103 lines
5.2 KiB
Markdown
103 lines
5.2 KiB
Markdown
---
|
|
layout: default
|
|
math: true
|
|
---
|
|
|
|
FR\|[EN](/en/misc)
|
|
{: .switcher}
|
|
{% include nav_fr.html %}
|
|
|
|
# Divers
|
|
|
|
## Cette page web
|
|
|
|
Pour les intéressés, ma page est construite avec [Jekyll](https://jekyllrb.com/). Le code est disponible [en ligne](https://gitea.oknaj.eu/gjankowiak/homepage) et accessible via git.
|
|
|
|
## Introduction à Jekyll
|
|
|
|
J'ai donnée une petite introduction à Jekyll à l'Université de Vienne, les slides sont [disponibles](/files/slides/2018/jekyll.pdf).
|
|
|
|
## Notes FEniCS (interface Python)
|
|
|
|
[FEniCS][1] est un ensemble de bibliothèques permettant la résolution d'EDP avec la méthode des éléments finis. Il permet la description des problèmes sous forme variationnelle à haut niveau. Je rassemble ici quelques notes et conseils utiles pour l'interface Python, valable au moins pour la version **1.4**.
|
|
|
|
### Installation
|
|
|
|
Pour ceux qui ne sont pas sur Ubuntu et qui n'ont donc pas accès aux PPA, ou ceux qui ne veulent pas utiliser Docker, le plus simple pour installer FEniCS est de passer par [Anaconda](https://docs.continuum.io/anaconda/install), qui fourni un environnement de développement Python complet. Une fois installer, on peut récupérer FEniCS de cette façon:
|
|
|
|
{% highlight bash %}
|
|
# installation de FEniCS
|
|
$ conda create -n fenics -c conda-forge fenics
|
|
|
|
# activation du virtualenv FEniCS
|
|
$ source activate fenics
|
|
|
|
# installation des paquets manquants
|
|
$ conda install -c conda-forge matplotlib mshr pyyaml sympy=1.0
|
|
{% endhighlight %}
|
|
|
|
Si vous utilisez Python 2.x, je recommande de commencer tous vos fichiers de calcul par `from __future__ import division`, qui nous débarrasse de la division entière. Celle-ci est toujours accessible via l'opérateur `//`.
|
|
L'interface Python de FEniCS est rassemblée dans le module `dolfin`, qu'il faut donc importer pour pouvoir en profiter.
|
|
|
|
Dans la suite, `mesh` correspondra au maillage, et dans les expressions variationnelles, `u` à la fonction inconnue et `v` à la fonction test, et sont des fonctions scalaires, sauf indication contraire. `M` est la matrice de rigidité et `b` le membre de droite du système linéaire associé à la formulation variationnelle, construits avec les fonctions `assemble` ou `assemble_system`.
|
|
|
|
- Par défaut, la variable d'espace n'est pas accessible directement pour l'écriture des formes variationnelles, mais on peut la définir avec `SpatialCoordinate`:
|
|
|
|
{% highlight python %}
|
|
x = SpatialCoordinate(mesh)
|
|
form = inner(grad(u), grad(v))*dx + (x[0]**2 + x[1]**2)*u*v*dx
|
|
{% endhighlight %}
|
|
|
|
- De la même façon, le vecteur normal au bord d'un maillage s'obtient avec la fonction `FacetNormal`, on peut dont définir des termes de bord, par exemple $\int \frac{\partial u}{\partial \nu}\, v\; \mathrm d x$, de la manière suivante :
|
|
|
|
{% highlight python %}
|
|
n = FacetNormal(mesh)
|
|
a = ... + inner(grad(u), n)*v*dx
|
|
{% endhighlight %}
|
|
|
|
- Il est possible de définir des régions du maillage (des `SubDomain`) de manière plus efficace (à voir ce que ça veut dire exactement) avec la fonction `CompiledSubDomain`, qui prend une chaîne de charactère. Celle-ci suit la syntaxe C++, et expose les variables `on_boundary` et `x`. Les autres doivent être passées en argument :
|
|
|
|
{% highlight python %}
|
|
left_boundary = CompiledSubDomain("on_boundary && near(x[0], x_left)",
|
|
x_left=0.5)
|
|
{% endhighlight %}
|
|
|
|
- Pour visualiser forme de la matrice de rigidité, on peut utiliser la bibliothèque `matplotlib`, et sa fonction `spy`. Puisque le système est *a priori* de grande dimension, on ne peut pas simplement faire appel à `M.vector().array()`, il faut créer une matrice `scipy` creuse.
|
|
|
|
{% highlight python %}
|
|
import scipy.sparse as sp
|
|
import matplotlib.pyplot as plt
|
|
|
|
M = assemble(...)
|
|
|
|
rows, cols, values = M.data()
|
|
sp_M = sp.csr_matrix(values, cols, rows)
|
|
|
|
plt.spy(sp_M)
|
|
plt.show() # ne pas oublier show pour afficher le graphe
|
|
{% endhighlight %}
|
|
|
|
- FEniCS est en général distribué avec un outil permettant la conversion d'un certain nombre de format de stockage de maillage vers le format XML qu'il utilise. Par exemple, pour utiliser un maillage généré par MEdit (FreeFem) :
|
|
|
|
{% highlight python %}
|
|
import dolfin_utils.meshconvert.meshconvert as conv
|
|
conv.mesh2xml("maillage_freefem.mesh", "maillage_fenics.xml")
|
|
mesh = Mesh("maillage_fenics.xml")
|
|
{% endhighlight %}
|
|
|
|
|
|
[1]: http://fenicsproject.org/
|
|
|
|
## Un blog de Terrence Tao plus lisible
|
|
|
|
Voici [un petit bout](https://gist.github.com/gjankowiak/9692034) de CSS pour nettoyer les posts de blogs et les rendre plus agréables à lire.
|
|
Il est commenté (en anglais) pour pouvoir être adapté à vos besoins. Avec Firefox, il faut utiliser l'extension [Stylish](https://addons.mozilla.org/fr/firefox/addon/stylish/?src=search)
|
|
pour l'utiliser.
|
|
Et comme les maths sont affichés via de simples images, ce qui est moyennement esthétique, voilà [le bout](https://gist.github.com/gjankowiak/9692040)
|
|
de Javascript qui va avec. Il injecte [MathJax](http://www.mathjax.org/) dans la page, après avoir transformé les images en texte utilisable par lui. Pour l'utiliser avec Firefox,
|
|
il faut avoir installé [GreaseMonkey](https://addons.mozilla.org/fr/firefox/addon/greasemonkey/).
|
|
|
|
Voici un aperçu, avant à gauche, après à droite :
|
|
|
|
{: .centered_img}
|
|
|