Methodes Math Ematiques PDF

Universite Paris-Sud 11
L3 de Physique et Chimie
Methodes Mathematiques
pour la Licence de Physique et Chimie
Jean-Luc Raimbault
Laboratoire de Physique des Plasmas
Ecole Polytechnique,
jean-luc.raimbault@lpp.polytechnique.fr
2010 - 2011
2
Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

3
Les pages qui suivent presentent quelques methodes mathematiques que vous aurez à utiliser dans vos cours
de Physique et Chimie. Cet enseignement de Mathematique est structure en 5 grandes parties :
Variables complexes
Equations differentielles
Analyse dans Rn
Algèbre lineaire
Analyse de Fourier.
Au sein de chacune de ses parties, plusieurs chapitres, allant du plus simple au plus complique, sont proposes.
Les chapitres 1, 4, 5, 6, 9, 10, 12, 14 et 15 (cf. sommaire) seront traites en première intention et devraient
etre matrises par tous les etudiants. Ils constituent la base du programme sur lequel vous serez interroges. Les
chapitres complementaires, qui abordent des notions plus avancees, peut-etre moins utiles pour certains dentre
vous, seront etudies si le temps le permet et/ou proposes aux etudiants suffisamment à laise sur les chapitres
de base.
Mettre en uvre des methodes mathematiques dans le contexte dun problème de Physique ou Chimie
suppose une connaissance des concepts mathematiques associes (ce que ce cours vous rappellera ou vous fera
decouvrir), et surtout une mise en pratique qui passe par la resolution de nombreux exercices. Cela suppose une
presence assidue et active aux cours et aux travaux diriges mais egalement un travail personnel important. Cette
implication personnelle est determinante et sera encouragee. Lobjectif est darriver progressivement à identifier
vos lacunes, puis ` a travailler - avec notre aide - à les combler, enfin à estimer par vous-meme le niveau de
comprehension que vous avez atteint. Pour vous y aider, des devoirs et tests vous seront regulièrement proposes
et des livres dexercices seront à votre disposition.
Enfin, il est bon de rappeler quun bagage mathematique sentretient. Il vous faut donc prevoir de revenir
periodiquement, tout au long de vos etudes (et meme après !) sur des concepts et des methodes que vous
matriserez dautant moins que vous les utiliserez de facon occasionnelle. Les livres sont faits pour ca. Les
quelques indications suivantes pourront eventuellement vous guider dans la jungle des ouvrages disponibles.
Commencons par des ouvrages ecrits generalement par des physiciens qui suivent une approche assez prag-
matique.
1. Mathematical Methods for Scientists and Engineers, Donald McQuarrie, University Science Books, 2003.
Livre dun celèbre physico-chimiste, excellent pedagogue. Le contenu est très progressif et contient beaucoup
dillustrations. A recommander pour debuter sur beaucoup de sujets de mathematiques.
2. Mathematical Methods for Physicists, G. B. Arkfen and H. J. Weber, Harcourt/Academic Press, 2001.
Un livre de reference pour les utilisateurs de mathematiques en sciences appliquees. Style très direct,
nombreux exercices et exemples dapplications en Physique.
3. Distributions et Transformation de Fourier, Ediscience (1971, 1978), McGraw Hill (1984, 1988, 1993).
Presente la theorie des distributions et la transformation de Fourier sous une forme très accessible au
physicien. Applications a` lOptique.
4. Serie Schaum chez Ediscience ou Mac Graw Hill.
Serie dont les differents volumes sont specialises dans certains domaines des mathematiques. En par-
ticulier, on pourra consulter : Variables complexes, Algèbre lineaire, Equations differentielles, Calcul
differentiel et integral. Lapproche est très très progressive, sappuyant sur un minimum de cours, et
un grand nombre dexercices de difficulte croissante. A recommander pour faire le point et pour le travail
personnel.
5. Mathematiques pour lingenieur, Nino Boccara, Ellipses, 1996.
4 petits volumes traitant chacun dun sujet : fonctions analytiques, distributions, integration, et probabi-
lites. Les sujets sont souvent introduits par une demarche historique instructive. Exercices corriges.
6. Mathematiques pour la Physique, Walter Appel, H-K Editions, 2002.
Un bon livre recent et rigoureux, qui fait le tour dhorizon de differents domaines des mathematiques utiles
au physicien.
Les ouvrages suivants, ecrits par des mathematiciens dans un style rigoureux, permettent daffermir les bases
ou dacquerir une vision plus large de certains sujets mathematiques.
1. Cours de Mathematiques, J. Bass, Masson, 1968.

4
Un bon livre a
` lancienne, en 2 tomes, complet sur toutes les notions elementaires, comprend de nombreux
exercices.
2. Principe danalyse mathematique, Walter Rudin, EdiScience International, 1995.
Un très bon livre danalyse ecrit par un mathematicien professionnel très pedagogue. Utile pour revoir les
notions de base danalyse.
3. A course in mathematics for students for in physics, P. Bamberg and S. Sternberg, Cambridge University
Press, 2001.
Ouvrage en 2 tomes qui presente nombre de sujets traditionnels dune facon souvent originale et profonde.
A consulter pour louverture desprit.
4. An Introduction to the Mathematical Theory of Waves, Roger Knobel, AMS, 2000.
Petit ouvrage sur un sujet specifique : les ondes. Très simple, progressif et clair. Les ondes non-lineaires
sont abordees. Illustration et exercices en utilisant MatLab.
5. Equations differentielles et systèmes dynamiques, J. Hubbard and B. West, traduit par V. Gautheron,
Cassini, 1999.
Un livre sur les equations differentielles, ecrit dans un esprit dintroduction a
` la theorie des systèmes
dynamiques, donc selon le point de vue geometrique. Nombreuses illustrations.
6. Dictionnaire des Mathematiques, Encyclopaedia Universalis, Albin Michel, 1997.
Cet ouvrage regroupe les articles de mathematiques de la celèbre Encyclopedie. Ecrits par dexcellents
specialistes, ces articles de niveaux varies permettent en general davoir une vue densemble sur un sujet
particulier et sur ses liens avec dautres domaines des mathematiques. Pas vraiment pour les debutants.
A consulter en particulier pour son caractère synthetique.
Signalons enfin pour finir, 2 excellents ouvrages abordables à votre niveau, ecrits par deux anciens professeurs
de lUniversite Paris-Sud, tous deux membres de lAcademie des Sciences.
1. Methodes mathematiques pour les sciences physiques, J.-M. Bony, Editions de lEcole Polytechnique, 2000.
Contient lanalyse de Fourier, les fonctions dune variable complexe et lanalyse hilbertienne. Diverses
remarques sur les equations de la physique mathematique ou lusage des differentielles en physique par
exemple sont très instructives.
2. Mathematiques pour la Licence de Physique Fondamentale, J.-P. Kahane, Editions de lUniversite Paris-
Sud, 1992.
Offre beaucoup de recul et delegance sur des sujets mathematiques traditionnels. Un grand nombre de
domaines abordes, completes par des exercices en partie corriges. A mediter.

Premi`
ere partie
Variables complexes
5
Chapitre 1
Rappels sur les nombres complexes

Motivations historiques
Le corps des nombres complexes
Exponentielle dun nombre complexe
Representation des nombres complexes
The imaginary numbers are a wonderful flight of Gods spirit ; they are almost an amphibian between
being and not being.
G. W. von Leibniz, 1702.
1.1 Motivations historiques

En 1545, le mathematicien italien Girolamo Cardan 1 proposa le problème suivant :
Comment diviser une droite de longueur 10 de telle sorte que le rectangle construit avec les 2 parties de
la division ait une aire de 40 ?
10 - x
x
x 10 - x
Ce problème a pour solutions les racines

de lequation du second degre x(10 x) = 40 dont on verifiera
aisement quelle admet les 2 racines 5 15. Il sagissait dun premier cas concret qui conduisit à sinterroger
sur le sens à donner aux racines carrees de nombres negatifs. Un autre exemple plus simple est donne par
lequation x2 + 1 = 0 qui na aucune solution dans R puisque x2 + 1 1.
Deux siècles plus tard, vers 1740, le
mathematicien suisse Leonard Euler fut le premier à introduire la
notation i pour designer le symbole, 1, soit i 1, et donc, formellement, i2 = 1. Ainsi, en utilisant
formellement les règles de calcul etablies pour les reels, les solutions du problèmes de Cardan peuvent-elles
secrire
5 15 = 5 15 i2 = 5 i 15
Cette ecriture
met donc en evidence de nouvelles grandeurs mathematiques qui sexpriment à laide dun couple
de reels (5, 15) et du symbole i. Cette première piste a ete approfondie et formalisee au debut du XIXème
siècle par linterpretation des nombres complexes (un terme d u au mathematicien allemand Carl Friedrich
1. Cardan (1501-1576) est un des plus fameux alg ebriste du moyen-age puisquon lui doit en particulier la methode de resolution
des equations du 3ème degr
e. Rappelons pour m emoire que lon sait r
esoudre explicitement toutes les equations algebriques jusquau
4ème degre (en les ramenant a` des
equations du 2`
eme ou du 3` eme degr
e). Il faudra attendre Evariste Galois et ses successeurs pour
prendre conscience que les equations de degr e plus
eleve ne peuvent pas en g eneral sexprimer a
` partir des fonctions
el
ementaires
(ce qui ne veut pas dire quelles nont pas de solutions : des valeurs approch ees peuvent facilement etre calcul
ees par ordinateur a`
laide dalgorithmes adequats).
7
1.2. LE CORPS DES NOMBRES COMPLEXES 8
Gauss) comme des points dun plan muni dun repère cartesien, dont un axe est laxe des nombres reels tandis
que lautre est celui des nombres imaginaires.
1.2 Le corps des nombres complexes

Rappelons que lensemble des entiers naturels, N, comprend 0 et tous les entiers positifs. A la difference de
laddition des entiers naturels qui ne fait pas sortir de N, la soustraction et la division peuvent faire sortir de
N. Lintroduction de lensemble des entiers relatifs, Z, qui comprend 0 et tous les entiers positifs et negatifs,
permet de rester dans Z lorsquon soustrait mais pas lorsquon divise. Le problème est resolu par lintroduction
de lensemble des rationnels, Q, qui comprend 0 et tous les nombres de la forme m/n avec m et n entiers non
nuls. Cependant, Q ne contient pas tous les nombres puisque lequation r2 = 2 par exemple nest satisfaite par
aucun rationnel. 2

2
1
1
On peut montrer que les rationnels completes par les irrationnels constituent tous les points de la droite, ce
quon appelle lensemble des nombres reels, R.
De là, il est assez naturel de considerer tous les points du plan, que lon peut obtenir comme lensemble des
couples de points ordonnes de 2 nombres reels, que lon notera (a, b) avec a et b elements de R. Cest le point
de depart pour definir les nombres complexes.
efinition 1.2.1 Un nombre complexe est un couple ordonne (a, b) de nombres reels.
D
Pour pouvoir effectuer des calculs controles avec les nombres complexes, il convient de definir les operations
suivantes.
efinition 1.2.2 Soient x = (a, b) et y = (c, d) deux nombres complexes,

D
1. Egalite : x = y a = c et b = d,
2. Addition : x + y = (a + c, b + d),
3. Multiplication : xy = (ac bd, ad + bc).
Exercice 1.1 Verifier que ces règles sont compatibles avec une representation des nombres complexes (a, b) par
les matrices 2 2 :
a b
(a, b)
b a
Th eme 1.2.1 Lensemble des nombres complexes, note C, est un corps

eor`
dont lelement neutre pour laddition est le couple (0, 0) 0 C,
dont lelement identite pour la multiplication est le couple (1, 0) 1 C.
Exercice 1.2 Montrer que pour x 6= (0, 0),

1 a b
= , 2
x a + b a + b2
2 2
Le nombre complexe (0, 1) (` a ne pas confondre avec (1, 0) : les couples sont ordonnes) merite une attention
particulière. On le baptise :
2. La demonstration peut seffectuer par labsurde. Supposons en effet que r = m/n avec m, n entiers non nuls sans facteur
commun. Alors, puisque r 2 = 2, m2 = 2n2 , m2 est donc pair. Donc m est pair car le carr e dun nombre impair est impair. Soit
donc m = 2p avec p entier, l e m2 = 2n2 s
egalit ecrit donc n2 = 2p2 . n2 est donc pair ; on en d
eduit que n est
egalement pair ; m
et n sont donc tous deux pairs et ont donc
2 comme facteur commun, contrairement
a
` lhypothèse faite au d
ebut du raisonnement.
On en d equation r = 2 = m/n ne peut
eduit donc que l etre satisfaite : 2 nest donc pas rationnel.

1.3. EXPONENTIELLE COMPLEXE 9
efinition 1.2.3 On posera i (0, 1), par definition.

D
Exercice 1.3 Verifier que dans C :

i2 = 1
Les nombres complexes de la forme (a, 0) forment un sous-corps de C qui sidentifie avec R. Remarquez que si
R, le produit de et du nombre complexe z = (a, b) verifie z = (a, b).
1.3 Exponentielle complexe

Lexponentielle dun nombre complexe peut etre definie en generalisant la definition de lexponentielle dun
nombre reel par une serie.
efinition 1.3.1 Par definition, pour tout z C,

D
X
zn
ez =
n=0
n!
Cette definition a un sens car on peut montrer que cette serie est convergente z C. Cette definition constitue
un premier exemple de fonction dune variable complexe. Letude des fonctions dune (ou de plusieurs) variable(s)
complexe(s) constitue un champ detudes mathematiques à part entière (cest ce quon appelle la theorie des
fonctions analytiques). La definition meme de certaines fonctions dune variable complexe, par prolongement de
leurs definitions pour une variable reelle nest pas toujours aussi simple que lexemple de lexponentielle pourrait
le laisser penser. Des fonctions aussi usuelles que le logarithme ou la racine dun nombre complexe ne peuvent
en effet etre definies que sur une partie du plan complexe.
u y R, après avoir regroupes les termes pairs et
Dans le cas particulier des imaginaires purs, z iy o`
impairs, on obtient :

y2 y4 y3
eiy = 1 + + i y + cos y + i sin y,
2! 4! 3!
o`
u on a utilise la definition entermes de series dune sinus et du cosinus dun nombre reel. Il sagit de la formule
dite dEuler (1743), dite egalement representation trigonometrique de lexponentielle :
x R, eix = cos x + i sin x
En remplacant x par x dans la formule precedente, on a eix = cos xi sin x, et en combinant ces 2 expressions,
on obtient les fonctions trigonometriques en termes dexponentielles imaginaires :
eix + eix eix eix
cos x = sin x =
2 2i
Exercice 1.4 Montrer que pour tout x C

cos(ix) = cosh x et sin(ix) = i sinh x
ome) que pour a et b dans C

Exercice 1.5 Montrer (en utilisant la formule du bin
ea+b = ea eb
Une consequence immediate de cette propriete et de la formule dEuler est la formule de De Moivre :
n
x R, (cos x + i sin x) = cos(nx) + i sin(nx)
Exercice 1.6 Quelles relations trigonometriques peut-on deriver des identites suivantes (t, t R) ?
1. |eit | = 1,

2. ei(t+t ) = eit eit .

1.4. REPRESENTATION DES NOMBRES COMPLEXES 10
1.4 Repr
esentation des nombres complexes
1.4.1 Repr
esentation cart
esienne
En utilisant les operations definies precedemment, on peut ecrire :
(x, y) = (x, 0) + (0, y) = (1, 0)(x, 0) + (0, 1)(y, 0) = 1 x + i y x + iy
Ainsi,
z (x, y) C z = x + i y, x R, y R.
Cest ce quon appelle la representation cartesienne des nombres complexes. x et y etant respectivement les
parties reelles et imaginaires de z.
efinition 1.4.1 Par definition, le conjugue du nombre complexe, z, note z, tel que :
D
z x iy
Exercice 1.7 Verifier que

z + z = z + z,
zz = zz ,
z = z.
Calculons explicitement le produit dun nombre complexe quelconque avec son conjugue :
zz = (x + iy)(x iy) = x2 + y 2
qui est donc un nombre reel, positif ou nul.
efinition 1.4.2 Par definition, le module du nombre complexe, z est le nombre reel note |z| tel que :
D
p
|z| zz = x2 + y 2 R+
Le module dun nombre complexe jouit des memes proprietes que la valeur absolue pour les nombres reels
(attention, le meme symbole |.| est utilise mais ne sapplique pas aux memes nombres). Bien quil ny ait pas
de relation dordre dans C (on ne peut pas comparer 2 couples de nombres), la notion de module permet de
definir une distance dans C et, partant de l` a de developper lanalyse (notions de limite, continuite ...) dans le
corps des nombres complexes.
1.4.2 Repr
esentation g
eom
etrique
On peut passer de la representation cartesienne à la representation geometrique (module-argument) en

utilisant les coordonnees polaires
y z z
|z|

x
z = x + iy = |z| cos + i |z| sin = |z| ei
est largument qui verifie tan = y/x. Largument, en tant quangle, est evidemment defini à 2 près ; si on
impose à largument dappartenir ` a lintervalle ] , +], il est determine de facon unique et sappelle alors

largument principal. Par exemple, les representations geometriques des nombres complexes de signes opposes
z1 = 1 + i et z2 = 1 i sont donnees respectivement par z1 = 2 e+i/4 et z2 = 2 ei3/4 . Comme on pouvait
sy attendre, on passe dun nombre complexe à lautre par une rotation de autour de lorigine (symetrie de
centre 0), les 2 valeurs des arguments (principaux) etant differenciees par les signes de x et y.
On notera en particulier quun nombre complexe est nul si et seulement si son module est nul. La representation
geometrique permet de donner une interpretation simple de plusieurs operations sur les nombres complexes :
z = |z| ei (symetrie par rapport ` a laxe Ox),

zz = |z| |z | ei(+ ) (multiplication des modules et addition des arguments),
zz = |z|z| | ei( ) (division des modules et soustraction des arguments).

Lutilite de la representation geometrique peut etre illustre dans la recherche des racines de lunite cest-`
a-dire
à determiner les solutions dans C de lequation
zn 1 = 0
En utilisant la representation geometrique, on obtient
zn = 1 |z|n ein = 1 = 1 ei2k , kZ
On doit donc avoir ` a la fois |z|n = 1 (i.e. |z| = 1) et n = 2k. On en deduit donc les n solutions distinctes qui
se repartissent uniformement sur le cercle unite :
zn 1 = 0 zk = ei2k/n , k = 0, 1, 2, , n 1.
On a mentionne au debut de ce chapitre que les equations polynomiales navaient pas toujours de solutions
dans R. Dans le corps des nombres complexes, les choses sont beaucoup plus simples puisque lon dispose du
theorème suivant, appele theorème fondamental de lalgèbre, d
u à Dalembert (1746), qui stipule :
Th eme 1.4.1 Un polyn

eor` ome de degre n a
` coefficients complexes possède exactement n racines (pas necessairement
distinctes) dans C.
Ainsi la theorie des equations algebriques est-elle plus harmonieuse dans lensemble des nombres complexes que
dans lensemble des nombres reels. Il en va de meme dans de nombreux domaines des mathematiques mettant
en jeu les nombres complexes. Par exemple, si une fonction dune variable complexe est derivable une fois, elle
est derivable une infinite de fois ( !), ce qui nest certes pas le cas pour les fonctions dune variable reelle.


Chapitre 2
Fonctions dune variable complexe
De la meme facon quune fonction dune variable reelle à valeurs dans R est definie par une prescription qui
associe un nombre reel x R à un autre reel f (x) R, il est possible de definir des fonctions dune variable
complexe à valeur dans C.
En introduisant les notions de limite, continuite, derivabilite, integration ... on peut alors developper une
analyse pour ces fonctions de variables complexes, que nous presentons succinctement dans ce qui suit.
2.1 Fonctions dune variable complexe

efinition 2.1.1 On appelle fonction dune variable complexe, une application f de C dans C :
D
f : z = x + iy 7 Z = f (z) = X(x, y) + iY (x, y).
Si une seule valeur de f (z) correspond ` a chaque valeur de z, f est dite uniforme ; si plusieurs valeurs de f (z)
correspondent ` a chaque valeur de z, f est dite multiforme. Aucun calcul netant possible avec des fonctions
multiformes, on peut toujours considerer une fonction multiforme comme un ensemble de fonction uniforme, et
calculer avec lune dentre elle. Chacune des fonctions uniformes definies est une branche (ou une determination)
de la fonction, et lelement choisi sappelle la branche (ou la determination) principale.
Exemple Fonction racine carree dun nombre complexe :
f (z) = z 1/2
En utilisant la representation geometrique de z, z = ei = ei e+i2k , avec k Z, on trouve que f (z) =

1/2 ei/2 eik = 1/2 ei/2 . Ainsi, z a-t-il 2 images : la fonction est bivaluee.
y
C R
Les deux branches sont obtenues en empechant z de faire un tour complet autour de lorigine. Dans ce cas
particulier, on dit que lorigine est un point de branchement. On effectue ce quon appelle une coupure dans le
plan complexe. Par exemple, on peut retirer du domaine de definition, lensemble des valeurs negatives, R ,
avec pour choix naturel (dans le sens dune definition qui prolonge celle de la racine dun nombre reel) de
determination principale :
si z = ei avec R+ et ] , +[, w = 1/2 ei/2
Notez que le choix de R nest pas unique, tout autre demi-droite ferait egalement laffaire.
13

2.2. DERIVATION DES FONCTIONS DUNE VARIABLE COMPLEXE 14
2.2 D
erivation des fonctions dune variable complexe
efinition 2.2.1 On dit quune fonction f est derivable au sens complexe au point z0 , si le quotient :
D
f (z) f (z0 )
z z0
tend vers une limite, independamment de la facon dont z tend vers z0 .
Cette limite unique est la derivee de f en z0 :
f (z) f (z0 )
f (z0 ) = lim
zz0 z z0
Soit U un disque ouvert de C. On dit que f est holomorphe ou analytique dans U si f est derivable en tout
point de U.
La definition de la derivabilite est donc formellement identique au cas reel. Le point important à souligner
est que la valeur de la derivee doit etre unique, quelle que soit la facon dont on tend vers le point. Il sagit dune
contrainte très forte.
Pour savoir si une fonction est derivable on peut appliquer la definition ou utiliser les resultats du theorème
suivant :
Th eorème 2.2.1 Pour que la fonction Z = f (z) = X(x, y) + iY (x, y) soit derivable au point z0 , il faut et il
suffit que :
X et Y , fonctions de (x, y), soient derivables en (x0 , y0 ),
et que, en ce point : x X = y Y et y X = x Y.
Si f est derivable, sa derivee Z = f est telle que :
Z = x X + ix Y = y Y iy X.
Ce resultat est obtenue en appliquant la definition de la derivabilite et en choisissant 2 facons possibles de faire
tendre (x, y) vers (x0 , y0 ), par exemple, soit en suivant laxe Ox ou soit en suivant laxe Ox. La fonction nest
derivable que si les 2 resultats sont identiques, ce qui conduit aux conditions du theorème. Les conditions sur
les derivees partielles sappellent les conditions de Cauchy-Riemann. Il existe une version analogue lorsque la
representation geometrique des nombres complexes est utilisee. Par exemple, les conditions de Cauchy-Riemann
montrent que la fonction definie par f (z) = z 2 = (x2 y 2 ) + i2xy est derivable en tout point de C, de derivee
f (z) = 2z, mais que la fonction f (z) = z = x iy ne lest en aucun point puisque x X = y Y .
Les proprietes concernant la derivabilite des sommes, produits, .. de fonctions, sont identiques à celles connues
dans R :
Th
eor`
eme 2.2.2
Si f et g sont holomorphes dans un disque ouvert D, il en est de meme pour f ( R), f + g, f g, f /g (pour
g(z) 6= 0 dans D), et pour f g.
Plus generalement, on pourra utiliser les memes formules elementaires pour le calcul des derivees que celles
utilisees dans R.
En combinant les conditions de Cauchy-Riemman pour les fonctions dont les derivees croisees sont egales,
on trouve aussitot que X ou Y verifient lequation X = y = 0. X ou Y sont dites harmoniques et jouent
un r
ole important dans les problèmes physiques qui mettent en jeu lequation de Laplace (cf. electrostatique et
mecanique des fluides).
Th eme 2.2.3 Si la fonction Z = f (z) = X(x, y) + iY (x, y) est holomorphe, et si X et Y ont des derivees
eor`
secondes continues, alors :
2 2 2 2
X xx X + yy X = 0, et Y xx Y + yy Y = 0.
On dit que X et Y sont harmoniques.

2.3. INTEGRATION DES FONCTIONS DUNE VARIABLE COMPLEXE 15
Enfin, la condition de derivabilite est tellement forte dans C que lon obtient le resultat spectaculaire suivant :
Th eme 2.2.4 Une fonction holomorphe est indefiniment derivable.

eor`
2.3 Int
egration des fonctions dune variable complexe
Lintegrale curviligne dune fonction dune variable complexe est definie comme la somme de 2 integrales
curvilignes de fonctions de variables reelles :
Definition 2.3.1 Soit f une fonction de module borne, definie dans un disque ouvert D de C. Soit C un arc
de courbe regulier contenu dans D.
Lintegrale curviligne de f (z) = X + iY le long de C est definie par :
Z Z Z Z
f (z)dz = (X + iY ) (dx + idy) = (Xdx Y dy) + i (Y dx + Xdy)
C C C C
Il nest pas toujours necessaire doperer cette decomposition. Dans certains cas, on peut egalement calculer
directement lintegrale `
a partir des variables complexes.
Exemple Soit ` a integrer la fonction definie par f (z) = 1/(z a) avec a C le long dun contour circulaire
Ca qui entoure a.
La fonction est holomorphe dans C {a}, et dans ce cas la parametrisation du contour est simple. Posons
u R est le rayon du cercle C. Alors dz = iRei d de sorte que
z = a + R ei o`
Z Z2
1
f (z)dz = iRei d = 2i
R ei
Ca 0
Un certain nombre de resultats specifiques importants concernent les integrales curvilignes le long de contours
fermes. Le theorème suivant, dit theorème de Cauchy, est fondamental.
Th eme 2.3.1 Soit D un disque ouvert de C (ou plus generalement un domaine ouvert simplement connexe 1 ).
eor`
Si f est holomorphe dans D, et si la courbe C fermee est contenue dans D, alors :
I
f (z)dz = 0.
C
H
Une application directe de ce theorème montre que lintegrale de lexemple precedent C dz/(z a) sannulerait
si C est un cercle nentourant pas a. Le theorème de Cauchy est une consequence directe de la formule de
Green-Riemann (ou formule du rotationnel) pour un champ de vecteurs à 2 composantes V = (Vx , Vy ) :
ZZ I
(x Vy y Vx ) dxdy = (Vx dx + Vy dy)
S C
o`
u S est la surface enclose par C. Le resultat est obtenu en appliquant cette formule aux champs (X, Y ) et
(Y, X) et en utilisant les conditions de Cauchy-Riemann.
En appliquant le theorème de Cauchy au contour C = L L constitue de lunion du chemin L et du chemin
L parcouru en sens inverse, on montre que lintegrale dune fonction holomorphe dans un disque ouvert de C
ne depend pas du chemin suivi :
1. Rappelons quun domaine simplement connexe est une partie de C dun seul morceau, sans trous.

2.3. INTEGRATION DES FONCTIONS DUNE VARIABLE COMPLEXE 16
L L L L
L L
Theorème 2.3.2 Si f une fonction holomorphe dans D, domaine simplement connexe, alors lintegrale joignant
2 points de D ne depend pas du chemin suivi. Plus explicitement, si L et L sont 2 chemins dans D, alors :
Zz Z Z
f (t)dt = f (z)dz = f (z)dz, avec z, z0 D.
z0 L L
Le theorème de Cauchy ne sapplique quaux fonctions holomorphes dans un domaine. Lintegrale dune fonction
sur un contour ferme entourantH un domaine o` u la fonction nest pas holomorphe nest pas en general nul
(lexemple traite plus haut Ca dz/(z a) = 2i en est un exemple). On dispose cependant du resultat suivant,
très utile dans les calculs :
Th eme 2.3.3 Soit f une fonction holomorphe dans D a

eor` ` lexclusion dune partie D o`
u la fonction nest pas
holomorphe. Si les courbes fermees C et C font chacune une fois le tour du domaine D , alors :

I I
f (z)dz = f (z)dz.
C C
Ce resultat est obtenu par application du theorème de Cauchy en remarquant que f est holomorphe dans le
domaine compris entre C et C .
C D
f holomorphe
Il existe une autre classe de resultats importants, les formules integrales de Cauchy qui montrent que si lon
connat les valeurs dune fonction analytique sur une courbe fermee C, alors les valeurs de la fonction peuvent
etre calculees en tout point du domaine encercle par la courbe C.
Theorème 2.3.4 Soit f une fonction holomorphe dans un domaine simplement connexe D ; soit C une courbe
fermee entièrement contenue a
` linterieur de D, et entourant un domaine . Soit a mais nappartenant
pas a
` C, alors :
I
1 f (z)
f (a) = dz,
2i (z a)
C
I
n! f (z)
f (n) (a) = dz, pour n 1.
2i (z a)(n+1)
C

2.4. DEVELOPPEMENT
EN SERIE 17
Par application du theorème 2.3.3, on peut reporter le calcul de lintegrale de C sur un cercle de centre a et
de rayon que lon choisira aussi petit que desire. Alors,
I I I I
f (z) f (z) f (z) f (a) 1
dz = dz = dz + f (a) dz
(z a) (z a) (z a) (z a)
C
H
Le resultat est obtenu en considerant la limite 0. La première integrale est vaut f (a) dz 0 et la
deuxième 2if (a). Le resultat sur les derivees est obtenue par derivees successives sous le signe integral.
2.4 D
eveloppement en s
erie
Une autre consequence importante de la derivabilite dune fonction en un point (caractère très fort, repetons-
le), est la possibilite de developpement de la fonction en serie entière dans le voisinage du point.
Th eorème 2.4.1 Si f est holomorphe au point z = a, il existe un disque de centre a a

` linterieur duquel f est
developpable en serie entière :

X
f (z) = An (z a)n ,
n=0
(n)
f (a)
An =
n!
Il sagit donc dun developpement en serie de Taylor. Un exemple de developpement en serie au voisinage de
lorigine est donne par le resultat :
X
1
= z n , |z| < 1
1 z n=0
que lon peut egalement voir comme une generalisation au plan complexe dun resultat connu sur les series
geometriques. On notera que le disque de convergence est limite par la rencontre de la singularite en z = 1, o`
u
la fonction nest plus definie (et donc plus holomorphe).
Quen serait-il du developpement de la serie :
1
f (z) =
z(1 z)
En utilisant le resultat du developpement en serie de 1/(1 z), on a aussitot :
1 1
f (z) = 1 + z + z2 + = + 1 + z + z2 +
z z
Ainsi, cette fonction, non holomorphe en z = 0, admet-elle un developpement en serie de puissances positives et
negatives (le terme en 1/z) de la variable z. La generalisation de ce point de vue correspond au developpement
en serie de Laurent :
Th eorème 2.4.2 Si f est holomorphe dans la couronne D comprise entre 2 cercles concentriques de centre
a, de rayons r et R, on peut y developper f suivant les puissances positives et negatives de (z a). On a le
developpement en serie de Laurent :

X
f (z) = An (z a)n ,
n=
I
1 f (s)
An = ds,
2i (s a)n+1
C
C etant nimporte quelle courbe fermee regulière situee a

` linterieur de D et faisant une fois le tour de a dans
le sens positif.
La demonstration de ces theorèmes est une consequence des formules integrales de Cauchy appliquees à des
contours encerclant des domaines où la fonction s 7 f (s)/(s z) est holomorphe.

2.5. METHODE
DES RESIDUS 18
2.5 M
ethode des r
esidus
Une fonction dune variable reelle etant un cas particulier de fonction dune variable complexe, il apparat
que certaines integrales de fonctions reelles sont plus facilement calculables (voire seulement calculables) en
passant dans le plan complexe. La methode dite des residus est une methode de calcul dintegrales curvilignes
de fonction dune variable complexe particulièrement efficace. Elle est utile, en particulier, pour le calcul des
transformees de Laplace et de Fourier.
Commencons par introduire un peu de vocabulaire concernant les points singuliers des fonctions dune
variable complexe.
Definition 2.5.1 Considerons le developpement en serie de Laurent dune fonction f dont le developpant en
puissances negatives sarrete au Nème terme :

X N
X bn
f (z) = an (z a)n +
n=0 n=1
(z a)n
La singularite de f en z = a est appelee un p

ole dordre N .
Le p
ole est dit simple si N = 1, multiple dans les autres cas.
La singularite est dite essentielle si N = .
Une singularite (ou point singulier) est dite isolee si elle possède un voisinage dans lequel on ne trouve
aucun autre point singulier pour la fonction consideree.
Par exemple, a est un pole simple de la fonction definie par f (z) = 1/(z a), f (z) = ez /z 2 est un pole dordre
2 en z = 0, tandis que 0 est un point essentiel de la fonction definie par f (z) = e1/z .
Theorème 2.5.1 Soit D un domaine simplement connexe, a ` linterieur duquel f possède une seule singularite
a (p
ole ou point essentiel isole). On a : I
f (z)dz = 2iA1 .
D
où A1 est le coefficient du developpement en serie de Laurent de f au voisinage de a, et D est le courbe
limitant le domaine D .
A1 sappelle le residu de f en a.
Ce resultat est une consequence directe du developpement en serie de Laurent (definition du coefficient An pour
n = 1).
Theorème 2.5.2 Soit D un domaine non necessairement connexe, dont la frontière D est formee dune ou
plusieurs courbes fermees simples.
Soit f une fonction holomorphe dans D y compris sur sa frontière D, sauf en un nombre fini de points non
situe sur D, et qui sont des p
oles ou points essentiels isoles. On a
I X (k)
f (z)dz = 2i A1 ,
D k
(k)
les A1 etant les residus de f associes aux points singuliers a1 , a2 , , ak , D.
Ce resultat constitue `
a proprement parler le theorème des residus. Un domaine non connexe est un domaine
en plusieurs morceaux. La demonstration consiste à modifier les contours de facon à se ramener aux conditions
dapplications du theorème precedent.
Le dernier point `
a evoquer concerne le calcul pratique des residus. Si le pole est simple, il existe une couronne
de centre a o`
u:
A1
f (z) = + A0 + A1 (z a) + (z a)f (z) = A1 + A0 (z a) + A1 (z a)2 +
za

2.5. METHODE
DES RESIDUS 19
On peut donc obtenir A1 en prenant la limite quand z a. Si le pole est dordre plus eleve, 2 par exemple,
on a de meme :
d(z a)2 f (z)
(z a)2 f (z) = A2 + A1 (z a) + A0 (z a)2 + = A1 + 2A0 (z a) +
dz
Le residu etant obtenu en prenant encore la limite z a. Dune facon generale, on a donc :
Th
eor`
eme 2.5.3 1. Soit a un p
ole simple isole dune fonction f . Le residu associe a
` a est donne par :
A1 = lim [(z a)f (z)] .

za
2. Soit a un p
ole multiple isole dordre k dune fonction f . Le residu associe a
` a est donne par :
1 dk1
A1 = lim (z a)k f (z) .
za (k 1)! dz k1

2.5. METHODE
DES RESIDUS 20

Chapitre 3
Transformation de Laplace au sens des

fonctions
Introduction
Definition de la transform ee de Laplace
Caract erisation et holomorphie
Proprietes de la transformee de Laplace
Comportements asymptotiques
Inversion de la transform ee de Laplace
3.1 Introduction
La transformee de Laplace appartient à la famille très vaste des transformees integrales, qui etablissent une
relation entre une fonction f et sa transformee F sous la forme :
Z
F () = K(, t) f (t) dt
I
Une transformee particulière necessite donc la definition du noyau K(, t) et de lintervalle dintegration I. Les
transformations les plus utilisees sont celles de Fourier, pour laquelle on a :
I=R et K(, t) = eit , R (Fourier),
et celles de Laplace, pour laquelle on a :
I = R+ et K(, t) = et , = r + i i C (Laplace).
Puisque est complexe, la tranformation de Laplace peut etre vue comme une generalisation de la transforma-
tion de Fourier, restreinte aux fonctions definies sur R+ . La restriction à R+ nest guère contreignante dans les
applications realistes o`
u f (t) represente un signal physique à linstant t qui ne peut exister de toute eternite. Il
est en effet toujours possible de choisir linstant o` u on demarre les mesures comme lorigine des temps. De ce
point de vue, lanalyse de Fourier est plus adaptee à letude des regimes forces, tandis que lanalyse de Laplace
convient davantage pour letude des regimes transitoires.
En revanche, il est extremement benefique de passer de la variable reelle à la variable complexe qui rajoute
le facteur de convergence er t dans lintegrale, au moins dans une partie du plan complexe. Il en resulte quun
grand nombre de fonctions admettent une transformee de Laplace, ce qui nest pas le cas des transformees de
Fourier.
Pour peu quils soient lineaires, la transformee de Laplace est un outil très simple demploi pour resoudre
les problèmes devolution (equations differentielles ou aux derivees partielles, equations aux differences ou
integrales ...). Le principe general daction de la transformee de Laplace sur les operateurs devolution consiste
en une reduction de lordre des operateurs. Par transformee de Laplace, les equations differentielles deviennent
21

3.2. DEFINITION DE LAPLACE
DE LA TRANSFORMEE 22
des equations algebriques, tandis que les equations aux derivees partielles se transforment en des equations
differentielles. Il en resulte une simplification efficace des problèmes qui permet souvent leur resolution analy-
tique.
3.2 D
efinition de la transform
ee de Laplace
Definition 3.2.1 Soit f une fonction de la variable reelle, la transformee de Laplace de f ,

lorsquelle existe, est la fonction F de la variable complexe z definie par lintegrale :
Z
F (z) f (t) ezt dt
R+
Remarques
1. On appelle f , loriginale et sa transformee F , limage.
2. Les notations utilisees pour les transformees de Laplace sont très variees et dependent du domaine dap-
plication. Afin de souligner sa nature delement de C, nous avons note la variable independante par z. Les
lettres p et s sont egalement utilisees.
3. On remarquera que les valeurs de f pout t < 0 ninterviennent pas dans la definition. Une fonction f est
dite causale si f (t) = 0 pour t < 0. On peut toujours rendre une fonction causale en la multipliant par la
fonction de Heaviside H, ce que nous ferons couramment dans la suite.
La transformee de Laplace dune fonction nexiste en general que dans une partie du plan complexe. Pozons
z = x + iy, lexistence de F (z) impose que :
t 7 |f (t) ezt | = |f (t)| ext L1 (R+ )
Introduisons dabord la notion dabcisse de sommabilite.
efinition 3.2.2 Le nombre reel :

D
x0 inf{x R | t 7 f (t) ext L1 (R+ )}
est appele labcisse de sommabilite de f .
On peut maintenant donner le theorème dexistence suivant :
Theorème 3.2.1 Si f est une fonction dabcisse de sommabilite x0 , alors, la transformee de Laplace F existe
dans le demi-plan ouvert z > x0 .
En effet, posons z = x + iy, Z Z

|F (z)| |f (t)| ext dt < |f (t)| ex0 t dt < +,
R+ R+
pour z = x > x0 .
En consequence, F est bornee pour z > x0 .

Exemples
1. Fonction de Heaviside H.
Labcisse de sommabilite est x0 = 0, puisque t 7 H(t)ext L1 (R+ ) pour x > 0. Le calcul de la transformee est
immediat : Z
F 1
f (t) = H(t) F (z) = ezt dt = pour z > 0.
z
R+

3.3. HOLOMORPHIE 23
2. Fonction puissance t 7 tn .
Commencons par le cas lineaire : t 7 text L1 (R+ ) pour x > 0. On effectue le calcul par parties :
Z Z
F 1 1
f (t) = t F (z) = t ezt dt = 1 ezt dt = 2 pour z > 0.
z z
R+ R+
Puis, par recurrence, pour n N,

Z Z
F n n!
f (t) = tn F (z) = tn ezt dt = tn1 ezt dt = pour z > 0.
z z n+1
R+ R+
3. Fonction exponentielle t 7 eat .

Z
F 1
f (t) = eat F (z) = eat ezt dt = pour z > a.
za
R+

4. Fonction t 7 1/ t.
t1/2 ext t1/2 quand t 0 et t1/2 ext ext quand t +, donc F (z) converge pour x = z > 0.
Z Z r
1 F 1 zt zu2
f (t) = F (z) = e dt = e du = pour z > 0,
t t z
R+ R
(la dernière egalite est obtenue en calculant le carre de lintegrale). Pour le calcul de z 1/2 , on choisira la determination
principale du logarithme de telle sorte quon obtienne le resultat usuel si z est reel.
3.3 Holomorphie
Commencons par preciser la relation entre la transformee de Fourier et la transformee de Laplace. Si x0 est
labcisse de sommabilite de f , la fonction t 7 H(t)f (t) ext est sommable sur R pour x > x0 . La transformee
de Laplace de f peut alors secrire comme une transformee de Fourier. En effet, posons z = x + i2y :
Z Z
xt i2yt

F (x + i2y) = f (t) e e dt = H(t)f (t) ext ei2yt dt
R+ R
soit encore :
F (x + i2y) = F H(t)f (t)ext (y), pour x > x0
o`
u F designe la transformee de Fourier.
Cette remarque facilitera certaines demonstrations.
Ainsi une transposition directe du resultat connu sur les transformees de Fourier conduit au resultat suivant,
important dans la pratique, legalite des images par TL implique legalite des originaux :
F (z) = G(z) pour z > x0 , f (t) = g(t) (p.p.),
o`
u x0 est la plus grande des 2 abcisses de sommabilite des fonctions f et g.
Concernant les proprietes dholomorphie, on a le resultat suivant :
Th eme 3.3.1 Soit f une fonction dabcisse de sommabilite x0 :

eor`
Labcisse de sommabilite de la fonction t R+ 7 (t)m f (t) est x0 .
F est holomorphe dans le demi-plan z > x0 , et
Z
dF m (z)
= (t)m f (t) ezt dt
dz m
R+

ES
3.4. PROPRIET DE LA TRANSFORMEE
DE LAPLACE 24
En effet, les 2 fonctions t 7 f (t) ext et t 7 (t)m f (t) ext ont le meme comportement a` linfini, donc la m
eme abcisse de
sommabilit
e. Il faut justifier la d
erivation sous le signe somme, ce qui r
esulte de lin
egalit
e:
|(t)m f (t) ext | tm |f (t)| ex0 t
pour tout z = x + iy tel que x > x0 . La fonction majorante etant int

egrable, on peut permuter la d
erivation et le signe int
egral,
do` esultat. F (z) est fini en tant que TL : on en d
u le r eduit donc lholomorphie de F .
Exemples

F
1. 1
(z+a)2
d
= dz 1
z+a
f (t) = t eat .

F 1 F d 1 2z
2. sin t = z 2 +1
donc, t sin t dz z 2 +1
= (z 2 +1)2
.
3.4 Propri
et
es de la transform
ee de Laplace
Outre la propriete de linearite qui decoule de la definition integrale de la transformee de Laplace, les proprietes
de translation, conjugaison et dilatation qui suivent sont obtenues par de simples changements de variables (le
verifier).
Lin
earit
e
F
f (t) + g(t) F + Lg, avec , C.
Translation 1
F
H(t t0 )f (t t0 ) ezt0 F (z), t0 R+ .
F
eat f (t) F (z + a).
Conjugaison
F
f(t) F (
z ).
Dilatation
F 1 z
> 0, f (t) F .

Exemples
1. Fonction t 7 tn eat .
tn F tn eat F F
n!
zn+1 1
, donc n!
1
(za)n+1
, et pour finir tn eat n!
(za)n+1
.
1
2. Original de z 2 2z+5
.
1 1 F et sin 2t
z 2 2z+5
= (z1)2 +4
2
.
at
3. Fonction t 7 e sin at.
F F
et sin t 1
(z+1)2 +1
, donc eat sin at 1 1
a (z/a+1)2 +1
= a
(z+a)2 +a2
D
erivation
Une des applications importantes de la transformation de Laplace etant la resolution des equations differentielles,
le theorème suivant est capital.
Th eme 3.4.1 Soit f une fonction continue sur R+ , sauf eventuellement en t = 0 o`

eor` u
limt0+ f (t) f (0+ ) existe. On suppose en outre que f est une fonction continue par morceaux
qui admet une transformee de Laplace, alors :
F
f (t) zF (z) f (0+ ),
La d
emonstration se fait par parties.
1. Les propri
et
es associ
ees a
` la translation des variables sont parfois appel
ees th
eor`
emes du retard .

ES
3.4. PROPRIET DE LA TRANSFORMEE
DE LAPLACE 25
Ce resulat se generalise aisement (par recurrence) pour les derivees dordres superieurs :
F
f (n) (t) z n F (z) z n1 f (0+ ) z n2 f (0+ ) f (n1) (0+ ).
Lapparente complication de la formule vient des sauts possibles à lorigine et de ses derivees. On verra que ces
termes sont pris automatiquement en compte dans le cadre des distributions.
Notons enfin que lhypothèse de continuite pour les (n 1) premières derivees pour t 6= 0 est obligatoire
pour une utilisation correcte de cette formule (cf. exercices).
Exemple
Soit `
a resoudre lequation differentielle
y (t) + y(t) = cos t, y(0) = 1, y (0) = 0 .
La transformee de Laplace Y (z) secrit

z z t
Y (z) = + 2 y(t) = H(t) cos t + sin t .
z2 + 1 (z + 1)2 2
Int
egration
Ainsi, prendre la TL dune derivee revient essentiellement à multiplier par z. On ne sera pas surpris du
resultat reciproque : une division par z correspond à une integration de la fonction.
Rt
Th eme 3.4.2 Soit
eor` 0
f (t )dt la primitive de f qui sannule en 0, alors
Zt
F F (z)
f (t )dt ,
z
0
Rt F F
Posons g(t) 0 f (t )dt . On a manifestement g (t) = f (t) et g(0) = 0. On a donc a
` la fois f (t) F (z) et g (t) zG(z)
F
par application du th
eor`
eme pr
ec
edent. Lidentification de ces 2 r
esultats conduit au th
eor`
eme g(t) G(z) = F (z)/z.
Exemple
1
Original de z

z
Rt q
1/ z F
z
1

z
= z
0
1
t
dt = 2 t

Convolution
Venons en maintenant au proprietes liees au produit de convolution.
On rappelle que le produit de convolution f g de 2 fonctions integrables f et g est defini par la relation :
Z
(f g)(t) f (t )g(t t ) dt
R
Supposons maintenant que f et g soient des fonctions causales. On a donc f (t ) = 0 pout t < 0 et g(t t ) = 0
pour t > t. Le domaine dintegration est donc restreint à lintervalle [0, t] dans le cas de fonctions causales :
Zt
(f g)(t) = f (t ) g(t t ) dt (f et g causales).
0
On remarquera que f g est elle-meme causale, puisque f (t ) = 0 pour t < 0.

Le theorème central est le suivant.

3.5. COMPORTEMENTS ASYMPTOTIQUES 26
Th eme 3.4.3 Soient f et g 2 fonctions causales qui admettent des TL, alors
eor`
F
(f g)(t) F (z).G(z) pour z > x0 ,
o`
u x0 est la plus grande des 2 abcisses de sommabilites de f et g.
Cest une cons

equence du th
eor`
eme de Fubini.
Exemples
1. Calcul de H(t)t H(t)t2 .

F F t4 t4
t t2 1
. 2 = z25
z2 z3
2 4!
= 12
1
2. Original de (z1)(z2)
.
F Rt
1
(z1)(z2)
= 1
. 1
z1 z2
H(t)et H(t)e2t = 0
e2(tu) eu du = e2t et .
3.5 Comportements asymptotiques

Comportement `
a linfini
On sait dej`
a que les transformees de Laplace sont bornees et holomorphes pour z > x0 . Montrons en outre
que la transformee de Laplace tend vers 0 à linfini.
Th eme 3.5.1 Soit f une fonction dabcisse de sommabilite x0 , alors

eor`
lim F (z) = 0, pour z > x0 .

|z|+
En effet, posons z = x0 + R ei . Prenons dabord || < /2, alors lim|z|+ |f (t) ezt | = limR+ |f (t)| ex0 t eR cos t = 0,
puisque cos > 0. On obtient le r
esultat par application du th
eor`
eme de convergence domin ee. Lorsque = /2, on exprime la TL
comme une TF et on utilise le lemme de Riemann-Lebesgue.
Th
eor`
eme de la valeur finale
Comme pour la transformee de Fourier, il existe une correspondance entre le comportement dune fonction
f en t = + (ou en t = 0), et le comportement de sa transformee de Laplace F en z = 0 (ou en z = +). On
le voit empiriquement ` a partir de la definition de la transformee de Laplace, o`
u lon constate que lintegrand
f (t) ezt 0 lorsque t +, sauf pour les petites valeurs de z, typiquement t|z| 1. Le premier resultat
precis, connu sous le nom de theorème de la valeur finale senonce :
Th eme 3.5.2 Soit f L1 (R+ ). Si f a une limite f (+) lorsque t 7 +, alors F verifie :
eor`
lim z F (z) = f (+)

|z|0+
R
Lorsque z > 0, |ezt f (t)| |f (t)|. Donc par application du theor`
eme de convergence dominee, on a lim|z|0 R+ f (t) ezt dt =
R
R+ f (t) dt = f (+) f (0+ ). Par ailleurs le th eorème sur la TL de f (t) donne z F (z) f (0+ ). On obtient donc egalement
R zt
+
lim|z|0 R+ f (t) e dt = lim|z|0 z F (z) f (0 ), do` u le r
esultat.
Th
eor`
eme de la valeur initiale
Th eme 3.5.3 Soit f L1 (R+ ). Si f a une limite f (0+ ) lorsque t 7 0, alors F verifie :
eor`
lim z F (z) = f (0+ )

|z|+

DE LAPLACE
3.6. INVERSION DE LA TRANSFORMEE 27

f (t) a pour TL z F (z) f (0+ ). Or toute TL doit tendre vers 0 lorsque |z| +. Donc lim|z|+ z F (z) f (0+ ) = 0, do`
u le
r
esultat.
Exemples
1. f (t) = H(t),
F (z) = 1/z, f (0+ ) = f (+) = 1,
on a bien lim|z| zF (z) = 1, et lim|z|0+ zF (z) = 1.
2. f (t) = cos t,
F (z) = z/(z 2 + 1), f (0+ ) = 1 et on a bien lim|z| zF (z) = 1.
Le theorème de la valeur finale ne peut pas etre utilise car f (+) nexiste pas. Un calcul direct montre que
lim|z|0+ zF (z) = 0.
3.6 Inversion de la transform

ee de Laplace
On se pose maintenant le problème de determiner loriginal f lorsque la transformee de Laplace F est connue.
Formule de Bromwich-Wagner
Soit G une fonction holomorphe donnee. Le theorème suivant donne des conditions suffisantes sur G pour
que celle-ci soit la transformee de Laplace dune fonction.
Th eme 3.6.1 Soit G une fonction de la variable complexe telle que
eor`
G soit holomorphe dans le demi-plan ouvert z > x0 ,
lim|z|+ |G(z)| = 0, pour z > x0 ,
Pour tout x > x0 , la fonction y R 7 G(x + iy) est sommable sur R.
Soit B une droite parallèle a
` laxe imaginaire dabcisse x > x0 . Cette droite est appelee droite
de Bromwich. Loriginale de la fonction G est donnee par lintegrale :
Z
1
G(z) e+zt dz.
2i
B
Cette formule sappelle la formule de Bromwich-Wagner.

Soit g loriginal
associ
ea` la fonction G. Pour x donn
e tel que x > x0 , G(z) peut sexprimer comme une transform
ee de Fourier
G(x + i2y) = F H(t)g(t)ext (y). En utilisant la formule dinversion de Fourier, on obtient :
Z x+i2y
Z Z
+xt +i2yt 1 1
H(t)g(t) = e G(x + i2y) e dy = lim G(z) e+zt dz G(z) e+zt dz.
2i y+ 2i
R xi2y B
Remarques
1. G etant holomorphe pour x > x0 , toutes les singularites de G sont à gauche de B.
2. Par application du theorème de Cauchy, la droite de Bromwich peut etre deformee continument en nim-
porte quelle courbe pour peu quaucune des singularites de L ne soient franchies. En particulier le resultat
ne doit pas dependre de labcisse x de la droite de Bromwich.
3. Le fait que G(z) 0 lorsque |z| + est essentiel. Lintegrale definie dans le theorème peut exister
sans correspondre pour autant `
a loriginale dune transformee de Laplace. Par exemple, lintegrale
Z Z
1 2 2
e+z e+zt dz = e+xt e(x+i2y) e+i2yt dy,
2i
B R
existe comme transformee de Fourier dune gaussienne, mais ne peut pas etre loriginale dune transformee
2
de Laplace, puisque lim|z|+ ez 6= 0.

DE LAPLACE
Exemples
1. G(z) = 1/z n (n N ).
G est holomorphe dans C , tend vers 0 lorsque z tend vers linfini, et on a bien y 7 1/|z n | = 1/(x2 +
4 2 y 2 )n/2 L1 (R) pour n > 1.
Pour evaluer lintegrale `
a calculer, soit : Z +zt
1 e
dz,
2i zn
B
on utilise les contours dits de Bromwich representes sur la figure 3.1. Pour t > 0, on utilise le theorème
t t
Figure 3.1 Contours de Bromwich.

p
des residus. Montrons que lintegrale sur larc de cercle est nulle. On note dabord que u = (R + ix),
de sorte que u + quand R +. Le domaine angulaire relatif à larc de cercle est donc lintervalle
[/2, 3/2]. Sur le demi-cercle où z = R ei et cos 0, on a dz = izd de sorte que :
+zt +zt
e iz e etR cos 1

z n = z n1 = Rn1 Rn1 ,
qui tend vers 0 quand R . Le seul residu de la fonction etant le pole z = 0, on peut donc ecrire, pour
t>0 +zt
e
f (t) = Res , z = 0
zn
tn1
Avec ezt = 1 + z n1 (n1)! + , on obtient le resultat attendu :
Z
1 e+zt tn1
n
dz = , t > 0.
2i z (n 1)!
B
Comme toutes les singularites de la fonction sont à gauche de la droite de Bromwich, lapplication du
theorème de Cauchy au contour utilise lorsque t < 0 conduit au deuxième resultat :
Z +zt
1 e
dz = 0, pour t < 0,
2i zn
B
(lintegrale sur larc de cercle sannulant en consequence de la meme majoration que ci-dessus, avec main-
tenant, t < 0 et cos > 0).
La formule de Bromwich nous a donc permis de retrouver le resultat dej` a connu :
F
G(z) = 1/z n H(t)tn1 /(n 1)!
Il est interessant de noter que le theorème ne peut pas etre applique à la fonction G(z) = 1/z car elle
nest pas integrable sur R en tant que fonction de la variable y. La formule de Bromwich est cependant

DE LAPLACE
bien definie dans ce cas et donne le bon resultat (1) (ce resultat peut etre justifie à laide dun autre
theorème aux hypothèses plus faibles). Il est egalement important de remarquer que la fonction à integrer
z 7 G(z) ezt est holomorphe sur C , et non pas seulement pour z > 0, ce qui justifie les excursions dans
le demi-plan x < 0.
az 1/2
2. G(z) = e z .
Cet exemple sera traite en TD. Indiquons seulement le choix pertinent du contour pour ce genre de fonction
presentant des points de branchement. Ici, G presente un point de branchement en z = 0, et on doit
choisir un contour qui evite 0 et qui presente une coupure ; le choix standard est celui de la determination
principale du logarithme (coupure sur R ) qui permet de prolonger naturellement les resultats obtenus
lorsque z est reel. Le contour est reporte sur la figure 3.2.
Figure 3.2 Contour de Bromwich pour une fonction presentant un point de branchement a` lorigine.
D
ecomposition en
elements simples
Lorsque limage est une fraction rationnelle, il est plus simple deffectuer une decomposition en elements
simples de la fonction plutot que dutiliser la formule de Bromwich.
Rappelons le principe de la decomposition dune fraction rationnelle de la forme
N (z)
G(z) = ,
D(z)
o`
u N et D sont des polyn
omes tels que le degre de N soit inferieur à celui de D.
A chaque facteur de la forme (a z + b)n dans D(z) correspond une decomposition de la forme :
n
X m
m=1
(a z + b)m
A chaque facteur de la forme (a z 2 + b z + c)n dans D(z) correspond une decomposition de la forme :
n
X m z + m
m=1
(a z 2 + b z + c)m
Les m et m sont ensuite determines par comparaison avec la fraction intiale G(z).
Exemples
1 (z+1)z 1 1 1 1 1
1. G(z) = z(z+1)2
= z(z+1)2
= z(z+1) (z+1)2
= z
z+1
(z+1)2
t t

g(t) = H(t) 1 e t e .
1 1
2. G(z) = 1+z+z 2 = (z+1/2)2 +3/4

g(t) = 2

3
H(t) et/2 sin 3t
2
.
h i
c+z (c+a)+(za) c+a 1 1 1 c+a 1 b+c 1
3. G(z) = (za)(zb)
= (za)(zb)
= ab za
zb
+ zb
= ab za
ab zb
h i
g(t) = H(t) c+a
ab
eat b+c
ab
ebt .

3.7. REMARQUE 30
3.7 Remarque
Considerons la fonction constante z 7 1. Puisquelle ne tend pas vers 0 à linfini, elle ne peut etre la
transformee de Laplace dune fonction au sens des fonctions. Comme pour les TF, il est possible, en passant
des fonctions aux distributions, de definir des TL qui pourront crotre à linfini (pas plus vite quun polyn
ome
tout de meme).
3.8 Exercices
Exercice 3.1 Justifier lexistence ou la non-existence des transformees de Laplace des fonctions f suivantes :
a) f (t) = sin t,
sin t
b) f (t) = ,
t
c) f (t) = t,
cos t
d) f (t) = ,
t
Zt
cos
e) f (t) = d,

0
f) f (t) = t , C.
Exercice 3.2 On rappelle que la transformee de Laplace de la fonction : t 7 eat o`

u a est un nombre complexe,
est donnee par F (z) = (z a)1 pour z > a.
En deduire les transformees suivantes :

f (t) = sin t F (z) = ,
z2 + 2
z
f (t) = cos t F (z) = 2 ,
z + 2

f (t) = sinh t F (z) = 2 ,
z 2
z
f (t) = cosh t F (z) = 2 ,
z 2

f (t) = et sin t F (z) = ,
(z + )2 + 2
z+
f (t) = et cos t F (z) = ,
(z + )2 + 2
o`
u et sont des reels positifs.
Exercice 3.3 Soit f une fonction causale, a et t0 des nombres reels strictement positifs. On cherche la solution
de lequation aux differences,
f (t) = a + f (t t0 ),
en utilisant la transformee de Laplace.

1. Montrer que la TL de f peut secrire, pour z > 0 sous la forme dune serie :
+
a X nzt0
F (z) = e
z n=0
2. En deduire la solution de lequation aux differences par inversion et la representer.

3.8. EXERCICES 31
Exercice 3.4 On rappelle la definition de la fonction Gamma dEuler :

Z
(z) xz1 ex dx,
R+
1. Montrer que (z) existe dans le demi-plan z > 0.

2. Calculer les 2 valeurs remarquables (1) et (1/2).
3. Montrer quon a (z + 1) = z (z) et en deduire que la fonction Gamma generalise la fonction factorielle
definie pour z N.
4. Utilisez le contour suivant pour montrer que :
....
....

.... (+1)
....
...
...
f (t) = H(t) t F (z) = z +1 , > 1,
]
.... ...
... ...
^
... ..
... ..
... ..
-
..
..
.. ..
. x
5. En deduire
H(t t0 ) (t t0 )1 ezt0
f (t) = F (z) = , > 0.
() z
Exercice 3.5 1. Montrer que la fonction f : t 7 f (t) = H(t) ln t admet une transformee de Laplace mais
pas une transformee de Fourier.
2. Soit R+
. Montrer que F verifie lequation :
ln
F (z/) = F (z) +
z
` et en deduire que F (z) obeit a
3. Deriver lexpression precedente par rapport a ` lequation differentielle :
F (z) 1
F (z) = 2.
z z
4. Integrer lequation precedente par la methode de la variation de la constante et en deduire le resultat :
C + log z
f (t) = H(t) ln t F (z) = , z > 0,
z
R
u C est la constante dEuler-Mascheroni definie par lintegrale : C R+ eu ln u du 0.577216.
o`
5. Determiner sans aucun calcul la TL de la fonction t 7 H(t) ln t/ o` u est un nombre reel strictement
positif.
Exercice 3.6 1. Soit f la fonction causale telle que f (t) = sin t pour t > 0.
Representez les fonctions f , f et f . Utilisez la relation entre f (t) et f (t) pour calculer la transformee
de Laplace F (z).
2. Pour quelle raison ne peut-on pas utiliser la meme methode pour la fonction g(t) = H(t) sin |t | ?
3. Calculer G(z) par une autre methode.

Exercice 3.7 On rappelle que (/z)1/2 est la transformee de Laplace de la fonction t 7 H(t)/ t pour z > 0.

1. Determiner la TL de la fonction t 7 H(t)eit / t.
2. En utilisant
Rt la propriete concernant lintegration de loriginal, determiner la TL de la fonction t 7

H(t) 0 ei / d .
3. En deduire les transformees de Laplace des 2 integrales de Fresnel :
r Zt r Zt
2 cos 2 sin
C(t) H(t) d et S(t) H(t) d.

0 0

3.8. EXERCICES 32
Exercice 3.8 On rappelle la definition des fonctions de Bessel de 1ère espèce dordre n (n N) :
Z+
1
Jn (t) ei(nt sin ) d
2

1. Etablir le resultat par une integration directe :

n
1 + z2 z
f (t) = H(t) Jn (t) F (z) = .
1 + z2
2. Etablir la formule :
Zt
J0 (u) J0 (t u) du = sin t, pour t > 0.
0
Exercice 3.9 On se propose de montrer que la fonction Beta dEuler definie par la relation
Z1
B(p, q) tp1 (1 t)q1 dt, p > 0, q > 0.
0
est associee a
` la fonction Gamma par la relation :
(p + q) B(p, q) = (p) (q).
1. En effectuant le changement de variables x = t2 dans la definition de la fonction Gamma, montrer que

lon peut ecrire : Z
2
(p) 2 t2p1 et dt, p > 0.
R+
2. Effectuez le produit (p)(q) pour p et q tels que p > 0 et q > 0, et en deduire la relation entre la
fonction et la fonction B.
3. Montrer que B(p, q) secrit comme un produit de convolution, et utilisez le theorème sur la transformee
de Laplace du produit de convolution pour retrouver la relation entre B et .
Exercice 3.10 On veut calculer la TL de la fonction t 7 H(t) | sin t|.

1. Justifier lidentite

X
H(t) | sin t| = n (t) sin(t n),
n=0
o`
u n est la fonction indicatrice de lintervalle [n, (n + 1)].
2. En deduire le resultat :
1 1 + ez
f (t) = H(t) | sin t| F (z) = .
1 + z 2 1 ez
3. Utilisez la formule dinversion pour retrouver le developpement en serie de Fourier de t 7 | sin t| :

!
2 X cos 2nt
| sin t| = 1+2 .
n=1
1 4n2
Exercice 3.11 1. Montrer que le theorème dinversion peut etre applique a

` la fonction :
1
F1 (z) = ,
1 + zn
avec n entier superieur ou egal a
` 2.

3.8. EXERCICES 33
2. Calculer explicitement loriginal pour n = 2.
Exercice 3.12 Calculer loriginal des fonctions

1/2
z eaz
F2 (z) = , et F3 (z) = ,
(1 + z) (z 1)2
3 z
a
` laide de la formule dinversion complexe en utilisant un contour de Bromwich adapte.
Exercice 3.13 1. Effectuer une decomposition en elements simples de la fraction rationnelle
2a2 z
F (z) = ,
z 4 a4
2. On suppose que F est la transformee de Laplace dune fonction f . Utilisez le resultat de la question
precedente pour determiner f .
Exercice 3.14 Soit F la transformee de Laplace definie par la relation :

1
F (z) = avec a 6= b.
(z + a)(z + b)
Determiner loriginal par les 3 methodes suivantes :

1. decomposition en elements simples,
2. theorème de convolution,
3. integrale de Bromwich.

3.8. EXERCICES 34

Deuxi`
eme partie
Equations diff
erentielles
35
Chapitre 4
Introduction
Une equation differentielle est une equation mettant en jeu une fonction ainsi quun certain nombre de ses
fonctions derivees. La forme generale dune equation differentielle dordre n secrit :
, y (n) , t) = 0,
f (y, y,
o` , y (n) ses derivees successives. Dun point de vue formel, le

u y represente une fonction de la variable t, et y,
problème se pose donc de la meme manière que pour les equations algebriques, mais avec la difference essentielle
que linconnue nest plus un nombre (reel ou complexe), mais une fonction, cest à dire un etre mathematique
beaucoup plus complique.
Lusage des equations differentielles pour decrire le comportement des systèmes evoluant dans le temps est
dun usage universel dans toutes les sciences qui utilisent la modelisation mathematique. Cet outil commun
à plusieurs disciplines ou sous-disciplines suggère bien souvent dinteressantes analogies entre des domaines a
priori sans relations. Dans ce chapitre, on commence par donner quelques exemples dequations differentielles
issues de differentes disciplines.
4.1 M
ecanique.
La relation fondamentale de la mecanique, ecrite à 1 dimension despace pour une particule ponctuelle,
fournit une source intarissable dequations differentielles. Dans un système dunites adaptees, elle secrit
x
= f (x, x,
t),
o`
u x designe la position de la particule, x sa derivee par rapport au temps (la vitesse), et o` u f represente les
forces appliquees sur la particule. Cette equation, du second ordre en x, est generalement completee par des
conditions initiales qui specifient la position et la vitesse à un instant origine : x(0) = x0 , x(0)
= v0 .
Il est utile de remarquer que cette equation du second ordre est equivalente à un système differentiel de 2
equations du 1er ordre. En effet, introduisons la vitesse v x,
lequation precedente secrit aussi :
x = v,
v = f (x, v, t).
Le plan (x, v) est appele, aussi bien en physique quen mathematique, plan ou plus generalement espace des
phases.
Dans le cas particulier o` u f ne depend pas de x : f = f (v, t), par exemple, dans le cas des mouvement
domines par les frottements, lequation devolution de la vitesse : v = f (v, t) peut etre resolue independamment
de x. On obtient ensuite x par integration de lequation x = v.
Si, a contrario, f ne depend que de x : f = f (x), lequation obtenue en divisant les 2 equations differentielles
37
4.2. DYNAMIQUE DES POPULATIONS. 38
secrit
dv f (x)
= ,
dx v
v(0) = v0 .
On obtient donc encore une equation differentielle du 1er ordre, linconnue etant la fonction v(x). Cette equation
qui est separable dans les variables v et x conduit directement à lexistence dun invariant (lenergie)

d 1 2
v (x) + W (x) = 0,
dx 2
Rx
o`
u on a pose W (x) f (x )dx .
4.2 Dynamique des Populations.

De nombreuses modelisations de dynamique des populations (espèces animales, diffusion des virus, substances
radioactives ou chimiques) ont ete proposees. Parmi les plus simples, on peut citer celle attribuee à Malthus
(1798) qui traduit la conservation du nombre dindividus N dune espèce sous leffet des naissances b et des
decès d :
N = bN dN,
N (0) = N0 .
Lorsque b = 0, on reconnait dans cette equation la loi de decroissance exponentielle des substances radioactives si
d est interpretee comme une constante de desintegration. Dans le cas où b > d, rien ne vient limiter la croissance
de la population, ce qui nest pas très realiste. Verhulst (1836) a propose un modèle phenomenologique non
lineaire (modèle logistique) qui secrit

N
N = N 1 ,
N1
N (0) = N0 ,
o`
u et N1 sont des constantes positives. Ce modèle a un comportement très different du modèle lineaire de
Malthus. On montrera quil nexiste plus de solutions qui conduisent à lextinction de lespèce (la solution N = 0
est instable), le terme non lineaire conduisant à une stabilisation de la population vers la valeur limite N = N1 .
Une classe de modèles plus sophistiques met en jeu 2 populations : une de proies (ou dexploites) et une de
predateurs (ou dexploiteurs). Les hypothèses suivantes sont vraisembables :
1. en labsence de predateurs, les proies se multiplient proportionnellement à leur effectif.
2. en labscence de proies, les predateurs meurent proportionnellement à leur effectif.
3. le nombre de rencontres entre les 2 populations est proportionnel au produit des 2 populations. Chaque
rencontre augmente le nombre de predateurs et diminue le nombre de proies.
Ces hypothèses sont modelisees par le système non lineaire dit de Lokta-Volterra, o` u x designe le nombre de
proies et y le nombre de predateurs

b
x = +a x b xy = +ax 1 y ,
a

d
y = c y + d xy = cy 1 x ,
c
et où a, b, c et d sont des constantes positives. Les solutions constantes (0, 0) et (c/d, a/b) sont manifestement
des solutions du système. Les equations linearisees autour de ces points particuliers ont un comportement
très different ainsi quil apparat sur les figures (exponentiellement croissante ou decroissante autour de (0, 0)
et periodique autour de lautre point). La solution au voisinage de (0, 0) est manifestement instable, et nous
montrerons que la solution periodique demeure stable pour le système non lineaire. Ce comportement est illustre
sur les portraits de phase (representation parametrique des trajectoires) reportes sur la figure 1.3.

4.3.
EQUATIONS AUX DERIV
EES PARTIELLES. 39
x y
14
12 0.04
10 0.03
8
6 0.02
4 0.01
2
1 2 3 4 5t 1 2 3 4 5t
Figure 4.1 Solutions du Modèle Linearise de Lokta Volterra autour de (0, 0).
x y
1 1.5
1
0.5 0.5
1 2 3 4 5t -0.5 1 2 3 4 5t
-0.5
-1
-1 -1.5
Figure 4.2 Solutions du Modèle Linearise de Lokta Volterra autour de (c/d, a/b).
y
10 y y
500
200
8
400
150
6
300
100
4 200
50
2 100
x
50 100 150 200
x
x 100 200 300
2 4 6 8 10
Figure 4.3 Portraits de Phase du Modèle de Lokta Volterra : cas linearise autour de (0, 0) (` a gauche), autour
de (c/d, a/b) (au centre) et cas non lineaire (`
a droite), pour differentes conditions initiales.
4.3 Equations aux D

eriv
ees Partielles.
Mis à part les problèmes stationnaires `

a 1 dimension despace, la plupart des equations devolution ne sont pas
des equations differentielles mais des equations aux derivees partielles, cest-`
a-dire des equations differentielles
pour des fonctions de plusieurs variables. Il apparat cependant que ces equations se ramènent à des equations
differentielles lorsquon se limite à chercher des solutions sous une forme separable.
Donnons deux exemples simples empruntes à lelectromagnetisme et à la mecanique quantique.
Les solutions de lequation dHelmHoltz 1
(x, y, z) + k 2 (x, y, z) = 0
cherchees sous la forme (separable) : (x, y, z) = X(x)Y (y)Z(z), conduisent au système dequations differentielles
2 2 2
1. Lop
erateur Laplacien est d
efini par = x2
+ y 2
+ z 2

4.3.
EQUATIONS AUX DERIV
EES PARTIELLES. 40
(le verifier) :
d2 X(x)
+ l2 X(x) = 0,
dx2
d2 Y (y)
+ m2 Y (y) = 0,
dy 2
d2 Z(z)
+ n2 Z(z) = 0,
dz 2
u l, m, n sont des constantes telles que l2 + m2 + n2 = k 2 .
o`
Dune facon comparable, cherchons les solutions de lequation de Schrodinger à 1 dimension despace
dependant du temps
~2 2 (x, t) (x, t)
2
+ V (x) (x, t) = i~ ,
2m x t
sous la forme (separable) (x, t) = (x)f (t). On obtient aussitot les 2 equations differentielles (le verifier)
~2 d2 (x)
+ V (x)(x) = E(x),
2m dx2
i~f (t) = Ef (t).
u E est une constante. La solution prend donc la forme bien connue (x, t) = (x)eiEt/~ .
o`

Chapitre 5
Rappels sur les

equations diff
erentielles
Dans ce chapitre, on rappelle quelques resultats concernant les equations differentielles (lineaires et non
lineaires). On insiste sur le fait que toutes les equations differentielles lineaires du 1er ordre, à coefficients
constants ou pas, sont exactement integrables. Ce resultat nest malheureusement pas generalisable au cas des
systèmes differentiels lineaires o`
u lon doit se contenter de resultats explicites lorsque le système est à coeffi-
cients constants. On montre egalement dans ce chapitre quun système differentiel quelconque et sa condition
initiale peuvent etre reformules en une seule equation integrale. La preuve de la convergence des iterations
successives issues de cette formulation integrale du problème, conduit au theorème de Cauchy-Lipschitz, qui
garantit localement lexistence et lunicite des solutions des systèmes differentiels lineaires sous des hypothèses
assez faibles.
5.1 Terminologie
Un système differentiel lineaire dordre n est un système dequations differentielles lineaires de la forme
y 1 (t) = a11 (t)y1 (t) + a1n (t)yn (t) + b1 (t),

y n (t) = an1 (t)y1 (t) + ann (t)yn (t) + bn (t),
o`
u y1 yn sont les fonctions inconnues `
a determiner, et o`
u les aij et bi sont supposees donnees.
Ce système differentiel peut manifestement secrire comme une seule equation differentielle dans Rn :

y(t) = A(t)y(t) + b(t),
o`
u A est la matrice des coefficients aij , et o` u on a introduit les vecteurs de Rn y = (y1 , , yn ), y (y 1 , . . . , y n )
et b = (b1 , , bn ). Lequation (ou le système) est dit homogène si b = 0, et non homogène lorsque b 6= 0 .
Toutes les autres formes pour f correspondent aux cas des equations differentielles non lineaires. La majorite
des equations differentielles non triviales rencontrees dans les applications sont non lineaires. Nous expliquerons
plus loin, comment la linearisation de ces equations autour de certains points remarquables peut donner des
informations, au moins locales, sur le comportement des solutions dune equation non lineaire.
Lorsque f ne depend pas explicitement du temps, mais seulement de y(t), on dit que lequation differentielle
est autonome. Le système etudie est alors invariant par translation dans le temps : 2 particules partant dun
meme point ` a des instants differents suivront la meme trajectoire. Autrement dit, si y(t) est solution dune
equation differentielle autonome, la solution decalee dans le temps de t0 , y(t t0 ), est egalement solution. Dans
le cas general des equations non autonomes, la trajectoire suivie au cours du temps ne depend pas seulement
de la position initiale, mais egalement de linstant de depart.
Il est possible dassocier une equation autonome dans Rn+1 à une equation non autonome dans Rn
41

5.2. QUELQUES CONSEQUENCES
DE LA LINEARITE 42
Theor`
eme 5.1.1 Toute equation non autonome dordre n, y(t) = f (y(t), t), peut etre transformee en une
equation autonome dordre n + 1 par adjonction dune variable supplementaire (t) t.
En effet, puisque = t, l
equation y(t) = f (y(t), t) est
equivalente a
`:

y(t) = f (y(t), (t)) ,
(t) = 1.
qui constitue bien une

equation diff
erentielle dordre n + 1 pour les variables (y, ).
Le prix à payer est donc une augmentation de la dimensionalite du système etudie, ce qui peut considerablement
compliquer la representation et la comprehension des solutions.
5.2 Quelques cons

equences de la lin
earit
e
Un premier resultat important, parfois appele principe de superposition (mais cest un theorème !), affirme
que toute combinaison lineaire de solutions dune equation differentielle lineaire homogène est aussi une solution.
Plus precisement :
Th eme 5.2.1 Soit A(t) une matrice n n fonction continue de t. Si y1 (t) et y2 (t) sont 2 solutions de
eor`

lequation differentielle lineaire homogène y(t) = A(t)y(t), alors toute combinaison lineaire des 2 solutions :
C1 y1 (t) + C2 y2 (t),
est aussi une solution.
Ce resultat evident est une consequence directe de la linearite (le verifier).
Un autre resultat bien connu affirme que la solution generale dune equation differentielle lineaire non
homogène est obtenue comme la somme dune solution particulière de lequation non homogène et de la solution
de lequation homogène associee. Soit
Th eme 5.2.2 Soit yp (t) une solution particulière de lequation non homogène
eor`

y(t) = A(t)y(t) + b(t)
y(t) est solution generale de lequation differentielle precedente si et seulement si lon a
y(t) = yp (t) + yh (t),
o`
u yh (t) est solution de lequation homogène y(t) = A(t)y(t).
On a dabord que
y p (t) + y h (t) = A(t)yp (t) + b(t) + A(t)yh (t) = A(t) (y p (t) + y h (t)) + b(t),
et r
eciproquement, si y(t) = yp (t) + yh (t) est solution de l equation non homog` ene, alors

y(t) y p (t) = A(t)y(t) + b(t) A(t)yp (t) b(t) = A(t) (y(t) yp (t)) ,
est donc bien solution de l

equation homog`
ene.
Ces 2 resultats très generaux ne donnent pas de moyens operationnels pour determiner de facon explicite les
solutions des equations differentielles homogènes ou inhomogènes. Nous verrons au Chapitre 3 quil est possible,
à laide doutils dalgèbre lineaire, dobtenir des solutions explicites mais seulement dans le cas plus simple o` u
la matrice A ne depend pas de la variable t.
5.3 Deux solutions explicites importantes

Dans cette section, on rappelle 2 exemples de solutions explicites frequemment rencontrees dans les appli-
cations.

5.3. DEUX SOLUTIONS EXPLICITES IMPORTANTES 43
5.3.1 Equation diff

erentielle lin
eaire du 1er ordre
Un premier cas très simple o` u le calcul explicite est possible correspond au cas de la dimension n = 1,
cest-`
a-dire au cas dune seule equation differentielle lineaire que lon ecrira sous la forme
y(t)
= a(t)y(t) + b(t),
dont on cherche la solution avec pour condition initiale y(0) = y0 .

a variables separables : dy
Lequation homogène est ` y = a(t)dt, et on en d
eduit que la solution generale de
lequation homogène est donnee par : Rt
yh (t) = y0 e 0 a( )d .
Une facon elementaire pour obtenir la solution de lequation inhomogène consiste à utiliserRla methode dite de la
t
variation de la constante.R Autrement dit, on Rcherche la solution sous la forme y(t) = C(t)e 0 a( )d . En derivant,
t t
on obtient y(t)

= C(t)e 0
a( )d
+ C(t)a(t)e 0 a( )d . Comme on doit avoir par ailleurs y(t)
= Ra(t)y(t) + b(t),
t

on en deduit que la fonction t 7 C(t) est determinee par lequation differentielle C(t) = b(t)e 0 a( )d avec la
condition initiale C(0) = y0 .
On est donc arrive au resultat suivant :
Th eorème 5.3.1 Soit t 7 a(t) et t 7 b(t) des fonctions continues, la solution generale de lequation differentielle
lineaire
y(t)
= a(t)y(t) + b(t),
est donnee par :

Zt
b( )
y(t) = g(t) y0 + d ,
g( )
0
Rt
a( )d
g(t) e 0 .
Ainsi toutes les equations differentielles lineaires du 1er ordre (homogènes ou inhomogènes) sont exactement
integrables.
Rt
Faisant le lien avec le resultat de la section precedente, on pourra remarquer que g(t) 0 b( )/g( ) d est une
solution particulière explicite de lequation non homogène (le verifier), tandis que y0 g(t) est la solution generale
de lequation homogène. g(t), solution de lequation homogène pour la condition initiale particulière g(0) = 1,
est appelee la resolvante de lequation differentielle.
Exemple Considerons une particule soumise à la fois à un champ de forces sinusodales et à une force de
frottement proportionnelle `
a la vitesse ; le principe fondamental de la dynamique secrit
mv = kv + F0 + F1 cos(t),
v(0) = v0 ,
k, F0 , F1 etant des constantes.

La fonction g(t) etant ekt/m , la solution du problème secrit

Zt
F 0 F 1
v(t) = ekt/m v0 + e+k /m + cos( ) d ,
m m
0
soit
F0 F1
v(t) = v0 ekt/m + 1 ekt/m + 2 k cos(t) + m sin(t) kekt/m
k k + (m)2
On voit donc que la solution oscille autour de la solution asymptotique v = F0 /k, tandis que les premières
oscillations apparassent pour un temps caracteristique de lordre de m/k. La position de la particule peut
ensuite etre obtenue par integration de lequation x = v.

v
6
t
1 2 3 4 5
Figure 5.1 Solution de v = 2v + 10 2 cos(10t), v(0) = 0.
Exercice 5.1 Ni designant la concentration dun nucleide i et i la constante de desintegration associee, le

cas dune filiation radiactive secrit
N 1 = 1 N1 ,
N 2 = +1 N1 2 N2 .
Les conditions initiales sont telles que N1 (0) = N0 et N2 (0) = 0. Resoudre lequation differentielle associee a `
N1 . En deduire lequation differentielle verifiee par N2 et la resoudre. On distinguera les cas 1 = 2 et 1 6= 2 .
5.3.2 Equations diff

erentielles du second ordre `
a coefficients constants
Un autre cas interessant par le nombre de ses applications est celui des equations differentielles du second
ordre a` coefficients constants. La mecanique et lelectromagnetisme fournissent, parmi dautres domaines, des
exemples incontournables de telles equations. On peut citer en particulier lequation qui decrit le mouvement
dune masse m rappelee par un ressort lineaire de constante de raideur k, en presence de frottement damor-
tissement constant (oscillateur harmonique amorti) ; si x(t) designe le deplacement par rapport à la position
dequilibre, on a :
m
x(t) + x(t)
+ kx(t) = 0.
De meme, la charge q(t) circulant dans un circuit RLC serie alimente par un generateur fournissant une tension
E(t) secrit
1
Lq (t) + Rq(t)
+ q(t) = E(t).
C
Figure 5.2 Oscillateurs mecaniques et electriques.
Rappelons la demarche habituellement suivie pour determiner les solutions de ce type dequation differentielle :

Th eme 5.3.2 Pour resoudre lequation differentielle a

eor` ` coefficients constants :
y (x) + a y (x) + b y(x) = 0,
on cherche des solutions sous la forme y(x) = erx ce qui conduit a

` lequation caracteristique
r2 + ar + b = 0.
3 cas sont ensuite a

` considerer :
1. Lequation caracteristique a 2 racines reelles r1 et r2 , et la solution generale secrit :
y(x) = c1 er1 x + c2 er2 x
2. Lequation caracteristique a 1 racine double r, et la solution generale secrit :
y(x) = erx (c1 + c2 x)
3. Lequation caracteristique a 2 racines complexes conjuguees i, et la solution generale secrit :
y(x) = ex (c1 cos x + c2 sin x) .
Les constantes c1 et c2 dependent du choix des conditions initiales.
Au vu de ces resultats, il est clair que la famille des exponentielles joue un r

ole determinant dans la solution
des equations differentielles `
a coefficients constants. On peut deja sen rendre compte en etudiant les exemples
très simples, mais fondamentaux, qui suivent.
Exemple Considerons pour commencer lequation differentielle x (t) = x(t). Quelles sont les fonctions qui ne
sont pas modifiees lorsquon les derive 2 fois ? Il sagit precisement des fonctions exponentielles et , et lensemble
des solutions de cette equation differentielle peut secrire : x(t) = A et + B et , o` u A et B sont des constantes
arbitraires. Une solution equivalente est donnee par x(t) = C cosh t + D sinh t.
Quelles sont maintenant les fonctions qui changent de signe lorsquon les derive 2 fois ? Cest-` a-dire qui
satisfont lequation differentielle x
(t) = x(t). Il sagit encore de fonctions exponentielles, mais avec un argument
imaginaire pur : eit . Les solutions generales secrivent donc : x(t) = A eit + B eit , ou x(t) = C cos t + D sin t.
A la difference des 2 cas precedents, les fonctions qui sannulent deux fois lorsquon les derive : x
(t) = 0, ne
correspondent plus ` a des solutions de type exponentielle, mais à des fonctions lineaires : x(t) = A + B t.
= 2 x x, avec R.
Exercice 5.2 On considère lequation differentielle : x
Quelle est la solution de cette equation pour = 1 ?
Discuter le comportement des racines de lequation caracteristique au voisinage de = 1 (on pourra
poser = 1 + , avec || 1).
On propose de justifier la demarche du theorème 5.3.2 par une methode qui nutilise que la solution des equations
differentielles homogènes ou non homogènes du 1er ordre :
` coefficients constants y (x) + a y (x) + b y(x) = 0, peut secrire

Exercice 5.3 Lequation differentielle a
formellement sous la forme :

D2 + a D + b I y = 0,
d
o`
u on a introduit loperateur de derivation D = dx et lidentite I.
1. Etablir les egalites
y + a y + b y = (D r1 I) (D r2 I) y = (D r2 I) (D r1 I) y,
o`
u r1 et r2 sont des constantes, reelles ou complexes, que lon determinera.

`
5.4. SYSTEME
DEQUATIONS
DIFFERENTIELLES DU 1ER ORDRE 46
2. Pour trouver les solutions generales y de lequation differentielle, on pose z = (D r2 I)y. Les solutions
sont donc obtenues par la resolution des equations differentielles du 1er ordre :
(D r1 I) z = 0,
(D r2 I) y = z.
Integrer successivement ces 2 equations differentielles et retrouver les solutions generales de lequation
differentielle annoncees plus haut.
La methode proposee dans lexercice precedent revient en fait à presenter lequation differentielle initiale
sous la forme dun système differentiel dont la matrice est triangulaire. Elle peut etre etendue sans difficulte à
des equations dordre plus eleve avec ou sans second membre ainsi que le montrent les exemples suivants.
Exercice 5.4 Utilisez une demarche similaire a` celle de lexercice precedent pour montrer que lequation
differentielle :
...
y (t) 3y(t)
+ 2y(t) = 0,
a pour solution
y(t) = A e2t + B et + C tet ,
o`
u A, B et C sont des constantes arbitraires.
Exercice 5.5 Montrer que la solution generale de lequation differentielle

...
y (t) + 3
y (t) + 4y(t)
+ 2y(t) = sin 2t,
est donnee par

1
y(t) = Aet + et (B cos t + C sin t) sin 2t.
10
On pourra commencer par resoudre lequation sans second membre puis on cherchera une solution particulière
de lequation avec second membre.
Exercice 5.6 Montrer que la solution generale de lequation differentielle decrivant un oscillateur harmonique
force
y(t) + a2 y(t) = sin bt, a, b R
est donnee par
1
y(t) = A cos at + B sin at + sin bt,
a2 b2
lorsque b 6= a, mais par
t
y(t) = A cos at + B sin at cos at,
2a
a
` la resonance (i.e. lorsque b = a).
5.4 Syst`
eme d
equations diff
erentielles du 1er ordre
On a deja souligne lavantage quil pouvait y avoir à remplacer une equation differentielle dordre eleve
par un système dequations differentielles dordre plus bas. Cette procedure peut etre rendue systematique, et
simplifie, à la fois la demonstration des theorèmes et la determination des solutions.
Considerons par exemple le cas bien connu du pendule place dans un champ de gravite. Lequation differentielle
non lineaire du second ordre decrivant le mouvement secrit dans un système dunites ad hoc
x
+ sin x = 0,

`
5.4. SYSTEME
DEQUATIONS
DIFFERENTIELLES DU 1ER ORDRE 47
o`
u x represente une variable angulaire. En mecanique, il est naturel dintroduire la variable conjuguee x qui
represente la vitesse angulaire, ce qui permet decrire lequation precedente du 2ième ordre sous la forme dun
système de 2 equations differentielles du 1er ordre :
x = y,
y = sin x.
Plus generalement,
Theorème 5.4.1 Toute equation differentielle (explicite) dordre n (n 1), lineaire ou non lineaire, peut etre
transformee en un système de n equations differentielles du 1er ordre.
Soit donc l
equation diff
erentielle explicite dordre n :
y (n) = f (y, y,
, y (n1) , t).
Introduisons n nouvelles fonctions : z1 = y, z2 = y, , zn = y (n1) ; l
equation diff
erentielle est alors
equivalente au syst`
eme
diff
erentiel (en g
en
eral non lin
eaire) portant sur les nouvelles variables z1 , , zn .
z1 = z2 ,
,
zn1 = zn ,
zn = f (z1 , z2 , , zn , t).
On notera que la reciproque nest pas verifiee : un système differentiel arbitraire de n equations differentielles
du 1er ordre, ne peut pas, en general, etre ramene à une seule equation differentielle dordre n.
Exemple Lequation differentielle lineaire :
y (n) (t) = a1 (t)y(t) + a2 (t)y(t)

+ + an (t)y (n1) ,
peut secrire comme un système differentiel dordre n associe à la matrice

0 1 0 0
0 0 1 0

0 0 0 1
a1 (t) a2 (t) an1 (t) an (t)
Dune facon plus systematique, on sera amene à etudier les systèmes de n equations differentielles du 1er
ordre, que lon definira par les equations
y 1 = f1 (y1 , , yn , t),

y n = fn (y1 , , yn , t),
completees par les conditions initiales
y1 (0) = y01 , , yn (0) = y0n .
Introduisons les vecteurs de Rn y = (y1 , , yn ), y0 = (y01 , , y0n ), et la fonction vectorielle f =

(f1 , , fn ). Le système differentiel precedent peut etre ecrit sous la forme dune seule equation differentielle
dans Rn

y(t) = f (y(t), t) ,
y(0) = y0 ,
u on retiendra que y et y0 sont des elements de Rn .

o`

5.5. EQUATION INTEGRALE 48
Exercice 5.7 On considère le système differentiel :

x(t)
+y(t)
=
y(t)
x(t)
1. Montrer que x et y satisfont la meme equation differentielle du second ordre, et donner sa solution generale
en fonction de 2 constantes arbitraires.
2. Les conditions initiales du système differentiel sont x(0) = x0 et y(0) = y0 .
Avec quelles conditions initiales doivent etre resolues les equations differentielles du second ordre en x et
en y ?
3. Montrer que la solution du système differentiel peut secrire sous la forme

x(t) x0
= R(t) ,
y(t) y0
o`
u R(t) est une matrice que lon precisera.
5.5 Equation int

egrale
Un formalisme encore plus compact reunit en une seule equation integrale le système differentiel et sa
condition initiale :
Th eme 5.5.1 Soit f : U I Rn une fonction continue, definie sur le produit dun ouvert U de Rn et
eor`
dun intervalle I de R. Lequation differentielle y(t)
= f (y(t), t) qui passe par y0 a
` t = 0, est equivalente a
`
lequation integrale 1
Zt
y(t) = y0 + f (y( ), )d.
0
La condition initiale est trivialement satisfaite et le syst`

eme diff
erentiel est retrouv
e directement par d
erivation (le v
erifier).
Il est alors tentant de substituer lexpression de y(t) sous lintegrale et de generer ainsi la suite des ap-
proximations de Picard. Partant dune fonction dessai y(0) (t) (un choix courant consiste à prendre la condition
initiale y(0) (t) = y0 ), literation dordre (p) est generee à partir de la precedente par la relation :
Zt
(p)
y (t) = y0 + f (y(p1) ( ), )d.
0
Le problème est evidemment de savoir si la suite ainsi generee converge vers une fonction solution du système
differentiel etudie et si cette solution est unique.
Exemple Cherchons les premières approximations de Picard de lequation differentielle

y(t)
= 1 + y 2 (t),
y(0) = 0
Partant de y (0) (t) = y(0) = 0, on trouve successivement
Zt
(1)
y (t) = (1 + 02 )d = t,
0
Zt
t3
y (2) (t) = (1 + 2 )d = t + ,
3
0
Zt
(3) 3 2 t3 2t5 t7
y (t) = 1 + ( + ) d = t + + + ,
3 3 15 63
0

1. Plus pr
ecis
ement, il sagit dune
equation int
egrale non lin
eaire de Volterra.

5.6. THEOR `
EME
DEXISTENCE ET DUNICITE 49
Cette equation differentielle peut etre integree exactement (elle est à variables separables). On reconnait le
debut du developpement de la solution y(t) = tan t dans les premières approximations reportees ci-dessus.
5.6 Th
eor`
eme dexistence et dunicit
e
Dans cette section, on donne le theorème fondamental de Cauchy-Lipschitz qui garantit localement lexistence
et lunicite des solutions des equations differentielles, eventuellement non lineaires, dans des conditions peu
contraignantes. La demonstration de ce resultat passe par la preuve de la convergence des iterations de Picard
introduites auparavant. Nous en donnons la formulation dans le cas dune seule equation differentielle.
Theorème 5.6.1 Soit f : I U R une fonction continue, o` u U et I sont des intervalles bornes de R qui
contiennent repectivement les points y = y0 et t = 0. On suppose en outre que f verifie la condition dite de
Lipschitz :
t I, x, y U, |f (t, x) f (t, y)| |x y|,
avec > 0.
Il existe un intervalle J I sur lequel est defini lunique solution de lequation differentielle y(t)
= f (t, y(t))
qui satisfait la condition initiale y(0) = y0 .
On admettra que ce theorème admet une generalisation au cas dun système dequations differentielles.
Hormis la continuite, la condition moins triviale imposee par le theorème est la condition de Lipschitz. Une
condition plus parlante qui implique linegalite de Lipschitz, est que f et f y soient continues dans I U . En
effet, les fonctions continues sur des intervalles bornes sont bornees. Puis par le theorème des acroissements
finis, on a pour tout (t, y1 ), (t, y2 ) I U ,

f

|f (t, y1 ) f (t, y2 )| = (c) |y2 y1 | ,
y
o`
u c [y1 , y2 ]. La condition de Lipschitz resulte alors du caractère borne de la derivee partielle.
Il est interessant de constater que si la derivee partielle nest pas bornee, il peut exister plusieurs solutions,
comme le montre lexemple suivant
Exemple Considerons lequation differentielle

y = y 1/3 ,
avec pour condition initiale y(0) = 0. La fonction y 7 y 1/3 est continue. En revanche sa derivee p
nest pas definie
en 0. Les conditions du theorème ne sont donc pas remplies et on verifiera que y = 0 et y = 8/27 t3/2 sont
solutions de lequation differentielle.
Commentaires Le theorème de Cauchy-Lipschitz garantit en particulier lunicite des solutions des equations
differentielles pour une condition initiale donnee. Autrement dit, à 2 conditions initiales differentes, corres-
pondent 2 solutions differentes pour toutes les valeurs anterieures ou posterieures de t. En terme dynamique, 2
trajectoires partant de 2 points initiaux differents ne peuvent se couper ou meme se toucher. Cette remarque
nous permettra plus loin de representer facilement sur un meme schema, differentes solutions des equations
differentielles non lineaires correspondant `
a differentes conditions initiales.
Lequation differentielle etant definie pout t I, le theorème de Cauchy-Lipschitz ne garantit lexistence de

solutions (bornees), que dans un intervalle J plus petit que I. Le fait que les solutions nexistent dans le cas
general que sur un intervalle plus petit que lintervalle de definition de lequation differentielle est associe au
phenomène dit dexplosion en temps fini de la solution. Donnons un exemple de ce comportement.
Exemple On considère lequation differentielle y = y 2 definie pour toute valeur t R, avec la condition initiale
y(0) = 25 . Cette equation differentielle non lineaire est à variables separables et il est facile de trouver lunique
solution :
1
y(t) = .
1/25 t

5.6. THEOR `
EME
DEXISTENCE ET DUNICITE 50
Il est clair que la solution nest pas definie pour t = 1/25. Le domaine dexistence de la solution est J =
] , 1/25[ R.
Ce phenomène dexplosion en temps fini des solutions est la signature dun comportement non lineaire. On
peut en effet demontrer que lequation differentielle lineaire du type y(t)
= a(t)y(t) + b(t) avec y(0) = y0 o`
ua
et b sont des fonctions continues pour tout t I, admet une unique solution definie dans I tout entier.

Chapitre 6
Syst`
emes Diff
erentiels Lin
eaires
Les equations differentielles lineaires - au moins celles à coefficients constants - sont les seules equations
differentielles pour lesquelles les solutions peuvent etre formulees dune facon systematique et explicite. Cette
formulation sappuie essentiellement sur des resultats dalgèbre lineaire que nous aurons ainsi loccasion de
retravailler. Une consequence de lexistence et de lunicite des solutions des systèmes differentiels exposee dans
le chapitre precedent, est la possibilite, pour les equations lineaires, de relier la solution à linstant origine, avec
la solution à un instant t ulterieur, au moyen dun operateur devolution, appele propagateur. Ce point de vue, à
fort contenu geometrique, eclaire le problème de la resolution des equations differentielles sous un jour nouveau
qui savèrera egalement utile pour linterpretation des equations differentielles non lineaires.
6.1 Exponentielle de matrice

Dans cette section on donne quelques definitions et proprietes qui generalisent aux matrices des resultats
bien connus pour les elements de R ou C.
efinition 6.1.1 Soit A une matrice n n. Lexponentielle de A est definie par

D

X
A Ak A2
e I +A+ + .
k! 2!
k=0
Soit un nombre positif tel que |aij | pour tout i, j variant de 1 a ` n. Manifestement les ements de A2 qui s
el ecrivent
ai1 a1j + + ain anj sont eux memes major 2
es par n , et plus g
en
eralement les
el k
ements de A sont majores par nk1 k . Ainsi
chacun des ements de eA est tel que :
el
n2 nk1 k
| eA |1++ + + + en ,
ij 2! k!
ce qui montre que tous les ements deA existent, et donc que eA est d
el efinie.
Demontrons maintenant 2 proprietes qui auront une importance capitale pour la suite.
Th eme 6.1.1 Soient A une matrice n n a

eor` ` coefficients constants.
e(s+t)A = esA etA , s, t R
d tA
e = A etA , t R
dt
La premi`
ere propri
et
e est d
emontr
ee a
` laide de la formule du bin
ome :

" n
#
X (s + t)n An X An X n!
(s+t)A
e = = snk tk
n=0
n! n=0
n! k=0
(n k)!k!
X X X X
An snk tk Am+k sm tk
= = = esA etA .
k=0 n=k
(n k)!k! k=0 m=0
m!k!
51
6.2. PROPAGATEUR 52
Pour d
emontrer la deuxi`
eme propri
ete, on
ecrit la definition de la d
eriv
ee
d tA e(t+s)A etA esA 1
e = lim = etA lim = etA A
dt s0 s s0 s

Le cas particulier s = 1 et t = 1 montre que linverse deA est la matrice eA . La première propriete ne
doit pas etre generalisee aux cas de matrices A et B qui ne commutent pas :
eA+B 6= eA eB 6= eB eA , en general.
` dire telle que AT = A), alors

Exercice 6.1 Montrer que si A est une matrice reelle antisymetrique (cest a
T
etA est une matrice orthogonale (cest a ` dire que etA etA = I).
h T i
d
Indication : calculer dt etA etA .
6.2 Propagateur
Repartons de la suite des approximations de Picard et tirons partie du fait que A est independant de t. On
a donc, formellement :
Zt
y(t) = y0 + Ay( )d
0

Zt Zt Zt1
= I + A dt1 + A2 dt2 dt1 + y0
0 0 0
2 2

A t
= I + At + + y0
2!
X
An
= y0 = etA y0
n=1
n!
Les proprietes memes de lexponentielle dun operateur permettent de retrouver très aisement ce resultat.
Th eorème 6.2.1 Soit A une matrice n n a

` coefficients constants (independants de t), lequation differentielle
lineaire homogène

y(t) = Ay(t),
y(0) = y0 ,
admet pour unique solution
y(t) = etA y0 .
R evident puisquon a manifestement e0 = I et y(t)

esultat = AetA y0 = Ay(t). Lunicit
e est garantie par le th
eor`
eme de Cauchy-
Lipschitz.
Ce resultat fondamental met donc en jeu un operateur etA qui permet de passer de la position à linstant
a linstant t ; pour cette raison etA est appele propagateur.
initial y0 à la position `
La forme explicite de la solution dans le cas non homogène est donnee par le theorème suivant :
Theorème 6.2.2 Soient J un intervalle de R qui contient le point t = 0, A une matrice n n qui ne depend
pas de t et t 7 b(t) une fonction continue de t J, le système differentiel lineaire non homogène

y(t) = Ay(t) + b(t),
y(0) = y0 ,

6.3. CALCUL PRATIQUE DU PROPAGATEUR 53
admet une solution unique pour tout t J.
Cette solution est donnee explicitement par
Zt
tA
y(t) = e y0 + e(t )A b( )d.
0
Soit G(t) = etA le propagateur associe au syst`

eme homog` ene. La solution de l
equation non homog`
ene est obtenue en cherchant
une solution sous la forme y(t) = G(t)x(t). On a dune part
y = + Gx = AGx + Gx,
Gx
et dautre part y = Ay + b = AGx + b. Il sensuit que x satisfait

x(t) = G1 (t)b(t),
x(0) = y0 ,
qui admet pour unique solution

Zt
x(t) = y0 + G1 ( )b( )d.
0

Ainsi la seule connaissance du propagateur permet donc de resoudre les systèmes differentiels lineaires avec
ou sans second membre. Pour cette raison, le propagateur est egalement appele resolvante.
6.3 Calcul pratique du propagateur

Les resultats precedents, pour concis quils soient, ne nous dispensent cependant pas de calculer explicitement
lexponentielle dun operateur, ce qui peut etre tout de meme delicat, surtout en dimension elevee.
Si la matrice A est diagonalisable, les choses sont simples.
Theor` eme 6.3.1 Soit A une matrice n n diagonalisable. Le propagateur de lequation differentielle homogène
a
` coefficients constants : y(t) = Ay(t) est donne par :
etA = P etD P 1 ,
o`
u D est la matrice diagonale dont les elements diagonaux sont les valeurs propres de A, et o`
u P est la matrice
dont les colonnes sont les vecteurs propres de A.
En effet, si A est diagonalisable, on a P 1 AP = D. Comme An = P Dn P 1 , avec Dn diagonale, on en d

eduit que etD est elle-m
eme
diagonale, avec pour t
elements (e 1 , , et n tA tD 1
), de sorte que e = P e P .
Dans le cas o`
u A nest pas diagonalisable, on peut sappuyer sur le theorème suivant que nous ne demontrerons
pas 1 :
Th eme 6.3.2 Toute matrice A possède une decomposition unique A = S + N , o`

eor` u
S est diagonalisable,
N est nilpotente (i.e. pour k suffisamment grand N k = 0),
S et N commutent.
Comme S et N commutent, on en deduit que etA = etS etN . S etant diagonalisable, etS se calcule comme
explique ci-dessus, tandis que puisque N est nilpotente, on a, en appliquant la definition de lexponentielle
tk1
dune matrice : etN = I + tN + + (k1)! N k1 .
1. ce th
eor`
eme est une cons
equence du th
eor`
eme de r
eduction a
` la forme normale de Jordan.

6.4. EQUATIONS DIFFERENTIELLES EN DIMENSION 2 54
6.4 Equations diff

erentielles en dimension 2
6.4.1 Diagonalisation des matrices 2 2
Soit A une matrice 2 2 quelconque `

a coefficients reels. Lorsquil existe un vecteur v 6= 0 qui satisfait :
Av = v,
on dit que est la valeur propre de A correspondant au vecteur propre v. Geometriquement, loperateur lineaire
associe à la matrice A contracte ou dilate ces vecteurs de lespace dans leur propre direction.
Posons
a b
A= ,
c d
Le système Av = v est equivalent `
a la resolution du systèmes dequations :

v1 a b v1
(A I) = = 0,
v2 c d v2
qui nadmet de solutions non nulles, que si le determinant est nul, soit :
det(A I) = (a )(d ) bc = 0.
En introduisant la trace de la matrice (somme des elements diagonaux) et le determinant de A, on montre

aisement que les valeurs propres sont les racines du p
olynome caracteristique P () suivant :
P () = 2 trA + det A = 0.
Les solutions secrivent p

trA (trA)2 4 det A
1,2 =
2
On peut noter que
trA = 1 + 2 ,
det A = 1 2 .
Les vecteurs propres sont obtenus par resolution du système lineaire (A I)v = 0.
3 cas sont donc possibles
1. (trA)2 4 det A > 0 : 2 valeurs propres reelles distinctes.
2. (trA)2 4 det A = 0 : 1 valeur propre reelle double.
3. (trA)2 4 det A < 0 : 2 valeurs propres complexes conjuguees.
Exercice 6.2 On considère le système differentiel

x x a b
=A avec A=
y y c d
Montrer que x (ou y) satisfait lequation differentielle du 2ième ordre : P (D)x = 0, o`

u P represente le p
olynome
d
caracteristique et D loperateur dx .
En deduire que x peut etre obtenu par resolution du sytème auxiliaire :

x x 2 1
=U avec U = ,
z z 0 1
o`
u 1 et 2 sont les valeurs propres de A, et z une variable auxiliaire.
Resoudre le système precedent et en deduire les expressions de x (ou y) en fonction de 1 et 2 .

6.4.2 Forme explicite du propagateur en dimension 2
Dans cette section on utilise le fait que les puissances successives dune matrice ne sont pas independantes
pour donner une forme explicite compacte au propagateur etA . Le theorème de Cayley-Hamilton joue un r ole
fondamental dans cette reduction. P (X) designant le polynome caracteristique evoque plus haut, ce theorème
affirme que P (A) = 0 (le verifier), soit plus explicitement :
(A 1 I)(A 2 I) = 0.
1. Valeurs propres reelles distinctes : 1 6= 2 . La matrice A peut secrire (le verifier) :
A = 1 P1 + 2 P2 ,
o`
u on a introduit les 2 operateurs de projection
A 2 I A 1 I
P1 = , P2 = .
1 2 2 1
Exercice 6.3 Soient P1 = (A 2 I)/(1 2 ) et P2 = (A 1 I)/(2 1 ), montrer que

P1 (resp. P2 ) projette tout vecteur v du plan sur la direction du vecteur propre v1 (resp. v2 ) parallèlement
a
` la direction de lautre vecteur propre v2 (resp. v1 ).
P1n = P1 et P2n = P2 pour tout n 1
Ces 2 operateurs verifient en outre, legalite P1 + P2 = I (par definition), ainsi que P1 P2 = P2 P1 = 0, par
application du theorème de Cayley-Hamilton .
Comme P1 et P2 commutent, on a etA = et1 P1 et2 P2 , et en utilisant les proprietes des projecteurs enonces
plus haut, on trouve
etA = e1 t P1 + e2 t P2 .
Exercice 6.4 Etablir la relation etA = e1 t P1 + e2 t P2 .
P2y0 y0
y(t)
P1y0
Figure 6.1 Action du propagateur sur le vecteur initial y0 dans le cas de 2 valeurs propres reelles et distinctes.
E1 et E2 designent les sous-espaces propres engendres par les vecteurs propres v1 et v2 . La figure est faite dans
le cas 1 > 0 et 2 < 0.
On constate donc que laction de loperateur sur le vecteur initial y0 , se ramène à une projection sur
chacun des sous-espaces propres, accompagnee dune dilation ou dune contraction dans la direction de
ces espaces propres.
2. Valeurs propres complexes conjuguees : 1,2 = i.
Le theorème de Cayley-Hamilton secrit :
(A 1 I)(A 2 I) = 0 (A I)2 = 2 I,

soit encore
0 1
A I = J avec J= ,
+1 0
puisque J 2 = I. Comme par ailleurs,
etA = etI etJ ,
le propagateur secrit sous la forme
etA = et R(t),
o`
u R(x) est la matrice de rotation

+ cos x sin x
R(x) = .
+ sin x + cos x
Laction geomètrique du propagateur dans cette situation se ramène donc à une rotation qui rapproche
ou eloigne de lorigine selon le signe de .
Exercice 6.5 Soit
0 1
J= ,
+1 0
montrer que
tJ + cos t sin t
e = .
+ sin t + cos t
Montrer que ce propagateur permet de resoudre lequation differentielle y(t) + y(t) = 0.
3. Valeur propre double : 1 = 2 = .
Le theorème de Cayley-Hamilton secrit dans ce cas particulier :
(A I)2 = 0.
En utilisant la decomposition A = I + (A I) et en remarquant que I et (A I) commutent, on

obtient aussit
ot la forme reduite
etA = et [I + t(A I)]
On a donc obtenu le resultat suivant
Th eorème 6.4.1 Soit A une matrice 22 a

` coefficients constants, 1 et 2 les valeurs propres de A, lequation
differentielle lineaire homogène

y(t) = Ay(t),
y(0) = y0 ,
admet pour solution : y(t) = etA y0 , avec

1. etA = e1 t P1 + e2 t P2 si 1 6= 2 reelles,
2. etA = et [I + t(A I)] si 1 = 2 = ,
3. etA = et R(t) si 1,2 = i,
o`
u P1 (resp. P2 ) est loperateur de projection sur la direction du vecteur propre v1 (resp. v2 ) parallèlement a `
la direction de lautre vecteur propre v2 (resp. v1 ), et o`
u R(t) est loperateur de rotation de langle t dans le
sens trigonometrique.
Ces resultats peuvent etre utilises pour resoudre les exercices suivants.
Exemple On considère le système differentiel
x = +7x + 4y,
y = 8x 5y.

Comme trA = 2 et det A = 3, on a

2 4 + 12
1,2 = = 1, +3.
2
Lapplication de la formule correspondant aux cas des valeurs propres reelles et differentes donne immediatement

tA e+3t +8 +4 et +4 +4
e = +
4 8 4 4 8 8
soit,
2e3t et e3t et
etA =
2e3t + 2et e3t + 2et
La solution pour des conditions initiales x0 , y0 est donc :
x(t) = (2e3t et )x0 + (e3t et )y0 ,
y(t) = (2e3t + 2et )x0 + (e3t + 2et )y0
Exercice 6.6 Determiner le propagateur et les solutions du système differentiel

x = +2x + y,
y = +2y.
Lexercice suivant, montre qua contrario, si lon sait resoudre un système differentiel lineaire, on obtient
immediatement lexponentielle de loperateur associe.
Exercice 6.7 On considère le système differentiel du 1er ordre suivant :

x 1 a 1 x
y = 0 1 b y ,
z 0 0 c z
o`
u a, b et c sont des reels avec c 6= 1.
Resoudre ce système, equation par equation, en commencant par lequation differentielle en z, et en deduire
lexponentielle de la matrice associee au système differentiel.
Dans le cas diagonalisable, on peut obtenir une generalisation facile en dimension quelconque.
Exercice 6.8 Soit A une matrice n n diagonalisable. On note 1 , , n ses valeurs propres et v1 , , vn les

vecteurs propres associes. Verifier que la solution de lequation differentielle y(t) = Ay(t) satisfaisant y(0) = y0
est donnee par :
X n
y(t) = ci eti vi ,
i=1
Pn
o`
u les coefficients ci sont les composantes de y0 dans la base des vecteurs propres : y0 = i=1 ci vi .
Voici, enfin, un exercice relatif `

a une equation differentielle non homogène.
Exercice 6.9 La trajectoire dune particule chargee en presence dun champ magnetique statique et homogène
et dun champ electrique homogène mais dependant du temps, peut etre ramenee au système suivant :
v 1 (t) = +c v2 (t) + E1 (t),
v 2 (t) = c v1 (t) + E2 (t),
où v1 et v2 representent les composantes cartesiennes de la vitesse dans le plan orthogonal au champ magnetique,
c une frequence caracteristique (frequence cyclotron), E1 (t) et E2 (t) les composantes convenablement norma-
lisees du champ electrique orthogonal a` la direction du champ magnetique.
Determiner le propagateur et en deduire la solution du système differentiel.


Chapitre 7
Analyse qualitative des

equations
diff
erentielles
On a donne au Chapitre 2 les theorèmes qui garantissent lexistence des solutions des equations differentielles
sous des conditions pas trop contraignantes. En revanche, ces theorèmes ne donnent pas de moyen explicite pour
exprimer ces solutions. En fait, dans le cas non lineaire, à lexception de quelques cas accidentels, il nexiste pas
de moyen systematique pour trouver les solutions.
On doit donc abandonner lespoir dune solution explicite qui permette une estimation quantitative, et se
tourner vers des approches plus qualitatives. Ce point de vue qui peut apparatre plus limite de prime abord
sest en fait avere extremement fecond, surtout lorsquil est applique à des systèmes dordre assez eleve. Au
debut du 20ème siècle, sous limpulsion dHenri Poincare, cette demarche fut à lorigine du renouveau de letude
des systèmes dynamiques et a donne naissance à la theorie du chaos.
7.1 Exemple
Limitons nous aux equations differentielles autonomes pour lesquelles la variable t nintervient pas explici-
tement ; on considère donc
y = f (y),
y(0) = y0 .
Les solutions y de lequation f (y) = 0 sont des points particuliers pour lesquels y = 0 ; les solutions qui passent
par ces points nevoluent pas avec t : on dit que ce sont les solutions dequilibre. Les y sont appeles points
critiques (ou fixes), (ou dequilibre). Limportance de lanalyse locale des solutions au voisinage des points
critiques tient au fait quelle permet une comprehension du comportement global des solutions dans les cas les
plus simples.
Avant de developper ces idees dun point de vue plus general, considerons un cas particulier en dimension
1, par exemple le modèle logistique evoque dans lintroduction, pour des valeurs particulières des paramètres
et N1 ( = N1 = 1) :
N = N (1 N ) ,
N (0) = N0 .
Les points fixes sont solutions de N (1N ) = 0, soit N = 0 et N = 1. La representation de f (N ) = N (1N ) (cf.
Fig 7.1) montre clairement que f (N ) > 0 pour 0 < N < 1 ; on en deduit que y > 0 et donc que y est une fonction
croissante dans ce meme intervalle. On aboutit à la conclusion opposee dans les intervalles complementaires.
Les flèches reportees sur la figure indiquent le sens des variations de y. On dit que N = 0 est un point fixe
= 1
instable, puisque toute solution voisine de ce point fixe tend à sen ecarter ; a contrario, le point fixe N
est dit stable. Comme on sait que les trajectoires correspondant à differentes valeurs initiales N0 ne peuvent se
59
7.2. CLASSIFICATION DES POINTS FIXES (1 DIMENSION) 60
1 0.5 0.5 1 1.5 2
0.5
1.5
Figure 7.1 Application Logistique f(N)=N(1-N)
couper, il est facile de tracer levolution qualitative des solutions correspondant à des valeurs initiales placees
de part et dautre des points fixes (cf. Fig 7.2). Ce type de representation presentant un ensemble de solutions
N
2
1.5
0.5
t
0.5 1 1.5 2
-0.5
-1
-1.5
-2
Figure 7.2 Solutions du Modèle Logistique
caracteristiques sur un meme schema, permet de comprendre dun coup doeil le comportement du système
etudie. On voit que toutes les solutions telles que N0 < 0 explosent en temps fini, tandis que toutes les solutions
positives (les seules physiques puisque N represente une population) convergent vers la valeur limite N0 = 1. On
notera egalement que les solutions stationnaires consituent des barrières infranchissables (daprès le theorème
de Cauchy-Lipschitz, les solutions ne peuvent se croiser). Cet exemple montre clairement que lanalyse locale
des points fixes suffit `
a une comprehension du comportement global de ce modèle.
7.2 Classification des points fixes (1 dimension)

La classification des points fixes à 1 dimension est très simple. Comme on va le voir on peut en distinguer
3 types qualifies dattractifs (ou stables), de repulsifs (ou instables) ou de points selles (ou semistables). Soit
y un point fixe, cest ` a dire une des solutions de lequation f (y ) = 0. Le comportement local de lequation
differentielle est donne par un developpement de Taylor au voisinage de y qui conduit à lequation
y = f (
y )(y y) + O((y y)2 ),
u f (
o` y ) designe la derivee de f par rapport à y calculee en y = y. Le developpement de Taylor à cet ordre
permet de discuter les cas o` u f (
y ) 6= 0 qui correspond aux cas des points stables et instables ; le sens de
variation de y signale sur la Figure 7.3 par des flèches est determine à partir du signe du produit f (
y )(y y).

f(y) f(y)
_ _ y
y y y
_ _
f( y ) > 0 f( y ) < 0
Figure 7.3 Points fixes stables (`

a droite) et instables (`
a gauche).
On remarquera que la situation rencontree dans le modèle logistique correspond à un cas de raccordement des
2 cas representes ci-dessus.
Lorsque f ( y ) = 0, cest le signe de f ( y ) qui permet de discuter les differents cas de points selles ; les
variations de y etant alors donnees par le signe de f ( y ) (developpement de Taylor au 2ième ordre), voire par
le signe de f (
y )(y y)3 si f (
y ) est elle aussi nulle. Les differentes situations sont reportees sur la figure 7.4.
Figure 7.4 Exemples de Points Selles
Les points selles presentent une autre particularite par rapport aux deux autres types de points fixes : ils sont
structurellement instables. On entend par l` a que la moindre perturbation (toujours presente dans les systèmes
physiques) peut faire disparatre le point selle au profit de lapparition dune paire de points fixes stable-instable.
Lorsque cette transition est obtenue sous leffet dune variation dun paramètre inherent au modèle, on parle
de bifurcation. La figure 7.5 illustre une telle bifurcation lorsque leffet dune variation du paramètre revient
à translater le schema comprenant le point selle vers le bas. Un tel effet ne peut se produire dans le cas des
points fixes stables ou instables qui sont dits par consequent structurellement stables.
Exercice 7.1 La decroissance dune population suite a

` des collisions a
` 2 corps peut etre modelisee par lequation
differentielle
N (t) = kN 2 ,
o`
u N (t) represente le nombre dindividus de la population a ` linstant t, et o`
u k est une constante positive. On
notera N0 le nombre dindividus a ` linstant t = 0.
Quel est le type de cette equation differentielle ?
Après avoir determine les points critiques, tracer lallure qualitative des solutions sans aucun calcul.
Integrer lequation differentielle et donner la forme explicite des solutions.
Mettre en evidence que la solution diverge en un temps fini.
Exercice 7.2 On considère lequation

v = g k v|v|,
v(0) = v0 ,

Figure 7.5 Exemple de Bifurcation
o`
u g represente lacceleration de la pesanteur, v la vitesse et k une constante positive.
Donner une interpretation physique simple de cette equation.
Montrer que ce système na quun seul point fixe stable, et utiliser cette information pour representer les
solutions dans les cas suivants : v0 > 0, v0 = 0, (g/k)1/2 < v0 < 0, v0 < (g/k)1/2 .
Exercice 7.3 On considère la reaction chimique A + B C. Les reactifs A et B sont en concentration initiale
A(0) = A0 et B(0) = B0 . La vitesse de production du produit obeit a
` lequation differentielle

C(t) = (C(t) A0 ) (C(t) B0 ) ,
o`
u est la constante (positive) de reaction.
On veut etudier comment la concentration du produit C au cours du temps depend - qualitativement et
quantitativement - de sa concentration initiale C(0) = C0 .
Determiner les points critiques et representer qualitativement lallure des solutions. On distinguera les 2
cas : A0 = B0 et A0 6= B0 .

Chapitre 8
Stabilit
e des syst`
emes diff
erentiels
Letude de la stabilite des systèmes est evidemment determinante pour les applications (le système peut-il
exister au voisinage dun point de fonctionnement particulier en presence de perturbations ?), mais egalement
interessante du point de vue des differents types de comportements globaux que le système peut presenter. Cette
approche a ete developpee en dimension 1 dans le chapitre precedent, et sappuie sur une classification des points
critiques. La classification des points critiques en dimension quelconque est un problème mathematique ardu
qui se rattache ` a la theorie des singularites des fonctions differentiables.
Bien que lon puisse imaginer toute sorte de matrices definissant un système differentiel lineaire, on verra
quil ny a quun nombre limite de comportements asymptotiques (i.e aux temps longs) pour les systèmes
differentiels lineaires, qui ne dependent que des valeurs propres de la matrice associee. On montre egalement
quune première approche de la stabilite (locale) des systèmes differentiels non lineaires peut etre obtenue en
linearisant le système etudie au voisinage de ses points critiques.
8.1 Stabilit
e des syst`
emes diff
erentiels lin
eaires
Lorigine joue un role particulier pour les sytèmes lineaires. Le point y = 0 est en effet le seul point
stationnaire (y = 0) de lequation differentielle y = Ay.
efinition 8.1.1 Lorigine est dite asymptotiquement stable si toute solution y du système lineaire satisfait
D
lim y(t) = 0.
t+
On dispose alors du resultat suivant (valable en dimension quelconque) connu sous le nom de Critère de Routh :
Theorème 8.1.1 Lorigine est asymptotiquement stable si et seulement si toutes les valeurs propres de A sont
de partie reelle strictement negative.
Cela r
esulte directement en dimension 2 du th
eor`
eme 6.4.1.
Dans le cas de la dimension 2, comme 1 2 = det A et 1 + 2 = trA, on peut egalement dire que lorigine
est asymptotiquement stable si det A > 0 et trA < 0.
8.1.1 Portraits de phase en dimension 2
Introduisons un peu de terminologie et discutons qualitativement le comportement des solutions selon le

signe des valeurs propres.
63
DES SYSTEMES
8.1. STABILITE `
DIFFERENTIELS
LINEAIRES 64
1. Si 1 et 2 sont toutes 2 negatives et differentes, on parle de nud ( asymptotiquement stable), ou de

puits.
2. Si 1 et 2 sont toutes 2 positives et differentes, on parle aussi de nud (instable), ou de source.
Figure 8.1 Source.
3. Si une des valeurs propres est positive et lautre negative, il existe au moins une direction instable et on
parle de point selle ou de col.
Figure 8.2 Point Selle.
4. Dans le cas de valeurs propres identiques, il ny a quun seul vector propre 1 et on parle de nud impropre
(stable ou instable).
Figure 8.3 Noeud Impropre Instable.
5. Dans le cas des valeurs propres conjuguees, les trajectoires sont des spirales logarithmiques lorsque la
partie reelle des valeurs propres 6= 0 et on parle de foyers (stable ou instable). Dans le cas o`
u = 0, les
trajectoires sont periodiques, il sagit de centres.
En dimension 2, lensemble des comportements peut etre represente dans le plan det A trA, ce que montre la
figure 8.5.
1. sauf si la matrice est de la forme I, auquel cas, tout vecteur est vecteur propre.

DES SYSTEMES
8.2. STABILITE `
DIFFERENTIELS
NON LINEAIRES 65
Figure 8.4 Foyer instable (`

a gauche), et Centres (`
a droite).
Det A = (tr A)2/4
Figure 8.5 Portraits de Phases dans le plan det A trA
8.2 Stabilit
e des syst`
emes diff
erentiels non lin
eaires
Dans cette section, on se contentera daborder brièvement la stabilite locale des systèmes differentiels non
lineaires en dimension 2 par la methode de linearisation.
8.2.1 Lin
earisation
Le cas general des systèmes differentiels en dimension 2 peut secrire

x 1 = f1 (x1 , x2 ),
x 2 = f2 (x1 , x2 )

DES SYSTEMES
8.2. STABILITE `
DIFFERENTIELS
NON LINEAIRES 66
Soit (
x1 , x
2 ) un point fixe du système. On peut proceder à une linearisation du système autour de ce point fixe
par le changement de variables x1 = x 1 + x1 , x2 = x2 + x2 . x1 et x2 decrivent de petites fluctuations autour
du point fixe. En utilisant le fait que f1 (x1 , x
2 ) = f2 (
x1 , x
2 ) = 0, les fonctions f1 et f2 peuvent etre decrites
localement par leurs approximations lineaires :
f1 f1
f1lin (x1 , x2 ) = x1 (
x1 , x
2 ) + x2 (
x1 , x
2 ),
x1 x2
f2 f2
f2lin (x1 , x2 ) = x1 (
x1 , x
2 ) + x2 (
x1 , x
2 ).
x1 x2
ur x 1 = x 1 et x 2 = x 2 , on doit etudier le système differentiel à coefficients constants

Comme on a bien s
suivant
!
f1 f1
x 1 x1 x2 x1
=
x 2 f2
x1
f2
x2
x2
(
x1 ,
x2 )
On est donc ramene ` a letude de la stabilite dun système à coefficients constants ; cela permet dapprecier si les
fluctuations tendent à crotre avec le temps, rendant ainsi le système instable autour du point critique etudie,
ou si ces fluctuations regressent au cours du temps, ce qui correspond à la situation stable.
Remarque La question se pose bein entendu de savoir dans quelle mesure letude de la stabilite lineaire
nous renseigne sur la stabilite du système lorsque les termes non-lineaires sont pris en compte. Lorsque les 2
valeurs propres ont une partie reelle strictement negative, la stabilite lineaire implique la stabilite non-lineaire.
Dans le cas des systèmes instables et lorsque les 2 valeurs propres sont de parties reelles strictement positives,
un système qui est instable par stabilite lineaire le demeure lorsque les contributions non-lineaires sont pris en
compte. En revanche, lorsquau moins une des parties reelles des valeurs propres est nulle, cest-` a-dire dans le
cas des centres, la prise en compte des termes non-lineaires peut conduire à des resultats differents de ceux
obtenus par linearisation.
Exemple On considère le système differentiel
x = y,
y = 2y sin x.
On veut etudier la stabilite du système au voisinage du point critique (0, 0). La matrice des derivees premières
secrit
0 1
,
cos x 2
qui vaut en (0, 0) :
0 1
A= .
1 2
Comme trA = 2 < 0 et det A = +1 > 0, on en deduit que le point critique (0, 0) est asymptotiquement stable.
Exercice 8.1 Le modèle de Lokta-Volterra secrit
x = +a x b xy,
y = c y + d xy.
o`
u a, b, c, d sont des constantes positives.
1. Determiner les points critiques du modèle.
2. Determiner et resoudre les systèmes differentiels linearises autour de ces points fixes. En deduire la nature
de ces points fixes.
Exercice 8.2 Lequation de Newton dun pendule avec frottements secrit

= 2 sin (t) (t),
(t)

DES SYSTEMES
8.2. STABILITE `
DIFFERENTIELS
NON LINEAIRES 67
3
3
2
2
1
1
-4 -3 -2 -1 1 2 3 4
-3 -2 -1 1 2 3
-1 -1
-2 -2
-3 -3
Figure 8.6 0 < < 2 (`

a gauche), > 2 (`
a droite)
o`
u est une constante positive.
Les portraits de phase des systèmes linearises autour du point critique (0, 0) sont representes sur la figure
suivante pour differentes valeurs de et .
Effectuer les calculs que vous jugez necessaires pour une comprehension au moins qualitative de ces differents
comportements.
8.2.2 Cycles limites
On a dej`
a discute le comportement des systèmes differentiels lineaires aux temps longs en dimension 2. Parmi
les solutions presentant une certaine forme de stabilite, rappelons que nous avons distingue en particulier les
solutions asymptotiquement stables (puits et foyers stables) et les solutions periodiques (centres).
Les systèmes differentiels non lineaires peuvent egalement admettre des solutions asymptotiquement stables,
mais possèdent un autre type de comportement generique connu sous le nom de cycles limites. A la difference des
centres o`
u à chaque condition initiale correspondait une orbite differente, les cycles limites se comportent comme
des attracteurs pour toutes les conditions initiales dans un certain voisinage (on parle de bassin dattraction) du
cycle limite.
Un exemple caracteristique de système non lineaire presentant un cycle limite est fourni par loscillateur
non lineaire de Van der Pol qui trouve de nombreuses applications en electricite et en mecanique. Lequation
associee secrit :
+ x2 1 x + x = 0.
x
Cette equation decrit une oscillation harmonique perturbee par un terme de frottement, positif si |x| > 1, et
negatif pour |x| < 1. Si la condition initiale est telle que |x| < 1, le mouvement se trouve amplifie par le terme
de frottement, cette amplification diminuant lorsque lamplitude tend vers la valeur |x| = 1. A contrario, pour
de fortes amplitudes, cest-à-dire si la condition initiale est telle que |x| > 1, loscillateur est dissipatif et ramène
donc la solution vers des amplitudes plus faibles. La figure suivante presente le plan de phase de loscillateur de
Van der Pol pour plusieurs conditions initiales.
x
-2 -1 1 2
-1
-2
Figure 8.7 Cycle Limite de lOscillateur de Van der Pol
Il nest pas facile de prevoir le nombre et la position des cycles limites, meme en dimension 2. Lexercice

DES SYSTEMES
8.2. STABILITE `
DIFFERENTIELS
NON LINEAIRES 68
suivant, o`
u un calcul explicite est possible, permet de mieux comprendre ce comportement caracteristique des
systèmes non lineaires.
Exercice 8.3 On considère le système dynamique suivant :

x 1 = +x2 + x1 1 x21 x22 ,

x 2 = x1 + x2 1 x21 x22 ,
o`
u est un paramètre reel.
1. Montrer que le système linearise est associe a
` la matrice

+1
1
Diagonaliser cette matrice et discuter la stabilite du système en fonction des valeurs du paramètre .
2. Montrer que le changement de variable x1 = r cos et x2 = r sin permet de reecrire le système differentiel
non lineaire sous la forme
r = r(1 r2 ),
= 1
Integrer ce système avec les conditions initiales r = r0 , = 0 et montrer quil admet la solution
r02
r2 (t) = ,
r02 + (1 r02 ) e2t
(t) = 0 t
3. Discuter la limite de r(t) lorsque t dans les 2 cas > 0 et < 0. On distinguera les cas r0 = 0 et
r0 6= 0. Commenter les resultats obtenus.
Le changement de comportement qualitatif observe lorsque le paramètre passe des valeurs negatives aux
valeurs positives est un exemple de bifurcation dite de Hopf.

Troisi`
eme partie
Analyse dans Rn
69
Chapitre 9
Diff
erentier et Int
egrer
Deriv
ees et diff
erentielles
Circulation et Flux
Operateurs differentiels
Formule de Stokes
Singularit
es
Diff
erentielles exactes
Theor`
emes de Helmholtz
Theor`
eme de Leibnitz
La plupart des grandeurs physiques rencontres en Physique sont des fonctions de plusieurs variables. Ainsi
en va-t-il des champs : champs electriques, champs de vitesses, ..etc .. qui, en representation eulerienne, sont
des fonctions des variables despace ~x R3 et du temps t.
On considèrera dans la suite, pour fixer les idees, et simplifier lecriture, des fonctions f de 3 variables
independantes que lon notera x, y et z. La plupart des resultats donnes dans ce chapitre se generalise aisement
aux cas dun nombre quelconque (mais fini) de variables.
9.1 D
eriv
ees et diff
erentielles
1. Derivees partielles
La derivee partielle dune fonction de plusieurs variables est definie dune facon très comparable au cas
des fonctions dune seule variable ; la derivee partielle x f de la fonction f par rapport à la variable x est
definie par la relation :
f f (x + x, y, z) f (x, y, z)
x f fx = lim ,
x x0 x
et de meme pour les autres composantes. Cette definition montre que la derivee partielle est evaluee
lorsquune seule variable varie, les autres restant fixees pendant loperation.
En general les derivees partielles peuvent elles-meme dependre des variables x, y, z. Il est donc possible de
definir par le meme procede des derivees successives dune variable : fxx , et à la difference des fonctions
dune seule variable des derivees croisees : fxy . Une question très naturelle se pose de savoir si lordre dans
lequel on prend les derivees importe. Le resulat mathematique precis est le suivant
Th eorème 9.1.1 Si fxy et fyx sont continues en un point, alors ces derivees sont egales en ce point.
Faute de quoi, fxy et fyx ne sont pas forcement egales.
Par exemple, legalite des derivees secondes croisees conduit en thermodynamique aux relations dites de
Maxwell.
2. Differentielle. Differentiabilite
La variation f de la fonction f entre les points ~r = (x, y, z) et ~r + ~r = (x + x, y + y, z + z) secrit
f f (x + x, y + y, z + z) f (x, y, z),
71

9.1. DERIV
EES
ET DIFFERENTIELLES 72
La differentielle est lapproximation lineaire de f definie par
df fx x + fy y + fz z.
Ces 2 grandeurs ne sont egales que pour des fonctions lineaires.

La fonction f est differentiable au point ~r si la difference entre la variation de la fonction et sa differentielle
tend vers 0 lorsque ~r 0, plus vite que ~r lui-meme :
f df = ||~r|| (~r, ~r) avec lim (~r, ~r) = 0.

~
r 0
Dans ces conditions, on voit que df est une excellente approximation de la variation f . Soit en particulier
la fonction f (x, y, z) = x ; il est clair que lon a pour cette fonction df = dx = x, puisque fx = 1 et
fy = fz = 0. Cest la raison pour laquelle on note en general la differentielle dune fonction quelconque :
df = fx dx + fy dy + fz dz,
que lon appelle la differentielle totale de la fonction f au point ~r.

Comme pour les fonctions dune seule variable, la differentiabilite en un point implique la continuite de la
fonction au meme point. En revanche, il ne suffit pas que les derivees partielles existent en un point pour
quune fonction y soit differentiable, il faut en outre que les derivees partielles y soient continues (on dit
dans ce cas que la fonction appartient à la classe des fonctions C 1 ).
1/2 2
Exercice 9.1 Montrer que c(x, t) = (4Dt) ex /4Dt
satisfait lequation de diffusion
ct = D cxx
3. Fonctions composees
Considerons la fonction f (x, y, z) dans le cas o`
u x, y et z sont elles-memes des fonctions dune autre variable
que nous noterons t. Cette situation se rencontre frequemment en mecanique o` u ~r(t) (x(t), y(t), z(t))
decrit la trajectoire dune particule au cours du temps. On peut donc definir une fonction g = f ~r
dependant de la variable t par la relation :
g(t) f (x(t), y(t), z(t)) .
Il est facile detablir le resultat suivant qui generalise la relation bien connue pour la composition de 2

fonctions u et v dune seule variable : (u v) = (u v) v
Theorème 9.1.2 Supposons que fx , fy et fz soient continues et x, y, z des fonctions derivables de la
variable t, alors la fonction g : t 7 f (x(t), y(t), z(t)) est derivable et sa derivee vaut :
dg dx dy dz
= fx + fy + fz .
dt dt dt dt
Un abus de notation, très frequent en physique, consiste à confondre les fonctions f et g, ce qui conduit
à ecrire la relation precedente sous la forme :
df dx dy dz
= fx + fy + fz .
dt dt dt dt
Cette pratique est justifiee dans le cadre de la physique, o` u les symboles mathematiques sont associes à
des grandeurs physiques bien determinees, mais il convient toutefois detre conscient que les fonctions f
et g sont differentes. Par opposition aux derivees partielles, df /dt est appelee derivee totale.
Une situation un peu plus generale peut etre rencontree lorsque les fonctions x, y et z dependent elles-
memes de plusieurs variables. Par exemple, à partir de la fonction f (x, y, z), lorsque x = x(s, t), y =
y(s, t), z = z(s, t), on peut definir une fonction des 2 variables s et t : g(s, t) f (x(s, t), y(s, t), z(s, t)),
qui admet donc 2 derivees partielles donnees par les relations
gs = fx xs + fy ys + fz zs ,
gt = fx xt + fy yt + fz zt .

9.2. CIRCULATION ET FLUX 73
Les derivees partielles gs et gt sont egalement couramment ecrites comme les derivees totales df /ds et
df /dt. Ce genre de derivee en chanes, porte le nom de chain rule dans la litterature anglo-saxonne.
Exemple. Supposons que lon mesure la temperature T à intervalles de temps reguliers le long dune
trajectoire definie par la fonction ~r(t). On connait donc la fonction T (~r(t), t) ; les variations infinitesimales
de temperature sont donnees par la differentielle totale (avec labus de notation signale plus haut) :
dT dt dx dy dz
= Tt + Tx + Ty + Tz ,
dt dt dt dt dt
quil est plus courant decrire sous la forme 1 :
dT T d~r ~
= + .T,
dt t dt
o`
u on a introduit le gradient de T : T ~ (T /x, T /y, T /z).
Cette forme met clairement en evidence le fait que les variations de temperature pendant le temps dt ont
2 origines distinctes, une qui provient des variations de T au point considere, et une autre qui est une
consequence du deplacement effectue pendant le temps dt. En mecanique des fluides, cette derivee totale
est appelee derivee lagrangienne ou encore derivee particulaire ou derivee convective. Lidee est toujours
la meme, il sagit dune information obtenue en suivant la trajectoire dune particule mobile. Lautre point
de vue, dit eulerien, consiste ` a effectuer les mesures en des points fixes de lespace et à y mesurer les
variations temporelles T /t, et de facon complementaire à effectuer des mesures à un instant precis,
~ . Comme on le voit, la seule connaissance de la derivee totale
dans differentes directions de lespace : T
ne permet pas dacceder ` a chacune des derivees partielles, tandis que la connaissance de toutes les derivees
partielles et de la trajectoire permet de reconstruire la derivee totale.
Exercice 9.2 1. Montrer que g(x, t) f (x vt) est solution de lequation aux derivees partielles
gt v gx = 0
On posera g = f u, avec u(x, t) = x vt.

2. Montrer que g(x, t) f (x/ t) ramène lequation aux derivees partielles
gt D gxx = 0,

` lequation differentielle D fuu + u2 fu = 0, o`
a u u(x, t) = x/ t.
9.2 Circulation et flux

Le but de cette section est de rappeler le mode de calcul des integrales dune fonction de plusieurs variables,
non pas sur un intervalle ou une partie du plan, ce qui devrait etre acquis, mais sur une courbe ou une surface
quelconque. Les notions physiques sous-jacentes sont les importantes notions de circulation et de flux. Bien
quune definition rigoureuse et profonde de ce type dintegrales met en jeu la notion de forme differentielle, on
se limite dans la suite `
a lapproche intuitive utilisee en Physique qui suffit dans la plupart des cas.
1. Integrales sur des parties de Rn

Commencons par un bref rappel sur les integrales dans des parties Un Rn , cest-`
a-dire sur le calcul des
nombres notes Z Z Z
f (x) dx, f (x, y) dS, f (x, y, z) dV
U1 U2 U3
Dun point de vue pratique, on se debrouille en general pour ramener le calcul des integrales à 2 ou
3 dimensions au calcul dintegrales a` une seule dimension. Dans cette reduction, un point capital tient
dans le fait que les elements differentiels dS et dV peuvent sinterpreter comme des elements de surface
dS = dxdy et de volume dV = dxdydz.
Lautre resultat important que lon se contente de rappeler est le theorème dit du changement de variables
dont lutilisation est souvent suggeree par les symetries particulières du problème etudie.
1. pour bien souligner la diff
erence avec les d
eriv
ees partielles, on note quelquefois les d
eriv
ees totales par le symbole D/Dt

Th eme 9.2.1 Soient U et V 2 parties ouvertes de R3 , J(u, v, w) le jacobien dune bijection de U

eor`
sur V definie par les relations
: (u, v, w) U 7 (x = x(u, v, w), y = y(u, v, w), z = z(u, v, w)) V
De facon explicite, on a donc :

xu yu zu

J(u, v, w) xv yv zv

xw yw zw
Soit f une fonction integrable sur V , alors (f ).|J| est integrable sur U, et on a :
Z Z
f (x, y, z) dxdydz = f (x(u, v, w), y(u, v, w), z(u, v, w)) |J| dudvdw.
V U
On a bien s ur le meme resultat sur R et R2 , le jacobien devenant respectivement J(u) = dx/du et

J(u, v) = xu yv xv yu .
2. Circulation et integrales curvilignes
R
Suppossons que lon sinteresse ` ~ r). d~r qui correspond à la circulation du vecteur A
a lintegrale C A(~ ~ le
~
long de la trajectoire representee par le chemin C (un travail si A est une force). Il existe deux facons
equivalentes de calculer cette integrale selon linformation dont on dispose. Si la trajectoire (dans le plan
0xy pour simplifier) est connue sous la forme dune fonction y = f (x), il suffit dexprimer le produit
scalaire dans la base cartesienne (~ex , ~ey ) pour ramener lintegrale à une somme dintegrales dune seule
variable (x ou y) : Z Z Z
~ r). d~r = Ax (x, y) dx + Ay (x, y) dy
A(~
C C C
2
Comme les composantes du vecteur A ~ dependent en general des variables x et y, il convient dans ce calcul
dutiliser lequation de la courbe y = f (x) afin deliminer x ou y dans chacune des integrales. Selon la
geometrie du problème etudie, on peut egalement etre amene à utiliser un autre système de coordonnees.
La trajectoire associee au chemin C peut etre egalement connue sous forme parametrique (cest souvent
le cas en Mecanique). Dans ce cas la position le long de la trajectoire est donnee par le vecteur ~r(t) =
x(t) ~ex + y(t) ~ey + z(t) ~ez , o`
u x, y et z sont des fonctions connues du paramètre t (on peut penser au temps)
qui varie entre les deux valeurs ta et tb qui correspondent respectivement aux extremites du chemin C.
Dans ce cas lintegrale est calculee par la formule suivante :
Z Ztb
d~r
F~ (~r). d~r F~ (~r). dt
dt
C ta
Si t est interprete comme un temps, on peut assimiler le vecteur v d~r/dt à une vitesse. Le produit
scalaire F~ . ~v peut alors etre calcule dans un système de coordonnees adaptees de sorte que lintegrale
curviligne secrit encore une fois comme lintegrale dune fonction dune seule variable.
R
Exemple. Soit ` a evaluer C F~ (~r). d~r o`
u C est un chemin du plan Oxy dont les equations parametriques
sont x(u) = 1 u, y(u) = u avec u qui varie de 0 à 1, et F~ represente le champ de vecteurs F~ (x, y) =
2
(x + y) ~ex y ~ey .
Comme (u x, u y) = (1, 2u) et (Fx , Fy ) = (1 u + u2 , u2 ), on en deduit :
Z Z1 Z1
d~r 4
F~ (~r). d~r = F~ (~r). du 1 + u u2 2u3 du =
du 3
C 0 0
En eliminant u des expressions donnant x(u) et y(u), on trouve facilement que la trajectoire est un arc
de parabole dequation y = (1 x)2 . En outre, x varie de 1 à 0 et y de 0 à 1 lorsque u varie de 0 à 1. On
2. Dans cette section, il doit
etre clair que Ax ne d
esigne pas une d
eriv ~ est un vecteur !), mais la projection du
ee partielle (A
~ sur ~ex : Ax A.
vecteur A ~ ~ex

aura donc aussi

Z Z0 Z1
F~ (~r). d~r = Fx (x, y) dx + Fy (x, y) dy
C 1 0
Z0 Z1
2
4
= x + (1 x) dx + (y) dy =
3
1 0
On remarquera que la valeur negative obtenue sexplique par le fait que le mobile remonte les lignes
du champ.
R
~ r). d~r depend du chemin C ; nous considererons plus loin le cas important des
En general la valeur de C A(~
integrales curvilignes dont le resultat ne depend pas du chemin dintegration.
3. Flux et integrales surfaciques
Lintegrale la plus importante est du type Z
F~ (~r). dS,
~
S
u S est une surface regulière (ou au moins regulière par morceaux), qui correspond au flux du vecteur F~
o`
à travers la surface S.
Commencons par preciser que dS ~ ~ndS, où dS est la mesure de lelement de surface et ~n un vecteur
normalise conventionnellement oriente vers lexterieur si la surface est fermee, et obeissant à la règle du
tire-bouchon si la surface est ouverte (et orientee). Si S est connue sous la forme parametrique ~r(u, v) =
x(u, v)~ex + y(u, v)~ey + z(u, v)~ez o`
u u et v sont des paramètres variant dans un domaine determine D du
plan uv, les 2 vecteurs u~r du et v ~r dv forment les 2 cotes de lelement de surface dS ~ qui est donc donnee
par le produit vectoriel dS ~ (u~r v ~r) dudv, on obtient donc
Z ZZ
F~ (~r).dS
~ F~ (x(u, v), y(u, v), z(u, v)) . (u~r v ~r ) dudv.
S D
On remarquera que le vecteur ~n, normal à S secrit ~n = (u~r v ~r ) / ku~r v ~r k. Dans le cas du calcul
dune fonction scalaire f sur une surface, on a de meme
Z ZZ
f (~r) dS f (x(u, v), y(u, v), z(u, v)) ku~r v ~r k dudv.
S D
Exercice 9.3 Montrer que si la surface est connue par une equation du type z = h(x, y), lintegrale de
surface est definie par la relation :
Z ZZ
1/2
f (x, y, z) dS f (x, y, h(x, y)) 1 + (x h)2 + (y h)2 dxdy
S D
o`
u D est le domaine de variation des variables x et y decrivant la surface S.
p 2 cette
Utiliser formule pour
montrer que la surface laterale dun c
one centre sur laxe 0z dequation z =
(x + y 2 ) est egale a
` 2D o`
u D est laire de la base du cone a
` la cote z.
La formule donnee dans lexercice precedent est une expression generale qui peut prendre des formes
beaucoup plus simples si on intègre sur des surfaces parallèles à des plans (par exemple sur les faces dun
cube) ; ainsi dans le cas dune surface
RR parallèle au plan Oxy, lequation de la surface secrira z = cte de
sorte que lintegrale se reduit à D f (x, y, cte) dxdy.
Exemple. Il est bien connu que la surface de la sphère unite peut etre parametree par la donnee de deux
angles et tels que x = sin cos , y = sin sin , z = cos . Dans ce cas, le domaine D de variations des
paramètres est tel que D = [0, ] [0, 2]. Comme

~ex ~ey ~ez

~r ~r = x y z = sin2 (cos ~ex + sin ~ey ) + sin cos ~ez ,
x y z

9.3. OPERATEURS
DIFFERENTIELS 76
on en deduit que la norme de ce vecteur vaut sin (le verifier !) et donc
dS = sin dd,
comme il se doit. On pourra verifier egalement que le vecteur :
~n = sin (cos ~ex + sin ~ey ) + cos ~ez
est bien normal en tout point `

a la surface de la sphère.
9.3 Op
erateurs diff
erentiels
Les operateurs differentiels agissent comme leur nom lindique par derivation sur des champs scalaires ou
vectoriels (voire tensoriels). Ces operateurs sont dits du 1er ordre si leur definition ne met en jeu que des derivees
partielles du 1er ordre, du second ordre si apparassent des derivees secondes ..etc..
1. Premières definitions des operateurs differentiels
Nous rappelons la definition usuelle des operateurs gradient, divergence et rotationnel en coordonnees
cartesiennes par rapport à la base canonique (~ex , ~ey , ~ez ) :
~ f (~r)
grad ~ f (~r) fx ~ex + fy ~ey + fz ~ez ,

div F~ (~r) ~ . F~ (~r) x Fx + y Fy + z Fz ,

~ F~ (~r)
rot ~ F~ (~r) (y Fz z Fy ) ~ex + (z Fx x Fz ) ~ey + (x Fy y Fx ) ~ez ,

Loperateur differentiel du second ordre le plus courant est le laplacien, note ou 2 , defini par la relation
h i
~ f (~r)
f (~r) div grad ~ .
~ f (~r) 2 f (~r) fxx + fyy + fzz
Dans letude des phenomènes ondulatoires, on est egalement amene à introduire le laplacien dun champ
vectoriel :
F~ (~r) Fx (~r) ~ex + Fy (~r) ~ey + Fz (~r) ~ez ,
et loperateur de lequation des ondes, ou dalembertien, note , qui agit sur les fonctions, scalaires ou
vectorielles, des variables ~r et t :
2
tt .
Dans toutes ces definitions, il convient de noter le r ole permanent de loperateur (x , y , z ) (on dit
nabla). La notation la plus repandue des operateurs differentiels utilise cet operateur, et non pas les
notations grad, div, rot qui ne sont guère utilisees quen France. Telles quelles, ces definitions ne valent
quen coordonnees cartesiennes, et il est interessant de donner des definitions equivalentes - independantes
du système de coordonnees - qui soulignent en outre le lien profond entre ces operateurs et les notions de
circulation et de flux dej`
a rencontrees.
2. Secondes definitions des operateurs differentiels
Les operateurs differentiels etudies ici sont des operateurs locaux ; on entend par l`
a que les operateurs sont
definis en tout point de lespace. Soit donc un point quelconque de lespace, et considerons autour de ce
point un volume d (dont la forme pourra dependre des symetries du problème etudie) limite par une
surface fermee S. Une autre definition possible du gradient est donnee par la relation
H
~
f (~r)dS
~ f (~r) lim
grad S
.
d0 d
En effet prenons comme volume le cube de cotes x ~ex , y ~ey , z ~ez situe à lextremite du vecteur ~r

9.3. OPERATEURS
DIFFERENTIELS 77
de sorte que lon peut ecrire :

Z
~ f (~r) 1 ~ez
grad = lim (f (x, y, z + dz) f (x, y, z)) dxdy
0 xyz
xy
Z
+ ~ey (f (x, y + dy, z) f (x, y, z)) dxdz
xz

Z
+ ~ex (f (x + dx, y, z) f (x, y, z)) dydz
yz
Un developpement de Taylor à lordre le plus bas (f (x, y, z + dz) f (x, y, z) dz z f pour la composante
z par exemple), conduit `
a la contribution correspondante
Z
lim (f (x, y, z + dz) f (x, y, z)) dxdy = (xyz) z f
xy0
xy
En procedant de meme sur les 2 autres axes, on obtient lexpression attendue.

La divergence dun champ vectoriel peut etre defini par la relation suivante :
H
F~ (~r).dS
~
div F~ (~r) lim S
0
On verifiera par des manipulations comparables à celles effectuees sur la definition du gradient, quon
retrouve bien, ` a partir de cette definition, lexpression de la divergence en coordonnees cartesiennes. Mais
il y a plus ; cette formulation est en fait independante du système de coordonnees utilise (cf. exercices).
De la definition meme de la divergence, il apparat que les notions de divergence et de flux sont intimement
liees puisque la divergence dun champ de vecteurs en un point P de lespace est egale au flux sortant par
les surfaces dun volume infinitesimal situe autour de P , par unite de volume.
Exercice 9.4 Utiliser la definition de loperateur divergence appliquee a ` un volume elementaire construit
sur les longueurs (d ~e , d ~e , dz ~ez ) pour etablir la formule donnant la divergence dun champ vectoriel
en coordonnees cylindriques :
1 1
div F~ (~r) = (F ) + F + z Fz .

Le lien entre circulation et rotationnel est tout

aussiimportant ; selon la definition usuelle du rotationnel, la
composante selon Oz du rotationnel secrit ~ F~ = (x Fy y Fx ) ~ez . Considerons à present la petite
z
surface rectangulaire orthogonale à laxe Oz dont les cotes sont x ~ex et y ~ey . Calculons la circulation
de F~ le long du contour Cxy limitant la surface xy et parcouru dans le sens trigonometrique :
I x+x
Z y+y
Z
F~ .d~r = Fx (x, y)dx + Fy (x + dx, y)dy
Cxy x y
Zx Zy
+ Fx (x, y + dy)dx + Fy (x, y)dy
x+x y+y
Dans limite dun element de surface infiniment petit on obtient

I
lim F~ .d~r = Fx (x, y)x + Fy (x + x, y)y Fx (x, y + y)x Fy (x, y)y
xy0
Cxy
(x Fy y Fx ) xy

9.4. FORMULE DE STOKES 78
On en deduit donc la relation importante pour la composante du rotationnel selon Oz

H

Cxy
F~ .d~r
~ ~
F lim
z xy0 xy
On a evidemment le meme genre de relation selon les deux autres directions, et dune facon plus intrinsèque,
la composante du rotationnel orthogonale à la surface quelconque dS ~ peut etre obtenue par la relation :
I
~ F~ .dS
~ = F~ .d~r, (dS 0)
CS
On peut donc dire que la composante du rotationnel dun champ de vecteurs, en un point P de lespace,
dans la direction arbitraire ~n, est egal a
` la circulation le long dun contour infinitesimal situe autour de
P dans un plan orthogonal a ` ~n, par unite de surface.
9.4 Formule de Stokes

Lun des resultats fondamentaux relatif à lintegration des fonctions dune variable est la formule
Zb
f (x) dx = f (b) f (a).
a
Cette relation admet une generalisation en dimension superieure connue en Mathematique sous le nom de
formule de Stokes. On verra que les r oles de lintervalle [a, b] et du couple de point (a, b) seront tenus par une
variete (volume, surface) et son bord (surface fermee, contour ferme), tandis que le r ole de f sera tenu par
3
les operateurs differentiels divergence et rotationnel . Bien quune formulation unifiee des theorèmes utilises en
Physique, (theorèmes de la divergence (ou de Gauss) et de Stokes) soit possible, elle necessite lintroduction de
notions mathematiques qui rallongerait lexpose, et nous donnerons donc dans la suite deux enonces distincts
pour les theorèmes dits de Gauss et de Stokes.
1. Theorème de Stokes
Theor` eme 9.4.1 Soit S une surface orientee, regulière par morceaux, et limitee par une courbe fermee
C. Si F~ (~r) possède des derivees partielles continues dans S, alors
ZZ I
~ F~ . dS
~ = F~ . d~r
S C
Sans donner une preuve rigoureuse de ce theorème, on peut en comprendre lorigine en revenant à la
definition (locale) du rotationnel donne à la section precedente :
I
~ F~ . dS
~ = F~ .d~r,
CS
o`
u dS est ici une surface elementaire infiniment petite (dS 0) qui entoure le point situe en ~r. Pour
obtenir le theorème de Stokes qui sapplique à une surface S finie, on decompose cette surface en une
infinite de surfaces infinitesimalement petites, et on en additionne les contributions. Toutes les integrales
curvilignes interieures à S vont sannuler puisque les segments correspondants seront parcourus en sens
inverse (cf. Figure 9.1). La seule contribution restante est celle du contour exterieur, ce qui est le contenu
du theorème.
2. Theorème de Gauss
Theor` eme 9.4.2 Soit S une surface orientee, regulière par morceaux, qui contient le volume V . Si F~ (~r)
possède des derivees partielles continues dans V , alors
ZZZ I
~ ~
. F dV = F~ . dS ~
V S
3. en fait la d
eriv
ee ext
erieure dune forme diff
erentielle.

9.5. SINGULARITES 79
Figure 9.1 Theorème de Stokes
Lidee de la demonstration est la meme que pour celle du theorème de Stokes. La definition de loperateur
divergence : I

~ . F~ dV = F~ . dS
~
S
sapplique `
a un volume elementaire dV 0 (cest une definition locale !). Pour obtenir le theorème de
Gauss etendu `
a un volume fini V , on somme les contributions des cubes infinitesimaux dV . Le resultat
est obtenu en prenant conscience que les contributions des flux à travers les surfaces des cubes adjacents
sannulent mutuellement, et que seule reste la contribution du flux à travers la surface exterieure S.
Exercice 9.5 Soit S une region du plan Oxy limite par la courbe C, P et Q 2 fonctions C 1 des variables x, y,
montrer que le theorème de Green-Riemann dans le plan
I ZZ
[P (x, y) dx + Q(x, y) dy] = (Qx Py ) dxdy,
C S
est une consequence directe du theorème de Stokes.
Exercice 9.6 Montrer que la relation vectorielle

~ . u
~ v = u v + u
~ ~
. v ,
associee au theorème de Gauss, conduit aux 2 formules de Green

Z h i I
u v + u~ ~
. v dV = ~ v . dS
u ~
V S
Z I
(u v v u) dV = ~ v u
u v ~ ~
. dS
V S
o`
u u et v sont deux champs scalaires suffisamment reguliers.
9.5 Singularit
es
On aura note limportance des hypothèses de regularite exigees des champs de vecteurs pour appliquer les
theorème de Stokes. Les lieux de lespace o` u ces conditions ne sont pas verifiees (ou a fortiori o`
u les champs
ne sont pas definis) ne sont pas moins importants. Ces points particuliers, ou singularites sont en general
intrinsèquement associes aux caracteristiques physiques du problème etudie.

9.5. SINGULARITES 80
1. Point
Le champ electrique E(~ ~ r) cree par une charge ponctuelle q situee à lorigine des coordonnees, ainsi quil
resulte de la loi experimentale de Coulomb, est donne par lexpression
~ r) = q ~er
E(~ .
40 r2
Il convient de noter sur cette expression que le champ electrique est defini en tout point de R3 excepte
lorigine : les charges electriques sont des exemples de singularites ponctuelles pour le champ electrique.
On se propose de calculer le flux du champ E ~ à travers une sphère de rayon R. Considerons dabord le cas
où la sphère ne contient pas lorigine. Alors, E ~ et ses derivees premières sont definies et continues dans
tout le volume V de la sphère, de sorte que le theorème de Gauss secrit :
I Z ZZZ
~ dS
E. ~= ~ dV = q
~ .E
~ . ~er dV

40 r2
SR V V
On se convaincra aisement (le faire !) que ~ . ~er2 = 0 (en fait

~ . ~enr = 0 seulement pour n = 2). Le flux du
r r
champ electrique ` a travers une sphère qui ne contient pas lorigine est donc identiquement nul.
Considerons ` a present le cas o`
u la sphère contient lorigine. Dans ce cas, le champ nest pas defini (ni a
fortiori C 1 ) en tout point du volume V puisque le champ est singulier à lorigine. Il nest donc pas possible
dappliquer le theorème de Gauss dans cette situation. Considerons cependant le volume compris entre les
2 sphères centrees sur lorigine de rayons < R et R. Puisque ce volume ne contient pas lorigine, il est
possible dappliquer le theorème de Gauss qui prend la forme :
I I
~ dS
E. ~ + E. ~ dS~=0
S SR
o`
u S et SR designent les surfaces des 2 sphères et où on a utilise que la divergence du champ electrique
est nulle dans le volume considere. Le calcul du flux sur la sphère de rayon est immediat :
I Z
~= q
~ dS 22 sin d q q
E. = (4) = ,
40 2 40 0
S 0
où le signe provient du fait que le vecteur dS~ pointe vers lexterieur du volume etudie, i.e. dans la direction
opposee au vecteur unitaire ~er .
On deduit donc de cet exemple que le champ electrique E(~ ~ r) cree par une charge ponctuelle situee à
lorigine verifie I Z
~ ~ ~ ~ +q/0
E. dS = . E dV = ,
0
SR V
selon que lorigine est contenue ou pas dans la sphère. Dans ce cas particulier, la dernière egalite est
equivalente ` ~ E
a lequation de Mawell 0 . ~ = q (~r) qui est une des equations fondamentale de lelectromagnetisme
(equation de Maxwell-Gauss).
2. Ligne
Le champ magnetique B ~ cree par un fil rectiligne infini place selon 0z et parcouru par un courant dintensite
I est donne par lexpression :
~ r) = 0 I ~e ,
B(~
2 r
o`
u r est la distance entre le point o` u est calcule le champ et le fil, et o` u ~e = ~ez ~er . Cette expression est
valable en tout point de lespace, sauf sur le fil. Un courant filiforme est un exemple de singularite lineique
pour le champ magnetique.
On se propose de calculer la circulation de B ~ le long dun contour circulaire C. Deux cas sont à considerer
selon que C entoure ou pas la singularite. Dans ce dernier cas, le plus simple est dutiliser le theorème de
Stokes, ce qui est licite puisque le champ est C1 dans toute la surface SR limitee par le contour. Or, on

9.6. DIFFERENTIELLES EXACTES 81
~ e /r) = ~0. La circulation du champ magnetique

verifiera sans peine (en coordonnees cylindriques) que (~
sur un cercle nentourant pas le courant est donc identiquement nulle.
Lorsque le contour entoure le courant, on peut proceder comme dans le cas des singularites ponctuelles,
en appliquant le theorème de Stokes à la couronne de rayons et R. Plus simplement, on peut effectuer
directement le calcul avec pour resultat :
I Z2
~ r = 0 I
B.d~ d = 0 I
2
C 0
Cette fois encore, le resulat depend dune facon cruciale, de la presence ou de labsence de la singularite
à linterieur du domaine considere.
9.6 Diff
erentielles exactes
En thermodynamique, on est souvent amene à sinterroger si la variation globale dune grandeur physique
au cours dune transformation ne depend que de ses valeurs initiale et finale, ou si la variation depend de la
facon dont la transformation a ete operee. Dans laffirmative on parle de fonction detat. Ainsi lenergie interne
par exemple est une fonction detat tandis que le travail et la chaleur ne le sont pas. La notion mathematique
correspondant ` a la notion physique de fonction detat est celle de differentielle exacte.
R
On dit que la differentielle A~ . d~r est une differentielle exacte si lintegrale curviligne A~ . d~r depend uni-
quement des points de depart et darrivee, et non du chemin particulier suivi. Notons immediatement que si la
differentielle est exacte, alors on a aussi :
I
A~ . d~r = 0,
puisque le point de depart et darrivee concident. Il est egalement clair quune condition suffisante pour que
lintegrale sur un chemin ferme soit nulle est que A ~ derive dun potentiel, i.e. quil existe une fonction telle
~ ~ ~
que A , puisque dans ces conditions A . d~r = ~ . d~r = d, do`
u il resulte que
I I
A~ . d~r = d = 0.
On peut ajouter que lorsque les derivees partielles secondes de sont continues, si Ax = x , Ay = y , Az =
z , alors, legalit
e des d
erivees croisees implique en particulier que y Ax = yx = xy = x Ay , soit encore
x Ay y Ax = ~ A ~ = 0. On a donc montre les implications
z
I
~
A ~ ~ . d~r = 0
A ~ A
~=0
Les reciproques resultent essentiellement du theorème de Stokes de sorte que lon peut enoncer
Theorème 9.6.1 Soit A ~ un champ vectoriel continu dont les derivees partielles sont continues dans une region
U simplement connexe, alors les resultats suivants sont equivalents
~ A
1. ~ = 0 dans U (A ~ est dit irrotationnel).
H
2. C A~ . d~r = 0, avec C U .
R
3. C A~ . d~r est independant de C avec C U .
~ . d~r est une differentielle exacte.
4. A
5. Il existe une fonction telle que A ~=
~ .
Rappelons que schematiquement une region simplement connexe est une region sans trou ; cette restriction est
necessaire pour eviter deventuelles singularites des champs.

9.7. THEOR `
EMES DE HELMHOLTZ 82
Exercice 9.7 Pour tout (x, y) 6= (0, 0) on considère le champ vectoriel

A~= y ~ex + 2
x
~ey
x2 + y 2 x + y2
H
Montrer que ce champ est irrotationnel, mais que C A ~ . d~r 6= 0 lorsque C est le cercle unite centre sur lorigine.
Pour quelle raison le theorème ne sapplique-t-il pas ?
Exercice 9.8 Montrer que la differentielle (y x) dx + (x + y) dy est exacte et determiner le potentiel dont
le champ associe derive.
9.7 Th
eor`
emes de Helmholtz
On a insiste plus haut sur limportance des operateurs differentiels, divergence et rotationnel, surtout en
relation avec les notions de flux et de circulation. Par ailleurs, peut-etre avez-vous ete frappe par le fait que
lelectromagnetisme ` a travers les relations de Maxwell met essentiellement en jeu les divergence et rotationnel
des champs electriques et magnetiques. Les theorèmes de Helmholtz apportent une justification mathematique
à cet etat de fait, et etablissent, sous des conditions que nous preciserons plus bas, quun champ vectoriel est
parfaitement determine dès lors que ses rotationnels et divergences sont eux-memes connus.
Th eorème 9.7.1 Soit U une region simplement connexe de R3 . Tout vecteur V ~ de U, de classe C 2 , est
~ ~ ~ ~
determine dune facon unique par la connaissance de . V , de V et de la composante normale de V ~
sur le bord de U.
~1 et V
Pour etablir lunicite, considerons 2 vecteurs V ~2 satisfaisant les memes hypothèses et montrons que
~ ~ ~ ~ ~ ~ ~ ~
W V1 V2 = 0. Par hypothèse, V1 = V2 , donc ~ W ~ = ~0. Il existe donc une fonction telle que
~ ~ ~ ~ ~ ~
W . On a egalement par hypothèse, . V1 = . V2 , donc ~ .W
~ = 0. Comme ~ .
~ = , on a encore
= 0. Enfin, legalite des composantes normales sur le bord de U conduit à la relation Wn dS = W ~ .dS~ =
~ ~
.dS = 0.
Lutilisation de la formule de Green demontree plus haut en exercice,
Z h i I
~ ~
+ . dV = ~ . dS,
~
V S
conduit donc au resultat : Z 2 Z

~
dV = W~ 2 dV = 0
V V
~ = ~0 en tout point, ce qui demontre le theorème.
Comme lintegrand est 0, on doit avoir W
Le deuxième theorème dHelmholtz est egalement interessant
Th
eor` ~ (~r) un champ vectoriel de classe C 2 tel que
eme 9.7.2 Soit V
~ .V
~ (~r) = s(~r) ,
~ V
~ (~r) = ~c(~r),
o`
u s(~r) et ~c(~r) sont des fonctions connues qui sannulent a
` linfini.
~ r) qui determine V
Il existe un champ scalaire (~r) et un champ vectoriel A(~ ~ (~r) dune facon unique par la
relation
~ =
V ~ + ~ A,
~
o`
u
Z
1 s(~r )
(~r) = dV
4 k~r ~r k
R3
Z
~ r) = 1 ~c(~r )
A(~ dV
4 k~r ~r k
R3

9.8. THEOR `
EME DE LEIBNITZ 83
s(~r) et ~c(~r) sont des densites de source et de circulation. Notons quon a ~ .V~ = puisque la divergence
dun rotationnel est identiquement nulle. On obtient donc :
Z
~ = 1
~ .V s(~r )
1
dV = s(~r),
4 k~r ~r k
R3

1
o`
u on a utilise la relation k~r~ r k = 4 (~ r ~r ).

De meme, ~ V ~ = ~ ~ .A
~ A ~ puisque le rotationnel dun gradient est identiquement nul. On admettra

~
que ~ .A~ = 0 lorsque les champs decroissent suffisamment vite à linfini. On a donc, ~ V ~ = A,~ et
on termine la demonstration comme dans le cas de la divergence :
Z
~ ~ 1 1
V = ~c(~r ) dV = ~c(~r)
4 k~r ~r k
R3
Lunicite est une consequence du premier theorème dHelmholtz (le bord du domaine est rejete à linfini, o`
uV~
sannule puisque les sources sont nulles `
a linfini par hypothèse).
~ et magnetique B
Exercice 9.9 On rappelle que les equations de Maxwell pour les champs electrique E ~ secrivent
~ . E(~
~ r) (~r)
= ,
0
~ E(~
~ r) = B~ t (~r),
dune part, et,

~ . B(~
~ r) = 0,

~ B(~
~ r) ~ t (~r) ,
= 0 ~j(~r) + 0 E
dautre part. Utilisez le deuxième theorème dHelmholtz pour exprimer les champs E ~ et B
~ en fonction des
densites de charges et des densites de courants. Interpretez les differentes contributions.
9.8 Th
eor`
eme de Leibnitz
On considère les fonctions definies par une equation du type suivant :
Zb(t)
y(t) f (x, t) dx,
a(t)
o`
u la dependance dans la variable t apparat dans les bornes et dans la fonction à integrer. Le problème est de
deriver cette fonction par rapport `
a t ce qui nous conduira au theorème de Leibnitz qui est à lorigine de lun
des theorèmes les plus importants de la mecanique des fluides : le theorème du transport de Reynolds.
Un premier resultat `
a rappeler est celui de la derivee dune integrale par rapport à une de ces bornes. Plus
precisement, on a
Zb
dh
= f (b) si h(b) f (x)dx.
db
a
En effet, par definition de la derivee

b+db
Z
dh h(b + db) h(b) 1 f (b)db
= lim = lim f (x)dx = = f (b)
db db0 db db0 db db
b

9.8. THEOR `
EME DE LEIBNITZ 84
Notez que le resultat est independant de la borne inferieure a. On se convaincra sans peine (le faire !) que
Zb
dh
= f (a) si h(a) f (x)dx.
da
a
Avant darriver `
a lenonce le plus general, considerons le cas plus simple o`
u la fonction integree ne depend pas
explicitement du temps :
Zb
g(t) h(a(t), b(t)) avec h(a, b) f (x)dx.
a
La fonction g ainsi definie est la composition de la fonction h et des fonctions a et b, on peut donc appliquer la
chain rule :
dg da db da db
= ha + hb = f (a) + f (b)
dt dt dt dt dt
Le dernier resultat necessaire est legalite
Zb Zb
dS
= t f (x, t)dx si S(t) f (x, t)dx,
dt
a a
qui exige seulement que la fonction integree soit C 1 par rapport aux variables dans le cas des integrales propres. 4
Le theorème de Leibnitz resulte de la combinaison des differents cas que nous venons de detailler. Le resultat
precis est le suivant
Th eorème 9.8.1 Soient f : (x, t) 7 f (x, t) une fonction de classe C 1 par rapport a
` (x, t), a : x 7 a(x) et
b : x 7 b(x) deux fonctions egalement de classe C 1 , alors
Zb(t) Zb(t)
d db da
f (x, t) dx = t f (x, t) dx + f (b(t), t) f (a(t), t)
dt dt dt
a(t) a(t)
Deux generalisations importantes de ce theorème concernent lextension de ce resultat lorsquon intègre une
fonction scalaire ou vectorielle sur un volume V (t) dependant de la variable t, limite par une surface (fermee)
S(t) :
Z Z I
d d~r ~
f (~r, t) d = t f (~r, t) d + f (~r, t) .dS,
dt dt
V (t) V (t) S(t)
Z Z I
d d~r ~
F~ (~r, t) d = t F~ (~r, t) d + F~ (~r, t) .dS .
dt dt
V (t) V (t) S(t)
On notera que dans lintegrale de surface, le vecteur d~r/dt estime en des points de S(t) correspond à la vitesse de
deplacement du volume V (t) (si on interprète t comme un temps). Si le volume est fixe, les bornes de lintegrale
ne dependent plus de la variable t, d~r/dt 0 et lintegrale de surface ne contribue pas à la derivee.
4. dans le cas des int

egrales g
en
eralis
ees, il faut en outre la convergence uniforme.

Chapitre 10
Approximer et calculer
Formule de taylor
Approximation de Stirling
Distribution de Dirac
Int
egrales gaussiennes
Developpements asymptotiques
10.1 Formule de Taylor

Commencons par rappeler la forme du developpement de Mac Laurin pour une fonction dune seule variable :
x2 xn (n
f (x) = f (0) + x f (0) + f (0) + + f )(0) + Rn ,
2! n!
u le reste Rn = xn+1 f (n+1) ()/(n + 1)! avec 0 < < x.
o`
Considerons maintenant une fonction de 3 variables f (x, y, z) et definissons une nouvelle fonction F par la
relation F (t) = f (a + ht, b + kt, c + lt). Une application de la chain rule donne :
F (t) = h fx + k fy + l fz (h x + k y + l z ) f (a + ht, b + kt, c + lt),
pour la derivee première, et
F (t) = h (h fxx + k fxy + l fxz ) + k (h fxy + k fyy + l fyz ) + h (h fxz + k fyz + l fzz ) ,
pour la derivee seconde. Supposons que toutes les derivees partielles soient continues, on peut alors ecrire :
2
F (t) = (h x + k y + l z ) f (a + ht, b + kt, c + lt),
et plus generalement
n
F (n) (t) = (h x + k y + l z ) f (a + ht, b + kt, c + lt).
Le developpement de Taylor de f au voisinage du point ~r = (a, b, c) peut alors etre obtenu à partir de la formule
de Mac Laurin appliquee `
a F , pour t = 1, h = dx, k = dy, l = dz :
1 ~ n
n
X
f (~r + d~r) = d~r. f (~r) + Rn ,
n!
k=0
n+1
~
avec Rn d~r. ~
f ()/(n + 1)! et ~ quelque part sur le segment entre ~r et ~r + d~r.
Lorsque la fonction f est telle que limn Rn = 0, le developpement de Taylor dune fonction C devient
une serie que lon peut ecrire formellement
1 ~ k

X ~ ~
f (~r + d~r) = d~r. f (~r) edr. f (~r).
k!
k=0
85
10.2. APPROXIMATION DE STIRLING 86
Exercice 10.1 Montrer que les 2 premiers termes du developpement en serie de Taylor de la fonction f : ~r
R2 7 f (~r) R au voisinage du point ~r0 peut secrire sous la forme
1 2
f (~r) = f (~r0 ) + df (~r0 ) + d f (~r0 ) + ,
2!
u d2 f (~r0 ) ((~r ~r0 ), H(~r0 )(~r ~r0 )) est la forme quadratique associee a
o` ` la matrice (dite hessienne)

fxx (~r) fxy (~r)
H(~r)
fxy (~r) fyy (~r)
Exercice 10.2 Utiliser la formule de Taylor por developper la fonction (x, y) 7 ln (x2 + y 2 ) au voisinage de
(1, 1), jusqu`
a lordre 2 en x et y.
10.2 Approximation de Stirling

Lapproximation de Stirling est une formule approximative qui permet devaluer x! ou ln x! pour x grand.
Elle est particulièrement utilisee en physique statistique.
Pour etablir cette formule, on part de la definition des factorielles à partir de la fonction Gamma dEuler 1 :
Z
(n) xn1 ex dx, o`
u n N.
0
Il est evident que (1) = 1 et on montre facilement par integration par parties puis par recurrence sur n que :
(n) = (n 1)(n 1) = (n 1)(n 2) (1) = (n 1)!
On en deduit donc que n! peut etre calcule à partir de lintegrale
Z
n! = en ln xx dx
0
Etudions lintegrand f (x) en ln xx . Le calcul des 2 premières derivees (le faire !) montre que cette fonction
p à la
forme dune courbe en cloche qui presente un maximum en x = n et des points dinflexion en x/n = 1 1/ (n).
Le maximum est donc dautant plus pique que n est grand.
Le developpement de Taylor de la fonction x 7 n ln x x au voisinage de x = n secrit n ln x n
n ln n n (x n)2 /2n ; si on lintroduit dans lintegrale precedente, on est conduit au resultat
Z Z
n ln n (xn)2 /2n n ln n 2
n! e e dx = e eu /2n
du
0 n
On peut remplacer n par dans la limite des n et utiliser le resultat sur lintegrale gaussienne
R x2 1/2
R
e dx = (/) pour > 0 qui conduit à lapproximation de Stirling :
1/2 1
n! (2n) nn en ln n! n ln n n + ln (2n) , n 1.
2
Le tableau suivant (`
a verifier avec votre calculatrice) montre que lapproximation de Stirling est bonne meme
pour de petites valeurs de n.
1/2
n (2n) nn en /n! [n ln n n] / ln n! [n ln n n + 0.5 ln (2n)] / ln n!
2 0.959502 0.88539 0.940358
5 0.983493 0.63649 0.996523
20 0.995842 0.942815 0.999902
50 0.998335 0.980626 0.999989
1. la d
efinition qui suit permet
egalement de d
efinir x! pour x non forc
ement entier

10.3. DISTRIBUTION DE DIRAC 87
10.3 Distribution de Dirac

Au cours des premiers developpements de la mecanique quantique, le physicien anglais Dirac a introduit une
fonction, notee , definie par les proprietes suivantes :
Z
(x) = 0 pour x 6= 0, et (x) dx = 1
R
Cette definition implique que soit très localisee autour de lorigine, ce qui suggère de lutiliser pour decrire le
phenomène de percussion - cest à dire le fait dune grandeur physique finie qui ne sexprime de facon infiniment
intense que pendant une duree infiniment courte. La decharge dun condensateur contenant une charge finie,
fournissant un courant très intense en un temps extrèmement court en fournit un exemple. Un autre exemple,
emprunte à la mecanique, est donne par la densite volumique de masse correspondant à une masse ponctuelle
de module m localisee ` a lorigine, qui peut secrire m (~r).
R
La relation R (x) dx = 1 montre cependant que ne peut absolument pas etre une fonction usuelle
puisquun theorème de la theorie de lintegration d u à Lebesgue, affirme que lintegrale dune fonction dont le
support 2 est reduit `
a un point est forcement nulle. Il est apparu cependant que cette pseudo-fonction lorsquelle
etait manipulee prudemment avec certaines règles empiriques definies par Dirac pouvait saverer extremement
utile, voire incontournable dans certaines formulations de la theorie quantique.
Un cadre mathematique rigoureux detude de ces fonctions, connues desormais sous le nom de fonctions
generalisees ou de distributions, a ete initie par le mathematicien francais Laurent Schwartz, juste après la
seconde guerre mondiale. Cette theorie sest averee extremement feconde, avec de nombreuses ramifications en
Analyse, et incontournable en particulier pour letude des equations aux derivees partielles. Bien que recente,
il existe de nos jours de bonnes vulgarisations de cette theorie accessibles aux ingenieurs et physiciens (` a
commencer par certains ouvrages rediges par Schwartz lui-meme). Faute de temps, on ne trouvera pas dans ce
qui suit un expose selon ces lignes, mais on jouera le jeu pedagogiquement dangereux deffectuer des calculs
faux ( !) - cest-`
a-dire en appliquant les regles de calculs relatifs aux fonctions a` des grandeurs qui nen sont pas
- pour justifier des resultats que lon sait par ailleurs demontrer dans un cadre mathematique rigoureux...
1. Propriete fondamentale
La propriete fondamentale la plus importante est la relation
Z
(x)f (x) dx = f (0),
R
valable pour toute fonction continue f . Cette propriete resulte intutivement du faitRque seul le voi-
sinageR immediat de lorigine importe pour le calcul de lintegrale. On aurait donc 3 R (x)f (x) dx =
f (0) R (x) dx = f (0), par definition de .
La meme propriete translatee de lorigine au point x = a secrit
Z
(x a)f (x) dx = f (a).
R
Ainsi la valeur f (a) dune fonction au point x = a est obtenue en multipliant f par (xa) et en integrant.
Compte tenu de la definition de il nest meme pas necessaire dintegrer sur tout laxe reel, mais seulement
sur un voisinage du point o` u ne sannule pas, ainsi
Z Z
(x a)f (x) dx = f (a), mais (x a)f (x) dx = 0,
A B
o`
u A est nimporte quel intervalle contenant {a}, et B nimporte quel intervalle ne le contenant pas.
2. le support dune fonction est le lieu des points o`

u la fonction ne sannule pas.
3. Insistons encore une fois, que daprès le th
eor`
eme de Lebesgue cit e plus haut, cette int
egrale ne peut qu
etre identiquement
nulle si
etait une fonction.

10.3. DISTRIBUTION DE DIRAC 88
2. Derivee des fonctions discontinues ( !)

Il existe un lien profond entre et la derivee des fonctions discontinues. Considerons par exemple la
fonction de Heaviside H definie par
0 x<0
H(x) =
1 x>0
Il est clair que cette fonction est derivable, de valeur nulle, en tout point de R, sauf en x = 0 o` u la
derivee est infinie. Le comportement de H est donc comparable à celui de . Ce point peut etre precise,
en calculant lintegrale suivante
Z+a
H (x)f (x) dx,
a
u a est nimporte quel nombre fini positif. Une integration par partie abusive 4 conduit au resultat :
o`
Z+a Z+a
x=+a
H (x)f (x) dx = [H(x)f (x)]x=a H(x)f (x) dx = f (0)

a a
En utilisant la propriete fondamentale, on ecrirait donc
H =
Cette egalite doit etre comprise au sens des distributions, cest-`

a-dire que pour toute fonction continue f ,
lorsque H est consideree comme une distribution, on a legalite
Z+a Z+a

H (x)f (x) dx = (x)f (x) dx.
a a
En fait - et cest lun des grands avantages de cette theorie - dans lespace des distributions, toutes les
distributions sont derivables !
3. Autres proprietes
Donnons quelques autres proprietes, commodes dans les calculs, et qui decoulent de la propriete fonda-
mentale.
(x) = (x),
x (x) = 0,
1
(a x) = (x), a R,
|a|
f (x) (x a) = f (a) (x a)
A titre dexemple, demontrons (si lon peut dire !) letrange egalite x (x) = 0. Comme on a
Z Z
(x(x)) f (x) dx = (x) (xf (x)) dx = (xf (x))x=0 = 0,
R R
pour nimporte quelle fonction f continue, legalite est demontree. Incidemment cette relation ouvre des
horizons nouveaux. Alors que dans lespace des fonctions, la seule fonction qui satisfait xf (x) = 0 pour
tout x est la fonction indentiquement nulle f 0, dans lespace des distributions, la solution de cette
equation est la distribution f = c o`
u c est nimporte quel nombre reel !
Nous definirons dans les chapitres suivants la transformee de Fourier au sens des fonctions, et nous verrons
que la definition meme de la transformee de Fourier implique que les fonctions soit integrables (ou de carre
integrables). Une constante ne satisfaisant pas cette condition, il nest pas possible de definir la transformee
de Fourier de la fonction f 1 par exemple. Cela est cependant possible au sens des distributions, et
4. lapplication de lintegration par parties impose que les fonctions soient d
erivables dans lintervalle dint
egration. Cette
int
egrale est en fait identiquement nulle au sens des fonctions.

10.4. INTEGRALES GAUSSIENNES 89
nous admettrons que la transformee de Fourier de 1 est precisement , ce qui revient encore à dire que la
representation integrale de est donnee par la notation abusive 5
Z
1
(x) = eiqx dq.
2
R
Nous terminerons par une importante propriete qui nous est suggeree par le calcul, effectue plus haut, du
flux du champ electrique cree par une charge ponctuelle placee à lorigine, à travers une sphère de rayon
R. Nous avions alors demontre : Z
~ . ~er dV = +4
,
r2 0
V
~
selon que lorigine est contenue ou pas dans la sphère. Comme ~er /r2 = (1/r), ~ .
et ~ = , on a aussi
Z
1 4
dV =
r 0
V
Cette dernière egalite peut secrire entre distributions sous la forme :

1
= 4 (~r),
r
o`
u lon reconnait, en passant, la relation de Poisson de lelectrostatique pour une charge ponctuelle unite.
Insistons une dernière fois en rappelant que toutes les relations integrales ci-dessus qui contiennent la distribution
ne doivent etre comprises que comme des notations commodes, mais quil est possible de donner un sens
mathematique rigoureux ` a toutes ces expressions.
Exercice 10.3 Justifiez les proprietes suivantes de la distribution :
(x) = (x),
1
(a x) = (x), a R,
|a|
f (x) (x a) = f (a) (x a)
10.4 Int
egrales Gaussiennes
Partons de lintegrale de Gauss : Z
2
ex dx = 1 ,
R
quil est bon de memoriser. Pour retrouver ce resultat fondamental, lastuce consiste à calculer le carre de cette
integrale et à passer en coordonnees polaires :
2
Z Z Z
2 2 2 2
x (x +y )
e dx = e dxdy = er (2rdr) = 1 .
R R2 0
Pour les applications qui nous interessent en physique statistique et probabilites, la fonction à integrer est plutot
2
x 7 ea x /2 o`
u a est un reel positif. Un simple changement de variables montre (faites-le) que :
Z r
21 ax2 2
e dx = .
a
R
5. encore une fois, cette int

egrale nexiste pas au sens des fonctions !

10.4. INTEGRALES GAUSSIENNES 90
Cette formule admet une generalisation en dimension plus elevee sous la forme :
Z r
21 (~
x,A~
x) (2)n
e d~x = ,
det A
Rn
où ~x estPmaintenant un vecteur de Rn et A une matrice n n reelle et symetrique. Dans cette formule,
N
(~x, ~y ) i=1 xi yi , represente le produit scalaire des 2 vecteurs ~x et ~y dans Rn .
La justification de ce resultat est la suivante. Comme A est diagonalisable, il existe une transformation
orthogonale 6 P telle que P 1 AP = D o` u D est une matrice diagonale dont les elements sont les valeurs propres
i . On en deduit que
1 1 1 1
(~x, A~x) = (~x, P DP 1 ~x) = (P T ~x, DP T ~x) = (~y , D~y ),
2 2 2 2
u on a pose ~y = P T ~x. Puisque le jacobien de la transformation | det P | = 1, on obtient donc :
o`
Z Z n Z
Y n
Y 1/2
1 1 1 2 2 (2)n/2
e 2 (~x,A~x) d~x = e 2 (~y,D~y) d~y = e 2 i yi dyi = = ,
i=1 R i=1
i det A
Rn Rn
Q
o`
u on utilise le fait que det A = i i .
Les resultats precedents peuvent etre utilises pour definir des densites de probabilite distribuees selon la loi
de Gauss. A une dimension, la distribution de probabilite normalise P (x) est definie par
1 2 r
e 2 ax a 1 ax2
P (x) R 1 = e 2 .
R
e 2 ax
2
dx 2
De meme, la densite de probabilite normalisee P (~x) dans Rn secrirait :

1
s
e 2 (~x,A~x) det A 1 (~x,A~x)
P (~x) = R 1 = n
e 2 .
Rn
e 2 (~
x ,A~
x ) d~x (2)
Signalons pour finir deux integrales souvent rencontrees dans les calculs. Par derivations successives par
rapport à a, on obtient (`
a verifier !)
Z r
2n 12 ax2 (2n 1)!! 2
x e dx = , n 1,
an a
R
Z
1 2 2n n!
x2n+1 e 2 ax dx = , n 0,
an+1
R+
o`
u (2n 1)!! 1.3.5 (2n 1). Pour des raisons evidentes de parite on a bien s
ur
Z
1 2
x2n+1 e 2 ax dx = 0, n 0.
R
6. Une transformation othogonale est une transformation telle que P 1 = P T . Comme det P = det P T , on en d
eduit que
(det P )2 = 1.

Chapitre 11
Minimiser
Extr
emalisation sans contraintes
Multiplicateurs de Lagrange
Transformation de Legendre
Calcul des Variations
11.1 Extr
emalisation sans contraintes
Rappelons que pour les fonctions dune seule variable, la fonction f : x 7 f (x) admet un extemum au point
x = a si f (a) = 0 et f (a) 6= 0, et plus precisement, un maximum si f (a) < 0 et un minimum si f (a) > 0. Si
f (a) = 0, il faut etudier les derivees dordre plus eleve.
On se pose la meme question dans le cas des fonctions de plusieurs variables, et on se limitera à enoncer
le resultat dans le cas de 2 variables. On dira que la fonction f : (x, y) 7 f (x, y) admet un extremum local
(maximum ou minimum) au voisinage dun point particulier (a, b), selon que la fonction est au-dessous ou au
dessus de son plan tangent dans un dans un voisinage du point (a, b). Ainsi, par exemple, f admet un maximum
en (a, b) si f (a + h, b + k) < f (a, b), pour tous les h et k tels que |h| < et |k| < avec suffisamment petit.
En particulier, si on fait k = 0, la fonction x 7 f (x, b) est une fonction dune seule variable, qui sera donc
maximale en x = a si x f = 0 en (a, b). Le meme argument applique à la fonction y 7 f (a, y), montre que lon
doit egalement avoir y f = 0 en (a, b). Dune facon plus generale, les points o`
u les egalites x f = y f = 0 sont
verifiees sont appeles les points critiques de la fonction f 1 .
On peut donc conclure de ce qui precede quune condition necessaire pour quune fonction admette un
extremum en un point est que ce point soit un point critique. Cette condition nest cependant pas suffisante
comme le montre le simple exemple de la fonction f (x, y) = x2 y 2 . Le point (0, 0) est clairement un point
critique, mais tel que la fonction x 7 f (x, 0) = x2 est minimale en (0, 0), tandis que la fonction y 7 f (0, y) =
y 2 est maximale au meme point. Ce type de point critique est appele point selle pour des raisons evidentes.
On percoit donc quun point critique ne sera un extremum que sil existe des contraintes sur les courbures
dans les directions x et y. Ce critère doit donc mettre en jeu les derivees secondes partielles ; en effectuant un
developpement de Taylor au voisnage dun point (a, b), on etablit le theorème suivant :
Th eorème 11.1.1 Soit (x, y) 7 f (x, y) une fonction continue telle que toutes ses derivees secondes par-
tielles soient elles-memes continues dans un voisinage du point (a, b). On definit le determinant D(a, b) (dit
determinant Hessien de f ) par la relation :

fxx (a, b) fxy (a, b)

D(a, b)
fxy (a, b) fyy (a, b)
Alors, si (a, b) est un point critique, i.e.
fx = fy = 0, en x = a, y = b
1. (a, b) est un maximum local de f si fxx (a, b) < 0 et D(a, b) > 0

1. la m
eme terminologie est utilis
ee en dimension quelconque.
91
11.2. MULTIPLICATEURS DE LAGRANGE 92
2. (a, b) est un minimum local de f si fxx (a, b) > 0 et D(a, b) > 0

3. (a, b) est un point selle de f si D(a, b) < 0
4. les derivees dordre plus elevees doivent etre etudiees si D(a, b) = 0.
Exercice 11.1 Determiner la nature des points critiques des fonctions quadratiques du type :
f (x, y) = ax2 + bxy + cy 2 ,
en fonction du signe de a et du determinant hessien associe.

Pouvez-vous donner des exemples de fonctions quadratiques correspondant aux surfaces representees sur la
figure 11.1.
Figure 11.1 Fonctions quadratiques du type f (x, y) = ax2 + bxy + cy 2
Exercice 11.2 Montrer que la fonction f : (x, y) R2 7 f (x, y) = x3 + y 3 x 6y + 10 admet 4 points

critiques dont on determinera la nature.
Les resultats sont-ils confirmes par la figure 11.2 ?
Figure 11.2 Champs de gradients de la fonction f (x, y) = x3 + y 3 x 6y + 10
11.2 Multiplicateurs de Lagrange

Considerons une fonction f de n variables independantes :f (x1 , , xn ). Sa differentielle au point x
(x1 , , xn ) secrit
f f
df = dx1 + + dxn . (11.1)
x1 xn
Une condition necessaire pour que la fonction f possède un extremum (maximum ou minimum) au point x est
que df = 0, soit :
f f
= = = 0. (11.2)
x1 xn

11.2. MULTIPLICATEURS DE LAGRANGE 93
Supposons maintenant quil existe une contrainte entre les variables x1 , , xn ; autrement dit, il existe une
certaine relation fonctionnelle
g(x1 , , xn ) = 0
entre ces variables. Cette relation montre quune des variables, disons xn depend des n 1 autres. Il ny a donc
plus n variables independantes, mais seulement n 1. Les conditions dextremalisation donnees par (11.2) ne
sont donc pas valables en presence dune contrainte.
Une première solution evidente consiste, lorsque cela est possible, à exprimer une des variables en fonctions
des n 1 autres, `
a substituer son expression dans f , puis à ecrire les conditions dextremalisation (11.2) sur les
n 1 variables restantes.
Exemple. Soit ` a determiner le rectangle daire maximale pour un perimètre donne. Avec des notations
evidentes, on a L(x, y) = 2(x + y) et S(x, y) = xy. En eliminant y entre ces 2 equations, on obtient S(x) =
x(L/2x), x etant maintenant une variable non contrainte. La condition Sx = 0 conduit à la relation L/22x =
0, et donc à la solution x = y = L/4, cest-`
a-dire à un carre.
Un autre procede plus general a ete propose par Lagrange. Lidee consiste à absorber la contrainte dans la
definition dune nouvelle fonction. Soit en effet la fonction f g, o` u est un paramètre appele multiplicateur de
Lagrange. Il sagit dune fonction des n variables independantes (x1 , , xn ) puisquaucune contrainte exterieure
ne sapplique desormais sur les variables. On peut donc ecrire directement :
f g
d(f g) = 0 = 0, i = 1, , n
xi xi
Ces n equations et la contrainte g = 0 determinent donc les n + 1 inconnues x1 , , xn , .
Exemple. Reprenons lexemple precedent. On a f (x, y) = xy et g(x, y) = L 2(x + y) = 0. Lextremum de
f est determine par les 2 relations fx + gx = 0 et fy + gy = 0, soit y 2 = x 2 = 0, qui conduit bien à
la solution x = y.
Theor` eme 11.2.1 Soient f et g 2 fonctions C 1 definies sur Rn . On suppose en outre g/xi 6= 0, pour
i = 1, , n.
Un extremum (maximum ou minimum) de la fonction f soumise a
` la contrainte g(x1 , , xn ) = 0 est
determine (sil existe) par les (n + 1) equations :
f g
= 0, i = 1, , n
xi xi
g(x1 , , xn ) = 0,
o`
u est un paramètre reel appele multiplicateur de Lagrange.
Exercice 11.3 Representer sur un schema le plan decrit par lequation x + y + z = 1, et utiliser la methode
de Lagrange pour determiner la plus courte distance entre ce plan et lorigine.
En introduisant autant de multiplicateurs quil y a de contraintes, on generalise ce procede au cas des fonctions
soumises à plusieurs contraintes.
Exercice 11.4 On considère un système isole de N particules identiques dont chaque particule est soit dans
letat denergie E1 , soit dans letat denergie E2 (avec E1 6= E2 ). Le nombre de particules N1 et N2 dans chaque
etat denergie est obtenu par extremalisation de lentropie S(N1 , N2 ) du système,
S(N1 , N2 ) = N ln N N (N1 ln N1 N1 ) (N2 ln N2 N2 ) ,
soumises aux 2 contraintes :
N1 + N2 = N,
N 1 E1 + N 2 E2 = E,
o`
u N et E sont des constantes.
Utilisez la methode des multiplicateurs de Lagrange pour determiner N1 et N2 .

11.3. TRANSFORMATION DE LEGENDRE 94
11.3 Transformation de Legendre

Il est bien connu quune courbe dans le plan y = f (x) est parfaitement definie dès lors que sa fonction derivee
f est connue en tout point x. On rencontre un certain nombre de situations en physique ou en mathematique o` u
la donnee naturelle du problème etudie est la derivee f (x) plutot que la variable x elle-meme. La transformation
de Legendre est un moyen systematique qui permet de definir, sans perte dinformations, une nouvelle fonction
dont la variable independante sera la pente de la fonction f au point x, cest-` a-dire f (x).
efinition 11.3.1 Soit f : R 7 R, une fonction convexe (i.e. f (x) > 0).
D
La transformee de Legendre de f est la fonction g definie par la relation :
g(p) max(px f (x)) g (f (x)) xf (x) f (x)

x
Le contenu geometrique de la première definition est clair. g(p) est la distance maximale entre la droite de pente
p qui passe par lorigine et la fonction f . La solution est obtenue pour xp tel que p = f (xp ), cest-` a-dire que
la distance entre la droite et la fonction est maximale au point xp o` u la tangente à f est egale à la pente de la
droite (cf. figure). On a donc aussi g(p) p xp f (xp ), soit encore g(f (xp )) = f (xp )xp f (xp ) qui correspond
à la deuxième definition. Les variables x et f (x) p sont dites variables conjuguees par rapport au couple de
fonctions f et g. Si f est concave, on definit la transformee de Legendre par la relation : g (f (x)) f (x)xf (x).
Figure 11.3 Transformee de Legendre.
Exemple. Montrons que la transformee de Legendre de la fonction f (x) = mx2 /2 est la fonction g(p) =
p /2m. En effet, comme p f (x) = mx, on a par definition g(f (x)) x(mx) mx2 /2 = mx2 /2, donc
2
g(p) = p2 /2m. Cet exemple simple montre que la transformee de Legendre peut etre utilisee pour obtenir la
mecanique hamiltonienne `
a partir du formalisme lagrangien.
Voici quelques exemples supplementaires de transformees de Legendre que lon etablira à titre dexercices :
f (x) g(p)
n
xn (n 1) np n1
ex p ln p p
ln x ln ep
On verifiera sur ces exemples que les derivees de f et g sont des fonctions inverses lune de lautre, ce qui, du
reste, est une autre definition de la transformee de Legendre dune fonction.
Le passage de f (x) à g(f (x)) peut dailleurs etre retrouve directement à partir de la definition. Soit en effet
a partir de x, f et f :
une fonction g definie `
g(x, f (x), f (x)) f (x) f (x) x.

En utilisant le fait que df (x) = f (x) dx (f est differentiable en x), on voit que la differentielle totale de la
fonction g au point x est telle que
dg = df (x) f (x) dx x df (x) = x df (x)
Il en resulte que x g = f (x) g = 0 de sorte que g est bien une fonction differentiable de la seule variable
independante f (x).
Cette transformation se generalise aux cas des fonctions de plusieurs variables o` u il devient possible de faire
une transformation de Legendre associee à une partie (ou à la totalite) des variables. Considerons ainsi une
fonction differentiable f des n variables x1 , , xn et supposons que lon cherche à definir une nouvelle fonction
g qui depende des variables x1 , , xr , ur+1 , , un o`
u les ui f /xi (i = r + 1, , n) sont les variables
conjuguees des variables initiales xr+1 , , xn . En generalisant la procedure à une dimension, il suffit de definir :
g = f (ur+1 xr+1 + + un xn ) ,
pour constater que :

dg = u1 dx1 + + ur dxr xr+1 dur+1 xn dun ,
Pn
o`
u on a utilise le fait que df = i=1 ui dxi . g est donc une fonction differentiable des n nouvelles variables
x1 , , xr , ur+1 , , un .
On notera en outre une belle propriete de symetrie de la transformation de Legendre. Lecriture meme de
dg montre quon a
f g
ui = et xi = pour i = r + 1, , n
xi ui
Exercice 11.5 Le premier principe de la thermodynamique secrit dans les cas les plus simples sous la forme :
dU = T dS p dV + dN,
o`
u lenergie interne U est une fonction differentiable des variables S, V et N . On notera que les couples (T, S),
(p, V ) et (, N ) sont des variables conjuguees par rapport a` U.
Determiner par transformation de Legendre, une fonction differentiable des nouvelles variables N, V, T . Ef-
fectuer une seconde transformation de Legendre qui conduise a
` une fonction differentiable des variables , V, T .
Interpreter les resultats obtenus.
Exercice 11.6 Considerons un système mecanique a` 2 degres de liberte. Les equations du mouvement peuvent
etre obtenues a
` partir du lagrangien
L(q1 , q1 , q2 , q2 , t)
o`
u les qi et qi representent respectivement les coordonnees et vitesses generalisees.
Montrer quil est possible de definir par transformation de Legendre des fonctions H(q1 , p1 , q2 , p2 , t) et
R(q1 , p1 , q2 , q2 , t) o`
u les pi sont les impulsions generalisees, grandeurs conjuguees des qi par rapport au la-
grangien L.
Reconnaissez-vous les fonctions H et R ?


Quatri`
eme partie
Alg`
ebre lin
eaire
97
Chapitre 12
El
ements dalg`
ebre lin
eaire
D
eterminants
Matrices
Syst`
eme d
equations lin
eaires
Diagonalisation
12.1 D
eterminants
Cette section comprend quelques rappels sur le calcul et la manipulation des determinants.
Definition 12.1.1 Considerons un tableau carre, A, de nombres reels ou complexes arranges en n lignes et n
colonnes.
Le determinant correspondant, dordre n, note det A ou |A|, est tel que :

a11 a12 a1n

a a22 a2n X
det A 21 = a1(1) a2(2) an(n) ,
Gn
an1 an2 ann
o`
u Gn est le groupe des permutations de (1, 2, , n) (il y en a n!) et o`
u est la signature de la permutation
consideree qui vaut 1 si on effectue un nombre paire dinversions pour retrouver lordre naturel (1, 2, , n), et
1 dans le cas contraire.
Cette ecriture un peu formelle montre quun determinant est un cas particulier de forme multilineaire alternee.
Dans le cas des determinants dordre 2, il ny a que 2 permutations de lensemble (1, 2) : soit (1, 2) avec = +1,
soit (2, 1) avec = 1. On obtient donc aussit ot dans ce cas :

a11 a12

a21 a22 = +a11 a22 a12 a21
De meme, il est facile de se convaincre que pour les determinants dordre 3, il existe 3! = 6 permutations qui
conduisent au resultat :

a11 a12 a13

a21 a22 a23

a31 a32 a33
= +a11 a22 a33 a11 a23 a32 + a12 a23 a31 a12 a21 a33 + a13 a21 a32 a13 a22 a31
= +a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a22 a31 )
La dernière factorisation montre quun determinant dordre 3 peut-etre developpe le long dune ligne en faisant
apparatre des determinants dordre 2. Cette procedure est generale. On peut developper un determinant dordre
n selon une ligne ou une colonne en ponderant chaque determinant dordre (n 1) obtenu en supprimant la
ligne et la colonne correspondante. La procedure est la suivante :
99
12.2. MATRICES 100
Definition 12.1.2 Le determinant mineur, note Mij , dun determinant dordre n est le determinant dordre
n 1 obtenu en supprimant la ième ligne et la jème colonne.
Le cofacteur, note Aij , est tel que :
Aij = (1)i+j Mij
Le developpement du determinant de A selon une ligne ou une colonne secrit :

n
X n
X
det A = aij Aij = aij Aij
j=1 i=1
Exemple

2 1 1
1 2 1
0 3 1 = 0 1 1 + 3 2 (1) = 3(0) + (2) = 2
2 1 2 1 2 2
2 2 1
A partir de ces definitions, on peut etablir les proprietes suivantes utiles pour les calculs :
Th
eorème 12.1.1 si une ligne (ou une colonne) ne comprend que des elements nuls, alors le determinant
est nul.
si chaque element dune ligne (ou dune colonne) est multiplie par une constante, alors le determinant est
multiplie par cette constante.
si lon remplace une ligne (ou une colonne) par une combinaison lineaire de lignes (ou de colonnes), alors
le determinant nest pas modifie.
Une consequence importante de ces proprietes est la suivante : si 2 lignes (ou 2 colonnes) sont proportionnelles,
alors le determinant est nul. Si lon identifie les lignes (ou les colonnes) avec des vecteurs, cela revient à dire
que le determinant dune famille de vecteurs est non nul si les vecteurs de cette famille sont independants.
12.2 Matrices
Cette section comprend quelques rappels sur les operations applicables aux matrices ainsi que la definition
et le calcul de linverse dune matrice.
12.2.1 Op
erations
Commencons par rappeler quelques definitions relatives aux operations sur les matrices. Laddition de 2
matrices seffectue termes `
a termes :
C =A+B cij = aij + bij , i, j
(la matrice nulle, dont tous les elements sont nuls, joue le r
ole delement neutre pour laddition).
La multiplication par un scalaire sobtient en multipliant chaque element par le scalaire :
C = A, C cij = aij , i, j
Loperation la plus importante est bien s

ur la multiplication entre matrices definie par les relations :
X
C = AB cij = aik bkj , i, j
k
Le premier indice etant (conventionnellement) lindice de ligne et le second, lindice de colonne, on constate que
la multiplication entre matrices est definie en multipliant terme à terme les elements dune ligne de A par les
elements de la colonne de B. Il est donc possible deffectuer des produits de matrices de taille differentes pour
peu que le nombre de colonnes de la 1ère concide avec le nombre de lignes de la seconde.

12.2. MATRICES 101
Prendre garde que le produit matriciel nest pas commutatif 1 en general,
AB 6= BA bien que det(AB) = det(BA) et tr(AB) = tr(BA)
o`
u tr designe la trace, cest-`
a-dire la somme des elements diagonaux de la matrice.
Lelement unite pour la multiplication des matrices est la matrice identite, note I, qui ne comprend que des
1 sur la diagonale et des 0 partout ailleurs (ses elements sont representes par le symbole de Kronecker, ij ) :
X X
AI = IA = A aik kj = ik akj = aij , i, j
k k
12.2.2 Inversion
Venons-en ` a la definition et au calcul de linverse des matrices. Linverse dune matrice A, que nous noterons,
A1 est telle que son produit avec A redonne lidentite :
AA1 = A1 A = I
Linverse de la matrice A peut etre calcule très facilement à laide du determinant de A et des cofacteurs de la
transposee AT (la transposee dune matrice est la matrice obtenue en permutant ligne et colonne) 2
ATij
a1
ij = , i, j
det A
Ce resultat implique donc quune matrice de determinant nul na pas dinverse (pour les nombres reels ou
complexes, 0, de meme na pas dinverse). Une telle matrice est dite singulière.
Dun point de vue pratique, on procède comme suit. Dans le cas des matrices dordre 2 par exemple :

a b T a c 1 1 d b
A= A = A =
c d b d ad bc c a
Dans le cas dune matrice dordre 3, traitons à titre dexemple un cas particulier.

1 1 0 1 0 2
Soit A = 0 1 1 alors AT = 1 1 2
2 2 0 0 1 0
Le determinant de A peut etre calcule par developpement selon la première ligne : det A = 1(1.02.1)+2(1.1
u lexpression de A1 :
1.0) = 4, do`

+(1.0 1.2) (1.0 2.0) +(1.1 1.0)
1
A1 = (0.0 2.1) +(1.0 2.0) (1.1 0.0)
4
+(0.2 2.1) (1.2 2.(1)) +(1.1 0.(1))
soit encore,

+1/2 0 +1/4
A1 = 1/2 0 +1/4
+1/2 1 1/4
1. Une autre facon dexprimer cette propri

ete de non-commutativite (utilis
ee en particulier en m
ecanique quantique) consiste a `
introduire les commutateurs : [A, B] AB BA. La relation de non-commutation s ecrit donc simplement sous la forme [A, B] 6= 0.
2. On peut au moins le verifier :
X X AT ij 1 X
a1
ij ajk = ajk = Aji ajk
j j
det A det A j
P P P
Si k = i, j Aji ajk = j Aji aji = det A et on trouve bien 1, tandis que si k 6= i, j Aji ajk = 0 car la matrice A a deux colonnes
identiques.

`
12.3. SYSTEME
DEQUATIONS
LINEAIRES 102
12.3 Syst`
eme d
equations lin
eaires
Une des applications importantes du calcul matriciel est la solution des systèmes dequations algebriques.
Definition 12.3.1 Un système dequations lineaires m n est une famille de m equations lineaires avec n
inconnues, x1 , x2 , , xn :
a11 x1 + + a1n xn = b1
............................... .... ....
am1 x1 + + amn xn = bm
Les coefficients aij sont des nombres reels ou complexes. Une forme matricielle equivalente secrit Ax = b o`
u
A est une matrice rectangulaire m n, x et b sont des vecteurs colonnes respectivement a ` n et m termes.
Si b 0, le système est dit homogène ou sans second membre. Le système est dit sous-determine si n > m
(plus dinconnues que dequations) et sur-determine dans le cas oppose.
La question centrale est de savoir si un tel système possède des solutions et si oui, combien.
Par exemple, dans le cas des systèmes de 2 equations à 2 inconnues :
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2 ,
D D D = D
Ce système correspond ` a 2 droites dans le plan (x1 , x2 ). 3 cas sont donc possible : aucune solution si les
droites sont parallèles, 1 solution si les droites se coupent, une infinite si elles sont confondues. Dans le cas
des systèmes 3 3, les equations mettent en jeu 3 plans dans R3 qui conduisent egalement aux 3 cas possibles
(aucune, une seule ou une infinite). Cette situation est en fait generale dès que le corps auquel appartiennent
les coefficients est infini (ce qui est le cas de R et C) :
Theorème 12.3.1 Un système dequations lineaires dont les coefficients sont reels ou complexes possède : une
seule solution, aucune solution ou une infinite de solutions.
La notion de rang dune matrice permet de trancher entre ces 3 possibilites.
Definition 12.3.2 Le rang dune matrice A, que nous noterons r(A) est lordre de la plus grande sous-matrice
carree de A dont le determinant ne sannule pas.
Par exemple la matrice rectangulaire 2 3 definie par

1 2 0
A=
3 0 0
a 3 sous-matrices 2 2 :
1 2 1 0 2 0
3 0 3 0 0 0
Il est clair que le determinant des 2 dernières est nul mais le determinant de la première vaut -6, donc r(A) = 2.
Le theorème fondamental est le suivant :

12.4. DIAGONALISATION 103
Th eme 12.3.2 Soit le système lineaire m n, Ax = b. On note A|b la matrice augmentee m (n + 1)

eor`
obtenue en ajoutant b comme colonne supplementaire a ` A. Alors,
si r(A) = r(A|b) = n, le système admet une seule solution.
si r(A) = r(A|b) < n, le système admet une infinite de solutions.
si r(A) < r(A|b), le système admet aucune solution.
Ce theorème couvre les cas les plus generaux. Deux cas particuliers sont importants :
1. les systèmes inhomogènes carres (m = n).
Si det A 6= 0, r(A|b) = n : la première condition du theorème est verifiee, et le système Ax = b admet une
solution unique donnee par x = A1 b (A1 existe puisque A nest pas singulière).
2. les systèmes homogènes (b 0).
Si det A 6= 0, r(A|b) = r(A) = n : la première condition du theorème est verifiee, et le système Ax = 0
admet une solution unique (triviale) donnee par x = 0. Pour les systèmes homogènes, on obtient des
solutions non nulles si et seulement si det A = 0.
Exemple Soit `
a resoudre le système dequations :
x1 + x2 + x3 = 2
x1 x2 + x3 = +2
x1 + x2 x3 = 2
La matrice augmentee secrit sous la forme :

1 1 1 2
A|b = 1 1 1 2
1 1 1 2
La 2ème et la 3ème ligne de A etant proportionnelle, on a det A = 0, ce qui prouve quil existe dautres
solutions que la solution triviale nulle pour le système homogène. Par combinaisons lineaires, on trouve x2 = 0
et x3 = x1 . Pour le système inhomogène, on trouve r(A|b) = r(A) = 2 < 3 : il y a donc une infinite de
solutions. Plus precisement, pour le système inhomogène, on trouve x2 = 2 et x1 = x3 .
12.4 Diagonalisation
efinition 12.4.1 Une matrice carree A est diagonalisable sil existe une matrice inversible P telle que la
D
matrice D = P 1 AP soit diagonale.
Comme nous le verrons dans la suite, le fait quune matrice A soit diagonalisable ou pas est important en tant
que tel comme caracterisation de loperateur associee à la matrice A. Lorsquune matrice est diagonalisable, tous
les calculs algebriques sont egalement simplifies. En effet, soit à calculer An par exemple, comme P P 1 = I alors
P 1 An P = P 1 AIAI IAP = P 1 AP P 1 AP = Dn qui se calcule aisement puisque D est diagonale. An
est ensuite obtenue par le produit An = P Dn P 1 . Ainsi, tout polyn ome en A se calcule aisement lorsque A est
diagonalisable.
Les vecteurs qui se trouvent seulement contractes ou dilates dans leur direction sous laction de loperateur
lineaire associe `
a la matrice A jouent un r
ole specifique pour la diagonalisation. Ces vecteurs sont appeles
vecteurs propres :
efinition 12.4.2 Les vecteurs non nuls |vi tels que :

D
A|vi = |vi
sont appeles les vecteurs propres associes a

` A. qui peut etre reel ou complexe est appelee la valeur propre
correspondante (cest le coefficient de dilatation ou de contraction de |vi dans sa propre direction).

Daprès cette definition, determiner le problème aux valeurs propres (i.e. trouver les vecteurs et valeurs propres)
associe à une matrice A revient ` a resoudre le système lineaire homogène :
(A I) |vi = 0
Comme on la vu plus haut, la seule solution non triviale (i.e. telle que |vi =
6 |0i) est telle que :
det (A I) = 0
Pour A dordre n connue, il sagit dun polynome en dordre n, que nous noterons P () et que lon appelle le
polyn
ome caracteristique. Les valeurs propres sont donc les racines de ce polyn
ome :
P () = det (A I) = 0
Exemple Considerons la matrice 2 2 :

1 2
A=
2 1
Le polynome caracteristique est P () = (1)2 +4, dont les 2 racines sont 12i. Le vecteur propre correspondant
a` 1 + 2i est (i, ) tandis que celui correspondant à 1 2i est (i, ) avec 6= 0.
Dans le cas des matrices dordre 2, il est facile de montrer que le polyn
ome caracteristique sexprime sim-
plement en fonction de la trace et du determinant de A :
Exercice 12.1 Soit A une matrice 2 2.

1. Montrer que le polyn
ome caracteristique ne depend que de trA et det A.
2. Determiner les 2 valeurs propres 1 et n et montrer que :
trA = 1 + 2 ,
det A = 1 2 .
3. En deduire quil existe 3 types de valeurs propres possibles pour les systèmes lineaires dordre 2.
Le nombre de valeurs propres possibles depend du corps, typiquement R ou C dans lequel on cherche les racines
de lequation P () = 0. Dans R, tout est possible, depuis aucune jusquà n solutions. Dans C, le theorème de
DAlembert (cf. chapitre Nombres Complexes), nous garantit lexistence de n valeurs propres, eventuellement
multiples. Dans ce dernier cas (racine multiple), on dit que la valeur propre est degeneree.
Une fois trouvees les valeurs propres, la resolution des systèmes lineaires associes à chaque valeur propre
permet dobtenir les vecteurs propres correspondants. Compte tenu de la forme lineaire A|vi = |vi, il est clair
que les vecteurs propres sont determines à un facteur multiplicatif près (si |vi est vecteur propre, |vi avec
C lest aussi).
Deux cas peuvent alors se presenter :
o` u lensemble des vecteurs propres (|v1 i, |v2 i, , |vn i) sont independants (ils constituent alors une base).
o` u lensemble des vecteurs propres (|v1 i, |v2 i, , |vn i) ne sont pas independants.
Considerons la matrice P dont les colonnes sont formees par les vecteurs propres de la matrice A. Alors, puisque
A|vi i = i |vi i, le produit matriciel AP est une matrice dont les colonnes sont les vecteurs i |vi i. Cette dernière
matrice secrit elle-meme comme le produit de P par la matrice diagonale D dont les elements sont les valeurs
propres i . En clair, la matrice P construite avec les vecteurs propres satisfait la relation :
AP = P D
Si lensemble des vecteurs propres sont independants, det P 6= 0, la matrice P est donc inversible et on peut
donc ecrire :
D = P 1 AP
o`
u, rappelons-le, P a pour colonnes les vecteurs propres de A. Si lensemble des vecteurs propres ne sont pas
independants, det P = 0, la matrice P nest donc pas inversible et on doit en rester l` a. On peut montrer quil
nexiste pas dautre matrice P qui satisfasse la relation D = P 1 AP : la matrice A nest donc pas diagonalisable.
Le theorème precis et fondamental est le suivant :

Th eorème 12.4.1 Une matrice carre n n est diagonalisable si et seulement si elle possède n vecteurs propres
lineairement independants.
La matrice diagonale D a pour elements les valeurs propres de A, et la matrice P telle que P 1 AP = D a
pour colonnes les vecteurs propres correspondants.
Suivant les exigences de ce theorème, on doit sattendre à ce que beaucoup de matrices ne soient pas diagona-
lisables. Cest bien le cas. Il existe cependant certaines matrices frequemment rencontrees dans les applications
pour lesquelles la diagonalisation est garantie. Il sagit :
des matrices ayant n valeurs propres distinctes,
des matrices symetriques ou hermitiennes.
Le fait que les matrices ayant des valeurs propres distinctes soient diagonalisables resultent du theorème 12.4.1
et du theorème suivant :
Th eme 12.4.2 Une matrice ayant des valeurs propres distinctes a necessairement des vecteurs propres
eor`
independants.
La demonstration se fait par labsurde 3 . Si certaines valeurs propres sont degenerees (valeurs propres confon-
dues), les vecteurs propres peuvent etre independants ou pas. Le système doit etre etudie au cas par cas.
Dans le cas des matrices symetriques ou hermitiennes, les vecteurs propres sont lineairement independants,
meme si les valeurs propres sont degenerees. Rappelons quune matrice symetrique est egale à sa matrice
transposee (aij = aji ) et quune matrice hermitienne (notee A ) est egale à sa matrice transposee conjuguee
(aij = aji ). Une matrice symetrique est donc un cas particulier de matrice hermitienne dont les elements sont
reels. Le formalisme de la mecanique quantique met precisement en jeu des operateurs hermitiques. On dispose
du theorème suivant :
Th eme 12.4.3 Les valeurs propres dune matrice hermitienne sont reelles.
eor`
Les vecteurs propres dune matrice hermitienne sont mutuellement orthogonaux (et donc independants).
En effet, utilisant la notation hv| |vi , on a dune part hvj |A|vi i = i hvj |vi i et dautre part hvj |A |vi i =
j hvj |vi i. Comme la matrice
est hermitienne par hypothèse, A = A , en faisant la difference de ces 2 expressions
on obtient : i j hvj |vi i = 0. Si i = j, on en deduit que i = i puisque hvi |vi i > 0, tandis que si i 6= j et
i 6= j , on obtient la condition dorthogonalite hvj |vi i = 0 (si i = j , |vj i et |vi i ne sont pas automatiquement
orthogonaux mais peuvent etre rendus tels).
En utilisant les resultats precedents, on a donc obtenu le theorème suivant :
Th eme 12.4.4 Les matrices ayant des valeurs propres distinctes, et les matrices symetriques ou hermi-
eor`
tiennes, sont diagonalisables.
Exemple Considerons 2 particules identiques de masse m reliees à 3 ressorts identiques et contraintes de

se deplacer selon une seule direction Ox. x1 et x2 designant les deplacements des particules par rapport à leurs
positions dequilibre, les equations du mouvement secrivent :
mx
1 (t) = k(x2 2x1 ),
mx
2 (t) = k(x1 2x2 )
En notation matricielle, le système differentiel secrit :

x
1 2 1 x1
m =k
x
2 1 2 x2
3. Supposons que (|v1 i, , |vp i) soit des vecteurs
P li es. Un vecteur propre particulier, disons |v1 i sexprime
P donc en fonction
des (p 1) autres suppos es ind
ependants : |v1 i = i=2,p ci |vi i avec ci non tous nuls. Mais (A 1 )|v1 i = i=2,p ci (i 1 )|vi i.
Comme (|v2 i, , |vp i) sont ind
ependants, il en r
esulte que ci (i 1 ) = 0, i = 2, p. Mais i 6= 1 , i = 2, p par hypoth`
ese, donc
ci = 0, i = 2, p en contradiction avec le fait que les ci etaient supposes non tous nuls.

On cherche les solutions de ce système differentiel sous la forme x1 (t) = u1 eit et x2 (t) = u2 eit . Le système
differentiel prend alors la forme suivante :

u1 2k k u1
m 2 =
u2 k 2k u2
ce que lon peut ecrire sous la forme dun problème aux valeurs propres :
A u = m 2 u
Les 2 valeurs propres de A sont k et 3k, auxquelles correspondent les 2 frequences caracteristiques
p p
1 = k/m et 2 = 3k/m

Les 2 vecteurs propres correspondants sont respectivement et o`
u est un nombre reel non

nul. La matrice etant symetrique, les 2 vecteurs propres sont bien orthogonaux. La solution generale du système
differentiel secrit donc (comme attendu) sous la forme :

u1 1 i1 t 1
= A1 e + A2 ei2 t
u2 1 1
o`
u A1 et A2 sont des constantes fixees par les conditions initiales.
Les 2 vecteurs propres correspondent aux 2 modes normaux du mouvement des ressorts, respectivement
en phase ou en opposition de phase.

Chapitre 13
Scalaires, vecteurs, tenseurs

Introduction
Notation et changement de base
Scalaires, vecteurs et tenseurs
Produits et contractions
Base reciproque
Formes et espace dual
On presente dans ce chapitre quelques notions dalgèbre tensorielle utiles, en particulier, pour la comprehension
des cours delasticite et de cristallographie. Comme on le decouvrira dans lintroduction, les tenseurs generalisent
la notion familière de vecteurs et doperateurs lineaires en les placant dans le cadre mathematique plus large de
lalgèbre multilineaire.
13.1 Introduction
Soit E un espace vectoriel reel (le corps de base est donc R) de dimension finie N . Tout ensemble de N
vecteurs lineairements independants forment une base, et il en existe une infinite. Soit {~ei } et {~e i } deux bases
differentes de E. Notons P et P 1 les matrices de passage 1 dune base à lautre, soit :
N
X N
X
~e i = Pji ~ej , et ~ej = Pij1 ~e i (13.1)
j=1 i=1
Un vecteur quelconque ~x E peut secrire indifferemment dans lune o`

u lautre base de E :
N
X N
X
~x = xj ~ej = xi ~e i
j=1 i=1
En utilisant, les formules (13.1), on est conduit aux relations suivantes entre les composantes dun vecteur, après
changement de base :
N
X N
X
xi = Pij1 xj , et xj = Pji xi (13.2)
j=1 i=1
Considerons maintenant un operateur lineaire A : ~x E 7 A~x E. Loperateur A est represente dans la base
{~ei } par une matrice telle que sa jème colonne soit le vecteur A ~ej :
N
X
A ~ej = Akj ~ek
k=1
1. Par d ` la base {~e i } est telle que sa i`

efinition, la matrice de passage P de la base {~ei } a eme colonne est form
ee des composantes
de ~e i par rapport a` la base {~ei }.
107
13.2. NOTATIONS ET CHANGEMENT DE BASE 108
P
Rappelons quelle est lexpression de A dans la base {~e i }. Par definition on a A ~e j = k Akj ~e k , mais on a
aussi :
!
XN N
X XN XN
1
A ~e j = A Plj ~el = Plj Aml ~em = Plj Aml Pkm ~e k ,
l=1 l,m=1 k=1 l,m=1
soit encore la formule bien connue :

N
X
1
Akj = Pkm Aml Plj , (13.3)
m,l=1
Reecrivons (13.2) et (13.3) sous forme matricielle :
~x = P 1 ~x et A = P 1 A P .
Un vecteur met donc en jeu une seule matrice de passage (P 1 ) lors dun changement de base, tandis quil en
faut 2 (P et P 1 ) pour transformer un operateur lineaire. Un nombre reel, invariant par changement de base,
nen met aucune en jeu. Le calcul tensoriel systematise ce point de vue en considerant des etres mathematiques
nouveaux : les tenseurs, qui se transforment lors dun changement de base en mettant en jeu un nombre
quelconque de matrices de passage P et P 1 . Lalgèbre (et lanalyse) tensorielle constitue une generalisation de
lalgèbre (et de lanalyse) lineaire elementaire que les mathematiciens appelent algèbre multilineaire.
13.2 Notations et changement de base

En plus dun approfondissement des structures lineaires, le calcul tensoriel introduit un ensemble de notations
commodes et coherentes indispensables dans les calculs.
Commencons par les vecteurs. Soit ~x un vecteur quelconque de lespace vectoriel E. On ecrira desormais :
N
X
~x = xi ~ei xi ~ei
i=1
u (x1 , , xN ) sont les composantes du vecteur ~x dans la base {~ei }. La position des indices dans xi et ~ei
o`
peut sembler arbitraire pour linstant, mais sera justifiee par la suite. La deuxième egalite correspond à la
convention de sommation dEinstein : tout indice repete 2 fois, une fois en position inferieure et une fois en
position superieure, implique une sommation sur cet indice.
Considerons maintenant une nouvelle base de E : {~e i }. Chacun des vecteurs de cette nouvelle base peut
etre decompose sur lancienne base {~ei }. On passe donc dune base à lautre par une matrice de changement de
base que lon notera desormais :
~e i = ij ~ej
Dans cette expression, pour utiliser la convention dEinstein, nous avons ecrit les composantes de la matrice
sous la forme ij o`
u lindice superieur j designe une ligne et lindice inferieur i une colonne.
De ce point de vue, comme les vecteurs peuvent etre consideres comme des matrices ligne ou colonne, on a
de facon plus explicite : 1
x
i i ..
~x = x ~ei = ~ei x = (~e1 ~eN ) .
xN
(le produit matriciel est defini comme un produit lignecolonne : on somme sur les colonnes de la première
matrice et sur les lignes de la seconde matrice).
Inversement, notons 1 , linverse de la matrice . On a donc (toujours en utilisant la convention
dEinstein) :
ki ~e i = ki ij ~ej = ij ki ~ej = kj ~ej = ~ek ,

13.3. SCALAIRES, VECTEURS ET TENSEURS 109
o`
u est la matrice identite. En resume, on a donc obtenu :
~e i = ij ~ej et ~ek = ki ~e i ,
qui nest rien dautre quune reecriture des relations (13.1).
Exercice 13.1 Ecrire ~e i = ij ~ej et ~ek = ki ~e i sous forme de produits matriciels explicites.
13.3 Scalaires, vecteurs et tenseurs

Un vecteur existe independamment de sa representation dans une base particulière. On peut donc ecrire :
~x = xk ~ek = x i ~e i
(la somme est sur un indice muet que lon peut noter à notre convenance). Comme ~ek = ki ~e i , on trouve que
la relation entre les composantes du vecteur dans les 2 bases est :
x i = ki xk ,
cest-` a la difference des vecteurs de bases, qui se transforment via la matrice (~e i = ij ~ej ), les
a-dire, qu`
composantes des vecteurs se transforment via la matrice inverse . Pour cette raison, les composantes xi du
vecteur ~x sont dites contravariantes.
Exercice 13.2 On considère lespace E = R3 et (~e1 , ~e2 , ~e3 ) une base orthonormee.
1. Determiner la matrice , ~e i etant obtenu a
` partir de ~ei par une rotation dangle autour de laxe portant
~e3 .
2. Verifier que 1 est egale a
` la transposee de la matrice .
3. Un vecteur admet les composantes (0, 1, +1) dans la base {~e i }. Quelles etaient ses anciennes compo-
santes ?
4. Un vecteur admet les composantes (0, +1, 0) dans la base {~ei }. Quelles etaient ses composantes dans la
base {~e i } ?
Tout espace vectoriel E defini sur un corps commutatif peut etre muni dune structure euclidienne dès lors quon
y definit un produit scalaire 2 . On parle alors despace vectoriel euclidien. Soient ~x et ~y des vecteurs quelconques
de E, le produit scalaire de ces 2 vecteurs sera note indifferemment :
g(~x, ~y ) = h~x| ~y i = ~x.~y
Compte tenu des proprietes du produit scalaire, on a encore :
g(~x, ~y ) = hxi ~ei | y j ~ej i = xi y j h~ei | ~ej i = gij xi y j ,
o`
u on a pose gij g(~ei , ~ej ). g est appelee la metrique ou la forme fondamentale, et gij les coefficients de la
metrique. Noter la propriete gij = gji puisque le produit scalaire est symetrique par definition.
Etudions comment les gij se transforme lors dun changement de base :

gij h~e i | ~e j i = ik jl h~ek | ~el i = ik jl gkl
La metrique g constitue un exemple de tenseur (euclidien) de rang 2, cest-à-dire un exemple detre mathematique
dont les composantes, caracterisees par 2 indices, se transforment lors dun changement de base selon la relation
precedente (ici deux matrices ).
Il est possible de definir des composantes du vecteur ~x qui se transforment, lors dun changement de base,
comme les vecteurs de base. De telles composantes seront notees avec un indice en bas xi , et naturellement
appelees covariantes. Soit en effet, par definition :
xi h~ei | ~x i = gij xj ,
2. Un produit scalaire est une forme bilin
eaire, sym
etrique et d
efinie positive.

13.4. PRODUITS ET CONTRACTIONS 110
cest-`
a-dire la projection orthogonale de ~x sur ~ei si la base {~ei } est normee. Lors du changement de base {~ei }
en {~e i }, on obtient :
xi = h~e i | ~x i = ij h~ej | ~x i = ij xj ,
qui correspond bien `
a la meme transformation que les vecteurs de bases.
Les 2 relations de transformations des composantes dun vecteur : x i = ki xk et xi = ij xj , qui ne dependent
que dun seul indice, sont caracteristiques des transformations des composantes dun tenseur de rang 1 lors des
changements de base.
Exercice 13.3 1. Montrer que la norme du vecteur ~x secrit sous la forme

q
k~xk = gij xi xj ,
et retrouver la formule usuelle dans le cas o` u la base est orthonormee.

2. Etablir le resultat : h~x| ~y i = xi y i = xi yi
Considerons pour finir le produit scalaire de 2 vecteurs ~x et ~y lors dun changement de base. On trouve

h~x| ~y i = xi yi = ki xk il xl = il ki xk xl = kl xk xl = xk xk
Le produit scalaire est donc invariant lors dun changement de base.
Le produit scalaire, qui ne depend daucun indice, est un exemple de tenseur de rang 0.
Remarque Il apparat clairement dans ce qui precède que le caractère invariant du produit scalaire lors
dun changement de base resulte de la presence dans le produit xi yi du terme contravariant xi (se transformant
donc avec = 1 ), et du terme covariant yi (qui se transforme avec ). Cette situation est generale. Toutes
les expressions qui comprennent des sommations sur un meme indice une fois en position contravariante et une
autre fois en position covariante sont des invariants. Les produits scalaires (xi yi et gij xi xj ), les vecteurs (xi~ei ),
et plus generalement les tenseurs, quels que soient leurs rangs, sont des exemples dinvariants.
On peut maintenant se donner une definition (operatoire) des tenseurs, ici de rang 5 pour fixer les idees.
D efinition 13.3.1 Soit E un espace vectoriel euclidien de dimension N. Les nombres reels tij kl m , o`
u i, j, k, l, m =
1 N , sont les composantes mixtes dun tenseur t de rang 5, 3 fois covariants et 2 fois contravariants, si leurs
lois de transformation dans un changement de base secrit :
k m
t ij l = ir js uk lv w
m
trsuvw ,
o`
u et designent respectivement la matrice de changement de base et son inverse.
13.4 Produits et contractions

1. Produit tensoriel
On peut naturellement definir la somme de 2 tenseurs de meme nature. Par exemple, si tij et uij sont les
composantes des tenseurs doublement covariants t et u, on definit le tenseur r = t + u de telle facon que
ses composantes rij tij + uij . Le tenseur obtenu est evidemment doublement covariant par construction.
On definit de meme le tenseur t, o` u R, par la relation ( t)ij = tij .
Plus interessante est la definition du produit de 2 tenseurs.
Theorème 13.4.1 Soient u un tenseur de rang p, et v un tenseur de rang q.
Les produits de composantes dun type donne de u par les composantes dun type donne de v definissent
un tenseur dordre (p + q), note u v.
La demonstration est evidente. u v sappelle le produit tensoriel des tenseurs u et v.
Exercice 13.4 Soit 2 vecteurs ~x et ~y .
Montrer quil est possible de definir 4 tenseurs differents a
` partir du produit dune composante (covariante
ou contravariante) de ~x par une composante (covariante ou contravariante) de ~y .
Preciser la loi de transformation de ces tenseurs.

13.4. PRODUITS ET CONTRACTIONS 111
2. Produit contracte
Considerons maintenant la notion de produit contracte.
Definition 13.4.1 Soient u un tenseur de rang p, et v un tenseur de rang q.
On appelle produit contracte des tenseurs u et v, le tenseur dordre (p + q 2) obtenu en egalant dans le
produit tensoriel u v, un indice covariant et un indice contravariant de chacun des 2 tenseurs.
Le fait degaler un indice superieur et un indice superieur implique une sommation sur lindice commun,
et abaisse ainsi de 2 le rang du produit tensoriel initial. Par exemple, partant du tenseur de composantes
uij k vpq , on peut par exemple contracter sur le couple dindice k et p, puis eventuellement sur j et q :
uij k vpq uij k vkq uiqk vkq
Il est clair que par contractions successives, on aboutit aux composantes dun vecteur (un seul indice libre)
si le tenseur initial etait de rang impair, et sur un scalaire (pas dindice libre) dans le cas contraire.
Il est egalement possible de proceder à une auto-contraction sur un tenseur qui ne sexprime pas comme
un produit tensoriel. Par exemple,
tij k tikk
Exercice 13.5 Montrer que la trace dun tenseur de rang 2, definie comme la somme de ses composantes
diagonales mixtes, est un tenseur de rang 0, donc un invariant.
La reciproque de la règle du produit contracte permet dobtenir le critère de tensorialite suivant que nous
ne demontrerons pas.
Th eorème 13.4.2 Soient tij k (pour fixer les idees) une liste de nombre reels, et soit u un tenseur quel-
conque.
Si le produit contracte de t par u est un tenseur, alors t est un tenseur.
Par exemple, on peut montrer de cette facon que les nombres ij tels que :

1 si i = j
ij =
0 si i 6= j
sont les composantes mixtes dun tenseur (tenseur de Kronecker). Pour cela, considerons le tenseur de
composantes xp y q où ~x et ~y sont des vecteurs (tenseurs de rang 1). Formons le produit ij xp y q et contrac-
tons sur le couple dindices i et p. On obtient ij xi y q = xj y q , qui constituent bien les composantes mixtes
du tenseur x y. Daprès le critère de tensorialite, on en deduit donc que est bien un tenseur.
3. Tenseurs symetriques et antisymetriques
Definition 13.4.2 Un tenseur est dit symetrique (respectivement antisymetrique) par rapport a` un couple
dindices de meme variance si ses composantes sont inchangees (respectivement changees de signe) par
permutation de ces 2 indices.
Un tenseur est dit complètement symetrique (ou antisymetrique) sil est symetrique (ou antisymetrique)
par rapport a
` tout couple dindices de meme variance.
Il est facile de se convaincre (le faire !) que la nature symetrique (ou antisymetrique) dun tenseur se
conserve par changement de base : la symetrie (ou lantisymetrie) est une propriete intrinsèque.
Legalite :
tij + tji tij tji
tij = + ,
2 2
montre que tout tenseur dordre 2 peut secrire comme la somme dun tenseur symetrique et dun tenseur
antisymetrique.
Les tenseurs symetriques (ou antisymetriques) possèdent un nombre restreint de composantes independantes
non nulles. On verifiera, que dans un espace de dimension n, ce nombre vaut n(n + 1)/2 dans le cas dun
tenseur symetrique, et n(n 1)/2 dans le cas dun tenseur antisymetrique.
Exercice 13.6 Soit ~x et ~y 2 vecteurs de R3 . Le tenseur t, appele produit exterieur (ou bivecteur), note
~x ~y , est defini par legalite :
t ~x ~y = ~x ~y ~y ~x

13.5. BASE RECIPROQUE 112
(a) Ecrire explicitement les composantes 2 fois contravariantes de t en fonction des composantes contra-
variantes de ~x et ~y .
(b) Utiliser le critère de tensorialite pour verifier que les tij sont bien les composantes dun tenseur de
rang 2.
(c) Verifier que le produit exterieur est un tenseur antisymetrique.
(d) Montrer que t na que 3 composantes independantes que lon notera u1 , u2 et u3 .
(e) Montrer que le triplet de reels (u1 , u2 , u3 ), qui correspondent aux composantes du produit vectoriel
usuel, ne constitue pas les composantes dun vecteur.
On dit que le produit vectoriel est un pseudo-vecteur.
13.5 Base r
eciproque
On se pose la question de savoir sil existe une base {~ i } de E telle que les composantes du vecteur ~x sur
cette base soient les composantes covariantes xi precedemment definies, soit :
~x = xi ~ i
(le caractère invariant de ~x suggère la nature contravariante des vecteurs ~ i , ce que lon verifiera plus loin).
En utilisant la definition xi = gij xj et legalite ~x = xj ~ej on obtient par identification
~ej = gji ~ i
Ecrivons la relation inverse sous la forme :

~ i g ik ~ek
On obtient alors ~ej = gji g ik ~ek et puisque ~ej = kj ~ek , on en deduit que la contraction de g ik avec le tenseur gji
donne le tenseur de Kronecker,
gji g ik = kj
Daprès le critère de tensorialite, les g ik sont donc les composantes 2 fois covariantes dun tenseur.
Notons enfin que la relation dorthogonalite suivante :
h~ k | ~ei i = g kj h~ej | ~ei i = g kj gji = ki ,
fournit une methode de construction des ~ k . Ceux-ci sont orthogonaux à tous les ~ei pour i 6= k, et tels que la
projection orthogonale de ~ k sur ~ek vaut exactement ~ek , si la base {~ei } est normee.
On notera que cest dans le seul cas o`
u la base est orthonormee, que les bases directe et reciproque ainsi que
les composantes covariantes ou contravariantes des tenseurs sont identiques.
Exercice 13.7 Etablir les egalites :

1. h~ i |~ j i = g ij ,
2. ~ i = ji ~ j .
Exercice 13.8 On se place dans lespace euclidien a

` 2 dimensions rapporte a
` une base (~e1 , ~e2 ) telle que
k~e1 k = a, k~e2 k = b, h~e1 | ~e2 i = ab cos ,
avec 0 < < /2.

1. Calculer les 4 composantes deux fois covariantes de la metrique g.
2. Calculer la metrique inverse.
3. Determiner la base reciproque (~ 1 ,~ 2 )
4. Representer sur un meme schema les bases directe et reciproque, lorsque a = b = 1 et = 30.


Exercice 13.9 Etant donne une base quelconque {~a, ~b, ~c} de R3 , les cristallographes definissent la base reciproque
par les relations :
~b ~c
~a = + permutations circulaires,
(~a, ~b, ~c)
u (~a, ~b, ~c) designe le produit mixte des 3 vecteurs et ~b ~c le produit vectoriel de ~b et ~c.
o`
Verifier que cette definition correspond avec celle du cours.


Cinqui`
eme partie
Analyse de Fourier
115
Chapitre 14
S
eries de Fourier
Des problèmes historiques
D
efinitions des s
eries de Fourier
Convergence des s eries de Fourier
D
erivation et int
egration terme a` terme
Phenomène de Gibbs
Formule de Plancherel
S
eries de fonctions orthogonales
14.1 Des probl`

emes historiques
Lidee de representer une fonction par une serie de sinus et cosinus de differentes frequences remonte au
problème des cordes vibrantes resolu par lencyclopediste dAlembert en 1747. Ce point de vue sera repris par
Fourier en 1808 dans son memoire sur la propagation de la chaleur.
Dans ce travail, Fourier montre que la temperature T (~r, t) obeit à lequation aux derivees partielles :
Tt = Txx + Tyy + Tzz .
La situation stationnaire (Tt = 0), correspond à une equation de Laplace : T = 0. Fourier commence par
considerer un cas stationnaire o`
u il y a invariance par translation selon 0z : T (~r, t) = T (x, y, t), et cherche une
solution dans le domaine defini par y > 0 et 0 < x < 1. Le problème est de determiner une solution bornee avec
les conditions aux limites particulières T (0, y) = T (1, y) = 0 et T (x, 0) = 1.
Fourier cherche une solution sous forme separable T (x, y) = f (x)g(y) qui le conduit au système dequations
differentielles
f (x) g (y)
= = C 2 ,
f (x) g(y)
o`
u C est une constante. On a donc comme solution generale de ces equations :
f (x) = A sin Cx + B cos Cx,
g(y) = A e+Cy + B eCy
Comme T (0, y) = 0 et que la solution recherchee doit etre bornee pour y , les solutions sont toutes de la
formes T (x, y) = sin Cx eCy ; la condition aux limites T (1, y) = 0 fixe la valeur de C qui vaut n o`
P u n est
un entier positif. Une solution generale secrit donc sous la forme de la serie : n=1 an eny sin nx, o`
u les
coefficients an sont contraints par la dernière relation T (x, 0) = 1.
R1
En utilisant la propriete 0 sin nx sin mx dx = mn /2, on trouve an = 4/(n) pour n impair et an = 0
pour n pair. Les an etant bornes, la serie obtenue est convergente, et on a donc trouve une solution sous la
forme dune serie de sinus qui comprend toutes les harmoniques impaires :

X 4 ny
T (x, y) = e sin nx, (x, y) [0, 1] [0, +[
n=1,3,5
n
117

14.2. DEFINITION
DES SERIES DE FOURIER 118
Partant de l` a, il etait naturellement tentant de savoir si le procede etait generalisable, et quelles conditions
devait satisfaire une fonction pour quon puisse la representer sur un intervalle par une serie trigonomerique.
Autrement dit, an (f ) et bn (f ) etant des coefficients dependant de la fonction f , quand peut-on ecrire

X
f (x) = (an (f ) sin nx + bn (f ) cos nx) ?
n=0
14.2 D
efinition des s
eries de Fourier
Definition 14.2.1 Soit f une fonction de periode T , definie sur R et a ` valeurs dans R. On pose = 2/T .
La serie de Fourier associee a
` la fonction f est la serie definie par la relation

X
X +
X
b0 (f ) + bn (f ) cos nt + an (f ) sin nt cn e+int ,
n=1 n=1 n=
avec cn = (bn i an )/2.

Les coefficients de Fourier an , bn et cn , lorsquils existent, sont definis par les relations
ZT
1
b0 (f ) = f (t)dt,
T
0
ZT
2
bn (f ) = f (t) cos ntdt,
T
0
ZT
2
an (f ) = f (t) sin ntdt,
T
0
ZT
1
cn (f ) = f (t)eint dt.
T
0
Pour que les coefficients existent, il nest pas necessaire que f soit continue, il suffit que f soit integrable sur
lintervalle periode. On remarquera en particulier que c0 = b0 et que cn est la quantite conjuguee de cn :
cn = cn . La definition de ces coefficients est suggeree (en cas de convergence) par les relations dorthogonalite
(`
a demontrer) :
ZT ZT
T
sin mt sin nt dt = cos mt cos nt dt = m,n (m 6= 0),
2
0 0
ZT
sin mt cos nt dt = 0, m, n, N
0
Le developpement en series dexponentielles complexes peut apparatre plus economique. Il est cependant
preferable dutiliser les developpements en sinus ou cosinus lorsque les fonctions ont une parite definie. En effet,
comme les integrations peuvent etre prises sur lintervalle symetrique [T /2, +T /2], les coefficients an ou bn
sont nuls selon que la fonction est paire ou impaire. La serie de Fourier dune fonction impaire ne contient donc
que des sinus (fonction impaire), et la serie de Fourier dune fonction paire est une serie de cosinus (fonction
paire).
Il est bon de mentionner quon parle parfois de developpement de Fourier sur un intervalle (a, b) pour une
fonction non periodique. Il sagit en fait du developpement de la fonction f1 , de periode (b a), qui concide
avec f sur lintervalle (a, b). Si la serie converge vers la fonction, le developpement en serie de f nest pas en
general valable en dehors de (a, b).

14.3. CONVERGENCE DES SERIES DE FOURIER 119
14.3 Convergence des s

eries de Fourier
Il ne suffit malheureusement pas que les coefficients de Fourier existent pour que la serie de Fourier converge
vers sa fonction. Kolmogorov a meme exhibe un exemple de fonction sommable dont la serie de Fourier diverge
en tout point de lintervalle periode !
En physique, on a souvent affaire a des fonctions assez regulières, et un premier theorème garantissant la
convergence dans des conditions pas trop contreignantes est donne par lenonce suivant :
Th eme 14.3.1 Si f est de carre sommable ou si f est de classe C 2 sur lintervalle periode I, la serie de
eor`
Fourier converge (normalement) vers f dans I.
est C 2 , en integrant 2 fois par parties, on etablit facilement que |cn | sup |f (t)|/(4 2 n2 ), ce qui montre
Si f P
que n |cn | < . On peut justifier que la somme de la serie de Fourier construite avec les cn sidentifie bien
avec f .
Il ne suffit pas quune fonction soit continue pour que sa serie de Fourier converge. Là encore, les mathematiciens
ont pu exhiber des exemples (pathologiques) de fonctions continues dont la serie de Fourier diverge au moins en
un point de lintervalle periode. On donne maintenant un resultat plus fin dans le cas de fonctions eventuellement
discontinues, mais regulières par morceaux.
Definition 14.3.1 Soit I un intervalle de R. Une fonction f definie sur I et a

` valeurs dans R est dite regulière
par morceaux sur I, si f est bornee et na quun nombre fini de discontinuites et dextrema dans lintervalle I.
On dit egalement dune fonction regulière par morceaux, quelle verifie les conditions de Dirichlet. Par exemple,
la fonction x 7 sin 1/x est bornee mais a un nombre infini dextrema dans tout intervalle qui contient 0 : elle
nest donc pas regulière par morceaux.
Theor` eme 14.3.2 Soit f une fonction de periode T definie sur R et a

` valeurs dans R. On pose = 2/T . Si
f est regulière par morceaux sur [0, T ], alors
aux points o` u f est continue :
+
X
cn e+int = f (t)
n=
aux points de discontinuite :

+
X f (t + ) + f (t )
cn e+int = lim ,
n=
0 2
Ce theorème montre qu` a la difference des series de Taylor, il est possible de representer une fonction
discontinue par une serie de Fourier (sous les conditions de Dirichlet). On notera en outre que la convergence
de la serie est uniforme aux points de continuite, mais seulement simple aux points de discontinuite. Cet aspect
sera discute de facon plus approfondie lorsque nous traiterons du phenomène de Gibbs.
14.4 D
erivation et Int
egration terme `
a terme
P +int
Lintegration, terme `
a terme, de la serie de Fourier : n cn e , secrit
+
X Zb +
X cn +int b
cn e+int dt = e a
n= n=
in
a
Le resultat de lintegration est dintroduire une division par n de chaque coefficient. Lintegration ameliore donc
la convergence. En consequence, une serie de Fourier convergente peut toujours etre integree terme par terme,
la serie obtenue convergeant vers lintegrale de la fonction.

14.5. PHENOM `
ENE DE GIBBS 120
Il est clair au contraire, que la derivee de la serie introduit une multiplication par n de chaque coefficient
de Fourier. La convergence sen trouve degradee et peut meme etre perdue. En consequence, on ne peut pas, en
general, deriver terme a
` terme, une serie de Fourier convergente.
On dispose cependant du theorème suivant
Th eme 14.4.1 Soit f une fonction continue de periode T definie sur R et a

eor` ` valeurs dans R. On pose
= 2/T . Si f est regulière par morceaux sur [0, T ], alors
La serie de Fourier de f peut etre obtenue en derivant la serie de Fourier de f terme a` terme.
aux points o` u f est continue :
+
X
(incn )e+int = f (t)
n=

aux points o`
u f est discontinue :
+
X f (t + ) + f (t )
(incn )e+int = lim ,
n=
0 2
14.5 Ph
enom`
ene de Gibbs
Le phenomène de Gibbs concerne letude du developpement en serie de Fourier au voisinage dun point de
discontinuite.
Pour le mettre en evidence, considerons la fonction de periode 2, definie sur ] 1, 1[ par

1 1 < x < 0
f (x) =
+1 0 < x < 1,
On montrera en TD que le creneau carre admet pour developpement en serie de Fourier

4 X sin(2n 1)x
f (x) = ,
n=1 2n 1
eventuellement valable sur tout R si on demande en outre que f (0) = f (1) = 0.

La figure (14.1) represente ce developpement lorsquon retient 10 et 50 termes. On constate que loin du point
de discontinuite (pour x = 0.5, par exemple), un nombre plus grand de termes ameliore la convergence (ici vers
1), tandis quun phenomène de rebond apparat au voisinage du point de discontinuite. Lamplitude du rebond
ne semble pas se reduire lorsquon augmente le nombre de termes de la serie. Ce phenomène fut observe par
Michelson lors de la mise au point dun analyseur harmonique et explique par J. W. Gibbs.
La raison mathematique de ce comportement surprenant tient dans le fait que la convergence uniforme de
la serie de Fourier vers la fonction est garantie aux points o`
u la fonction est continue, mais perdue aux points
de discontinuites.
Considerons la somme finie `
a N termes correspondant à la serie de Fourier
N
4 X sin(2n 1)x
g(x, N ) .
n=1 2n 1
Il est facile de montrer (le faire !) que :

g sin 2N x
=2
x sin x
Le premier extremum de g (un maximum, en fait) apparat donc en x = 1/2N . Calculons la valeur de g en ce
point. Comme g(0, N ) = 0, on a
1/2N
Z Z
1 sin 2N x 2 sin z
g ,N =2 dx = dz.
2N sin x 2N sin(z/2N )
0 0

14.6. EXERCICES 121
1.2
0.8
0.6
0.4
0.2
0.1 0.2 0.3 0.4 0.5
Figure 14.1 Serie de Fourier du creneau carre avec 10 termes (trait epais) et 50 termes (trait fin).
Ainsi, meme lorsque N , la somme depasse systematiquement la valeur attendue (1) puisque :
Z
1 2 sin z
lim g ,N = dz 1.17898,
N 2N z
0
en accord avec le resultat numerique.

On notera quil nen reste pas moins vrai que la serie converge (simplement, donc) vers la demi-somme des
valeurs à droite et `
a gauche du point de continuite, cest-`
a-dire ici vers 0.
14.6 Exercices
Exercice 14.1 On considère la fonction definie sur R par :
f (t) = | sin t|,
o`
u est une constante positive.
1. Representer schematiquement cette fonction et preciser sa parite.
2. Le developpement en serie de Fourier contiendra-t-il toutes les harmoniques en sinus et cosinus ?
3. Donner le developpement en serie de Fourier de la fonction f .
Exercice 14.2 On considère la fonction f , de periode 2, egale a

` f (x) = x si 0 < x < 2.
1. Quelle est la parite de cette fonction ?

14.6. EXERCICES 122
2. Montrer que le developpement de f en serie de Fourier secrit :

X
sin nx
f (x) = 2 .
n=1
n
Preciser pour quelles valeurs de x ce developpement est-il valable.

3. Comment faudrait-il completer la definition de f pour que le developpement precedent soit valable sur tout
R.
Exercice 14.3 Calculer le developpement en serie de Fourier de la fonction 2 periodique qui vaut 1 pour
t ] , 0[, et +1 pour t ]0, [.
Exercice 14.4 Montrer que le developpement en serie de Fourier de la fonction x 7 cos ax entre et +,
avec a reel non entier secrit :

2a sin a 1 cos x cos 2x
cos ax = + .
2a2 a2 12 a2 22
Exercice 14.5 On considère la fonction f definie sur R, de periode T = 1, telle que f (t) = 1 2|t| pour
t [1/2, +1/2].
1. Quelle est sa parite ?
2. Determiner le developpement en serie de Fourier de f . On precisera le domaine sur lequel ce developpement
est valable.
3. Representer la fonction derivee f .
4. Peut-on obtenir le developpement en serie de Fourier de f par derivation terme a
` terme du developpement
en serie de Fourier de f ? Justifier votre reponse.
5. Determiner le developpement en serie de Fourier de f .
1
0.8
0.6
0.4
0.2
-1.5 -1 -0.5 0.5 1 1.5

Chapitre 15
Transformation de Fourier au sens des

fonctions
Motivations
Transformee de Fourier dans L1 (R)
D
erivation et Inversion
Convolution
Transformee de Fourier dans L2 (R)
Transformee de Fourier dans S(R)
Transformees a
` plusieurs variables
Applications aux
equations diff
erentielles a
` coefficients constants
15.1 Motivations
Les phenomènes physiques ne se restreignent evidemment pas aux phenomènes periodiques, et il est très
naturel de se poser la question de la representation des phenomènes physiques non periodiques par un analogue
des series de Fourier. La transformation de Fourier joue precisement ce role. La transformee de Fourier de la
fonction f est la fonction f, definie pour R par :
Z
f() = ei2x f (x) dx, (15.1)
R
Sous certaines conditions que lon precisera plus loin, on dispose de la formule dinversion qui exprime la fonction
f comme une superposition de contributions en frequences :
Z
f (x) = ei2x f() d. (15.2)
R
f() represente donc lamplitude de la sinusode de frequence dans f .
Il est important de realiser que la transformation de Fourier est une application qui associe une fonction
f à une autre fonction f : cest-`
a-dire une application fonctionnelle. Il est bon de sinterroger sur les types de
fonctions que le physicien est amene ` a utiliser le plus souvent. En physique des milieux continus, par exemple,
il est commode dintroduire des densites des grandeurs physiques considerees ; ainsi on parle frequemment de
densite de masses, de quantite de mouvement ou denergie 1 . Par exemple, la relation :
Z
1
0 |E(x)|2 dx < ,
2
R3
1. cest-`
a-dire la masse, la quantit
e de mouvement ou l
energie contenue dans le petit
el
ement de volume dx
123
15.1. MOTIVATIONS 124
o`
u E(x) represente le champ electrostatique, exprime le caractère fini de lenergie electrique totale. Mathematiquement,
cela revient à dire que la fonction x 7 E(x) doit etre de carre sommable. Un autre exemple important du meme
genre de contrainte intervient en physique microscopique lorsquon adopte un point de vue probabiliste pour
decrire une particule quantique dans son espace des phases. On associe à la particule, une fonction donde ,
dont le carre represente une densite de probabilite. La condition de normalisation de la probabilite (la particule
doit etre quelque part) : Z
|(x)|2 dx = 1
R3
montre que la fonction donde doit etre de carre sommable.

Dans ce chapitre, on se limitera 2 ` a definir et à etudier les proprietes des fonctions de puissance p sommable
(p = 1, 2), definies sur Rn . Plus precisement :
efinition 15.1.1 Une fonction f , definie dans R et a

D ` valeurs dans C, est de puissance p-sommable, si lon a
Z
|f (x)|p dx <
R
On note Lp (R), lespace des fonctions de puissance p-sommable.
On vient de presenter la transformation de Fourier, comme une representation integrale exprimee sur une base de
fonctions sinusodales. Le contenu physique dune telle decomposition est clair, et lon peut facilement imaginer
que la transformation de Fourier jouera un r ole determinant dans tous les phenomènes physiques mettant en
jeu des periodicites spatiales ou temporelles, et plus generalement des longueurs ou temps caracteristiques.
Ainsi, pour donner quelques exemples, tous les phenomènes de diffusion de rayonnement (lumière, rayons X,
mais aussi electrons ou neutrons via la dualite onde corpuscule) sont susceptibles dune analyse reposant sur la
transformation de Fourier ; plus precisement, lamplitude diffusee 3 A(k) :
Z
A(k) eik.r (r) dr,
R3
o`
u (r) represente la densite de particules diffusantes. De l`
a, on deduit facilement que lintensite sexprime
comme la transformee de Fourier dun produit de convolution (cette notion sera definie plus loin).
La transformation de Fourier, continue ou discrète, est egalement loutil de base pour le traitement de lin-
formation numerique. Le traitement du signal analogique repose essentiellement sur lutilisation de circuits
electroniques qui fonctionnent mathematiquement comme des operateurs lineaires diagonalisables par trans-
formation de Fourier. Le traitement du signal discret a ete rendu possible par la mise au point dalgorithmes
rapides de calcul de transformees de Fourier discrètes. La transformation de Fourier est cependant limitee à une
analyse globale soit en temps, soit en frequence. Les signaux complexes doivent etre analyses par des outils plus
sophistiques que les filtres lineaires. Le developpement recent du traitement de linformation a conduit à une
analyse utilisant des transformees de Fourier à fenetre et aux celèbres ondelettes.
Les equations decrivant les phenomènes physiques sexpriment bien souvent par des equations differentielles
ou par des equations aux derivees partielles. Dans le cas o`
u les operateurs associes sont lineaires et à coefficients
constants, il est possible dutiliser la transformation de Fourier pour diagonaliser ces operateurs. Parmi celles-ci
on peut citer :
lequation de Poisson :
(x)
(x) =
0
lequation de la diffusion :
c(x, t) 2 c(x, t)
D =0
t x2
2. Un cadre plus confortable pour les besoins de la physique n
ecessiterait l
etude de la transformation de Fourier au sens des
distributions.
3. dans le cadre de lapproximation de Fraunhoffer.

DE FOURIER DANS L1 (R)
15.2. TRANSFORMEE 125
lequation de Schr
odinger libre :
(x, t) ~2
i~ = (x, t)
t 2m
lequation des ondes :
2 u(x, t) 1 2 u(x, t)
=0
x2 v 2 t2
Par transformee de Fourier, on se ramène ` a letude dequations algebriques, ce qui est, bien s
ur, considerablement
plus simple. Bien que le cadre confortable de travail pour letude par transformee de Fourier des equations de
la Physique, soit celui, plus general, des distributions, on donnera quelques exemples dapplications à la fin de
cette partie du cours.
15.2 ee de Fourier dans L1 (R)

Transform
Definition 15.2.1 Soit f L1 (R), on appelle transformee de Fourier de f , la fonction, a
` valeurs complexes,
notee f ou F(f ), definie pour tout R par :
Z
f() = ei2x f (x) dx
R
on a bien s
ur : Z Z Z
|f()| = | ei2x f (x) dx| |ei2x f (x)| dx = |f (x)| dx <
R R R
do`
u lon deduit que la transformee de Fourier dune fonction sommable est une fonction bornee.
En physique, x represente soit une variable despace, soit le temps. La variable conjuguee sidentifiera alors
à un vecteur donde ou à une pulsation.
Il existe dautres conventions de definition ; par exemple :
Z Z
ix 1
f () = e f (x) dx, ou f () = eix f (x) dx.
2
R R
Avec ces definitions de la transformation de Fourier, il napparat pas de facteur 2 dans la formule dinversion
(voir plus loin), mais il en apparat soit dans la derivation, soit dans la convolution.
Premiers exemples
Donnons tout de suite quelques exemples de transformees de Fourier de fonctions sommables couramment
utilisees en Physique. Il sagit des fonctions porte ou de ses generalisations et des exponentielles decroissantes
à support limite ou non limite.
La fonction caracteristique 1[a,b] de lintervalle [a, b] est la fonction qui vaut lunite dans lintervalle et 0
ailleurs, soit :
1[a,b] (x) = 1 pour x [a, b]
= 0 ailleurs.
On notera la fonction caracteristique de lintervalle [1/2, +1/2] : cest la fonction porte couramment
utilisee en theorie du signal. On notera egalement H, la fonction dite de Heaviside, cest-à-dire la fonction
caracteristique de lintervalle [0, [.
Exercice 15.1 Etablir les resultats suivants par un calcul direct :

FT sin
(x) ,

FT 2
e|x| pour > 0,
+ 4 2 2
2
FT 1
H(x) ex pour > 0,
+ i2

1 1
0.8 0.8
0.6 0.6
0.4
0.4
0.2
0.2
-4 -2 2 4
-2 -1 1 2 -0.2
Figure 15.1 Fonction porte et sa transformee de Fourier.
u x R, la fonction indicatrice de lintervalle [1/2, +1/2] et H est la fonction de Heaviside.

o`
1 2
0.8 1.5
0.6
1
0.4
0.2 0.5
x q
-4 -2 2 4 -1.5 -1 -0.5 0.5 1 1.5
Figure 15.2 Fonction x 7 e|x| et sa transformee de Fourier.
Proprietes
Les proprietes qui suivent decoulent immediatement de la definition de la transformation de Fourier (TD).
1. Conservation de la parite.
si f est une fonction paire (resp. impaire), alors f est une fonction paire (resp. impaire).
2. Echange de la realite et de la symetrie hermitienne.
si f est une fonction reelle, alors f() = f(),
si f (x) = f (x), alors f est une fonction reelle.
3. Echange de la translation et de la modulation.
FT
f (x x0 ) ei2x0 f(),
FT
ei2x0 f (x) f( 0 )
4. Dilatation.
FT
f (x/) ||f() pour reel non nul
La propriete de dilatation est lune des proprietes les plus importantes de la transformee de Fourier ; elle
traduit le fait que la transformee de Fourier dune fonction large est une fonction etroite et reciproquement. Cela
se manifeste très souvent en Physique ; en optique par exemple, la tache de diffraction cree par un diaphragme
circulaire est dautant plus etendue que le rayon de lorifice est petit.

15.3. DERIVATION ET INVERSION 127
Exercice 15.2 1. Etablir la propriete :

FT
ei2x0 f (x) f( 0 ).
En deduire la transformee de Fourier de la fonction x 7 cos(2x)e|x| (, > 0) et la representer sur

un schema.
2. Etablir la propriete (de dilatation) :
FT
f (x/) ||f()
R
Une autre convention de definition de la transformation de Fourier est F[f (x)]() = R
dx f (x) eix .
Utilisez la propriete precedente pour calculer F[(x)]() avec cette convention.
Le theorème fondamental de la transformee de Fourier est le theorème suivant dit lemme de Riemann-Lebesgue
Th eorème 15.2.1 La transformee de Fourier dune fonction sommable est bornee, continue et tend vers 0 a
`
linfini.
a montre plus haut que la transformee de Fourier etait bornee. La continuite de f resulte des egalites
On a dej`
Z h i Z
lim f( + ) = lim f (x)ei(2+)x dx = f (x)ei2x dx = f(),
0 0
R R
u la permutation de la limite et du signe integral est justifiee. 4

o`
R
Pour montrer que f tend vers 0 ` a linfini, on approche f par une fonction en escalier g qui satisfait R |f (x)
g(x)| dx < , etant un nombre aussi petit quon le desire. g etant une fonction en escalier est une combinaison
lineaire de fonctions portes translatees, on a donc : | g ()| < , pour assez grand. La linearite de lintegrale
jointe à linegalite triangulaire permettent decrire :
Z
|f()| = |(f\ g)() + g()| |(f\ g)()| + |
g ()| |f (x) g(x)| dx + |
g ()|,
R
qui peut donc etre rendu aussi petit quon le desire pour assez grand.
On notera en particulier que la transformation de Fourier est une operation regularisante puisquelle rend
continue une fonction qui ne lest pas forcement (le cas de la porte, par exemple).
15.3 D
erivation et Inversion
1. Derivation
Les deux theorèmes de cette section traduisent les deux idees reciproques suivantes : plus une fonction
est derivable, plus sa transformee de Fourier decrot vite à linfini, plus une fonction decrot vite à linfini,
plus sa transformee de Fourier est derivable.
Commencons par un resultat sur la transformee de Fourier de la derivee dune fonction :
Th eme 15.3.1 Soit f L1 (R), de classe C 1 dont la derivee est sommable, alors
eor`
FT
f (x) 2i f()
et donc,
||f() 0 pour .
4. une application du th
eor`
eme de la convergence domin
ee ..

15.3. DERIVATION ET INVERSION 128
Pour retenir ce resultat, il suffit dintegrer par parties

Z Z
i2x

i2x +
F(f (x)) = f (x)e dx = f (x)e
+ i2 f (x)ei2x dx
R R
qui donne donc le resultat puisque f () = 0 5 . Le comportement à linfini est une consequence du lemme
de Riemann-Lebesgue applique ` a fb .
Pour la derivee de la transformee de Fourier dune fonction, on a :
Th eme 15.3.2 Soit f L1 (R) telle que x xf (x) soit sommable, alors
eor`
FT df
2ixf (x) ()
d
et donc f est de classe C 1 .
Ce resultat decoule des egalites

Z Z
df d
() = f (x)ei2x dx = (i2xf (x))ei2x dx = F(i2xf (x)),
d d
R R
o`
u l`
a encore, il faudrait justifier de linversion de la derivee et du signe integral.
Ces 2 resultats se generalisent aisement aux derivees dordre plus elevees.
Exercice 15.3 En sinspirant des theorèmes 2.3.1 et 2.3.2, etablir la formule donnant la derivee dordre
n de la transformee de Fourier dune fonction, et celle donnant la transformee de Fourier de la derivee
dordre n dune fonction.
On sattachera a` preciser les conditions requises pour lapplication de ces theorèmes.
Exercice 15.4 (a) Montrer que la fonction 7 f() F(ex )() verifie lequation differentielle :
2
f () + 2 2 f() = 0.
(b) Calculer f(0) puis determiner la solution de lequation differentielle.

(c) Utiliser la propriete de dilatation pour etablir le resultat :
r
ax2 FT 2 2 /a
e e pour a > 0.
a
2. Inversion
Nous avons vu comment f sexprime en fonction de f à la seule condition que f soit sommable. On se
pose maintenant la question de savoir sil est possible de definir f en fonction de f : cest le problème de
linversion de la transformation de Fourier. On a le resultat suivant :
Th eme 15.3.3 Soit f L1 (R) telle que f L1 (R), on a alors

eor`
Z
f (x) = e+i2x f() d
R
Ainsi, tant quon reste dans L1 , linversion nest possible que si f et f sont toutes les deux sommables.
On peut montrer que lon a pas mieux concernant cette propriete dinversion dans L2 . Le recours aux
distributions dites temperees pour lesquelles on sait definir une transformation de Fourier lève en partie
ces contraintes.
Rx
5. f (x) = f (0) + 0 f (y) dy, donc f () existe puisque f est sommable. De plus f () doit
etre nul, faute de quoi f ne
serait pas sommable.

15.4. CONVOLUTION 129
15.4 Convolution
Dans cette section on definit le produit de convolution de deux fonctions sommables, et lon montre que la
transformation de Fourier echange le produit de convolution et la multiplication. Cette dernière propriete est
dune importance fondamentale dans les applications comme nous le verrons dans la suite.
efinition 15.4.1 Soient f et g des fonctions sommables, le produit de convolution, note f g, est defini par
D
Z
(f g)(x) = f (x y)g(y) dy
R
Pour bien saisir cette definition, on pourra essayer de convoluer 2 portes identiques : le resultat est une fonction
ayant la forme dun triangle.
Comme premier exemple, considerons le potentiel electrostatique cree en un point r par une distribution de
charge volumique (r) contenue dans un volume V, on a :
Z
(r ) 3 1
V (r) = d r = ( V )(r),
|r r | r
V
o`
u V est la fonction egale à sur V et nulle ailleurs. Cette formule peut etre interpretee comme la reponse du
milieu etudie `
a la perturbation electrique localisee (r). La fonction a dans ce cas est le potentiel electrique cree
par une charge ponctuelle.
On pourra verifier aisement que le produit de convolution des fonctions sommables possède les proprietes
de commutativite, associativite et distributivite par rapport à laddition, soit :
f g = g f,
f (g h) = (f g) h,
f (ag + bh) = a(f g) + b(f h) pour a, b C.
Le theorème le plus utile pour les applications est le theorème suivant qui montre que la transformation de
Fourier remplace un produit de convolution par une multiplication.
Th eme 15.4.1 Soient f et g sommables , alors f g est sommable et,

eor`
f[
g = fg,
qui se demontre en ecrivant les definitions de chaque membre. Si f et g sont deux fonctions sommables, leur
produit nest en general pas sommable, ce qui ne permet pas toujours de definir F(f g). Par contre, on verra
plus loin quon peut demontrer une formule reciproque dans L2 .
Le produit de convolution intervient frequemment dans lanalyse des systèmes lineaires et homogènes. Une
situation assez generique consiste en effet à exciter un système par une fonction exterieure, que nous noterons
x 7 e(x) et à mesurer la reponse r(x) du système. Dans le cadre de notre etude, on supposera e et r sommables.
Le système physique etudie est dit lineaire et homogène si lon peut definir un operateur L : e 7 r = L(e), qui
satisfait aux deux proprietes suivantes :
L(e1 (x) + e2 (x)) = L(e1 (x)) + L(e2 (x)) avec , R
L(e(x x0 )) = r(x x0 )
La convolution permet de construire aisement un operateur lineaire et homogène. On montre en effet, que
si la reponse du système secrit sous la forme r = L(e) = a e, où a une fonction sommable , loperateur L est
bien lineaire et homogène. Toute linformation sur le système est alors contenue dans la fonction a quil importe
de determiner.
Le theorème sur la transformee de Fourier du produit de convolution permet de calculer la reponse r = a e
dun sytème lineaire et homogène. En effet la transformee de Fourier donne r = a e, cest-`
a-dire que chaque
composante e() du signal dentree se trouve multipliee (amplifiee ou attenuee) par un coefficient a (). Le

Entree Système lineaire et homogène Sortie

e(x) a(x) r(x) = (a e)(x)
Figure 15.3 Effet de filtre dun système lineaire et homogène.
système fonctionne donc comme un filtre frequentiel, la fonction a est appelee la fonction de transfert du filtre.
Comme exemples concrets de systèmes physiques homogènes et lineaires, on peut penser aux circuits electriques
constitues delements passifs (resistance, bobine et capacite) qui, correctement combines, ont effectivement des
fonctions de filtres.
Exercice 15.5 On considère les gaussiennes de largeur a = a1/2 definies par :

2
fa (x) = eax a > 0.
1. Après avoir rappele lexpression de fa , montrer que lon peut utiliser la formule dinversion pour retrouver
` partir de fa .
fa a
2. a et b etant 2 reels positifs, calculer fa fb , et en deduire la relation :
r

fa fb = f ab .
a + b a+b
3. Etudier le cas o`
u a b et en deduire lapproximation :
r

fa fb fa pour a b ,
b
cest-`
a-dire que la convolution dune fonction large et dune fonction etroite est une fonction large.
15.5 ee de Fourier dans L2 (R)

Transform
On a dejà signale, aussi bien pour des raisons physiques que mathematiques, que le cadre des fonctions
sommables est beaucoup trop etroit pour un usage commode des transformees de Fourier. Comme il nexiste
pas de relation dinclusion 6 entre L1 (R) et L2 (R) on peut, par exemple, etre amene à rencontrer des fonctions
qui appartiennent ` a L2 sans appartenir ` a L1 . Dans ce cas, il nest plus possible de definir la transformee de
Fourier par une formule integrale, puisque cette dernière expression na aucun sens. Un autre cas problematique
est celui des fonctions sommables dont la transformee de Fourier nest pas sommable mais de carre sommable.
Dans ce cas, on ne peut utiliser la formule dinversion, ce qui est très limitant dans la pratique.
Au debut de ce siècle, Plancherel a pu etendre les resultats connus sur la transformation de Fourier des
fonctions sommables aux fonctions de carre sommable, plus quelques autres que nous mentionnons dans la
suite.
Sans rentrer dans le detail, contentons nous de dire que la transformee de Fourier-Plancherel dune fonctions
de L2 est definie comme une limite de transformees de Fourier de fonctions appartenant à L1 L2 .
On a signale dans une section precedente, que lon ne pouvait pas en general definir fcg pour f et g dans L1
. Mais dans L2 , on a
Th eme 15.5.1 Soient f et g deux fonctions de L2 (R). Alors :

eor`
fcg = f g
A titre dexercice, vous pouvez essayer de verifier ce theorème dans le cas particulier o`
u on peut utiliser la
representation integrale.
Le resultat le plus important est la formule de Parseval-Plancherel :
2 2
6. Les exemples standards sont x 7 ex / x L1
/ L2 , x 7 ex L1 L2 , mais x 7 (x2 + 1)1/2 L2
/ L1 .

15.6. TRANSFORMEES DE FOURIER DANS S(R) 131
Th eme 15.5.2 Soient f et g deux fonctions de L2 (R). Alors :

eor`
Z Z
f (x)g(x) dx = f() g () d
R R
R
En effet R f (x)g(x) dx fcg(0) = f(0) b
g(0) par le theorème precedent. Le resultat est obtenu en observant
que b
g() = g() (`
a verifier !).
Dans le cas particulier o`
u f = g, la formule de Parseval-Plancherel secrit
Z Z
|f (x)|2 dx = |f()|2 d.
Lorsque f represente lamplitude dune onde ou dune deformation, ce resultat exprime que lenergie totale
associee peut etre calculee de facon equivalente dans lespace des positions ou dans lespace des frequences.
Exercice 15.6 Utiliser la formule de Parseval-Plancherel pour calculer les integrales suivantes :
Z n
sin x
dx pour n = 2, 3, 4.
x
R
Exercice 15.7 1. Calculer la transformee de Fourier de la fonction

1
x ,
1 + x2
et en deduire la transformee de Fourier de la fonction
x
x .
1 + x2
2. Après avoir etudie la parite des deux fonctions precedentes, calculer :
+
Z +
Z
cos mx x sin mx
dx et dx pour m > 0.
1 + x2 1 + x2
0 0
3. Utiliser la formule de Parseval-Plancherel pour calculer les integrales :

+
Z +
Z
1 x2
2 dx et 2 dx
(1 + x2 ) (1 + x2 )
0
15.6 Transform
ees de Fourier dans S(R)
On introduit un nouvel espace de fonctions, que lon appelle lespace de Schwartz, et que lon note S(R).
Cet espace designe lespace des fonctions indefiniment derivables a
` decroissance rapide, cest-`
a-dire des fonctions
indefiniment derivables sur R qui verifient :
n, p N, |xn (p) (x)| Mp,n , avec Mp,n reels.
Du fait de la contrainte très forte de decroissance plus rapide que toute fonction en xn , on notera que les
fonctions de S(R) sont, dun point de vue pratique, très semblables aux fonctions indefiniment derivables à
support bornes.
Donnons quelques proprietes de ces espaces.
Th eme 15.6.1 Les fonctions de S ainsi que toutes leurs derivees sont bornees et integrables sur R.
eor`

15.7. TRANSFORMEES ` PLUSIEURS VARIABLES.
A 132
Soit S. Par d
efinition, toutes ses d
eriv egalement dans S . Donc, n, p, |xn (p) (x)| Mp,n , et en particulier que
ees sont
|(1 + x2 ) (p) (x)| Mp,0 + Mp,2 . Toutes les d ees (p) sont donc born
eriv ees et major
ees par des fonctions int
egrables : elles sont
donc elles-m emes integrables.
Ainsi, puisque S(R) L1 (R), toutes les definitions, proprietes et theorèmes vus pour les fonctions sommables
setendent aux fonctions de lespace de Schwartz. En particulier la transformee de Fourier dune fonction
S(R) est definie, pour q R, par lintegrale :
Z
(q)
= [F ] (q) (x) ei2qx dx
R
Mais il y a plus : la formule dinversion est valable pour toute fonction de S (ce qui netait assure dans L1 , que
si la TF etait elle-meme dans L1 ), et la formule de Parseval-Plancherel (valable dans L2 mais pas dans L1 ),
setend aux fonctions de S. Le theorème qui suit resume la situation :
Th
eor`
eme 15.6.2 1. Soit S. Sa transformee de Fourier est elle-meme dans S.
2. Toute fonction S est la TF inverse dun element S, telle que :
Z

(x) = F 1 (x) (q) e+i2qx dq
R
3. Pour et dans S : Z Z
(x)(x) dx = dq,
(q)
(q)
R R
et en particulier, pour S : Z Z
|(x)| 2 dx = |(q)|
2
dq.
R R
La dernière egalite montre que la TF conserve la norme dans S(R).
15.7 Transform
ees `
a plusieurs variables.
.x designant le produit saclaire dans Rn , soit .x = x1 1 + + xn n si x = (x1 , , xn ) et = (1 , , n ),
on a la definition.
Definition 15.7.1 Soit f L1 (Rn ), on appelle transformee de Fourier de f , la fonction, a

` valeurs complexes,
notee f ou F(f ), definie pour tout Rn par :
Z
f() = ei2.x f (x) dx
Rn
On dispose dans Rn des memes resultats que ceux obtenus dans les sections precedentes pour les fonctions à
une variable. On discute maintenant 2 cas importants pour lesquels on peut obtenir des formules explicites.
1. Fonctions separables
Un cas particulièrement simple Q est le cas des fonctions separables, qui secrivent comme un produit de
n
a une variable : f (x) i=1 fi (xi ). Si chaque fonction fi est sommable dans R, on a simplement :
fonctions `
n
Y
f() = fi (xi )
i=1
Qn
puisque ei2.x = i=1 ei2i xi .

` COEFFICIENTS CONSTANTS
15.8. APPLICATIONS AUX EDO A 133
2. Fonctions radiales
Les fonctions radiales, dun usage très frequent en Physique, sont des fonctions qui ne dependent que de
la distance `
a lorigine. On a donc dans ce cas :
f (x) = F (r) u r (x21 + x2n )1/2

o`
Montrons dabord que si f est radiale alors f aussi. Si f est radiale cela veut dire que nimporte quelle
rotation R centree sur lorigine est telle que f (Rx) = f (x) pour tout x. Montrons alors que f(R) = f().
Z

f (R) = ei2R.x f (x) dx
Rn
Or, R.x = .R1 x, de sorte quen effectuant le changement de variable y = R1 x, de jacobien egal à 1,
on a Z

f (R) = ei2.y f (Ry) dy = f(),
Rn
puisque f (Ry) = f (y) par hypothèse

Posons (12 + n2 )1/2 , il existe donc une fonction G telle que f() = G(). On va montrer que G
sexprime en fonction de F . On peut toujours choisir un système daxes orthonormes, de telle sorte que
= (0, , n ) ( etant donne, cela revient à placer laxe Oxn dans la direction du vecteur ), alors,
puisque = n et f (x) = F (r) :
Z Z

f () = e i2n xn
f (x) dx = ei2xn F (r) dx = G()
Rn Rn
La suite du calcul depend de la dimension (le faire !) :
Z
G() = 2 cos(2r)F (r) dr pour n = 1,
0
Z
G() = 2 rJ0 (2r)F (r) dr pour n = 2,
0
Z
2
G() = r sin(2r)F (r) dr pour n = 3,

0
1
R 2
o`
u on a introduit la fonction de Bessel J0 (u) definie par la relation J0 (u) 2 0
eiu cos d.
Exercice 15.8 Soit (x, y, z) un element de R3 ; on pose r = (x2 + y 2 + z 2 )1/2 .

Calculer la transformee de Fourier de la fonction :
er
(x, y, z) , > 0.
r
15.8 Applications aux EDO `

a coefficients constants
Dans certaines circonstances que nous allons preciser plus loin, la transformation de Fourier transforme une
equation differentielle `
a coefficients constants en une equation algebrique. On dit parfois que la transformation
de Fourier diagonalise les operateurs ` a coefficients constants. Lorsque cette methode est appliquable, la trans-
formee de Fourier permet de determiner une solution particulière dune equation differentielle ayant un bon
comportement physique.

Considerons une equation differentielle lineaire à coefficients constants dordre m. Sa forme generale secrit
m1
X
f (m) (x) + ai f (i) (x) + a0 f (x) = h(x) (15.3)
i=1
o`
u h est une fonction donnee et f linconnue.
A lequation sans second membre, on associe lequation caracteristique :
m1
X
P () = m + ai i + a0 = 0
i=1
Prenons la transformee de Fourier de lequation differentielle ; alors, sil est legitime dappliquer le theorème
sur la transformee dune derivee, on obtient P (i2)f() = h().
Si le polyn ome caracteristique na aucune
racine imaginaire pure, on peut proceder à la division et lon obtient :

h()
f() =
P (i2)
Si maintenant f est elle-meme sommable, on peut utiliser la formule dinversion et lon obtient comme
solution :
Z
h()
f (x) = e+i2x d
P (i2)
R
Exemple
Un certain nombre de problèmes de Physique, dans des contextes varies, admettent une modelisation qui est
celle de loscillateur harmonique amorti. La dynamique du système est regie par lequation differentielle :
u (t) + u (t) + 02 u(t) = f (t)
u 0 , reel positif, est la frequence propre de loscillateur, R+ , un coefficient damortissement et f une force
o`
exterieure convenablement normalisee. Pour des raisons de commodite evidente, on posera /2 la variable
conjuguee du temps t dans la suite du problème. Le problème est de trouver u pour f donnee.
ome caracteristique P (i) = 2 + i + 02 admet pour racines :
Le polyn
i
= 1 ,
r2
2
1 = 02
4
ne peut etre reel sauf si = 0 (dans ce cas = 0 annule P (i)).
Plus precisement,
si 0 > /2, 1 est reel, a une partie reelle et une partie imaginaire, et on sattend à ce que la solution
oscille avec la frequence 1 et sattenue avec le temps caracteristique = 2/.
si 0 < /2, 1 et sont imaginaires purs, le système est dit sur-amorti, et il apparat 2 temps ca-
racteristiques damortissement : s
2
1 0
= 1 1
2 /2
il est facile de voir quen cas de fort amortissement : /2 0 , + /02 et 1/ ; au temps longs
devant , seul compte + ce qui revient à negliger le terme inertiel dans lequation differentielle et a`
considerer
u (t) + 02 u(t) = f (t),
equation effectivement utilisee dès lors que les effets visqueux sont preponderants.

Pour u et f dans L1 (R), et 6= 0, on peut donc ecrire :
f()
u
() =
2 + i + 02
La fonction de reponse du système est definie par le rapport effet/cause, soit ici :
u
() 1 1
() = = = ,

f () P (i) + i + 02
2
comme 12 = 02 2 /4, on a
2
2 + i + 02 = 2 + i + 12 + = 12 ( i/2)2
4
donc,

1 1 1
() = +
21 1 + i/2 1 + i/2
Pour 0 > /2 (1 reel), on a encore :

i 1 1 i
() = = F ei1 t e+i1 t H(t)et/2 ,
21 i( + 1 ) + /2 i( 1 ) + /2 21
et donc
1
(t) = sin(1 t)H(t)et/2 ,
1
u(t) = (t) f (t)
qui donne donc la solution pour toute force exterieure sommable, dans le cas 1 reel. On trouve bien, comme
annonce, une reponse du système qui oscille à la frequence 1 tout en samortissant avec le temps caracteristique
= 2/.
p
Lorsque 0 < /2, on a 1 = i 2 /4 02 , et lon peut ecrire :
" #
1 1 1 1 h i
t/+ t/
() = = F H(t) e e ,
21 i + + 1
i + 1 21
q
1 = 2 /4 02
Compte tenu des relations entre + et , on peut aussi ecrire :

1
(t) = sinh(1 t)H(t)et/2 ,
1
u(t) = (t) f (t),
2
solution qui se comporte bien comme e0 t/ au temps longs.
Exercice 15.9 On considère le circuit RC serie. u(t) designe la tension dentree, et on mesure la tension de
sortie v(t) aux bornes de la capacite C. On note = RC la constante de temps du circuit.
1. Montrer que les tensions satisfont lequation differentielle
v(t) u(t)
v (t) + =

2. On applique une tension dentree dont on suppose seulement quelle correspond a
` une fonction sommable.
Montrer que
v(t) = (a u)(t)
Donner lexpression de la fonction a.

15.9. CONCLUSION 136
3. On donne la forme suivante au signal dentree :
u(t) = u0 H(t)et
Quelle est la forme du signal de sortie :

(a) pour 6= 1 ?
` la resonance : = 1 ?
(b) a
4. Pourrait-on traiter le problème par la meme methode si le signal dentree avait la forme u(t) = u0 H(t)
(signal continu) ?
15.9 Conclusion
On a dej` a fait remarquer quune definition de la transformation de Fourier limitee aux fonctions sommables
(ou meme de carre sommables) etait beaucoup trop contraignante dans les applications. Ainsi, des fonctions
aussi courantes que les fonctions constantes ou la fonction de Heaviside, nadmettent pas de transformees de
Fourier au sens des fonctions, puisquelles nappartiennent ni à L1 (R), ni à L2 (R). En sappuyant sur lespace
de Schwartz des fonctions indefiniment derivables à decroissance rapide introduit plus haut, il est possible de
definir beaucoup plus de TF (y compris celles de fonctions constantes) dans le cadre de la theorie des fonctions
generalisees ou distributions.

Table des mati`
eres
I Variables complexes 5
1 Rappels sur les nombres complexes 7

1.1 Motivations historiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Le corps des nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Exponentielle complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Representation des nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.1 Representation cartesienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.2 Representation geometrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Fonctions dune variable complexe 13

2.1 Fonctions dune variable complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Derivation des fonctions dune variable complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Integration des fonctions dune variable complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Developpement en serie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Methode des residus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Transformation de Laplace au sens des fonctions 21

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Definition de la transformee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Holomorphie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Proprietes de la transformee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5 Comportements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.6 Inversion de la transformee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.7 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
II Equations diff
erentielles 35
4 Introduction 37
4.1 Mecanique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
137
`
TABLE DES MATIERES 138
4.2 Dynamique des Populations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

4.3 Equations aux Derivees Partielles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 Rappels sur les

equations diff
erentielles 41
5.1 Terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Quelques consequences de la linearite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3 Deux solutions explicites importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3.1 Equation differentielle lineaire du 1er ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3.2 Equations differentielles du second ordre à coefficients constants . . . . . . . . . . . . . . 44
5.4 Système dequations differentielles du 1er ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.5 Equation integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.6 Theorème dexistence et dunicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6 Syst`
emes Diff
erentiels Lin
eaires 51
6.1 Exponentielle de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2 Propagateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3 Calcul pratique du propagateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4 Equations differentielles en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.4.1 Diagonalisation des matrices 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.4.2 Forme explicite du propagateur en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . 55
7 Analyse qualitative des

equations diff
erentielles 59
7.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.2 Classification des points fixes (1 dimension) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8 Stabilit
e des syst`
emes diff
erentiels 63
8.1 Stabilite des systèmes differentiels lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.1.1 Portraits de phase en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2 Stabilite des systèmes differentiels non lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.2.1 Linearisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.2.2 Cycles limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
III Analyse dans Rn 69
9 Diff
erentier et Int
egrer 71
9.1 Derivees et differentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
9.2 Circulation et flux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
9.3 Operateurs differentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
9.4 Formule de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
9.5 Singularites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

`
9.6 Differentielles exactes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

9.7 Theorèmes de Helmholtz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.8 Theorème de Leibnitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
10 Approximer et calculer 85
10.1 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
10.2 Approximation de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
10.3 Distribution de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
10.4 Integrales Gaussiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
11 Minimiser 91
11.1 Extremalisation sans contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
11.2 Multiplicateurs de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
11.3 Transformation de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
IV Alg`
ebre lin
eaire 97
12 El
ements dalg`
ebre lin
eaire 99
12.1 Determinants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
12.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
12.2.1 Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
12.2.2 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
12.3 Système dequations lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
12.4 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
13 Scalaires, vecteurs, tenseurs 107

13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
13.2 Notations et changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
13.3 Scalaires, vecteurs et tenseurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
13.4 Produits et contractions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
13.5 Base reciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
V Analyse de Fourier 115
14 S
eries de Fourier 117
14.1 Des problèmes historiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
14.2 Definition des series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
14.3 Convergence des series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
14.4 Derivation et Integration terme `
a terme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
14.5 Phenomène de Gibbs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

`
14.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
15 Transformation de Fourier au sens des fonctions 123

15.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
15.2 Transformee de Fourier dans L1 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
15.3 Derivation et Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
15.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
15.5 Transformee de Fourier dans L2 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
15.6 Transformees de Fourier dans S(R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
15.7 Transformees `
a plusieurs variables. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
15.8 Applications aux EDO `
a coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
15.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

Methodes Math Ematiques PDF

Transféré par

Droits d'auteur :

Formats disponibles

Methodes Math Ematiques PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Methodes Math Ematiques PDF

Transféré par

Droits d'auteur :

Formats disponibles

Universite Paris-Sud 11

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Rappels sur les nombres complexes

G. W. von Leibniz, 1702.

1.1 Motivations historiques

Ce probl`eme a pour solutions les racines

1.2 Le corps des nombres complexes

efinition 1.2.2 Soient x = (a, b) et y = (c, d) deux nombres complexes,

Th eme 1.2.1 Lensemble des nombres complexes, note C, est un corps

Exercice 1.2 Montrer que pour x 6= (0, 0),

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

efinition 1.2.3 On posera i (0, 1), par definition.

Exercice 1.3 Verifier que dans C :

1.3 Exponentielle complexe

efinition 1.3.1 Par definition, pour tout z C,

Exercice 1.4 Montrer que pour tout x C

ome) que pour a et b dans C

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

En utilisant les operations definies precedemment, on peut ecrire :

(x, y) = (x, 0) + (0, y) = (1, 0)(x, 0) + (0, 1)(y, 0) = 1 x + i y x + iy

Exercice 1.7 Verifier que

qui est donc un nombre reel, positif ou nul.

On peut passer de la representation cartesienne `a la representation geometrique (module-argument) en

z = x + iy = |z| cos + i |z| sin = |z| ei

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

En utilisant la representation geometrique, on obtient

zn = 1 |z|n ein = 1 = 1 ei2k , kZ

Th eme 1.4.1 Un polyn

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Fonctions dune variable complexe

2.1 Fonctions dune variable complexe

f : z = x + iy 7 Z = f (z) = X(x, y) + iY (x, y).

En utilisant la representation geometrique de z, z = ei = ei e+i2k , avec k Z, on trouve que f (z) =

si z = ei avec R+ et ] , +[, w = 1/2 ei/2

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Th eme 2.2.4 Une fonction holomorphe est indefiniment derivable.

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Th eme 2.3.3 Soit f une fonction holomorphe dans D a

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Th eor`eme 2.4.1 Si f est holomorphe au point z = a, il existe un disque de centre a a

C etant nimporte quelle courbe fermee reguli`ere situee a

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

La singularite de f en z = a est appelee un p

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

A1 = lim [(z a)f (z)] .

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Methodes mathematiques - L3 Physique et Chimie - Annee 2010 - Jean-Luc Raimbault

Transformation de Laplace au sens des

I=R et K(, t) = eit , R (Fourier),

et celles de Laplace, pour laquelle on a :

Definition 3.2.1 Soit f une fonction de la variable reelle, la transformee de Laplace de f ,

t 7 |f (t) ezt | = |f (t)| ext L1 (R+ )

Introduisons dabord la notion dabcisse de sommabilite.

efinition 3.2.2 Le nombre reel :

x0 inf{x R | t 7 f (t) ext L1 (R+ )}

est appele labcisse de sommabilite de f .