import numpy as np
import matplotlib.pyplot as plt



## Tige de température uniforme en contact avec deux thermostats

# Définition des paramètres
L = 1
D = 1.2e-4
tau = 3600
# Définition du pas spatial et du pas temporel
deltax = 0.02
deltat = 1
# Calcul du nombre de tronçons et du nombre d'intervalles de temps
N = int(L/deltax+1) # int() permet d'assurer qu'il s'agit d'un entier
M = int(tau/deltat+1)
# Création de la matrice T
T = np.zeros((N,M))
# Prise en compte de la condition initiale
T1 = 20 # on peut travailler indifféremment en °C ou en K
for i in range(N):
    T[i,0] = T1
# Prise en compte de la condition à la limite en x=0
for j in range(M):
    T[0,j] = T1
# Prise en compte de la condition à la limite en x=L
T2 = 40
for j in range(M):
    T[N-1,j] = T2
# Calcul de T en utilisant la relation de récurrence
for j in range(M-1): # pour chaque instant (sauf le dernier), on calcule la température à l'instant suivant
    for i in range(1,N-1): # pour chaque tronçon (sauf aux deux extrémités)
        T[i,j+1] = T[i,j]+(D*deltat/deltax**2)*(T[i+1,j]+T[i-1,j]-2*T[i,j])

# Représentation de la température dans la tige pour différents instants de l'expérience
plt.figure()
positions = np.array([i*deltax for i in range(N)]) # vecteur numpy des différentes positions sur la tige
for k in range(0,M,int(M/10)): # pour 11 lignes de la matrice T, avec int() pour assurer qu'il s'agit d'un entier
    plt.plot(positions,T[:,k],label=("t="+str(k*deltat/60)+"min"))
# Représentation de la température dans la tige en régime stationnaire
plt.plot(positions,(T2-T1)/L*positions+T1,'+',label=("régime stationnaire"))
# Affichage de la figure
plt.xlabel("Position (m)")
plt.ylabel("Température (°C)")
plt.title("Évolution de la température dans la tige")
plt.legend()
plt.show()



## Tige de température non uniforme en contact avec deux thermostats

from math import *
# Définition des paramètres
L=1
D = 1.2e-4
tau = 3600
# Défintion du pas spatial et du pas temporel
deltax = 0.02
deltat = 1
# Calcul du nombre de tronçons et du nombre d'intervalles de temps
N = int(L/deltax+1) # int() permet d'assurer qu'il s'agit d'un entier
M = int(tau/deltat+1)
# Création de la matrice T
T = np.zeros((N,M))
# Prise en compte de la condition initiale
T1 = 20 # on peut travailler indifféremment en °C ou en K
A = 10
for i in range(N):
    T[i,0] = T1+A*sin(pi/L*i*deltax)
# Prise en compte de la condition à la limite en x=0
for j in range(M):
    T[0,j] = T1
# Prise en compte de la condition à la limite en x=L
for j in range(M):
    T[N-1,j] = T1
# Calcul de T en utilisant la relation de récurrence
for j in range(M-1): # pour chaque instant (sauf le dernier), on calcule la température à l'instant suivant
    for i in range(1,N-1): # pour chaque tronçon (sauf aux deux extrémités)
        T[i,j+1] = T[i,j]+(D*deltat/deltax**2)*(T[i+1,j]+T[i-1,j]-2*T[i,j])

# Représentation de la température dans la tige pour différents instants de l'expérience
plt.figure()
positions = np.array([i*deltax for i in range(N)]) # vecteur numpy des différentes positions sur la tige
for k in range(0,M,int(M/10)): # pour 11 lignes de la matrice T, avec int() pour assurer qu'il s'agit d'un entier
    plt.plot(positions,T[:,k],label=("t="+str(k*deltat/60)+"min"))
# Représentation de la température dans la tige en régime stationnaire
plt.plot(positions,[T1 for i in range(N)],'+',label=("régime stationnaire"))
# Affichage de la figure
plt.xlabel("Position (m)")
plt.ylabel("Température (°C)")
plt.title("Évolution de la température dans la tige")
plt.legend()
plt.show()



## Tige de température uniforme en contact avec une source de température oscillante

from math import *
# Définition des paramètres
L = 1
D = 1.2e-4
tau = 3600
# Défintion du pas spatial et du pas temporel
deltax = 0.02
deltat = 1
# Calcul du nombre de tronçons et du nombre d'intervalles de temps
N = int(L/deltax+1) # int() permet d'assurer qu'il s'agit d'un entier
M = int(tau/deltat+1)
# Création de la matrice T
T = np.zeros((N,M))
# Prise en compte de la condition initiale
T1 = 20 # on peut travailler indifféremment en °C ou en K
for i in range(N):
    T[i,0] = T1
# Prise en compte de la condition à la limite en x=0
for j in range(M):
    T[0,j] = T1
# Prise en compte de la condition à la limite en x=L
A = 10
P = 45*60
for j in range(M):
    T[N-1,j] = T1+A*sin(2*pi/P*j*deltat)
# Calcul de T en utilisant la relation de récurrence
for j in range(M-1): # pour chaque instant (sauf le dernier), on calcule la température à l'instant suivant
    for i in range(1,N-1): # pour chaque tronçon (sauf aux deux extrémités)
        T[i,j+1] = T[i,j]+(D*deltat/deltax**2)*(T[i+1,j]+T[i-1,j]-2*T[i,j])

# Représentation de la température dans la tige pour différents instants de l'expérience
plt.figure()
positions = np.array([i*deltax for i in range(N)]) # vecteur numpy des différentes positions sur la tige
for k in range(0,M,int(M/10)): # pour 11 lignes de la matrice T, avec int() pour assurer qu'il s'agit d'un entier
    plt.plot(positions,T[:,k],label=("t="+str(k*deltat/60)+"min"))
# Affichage de la figure
plt.xlabel("Position (m)")
plt.ylabel("Température (°C)")
plt.title("Évolution de la température dans la tige")
plt.legend()
plt.show()


