla \frac{ \partial f }{\partial t} ;
\mathrm{\mathrm div} \left( \overrightarrow{\mathrm{grad}} f \right) = \Delta f  ;
\overrightarrow{\mathrm{grad}} \left( \mathrm{\mathrm div} f \right) = \overrightarrow{\mathrm{rot}} \left( \overrightarrow{\mathrm{rot}} f \right) + \overrightarrow{\Delta} \overrightarrow{f};

Voir aussi

Wiktprintable without text.svg

Voir « gradient » sur le Wiktionnaire.

Références

  • (en) Fundamentals of Differential Geometry, Serge Lang, Springer
  • (en) Elementary Differential Geometry, Revised 2nd Edition, Second Edition, Barrett O'Neill
  • Portail des mathématiques Portail des mathématiques
Ce document provient de « Gradient ».

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Gradient de température de Wikipédia en français (auteurs)

Regardez d'autres dictionnaires:

  • gradient de température — temperatūros gradientas statusas T sritis fizika atitikmenys: angl. temperature gradient vok. Temperaturgradient, m rus. градиент температуры, m; температурный градиент, m pranc. gradient de température, m; gradient thermique, m …   Fizikos terminų žodynas

  • gradient de température — temperatūros gradientas statusas T sritis Energetika apibrėžtis Temperatūros pokyčio ir atstumo tarp izoterminių paviršių pokyčio normalės kryptimi santykio riba: lim(dT/dn) = gradT. Matavimo vienetas – K/m. atitikmenys: angl. gradient of… …   Aiškinamasis šiluminės ir branduolinės technikos terminų žodynas

  • gradient of temperature — temperatūros gradientas statusas T sritis Energetika apibrėžtis Temperatūros pokyčio ir atstumo tarp izoterminių paviršių pokyčio normalės kryptimi santykio riba: lim(dT/dn) = gradT. Matavimo vienetas – K/m. atitikmenys: angl. gradient of… …   Aiškinamasis šiluminės ir branduolinės technikos terminų žodynas

  • fusion de zone à gradient de température — temperatūrinis gradientinis zoninis lydymas statusas T sritis radioelektronika atitikmenys: angl. temperature gradient zone melting vok. Zonenschmelzen mit Temperaturgradient, n rus. зонная плавка с температурным градиентом, f pranc. fusion de… …   Radioelektronikos terminų žodynas

  • Gradient Thermique Adiabatique — Le gradient thermique adiabatique est, dans l atmosphère terrestre, la variation de température de l air avec l altitude (autrement dit le gradient de la température de l air), qui ne dépend que de la pression atmosphérique, c est à dire :… …   Wikipédia en Français

  • Gradient adiabatique — Gradient thermique adiabatique Le gradient thermique adiabatique est, dans l atmosphère terrestre, la variation de température de l air avec l altitude (autrement dit le gradient de la température de l air), qui ne dépend que de la pression… …   Wikipédia en Français

  • Gradient adiabatique humide — Gradient thermique adiabatique Le gradient thermique adiabatique est, dans l atmosphère terrestre, la variation de température de l air avec l altitude (autrement dit le gradient de la température de l air), qui ne dépend que de la pression… …   Wikipédia en Français

  • Gradient adiabatique saturé — Gradient thermique adiabatique Le gradient thermique adiabatique est, dans l atmosphère terrestre, la variation de température de l air avec l altitude (autrement dit le gradient de la température de l air), qui ne dépend que de la pression… …   Wikipédia en Français

  • Gradient adiabatique sec — Gradient thermique adiabatique Le gradient thermique adiabatique est, dans l atmosphère terrestre, la variation de température de l air avec l altitude (autrement dit le gradient de la température de l air), qui ne dépend que de la pression… …   Wikipédia en Français

  • Gradient de pression — Gradient Les lignes bleues représentent le gradient de couleur du plus clair vers le plus foncé En physique, en analyse vectorielle, on définit le gradient comme une grandeur vectorielle qui indique de quelle façon une grandeur physique varie… …   Wikipédia en Français


Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”

We are using cookies for the best presentation of our site. Continuing to use this site, you agree with this.