Vous êtes sur la page 1sur 105

Mathmatiques pour la Mcanique

Daniel Cho 1
LMNO
Groupe Mcanique Modlisation Mathmatique et Numrique
Universit de Caen, Bld Marchal Juin, 14032 Caen Cedex, France

Version Novembre 2008

1 choi@meca.unicaen.fr

Mathmatiques pour la Mcanique

Avertissement
Ce document est inspir dun cours enseign par lauteur lUniversit
de Caen en Licence de Mcanique et de divers manuels de Mathmatiques
tels que [Rud95], [Car85], [Sch67], [Que64], [Dix76]. Il tait anciennement
intitul Mathmatiques pour la Licence de Mcanique. Initialement destin
aux tudiants en Mcanique, nous esprons cependant quil puisse tre utile
aux lves ingnieurs par la gnralit des thmes abords.
Il sagit principalement de dfinir les bases mathmatiques ncessaires
la modlisation, lanalyse avant mme lventuelle rsolution (essentiellement numrique) dun problme en mcanique.
Ainsi, nous avons identifis les notions dalgbre linaire, de calcul diffrentiel, de calcul intgral, de la rsolution de systmes diffrentiels ordinaires, comme bases indispensables matriser pour tout tudiant en mcanique ou en sciences de lingnieur.
Viennent ensuite diverses notions comme la thorie des fonctions dune
variable complexe qui vont essentiellement servir la recherche de solutions
analytiques au niveau L3 ou qui pourront avoir un rle plus large et thorique
au niveau Master. La thorie de lintgrale de Lebesgue, base de lanalyse
fonctionnelle, est fondamentale pour justifier sur un plan mathmatique toute
la modlisation en Mcanique des milieux continus et notamment la justification dun problme bien pos. Elle permet galement de bien dfinir la
transformation de Fourier quon retrouve peu prs partout en Mcanique.
Mais il nest pas ncessaire pour un tudiant en Mcanique ou un lve
ingnieur de la matriser : on se contentera de prsenter les rsultats les plus
important en ce qui nous concerne. Vient ensuite la thorie des distributions,
permettant de reprsenter notamment les cas de des charges ponctuelles donnant un sens gnralis la notion de drive. Nous terminons par une trs
courte introduction lanalyse fonctionnelle en prsentant les espaces de Hilbert et en particulier les espaces de Sobolev donnant le cadre thorique des
problmes bien pos et au del de la thorie, les bases de la mthode des
lments-finis, omniprsent dans la rsolution numriques des problmes issus de la mcanique.
Ce Document est encore et toujours incomplet, il manque un certain
nombre de rsultats, ne contient pratiquement pas dmonstrations et surtout
ce document manque cruellement dexemples : il ne se substitue en aucune
faon un vrai cours de Mathmatiques.
Il est possible (probable) quil contienne des erreurs, mme grave. Toutes
contributions suggestions ou commentaires sont les bienvenus : envoyez moi
un email choi@meca.unicaen.fr
c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique

Table des matires

Conventions et notations
Notations . . . . . . . . . . . . . . . . . . . . . . .
Convention de sommation suivant les indices rpts
Notation des drives partielles . . . . . . . . . . . .
Indices et exposant Grecs ou Latins . . . . . . . . . .
1

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

Algbre linaire : Espaces vectoriels et applications linaires


1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Espace vectoriel : une prsentation intuitive . . . . . . . . . . . .
1.1.2 Exemples despace vectoriel . . . . . . . . . . . . . . . . . . . .
1.1.3 Espace vectoriel : la dfinition . . . . . . . . . . . . . . . . . . .
1.1.4 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . .
1.1.5 Indpendance linaire : vecteurs libres, vecteurs lis . . . . . . .
1.1.6 Produit despaces vectoriels . . . . . . . . . . . . . . . . . . . .
1.1.7 Cas des espaces Rn t des espaces vectoriels rels de dimension finie
1.2 Application linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Oprateurs linaires . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Quelques exemples despaces vectoriels et dapplications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Matrice dune application linaire . . . . . . . . . . . . . . . . . . . . .
1.3.1 Bijection entre L (X, R) et X . . . . . . . . . . . . . . . . . .
1.3.2 Norme dune application linaire . . . . . . . . . . . . . . . . . .
1.3.3 Produit de deux matrices et composition de deux applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.4 Changement de bases et Matrices de passage . . . . . . . . . . .
1.4 Cas des oprateurs linaires Matrices carrs . . . . . . . . . . . . . . .
1.4.1 Adjoint dun oprateur linaire . . . . . . . . . . . . . . . . . . .

c
Daniel
Cho 2003-

7
7
7
8
9
10
10
10
11
11
12
13
13
14
15
15
17
17
19
19
20
21
22
22

Universit de Caen

Mathmatiques pour la Mcanique

1.5

1.6

1.7

1.4.2 Partie symtrique et antisymtrique dun oprateur linaire de Rn


Dterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Dterminant de n vecteurs de Rn . . . . . . . . . . . . . . . . .
1.5.2 Dterminant dune matrice carr Dterminant dun oprateur
linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Rgles de calcul dun dterminant Dveloppement suivant une
ligne ou une colonne . . . . . . . . . . . . . . . . . . . . . . . .
lments de thorie spectrale . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1 Spectre dun oprateur linaire . . . . . . . . . . . . . . . . . . .
1.6.2 Rduction dun oprateur linaire . . . . . . . . . . . . . . . . .
1.6.3 Cas des matrices symtriques dfinies positives . . . . . . . . . .
Annexe : quelques preuves . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.1 Preuve du thorme 1.2.4 . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Preuve du thorme 1.2.8 . . . . . . . . . . . . . . . . . . . . . .
1.7.3 Preuve de la proposition 1.3.4 . . . . . . . . . . . . . . . . . . .

Calcul diffrentiel
2.1 lments de topologie mtrique . . . . . . . . . . . . . . . . . . . . .
2.2 Fonctions continues de plusieurs variables . . . . . . . . . . . . . . . .
2.3 Fonction diffrentiable Application drive . . . . . . . . . . . . . .
2.3.1 Cas des fonctions relles dfinie sur un intervalle rel . . . . . .
2.3.2 Cas gnral . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3 Matrice Jacobienne et drives partielles . . . . . . . . . . . . .
2.4 Gradient, divergence, rotationnel . . . . . . . . . . . . . . . . . . . . .
2.4.1 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2 Divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.3 Rotationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.4 Quelques remarques et proprits des oprateurs diffrentiels . .
2.5 Drivation le long dune courbe Drivation partielle dans une direction
2.6 Fonction drive . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7 Drive seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8 Principaux thormes sur les fonctions de plusieurs variables . . . . . .
2.9 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.10 Extrema dune fonction relle . . . . . . . . . . . . . . . . . . . . . .
2.11 Coordonnes cylindriques et sphriques . . . . . . . . . . . . . . . . .
2.11.1 Expressions en coordonnes Cylindriques . . . . . . . . . . . .
2.11.2 Expressions en coordonnes sphriques . . . . . . . . . . . . .

23
23
23
24
25
26
26
27
28
29
29
30
30

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

31
31
33
33
33
34
37
38
38
38
39
39
40
41
41
42
42
43
43
43
46

Intgrale de Riemann
3.1 Dfinition de lintgrale de Riemann . . . . . . . . . . . . . . . . . . . .
3.2 Principales proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47
47
48

c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique


3.3
3.4
3.5
3.6
3.7
4

Intgration et drivation . . . . . . . .
Formule intgrale de Taylor . . . . . .
Intgrale sur un contour . . . . . . . .
Intgrale sur un pav de Rn . . . . . .
Intgrale multiple Formule de Jacobi

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Thorme de Stokes et Formule de la divergence


4.1 Formes diffrentielles . . . . . . . . . . . . . .
4.2 Diffrentielle dune forme diffrentielle . . . .
4.3 Thorme de Stokes Formule de la divergence
4.4 Formule de la divergence : dfinition . . . . . .
4.4.1 Cas o est un domaine de R . . . . .
4.4.2 Cas o est un domaine de R2 . . . .
4.4.3 Cas o est un domaine de R3 . . . .
4.4.4 Formules de Stokes . . . . . . . . . . .
4.4.5 Formules de Green . . . . . . . . . . .
Calcul diffrentiel sur un tenseur dordre 2
5.1 Tenseur dordre 2 . . . . . . . . . . . .
5.2 Gradient dun tenseur dordre 2 . . . . .
5.3 Divergence dun tenseur dordre 2 . . .
5.4 Tenseur en coordonnes cylindriques . .
5.5 Tenseur en coordonnes sphriques . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

49
49
49
50
50

.
.
.
.
.
.
.
.
.

52
52
54
54
55
55
55
56
57
57

.
.
.
.
.

59
59
60
60
61
63

Systmes diffrentiels ordinaires

64

Fonction dune variable complexe


7.1 Nombres Complexes . . . . . . . . . . . . . . . .
7.2 Fonctions holomorphes . . . . . . . . . . . . . . .
7.2.1 Fonctions holomorphes . . . . . . . . . . .
7.2.2 Conditions de Cauchy-Riemann . . . . . .
7.3 Suite et Sries de nombres complexes . . . . . . .
7.4 Divers . . . . . . . . . . . . . . . . . . . . . . . .
7.4.1 Fonctions exponentielle et trigonomtrique
7.5 Intgrales complexes . . . . . . . . . . . . . . . .
7.5.1 Formule intgrale de Cauchy . . . . . . . .
7.5.2 Srie de Laurent . . . . . . . . . . . . . .
7.5.3 Thormes des rsidus . . . . . . . . . . .
7.5.4 Classification des Ples singuliers . . . . .
7.5.5 Reprsentation conforme . . . . . . . . . .

65
65
67
67
68
68
69
69
70
70
72
73
73
74

c
Daniel
Cho 2003-

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

Universit de Caen

Mathmatiques pour la Mcanique


8

Thorie restreinte de la mesure


La mesure de Lebesgue
8.1 Ensemble lmentaire . . . . . . . . . . . . . . . . . . . . . . . . .
8.1.1 Pavs et mesure dun pav . . . . . . . . . . . . . . . . . .
8.1.2 Ensemble lmentaire et mesure dun ensemble lmentaire
8.2 Ensemble mesurable . . . . . . . . . . . . . . . . . . . . . . . . .
8.2.1 Mesure extrieure . . . . . . . . . . . . . . . . . . . . . . .
8.2.2 Ensemble mesurable . . . . . . . . . . . . . . . . . . . . .
8.2.3 Mesure dun ensemble mesurable . . . . . . . . . . . . . .
8.2.4 Ensemble de mesure nulle . . . . . . . . . . . . . . . . . .
8.3 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . .
8.3.1 Limites de fonctions continues . . . . . . . . . . . . . . . .
8.3.2 Proprits des fonctions mesurables . . . . . . . . . . . . .
8.3.3 Classe des fonctions nulles presque partout . . . . . . . . .
8.4 Quelques remarques . . . . . . . . . . . . . . . . . . . . . . . . . .
8.4.1 Sur les fonctions non-mesurables . . . . . . . . . . . . . .
8.4.2 Sur la thorie abstraite de la mesure . . . . . . . . . . . . .
Intgrale de Lebesgue
Thorme de convergence domine
9.1 Fonctions tages . . . . . . . . . . . . . . . . . . . . .
9.1.1 Fonctions lmentaires . . . . . . . . . . . . . .
9.1.2 Fonctions tages . . . . . . . . . . . . . . . . .
9.1.3 Intgrale dune fonction tage . . . . . . . . . .
9.1.4 Intgrale de Lebesgue dune fonction mesurable
9.2 Thormes de Lebesgue . . . . . . . . . . . . . . . . .
9.2.1 Thorme de convergence monotone . . . . . . .
9.2.2 Lemme de Fatou . . . . . . . . . . . . . . . . .
9.2.3 Thorme de convergence domine . . . . . . .
9.2.4 Thorme de drivation sous le signe intgral . .
9.2.5 Thorme de Fubini . . . . . . . . . . . . . . .
9.3 Espaces L1 et L2 . . . . . . . . . . . . . . . . . . . . .

10 Transformation de Fourier des fonctions


10.1 Prliminaires . . . . . . . . . . . . .
10.1.1 Quelques intgrales utiles . .
10.1.2 Espace S (Rn ) . . . . . . . .
10.1.3 Produit de convolution . . . .
10.1.4 Suites rgularisantes . . . . .
10.2 Transformation de Fourier . . . . . .
10.3 Rapports avec la convolution . . . . .

c
Daniel
Cho 2003-

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

75
76
76
76
77
77
77
78
78
78
78
79
79
79
79
79

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

80
80
80
81
82
82
83
83
84
85
86
86
87

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

88
88
88
88
89
89
90
91

Universit de Caen

Mathmatiques pour la Mcanique


10.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11 Introduction la thorie des distributions
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . .
11.2 Espace des fonctions infiniment drivables support compact
11.3 Thorie des distributions . . . . . . . . . . . . . . . . . . .
11.3.1 Exemples de distributions . . . . . . . . . . . . . .
11.3.2 Drivation des distributions . . . . . . . . . . . . .
11.3.3 Opration sur les distributions . . . . . . . . . . . .
11.3.4 Convergence au sens des distributions . . . . . . . .
11.3.5 Support dune distribution . . . . . . . . . . . . . .
11.4 Variantes des distributions . . . . . . . . . . . . . . . . . .
11.4.1 Distribution dordre finie . . . . . . . . . . . . . . .
11.4.2 Distribution support compact . . . . . . . . . . . .
11.4.3 Distribution tempre . . . . . . . . . . . . . . . . .
11.5 Produit de convolution de deux distributions . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

92
93
93
94
94
95
95
96
96
96
96
96
97
97
97

12 Petite introduction lanalyse fonctionnelle


98
12.1 Espace de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
12.1.1 Quelques caractrisations abstraites dun espace de Banach . . . . 99
12.1.2 Quelques exemples despaces de Banach . . . . . . . . . . . . . 100
12.1.3 Quelques exemples despaces qui ne sont pas des espaces de Banach100
12.2 Espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
12.2.1 Quelques exemples despaces de Hilbert . . . . . . . . . . . . . . 101
12.2.2 Principaux rsultats sur les Hilberts . . . . . . . . . . . . . . . . 101

c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique

Conventions et notations

Dans ce document, nous serons parfois amen utiliser quelques conventions de notations propres la mcanique. En particulier nous utiliserons la convention de sommation
par rapport aux indices rpts (on lit galement convention dEinstein) et nous noterons
souvent les drives partielles laide dun indice prcd dune virgule.
Nous commenons toutefois par quelques notations utiliss dans ce document qui sont
du reste tout fait usuel.

Notations
Nous navons pas cherch faire dans loriginalit, ainsi dans tout le document R
dsigne lespace des nombres rels tandis que C sera lespace des nombres complexes.
Les quantits scalaire seront systmatiquement not en italique, tandis que les objets
vectoriels seront not soit avec une flche soit en caractre gras :
On dsigne gnralement par f ou g une fonction scalaire
Les objets vectoriels seront souvent dsign par u dont les composantes ui sont
des quantits scalaires.
Le symbole reprsentera gnralement un domaine bord rgulier de Rn , o n en
mcanique dsigne souvent les nombres 2 ou 3.

Convention de sommation suivant les indices rpts


La convention dEinstein sur la sommation sur les indices ou exposants rpts est
une convention destin allger les critures dans les formules mathmatiques sans pour
autant les rendre ambigu.
La convention implique une sommation sur des termes produits ds lors quils prsentent des indice rpts :
c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique


Ainsi, par exemple, pour x = [x1 , x2 , . . . , xn ]> et y = [y1 , y2 , . . . , yn ]> , deux vecteurs
de Rn , le produit scalaire :
n
X
x.y =
xi y i ,
i=1

o lon remarque lindice i qui apparat rpt, sera not plus simplement :
x.y = xi yi .
De mme pour un produit de matrices C = BA :
ckj =

m
X

bki aij

ckj = bki aij .

i=1

Si un vecteur x a pour composantes (x1 , x2 , ..., xn ) dans la base e1 , e2 , . . . , en , on crit


x=

n
X

xi e i

x = xi e i

i=1

Si on note, dans R3 le produit mixte des vecteurs de la base canonique :


ijk = (ei , ej , ek ) = ei .(ej ek )
On peut crire le produit mixte de trois vecteurs a, b et c par
(a, b, c) =

3 X
3 X
3
X

ijk ai bj ck

(a, b, c) = ijk ai bj ck ,

i=1 j=1 k=1

o on a appliqu la convention sur les trois indices rpts i, j et k.


En ralit, ce manuscrit a davord t rdig sans utiliser cette convention. Ainsi, on
ne la trouve pas dans la plupart des chapitres. Nous avons les avons cependant ajout en
bleu, dans la mesure du possible.

Notation des drives partielles


En mcanique et en mathmatiques en gnral, nous avons souven affaire des systmes dquations aux drives partielles. Ainsi pour allger les notations on prfrera
utiliser la notation en indice prcd dune virgule :
f
= f,x
x
ui
= ui,j
xj
2 ui
= ui,jk .
xj xk
c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique


Si on considre une fonction scalaire f dfini sur Rn ( valeur dans R) alors pour
toute direction h = [h1 , h2 , . . . , hn ]> , on crit la drive de f dans la direction h :
f (x)(h) =

n
X
f
(x)hi
x
i
i=1

f (x)(h) = f,i (x)hi .

o on a galement utilis la convention de sommation suivant les indices rpts.

Indices et exposant Grecs ou Latins


Bien que la plupart des thories mathmatique soit prsent dans un espace abstrait
de dimension n, en Mcanique les problmes sont gnralement poss dans les variables
despace. Cest dire quon travaille en dimension 3 en gneral et en dimension 2 pour
des problmes plans.
Alors, il est une faon bien commode si un problme est en dimension 2 ou 3 :
lutilisation rserve des indices et exposants Grecs en dimension 2,
lutilisation rserve des indices et exposants Latins en dimension 3.
Ainsi le systme
ij,j + fj = 0 i = {1, 2, 3}
identifie immdiatement un problme trois dimension (avec une sommation sur j), tandis que dans
, + f = 0 = {1, 2}
on reconnait un problme en dimension 2 (avec une sommation sur ) .

c
Daniel
Cho 2003-

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 1

Algbre linaire : Espaces


vectoriels et applications linaires

Une bonne connaissance de lalgbre linaire est essentielle en Mathmatiques appliques. cest une thorie sur laquelle repose le calcul diffrentiel ou encore la rsolution
de systmes linaires, indispensable pour une ventuelle approximation numrique des
problmes de la mcanique. Nous prsentons ici les dfinitions et les rsultats principaux.
Nous renvoyons par exemple [Que64] ou nimporte quel cours dalgbre de premier
cycle universitaire ou de classes prparatoires.

1.1
1.1.1

Espaces vectoriels
Espace vectoriel : une prsentation intuitive

Un espace vectoriel est un ensemble dlments x, y, . . . , appels vecteurs, sur lequel


sont dfinis les oprations linaires : une addition et une multiplication par un scalaire
(un nombre rel ou complexe), avec les rgles usuelles lies la notion daddition et de
multiplication :associativit, commutativit, lment neutre, transitivit,...
Dans le jargon mathmaticien laddition dsigne une opration interne entre deux vecteurs donnant un vecteur, tandis que la multiplication est une opration externe entre un
scalaire et un vecteur donnant encore un vecteur.
On parle despace vectoriel rel si les scalaires sont les nombres rels. De mme, on

c
Daniel
Cho 2003-

10

Universit de Caen

Mathmatiques pour la Mcanique


parle despace vectoriel complexe si les scalaires sont les nombres complexes. Dans toute
la suite, sauf mention contraire, les espaces vectoriels seront rels.

1.1.2

Exemples despace vectoriel

1. Le premier exemple despace vectoriel rel est lensemble des nombres rels R luimme, avec videmment les addition et multiplication usuelles. Dans ce cas particulier, les nombres rels sont la fois considrs comme des scalaires et comme
des vecteurs en tant qulments de lespace vectoriel.
Il en va de mme pour lensemble des nombres complexes C. Cependant, dans ce
cas, on peut distinguer deux possibilits : C en tant quespace vectoriel complexe,
ou bien C en tant quespace vectoriel rel (on parle de plan complexe pour cette
dernire).
2. Autre exemple, lensemble des fonctions dfinies sur un intervalle de I R
valeur relle : on dfinit naturellement laddition de deux fonctions f et g par :
h=f +g

h(x) = f (x) + g(x) x I.

La multiplication dune fonction f par un scalaire est dfinie par


h = f

h(x) = f (x) x I.

En fait dans cet exemple, un point crucial est que laddition est une opration interne :
autrement dit, laddition de deux fonctions doit encore tre une fonction dfinie sur I
valeur relle. Il en va de mme pour la multiplication. Cest ce quon appelle la stabilit
linaire.
Une consquence est quun espace vectoriel contient ncessairement un lment neutre pour laddition, savoir le vecteur nul.
Ainsi, le sous-ensemble des fonctions valant 1 en 0, nest pas un espace vectoriel pour
laddition et la multiplication usuelle, puisque la fonction nulle nen fait pas partie.

1.1.3

Espace vectoriel : la dfinition

Pour information et par souci de compltude, donnons la dfinition exacte et prcise


et abstraite1 de la notion despace vectorielle :
Dfinition 1.1.1. Soit E, un ensemble abstrait, muni dune opration interne note + et
dune opration externe note . avec un scalaire rel (resp. complexe).
On dit que (E,0 +0 ,0 .0 ) possde une structure despace vectoriel sur R (resp. sur C) si
les conditions suivantes sont satisfaites :
1

Comme on pourra le remarquer, en Mathmatique plus on est abstrait et plus on est prcis ;-)... Cest
comme a ! Et encore : ici, nous nous sommes restreint aux cas rel ou complexe...
c
Daniel
Cho 2003-

11

Universit de Caen

Mathmatiques pour la Mcanique


1. x, y E, x + y E
2. x E, R (resp. C), .x E
3. x, y, z E, (x + y) + z = x + (y + z)
4. x, y E, x + y = y + x
5. x E, , R (resp. C), .x = .(.x)
6. x, y E, R (resp. C), .(x + y) = .x + .y
7. x E, , R (resp. C), ( + ).x = .x + .x
8. Il existe 0E E tel que x E, x + 0E = 0E + x = x
9. x E, y E tel que x + y = 0E
Un lment dun espace vectoriel est appel vecteur, et nous choisissons de le noter
avec une flche.
Remarquons que la notion espace vectoriel est une notion de structure dun ensemble
muni doprateurs. On dsigne usuellement de manire abusive (mais sans ambigut)
lespace vectoriel (E,0 +0 ,0 .0 ) tout simplement par E, car les oprations interne (addition)
et externe (multiplication par un scalaire) sont gnralement implicites et ne ncessitent
pas dtre rappeles.
Cest bien ce que nous indiquions dans la sous-section prcdente : un espace vectoriel
est en gros un ensemble pour lequel est dfini une addition et une multiplication par un
scalaire.

1.1.4

Sous-espace vectoriel

Dfinition 1.1.2. Soit E un espace vectoriel rel et soit un sous-ensemble non vide X
E. X est un [sous-]espace vectoriel rel sil satisfait aux conditions de stabilit linaire,
cest dire :
x+y X
x X
pour tout x, y X et pour tout scalaire R.
Remarque 1.1.3. On a naturellement une dfinition analogue pour les sous-espaces despaces vectoriels complexe.
Par exemple, toute droite de R2 passant par 0 est un sous-espace vectoriel de R2 ou
encore toute droite ou tout plan de R3 passant par 0 est un sous-espace vectoriel de R3 .

c
Daniel
Cho 2003-

12

Universit de Caen

Mathmatiques pour la Mcanique

1.1.5

Indpendance linaire : vecteurs libres, vecteurs lis

Soit E un espace vectoriel (rel ou complexe) et soient p vecteurs x1 , x2 , . . . , xp . Si


1 , . . . , p sont des scalaires, alors on dit que le vecteur
1 x1 + + p xp
est une combinaison linaire des vecteurs x1 , . . . , xp .
Dfinition 1.1.4. On dit que les vecteurs x1 , x2 , . . . , xp forment une famille libres, ou
bien quils sont linairement indpendants si toute combinaison linaire non nulle de ces
vecteurs est ncessairement non nulle :
Si 1 x1 + + p xp = 0 alors, 1 = = p = 0.
Dfinition 1.1.5. On dit que p vecteurs x1 , x2 , . . . , xp sont lis si ils ne sont pas libres.
Proposition 1.1.6. Soit x1 , x2 , . . . , xp une famille de p vecteurs. Si ces vecteurs sont libres
(ou linairement indpendants), alors la dcomposition de
x = 1 x1 + + p xp
est unique.

1.1.6

Produit despaces vectoriels

Soient E1 et E2 deux espaces vectoriels rels (resp. complexes). On dfinit lespace


produit par lensemble
E1 E2 = {(x1 , x2 ) tels que x1 E1 et x2 E2 } .
On munit cet espace produit dune addition et dune multiplication induite par celles de
E1 et de E2 :
(x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 )
(x1 , x2 ) = (x1 , x2 )
Munis de ces oprations linaires, lespace produit E1 E2 est encore un espace vectoriel
rel (resp. complexe).
Ainsi, par exemple on note R2 = R R et par rcurrence :

Rn = R Rn1 n = 2, 3, . . .

c
Daniel
Cho 2003-

13

Universit de Caen

Mathmatiques pour la Mcanique

1.1.7

Cas des espaces


finie

Rnt des espaces vectoriels rels de dimension

Dfinition 1.1.7. On dit quun espace vectoriel E est de dimension k sil possde une
famille libre de k vecteurs et que toute famille de k + 1 vecteurs est li.
Dfinition 1.1.8. On dit quune famille B de vecteurs de E est gnratrice ou encore que
cette famille engendre E si tout vecteur de E est une combinaison linaire des vecteurs
de B.
Dfinition 1.1.9. Une base dun espace vectoriel E est une famille libre et gnratrice,
cest--dire quune base est constitue dune famille de vecteurs linairement indpendants et qui engendre E.
Ainsi, si B = (x1 , . . . , xn ) est une base de E alors tout vecteur x de E se dcompose
de manire unique en une combinaison linaire des vecteurs de la base B :
x=

i=n
X

i xi .

i=1

Les coefficients 1 , . . . , n sont les coordonnes de x dans la base B.


Par exemple, la base de Rn est constitue des vecteurs ei = (0, . . . , 1, . . . , 0), dont
toutes les coordonnes sont nulles sauf la ieme qui vaut 1.
Si x Rn avec x = (x1 , . . . , xn ), alors
x=

i=n
X

xi e i

i=1

La base (e1 , . . . , en ) est appele base canonique de Rn .


On a alors de cette faon :
Thorme 1.1.10. Lespace R est de dimension n. On note dim Rn = n.
Thorme 1.1.11. Tout espace vectoriel de dimension n est isomorphe Rn .
Thorme 1.1.12. Soit E un espace vectoriel de dimension n.
1. Une famille de n vecteurs de E engendre E si et seulement si cest une famille libre.
2. E possde au moins une base et toute base est constitu de n vecteurs.
3. Si Y = (y1 , . . . , ym ) (1 m n) est un systme libre de E, alors il existe une
base de E contenant ce systme. Autrement dit, on peut toujours complter une
famille libre en une base.

c
Daniel
Cho 2003-

14

Universit de Caen

Mathmatiques pour la Mcanique

1.2

Application linaire

Dans toute la suite, sauf indication contraire, un espace vectoriel dsignera un espace
vectoriel rel.
Dfinition 1.2.1. Une application A dun espace vectoriel E vers un espace vectoriel F
est une application linaire si
1. A(x1 + x2 ) = A(x1 ) + A(x2 ) pour tout x1 , x2 E.
2. A(x) = A(x) pour tout x E et tout scalaire .
Pour dsigner une application linaire, on lit parfois homomorphisme, dans un langage
plus savant2 .
On note souvent Ax, limage dun vecteur x par une application linaire A, au lieu de
A(x). Cest essentiellement parce quen reprsentation matricielle (voir plus loin) lapplication ou la composition sassimile un produit de matrice.
Remarquons que si A est une application linaire alors on a ncessairement
A(0) = 0.
Proposition 1.2.2. Une application linaire est entirement dtermine par les images
des vecteurs dune base.
En effet, si (x1 , . . . , xn ) est une base de E alors tout vecteur x se dcompose de
manire unique
i=n
X
x=
i xi .
i=1

Alors la linarit de A permet de calculer A(x) partir des vecteurs A(xi ) :


A(x) =

i=n
X

i A(xi ).

i=1

1.2.1

Oprateurs linaires

Une application linaire dun espace vectoriel E image dans E est appele oprateur
linaire sur E (on lit aussi endomorphisme sur E).
Dfinition 1.2.3. Si A est un oprateur linaire sur E qui tablit une bijection de E vers
E, on dit que A est inversible. On peut alors dfinir lapplication rciproque A1 de E
vers E par la relation
A1 (Ax) = x.
2

la notion dapplication linaire peut tre considre comme le prolongement dun homomorphisme de
groupe un espace vectoriel
c
Daniel
Cho 2003-

15

Universit de Caen

Mathmatiques pour la Mcanique


On a galement A(A1 x) = x et A1 est linaire.
Thorme 1.2.4. Soit A un oprateur linaire sur un espace vectoriel de dimension finie
E, alors les conditions suivantes sont quivalentes
A est injectif
A est surjectif
A est bijectif
Preuve en annexe 1.7.1.
Signalons tout de mme que ce thorme nest plus vrai si E est de dimension infinie :
pensez lespace vectoriel des suites numriques et lapplication qui enlve le premier
lment de la suite3 qui est une application surjective de lespace des suites vers lui mme
mais qui nest pas injective puisque le noyau nest pas rduit 0, cest dire la suite
infinie de 0..
Encore quelques dfinitions :
Dfinition 1.2.5. On note L (E, F ) lensemble des applications linaires dun espace
vectoriel E vers une espace vectoriel F .
Dans le cas des oprateurs linaires, au lieu de L (E, E) on crit plus simplement
L (E).
Si A1 et A2 sont dans L (E, F ) et si 1 et 2 sont deux scalaires, on dfinit lapplication 1 A1 + 2 A2 par
(1 A1 + 2 A2 )x = 1 A1 x + 2 A2 x,

x E.

Naturellement on a (1 A1 + 2 A2 ) L (E, F ).
Dfinition 1.2.6. Si E, F et Z sont trois espaces vectoriels et si A L (E, F ), B
L (F, Z), on dfinit leur produit BA comme tant la compose de A et B :
(BA)x = B(Ax)

x E.

On a alors BA L (E, Z).


Soulignons que mme si E = F = Z, le produit doprateurs linaires ne commute
pas, i.e.
AB 6= BA en gnral.
Dfinition 1.2.7. Pour A L (Rn , Rm ), on peut dfinir une norme de A par le sup de
tous les vecteurs kAxk quand x parcourt la boule unit de Rn centre en 0 :
kAk = sup kAxk.
kxk=1
3

cest loprateur shift en anglais

c
Daniel
Cho 2003-

16

Universit de Caen

Mathmatiques pour la Mcanique


Par linarit, on a alors toujours lingalit :
kAxk kAkkxk.
Thorme 1.2.8.
Si A L (Rn , Rm ) alors kAk < + et A est une application
uniformment continue sur Rn .
Si A, B L (Rn , Rm ) et si est un scalaire alors
kA + Bk kAk + kBk

kAk = || kAk.

Si A L (Rn , Rm ) et B L (Rm , Rp ) alors


kBAk kAkkBk.
Preuve en annexe 1.7.2.

1.2.2

Quelques exemples despaces vectoriels et dapplications linaires

1. On note Rn [X] lensemble des polynmes rels de degr n.


2. Lespace des fonctions dfinies sur un intervalle de R (cest un e.v. de dimension
infinie)
3. Lensemble des applications linaires de Rn dans Rm .
4. Lespace des matrices n m (de dimension mn).
5. Lensemble des solutions dune quation diffrentielle ordinaire homogne linaire
coefficients constants ou non (dimension finie).
6. Lensemble des solutions dune quation aux drive partielles linaires homogne.
Exercice : Pour chacun de ces exemples donner un sous-espace vectoriel.

1.3

Matrice dune application linaire

Soient X et Y deux espaces vectoriels de dimension respective n et m.


Soient (x1 , . . . , xn ) et (y1 , . . . , ym ) deux bases respectives de X et Y . Toute application
linaire A L (X, Y ) dtermine un ensemble de coefficients nots aij tels que
A(xj ) =

m
X

aij yi

(1 j n).

(1.1)

i=1

c
Daniel
Cho 2003-

17

Universit de Caen

Mathmatiques pour la Mcanique


Il est usuel et commode de reprsenter ces coefficients dans un tableau rectangulaire de m
lignes et de n colonnes appel matrice mn not M (A)4 , on parle alors de reprsentation
matricielle de lapplication linaire :

a11 a12 . . . a1n


a21 a22 . . . a2n

M (A) =
. . . . . . . . . . . . .
am1 am2 . . . amn
Remarquons que les coordonnes aij du vecteur A(xj ) apparaissent dans la j me colonne
de la matrice M (A). Les vecteurs A(xj ) sont donc parfois appels vecteurs colonnes de
la matrice M (A).
On appelle rang de A, la dimension de limage de X par A. Il est donc gal la
dimension de lespace engendr par le vecteurs colonnes de M (A).
A laide des coefficients
Pde la matrice on peut dterminer limage de tout vecteur x de
X par A. En effet, si x = i xi , on dduit par linarit de A que
!
m
n
X
X
(1.2)
A(x) =
aij j yi .
i=1

j=1

Rciproquement, donnons nous maintenant une matrice m n de coefficients aij , note


M (A). Si on dfinit lapplication A par la formule (1.2), on remarque que A L (X, Y ),
o nous rappelons que X et Y sont des espaces vectoriels de dimension n et m respectivement. Ainsi :
Thorme 1.3.1. Il y a une bijection entre L (X, Y ) et lensemble des matrice m n,
m lignes, dimension de lespace darrive,
n colonnes, dimension de lespace de dpart.
Exemple : Plaons nous dans R2 et R3 , si relativement des bases (e1 , e2 ) et (f1 , f2 , f3 ),
une application linaire est dfinie comme
A(e1 ) = f1 + f2 + f3
A(e2 ) = f1 f2 .
Alors, la matrice de lapplication linaire A dans les bases considres scrit :

1 1
A = 1 1 .
1 0
4

On le note galement dautres faon telles que (A) ou encore M ou bien [A], pour tre tout fait
rigoureux il faudrait indiquer Mat(A,{xj }, {yi }) ; cest--dire indiquer la matrice de lapplication linaire
A de la base de dpart{xj } dans la base darrive {yi }.
c
Daniel
Cho 2003-

18

Universit de Caen

Mathmatiques pour la Mcanique


Ainsi, si par exemple
x = 1 e1 + 2 e2 ,
alors
A(x) = (1 + 1 )f1 + (1 1 )f2 + 1 f3 .
Ce quon note galement noter sous la forme :

 
1 + 1
1
A
= 1 1 .
2
1

1.3.1

Bijection entre L (X, ) et X

Enchanons par un rsultat fondamental :


Thorme 1.3.2. Soit X un espace vectoriel rel de dimension finie. tant donn une
base de X, on peut dfinir le produit scalaire : x = xi xi y = yi xi
x.y = xi yi .
Ainsi pour tout x X, on dfini une forme linaire sur X. Rciproquement, toute forme
linaire sur X, via sa reprsentation matricielle, peut tre prsente comme un produit
scalaire par un vecteur de X.
Il existe donc une bijection entre L (X, R) et X.
Corollaire 1.3.3. Dans le cas o X = Rn le produit scalaire rapport la base canonique dfinit la bijection naturelle entre L (Rn , R) et Rn .
Cette bijection est essentielle pour bien comprendre le calcul diffrentiel : Ainsi un
rel a peut tre identifi une forme linaire relle dfinit par lapplication qui associe
tout rel x, la valeur ax.
De mme un vecteur a R2 peut tre identifi forme linaire relle dfinit par
lapplication qui associe tout vecteur x, la valeur relle a.x.

1.3.2

Norme dune application linaire

Terminons cette section par une proposition permettant dobtenir une estimation de la
norme dune application linaire grce sa reprsentation matricielle
Proposition 1.3.4. Soit aij les coefficients de la matrice de A L (X, Y ) de la base
(x1 , . . . , xn ) de X dans (y1 , . . . , yn ) de Y . On a la majoration :
!1/2
X
.
kAk
a2ij
i,j

Preuve en annexe 1.7.3


c
Daniel
Cho 2003-

19

Universit de Caen

Mathmatiques pour la Mcanique

1.3.3

Produit de deux matrices et composition de deux applications


linaires

Considrons prsent un troisime espace vectoriel Z de dimension p avec une base


(z1 , . . . , zp ). Si A est dfinie par (1.1), dfinissons de la mme manire une application
linaire B L (Y, Z) laide de coefficients bki :
B(yi ) =

p
X

(1 i m).

bki zk

(1.3)

k=1

On peut alors dfinir lapplication compose BA L (X, Z) par


(BA)(xj ) =

p
X

ckj zk .

k=1

Mais comme
(BA)(xj ) = B(Axj )
!
m
X
=B
aij yi
i=1

m
X

aij B(yi )

i=1

m
X

aij

p
X

i=1

on a finalement
(BA)(xj ) =

bki zk ,

k=1

p
m
X
X

bki aij zk ,

k=1 i=1

cest dire :
ckj =

m
X

bki aij .

(1.4)

i=1

On dit aussi que la matrice p n, note C, de coefficients ckj est le produit de la matrice
A par la matrice B.
La formule (1.4) donne la rgle usuelle du produit de deux matrices.
Terminons par la rgle : le produit dune matrice n m par une matrice m p, donne
une matrice n p.
(n m)(m p) = (n p).
Si les dimensions des espaces ne rentrent pas dans le cadre de cette rgle, le produit nest
pas dfini, les dimensions despaces tant incompatibles.

c
Daniel
Cho 2003-

20

Universit de Caen

Mathmatiques pour la Mcanique

1.3.4

Changement de bases et Matrices de passage

Dans la pratique, et notamment en Mcanique, il apparat souvent judicieux de passer


dun systme de coordonnes un autre suivant les besoins. Il est donc ncessaire de
matriser les outils permettant ces passages.
Soit X un espace vectoriel de dimension n et soit un vecteur x X de coordonnes
i dans la base (x1 , . . . , xn ). Soit (x01 , . . . , x0n ) une autre base de X. Supposons connues
les coordonnes des vecteurs x0i dans la base (x1 , . . . , xn ) :
x0j

n
X

pij xi .

i=1

On a donc dfini une matrice P reprsentant lapplication identit de X, muni de la base


(x01 , . . . , x0n ), dans X, muni de la base (x1 , . . . , xn ) :
IdX (x0j )

x0j

n
X

pij xi .

i=1

Thorme 1.3.5. La matrice P ayant pour j me colonne les coordonnes de x0j dans la
base (x1 , . . . , xn ) est inversible. On lappelle la matrice de passage de la base (x1 , . . . , xn )
vers la base (x01 , . . . , x0n ).
De plus, si i sont les anciennes coordonnes de x dans (x1 , . . . , xn ), formant la
matrice colonne (n 1) [x]x , on peut les exprimer en fonction des nouvelles coordonnes j0 de x dans (x01 , . . . , x0n ), notes galement par une matrice colonne [x]x0 avec la
formule :
[x]x = P [x]x0

P 1 [x]x = [x]x0 .
En rsum, si
x=

n
X

j xj =

j=1

n
X

j0 x0j ,

et

j=1

alors
i =

x0j

n
X

pij xi ,

i=1
n
X

pij j0 .

j=1

Autrement dit, pour obtenir les nouvelles coordonnes en fonction des anciennes, il faut
passer par la matrice de passage P 1 de la base (x01 , . . . , x0n ) vers la base (x1 , . . . , xn ).
La notation P 1 est justifie par le fait que P 1 est ncessairement la matrice inverse
de P . En effet, on doit avoir
P P 1 = P 1 P = In ,
o In est la matrice identit n n.

c
Daniel
Cho 2003-

21

Universit de Caen

Mathmatiques pour la Mcanique


Considrons maintenant une application linaire A L (X, Y ) o X et Y sont toujours des espaces vectoriels de dimension n et m respectivement.
On muni X des bases (x1 , . . . , xn ) et (x01 , . . . , x0n ), avec P la matrice de passage de
(x1 , . . . , xn ) vers (x01 , . . . , x0n ).
0
On muni de mme Y des bases (y1 , . . . , ym ) et (y10 , . . . , ym
), avec Q la matrice de
0
0
passage de (y1 , . . . , ym ) vers (y1 , . . . , ym ). Alors, on a la proposition :
Proposition 1.3.6. Soit M la matrice de A de la base (x1 , . . . , xn ) de X vers la base
(y1 , . . . , ym )de Y . Alors la matrice M 0 de A de la base (x01 , . . . , x0n ) de X vers la base
0
(y10 , . . . , ym
) de Y , se dcompose :
M 0 = Q1 M P.
Dmonstration. En effet, on a
[A(x)]y0 = M 0 [x]x0
et
[A(x]y0 = Q1 [A(x)]y = Q1 M [x]x = Q1 M P [x]x0 .
Dans le cas particulier o A est un oprateur linaire (on dit aussi endomorphisme)
sur X, si P est la matrice de passage de la base (x1 , . . . , xn ) vers la base (x01 , . . . , x0n ),
alors si M et M 0 sont les matrices de A dans (x1 , . . . , xn ) et (x01 , . . . , x0n ) respectivement,
alors on a
M 0 = P 1 M P.

1.4

Cas des oprateurs linaires Matrices carrs

Dans le cas dun oprateur linaire (i.e. un endomorphisme) de Rn , la reprsentation


matricielle est une matrice n n. Une telle matrice, ayant le mme nombre de ligne et de
colonne, est dite carre.

1.4.1

Adjoint dun oprateur linaire

Dfinition 1.4.1. Soit A un oprateur linaire sur Rn , loprateur adjoint A est dfini
par :
x, y Rn , hA x, yi = hx, Ayi.
Proposition 1.4.2. Soit M la reprsentation matricielle dun oprateur linaire A de Rn
dans une certaine base orthonorme. Alors la reprsentation matricielle M de ladjoint
A dans cette mme base est gale la transpose de M .
M = M
c
Daniel
Cho 2003-

ou encore
22

Mij = Mji .
Universit de Caen

Mathmatiques pour la Mcanique

1.4.2

Partie symtrique et antisymtrique dun oprateur linaire de

Rn

Dfinition 1.4.3. La partie symtrique dun oprateur linaire A de Rn est gale la


somme de A et de A divis par deux :
Asym =

1
(A + A ) .
2

Dfinition 1.4.4. La partie antisymtrique dun oprateur linaire A de Rn est gale la


somme de A et de A divis par deux :
Aantisym =

1
(A A ) .
2

Proposition 1.4.5.
A
= Asym + Aantisym ,

Asym
= Asym ,
Aantisym = Aantisym .
Proposition 1.4.6. La partie antisymtrique dun oprateur linaire A de Rn dfinit de
manire unique un vecteur v de Rn tel que
x Rn ,

Aantisym x = v x.

Par exemple dans R3 , si v = (v1 , v2 , v3 ), on a



v2 x3 v3 x2
0 v3 v2
x1
0 v1 x2
v x = v3 x1 v1 x3 = v3
v1 x2 v2 x1
v2 v1
0
x3

1.5
1.5.1

Dterminant
Dterminant de n vecteurs de

Rn

Le thorme suivant est galement une dfinition :


Thorme 1.5.1. Soit E = Rn , et soit (x1 , . . . , xn ) une base de E. Il existe une unique
n-forme alterne dfinie sur E n appele dterminant telle que
det(x1 , . . . , xn ) = 1.
(xi )

c
Daniel
Cho 2003-

23

Universit de Caen

Mathmatiques pour la Mcanique


E n dsigne le produit despace E E E (n fois). Le dterminant tant altern
par dfinition, le dterminant de n vecteurs de E change de signe si on permute deux
vecteurs :
det(v1 , . . . , vj , . . . , vk , . . . , vn ) = det(v1 , . . . , vk , . . . , vj , . . . , vn ).
(xi )

(xi )

Par consquent, le dterminant de n vecteurs est nul si deux vecteurs sont gaux :
det(v1 , . . . , vj , . . . , vj , . . . , vn ) = 0.
(xi )

Plus gnralement, si une famille de n vecteurs est li, cest--dire que au moins un
des vecteurs est une combinaison linaire des autres, par linarit le dterminant est ncessairement nul.
Rciproquement, si une famille est libre, son dterminant est une combinaison linaire
non nulle du dterminant de la base. On nonce ainsi un critre pour dterminer si une
famille de n vecteur de E est une base de ou non :
Thorme 1.5.2. Une famille (v1 , . . . , vn ) de n vecteurs de E = Rn , est une base de E
si et seulement si
det(v1 , . . . , vn ) 6= 0.
(xi )

Dans toute la suite, on dfinira toujours le dterminant rapport la base canonique de


E plutt quune base quelconque. Ainsi le dterminant ne sera dsign que par le symbole
det.

1.5.2

Dterminant dune matrice carr Dterminant dun oprateur linaire

Soit A une matrice n n, elle est donc constitu de n colonnes de matrices n 1,


chacune delles reprsentant un vecteurs de Rn (ou nimporte quel espace vectoriel de
dimension n). Ainsi on peut dfinir le dterminant dune matrice par lintermdiaire de
ses vecteurs colonnes :
Dfinition 1.5.3. Le dterminant dune matrice carr est dfini par le dterminant de ses
vecteurs colonnes.
Proposition 1.5.4. Soit I la matrice identit n n, par dfinition det I = 1.
Proposition 1.5.5. Soit A une matrice carr n n,
det A = det At

c
Daniel
Cho 2003-

24

Universit de Caen

Mathmatiques pour la Mcanique


Proposition 1.5.6. Soient A et B deux matrices n n. Bien que A et B ne permutent pas
en gnral, on a
det(AB) = det(BA) = det A det B.
Cette dernire proprit permet de dfinir dun oprateur linaire : Soit f un oprateur
linaire sur E et soit A une reprsentation matricielle de f dans une base (xi ) et B la
reprsentation matricielle de f dans une autre base (yi ). Par consquent il existe une
matrice de passage P de la base (xi ) vers la base (yi ). Si bien que
det A = det(P 1 BP ) = det(P P 1 B) = det B.
Autrement dit, si on dfinit le dterminant dun oprateur linaire par le dterminant de
sa reprsentation matricielle dans une base, ce dterminant est indpendant du choix de
la base.
Dfinition 1.5.7. Soit f un oprateur linaire sur E et soit A une reprsentation matricielle de f dans une base (xi )
det f = det A.
Thorme 1.5.8. Un oprateur linaire est bijectif ou inversible si et seulement si son
dterminant est non nul.

1.5.3

Rgles de calcul dun dterminant Dveloppement suivant


une ligne ou une colonne

Soit A une matrice carr n n dont les coefficients sont aij . On dfinit des sousmatrices extraites de A utiles pour le calcul dun dterminant :
Dfinition 1.5.9. On appelle mineur de aij dans A, le dterminant de la sous matrice
extraite de A te de la i-me ligne et la j-me colonne. On le note ij .
Dfinition 1.5.10. On note ComA, la matrice dont les composantes notes Aij sont les
cofacteurs de A :
Aij = (1)i+j ij .
On dit que ComA est la matrice des cofacteurs de A.
Thorme 1.5.11. Soit A une matrice carr n n dont les coefficients sont aij et soient
Aij ses cofacteurs.
On a alors le dveloppement du dterminant suivant la i-me ligne :
det A =

n
X

aij Aij ,

j=1

c
Daniel
Cho 2003-

25

Universit de Caen

Mathmatiques pour la Mcanique


et le dveloppement suivant la j-me colonne :
det A =

n
X

aij Aij .

i=1

Une consquence immdiate est le calcul trs simple du dterminant dune matrice
triangulaire suprieure (resp. infrieure), i.e. une matrice dont les coefficients au dessous
(resp. au dessus) de la diagonale sont tous nuls :
Proposition 1.5.12. Soit A une matrice carr triangulaire, son dterminant est le produit
de ses coefficients diagonaux.
Proposition 1.5.13. Soit A une matrice 2 2 de coefficients a ,


a11 a12
= a11 a22 a12 a21 .

det A =
a21 a22
Preuve : On vrifie aisment que la forme linaire ainsi dfinie est alterne et satisfait
det I = 1 o I dsigne la matrice identit. Par dfinition, cest le dterminant.
Ainsi pour calculer le dterminant dune matrice 3 3 on peut dvelopper suivant la
3-me colonne (par exemple) :








a11 a12 a13








a21 a22 a23 = (1)1+3 a13 a21 a22 +(1)2+3 a23 a11 a12 +(1)3+3 a33 a11 a12 .
a21 a22
a31 a32
a31 a32


a31 a32 a33
On termine par une formule donnant linverse dune matrice :
Thorme 1.5.14. Soit A une matrice carr n n inversible, alors si A1 dsigne son
inverse on a
1
A1 =
Com At .
det A

1.6
1.6.1

lments de thorie spectrale


Spectre dun oprateur linaire

Dfinition 1.6.1. Soit A un oprateur linaire sur Rn , un scalaire Rn est une valeur
propre de A si il existe un vecteur non nul x tel que :
Ax = x.
On dit alors que x est un vecteur propre associ .

c
Daniel
Cho 2003-

26

Universit de Caen

Mathmatiques pour la Mcanique


Lensemble des valeurs relles pour lesquels lapplication [A I] est une bijection,
est appel ensemble rsolvant. Le complmentaire sur R de lensemble rsolvant est le
spectre de A.
Remarque 1.6.2. Il est clair que lensemble des valeurs propres est contenu dans le
spectre. Cette inclusion est une galit dans le cas o A opre sur un espace de dimension finie, mais est stricte dans le cas gnral : Pensez loprateur shift dans lespace
vectoriel des suites numriques de carr sommable : 0 est dans le spectre mais nest pas
une valeur propre !
Dfinition 1.6.3. Soit A un oprateur linaire sur Rn , le le dterminant
PA (X) = det (A XIn ),
cest un polynme de degr n. On lappelle polynme caractristique de A.
Le polynme caractristique est utile dans la dtermination des valeurs propres dun
oprateur linaire :
Proposition 1.6.4. Les racines du polynme caractristique dun oprateur linaire A
sont les valeurs propres de A.
Remarquons que les valeurs propres tant des racines dun polynme, il est tout fait
possible quelles nexistent pas toutes dans R (cest--dire que certaines sont complexes).

1.6.2

Rduction dun oprateur linaire

Dfinition 1.6.5. On dit quun oprateur linaire sur Rn est diagonalisable si il existe
une base de vecteurs propres. Dans une telle base la reprsentation matricielle de A est
une matrice diagonale compose des valeurs propres de A.
Proposition 1.6.6. Soit A un oprateur linaire sur Rn , et soient v1 , v2 , . . . , vn , une base
de vecteurs propres associes aux valeurs propres i . Soit D la matrice, diagonale, dont
tous les coefficients sur la diagonale est constitus des valeurs propres 1 , 2 , . . . , n et
dont tous les autres coefficients sont nuls. Alors D est la reprsentation matricielle de A
dans la base de vecteurs propres associe.

1 0 . . . 0
0 2 . . . 0

D = ..
.. . .
..
.
.
.
.
0 0 . . . n
Si de plus P est la matrice de passage dune base p1 , p2 , . . . , pn vers la base de vecteurs propres v1 , v2 , . . . , vn , alors la reprsentation matricielle M de A dans la base
p1 , p2 , . . . , pn est donn par :
M = P DP 1 .
c
Daniel
Cho 2003-

27

Universit de Caen

Mathmatiques pour la Mcanique


En gnral, un oprateur linaire (resp. une matrice carre) nest pas diagonalisable,
il suffit de penser aux cas de valeurs propres complexes. Il est cependant possible disoler
quelques cas o il est possible de diagonaliser :
Proposition 1.6.7. Soit A un oprateur linaire sur E un espace vectoriel rel de dimension n. Si les valeurs propres sont toutes distinctes et relles, alors A est diagonalisable.
Naturellement la proposition prcdente nest pas du tout une condition ncessaire, est
une application peut possder des valeur propres multiples et tre diagonalisable : pensez
loprateur identit.
Terminons par deux rsultats trs importants :
Thorme 1.6.8. Il est toujours possible de trigonaliser un oprateur linaire dans C
(resp. une matrice carre).
Il sen suit le thorme
Thorme 1.6.9. Cayley-Hamilton Soit A un oprateur linaire sur Rn et PA son polynme caractristique, alors PA (A) = 0.
En fait, la rduction dun endomorphisme (un oprateur linaire), sapplique galement lorsquon a pas diagonalisation : cest la dcomposition spectrale.
Thorme 1.6.10. Soit A un oprateur linaire sur Rn . On suppose que le polynme minimal de A est scind (pas de racines complexes). Alors on peut dcomposer A = D + N
o D est diagonale et N est nilpotente. De plus N et D commutent. Cette dcomposition
est unique.

1.6.3

Cas des matrices symtriques dfinies positives

Le cas des matrices symtriques dfinies positives est trs utile en mcanique, puisque
la plupart des objets rencontrs comme les formes dnergie de dformation lastique
(tenseur des contraintes, des dformations) pourront tre reprsentes (dans leur version
discrtise) par de telles matrices, voir la mthode des lments-finis par exemple.
Commenons par un rsultat fondamental concernant les matrices symtriques :
Thorme 1.6.11. Soit A un oprateur linaire autoadjoint (i.e, symtrique) de Rn alors
A est diagonalisable et de plus il existe une base orthonorme de vecteurs propres.
Dmonstration. Principe de la preuve : par rcurrence.
Dfinition 1.6.12. Soit A un oprateur linaire sur Rn .
On dit que A est positive si x Rn , A(x).x 0.
On dit que A est dfinie positive si il existe c > 0 telle que x Rn , A(x).x ckxk.
c
Daniel
Cho 2003-

28

Universit de Caen

Mathmatiques pour la Mcanique


Ainsi, soit v1 , . . . , vn une base orthonorme de vecteurs propres associs aux valeurs
propres i dune matrice symtrique A. Alors pour tout v Rn , il existe une dcomposition unique
v = i vi
si bien que, si min dsigne la plus petite valeur propre,
(Av, v) = i i2 min kvk2
do
Thorme 1.6.13. Soit A un oprateur linaire sur Rn , A est dfinie positive si et seulement si toutes ses valeurs propres sont strictement positives.

1.7
1.7.1

Annexe : quelques preuves


Preuve du thorme 1.2.4

Supposons que X soit de dimension gale n et soit (x1 , . . . , xn ) une base de X.


Daprs la linarit de A, limage de A est engendr par le systme de n vecteurs S =
(Ax1 , . . . , Axn ), on en dduit que S engendre X (autrement dit que A est surjectif) si S
est un systme libre.
Montrons que si A est injectif alors A est surjectif.
Si A est injectif, cela signifie que Ax = 0 = x = 0. Or si
i=n
X

i xi = 0

i=1

on a par linarit de A
A

i=n
X

!
i xi

= 0 =

i=1

i=n
X

i x i = 0

i=1

mais comme les xi sont une famille libre, on obtient que les coefficients i sont ncessairement tous nuls. Autrement dit que le systme S est libre.
Rciproquement, montrons que si A est surjectif alors A est injectif. P
Si A est surjectif cela signifie que le systme S est libre. Alors si x =
i xi annule
loprateur A : Ax = 0, alors par linarit on a
! i=n
i=n
X
X
0 = A(x) = A
i xi =
i A(xi )
i=1

i=1

mais puisque S est une famille libre, cela signifie que les coefficients i sont tous nuls,
autrement dit que x est ncessairement nul, ce qui prouve que A est injectif.
c
Daniel
Cho 2003-

29

Universit de Caen

Mathmatiques pour la Mcanique

1.7.2

Preuve du thorme 1.2.8

Soit x un vecteur tel que kxk = 1. x se dcompose dans la base canonique sous la
forme
i=n
X
x=
i ei .
i=1

Puisque kxk =

P

i=n
i=1

i2

1/2

= 1. On a alors ncessairement |i | 1, do

i=n
i=n
i=n
X
X
X
kAxk = k
i A(ei )k
|i | kAei k
kAei k n < +
i=1

i=1

i=1

Puisque nous avons pour tout x, y Rn , kAx Ayk kAkkx yk, on en


dduit luniforme continuit.
De la linarit de A, nous obtenons facilement
k(A + B)xk kA(x) + B(x)k kA(x)k + kB(x)k (kAk + (kBk)kxk
de mme
kA(x)k = || kxk.
Enfin, on a
k(BA)xk kB(Ax)k kBkkAxk kBkkAkkxk

1.7.3

Preuve de la proposition 1.3.4

Soit x X, de coordonnes i dans la base (x1 , . . . , xn ), daprs lingalit de


Schwarz on a
!2
!
m
n
m
n
n
X
X
X
X
X
X
kA(x)k2 =
aij j

a2ij
k2
a2ij kxk2 .
i=1

c
Daniel
Cho 2003-

j=1

i=1

30

j=1

k=1

i,j

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 2

Calcul diffrentiel

On connat bien depuis le secondaire la notion de fonction relle dfinie sur un intervalle. Ltude dune fonction consiste gnralement dans ltude de sa continuit, de
sa drivabilit ou de son taux de croissance. Dans cette section, on tend ces notions
aux fonctions de plusieurs variables, cest--dire des applications dfinies sur des parties
(ouvertes) de Rm valeurs dans Rn .

2.1

lments de topologie mtrique

Le titre de cette section est trompeur, il ne sagit ici que de rappeler quelques dfinitions usuelles en topologie mtrique, il ny a aucune proprit nonce. Il sagit pour
lessentiel de donner un sens la notion de convergence pour des objets autre que des
scalaires...
Rappelons que dans Rn , un ouvert O est une partie de Rn telle que pour tout lment
x0 de O, la boule (ferme) de centre x0 et de rayon > 0,
B(x0 , ) = {x Rn , tel que |x0 x| },
soit incluse dans O pour tout suffisamment petit.
Par ailleurs un ensemble sera dit ferm si son ensemble complmentaire est ouvert.
Autrement dit, une partie de Rn est ouverte si elle ne contient aucun point de sa frontire,
tandis quune partie de Rn est ferme si elle contient tous les points de sa frontire. On
remarquera, quau contraire dune porte, un ensemble peut tre ni ouvert ni ferm.
c
Daniel
Cho 2003-

31

Universit de Caen

Mathmatiques pour la Mcanique


La raison pour laquelle le calcul diffrentiel se fait sur des ensembles ouverts est, disons, technique. Il sagit pour lessentiel dliminer des petites subtilits pouvant survenir
sur le bord des ensembles considrs (par exemple la notion de continuit gauche ou
droite dans le cas dune fonction dune variable relle). Il ny a donc pas lieu dinsister
trop sur cet aspect de la thorie dans un premier temps.
Dans toute la suite, la norme dun vecteur x de Rn est la norme euclidienne usuelle,
si
n
X
x=
x i ei
i=1

les {ei } dsignant la base canonique de Rn , alors


v
u n
uX
kxk = t (xi )2 .
i=1

Il est facile de vrifier que cette norme satisfait aux conditions dfinissant une norme :
kx + yk kxk + kyk,
kxk = kxk,
kxk = 0 x = 0.
Dfinition 2.1.1. On dira dun lment (ou vecteur) x de Rn quil converge vers un autre
lment x0 de Rn si la norme de la diffrence x0 x tend vers 0 :
x x0 kx0 xk 0.
Dfinition 2.1.2. Une suite xn de Rn est une suite de Cauchy si et seulement si
lim

n,m+

kxn xm k = 0.

Par ailleurs, on est amen utiliser souvent la notion de reste ngligeable, nots petit
o et grand O dans le sens o
lim O(h) = 0,
khk0

o(h)
= 0.
khk0 khk
lim

Remarque 2.1.3. Les notions de convergences et de suite de Cauchy, prsentes ici, se


gnralisent sans modification tout espace vectoriel de dimension finie ou non, muni
dune norme.

c
Daniel
Cho 2003-

32

Universit de Caen

Mathmatiques pour la Mcanique

2.2

Fonctions continues de plusieurs variables

Revenons tout dabord au cas o les fonctions sont dfinies sur Rn (ou sur des ouverts
de Rn ) dans le cas familier o n = 1 afin dy jeter un nouveau regard.
Si f est une fonction valeurs relles dfinie sur un intervalle ouvert ]a, b[ de R et si
x0 ]a, b[ alors
Dfinition 2.2.1. On dit que f est continue en x0 si
lim f (x) = f (x0 ).

xx0

Remarquons ici que la notion x tends vers x0 naturelle dans R ne lest plus si x dsigne
des objets abstraits, do la ncessit dune topologie.
On va voir quil est possible de reformuler cette dfinition de faon lgrement plus
abstraite afin de la gnraliser : On peut dire que f est continue en x0 si > 0, >
0 tel que
|x0 x| |f (x0 ) f (x)|
autrement dit f est continue en x0 si
f (x) = f (x0 ) + O(|x x0 |).
Pour plus dinformations sur la notion densemble ouvert, on peut consulter les manuels de topologie lmentaire ; il est conseill de se limiter la topologie mtrique dans
un premier temps. Il faut savoir que mme si la topologie est une science trop abstraite
pour ce cours, elle est une base fondatrice du calcul diffrentiel et donc de toutes les
mathmatiques appliques faisant intervenir des quations aux drives partielles, et en
premier lieu la mcanique. En fait, on utilise la topologie sans le savoir, un peu comme
M. Jourdain.

2.3

Fonction diffrentiable Application drive

2.3.1

Cas des fonctions relles dfinie sur un intervalle rel

De faon classique on la dfinition pour une fonction dune variable relle valeur
dans R :
On dit que f est drivable en x0 sil existe un rel f 0 (x0 ) dfini par
f (x0 + h) f (x0 )
.
h0
h

f 0 (x0 ) = lim

Cependant, comme pour la continuit, on va adopter une autre prsentation de la dfinition afin de la gnraliser
c
Daniel
Cho 2003-

33

Universit de Caen

Mathmatiques pour la Mcanique


Dfinition 2.3.1. On dit que f est drivable en x0 sil existe un rel f 0 (x0 ) tel que
f (x0 + h) f (x0 ) = f 0 (x0 )h + o(h)
le reste o(h) tant ngligeable dans le sens que
o(h)
= 0.
h0 h
lim

On remarque que la quantit f (x0 + h) f (x0 ) sexprime comme la somme dune application linaire qui h associe f 0 (x0 )h et dun reste ngligeable. On peut donc considrer
la drive de f au point x0 non seulement comme un rel mais galement comme un oprateur linaire sur R qui h associe f 0 (x0 )h (en fait cette considration a t tabli
partir de la bijection naturelle entre R et L(R)).
Cest cette dfinition quil faudra retenir. En gnral, les tudiants ont beaucoup de
mal oublier la dfinition quils ont apprise dans le Secondaire valable uniquement pour
les fonctions relles dune variable relle, et ils lutilisent sans scrupule mme sil na
plus de sens comme cest le cas pour tout les autres cas de fonctions. Il va sans dire que
ce genre derreurs cote quelques points aux examens ;-)

2.3.2

Cas gnral

Considrons maintenant une fonction f dfinie sur un intervalle ]a, b[ de R valeurs


dans Rm . Rappelons que cela signifie que f (x) = (f1 (x), . . . , fm (x)) ou encore, si on
reprsente une base canonique de Rm par {u1 , . . . , um } :
f (x) = f1 u1 + + fm um .
En un point x0 ]a, b[, la drive de f en x0 , not f 0 (x0 ), est dfini comme le vecteur
de Rm (si il existe) tel que
f (x0 + h) f (x0 )
h0
h

f 0 (x0 ) = lim

ou plutt

f (x0 + h) f (x0 ) = f 0 (x0 )h + o(h).

Soulignons encore que lgalit prcdente est vectorielle :


f 0 (x0 ) = f1 (x0 )u1 + + fm (x0 )um ,
et donc peut galement scrire sous forme matricielle dans la base canonique :



f1 (x0 + h)
f1 (x0 )
f10 (x0 )

.. ..
..

. = . + o(h),
.
0
fm (x0 + h)
fm (x0 )
fm
(x0 )
ou encore sous forme vectorielle :
c
Daniel
Cho 2003-

34

Universit de Caen

Mathmatiques pour la Mcanique


Dfinition 2.3.2. f est drivable en x0 si et seulement si il existe un vecteur f 0 (x0 ) tel
que :
f (x0 + h) f (x0 ) = f 0 (x0 )h + o(h),
La drive de f en x0 apparat non seulement comme un vecteur de Rm mais galement comme une application linaire de R dans Rm qui associe tout rel h le vecteur
f 0 (x0 )h (il sagit l de la bijection naturelle entre Rm et L(Rm , R)).
On va maintenant gnraliser ces notions.
Dfinition 2.3.3. Soit f une application (on ne dit plus fonction ?) dun ouvert de E =
Rn dans F = Rm . On dit que f est diffrentiable en un point x , x = (x1 , . . . , xn ), si
il existe une application linaire de Rn dans Rm , note f 0 (x0 ) telle que
f (x0 + h) = f (x0 ) + f 0 (x0 )(h) + o(h) = 0
o le reste o(h) est cette fois-ci ngligeable au sens que
ko(h)k
= 0.
h0 khk
lim

On dit alors que f 0 (x0 ) est la diffrentielle (on ne dit plus drive ?) de f en x et on
galement parfois
f 0 (x) = dfx .
Ainsi, si f est diffrentiable sur un ouvert , alors pour tout x ,
f 0 (x) L(E, F ) = L(Rn , Rm ),
i.e. la diffrentielle de f en x est une application linaire de Rn (tout entier) dans Rm mais
on peut remarquer que f 0 est une application de vers L(Rn , Rm ).
Remarque 2.3.4. Pour des raisons, disons pdagogiques, nous nous sommes limits dans
le cadre de ces rappels aux fonctions dfinies sur des parties de Rn valeurs dans Rm .
Mais, tout ce qui suit est galement valable si on remplace les Rn et Rm par des objets plus abstraits que sont les espaces de Banach (i.e. des espaces norms complets)
quon pourrait noter galement E et F . Les noncs et les dmonstrations demeurant
strictement identiques.
Remarque 2.3.5. On parle galement dapplication tangente pour dsigner la diffrentielle en un point.
Thorme 2.3.6. Soit f une application dun ouvert de Rn dans Rm . Si f est diffrentiable en x , alors sa diffrentielle est unique.

c
Daniel
Cho 2003-

35

Universit de Caen

Mathmatiques pour la Mcanique


Dmonstration. Supposons quon ait, avec t R,
f (x + th) = f (x) + df1 th + o(th)

et

f (x + th) = f (x) + df2 th + o(th)

Alors on obtient en effectuant la diffrence :


(df1 df2 )th = o(th) = t2 o(h)
do pour tout t
(df1 df2 )h = to(h)
cest dire
(df1 df2 )h = 0

Quelques remarques
1. Si f est diffrentiable en x alors f est ncessairement continue en x (exercice).
2. La diffrentielle note f 0 (x) ou dfx est appele parfois drive totale de f en x, afin
de la distinguer des drives partielles.
3. Si A L(Rn , Rm ) et si x Rn alors
A0 (x) = A
Autrement dit, une application linaire est sa propre diffrentielle. Remarquez que
x apparat explicitement dans le premier membre mais pas dans le second : cest
parce que la fonction drive dune application linaire est constante (indpendance
par rapport au point o on drive.
Thorme 2.3.7. Rgle de composition Soit f une application dun ouvert O Rn
vers Rm diffrentiable en un point x0 de O et g une application dun ouvert de Rm
contenant f (O) vers Rk diffrentiable en f (x0 ). Alors lapplication, compos de f par g,
F de O Rn vers Rk dfinie par
F(x) = g f = g(f (x))
est diffrentiable en x0 et
F0 (x0 ) = g0 (f (x0 ))f 0 (x0 ).
Remarquer que le second membre est le produit de deux applications linaires :
g0 (f (x0 )) L(Rm , Rk ) et f 0 (x0 ) L(Rn , Rm ) ; on a bien que F0 (x0 ) L(Rn , Rk ).

c
Daniel
Cho 2003-

36

Universit de Caen

Mathmatiques pour la Mcanique


Dmonstration.
F(x0 + h) = g(f (x0 + h))
= g(f (x0 ) + f 0 (x0 )h + o(h))
= F(x0 ) + g0 (f (x0 ))f 0 (x0 )h + o(f 0 (x0 )h + h)) + o(h))
= F(x0 ) + g0 (f (x0 ))f 0 (x0 )h + o(h)
= F(x0 ) + F0 (x0 ) + o(h)

2.3.3

Matrice Jacobienne et drives partielles

Puisque la diffrentielle de f en un point est une application linaire de Rn vers Rm , on


peut la reprsenter sous forme matricielle. Plus prcisment par une matrice nm. Soient
(e1 , . . . , en ) et (u1 , . . . , um ) les bases canoniques des espaces Rn et Rm respectivement :
x = x1 e 1 + + x1 e n
f (x) = f1 (x)u1 + + fm (x)um .
Dfinition 2.3.8. La reprsentation matricielle de la diffrentielle de f dans ces bases
canoniques est la matrice Jacobienne. Usuellement, elle est note J(f ) ou encore Jf .
Dfinition 2.3.9. Soit xj la j-me variable de Rn , la drive partielle de f par rapport
xj est la drive de f par rapport xj , les autres variables tant considres fixes. On la
note :
f
f1
fm
=
u1 + +
um .
xj
xj
xj
On peut remarquer quon a encore
f
f (x + tej ) f (x)
(x) = lim
,
t0
xj
t

ou plutt

f (x + tej ) f (x) =

f
(x)t + o(t).
xj

Proposition 2.3.10. Si f est diffrentiable en x et si a = (a1 , . . . , an ) Rn , alors toutes


les drives partielles existent et
f 0 (x)a = a1

f (x)
f (x)
+ + an
.
x1
xn

Attention : la rciproque nest pas vrai : On peut construire une fonction dont les
drives partielles existent et sont continues mais qui nest pas elle mme diffrentiable.
On note aussi parfois :
df =

c
Daniel
Cho 2003-

f
f
dx1 + +
dxn .
x1
xn
37

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 2.3.11. La composante de la i-me ligne et de la j-me colonne de la matrice
Jacobienne est la drive partielle de la i-me composante de f par rapport la j-me
variable. On note :
fi
.
Jij =
xj
ou encore
f1
f1
f1
x
x
x1
n
j
..
..
..
.
.
.
fi

f
f
i
i
(J) =
x1 xj xn .
..
..
..
.
.
.
fm
fm
fm
xj xn
x1
Autrement dit : la j-me colonne de la matrice Jacobienne est la drive partielle de f par
rapport la j-me variable xj .

2.4
2.4.1

Gradient, divergence, rotationnel


Gradient

La matrice Jacobienne tant relative aux bases canoniques, il est important, afin de
faire du calcul dans des bases autres que les canoniques (telles que les coordonnes cylindriques...), de se rappeler lobjet intrinsque dont elle est le reprsentant. Il sagit du
gradient de f , qui nest autre que lapplication drive :
f 0 (x)a = f (x) a,
mais qui est aussi parfois dfini par
df = f dx.
ou encore si les ej dsignent une base fixe et si les x se dcomposent dans cette base :
f
(x) = f (x) (ej ).
xj
Ainsi la reprsentation matricielle du gradient de f dans les bases canoniques est la matrice Jacobienne.

2.4.2

Divergence

Dans le cas particulier o n = m, la matrice Jacobienne est une matrice carr. On


peut alors dfinir de nouveaux oprateurs voir le paragraphe 4.4 sur la divergence dans le
chapitre sur le thorme de Stokes :
c
Daniel
Cho 2003-

38

Universit de Caen

Mathmatiques pour la Mcanique


Proposition 2.4.1. Loprateur divergence est la trace du gradient :
div f = tr(f ).

2.4.3

Rotationnel

Toujours dans le cas o n = m,

Proposition 2.4.2. Le rotationnel de f , not rotf , est le vecteur associ la partie antisymtrique du gradient de f . Dans R3 , on a :

u3,2 u2,3

[rotu] = u1,3 u3,1 .


u2,1 u1,2

2.4.4

Quelques remarques et proprits des oprateurs diffrentiels

Remarque 2.4.3. Dans la littrature mathmatique, le gradient dune fonction scalaire


plusieurs variables est souvent reprsente par un vecteur, ainsi si f (x) = f (x1 , . . . , xn )
R, le gradient est dfini par
f 0 (x)h = (f (x), h)
= f (x) h
= [f (x) ] [h]
si bien quil est not

f
x1


f (x) = ...
f
xn

Cependant, cette notation na plus de sens lorsque la fonction f est vectorielle.


Remarque 2.4.4. Loprateur divergence est parfois not (sur wikipdia, dans de nombreux livres, surtout en physique) comme un produit scalaire par un pseudo vecteur ,
mais cest un abus dcriture : cette notation nest pas une dfinition et ne peut pas
stendre dautres objets que des fonctions vectorielles, notamment la divergence dun
tenseur si importante en Mcanique.
Terminons ce paragraphe par quelques proprits sur la divergence et le rotationnel :
Proposition 2.4.5. Pour tout champ de vecteur dfini sur R3 valeur dans R3 :

rotf = 0div rotu = 0


(2.1)
1

(2.2)
(rotu) u = u.u (u2 )
2

rotrotu = div u u.
(2.3)
c
Daniel
Cho 2003-

39

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 2.4.6. Si un champ de vecteur u, dfini de Rn valeur dans Rn , est tel

que rotu = 0 alors il existe une fonction scalaire f dfinie sur telle que
u = f .
On dit que u drive dun potentiel.
De faon analogue, on a
Thorme 2.4.7. Si un champ de vecteur u, dfini de Rn valeur dans Rn , est tel
que div u = 0 alors il existe un champs v tel que

u = rotv.

2.5

Drivation le long dune courbe Drivation partielle


dans une direction

Soit C une courbe de Rn , cest dire limage dans Rn dune application c dfinie
sur un intervalle ]a, b[ R. Pour fixer les ides on peut prendre n = 2 ou encore n = 3
(courbe dans le plan, lespace...).
Soit O un ouvert de Rn contenant la courbe C et soit f comme prcdemment, une
application de Rn vers Rm .
Dfinissons lapplication compose g de ]a, b[ vers Rm :
g(t) = c f (t) = f (c(t))
Daprs le thorme de composition, on a
g0 (t) = f (c(t)) c0 (t),
o c0 (t) = c01 (t)u1 + + c0m (t)um .
g0 (t) reprsente la drive de f le long de la courbe C. Cela nous permet galement de
dfinir la drive dans une direction y :
En prenant c = x + ty, on a c0 (t) = y. Do, daprs la proposition prcdente :
g0 (0) = f (x) y.
ou encore


f (x + ty) f (x)
.
f (x) y = lim
t0
t


Cette dernire limite tant la drive partielle de f suivant le vecteur unitaire y au point
x.
c
Daniel
Cho 2003-

40

Universit de Caen

Mathmatiques pour la Mcanique

2.6

Fonction drive

Soit f une application dun ouvert de Rn dans Rm diffrentiable en tout x .


Alors lapplication drive de f est lapplication qui tout x associe f 0 (x), la diffrentielle de f en x.

2.7

Drive seconde

Soit f une application dun ouvert O E vers F o comme prcdemment E et F


dsignent respectivement Rn et Rm (ou encore tout espaces de Banach).
On a vu que la diffrentielle (ou application drive) de f en un point x de O est une
application linaire de E vers F :
f 0 (x) L(E, F ) f 0 : O E 7 L(E, F ).
Ainsi, en rapplicant la dfinition de diffrentielle f 0 , on a :
f 00 (x) L(E, L(E, F )) ' L(E E, F ).
f 00 (x) apparat donc comme une application bilinaire.
Puisque E = Rn , f 0 se dcompose en drives partielles :
f 0 (x).(h) = f 0 (x).(h1 , . . . , hn ) =

n
X
f
.hj
x
j
j=1

Il en est de mme pour lapplication drive seconde :


n
X
f 0
f (x).(h)) =
.hj
x
j
j=1
00

Ainsi,
00

f (x).(h).(k) =

n
X
f 0 (x)
j=1

et finalement

xj

.hj .(k)

n
X
2 f (x)
f (x).(h).(k) =
.hj .ki F.
x
x
i
j
i,j=1
00

Thorme 2.7.1. Si f une application dun ouvert O E vers F est une application deux
fois diffrentiable en x alors la drive seconde est une application bilinaire symtrique :
h, k E
c
Daniel
Cho 2003-

f 00 (x).(h).(k) = f 00 (x).(k).(h).
41

Universit de Caen

Mathmatiques pour la Mcanique


Cest un rsultat non-trivial (excellent exercice en calcul diffrentiel) mais qui donne
immdiatement le
Corollaire 2.7.2. Thorme de Schwarz Si f une application dun ouvert O E vers
F est une application deux fois diffrentiable en x alors
2 f (x)
2 f (x)
=
.
xi xj
xj xi
Ces rsultats stendent toutes les drives successives.

2.8

Principaux thormes sur les fonctions de plusieurs


variables

Dans cette section, on nonce divers rsultats thoriques fondamentaux en calcul diffrentiel. Cependant ces rsultats ne sont pas ncessaire au niveau de la Licence de Mcanique.
Dfinition 2.8.1. On dit quun application diffrentiable f dun ouvert O un ouvert de
Rn vers Rm est continment diffrentiable sur O si f 0 est une application continue de O
vers L(Rn , Rm ). On dit alors que f est de classe C 1 , ce quon crit f C 1 (O).
Thorme 2.8.2. Soit f une application dun ouvert O de Rn vers Rm . Alors f C 1 (O)
si et seulement si toutes les drives partielles existent et sont continues sur O .
Thorme 2.8.3. Thorme de la Moyenne Soit f une fonction continue et drivable
sur un intervalle [a, b]. Si la fonction drive f 0 est continue, alors il existe c [a, b] telle
que f (b) f (a) = (b a)f 0 (c).
Lemme 2.8.4. Thorme du point fixe Soit une application de E dans F , deux espaces
de Banach. Si est contractante, alors possde un unique point fixe.
Cette partie est complter

2.9

Formule de Taylor

Thorme 2.9.1. Soit f une fonction k-fois diffrentiable en x0 Rn valeur dans


Rm , alors pour tout h Rn :
1
1
f (x0 + h) = f (x0 ) + f 0 (x0 )h + f 00 (x0 )h.h + + f (k) (x0 )(h)k + o(hk )
2
k!

c
Daniel
Cho 2003-

42

Universit de Caen

Mathmatiques pour la Mcanique


o f (k) (x0 )(h)k signifie f (k) (x0 ) h
. . h}.
| .{z
k f ois

Dmonstration. Il suffit dappliquer la formule de Taylor la fonction g(t) = f (x0 + th)


en t=0, et montrer que
g (k) (0) = f (k) (x0 )(h)k .

2.10

Extrema dune fonction relle

Thorme 2.10.1. Soit f une fonction deux fois diffrentiable dans Rn valeur
dans R, f possde un minimum local en x0 , i.e. il existe r > 0 tel que
f (x0 ) f (x) x B(x0 , r) ,
si et seulement si :
1. f 0 (x0 ) = 0,
2. f 00 (x0 ) 0.
Rappelons que f 00 est une forme bilinaire symtrique sur Rn . Autrement dit, f 00 (x0 ) 0
signifie
f 00 (x0 )(h, h) 0 h Rn
Nous terminons par un critre de positivit dune forme bilinaire :
Proposition 2.10.2. Soit A la reprsentation matricielle dune forme bilinaire symtrique sur Rn , alors A 0 si et seulement si toutes les valeurs propres de A sont positives
ou nulles.

2.11

Coordonnes cylindriques et sphriques

Nous terminons ce chapitre sur le calcul diffrentiel par des expressions particulirement utiles en Mathmatiques appliques, les expressions des diffrents oprateurs diffrentiels en coordonnes cylindriques et en coordonnes sphriques.

2.11.1

Expressions en coordonnes Cylindriques

Plaons dans E = R3 et dsignons par (x1 , x2 , x3 ) vecteur de la base canonique de


R3 et dsignons par O le point (0,0,0). Tout point M de E peut tre dfini par son vecteur
position OM, dont on donne les coordonnes dans la base canonique :
OM = x1 x1 + x2 x2 + x3 x3 ,
c
Daniel
Cho 2003-

43

Universit de Caen

Mathmatiques pour la Mcanique


notation que lon prfre :
OM = xx1 + yx2 + zx3 .
On dfinit les coordonnes cylindriques par
q
x2
r = x21 + x22 , = arctan ,
x1

x3 = x3 .

Alors le vecteur position se r crit :


OM = rer + x3 x3 ,
o
er = cos x1 + sin x2 .
En associant de plus le vecteur
e = x3 e r ,
on aura dfini une base (er , e , x3 ) orthonorme de E, appel base base cylindrique. Les
coordonnes (r, , x3 ) sont les coordonnes cylindriques de M .
2.11.1.1

Cas dune fonction valeur relle

Considrons maintenant une fonction f dfinie sur une partie de R3 , adoptons la notation abusive :
f (x1 , x2 , x3 ) = f (r, , x3 ).
Nous notons galement le produit scalaire de deux vecteurs (colonnes) indiffremment
des trois manires suivantes :
uv
[u] [v]
(u, v)
Rappelons nous que nous avions identifi
f (x1 + h, x2 , x3 ) (x1 + h, x2 , x3 )
f
(x1 , x2 , x3 ) = lim
= f x1 ,
h0
x1
h
puisque la variation de (x1 + h, x2 , x3 ) (x1 + h, x2 , x3 ) est hx1 .
Le problme avec les coordonnes cylindriques est que si la variation de (r +r, , x3 )
(r, , x3 ) est bien de rer , ce qui entrane
f
f (r + h, , x3 ) f (r, , x3 )
(r, , x3 ) = lim
= f er ,
h0
r
h
c
Daniel
Cho 2003-

44

Universit de Caen

Mathmatiques pour la Mcanique


en revanche la variation de (r, + , x3 ) (r, , x3 ) nest malheureusement pas e , ce
qui signifie que
f
f (r, + h, x3 ) f (r, , x3 )
(r, , x3 ) = lim
6= f e .
h0

h
Plus prcisment, si M est un point de coordonnes cylindrique (r, , x3 ), et M 0 un point
de coordonnes (r, + , x3 ) alors la variation MM0 est en fait :
MM0 = re .
Do nous avons :

f
(r, , x3 ) = f re ,

autrement dit les composantes cylindriques de f sont :


f =

1 f
f
f
er +
e +
x3 .
r
r
x3

ou encore

[f ]cylindrique

2.11.1.2

r
f,r
1 f

1
f .
=
=
r ,
r
f,3
f
x3

Cas dune fonction vectorielle

Considrons maintenant une fonction f dfinie sur une partie de R3 , et valeur dans
R adoptons galement la notation abusive :
3

f (x1 , x2 , x3 ) = f (r, , x3 ).
On dcomposera f dans les coordonnes cylindriques par
f (r, , x3 ) = fr er + f e + f3 x3 .
Daprs leur dfinition, il est facile de voir que
e
x3
er
= 0,
= 0,
= 0,
r
r
r
er
e
x3
= 0,
= 0,
= 0,
x3
x3
x3
er
e
x3
= e ,
= er ,
= 0.

c
Daniel
Cho 2003-

45

Universit de Caen

Mathmatiques pour la Mcanique


Ainsi,
f
= f er = fr,r er + f,r e + f3,r x3 ,
r
f
= f re = (fr, f )er + (f, + fr )e + f3, x3 ,

f
= f x3 = fr,3 er + f,3 e + f3,3 x3 .
x3
On en dduit alors lexpression du gradient dune fonction vectorielle en composantes
cylindriques :

fr,3
fr,r 1r (fr, f )
f,3 .
f = f,r 1r (f, + fr )
1
f3,r
f
f3,3
r 3,
La divergence tant la trace du gradient, on a :
1
div f = fr,r + (f, + fr ) + f3,3
r
Do le Laplacien dune fonction scalaire en coordonnes cylindriques
1 1
f = f,rr + ( f, + f,r ) + f,33 .
r r
Le rotationnel tant le vecteur associ la partie antisymtrique du gradient, on a

r f3, f,3

.
rotf =

fr,3 f3,r

1
f,r (fr, f )
r

2.11.2

Expressions en coordonnes sphriques

Cest la mme chose quen cylindrique, sauf quil y a encore plus de calcul faire :-((
Si f est une fonction scalaire :
1
1
f = (fr , f ,
f )
r
r sin
si f est une fonction vectorielle :

fr,r
f = f,r
f,r

1
(f f )
r r,
1
(f
+ fr )
r ,
1
f
r ,

1
(f + f )
r sin r,
1
f
cotr f .
r sin ,
f
1
f + fr +cot
r sin ,
r

A complter ... par le lecteur ;-p


c
Daniel
Cho 2003-

46

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 3

Intgrale de Riemann

On se propose dans cette section de rappeler la dfinitions et les principales proprits


de lintgrale de Riemann. Ce sont des rsultats et dfinitions qui sont connus depuis le
Secondaire, mais une mise au point sur cette thorie est utile en vue du thorme de Stokes
ou de la thorie de Lebesgue. On notera quil nexiste pas proprement parler dune
dfinition de lintgrale, il y en existe plusieures : intgrales de Riemann, de Stieljes, de
Lebesgue. On parle plutt de notion dintgrale.

3.1

Dfinition de lintgrale de Riemann

Soit [a, b] un intervalle de R et soit {x0 , . . . , xn+1 } une subdivision ordonne de [a, b] :
a = x0 x1 xn+1 = b
On supposera de plus que maxk (xk+1 xk ) tends vers 0 lorsque n tends vers linfini.
On pose pour toute fonction f dfinie sur [a, b] :
I n (f ) =

n
X

sup

f (x)(xk+1 xk )

k=0 x[xk ,xk+1 ]

I n (f ) =

n
X
k=0

c
Daniel
Cho 2003-

inf
x[xk ,xk+1 ]

47

f (x)(xk+1 xk )

Universit de Caen

Mathmatiques pour la Mcanique


Dfinition 3.1.1. Soit f une dfinie sur [a, b], on dit quelle est Riemann-intgrable si
pour toute subdivision ordonne,
lim I n (f ) = lim I n (f )

On note alors lintgrale de f sur [a, b] par


Z b
f (x)dx = lim I n (f ) = lim I n (f ).
n

Thorme 3.1.2. Une condition suffisante pour quune fonction soit Rieman-intgrable
est quelle soit continue, ou continue par morceaux.

3.2

Principales proprits

Proposition 3.2.1. Si f et g sont Riemann-intgrables alors f + g lest galement.


Proposition 3.2.2. Si f et g sont Riemann-intgrables alors f g lest galement.
Proposition 3.2.3. Si f (x) g(x) x [a, b] alors
Z b
Z b
g(x)dx.
f (x)dx
a

Proposition 3.2.4. Relation de Chasles Si f est Riemann-intgrable sur I R,


Z b
Z c
Z b
f (x)dx a, b, c I
f (x)dx +
f (x)dx =
c

Proposition 3.2.5. Si f et g sont Riemann-intgrables sur [a, b] et que c est une constante,
alors
Z
Z
b

cf (x)dx = c
f (x)dx
a
a
Z b
Z b
Z b
(f (x) + g(x))dx =
f (x)dx +
g(x)dx
a

On retiendra en particulier que loprateur intgrale est une forme linaire sur lensemble des fonctions Riemann-intgrables.
Proposition 3.2.6. Si |f | est Riemann-intgrable sur [a, b] alors,
Z b
Z b




f
(x)dx
|f (x)| dx


a

On retiendra tout particulirement le rsultat fondamental :


Thorme 3.2.7. Changement de variable Soit f une fonction Riemann-intgrable sur
[a, b] et une fonction drivable dfinie sur [A, B] et telle que (A) = a et (B) = b
Z b
Z B
f (x)dx =
f ((y))0 (y)dy
a

c
Daniel
Cho 2003-

48

Universit de Caen

Mathmatiques pour la Mcanique

3.3

Intgration et drivation

Proposition 3.3.1. soit f une fonction Riemann-intgrable et soit F la fonction dfinie


par
Z x
f (t)dt
F (x) =
a

Alors, F est une fonction continue et drivable : on a de plus F 0 (x) = f (x).


Thorme 3.3.2. Thorme fondamental Soit f une fonction Riemann-intgrable sur
[a, b], si F 0 (x) = f (x), alors
Z
F (b) F (a) =

f (x)dx
a

Corollaire 3.3.3. Intgration par partie Soient u et v deux fonctions drivables sur
[a, b].
Z b
Z b
0
u(b)v(b) u(a)v(a) =
u (x)v(x)dx +
v 0 (x)u(x)dx
a

3.4

Formule intgrale de Taylor

Thorme 3.4.1.
Z 1
1 00
1 (n)
(1 t)n (n+1)
n
f (x0 +h) = f (x0 )+f (x0 )h+ f (x0 )h.h+ + f (x0 )(h) +
f
(x0 +th)(h)n+1 dt
2
n
n!
0
0

3.5

Intgrale sur un contour

Soit C une courbe de Rn dfinie par une carte (c, I) o I = [a, b] est un intervalle de
R et c est une application de I dans Rn .
Soit f une fonction dfinie sur un domaine Rn contenant la courbe C.
Dfinition 3.5.1. Lintgrale de f le long de la courbe (c, I) (la carte dfinissant lorientation) est
Z
Z b
f=
f (c(t)) |c0 (t)| dt
C

c
Daniel
Cho 2003-

49

Universit de Caen

Mathmatiques pour la Mcanique

Intgrale sur un pav de Rn.

3.6

Soit = [a1 , b1 ] [an , bn ] un pav de Rn et soit f une fonction dfinie et


continue sur . Lintgrale de f sur est dfinie par
Z

b1

Z Z

bn

b1

f (x)dx1 . . . dxn =

f (x)dx =
a1

...

a1

an

 Z
...

bn

f (x)dxn . . .

dx1

an

Cette intgrale est bien dfinie puisque f est continue pour chaque variable xi . De plus,
cette intgrale est indpendante de lordre dintgration choisie).

3.7

Intgrale multiple Formule de Jacobi

On gnralise naturellement la dfinition de lintgrale sur un pav tout domaine se


dcomposant en une runion finies et disjointe de pavs. Plus gnralement pour domaine
Rn on peut trouver une suite de domaine n qui sont chacun des dcompositions
finies de pavs disjoints de Rn . Alors,
Z
Z
f (x)dx = lim
f (x)dx
n

Par ailleurs si un domaine est limage dun pav D par une application T :
T (D) = ,
alors on peut montrer que le rsultat suivant, gnralisation aux intgrales multiples de la
formule de changement de variable (3.2.7) :
Thorme 3.7.1. Formule de Jacobi Formule de changement de variable.
Z
Z
f (x)dx =
f (T (u)) |JT (u)| du

o |JT (u)| est la Jacobienne (dterminant du gradient ou Jacobien) de lapplication


T (u) = x.
Dmonstration. Pseudo-preuve dans R2 : un lment daire dudy se transforme en un
lment dxdy par le changement de variable T .

c
Daniel
Cho 2003-

50

Universit de Caen

Mathmatiques pour la Mcanique


dy
dv
dx

du

laire du paralllograme dxdy peut tre calcule par la formule


dxdy = |dx dy|
 
 
x,u

x
=
du ,v dv
y,u
y,v
= |x,u y,v y,u x,v | dudv
= |JT (u)| dudv.
Exemples :
1. Considrons le cylindre = {(x, y, z) R3 / x2 + y 2 1 0
alors est limage de D = [0, 1] [0, 2] [0, 1] en posant

et

0 z 1},

T (r, , z) = (r cos , r sin , z)


si bien que

cos r sin 0
(x, y, z)
JT =
= sin r cos 0
(r, , z)
0
0
1
do |JT (u)| = r. On a ainsi :
Z
Z
f (x, y, z)dxdydz =
f (r, , z)rdrddz.

2. Si = {(x, y, z) R / xyz 0,
D = [0, 1]3 en posant
3

x + y + 1 1}, alors est limage de

T (u, v, w) = (u(1 v), uv(1 w), uvw)


si bien que

1v
u
0
(x, y, z)
JT =
= v(1 w) u(1 w) uv
(u, v, w)
vw
uw
uv
do |JT (u)| = u2 v.
c
Daniel
Cho 2003-

51

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 4

Thorme de Stokes et Formule de


la divergence

On introduit ici un objet mathmatique particulier : les formes diffrentielles. Ltudiant non-mathmaticien peut ignorer les dfinitions et la forme gnrale du thorme
de Stokes. On pourra sattarder uniquement sur les diffrentes formes du thorme de
Stokes qui apparat comme une gnralisation des formules dintgration par partie et ce
indpendamment de la dfinition dintgrale choisie.
On regardera en particulier les thormes de la divergence dfinissant la notion de
divergence et les formules de Green, fondamentales en Mcanique et en mathmatiques
appliques, puisque ces notions rgissent les principales lois en Mcanique (quations
dquilibre en solides, quation de Navier-Stokes en fluides) mais partout en Mcanique
applique o les formulations variationnelles (principe des travaux virtuels) interviennent
avec toutes les consquences dans la rsolution numrique par la mthode des lmentsfinis, voir le chapitre 12 sur lanalyse fonctionnelle.

4.1

Formes diffrentielles

Dfinition 4.1.1. Une k-surface dans Rn , est limage par un diffomorphisme T dun
domaine D Rk valeur dans Rn . On dit que la k-surface est de classe C m , si lapplication T est de classe C m .
On dit aussi que la k-surface Rn est une sous-varit de dimension k plonge
c
Daniel
Cho 2003-

52

Universit de Caen

Mathmatiques pour la Mcanique


dans Rn .
Dfinition 4.1.2. On note
=

ai1 ,...,ik dxi1 dxik

(4.1)

une k-forme diffrentielle ou forme diffrentielle dordre k, la forme linaire qui toute
k-surface Rn de classe C 1 , image par T de D Rk , fait correspondre la quantit :
Z X
Z
=
ai1 ,...,ik (T (u)) |JT (u)| du

o
|JT (u)| = det

(xi1 , . . . , xik )
(u1 , . . . , uk )

dsigne le Jacobien de lapplication (u1 , . . . , uk ) (Ti1 (u), . . . , Tik (u)).


Remarque 4.1.3. Convention : une forme diffrentielle dordre 0 est une fonction.
Remarque 4.1.4. La notation (4.1) est unique si les xij sont numrots et pris dans un
ordre croissants.
On remarque que cette dfinition reprend simplement la formule de Jacobi de changement de variable dans les intgrale multiples, si bien que cette dfinition est indpendante
du choix de D et de T .
Cette dfinition permet de gnraliser la notion dintgrale sur une courbe dfinie dans
la section prcdente. En effet, considrons un contour de R2 dfini par
= {(x, y) R2

(x, y) = (x(t), y(t)) = T (t) t [a, b]}.

Et posons
= f (x, y)ds avec

 
dx
ds = t.
,
dy

o t est la tangente unitaire , on peut prendre


 0
x
t= p
0 .
0
2
0
2
(x ) + (y ) y
1

Alors, est la forme linaire qui fait correspondre lintgrale de f sur :


Z
Z
Z b
p
= f (x, y)ds =
f (x(t), y(t)) (x0 )2 + (y 0 )2 dt

Proposition 4.1.5. Dans Rn une n + 1 forme diffrentielle est une forme nulle.
c
Daniel
Cho 2003-

53

Universit de Caen

Mathmatiques pour la Mcanique

4.2

Diffrentielle dune forme diffrentielle

La notation
=

ai1 ,...,ik dxi1 dxik

dune forme diffrentielle provient de la dfinition du produit de deux formes diffrentielles :


Dfinition 4.2.1. Le produit extrieur des deux 1-formes diffrentielles dx et dy est la
2-forme diffrentielle dx dy. Elle est note avec le symbole .
Proposition 4.2.2. dx dy = dy dx.
On gnralise alors
Dfinition 4.2.3. Produit extrieur On dfinit le produit extrieur de deux formes diffrentielles 1 et 2 par les rgles de calcul :
1. 1 2 = 2 1
2. 1 (2 + 3 ) = 1 2 + 1 3
Par exemple
(f dx dz) (gdx + hdy) = hf dx dy dz.
Thorme 4.2.4. Il existe un oprateur nomm diffrentielle et not d qui toute k
1 forme diffrentielle fait correspondre une k-forme diffrentielle d avec les rgles
suivantes :
1. d(d) = 0
2. df (x1 , . . . , xn ) = x1 f dx1 + + xn f dxn
3. d (f (x1 , . . . , xn )dxi1 )dxik ) = df (x1 , . . . , xn ) (dxi1 )dxik )
Ainsi, le produit dune k1 -forme et dune k2 forme diffrentielle donne une (k1 + k2 )forme diffrentielle.

4.3

Thorme de Stokes Formule de la divergence

Le thorme de Stokes, qui suit, est fondamental, puisquen dcoule toutes les formules dintgration par partie (Green, Ostogradski) sur des domaines de Rn . Nous renvoyons [Rud95] pour une dmonstration
Thorme 4.3.1. Soit une k1-forme diffrentielle de classe C 1 et soit K une k-surface
de classe C 2 , alors
Z
Z
d =
K

c
Daniel
Cho 2003-

54

Universit de Caen

Mathmatiques pour la Mcanique

4.4

Formule de la divergence : dfinition

Le thorme de Stokes permet de dfinir la notion de divergence :


Dfinition 4.4.1. Formule de la divergence Soit u un champs de vecteur dfini sur
Rn valeur dans Rn et soit n le vecteur normal unitaire extrieur . On dfinit
loprateur divergence par lunique oprateur diffrentiel tel que
Z
Z
div u =
u.n.
(4.2)

4.4.1

Cas o est un domaine de

Dans ce cas trivial, la divergence est confondue avec la drive usuelle dune fonction.

4.4.2

Cas o est un domaine de

R2

Soit une 1-forme diffrentielle dfinie sur R2 par deux fonctions scalaire u1 et u2
dfinies sur R2 :
= u2 dx1 u1 dx2 .
Alors, daprs les rgles de calculs, on a
d = (

u1 u2
+
)dx1 dx2 .
x1 x2

Do on dduit daprs le thorme de Stokes :


Z
Z
Z
d =
u2 dx1 u1 dx2 =

(u2 t1 u1 t2 ) ds

[a,b]

o le vecteur t = (t1 , t2 ) est le vecteur tangent unitaire . Si bien quen posant


u = (u1 , u2 )
et en remarquant que la normale extrieure est donne par
n = (t2 , t1 ),
on a

u1 u2
(
+
)dx1 dx2 =
x2
x1

Z
(
Z

u1 u2
+
)dx1 dx2
x1 x2
(u2 t1 u1 t2 ) ds

=
[a,b]

Z
=

u.nds.
[a,b]

Do la dfinition
c
Daniel
Cho 2003-

55

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 4.4.2. Soit u un champ de vecteur diffrentiable dfini sur R2 valeurs
dans R2 .
u1 u2
div u =
+
.
x1 x2

4.4.3

Cas o est un domaine de

R3

Thorme 4.4.3. Soit u un champ de vecteur diffrentiable dfini sur R3 valeurs


dans R3 .
u1 u2 u3
div u =
+
+
.
x1 x2 x3
Dmonstration. On procde de faon analogue au cas dans R2 :
Soit une 2-forme diffrentielle dfinie sur R3 par les trois fonctions u1 , u2 et u3 :
= u1 dx2 dx3 + u2 dx3 dx1 + u3 dx1 dx2 .
Alors la diffrentielle vaut :


u1 u2 u3
d =
+
+
dx1 dx2 dx3 .
x1 x2 x3
On a donc


Z 
Z 
u1 u2 u3
u1 u2 u3
+
+
dx1 dx2 dx3 =
+
+
dx1 dx2 dx3
x1 x2 x3
x1 x2 x3

Z
d.
=

On crit alors le thorme de Stokes


Z
Z
u1 dx2 dx3 + u2 dx3 dx1 + u3 dx1 dx2
d. =


Z 
(x2 , x3 )
(x3 , x1 )
(x1 , x1 )
=
u1 ()
+ u2 ()
+ u2 ()
dt1 dt2
(t1 , t2 )
(t1 , t2 )
(t1 , t2 )
D


Z

=
det f ,
,
dt1 dt2
t1 t2
ZD

=
f .(

)dt1 dt2
t1 t2
ZD
=
u.nds

do la dfinition de la divergence.
On admettra de faon plus gnrale le
c
Daniel
Cho 2003-

56

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 4.4.4. Soit u un champ de vecteur diffrentiable dfini sur Rn valeurs
dans Rn .
n
X
ui
div u =
xi
i=1
= tr(u).
On tends la notion doprateur divergence aux champs de tenseur dordre 2 :
Thorme 4.4.5. Soit M un tenseur dordre 2 dfini sur R3 , on dfinit galement :
Z
Z
div M =
Mn

de sorte que la divergence dun tenseur dordre 2 est un champ de vecteur :

M1j,j
M2j,j

n ..
X
.
div M =

Mij,j
j=1

...
Mnj,j
Corollaire 4.4.6. Si M est tenseur dordre 2 symtrique, on a :
Z
Z
OM Mn
OM div M =

Remarque 4.4.7. Le thorme 4.4.5 et son corollaire ont une grande importante en Mcanique des milieux continus. Ils permettent notamment de dduire le principe fondamental
de la dynamique.

4.4.4

Formules de Stokes

Thorme 4.4.8. Soit u un champ de vecteur dfini sur R3 valeur dans R3 :


Z
Z

nu=
rotu

4.4.5

Formules de Green

En appliquant la formule de de la divergence div Mv o M est un tenseur dordre


2 dfini dur un domaine de R3 et v un champ de vecteur de v galement dfini du .

c
Daniel
Cho 2003-

57

Universit de Caen

Mathmatiques pour la Mcanique


On a alors

div Mv =

Mvn

M : v

et si de plus M est un tenseur symtrique, on a


Z
Z
Z
div Mv =
Mvn M : (v)

o
(v) =

c
Daniel
Cho 2003-


1
v + v T .
2

58

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 5

Calcul diffrentiel sur un tenseur


dordre 2

En mcanique, un grand nombre dobjets apparaissent comme des tenseurs dordre


2 dfinis sur une partie de R3 , par exemple, le tenseur des contraintes, le tenseurs des
dformations...
Ce chapitre a pour but den rappeler les dfinitions mathmatiques et les lments de
calcul diffrentiel sur ces objets. Pour un expos complet nous renvoyons [Lic46].

5.1

Tenseur dordre 2

Plaons nous dans R3 et considrons un tenseur M dordre 2, cest dire un champ


dfini sur une partie de R3 et valeur dans L(R3 ), lensemble des oprateurs linaires
sur R3 .
Ainsi, si (e1 , e2 , e3 ) dsigne la base canonique de R3 , il est usuel dexprimer un tenseur sous sa forme matricielle dans la base canonique en chaque point de o il est
dfini :

m11 m12 m13


M = m21 m22 m23
m31 m32 m33
o chaque coefficient mij est une fonction scalaire dfini sur . Il est alors commode dexprimer le tenseur comme une combinaison linaire des applications linaires canoniques,

c
Daniel
Cho 2003-

59

Universit de Caen

Mathmatiques pour la Mcanique


notes sous la forme dun produit tensoriel
ei ej
dont la reprsentation matricielle est la matrice nulle partout sauf le coefficient de la i-me
ligne j-me colonne qui vaut 1. Par exemple,

0 1 0
e1 e2 = 0 0 0 .
0 0 0
Ainsi, on crit

M=

3 X
3
X

mij ei ej .

i=1 j=1

5.2

Gradient dun tenseur dordre 2

Par dfinition, la drive (ou le gradient) dun tenseur en un point est un lment de
L(R3 , L(R3 )). Or il existe une bijection naturelle entre L(R3 , L(R3 )) et L(L(R3 ), R3 ).
Dautre part, dans la base canonique (base fixe), on a naturellement

M = M ei .
xi
Ce qui signifie que le gradient dun tenseur peut se dcomposer
M =

5.3

(M) e1 +
(M) e2 +
(M) e3 .
x1
x2
x2

Divergence dun tenseur dordre 2

La divergence dun tenseur est donn par la formule de la divergence (voir le chapitre
4) :
Z
Z
div M =
Mn.

Nous savons alors que cest un champ de vecteurs :

M1j,j
M2j,j
.
n

X
..
div M =

Mij,j
j=1

...
Mnj,j
c
Daniel
Cho 2003-

60

Universit de Caen

Mathmatiques pour la Mcanique


On remarque que
div Mei =

n
X

(Mej )(ei ej ).

j=1

5.4

Tenseur en coordonnes cylindriques

Soit M un tenseur dordre 2 dfinie sur une partie de R3 , alors M se dcompose en


coordonnes cartsiennes :

M=

3 X
3
X

mij ei ej .

i=1 j=1

On a de mme en coordonnes cylindriques

M = mrr er er + mr er e + mr3 er e3
+ mr e er + m e e + m3 e e3
+ m3r e3 er + m3 e3 e + m33 e3 e3 .
Or toutes les drives partielles sont nulles sauf

(er er ) =

(er e ) =

(er e3 ) =

(e er ) =

(e e ) =

(e e3 ) =

(e3 er ) =

(e3 e ) =

er

er

er

e3

e3

er

e
e + er

e3
e3 + er

er
er + e

e
e + e

e3
e3 + e

er
er + e3

er
e + e3

er + er

= e er + er e ,
= e e er er ,
= e e3 ,
= er er + e e ,
= er e e er ,
= er e3 ,
= e3 e ,
= e3 er .

Mais le gradient est donn par


M =

c
Daniel
Cho 2003-

M
1 M
M
er +
e +
e3 ,
r
r
3
61

Universit de Caen

Mathmatiques pour la Mcanique


do on tire lexpression du gradient de M en coordonnes cylindriques :
M = mrr,r er er er + mr,r er e er + mr3,r er e3 er
+ mr,r e er er + m,r e e er + m3,r e e3 er
+ m3r,r e3 er er + m3,r e3 e er + m33,r e3 e3 er
1
1
+ (mrr, mr mr )er er e + (mr, + mrr m )er e e
r
r
1
+ (mr3, m3 )er e3 e
r
1
1
+ (mr, + mrr m )e er e + (m, + mr + mr )e e e
r
r
1
+ (m3, + mr3 )e e3 e
r
1
1
+ (m3r, m3 )e3 er e + (m3, + m3r )e3 e e
r
r
1
+ m33, e3 e3 e
r
+ mrr,3 er er e3 + mr,3 er e e3 + mr3,3 er e3 e3
+ mr,3 e er e3 + m,3 e e e3 + m3,3 e e3 e3
+ m3r,3 e3 er e3 + m3,3 e3 e e3 + m33,3 e3 e3 e3 .
Cest dire, de faon lgrement plus lisible ;) :

mrr,r mr,r mr3,r


M er = mr,r m,r m3,r
m3r,r m3,r m33,r

mrr, mr mr mr, + mrr m mr3, m3


1
M e = mr, + mrr m m, + mr + mr m3, + mr3
r
m3r, m3
m3, + m3r
m33,

mrr,3 mr,3 mr3,3

.
m
M e3 =
r,3 m,3 m3,3
m3r,3 m3,3 m33,3
La divergence dun tenseur est dfinie comme prcdemment :
div Mer =

3
X

Mej (er ej )

j=1

= Mer (er er ) + Me (er e ) + Mez (er ez ),


de mme, on a :
div Me = Mer (e er ) + Mer (e e ) + Mez (e ez ),
c
Daniel
Cho 2003-

62

Universit de Caen

Mathmatiques pour la Mcanique


et

div Mer = Mer (ez er ) + Me (ez e ) + Mez (ez ez ).

On obtient donc finalement :


Proposition 5.4.1. La divergence dun tenseur dordre 2 en coordonnes cylindrique

1
m + (m
+ mrr m ) + mr3,3

rr,r r r,

[div M]cyl = mr,r + (m, + mr + mr ) + m3,3 .

1
m3r,r + (m3, + m3r ) + m33,3
r
Il peut tre parfois avantageux de le rcrire sous la forme suivante :

1
1

1
+
(mr ) +
(mr3 ) m
r r (rmrr )

r
x3
r

1 2

[div M]cyl =
(r
m
)
+
(m
)
+
(m

m
)
(m
)
+
r

r
r
3
r2 r

r
x3
r

1
(m3r )
+
(m3 ) +
(m33 ) + m3r
r
r
x3
r

5.5

Tenseur en coordonnes sphriques

A complter... par le lecteur ?-

c
Daniel
Cho 2003-

63

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 6

Systmes diffrentiels ordinaires

crire entirement

c
Daniel
Cho 2003-

64

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 7

Fonction dune variable complexe

7.1

Nombres Complexes

Dfinition 7.1.1. On peut dfinir lensemble des nombres complexes par

C = {(a, b) R2 muni des somme et multiplication complexes}.


On pose i = (0, 1) et on note z = (a, b) = a + ib, a dsigne alors la partie relle et b
dsigne la partie imaginaire de z.
Dfinition 7.1.2. Les somme et multiplication complexes sont dfinies, pour z = a + ib
et z 0 = a0 + ib0 , par :
z + z 0 = (a, b) + (a0 , b0 ) = (a + a0 , b + b0 ).
zz 0 = (aa0 bb0 , ab0 + a0 b).
Par exemple pour z = (0, 1) = i on a z 2 = zz = (0, 1)(0, 1) = (1, 0) = 1.
Ainsi, chaque point du plan de R2 on fait correspondre un unique nombre complexe ;
Cest pourquoi on parle de plan complexe.
Proposition 7.1.3. Pour tout nombre complexe z et z 0 , on a
1. z + z 0 = z + z 0
2. zz 0 = zz 0
3. z + z = 2Re(z) et z z = 2iIm(z)
c
Daniel
Cho 2003-

65

Universit de Caen

Mathmatiques pour la Mcanique


y
z

x
0

F IG . 7.1 Un nombre complexe z = a + ib

4. zz est rel et si z 6= 0, zz > 0


Dfinition 7.1.4. On appelle module de z le nombre rel positif |z| = (zz)1/2 .
Proposition 7.1.5. Soit z un nombre complexe non nul alors
z
1
= 2
z
|z|
Proposition 7.1.6. Soit z un nombre complexe
1. |z| = |z|
2. |zz 0 | = |z| |z 0 |
3. |Re(z)| |z| et |Im(z)| |z|
4. |z + z 0 | |z| + |z 0 |
Proposition 7.1.7. Soient a1 , . . . , an et b1 , . . . , bn des nombres complexes.

2
n
n
n
X

X
X


2
aj b j
|aj |
|bj|2 (ingalit de Schwarz)



j=1

j=1

j=1

Nous terminons cette prsentation par les proprits principales de C :


Thorme 7.1.8. Lensemble des nombres complexes, avec ses addition et multiplication
complexes, possde une structure de corps. On parle de corps des nombres complexes.
Thorme 7.1.9. Le corps des nombres complexes est algbriquement clos.
Autrement dit, les solutions de toute quation algbrique coefficients complexes sont
encore des nombres complexes. Par exemple, le corps des rels R nest pas algbriquement clos puisque lquation x2 + 1 = 0 ne possde pas de solutions relles mais des
solutions complexes.
c
Daniel
Cho 2003-

66

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 7.1.10. Soit P (z) =
Alors P se factorise

Pn
0

ai z i un polynme de degr n coefficients complexes.

P (z) = an

n
Y

(z ri )

o les ri sont les n racines de P (comptes avec leurs multiplicits).

7.2
7.2.1

Fonctions holomorphes
Fonctions holomorphes

Soit une partie non vide du plan complexe C. Considrons une fonction f valeur
complexe dfinie sur . Soit z0 C, on sait que f est diffrentiable en z0 , si il existe
un nombre complexe, not f 0 (z0 ) tel que :
f (z0 + h) = f (z0 ) + f 0 (z0 )h + o(h).
Bien entendu si un tel nombre existe, il est gal
f 0 (z0 ) = lim

zz0

f (z) f (z0 )
z z0

Cest la drive de f au point z0 .


Pourz = (x, y) = x + iy, introduisons les notations :




f
1 f
f
1 f
f
f
=
i
=
+i
,
.
z
2 x
y
z
2 x
y
Dfinition 7.2.1. Si f est diffrentiable dans tout , alors on dit que f est holomorphe
(ou analytique) dans si
f
= 0 dans .
z
Par exemple, les fonctions analytiques sont videmment holomorphes dans leurs domaines de convergence, mais aussi la fonction
f (z) =

1
z z0

est holomorphe dans C B(z0 , ), ou mme dans C {z0 }.


Par contre la fonction f (z) = |z| nest pas holomorphe dans aucune partie de C.
On a les proprits suivantes :
Proposition 7.2.2. Si f et g sont holomorphes dans , alors
c
Daniel
Cho 2003-

67

Universit de Caen

Mathmatiques pour la Mcanique


f + g,
f g,
le sont aussi.
Proposition 7.2.3. Si f est holomorphe dans et g est holomorphe dans f (), alors la
fonction compose (f g) est holomorphe dans et :
(f g)0 = g 0 (f (z0 ))f 0 (z0 ).

7.2.2

Conditions de Cauchy-Riemann

Thorme 7.2.4. Soit f une fonction complexe dfinie dans C, on dcompose f


suivant sa partie relle P et sa partie imaginaire Q, avec z = (x, y) = x + iy :
f (z) = P (x, y) + iQ(x, y).
f est une fonction holomorphe si et seulement si P et Q satisfont aux conditions de
Cauchy-Riemann :
P
Q
P
Q
=
et
=
.
x
y
y
x
Corollaire 7.2.5. Si f = P + iQ est holomorphe, alors les fonctions relles P et Q sont
ncessairement harmoniques.
Terminons par cette question que nous laissons au lecteur :
Existe-t-il une fonction dfinie sur une variable complexe qui soit diffrentiable mais
pas holomorphe ?

7.3

Suite et Sries de nombres complexes

Considrons la srie
f (z) =

an z n

o z C et an C. On dfinit le rayon de convergence R de la srie f (z) par :


1
= lim sup |an |1/n (rgle de Cauchy)
R n


an
(rgle de dAlembert).
= lim sup
n
an1
Cest dire que la srie diverge si |z| > R et elle converge si |z| < R. Le cas |z| = R
tant sujet discussion.
Par ailleurs, cette convergence est normale et donc uniforme dans tout disque centr
de rayon R0 < R. Alors, daprs les thormes dinversion des limites vus en premier
cycle, on a
c
Daniel
Cho 2003-

68

Universit de Caen

Mathmatiques pour la Mcanique


Proposition 7.3.1. z, |z| < R, la fonction dune variable complexe f (z) est continue,
infiniment C-drivable, les drives sobtenant en drivant dans chaque terme de la srie :

X
(n + k)!
f (k) (z) =
an+k z n
(n)!
0
On dit que f (z) est analytique dans {z C/ |z| < R}. Si f (z) est analytique dans
C, on dit que f est entire.

7.4

Divers

A complter : thormes des zros isols, principe du maximum, thorme dAbel...

7.4.1

Fonctions exponentielle et trigonomtrique

La fonction exponentielle est dfinie par


ez =

X
zn
0

n!

dont le rayon de convergence est infinie.


En drivant terme terme, on a la proprit fondamentale :
Proposition 7.4.1.
d z
e = ez
dz
do on dduit, en crivant le dveloppement en srie de Taylor de la srie en z :
ez+z

= ez ez

z, z 0 C.

(7.1)

Par ailleurs, on remarque que pour z = i, R on a

X
X
(1)n 2n+1
(1)n 2n
e =

+i
z ,
(2n + 1)!
(2n)!
0
0
i

cest dire la formule dEuler :


ei = cos + i sin .
On dduit que

c
Daniel
Cho 2003-

i
e = 1 R.
69

Universit de Caen

Mathmatiques pour la Mcanique


Proposition 7.4.2. Tout nombre complexe z = a + ib peut scrire sous la forme
r R+ , [0, 2[

z = rei

o r2 = a2 + b2 est le module de z et = Arctan(b/a) est largument de z. Par suite,


la fonction exponentielle est priodique de priode 2.
On peut dfinir les fonctions sin et cos dune variable complexe
sin z =

X
(1)n

(2n)!

2n

X
(1)n 2n+1
cos z =
z
.
(2n
+
1)!
0

Remarquons quon a toujours


(sin z)2 + (cos z)2 = 1.

7.5
7.5.1

Intgrales complexes
Formule intgrale de Cauchy

Soit un ouvert du plan complexe et soit (t) une courbe dans , pour t [a, b]. On
dcompose
(t) = x(t) + iy(t)
Soit = f (z)dz une forme diffrentielle, o f est une fonction de variable complexe
dfinie sur valeur dans C, par dfinition on a
Dfinition 7.5.1.
Z

f (z)dz =

f (t) 0 (t)dt

a
0

o ([a, b]) = et (t) = x (t) + iy (t).


On a la proprit fondamentale :
Thorme 7.5.2. Soit f une fonction dune variable complexe z si f est drivable dans
alors on a
Z

Z
1
f (z)
f (z)z
f () =
dz +
dz dz
.
2i z
z
On en dduit immdiatement

c
Daniel
Cho 2003-

70

Universit de Caen

Mathmatiques pour la Mcanique


Corollaire 7.5.3. Formule intgrale de Cauchy Si f est holomorphe dans , un domaine
convexe de C alors
Z
1
f (z)
f () =
dz .
2i z
De plus on voit que f est infiniment drivable avec
Z
dm f
m!
f (z)
() =
dz
m
dz
2i (z )m+1

Thorme 7.5.4. Si f est holomorphe dans alors pour tout chemin ferm dans , on
a
Z
f (z)dz = 0

On dit que (s) =

Rs
a

f (t) 0 (t)dt est une primitive de f le long de .

Corollaire 7.5.5. Si f est holomorphe sur , alors f est de classe C sur .


Thorme 7.5.6. Si f est holomorphe dans , alors f se dcompose en srie entire :
f () =

an ( z0 )n

z et V (z0 ).

n=0

avec

1
1 dm f
(z0 ) =
an =
m
m! dz
2i

f (z)
dz.
(z z0 )m+1

Corollaire 7.5.7. Une fonction variable complexe est holomorphe dans si et seulement si elle est analytique dans .
On termine par quelques rsultats hors programmes mais nanmoins importants
Thorme 7.5.8. Si une fonction est holomorphe et non constante alors elle est ouverte
Corollaire 7.5.9. Principe du maximum Si f est une fonction holomorphe dans un
ouvert complexe , et si |f | atteint son maximum lintrieur de , alors f est une
fonction constante sur .
Thorme 7.5.10. Soit f une fonction holomorphe non nulle dans un ouvert complexe ,
les zros de f sont isols.
En particulier si deux fonctions holomorphes ont des valeurs en un nombre infini de
points dans un domaine born, alors les deux fonctions sont identiques.

c
Daniel
Cho 2003-

71

Universit de Caen

Mathmatiques pour la Mcanique

7.5.2

Srie de Laurent

Soit f une fonction holomorphe sur une couronne a < |z z0 | < b, daprs la formule
de Cauchy,
 Z

Z
f (u)
1
f (u)
f (z) =

du +
du
2i
Ca u z
Cb u z
or



X
f (u)
f (u)
1
f (u) X  z n
zn
=
=
=
f
(u)
uz
u
1 uz
u n=0 u
un+1
n=0
o la srie est convergente si |z| < |u| ou encore |z z0 | < |u z0 |.
Dautre part, on a de mme



X
f (u) X  u n
f (u)
1
un
f (u)
=
=
=
f
(u)
u
1
uz
z
z n=0 z
z n+1
u
n=0
o la srie est convergente si |z| > |u| ou encore |z z0 | > |u z0 |.
Par consquent, en remplaant (u z) par (u z0 ) (z z0 ), on obtient
"Z
#
Z

X
X
(u z0 )n
(z z0 )n
1
f (u)
f (u)
du +
du
f (z) =
2i Ca
(z z0 )n+1
(u z0 )n+1
Cb
n=0
n=0
Ainsi, on a montr le
Thorme 7.5.11. Soit f une fonction holomorphe sur une couronne a < |z z0 | < b, il
existe un dveloppement unique de f :
X
an (z z0 )n
f (z) =
n

avec

Z
f (u)

du,

n+1
1
Cb (z z0 )
Z
an =
f (u)
2i

du,
n+1
Ca (z z0 )

n0
n<0

Cest le dveloppement de f en srie de Laurent dans la couronne a < |z z0 | < b.


La notion de srie de Laurent permet de dfinir la notion de Rsidu :
Dfinition 7.5.12. Soit f une fonction holomorphe dans sauf en des points isols (cest
toujours le cas). Le rsidu de f en zi est la valeur complexe
Z
1
f (z)dz,
Rs(f, zi ) =
2i B(zi ,)
pour suffisamment petit, de sorte que f est holomorphe dans B(zi , ) \ {zi }.
Cest aussi le coefficient a1 du dveloppement en srie de Laurent de f autour de zi .
c
Daniel
Cho 2003-

72

Universit de Caen

Mathmatiques pour la Mcanique

7.5.3

Thormes des rsidus

Soit f une fonction holomorphe dans sauf en un nombre fini de points


isols
S
{z1 , . . . , zm } Soit suffisamment petit pour que f soit holomorphe dans \ i B(zi , ).
Alors daprs le thorme 7.5.4, on a
Z
XZ
f (z)dz
f (z)dz = 0.

B(zi ),

Autrement dit nous avons le


Thorme 7.5.13. Thorme des Rsidus Soit f une fonction holomorphe dans sauf
en un nombre fini de points isols {z1 , . . . , zm }, alors
Z
X
f (z)dz = 2i
Rs(f, zi ).

7.5.4

Classification des Ples singuliers

Pour faciliter le calcul dun rsidu, une classification est utile et permet de saffranchir
de la dtermination du dveloppement en srie de Laurent.
Soit a un point de qui apparat comme un point singulier dune fonction f , cest
dire que f nest pas holomorphe a priori en a. On classe ces ples ou singularits suivant
la possibilit de prolonger f (z)(z a)k en une fonction holomorphe au voisinage de a :
1. Singularit ou Ple illusoire : Si f est prolongeable par continuit en a. Cela signifie
que f est holomorphe en a, si bien que
Rs(f, a) = 0.
On parle de ple dordre 0.
2. Singularit ou Ple dordre k : Si (z a)k f (z) est prolongeable par continuit en
a mais pas (z a)k1 f (z). Le rsidu est alors obtenu par la formule intgrale de
Cauchy :

dk1 
1
(z a)k f (z) |z=a .
Rs(f, a) =
k1
(k 1)! dz
3. Singularit essentielle : pour tout k N (z a)k f (z) nest pas prolongeable par
continuit, on a pas le choix, il faut trouver le dveloppement en srie de Laurent.
4. Singularit linfini : si a est un point linfini on pose :
Rs(f (z), ) = Rs(f (1/z), 0)
Thorme 7.5.14. Soit f une fonction holomorphe sauf en des points isols. Alors la
somme des rsidus, rsidu linfini compris est nulle.
c
Daniel
Cho 2003-

73

Universit de Caen

Mathmatiques pour la Mcanique


Nous terminons par un rsultat trs utile en calcul des rsidus :
Proposition 7.5.15. Soit a une singularit dordre 1 dune fonction f . Si f sexprime
comme la fraction rationnelle irrductible de deux fonctions holomorphe,
f (z) =

P (z)
,
Q(z)

alors
Rs(f, a) =

7.5.5

P (a)
.
Q0 (a)

Reprsentation conforme

Une fonction holomorphe est une application conforme dans le sens o elle laisse les
angles inchangs en valeur et en sens.

c
Daniel
Cho 2003-

74

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 8

Thorie restreinte de la mesure


La mesure de Lebesgue

La thorie de la mesure est la base fondatrice de lintgrale de Lebesgue qui suit dans
le chapitre 9.
Nous donnons ici une prsentation simplifie de la thorie de la mesure. En effet,
nous nous limitons la mesure de Lebesgue, cest dire la mesure des parties de Rn . En
particulier, nous faisons limpasse sur les notions fondatrices de la thorie classique de la
mesure, comme la notion de tribu, de mesure -additive ou densemble Borlien.
Pour un expos complet nous renvoyons par exemple Real and Complex Analysis
de Walter Rudin ou tout cours de Mathmatique sur le sujet (niveau Licence de Mathmatiques). Nous pensons que cela nest pas ncessaire pour un tudiant en Mcanique
ou pour un lve ingnieur. Ce nest sans doute pas lavis de tous... Quant lventuel
tudiant en Mathmatiques, il pourra voir cette prsentation comme une introduction la
thorie abstraite.
Par contre, nous donnons directement une prsentation sur un ensemble ouvert E
n
R . E peut donc tre born ou non-born. Puisque lun des intrt de la thorie est justement de saffranchir dune dfinition sur un intervalle comme cest le cas pour lintgrale
de Riemann.

c
Daniel
Cho 2003-

75

Universit de Caen

Mathmatiques pour la Mcanique

8.1

Ensemble lmentaire

8.1.1

Pavs et mesure dun pav

Dfinition 8.1.1. Un pav P de E est un ensemble de E Rn qui peut scrire sous la


forme de produit (tensoriel) dintervalles rels contenant ou non leurs extrmits :
P = [a1 , b1 ] [an , bn ]
ou encore
P = [a1 , b1 [ ]an , bn ]
etc, . . .Les intervalles pouvant tre ouverts ou non.
Dfinition 8.1.2. La mesure dun intervalle [a, b] est sa mesure Euclidienne, cest dire
sa longueur :
m([a, b]) = |b a| .
La mesure dun pav de E Rn est le produit de la mesure des intervalles le constituant :
m([a1 , b1 ] [an , bn ])
= m([a1 , b1 [ [an , bn ])
= ...
= m(]a1 , b1 [ ]an , bn [)
n
Y
=
|bi ai |
i=1

Ainsi, dans R2 les pavs sont des rectangles et m() mesure laire, dans R3 m() mesure
le volume.

8.1.2

Ensemble lmentaire et mesure dun ensemble lmentaire

Dfinition 8.1.3. On dit quun ensemble est lmentaire sil est runion disjointe et dnombrable S
de pavs.
Si A = Pk o les Pk sont des pavs 2 2 disjoints, alors
X
m(A) =
m(Pk ).
Proposition 8.1.4. La mesure dun ensemble lmentaire est indpendante du choix de
sa dcomposition.

c
Daniel
Cho 2003-

76

Universit de Caen

Mathmatiques pour la Mcanique

8.2
8.2.1

Ensemble mesurable
Mesure extrieure

Dfinition 8.2.1. Soit A une partie de E Rn , on dfinit sa mesure extrieure par


X
[
(A) = inf {
m(Pk ); A
Pk .}
k

o A k Pk dsigne un recouvrement de A par des pavs de E.

8.2.2

Ensemble mesurable

Dfinition 8.2.2. Une partie A de E est dit mesurable si pour tout > 0, il existe un
ensemble lmentaire B de E tel que
(AB)
o AB dsigne la diffrence symtrique 1 .
Autrement dit, les ensembles mesurables sont les ensembles limites densembles lmentaires. Ce qui signifie que pour trouver un ensemble non-mesurable, il faut se lever de
bonne heure !
Malgr tout nous pouvons prciser un peu la dfinition densemble mesurable. De
faon triviale nous avons
Proposition 8.2.3. Tout ensemble lmentaire est mesurable.
Thorme 8.2.4. Tout ensemble ouvert de Rn est mesurable
Preuve du thorme 8.2.4 : Soit A un ouvert de E. Par dfinition, pour chaque point
de A, il existe une boule (et donc un pav) de mesure non-nulle, centr en ce point et
contenu dans A.
Il suffit alors de considrer tous les points de A composantes rationnelles et les pavs
de cots rationnels. Il est clair que tous les points de A sont contenus dans un de ces pavs
rationnels. Ce qui signifie que A peut tre approche par des ensembles lmentaires
aussi prs que lon veut. 
Thorme 8.2.5. La runion dnombrable densembles mesurables est mesurable. Lintersection finie densembles mesurables est mesurable.
1

AB = [A \ (A B)] [B \ (A B)]

c
Daniel
Cho 2003-

77

Universit de Caen

Mathmatiques pour la Mcanique

8.2.3

Mesure dun ensemble mesurable

Dfinition 8.2.6. Soit A un ensemble mesurable dans E. Alors la mesure de A est sa


mesure extrieure.
m(A) = (A).
Proposition 8.2.7. Soit An des ensembles mesurables et soit A = n An . Alors
X
m(A)
m(An ).
n

Si de plus les An sont deux deux disjoints, alors


X
m(A) =
m(An ).
n

8.2.4

Ensemble de mesure nulle

Nous terminons cette section par des exemples densemble de mesure nulle. A complter..

8.3
8.3.1

Fonctions mesurables
Limites de fonctions continues

Dfinition 8.3.1. Soit f une fonction valeur relle dfinie sur E Rn . On dit que f est
mesurable si pour tout a R,
{x E

f (x) > a}

est un ensemble mesurable.


Proposition 8.3.2. Toute fonction continue sur E est mesurable dans E.
Thorme 8.3.3. Une f est mesurable si et seulement si pour tout > 0 il existe une
fonction continue telle que
{x,

f (x) 6= (x)) }.

Autrement dit, les fonctions mesurables sont toutes les limites simples de fonctions
continues. Cela entrane immdiatement le rsultat corollaire :
Corollaire 8.3.4. Toute limite simple de fonction mesurable est mesurable.

c
Daniel
Cho 2003-

78

Universit de Caen

Mathmatiques pour la Mcanique

8.3.2

Proprits des fonctions mesurables

Thorme 8.3.5. Si f est une fonction mesurable sur E, et si fn dsigne une suite de
fonctions mesurables sur E, alors les fonctions
|f |
g(x) = supn fn (x)
h(x) = lim sup fn (x)
le sont galement.

8.3.3

Classe des fonctions nulles presque partout

Dfinition 8.3.6. On dit quune fonction mesurable f est nulle presque partout sur E si
il existe un ensemble de mesure nulle A tel que
f (x) = 0 x E \ A.
On note f = 0 p.p. sur E.
Comme lunion finie densembles de mesure nulle est galement de mesure nulle, on
peut dfinir la relation dquivalence
f g sur E

8.4
8.4.1

f g = 0 p.p. sur E

Quelques remarques
Sur les fonctions non-mesurables

Lensemble des fonctions mesurables apparat comme la fermeture (diffrent de la


compltion) de lensemble ces fonctions continues au sens des limites simples.
Une question se pose alors : existe-t-il des fonctions non-mesurable ?
La rponse est oui, mais comme pour les ensembles non-mesurables, ils sont bien
cachs.
On pourrait noncer un pseudo-thorme : tous les ensembles usuels sont mesurables.
toutes les fonctions usuelles sont mesurables.

8.4.2

Sur la thorie abstraite de la mesure

Les ensembles mesurables que nous avons dfinis correspondent par rapport la thorie classique de la mesure, aux lments de la tribu borlienne sur E Rn , savoir la
plus petite -algbre contenant les ouverts de E. On lappelle la mesure de Lebesgue.
Cela signifie que dans la thorie classique les thormes 8.2.4 et 8.2.5 apparaissent
comme des dfinitions. La notion de mesure et densemble mesurable est bien plus gnrale que telle que nous le prsentons.
c
Daniel
Cho 2003-

79

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 9

Intgrale de Lebesgue
Thorme de convergence domine

Cest en 1901 que Henri Lebesgue a introduit sa dfinition de lintgrale dune fonction, dans une note parue aux comptes-rendus de lAcadmie des Sciences.
Cette nouvelle construction est essentiellement due au fait que lintgrale de Riemann
prsentait nombre de dfauts. En particulier, elle est peu adapte aux intgrales multiples
ainsi que pour les passages la limite.
Autre inconvnient majeur, lespace des fonctions Riemann intgrables nest pas complet, si bien que lanalyse sur ces fonctions fait intervenir des fonctions a priori non intgrables.
Lintgrale de Lebesgue bas sur la thorie de la mesure de mile Borel rpond tous
ces problmes. Cest ce que nous allons exposer.
Dans toute la suite E reprsente une partie de Rn . E peut tre born ou non.

9.1
9.1.1

Fonctions tages
Fonctions lmentaires

Dfinition 9.1.1. Une fonction lmentaire de E est une fonction valant 1 sur une partie mesurable de E et 0 partout ailleurs. On parle aussi de fonctions indicatrices1 . Par
1

On parle galement de fonctions caractristiques mais nous ne recommandons pas cette appellation

c
Daniel
Cho 2003-

80

Universit de Caen

Mathmatiques pour la Mcanique


exemple

1A (x) =

1
0

si x A
si x
/ A.

En gnral, de telles fonctions peuvent galement tre dfinies sur des ensembles nonmesurables. Nous choisissons une telle restriction car les ensembles non mesurables ne
nous intressent pas. Pour ne pas tre gns, nous les excluons tout simplement de notre
tude. Cela est lgitime car ces ensembles ne jouent aucun rle dans la thorie de Lebesgue.

9.1.2

Fonctions tages

Dfinition 9.1.2. On appelle fonction tage toute fonction dfinie par une combinaison
linaire de fonctions lmentaires ou indicatrices.
Ainsi, f est tage si il existe des ensembles mesurables Ai et des scalaires i tel que
f (x) =

n
X

i 1Ai .

i=1

Thorme 9.1.3. Les fonctions tages sont denses dans lensemble des fonctions mesurables.
Autrement dit, les fonctions mesurables peuvent tre considres comme des limites
simples de fonctions tages.
Preuve du thorme 9.1.3 Soit f une fonction mesurable sur E, sans perte de gnralits, on suppose que f 0.
On dfinit alors les ensembles mesurables, pour n N et i = 1, 2, 3, . . . , n2n :
/ (i 1)2n f (x) i2n }
/ f (x) n}.

Eni = {x E
Fn = {x E

Nous construisons alors la suite de fonctions de fonctions tages


n

fn =

n2
X

(i 1)2n 1Eni + n1Fn .

i=1

Il est facile de voir que pour tout n


fn fn+1 f
et que par construction, pour tout x E
lim fn (x) = f (x)

Remarquons que dans la dmonstration, la convergence est uniforme si f est borne.


c
Daniel
Cho 2003-

81

Universit de Caen

Mathmatiques pour la Mcanique

9.1.3

Intgrale dune fonction tage

Dfinition 9.1.4. Soit une fonction tage :


(x) =

n
X

i 1Ai (x).

i=1

Si est un ensemble mesurable, alors


I () =

n
X

i m(Ai )

i=1

est lintgrale de sur .

9.1.4

Intgrale de Lebesgue dune fonction mesurable

La dfinition 9.1.4 induit la dfinition de lintgrale de Lebesgue


Dfinition 9.1.5. Soit f une fonction mesurable sur E positive et soit une partie mesurable de E.
Lintgrale de Lebesgue de f sur est la borne suprieure des intgrales sur des
, fonctions tages positives majores par f :
Z
f = sup I ()

Remarque 9.1.6. On note indiffremment :


Z
Z
f=
f (x)dx

o x joue le rle dune variable muette.


Proposition 9.1.7. Soit f fonction mesurable sur E positive et soit une partie mesurable de E. Si fn dsigne la suite de fonctions positives tages introduite dans la
dmonstration du thorme 9.1.3, alors
Z
f = lim I (fn ).

Remarque 9.1.8. Ainsi dfinie, lintgrale peut tout fait prendre une valeur infinie.
Pour une fonction mesurable f dsignons par f + et f deux fonctions mesurables et
positives qui sont respectivement ses parties positive et ngatives :
f + (x) = |f (x)| 1E + (x)
f (x) = |f (x)| 1E (x)
c
Daniel
Cho 2003-

82

Universit de Caen

Mathmatiques pour la Mcanique


o

E + = {x E
E = {x E

f (x) 0}
f (x) 0}.

/
/

Si bien que pour tout x E


f (x) = f + (x) f (x).
Cette dcomposition permet de dfinir lintgrale (de Lebesgue) pour toute fonction mesurable :
Dfinition 9.1.9. Soit f une fonction mesurable sur E, alors pour tout E mesurable,
on dfinit
Z
Z
Z
f .

f+

f=

Dfinition 9.1.10. On dit quune fonction mesurable f est Lebesgue intgrable ou sommable sur E si
Z
|f | < +.
E

On note par L (E) lensemble des fonctions Lebesgue-intgrable sur E.


1

Le rsultat suivant est fondamental :


Thorme 9.1.11. Lintgrale sur dune fonction positive f est nulle si et seulement si
f est nulle presque partout sur :
Z
|f | = 0 f = 0 p.p. sur .

9.2
9.2.1

Thormes de Lebesgue
Thorme de convergence monotone

Thorme 9.2.1. Soient f1 , . . . , fn , . . . des fonctions mesurables positives sur E telles


que
0 f1 fn fn+1 . . .
Posons
f (x) = sup fn (x).
n

Alors

Z
fn

c
Daniel
Cho 2003-

f.
E

83

Universit de Caen

Mathmatiques pour la Mcanique


Preuve du thorme 9.2.1 : Posons
Z
n =

fn .
E

Alors, puisque la suite fn est croissante, les n convergent vers une limite
n [0, +].
Par dfinition f domine les fn , ainsi
Z

f.
E

Soit une fonction tage positive et domine par f et soit 0 < a < 1. Si on pose
En = {x E

fn (x) a(x)},

il est clair que En En+1 et E = n En .


Do pour tout n,
Z
Z

fn
E

fn a
En

.
En

Autrement dit, pour tout domin par f et pour tout 0 < a < 1,
Z
Z
Z
Z
f.
= sup IE () =
lim
fn a =
n

Si bien quon a montr que


Z
=

f.

9.2.2

Lemme de Fatou

Une consquence du thorme de convergence monotone 9.2.1 est le


Lemme 9.2.2. Soient fn des fonctions mesurables sur E et positives. Si
f (x) = lim inf fn (x) = lim inf {fi (x)},
n

alors

n in

Z
f lim

c
Daniel
Cho 2003-

84

inf fn .
E

Universit de Caen

Mathmatiques pour la Mcanique


Preuve du lemme de Fatou : Posons
gn (x) = inf {fi (x)}.
in

Par dfinition,
0 g1 (x) g2 (x) gn (x).
Alors, daprs le thorme 9.2.1 de convergence monotone,
Z
Z
f (x)dx = lim
gn (x)dx
n E
E
Z
= lim
inf {fi (x)}dx
n E in
Z
lim inf
fn (x)dx. 
n in

9.2.3

Thorme de convergence domine

Thorme 9.2.3. Soient fn L 1 (E), une suite de fonctions sommable sur E telles que
1. fn (x) f (x) p.p. sur E
2. |fn | g L 1 (E)
Alors f L1 (E) et
Z

f (x)dx.

fn (x)dx =

lim

Cest le rsultat central de la thorie de Lebesgue. Il en dcoule tous les thormes de


passage la limite.
Son avantage par rapport la thorie classique de Riemann, cest son nonc valable
pour tout type de domaine E pourvu quil soit mesurable. Son application est ais puisquil ne demande quune domination.
De plus, cest un rsultat optimal
Preuve du thorme 9.2.3 de convergence domine :
Puisque |fn | g L1 (E) cela signifie que f g et donc que f L1 (E).
Dautre part, puisque fn + g 0, le lemme de fatou 9.2.2 indique
Z
Z
f + g lim inf
fn + g.
n

Ce qui implique, en retranchant g :


Z

Z
f lim inf

E
c
Daniel
Cho 2003-

85

fn .
E
Universit de Caen

Mathmatiques pour la Mcanique


Mais on a galement que g fn 0 si bien que
Z
Z
g f lim inf
g fn ,
n

qui entrane, toujours en retranchant g :


Z
Z
f lim inf
fn
n

Do

Z
f lim sup

fn .

En conclusion, on a montr que


Z

Z
fn lim inf

lim sup

fn
E

Cela prouve que la limite existe et que cette limite vaut


Z
Z
f (x)dx.
fn (x)dx =
lim
n

9.2.4

Thorme de drivation sous le signe intgral

Thorme 9.2.4. Soit f (x, y) une fonction mesurable et drivable par rapport y pour
presque tout x E, telle que cette drive partielle est mesurable dans E. Si


f (x, y)
1


y g L (E),
alors

9.2.5

Z
f (x, y)dx =
E

f (x, y)
dx.
y

Thorme de Fubini

Thorme 9.2.5. Soit f une fonction mesurable dans le domaine x y . Si 0 f <


+ , et si
Z
Z
(x) =
f (x, y)dy (y) =
f (x, y)dx
y

alors et sont mesurables et


Z
Z
(x)dx =
x

c
Daniel
Cho 2003-

ZZ
(y)dy =

f (x, y)dxdy
x y

86

Universit de Caen

Mathmatiques pour la Mcanique


Thorme 9.2.6. Formule de Jacobi
Z
Z
f (x)dx =
f (T (u)) |JT (u)| du

o |JT (u)| est la Jacobienne (dterminant du gradient ou Jacobien) de lapplication


T (u) = x.

9.3

Espaces L1 et L2

On note L1 lespace L 1 pour lequel on a identifi toutes fonctions gales presque


partout : Deux fonctions f et g sont gales dans L1 , si elles sont gales presque partout.
On dit que L1 est lespace L 1 quotiente par la relation dquivalence gales presque
partout.
Ainsi, dans L1 (), lapplication
Z
f
|f |

est une norme.


On notera la norme L1 :
kf kL1 =

Z
|f |
Omega

Thorme 9.3.1. Muni de sa norme naturelle, lespace L1 () est complet. On dit que
cest un espace de Banach.
En mcanique, un espace fonctionnelle est particulirement important : lespace des
fonctions de carr intgrable :


Z
2
2
L () = f mesurable sur /
|f | < .

Lespace quotient est note de manire analogue par L (). On parle galement despace
dnergie finie.
Lespace L2 () est muni dun produit scalaire
Z
(f, g) =
fg
2

dfinissant une norme


kf kLf = (f, f )

1/2

Z

|f |

1/2
.

Omega

Thorme 9.3.2. Muni de son produit scalaire induisant sa norme naturelle, lespace
L2 () est complet. autrement dit, cest un espace de Hilbert.
Les espaces de Sobolev drivent de L2 () et constituent le cadre mathmatique des
formulations variationnelles ou principe des puissance virtuelles en mcanique.
c
Daniel
Cho 2003-

87

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 10

Transformation de Fourier des


fonctions

10.1

Prliminaires

10.1.1

Quelques intgrales utiles

Commenons par des valeurs remarquables (obtenues facilement en appliquant le


thorme de Fubini au carr des intgrales recherches) :
Z +

2
ex dx =
.
(10.1)

Z +

x2
e 2 dx =
2.
(10.2)

Z
|x|2
n
e 2 dx = (2) 2 .
(10.3)
Rn

10.1.2

Espace S (Rn )

Dfinition 10.1.1. S (Rn ) est lensemble des fonctions f C (Rn ) telles que Nn ,
k N
lim |x|k |D f (x)| = 0
|x|

c
Daniel
Cho 2003-

88

Universit de Caen

Mathmatiques pour la Mcanique


o on note |x| =

pP

x2i , = (1 , . . . , n ) et
D f (x) =

|| f
x1 1 . . . xnn

On appelle S (Rn ) lensemble des fonctions dcroissance rapide sur Rn . On lappelle


galement espace de Schwarz. Cest un espace vectoriel.
Exemples.
D(Rn ) S , not galement par C0 (Rn ).
2
ex S (R).
e|x| nest pas dans S (non diffrentiable en 0).
Nous avons les dfinitions quivalentes :
Proposition 10.1.2. S est lensemble des fonctions f dfinies sur Rn telles que
1. , , lim|x| |x f (x)| = 0 (si = (1 , . . . , n ) on pose x = x1 1 xnn ).
2. , k, |x|k | f (x)| soit borne.
3. , , |x f (x)| soit borne.
4. , k, |x|k | f (x)| soit Lebesgue-intgrable.
5. , , |x f (x)| soit intgrable.
Thorme 10.1.3. S est dense dans L1 et dans L2 .
Voir les suites rgularisantes.

10.1.3

Produit de convolution

Soit f et g deux fonctions de L1 (Rn ), alors Le produit de convolution de f et g est la


fonction
Z
f g(x) =
f (x y)g(y)dy.

Rn

Les principales propits du produit de convolution sont :


Le produit est commutatif
Leffet de rgularisation : si D f est dfinie et appartient L1 (Rn ), alors
D (f g)(x) = D f g(x)

10.1.4

Suites rgularisantes

Soit la fonction de classe C support compact :


(
1
1|x|2
e
|x| 1
(x) =
0
|x| 1
Alors la suite m (x) = (mx) est une suite rgularisante au sens que si f L1 (Rn )
(resp. L2 ) alors, fm = f m est dans S est converge vers f dans L1 (resp. dans L2 ).
c
Daniel
Cho 2003-

89

Universit de Caen

Mathmatiques pour la Mcanique

10.2

Transformation de Fourier

Dfinition 10.2.1. Pour f L1 (Rn ) et y Rn on pose


Z
eix.y f (x)dx.
f(y) =

(10.4)

Rn

f, note aussi F f , sappelle la transforme de Fourier de f . Elle existe car |eix.y f (x)| <
|f (x)| et f L1 .
Thorme 10.2.2. Soit f L1 , sa transforme de Fourier f est continue, borne et tend
vers 0 a linfini.
Remarque 10.2.3. Pour une fonction f quelconque dans L1 , f nest pas ncessairement
dans L1
Lemme 10.2.4. La transformation de Fourier est invariante pour f (x) = e


|x|2
|y|2
n
2
F e
(y) = (2) 2 e 2 .

|x|2
2

Thorme 10.2.5. Pour toute fonction f S et f S et nous avons les relations :


f = (i)|| f(y)
xd
f = (iy) f
d
Z
Z

(y)f
(y)dy
(y)f (y)dy =

(10.5)
(10.6)
(10.7)

La transformation de Fourier a donc la proprit fondamentale dchanger les multiplications et les drivations. Les proprits prcdentes restent valables tant quelles ont
un sens.
Nous avons le formule dinversion :
Thorme 10.2.6. Si f L1 et f L1 , alors
Z
n
f (x) = (2)

eix.y f(y)dy

Remarque 10.2.7. si f L1 et f L1 ,

f(x) = (2)n f(x) = (2)n f (x).


Corollaire 10.2.8. Formule de Parseval Si S , L1 ,
Z
Z
n

= (2)

c
Daniel
Cho 2003-

90

Universit de Caen

Mathmatiques pour la Mcanique


Corollaire 10.2.9. Formule de Plancherel si S , alors
Z
Z
2
n
|| = (2)
||2
Thorme 10.2.10. Si f L1 et f = 0, alors f = 0.
Autrement dit La transformation de Fourier est une application injective dans L1 .
Remarque 10.2.11. Soit i linjection de S dans L2 ; daprs la formule de Plancherel, si
n
f S , kiF f k2 = (2) 2 kf k2 (norme de L2 ), iF peut donc sinterprter comme une
application linaire continue de S muni de la topologie de L2 dans L2 . Alors, daprs
un thorme de Banach, comme S est dense dans L2 , i F admet donc un prolongement
f : L2 L2 , dit transformation de
continu linaire unique L2 , not provisoirement F
Fourier dans L2 . On a donc pour toute suite (f ) dans S convergente vers f dans L2
Z
f
F f (y) = lim
eix.y f (x)dx
+

[on pourra par exemple prendre les (f ) dans D(Rn ), ou mme la suite rgularise par
convolution].
R
ff (y) = eix.y f (x)dx, en gnral.
Remarque 10.2.12. Pour f L2 , on na pas F
f est bijective de L2 sur L2 .
Proposition 10.2.13. F
Par suite, on note abusivement, pour toute fonctions de L2 ,
f = f.
F
Thorme 10.2.14. La transformation de Fourier est un automorphisme topologique
de S .

10.3

Rapports avec la convolution

Proposition 10.3.1. Si f L1 et g L2 , f[
g = fg
Corollaire 10.3.2.
1. f et g S , f g S :
f, g S f, g S
fg S
F 1 (fg) = f g S
S est une algbre pour la convolution.
c
Daniel
Cho 2003-

91

Universit de Caen

Mathmatiques pour la Mcanique


2. f, g S , fcg = (2)n f g
il suffit de montrer lgalit de leurs transformes de Fourier, or
g
c
fcg = (2)n (f g)
= (2)n fg

= (2)n fg
g.
= (2)n f[
la transformation de Fourier dans S change multiplication et convolution.

10.4

Exemples

Calculer les transformes de Fourier des fonctions dfinies sur R suivantes :


1. f1 (x) = H(x)eax
2. f2 (x) = 1[a,a]
3. f5 (x) = H(x)xk eax
4. f6 (x) = H(x)
o H(x) est la fonction de Heaviside :

H(x) =

c
Daniel
Cho 2003-

1 x0
0 x<0

92

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 11

Introduction la thorie des


distributions

11.1

Introduction

Cest Paris, en 1944, que Laurent Schwartz invente, en une nuit, sa thorie des
distributions, thorie qui lui vaudra une mdaille Fields en 1950. Comme il le dcrit luimme dans son autobiographie [Sch97], la thorie des distributions tait invitable, et
plusieurs thories contemporaines en taient trs proches dont notamment la thorie de
Sobolev.
La ncessit dune thorie allant au del de la dfinition classique des fonctions et du
calcul diffrentiel simposait par des exemples :
1. Fonction de Heaviside et sa drive
2. Ondes sans quations.
Lquation des ondes
2u
=0
xy
a pour solutions gnrales u = f (x) + g(y) o f et g sont deux fonctions arbitraires
deux fois diffrentiables. La question naturelle est des savoir si dans le cas ou f et g
ne sont plus diffrentiables, on a toujours une onde ou non. Lexprience physique
montre que oui, bien que cela nait pas de sens mathmatique, du moins avec les
dfinitions classiques de fonctions et de drives.
c
Daniel
Cho 2003-

93

Universit de Caen

Mathmatiques pour la Mcanique

11.2

Espace des fonctions infiniment drivables support compact

Dfinition 11.2.1. Le support dune fonction continue f est la fermeture (ou ladhrence)
de lensemble des x tels que f (x) 6= 0. On note :
supp f = {x / f (x) 6= 0}
Proposition 11.2.2. Dans Rn les ensembles compacts sont les ensembles ferms borns.
Dfinition 11.2.3. Lensemble des fonctions infiniment drivables support compact
dans Rn est not D().
Exemples.
(
=

e 1|x|2
0

|x| < 1
|x| 1

On munit D dune pseudo-topologie :


Dfinition 11.2.4. On dit quune suite n D converge vers 0 si et seulement si K un
compact tel que supp n K n et :
supK |n | 0
supK | n | 0.
On voit que les conditions de convergence sont svres : on dit que cest une topologie fine (exigeante).

11.3

Thorie des distributions

Dfinition 11.3.1. On note D 0 () le dual topologique de D(). On lappelle lespace


des distributions sur .
D 0 () = {Formes linaires continues sur D()}
= {T L (D(), R) / n dans D() = T (n ) T ()}
On note indiffremment
T () = hT, i.

c
Daniel
Cho 2003-

94

Universit de Caen

Mathmatiques pour la Mcanique

11.3.1

Exemples de distributions

1
des fonctions mesurables localement intgrable :
On dfinit lensemble Lloc


Z
1
Lloc = f /
f < +, K compact .
K
1
Proposition 11.3.2. Lloc
contient L 1 , L 2 , C m , . . . .
1
Proposition 11.3.3. A toute fonction f de Lloc
est associe une distribution quon notera
dans un premier temps [f ] :
Z
h[f ], i = Rn f (x)(x)dx D.

On dit que [f ] est une distribution rgulire.


Les distributions apparaissent ainsi comme une gnralisation des fonctions.
Proposition 11.3.4. On note la distribution de Dirac, dfinie par
h0 , i = (0) D.
ha , i = (a)

11.3.2

D.

Drivation des distributions

Dfinition 11.3.5. Soit T une distribution dans Rn , sa drive partielle par rapport
la variable xi est, par dfinition, la distribution
h

, i = hT,
i
xi
xi

D.

De mme, on a pour tout multi-indice :


hD T , i = (1)|| hT, D i

Ainsi, toute distribution est infiniment drivable. Par ailleurs, cette dfinition est une
extension de la notion classique de drive :
1
Proposition 11.3.6. Soit f Lloc
et supposons que sa drive D f existe et soit localement intgrable, alors [D f ] (distribution associe la drive) concide avec D [f ]
(drive de la distribution associe).

Proposition 11.3.7. Soit H(x) la fonction de Heaviside, alors [H(x)]0 = 0 . Autrement


dit, la drive de la fonction de Heaviside est la distribution de Dirac en 0.
c
Daniel
Cho 2003-

95

Universit de Caen

Mathmatiques pour la Mcanique

11.3.3

Opration sur les distributions

Dfinition 11.3.8. Multiplication par une fonction C Soit T D 0 () et soit f


C (), alors f T D 0 () :
hf T , i = hT, f i

D.

Remarque 11.3.9. Si T D 0 () et U D 0 (), le produit nest pas dfini a priori.


Dfinition 11.3.10. Translate dune distribution Soit T D 0 (Rn ) et a Rn , la
translate de T par a est la distribution
ha , i = hTx , (x a)i

11.3.4

D.

Convergence au sens des distributions

Dfinition 11.3.11. On dit quune suite de distribution Tn converge vers T au sens des
distributions, si et seulement si
lim hTn , i = hT, i

11.3.5

D.

Support dune distribution

Dfinition 11.3.12. On note supp T le support de la distribution T D 0 () dfini par


supp T = {A / supp A = hT, i = 0}
= { {A / D(A) telle que hT, i =
6 0}
Exemples. supp 0 = {0}.
Proposition 11.3.13. Si une distribution est dfinie par une fonction f , on a
supp [f ] supp f.
Proposition 11.3.14. Si supp T = {0} alors T est une combinaison linaire de distributions de Dirac en 0 et de ses drives.
X
T =
C 0 .

11.4

Variantes des distributions

11.4.1

Distribution dordre finie

Dfinition 11.4.1. On note D k0 () lensemble des distribution dordre k N le dual


topologique de C k ().
Exemples. 0 est dordre 0, mais 00 est dordre 1.
c
Daniel
Cho 2003-

96

Universit de Caen

Mathmatiques pour la Mcanique

11.4.2

Distribution support compact

Dfinition 11.4.2. On note E 0 (Rn ) lensemble des distributions support compact.


Proposition 11.4.3. E 0 (Rn ) est le dual topologique de C .
Exemples.

11.4.3

Distribution tempre

On rappelle que S , lespace de Schwartz est lensemble des fonctions dcroissance


rapide voir la section 10.1.2
Dfinition 11.4.4. On note S 0 (Rn ) lensemble des distributions tempres, le dual topologique de S (Rn ).
Exemples.

11.5

Produit de convolution de deux distributions

Dfinition 11.5.1. Soit T D 0 une distribution et D, le produit de convolution est


la fonction dfini par
T (x) = hTy , x yi.
Exemples.
1. 0 (x) = (x).
1
2. si f Lloc
, alors [f ] (x) = f (x).

Proposition 11.5.2. Si T D 0 et si D alors T (x) est une fonction C . De plus,


on a
(T ) (x) = T (x) = T (x).
Proposition 11.5.3. Si T E 0 et si D, T (x) est une fonction support compact.
Thorme 11.5.4. C est squentiellement dense dans D 0 .
Preuve : par le produit de convolution avec la suite rgularisante.
Thorme 11.5.5. Si T D 0 et T 0 = 0, alors T est une constante.

c
Daniel
Cho 2003-

97

Universit de Caen

Mathmatiques pour la Mcanique

CHAPITRE 12

Petite introduction lanalyse


fonctionnelle

Mme prudent, le titre est trompeur, il ne sagit pas vritablement danalyse fonctionnelle mais, pour le moment, une collection de rsultats thoriques concernant des espaces
de fonctions usuels en mathmatiques appliques et en mcanique en particulier. Les rsultats qui suivent sont difficiles et peuvent tre survols sans consquences en Licence
de Mcanique, mais pourront tre acquises au cours de la matrise.
Il est essentiel, avant de vouloir rsoudre un problme, de savoir sil est bien pos ou
non : savoir il existe une solution au problme pos et si oui, savoir si il existe une ou
plusieurs solutions. Dans un cadre mcanique cela revient savoir si la modlisation a un
sens ou non. En effet, il est vain de vouloir trouver une solution si elle nexiste pas et si il
existe plusieurs solutions, laquelle choisir ?
En bref, comment savoir si les quations, les conditions aux limites dun problme
sont bien crites, sil nen manque pas, sil ne sont pas contradictoires.
A ces questions, seule lanalyse mathmatique permet de rpondre, en classant notamment les problmes, en les identifiant et en les regroupant par les proprits des solutions
et de leur dpendance aux donnes.
Lintrt de ce cadre mathmatique est une matrise relative dun cadre thorique de la
modlisation en mcanique : matrise des thormes dexistence, dunicit et de la dpendances des solutions aux donnes du problme, matrise galement de lapproximation.
Naturellement, un rsultat dexistence ne donne pas a priori dindication sur la manire de rechercher la solution dun problme. Cest l une des grandes difficults de ce
c
Daniel
Cho 2003-

98

Universit de Caen

Mathmatiques pour la Mcanique


cadre thorique : des noncs difficiles, abstraits, pour une pratique concrte quasi nulle
au mtier dingnieur.
Enfin, ctait sans compter les ingnieurs qui ont mis au point la mthode des lmentsfinis, bass sur ce cadre thorique, permettant dapproximer les solutions dun grand
nombre de problme mcanique.

12.1

Espace de Banach

Dfinition 12.1.1. Soit E un espace vectoriel norm, on dit que cest un espace de Banach
sil est complet.
Autrement dit, E est complet si toute suite de Cauchy dans E est convergente.
La notion despace complet induit des rsultats dexistence. Cest la raison essentielle
pour laquelle on fait tant deffort pour travailler dans des espaces de fonctions ayant cette
proprit.

12.1.1

Quelques caractrisations abstraites dun espace de Banach

Thorme 12.1.2. Soit E un espace vectoriel norm, alors E est complet si et seulement
si les sries absolument convergentes (resp. normalement) sont convergentes.
Thorme 12.1.3. Soit E une espace vectoriel norm complet et soit un sous espace
vectoriel F E. Si F est ferm dans E, alors F est lui mme complet pour la norme
induite.
Thorme 12.1.4. Soit E un espace de Banach, alors son dual topologique E 0 , cest
dire lensemble des formes linaires continues sur E est aussi un Banach pour la norme
kAkE 0 = sup |A(f )|
kf kE =1

Les espaces de Banach permettent de dfinir simplement la notion de fonction continue et par suite le notion de diffrentielle :
Dfinition 12.1.5. Soit E et F deux espaces de Banach rel, et soit f une fonction dfinie
dune partie ouverte U E dans F . Alors f est continue en x U si et seulement si
f (x + h) converge vers f (x) dans F , lorsque h converge vers 0 dans E :
f (x + h) = f (x) + O(h)
Dfinition 12.1.6. Soit E et F deux espaces de Banach rel, et soit f une fonction dfinie
dune partie ouverte U E dans F . Alors f est diffrentiable en x U si et seulement
si il existe une application linaire A de E dans F (on note A L(E, F )) telle que
f (x + h) = f (x) + Ah + o(h)
A est la drive de f en x, on la note gnralement f 0 (x).
c
Daniel
Cho 2003-

99

Universit de Caen

Mathmatiques pour la Mcanique

12.1.2

Quelques exemples despaces de Banach

Tout espace vectoriel rel ou complexe de dimension finie est un espace complet
pour nimporte quelle norme.
L1 () est complet pour tout mesurable avec la norme
Z
kf kL1 () =
|f (x)| dx.

L2 () est complet pour tout mesurable avec le norme


kf kL2 () =

Z

 21
|f (x)| dx .
2

Lp (), p 1 est complet pour tout mesurable avec le norme


kf kLp () =

Z

|f (x)| dx

 p1
.

C 1 ([O, 1]) est complet pour sa norme usuelle


kf kC 1 = sup |f (x)| + sup |f 0 (x)| .
[0,1]

[0,1]

Cela se gnralise pour lensemble des fonctions de classe C 1 dfinies sur un compact de Rn .

12.1.3

Quelques exemples despaces qui ne sont pas des espaces de


Banach

C 1 ([O, 1]) nest pas complet pour la norme


kf k = sup |f (x)| .
[0,1]

C R nest mme pas normable.


C 1 (]O, 1[) nest mme pas normable.

12.2

Espace de Hilbert

Les espaces de Hilbert sont trs importants car ils sont la base des thormes dexistence pour les problmes issues de la Mcanique, notamment en ce qui concerne les formulations variationnelles (ou principe des puissances virtuelles) qui entrent dans le cadre
de la thorie de Lax-Milgram.
c
Daniel
Cho 2003-

100

Universit de Caen

Mathmatiques pour la Mcanique


Dfinition 12.2.1. Soit H un espace vectoriel. Un produit scalaire sur H est une forme
bilinaire dfinie positive symtrique a(u, v) de H H valeur dans R. Une telle forme
bilinaire induit une norme
1
kuka = {a(u, u)} 2 .
Dfinition 12.2.2. Soit H un espace vectoriel muni dun produit scalaire, on dit que H
est un espace de Hilbert sil est complet pour la norme associe au produit scalaire.
Ainsi, un espace de Hilbert est un cas particulier despace de Banach.

12.2.1

Quelques exemples despaces de Hilbert

L2 () est un Hilbert pour tout mesurable avec le produit scalaire :


(f, g)L2 =

Z
f (x)g(x)dx

H 1 () est un Hilbert pour tout mesurable avec le produit scalaire :


Z
Z
f (x)g(x)dx + f (x).g(x)dx
(f, g)H1 =

12.2.2

Principaux rsultats sur les Hilberts

Thorme 12.2.3. Reprsentation de Riesz Soit L une forme linaire continue dfinie
sur un Hilbert H. Il existe un unique f H tel que
(f, v)H = L(v)v H.
Thorme 12.2.4. Soit H un espace de Hilbert sparable, alors il existe une suite en H
telle que
1. ken kH = 1
2. (en , em )H = n,m
3. lespace vectoriel engendr par les en est dense dans H :
u H

u=

an e n

n=0

avec
an = (u, en )H
et
kukH =

(
X

) 21
a2n

n=0

c
Daniel
Cho 2003-

101

Universit de Caen

Mathmatiques pour la Mcanique

Index

x, 51
Application linaire, 15
Base dun espace vectoriel, 14
Changement de variables, 50
Convention dEinstein, 7
Drive
,fonction, 41
seconde, 41
Dterminant, 23
Divergence, 38, 52
Endomorphisme, 15, 22
Ensemble
ferm, 31
ouvert, 31
Espace
de dimension finie, 14
vectoriel, 10
Famille
lie, 13
libre, 13
Fonction
continue, 33
drivable, 33
diffrentiable, 33, 35
Formule
c
Daniel
Cho 2003-

de Green, 57
de Jacobi, 50
de Taylor, 42
Formules
dintgration par parties, 52
Gradient, 38, 45
homomorphisme, 15
Mthode
des lments-finis, 52
Matrice
carr, 22
dune application linaire, 17
de passage, 21
des cofacteurs, 25
jacobienne, 37
symtrique, 28
Norme, 32
Norme
dune matrice, 19
Polynme caractristique, 27
Spectre, 26
Stokes, 57
Thorme
de Cayley-Hamilton, 28
102

Universit de Caen

Mathmatiques pour la Mcanique


de la moyenne, 42
de Schwarz, 42
du point fixe, 42
Valeur propre, 26
Vecteur propre, 26

c
Daniel
Cho 2003-

103

Universit de Caen

Mathmatiques pour la Mcanique

Bibliographie

[Car85] Henri Cartan. Cours de calcul diffrentiel. Hermann, 1985.


[Dix76] Jacques Dixmier. Cours de Mathmatiques du premier cycle. Gauthiers-Villars,
1976.
[Lic46] Andr Lichnerowitz. lments de Calcul tensoriel. Jacques Gabay, 1946.
[Que64] Michel Queysanne. Algbre 1er cycle scientifique prparation aux grandes
coles. Armand Colin Collection U, 1964.
[Rud95] Walter Rudin. Principes danalyse Mathmatiques. Ediscience international,
1995. ISBN : 2-84074-108-3.
[Sch67] Laurent Schwartz. Cours danalyse. Hermann, 1967.
[Sch97] Laurent Schwartz. Un mathmaticien aux prises avec le sicle. ditions Odile
Jacob, 1997.

c
Daniel
Cho 2003-

104

Universit de Caen