Harmonique sphérique | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

En mathématiques, les harmoniques sphériques sont des fonctions harmoniques particulières, c'est-à-dire des fonctions dont le laplacien est nul. Les harmoniques sphériques sont particulièrement utiles pour résoudre des problèmes invariants par rotation, car elles sont les vecteurs propres de certains opérateurs liés aux rotations. Les polynômes harmoniques P(x,y,z) de degré l forment un espace vectoriel de dimension 2 l + 1, et peuvent s'exprimer en coordonnées sphériques (r, θ, φ) comme des combinaisons linéaires des (2 l + 1) fonctions : avec . Les coordonnées sphériques (r,θ,φ) sont, respectivement, la distance au centre de la sphère, la colatitude et la longitude. Tout polynôme homogène est entièrement déterminé par sa restriction à la sphère unité S. C'est pourquoi la partie radiale de l'équation de Laplace, différente selon le problème étudié n'apparaît pas ici. Les harmoniques sphériques sont utilisées en physique mathématique, dès qu'intervient la notion d'orientation (anisotropie) et donc de rotation (groupe de symétrie orthogonal SO(3)) et que le laplacien entre en jeu : en acoustique (reconstitution de l'effet d'espace par plusieurs haut-parleurs) ; en théorie du potentiel newtonien (électrostatique, mécanique, gravimétrie) ; en géophysique (représentation du globe terrestre, météorologie) ; en cristallographie pour la texture ; en physique quantique (développement d'une fonction d'onde, densité du nuage électronique, description des orbitales atomiques de l'atome d'hydrogène) ; en cosmologie (représentation du ciel, en particulier pour l'analyse du fond diffus cosmologique) Elles sont également utilisées pour des problématiques de rendu 3D, notamment en réalité augmentée afin d'encoder des données d'éclairage ambiant. On cherche les fonctions Y(θ,φ) sous la forme d'un produit de deux fonctions d'une seule variable : où k est une constante, qui sera fixée ultérieurement par la normalisation.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (5)

Personnes associées (4)

Concepts associés (68)

Cours associés (47)

Séances de cours associées (420)

MOOCs associés (1)

PHYS-719: Advanced biomedical imaging methods and instrumentation

The main goal of this course is to give the student a solid introduction into approaches, methods, and instrumentation used in biomedical research. A major focus is on Magnetic Resonance Imaging (MRI)

PHYS-101(f): General physics : mechanics

Le but du cours de physique générale est de donner à l'étudiant les notions de base nécessaires à la compréhension des phénomènes physiques. L'objectif est atteint lorsque l'étudiant est capable de pr

MATH-410: Riemann surfaces

This course is an introduction to the theory of Riemann surfaces. Riemann surfaces naturally appear is mathematics in many different ways: as a result of analytic continuation, as quotients of complex

(Geometry Aware) Deep Learning-based Omnidirectional Image Compression

Yamin Sepehri

Omnidirectional images are the spherical visual signals that provide a wide, 360◦, view of a scene from a specific position. Such images are becoming increasingly popular in fields like virtual realit

2020

Single-Shot Imaging with Higher-Dimensional Encoding Using Magnetic Field Monitoring and Concomitant Field Correction

Daniel Gallichan

PurposePatLoc (Parallel Imaging Technique using Localized Gradients) accelerates imaging and introduces a resolution variation across the field-of-view. Higher-dimensional encoding employs more spatia

Wiley-Blackwell2015

Photo-Realistic Real-time Face Rendering

Daniel Chappuis

Face rendering is a really important topic in Computer Graphics because a lot of virtual simulations or video games contain virtual humans. In order to obtain a realistic face, we need to take care of

2011

thumb|upright=1.5|Polynômes de Legendre En mathématiques et en physique théorique, les polynômes de Legendre constituent l'exemple le plus simple d'une suite de polynômes orthogonaux. Ce sont des solutions polynomiales P(x), sur l'intervalle x ∈ [–1, 1], de l'équation différentielle de Legendre : dans le cas particulier où le paramètre n est un entier naturel. De façon équivalente, les polynômes de Legendre sont les fonctions propres de l'endomorphisme de R[X] défini par : pour les valeurs propres .

vignette|Une photographie de David Hilbert (1862 - 1943) qui a donné son nom aux espaces dont il est question dans cet article. En mathématiques, un espace de Hilbert est un espace vectoriel réel (resp. complexe) muni d'un produit scalaire euclidien (resp. hermitien), qui permet de mesurer des longueurs et des angles et de définir une orthogonalité. De plus, un espace de Hilbert est complet, ce qui permet d'y appliquer des techniques d'analyse. Ces espaces doivent leur nom au mathématicien allemand David Hilbert.

En mathématiques, un polynôme associé de Legendre, noté , est une solution particulière de l'équation générale de Legendre : laquelle n'a de solution régulière que sur l'intervalle [–1, 1] et si –m ≤ l ≤ m avec l et m entiers. Elle se réduit à l'équation différentielle de Legendre si m = 0. Cette fonction est un polynôme si m est un entier pair. Toutefois, l’appellation de « polynôme », bien qu'incorrecte, est quand même conservée dans le cas où m est un entier impair.

Explore les radiations sonores, l'analyse de la directivité et les impédances de rayonnement pour les sphères vibrantes.

Explore les fonctions méromorphes, les pôles, les résidus, les ordres, les diviseurs et le théorème de Riemann-Roch.

Discuter de la façon dont l'apprentissage de caractéristiques éparses peut conduire à une suradaptation dans les réseaux neuraux malgré des preuves empiriques de généralisation.