CHAPITRE I LES OUTILS MATHEMATIQUES

La modélisation de l’espace réel, considéré dans le cadre de la mécanique classique comme

étant à trois dimensions, homogène et isotrope suppose l’introduction d’outils mathématiques
tel que les vecteurs, et les notions sur les torseurs. Dans cette partie nous présenterons les
rappels et l’ensemble des opérations mathématiques sur les vecteurs. Nous développerons
aussi l’étude sur les torseurs qui sont des outils mathématiques très important en mécanique
classique, notamment en mécanique des solides. L’utilisation des torseurs en mécanique
permet de simplifier l’écriture des équations relatives aux grandeurs fondamentales de la
mécanique.
1. Opérations sur les vecteurs
→
Dans tout ce qui suit, on s’intéressera à l’ensemble E des vecteurs V de l’espace usuel. E est
un espace Euclidien à trois dimensions.
2. Définition
Un vecteur est un segment de droite OA sur lequel on a choisi une origine O et une extrémité
A ; il est défini par :
- son origine ; A
- sa direction ; O

- son sens ;
- son module.
→ −− →
Par convention on adopte la notation suivante : vecteur : V ou OA
3. Classification des vecteurs
Il existe plusieurs types de vecteurs :
- Vecteur libre : la direction, le sens et le module sont donnés mais la droite support et le
point d’application (origine du vecteur) ne sont pas connues ;
- Vecteur glissant : le point d’application (origine du vecteur) n’est pas fixé ;
- Vecteur lié : tous les éléments du vecteur sont déterminés ;
- Vecteur unitaire : c’est un vecteur dont le module est égal à 1.

1
4. Composantes d’un vecteur
→ → →
Considérons une base de l’espace R 3 notée : R0 = (O, e1 , e2 , e3 ) . Cette base est orthonormée
→ → ⎧ 1 si i = j
si : ei • e j = ⎨ →
⎩0 si i ≠ j e3

La base R0 est dite directe si un observateur se plaçant à

→
→ → e2
l’extrémité du vecteur e3 verra le vecteur e1 tourner vers le →
→ e1
vecteur e2 dans le sens contraire des aiguilles d’une montre.
→
Dans cette base un vecteur V de composantes ( x, y, z ) ∈ R 3 s’écrirait :
→ → → →
V = x e1 + y e2 + z e3
→
Les quantités réelles x, y, z sont appelées composantes du vecteur V dans la base R 3 .
⎧x
⎪ →
La notation adoptée est la suivante : V = ⎨ y
⎪
R0 ⎩ z

5. Loi de composition interne : Somme vectorielle

→ → →
La somme de deux vecteurs V1 et V2 est un vecteur W tel que :
→ → → → →
∀ V1 , V2 ∈ R 3 nous avons W = V1 + V2 ∈ R 3
→ → → → →
Soit (a1 , a 2 , a3 ) les composantes du vecteur V1 d’où : V1 = a1 e1 + a 2 e2 + a 3 e3 et
→ → → → →
(b1 , b2 , b3 ) les composantes du vecteur V2 d’où : V2 = b1 e1 + b2 e2 + b3 e3
Le vecteur somme est défini par la relation :
→ → → → → →
W = V1 + V2 = ( a1 + b1 ) e1 + ( a 2 + b2 ) e 2 + ( a 3 + b3 ) e3
→
L’élément neutre ou vecteur nul, est noté : 0 = (0,0,0)

5.1 Propriétés de la somme vectorielle

→ → → →
- la somme vectorielle est commutative : V1 + V2 = V2 + V1 ;

2
 ⎛→ →⎞ → → ⎛→ →⎞
- la somme vectorielle est associative : ⎜V1 + V2 ⎟ + V3 = V1 + ⎜V2 + V3 ⎟ ;
⎝ ⎠ ⎝ ⎠
→ → →
- l’élément neutre est défini par : V + 0 = V ;
→ → →
⎛ →⎞ →
- A tout vecteur V correspond un vecteur opposé noté − V tel que : V + ⎜ − V ⎟ = 0
⎝ ⎠
5.2 Multiplication par un scalaire
→
Si λ est un nombre réel et V un vecteur, leur produit est un vecteur.
→ → →
∀λ ∈ R , ∀ V ∈ R 3 ========> W = λ V ∈ R 3
→ →
Le vecteur W est colinéaire au vecteur V .
→ → → → → →
Si le vecteur V a pour composantes (a, b, c) tel que : V = a1 e1 + a 2 e2 + a3 e3 ; le vecteur W
→ → → →
s’écrirait : W = λa1 e1 + λa 2 e2 + λa 3 e3

La multiplication d’un vecteur par un scalaire vérifie les propriétés suivantes :

→ → →
a) Distribution par rapport à l’addition des scalaires : (λ1 + λ 2 ) V = λ1 V + λ 2 V ;
→ → → →
b) Distribution par rapport à la somme vectorielle : λ (V1 + V2 ) = λ V1 + λ V2 ;
→ →
c) Associativité pour la multiplication par un scalaire : λ1 (λ 2 V ) = λ1λ 2 V
6. Combinaison linéaire des vecteurs
→ → → → →
Soit les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 et λ1 , λ 2 , λ3 ,........λ n des
→ → → → →
nombres réels. Les vecteurs λ1 V1 , λ 2 V2 , λ3 V3 ,................λ i Vi ...........λ n Vn sont aussi des
→
vecteurs de l’espace R 3 ainsi que leur somme W défini par :
→ → → → → n →
W = λ1 V1 + λ 2 V2 + λ 3 V3 + ............. + λ n Vn = ∑ λ i Vi
i

→ → → → →
Le vecteur W est appelé combinaison linéaire des vecteurs : V1 , V2 , V3 ,............Vn

6.1. Dépendance et indépendance linéaire entre les vecteurs

6.1.1. Définition
→ → → → →
On dit que les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 sont linéairement

3
 n → →
indépendant si et seulement si, ils vérifient la relation suivante : ∑ λ i Vi = 0 entraîne que
i

tous les λi sont nuls.

n → → → → → →
∑λ V
i
i i = λ1 V1 + λ 2 V2 + λ3 V3 + ............. + λ n Vn = 0 ⇔ λ1 = 0 , λ2 = 0 , …….. λ n = 0

Si les λi ne sont pas tous nuls on dit que les vecteurs sont linéairement dépendant entre eux.

6.1.2. Propriétés sur l’indépendance des vecteurs

→
a) Un vecteur V est à lui seul un vecteur linéairement indépendant ;
b) Dans un système de vecteurs linéairement indépendants, aucun d’entre eux ne peut être un
vecteur nul ;
c) Dans un ensemble de vecteurs indépendants, tout sous ensemble prélevé sur ces vecteurs
forme un système de vecteurs indépendants.

6.1.3. Propriétés sur la dépendance des vecteurs

Si n vecteurs sont dépendants entre eux alors, au moins l’un d’entre eux est une combinaison
→ → → → →
linéaire des autres. Soit les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 et

λ1 , λ 2 , λ3 ,........λ n des nombres réels, si ces vecteurs sont linéairement dépendants la relation :
n → →
∑ λi Vi = 0
i

Implique qu’il existe des λi non nuls, de telle sorte que la relation puise s’écrire :
→ → → → →
λ1 V1 + λ 2 V2 + λ 3 V3 + ............. + λ n Vn = 0 qui donne par exemple :

λ1 V1 = −⎛⎜ λ 2 V2 + λ3 V3 + ............. + λ n Vn ⎞⎟
→ → → →

⎝ ⎠
→ 1⎛ → → →
⎞
V1 = − ⎜ λ 2 V2 + λ3 V3 + ............. + λ n Vn ⎟
λ1 ⎝ ⎠
→ → → →
On dit alors que V1 dépend linéairement des vecteurs : V2 , V3 ,..................Vn

Remarque :
→ → → →
a) Si V1 , V2 , V3 ,..................Vn sont linéairement indépendant, alors les vecteurs
→ → → → → → → →
V1 , V2 , V3 ,..................Vn , Vn +1 , Vn + 2 ,... le sont aussi quel que soit les vecteurs , Vn +1 , Vn + 2 ,...

4
Dans un ensemble de vecteurs linéairement indépendants, chaque vecteur est une
combinaison unique des autres vecteurs.
→ n → → n →
b) Soit W = ∑ α i Vi et U = ∑ β i Vi deux vecteurs indépendants:
i i

L’égalité entre les deux vecteurs indépendants est équivalente à n égalités entre les nombres
→ →
réels : Si W = V ⇔ α i = β i

7. Produit scalaire de deux vecteurs

→ →
On appelle produit scalaire de deux vecteurs V1 et V2 une loi de composition externe qui
→ →
associe aux deux vecteurs, un scalaire (nombre réel) noté : V1 • V2 tel que :
→ → → →
∀ V1 , V2 ∈ R 3 ⇒ V1 • V2 ∈ R
→ → → → → →
V1 • V2 = V1 V2 cos(V1 , V2 ) ; le résultat d’un produit scalaire est un scalaire.

Le produit scalaire est nul, si :

ƒ Les deux vecteurs sont orthogonaux ;
ƒ L’un des vecteurs est nul.
7.1 Propriétés du produit scalaire
⎛ → → ⎞ → → → → →
a) linéarité : ⎜ V1 + V2 ⎟ • W = V1 • W + V2 • W
⎝ ⎠

λ V ⎟⎟⎟ • W = λ ⎛⎜V • W ⎞⎟
⎛ →⎞ → → →
⎜
⎜
⎜
⎝ ⎠ ⎝ ⎠
→ → → → → → → →
b) symétrie par rapport aux vecteurs : V • W = W • V donc : V • V > 0 si V ≠ 0
→ →
Le produit scalaire est une forme linéaire symétrique associée aux vecteurs V et W .
7.2 Expression analytique du produit scalaire
→ → →
Considérons une base b de l’espace R 3 notée : b = (e1 , e 2 , e3 ) . Cette base est orthonormée si :
→ → ⎧ 1 si i = j
ei • e j = ⎨ →
⎩0 si i ≠ j e3
La base b est dite directe si un observateur se plaçant à l’extrémité
→ → →
→
du vecteur e3 verra le vecteur e1 tourner vers le vecteur e 2 e2
dans le sens contraire des aiguilles d’une montre. →
e1

5
 → →
Soient deux vecteurs V1 et V2 . Leurs expressions dans cette base sont :
→ → → →
V1 = a1 e1 + a 2 e2 + a3 e3
→ → → →
V2 = b1 e1 + b2 e2 + b3 e3

Le produit scalaire des deux vecteurs est donné par :

→ →
⎛ → → →
⎞ ⎛ → → →
⎞
V1 • V2 = ⎜ a1 e1 + a 2 e2 + a 3 e3 ⎟ • ⎜ b1 e1 + b2 e2 + b3 e3 ⎟ = a1b1 + a 2 b2 + a3 b3
⎝ ⎠ ⎝ ⎠

7.3. Norme ou module d’un vecteur

→ →
On appelle norme ou module d’un vecteur V , noté : V la racine carrée positive du produit

→ → → →
scalaire du vecteur par lui-même. V = V • V = V 2

→ →
Nous avons en particuliers : λ V = λ V

→ → → → → →
V1 − V2 ≤ V1 + V2 ≤ V1 + V2 : appelé inégalité triangulaire.

7.4. Vecteurs orthogonaux

Deux vecteurs sont dits orthogonaux si et seulement si leur produit scalaire est nul :
→ → → → →
Si V ⊥W ⇔ V •W = 0
Si trois vecteurs non nuls sont orthogonaux deux à deux, ils sont alors linéairement
indépendant et ils constituent une base orthogonale dans R 3 .

7.5. Base orthonormée

Une base est dite orthonormée si les vecteurs qui la constituent sont perpendiculaires deux à
→ → →
deux et si leurs normes sont égales à 1. Si b = (e1 , e2 , e3 ) est orthonormée nous avons alors :
→ → → → → →
e1 • e2 = 0 , e1 • e3 = 0 , e 2 • e3 = 0
→ → → → → → → → →
e1 • e1 = e12 = 1 , e 2 • e2 = e22 = 1 , e3 • e3 = e32 = 1

6
8. Produit vectoriel de deux vecteurs
→ → →
Le produit vectoriel de deux vecteurs V1 et V2 de l’espace R 3 est un vecteur W
→ → → → → → →
⎛→ →⎞ →
perpendiculaire à V1 et V2 , défini par : W = V1 ∧ V2 = V1 V2 sin ⎜V1 , V2 ⎟ n
⎝ ⎠
→ → →
ou n : est un vecteur unitaire perpendiculaire à V1 et V2
→

Le produit vectoriel est nul si : W

→
- Les deux vecteurs sont colinéaires ; V2
→
- L’un des vecteurs, est nul. n

→
8.1. Propriétés du produit vectoriel V1
→ →
a) Le module du produit vectoriel est égal à l’aire du parallélogramme formé par V1 et V2 ;
b) Le produit vectoriel est distributif à gauche et à droite pour la somme vectorielle :
→ → → → → → →
(V1 + V2 ) ∧ W = V1 ∧ W + V2 ∧ W
→ → → → → → →
W ∧ (V1 + V2 ) = W ∧ V1 + W ∧ V2
c) Le produit vectoriel est associatif pour la multiplication par un nombre réel :
→ → → →
(λ V ) ∧ W = λ ( V ∧ W )
→ → → →
V ∧ λ W ) = λ( V ∧ W )
d) Le produit vectoriel est antisymétrique (anticommutatif)
→ → → →
V1 ∧ V2 = − V2 ∧ V1
Si on applique cette propriété au produit vectoriel d’un même vecteur, nous aurons :
→ → → → →
V ∧ V = −( V ∧ V ) = 0
On déduit à partir de cette propriété que : deux vecteurs non nuls sont colinéaires si et
seulement si leur produit vectoriel est nul.
→ → → → →
Si V1 // V2 alors V1 ∧ V2 = 0
→ → → → → → → → →
En effet si V1 // V2 on peut écrire : V1 = λ V2 ⇒ V1 ∧ V2 = λ (V2 ∧ V2 ) = 0

7
8.2. Produit vectoriel des vecteurs unitaires d’une base orthonormée
→ → →
Si b = (e1 , e2 , e3 ) est orthonormée nous avons :
→ → → → → → → → →
Sens direct : e1 ∧ e2 = e3 , e2 ∧ e3 = e1 , e3 ∧ e1 = e2
→ → → → → → → → →
Sens opposé : e2 ∧ e1 = − e3 , e3 ∧ e2 = − e1 , e1 ∧ e3 = − e2

8.3. Expression analytique du produit vectoriel dans une base orthonormé direct
→ →
Le produit vectoriel de deux vecteurs V1 et V2 de composantes respectives dans une base

⎧X1 ⎧X 2
→
⎪ →
⎪
orthonormée direct R: V1 = ⎨ Y1 et V2 = ⎨ Y2
⎪ ⎪
R ⎩ Z1 R ⎩Z2
⎧X1 ⎧X 2 ⎧ Y1 Z 2 − Z 1Y2
→ →
⎪ ⎪ ⎪
V1 ∧ V2 = ⎨ Y1 ∧ ⎨ Y2 = ⎨Z 1 X 2 − X 1 Z 2
⎪Z ⎪Z ⎪ X Y −Y X
⎩ 1 ⎩ 2 ⎩ 1 2 1 2

8.4. Produit mixte

→ → →
On appelle produit mixte de trois vecteurs V1 , V2 , V3 pris dans cet ordre, le nombre réel défini
→
⎛→ →⎞
par : V1 • ⎜V2 ∧ V3 ⎟
⎝ ⎠
Le produit mixte est donc un scalaire égal au volume
du parallélépipède formé par les trois vecteurs.
Le produit mixte est nul, si : → →
V3 V2
- les trois vecteurs sont dans le même plan ;
- deux des vecteurs sont colinéaires ; →

- l’un des vecteurs, est nul. V1

On montre facilement que, dans une base orthonormée directe, le produit mixte est un variant
scalaire par permutation circulaire direct des trois vecteurs car le produit scalaire est
commutatif:
→
⎛→ →⎞ → ⎛→ →⎞ → ⎛→ →⎞
V1 • ⎜V2 ∧ V3 ⎟ = V3 • ⎜V1 ∧ V2 ⎟ = V2 • ⎜V3 ∧ V1 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠

8
Remarque :
Une notation simplifiée, dans laquelle les opérateurs n’apparaissent pas, est adoptée dans ce
cas pour faciliter l’écriture des équations vectorielles :
→
⎛→ →⎞ ⎛→ → →⎞
V1 • ⎜V2 ∧ V3 ⎟ est équivalent à ⎜V1 , V2 ,V3 ⎟
⎝ ⎠ ⎝ ⎠

⎛→ → →⎞ ⎛→ → →⎞ ⎛ → → →⎞
nous avons alors : ⎜V1 , V2 ,V3 ⎟ = ⎜V3 , V1 ,V2 ⎟ = ⎜V2 , V3 ,V1 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
8.5. Double produit vectoriel
→ → → →
Le double produit vectoriel de trois vecteurs respectifs V1 , V2 , V3 est un vecteur W exprimé
→ →
⎛→ →⎞ → →
par la relation : W = V1 ∧ ⎜V2 ∧ V3 ⎟ . Le vecteur W est perpendiculaire au vecteur V1 et au
⎝ ⎠
→ →
vecteur formé par le produit : V2 ∧ V3 , il est donc dans le plan formé par les vecteurs
→ → → → → →
V2 et V3 . Le vecteur W peut s’écrire : W = a V2 + b V3
Nous pouvons présenter cette relation autrement par identification des scalaires a et b, on
obtient :
→ → → → → → → → →
V1 ∧ V2 ∧ V3 = (V1 • V3 ) V2 − (V1 • V2 ) V3

Il faut faire attention à l’ordre des vecteurs car le produit vectoriel n’est pas commutatif.
Pour retenir cette formule, il est plus simple de l’écrire sous la forme :
→ → → → → → → → →
A∧ B ∧ C = B( A• C ) − C ( A• B )
9. Projection des vecteurs
9.1. Projection orthogonale d’un vecteur sur un axe
→ →
Soit V un vecteur quelconque, et ( Δ ) un axe de l’espace défini par son vecteur unitaire u .
→ →
La projection orthogonale du vecteur V est la composante Vu de ce vecteur du cet axe.

→
V
→ → → →
Vu = (V • u ) u →
→
u Vu

9
9.2. Projection orthogonale d’un vecteur sur un plan
→ →
Soit V un vecteur quelconque, et ( π ) un plan de l’espace défini par la normale n . La
→ →
projection orthogonale du vecteur V est la composante Vπ dans le plan.
→
Le vecteur V a deux composantes l’une dans le plan et l’autre perpendiculaire au plan. On a
→ → → → → → →
ainsi : V π = V − V n = V − ( V • n) n
→ →
→ → → → → → → Vn V
Qui s’écrit aussi sous la forme : Vπ = ( n • n ) V − (V • n ) n
→ (π
n →
On retrouve la relation du double produit vectoriel Vπ
→ → → → → →
entre les vecteurs V et n : Vπ = n ∧ (V ∧ n )

10. Division vectorielle

→ → → → → →
Si X ∧ V = W , on dit que X est le résultat de la division vectorielle de W par V
→
i) V ne doit pas être un vecteur nul ;
→ →
ii) W et V doivent être orthogonaux
→ → → →
S’il existe une solution particulière X 0 , alors elle est la forme X 0 = α V ∧ W
→ → →
En remplaçant cette valeur dans l’expression X ∧ V = W on obtient :
→ → → → → → → → → → →
α (V ∧ W ) ∧ V = W ⇔ αW (V • V ) − α V (V • W ) = W
→ → → →
Comme V ⊥ W alors V • W = 0 ; on obtient :
→ → → →
1
α W (V • V ) = W ⇒ α=
V2
→ → → → → → → →
Nous avons aussi : X ∧ V = X 0 ∧ V ⇒ ( X − X 0 ) ∧ V = 0 cette expression montre que le
→ → →
vecteur ( X − X 0 ) est parallèle à V , dans ce cas nous pouvons écrire que :
→ → → → → →
(X − X 0 ) = λV avec λ ∈ IR ou X = X 0 + λ V
→ →
→ V ∧W →
finalement : X = + λ V
V2

10
11. Règle des sinus dans un triangle
Soit un triangle quelconque ABC nous pouvons établir une relation entre les trois côtés et les
trois angles du triangle.
Dans les triangles ABD et CBD , nous avons : C

sin α =
DB
et sin β =
DB D β
AB BC
θ
d’où : AB sin α = BC sin β α π −θ
A B E
BC AB
On déduit : =
sin α sin β
De même pour les triangles AEC et BEC , nous avons :
EC EC
sin α = et sin(π − θ ) = d’où AC sin α = BC sin(π − θ ) = BC sin θ
AC BC
BC AC
On déduit : =
sin α sinθ
On déduit finalement une relation appelée règle des sinus dans un triangle:
BC AB AC
= =
sin α sin β sinθ
12. Opérateurs et vecteurs
→ → →
12.1 Opérateur gradient dans un repère orthonormé R(O, i , j , k )
→ ∂ → ∂ → ∂ →
On défini l’opérateur vectorielle noté : ∇ = i+ j + k comme étant la dérivée dans
∂x ∂y ∂z
l’espace suivant les trois directions des vecteurs unitaires.
Le gradient d’un scalaire U est défini comme étant la dérivée vectorielle suivant les trois
→ → →
directions respectives i , j , k par rapport aux variables : x, y, z .
− − − − −→ ∂U → ∂U → ∂U → − − −→ →
gradU ( x, y, z ) = i+ j+ k ou grad U = ∇ U
∂x ∂y ∂z
Exemple :
∂U ∂U ∂U
U = 3 xy − 2 zx + 5 yz : = 3y − 2z , = 3x + 5z , = −2 x + 5 y
∂x ∂y ∂z
− − − − −→ → → →
gradU ( x, y, z ) = (3 y − 2 z ) i + (3 x + 5 z ) j + (−2 x + 5 y ) k
Le gradient d’un scalaire est un vecteur.

11
 → → →
12.2 Opérateur divergence dans un repère orthonormé R(O, i , j , k )
→ → → →
La divergence d’un vecteur V = V x i + V y j + V z k est définie comme étant le produit scalaire
→ ∂ → ∂ → ∂ → → → → →
de l’opérateur : ∇ = i+ j + k par le vecteur V ; noté : div V = ∇ • V
∂x ∂y ∂z
→ ⎛ ∂ → ∂ → ∂ →⎞ ⎛ → → →
⎞ ∂V ∂V y ∂V z
div(V ) = ⎜⎜ i + j + k ⎟⎟ • ⎜V x i + V y j + V z k ⎟ = x + +
⎝ ∂x ∂y ∂z ⎠ ⎝ ⎠ ∂x ∂y ∂z
La divergence d’un vecteur est un scalaire.
→ → →
12.3 Opérateur rotationnel dans un repère orthonormé R(O, i , j , k )
→ → → →
Le rotationnel d’un vecteur V = V x i + V y j + V z k est définie comme étant le produit
→ ∂ → ∂ → ∂ → →
vectoriel de l’opérateur : ∇ = i+ j + k par le vecteur V ;
∂x ∂y ∂z
−− → → → → − −→ → ⎛ ∂ → ∂ → ∂ →⎞ ⎛ → → →
⎞
rot V = ∇ ∧ V ; rot (V ) = ⎜⎜ i + j + k ⎟⎟ ∧ ⎜V x i + V y j + V z k ⎟
⎝ ∂x ∂y ∂z ⎠ ⎝ ⎠
Le rotationnel d’un vecteur est aussi un vecteur.

⎧ ∂ ⎧V ⎧ ∂V z ∂V y
⎪ −
⎪ ∂x ⎪ x
∂y ∂z
⎪∂ ⎪ ⎪
− −→ →
⎪ ⎪ ⎪ ∂ V ∂V
Sous la forme matricielle nous aurons : rot (V ) = ⎨ ∧ ⎨V y = ⎨ x − z
⎪ ∂y ⎪ ⎪ ∂z ∂x
⎪ ∂ ⎪ ⎪ ∂V ∂V
− x
y
⎪ ⎪ ∂x
⎩⎪ ∂z ⎩ z
V ∂y
⎩
Remarque :
→ →
Si f est un champ scalaire et A et B deux vecteurs quelconques, les relations suivantes
sont vérifiées :
→ → → − − −− →
- div( f A) = fdiv A + A gradf ;
→ − − −− → → → ∂2 ∂2 ∂2
- rot (rot A) = grad (div A) − Δ A , avec Δ = 2 + 2 + 2 ;
∂x ∂y ∂z
−− → → − − −− → → −− → →
- rot ( f A) = gradf ∧ A) + f rot ( A) ;
−− → − − −− → →
- rot ( gradf ) = 0 ;
−− → →
- div( rot ( A) = 0 ;
→ → → −− → → → −− → →
- div ( A∧ B) = B • rot ( A) − A• rot ( B)

12
CHAPITRE I LES OUTILS MATHEMATIQUES

La modélisation de l’espace réel, considéré dans le cadre de la mécanique classique comme

étant à trois dimensions, homogène et isotrope suppose l’introduction d’outils mathématiques
tel que les vecteurs, et les notions sur les torseurs. Dans cette partie nous présenterons les
rappels et l’ensemble des opérations mathématiques sur les vecteurs. Nous développerons
aussi l’étude sur les torseurs qui sont des outils mathématiques très important en mécanique
classique, notamment en mécanique des solides. L’utilisation des torseurs en mécanique
permet de simplifier l’écriture des équations relatives aux grandeurs fondamentales de la
mécanique.
1. Opérations sur les vecteurs
→
Dans tout ce qui suit, on s’intéressera à l’ensemble E des vecteurs V de l’espace usuel. E est
un espace Euclidien à trois dimensions.
2. Définition
Un vecteur est un segment de droite OA sur lequel on a choisi une origine O et une extrémité
A ; il est défini par :
- son origine ; A
- sa direction ; O

- son sens ;
- son module.
→ −− →
Par convention on adopte la notation suivante : vecteur : V ou OA
3. Classification des vecteurs
Il existe plusieurs types de vecteurs :
- Vecteur libre : la direction, le sens et le module sont donnés mais la droite support et le
point d’application (origine du vecteur) ne sont pas connues ;
- Vecteur glissant : le point d’application (origine du vecteur) n’est pas fixé ;
- Vecteur lié : tous les éléments du vecteur sont déterminés ;
- Vecteur unitaire : c’est un vecteur dont le module est égal à 1.

1
4. Composantes d’un vecteur
→ → →
Considérons une base de l’espace R 3 notée : R0 = (O, e1 , e2 , e3 ) . Cette base est orthonormée
→ → ⎧ 1 si i = j
si : ei • e j = ⎨ →
⎩0 si i ≠ j e3

La base R0 est dite directe si un observateur se plaçant à

→
→ → e2
l’extrémité du vecteur e3 verra le vecteur e1 tourner vers le →
→ e1
vecteur e2 dans le sens contraire des aiguilles d’une montre.
→
Dans cette base un vecteur V de composantes ( x, y, z ) ∈ R 3 s’écrirait :
→ → → →
V = x e1 + y e2 + z e3
→
Les quantités réelles x, y, z sont appelées composantes du vecteur V dans la base R 3 .
⎧x
⎪ →
La notation adoptée est la suivante : V = ⎨ y
⎪
R0 ⎩ z

5. Loi de composition interne : Somme vectorielle

→ → →
La somme de deux vecteurs V1 et V2 est un vecteur W tel que :
→ → → → →
∀ V1 , V2 ∈ R 3 nous avons W = V1 + V2 ∈ R 3
→ → → → →
Soit (a1 , a 2 , a3 ) les composantes du vecteur V1 d’où : V1 = a1 e1 + a 2 e2 + a 3 e3 et
→ → → → →
(b1 , b2 , b3 ) les composantes du vecteur V2 d’où : V2 = b1 e1 + b2 e2 + b3 e3
Le vecteur somme est défini par la relation :
→ → → → → →
W = V1 + V2 = ( a1 + b1 ) e1 + ( a 2 + b2 ) e 2 + ( a 3 + b3 ) e3
→
L’élément neutre ou vecteur nul, est noté : 0 = (0,0,0)

5.1 Propriétés de la somme vectorielle

→ → → →
- la somme vectorielle est commutative : V1 + V2 = V2 + V1 ;

2
 ⎛→ →⎞ → → ⎛→ →⎞
- la somme vectorielle est associative : ⎜V1 + V2 ⎟ + V3 = V1 + ⎜V2 + V3 ⎟ ;
⎝ ⎠ ⎝ ⎠
→ → →
- l’élément neutre est défini par : V + 0 = V ;
→ → →
⎛ →⎞ →
- A tout vecteur V correspond un vecteur opposé noté − V tel que : V + ⎜ − V ⎟ = 0
⎝ ⎠
5.2 Multiplication par un scalaire
→
Si λ est un nombre réel et V un vecteur, leur produit est un vecteur.
→ → →
∀λ ∈ R , ∀ V ∈ R 3 ========> W = λ V ∈ R 3
→ →
Le vecteur W est colinéaire au vecteur V .
→ → → → → →
Si le vecteur V a pour composantes (a, b, c) tel que : V = a1 e1 + a 2 e2 + a3 e3 ; le vecteur W
→ → → →
s’écrirait : W = λa1 e1 + λa 2 e2 + λa 3 e3

La multiplication d’un vecteur par un scalaire vérifie les propriétés suivantes :

→ → →
a) Distribution par rapport à l’addition des scalaires : (λ1 + λ 2 ) V = λ1 V + λ 2 V ;
→ → → →
b) Distribution par rapport à la somme vectorielle : λ (V1 + V2 ) = λ V1 + λ V2 ;
→ →
c) Associativité pour la multiplication par un scalaire : λ1 (λ 2 V ) = λ1λ 2 V
6. Combinaison linéaire des vecteurs
→ → → → →
Soit les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 et λ1 , λ 2 , λ3 ,........λ n des
→ → → → →
nombres réels. Les vecteurs λ1 V1 , λ 2 V2 , λ3 V3 ,................λ i Vi ...........λ n Vn sont aussi des
→
vecteurs de l’espace R 3 ainsi que leur somme W défini par :
→ → → → → n →
W = λ1 V1 + λ 2 V2 + λ 3 V3 + ............. + λ n Vn = ∑ λ i Vi
i

→ → → → →
Le vecteur W est appelé combinaison linéaire des vecteurs : V1 , V2 , V3 ,............Vn

6.1. Dépendance et indépendance linéaire entre les vecteurs

6.1.1. Définition
→ → → → →
On dit que les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 sont linéairement

3
 n → →
indépendant si et seulement si, ils vérifient la relation suivante : ∑ λ i Vi = 0 entraîne que
i

tous les λi sont nuls.

n → → → → → →
∑λ V
i
i i = λ1 V1 + λ 2 V2 + λ3 V3 + ............. + λ n Vn = 0 ⇔ λ1 = 0 , λ2 = 0 , …….. λ n = 0

Si les λi ne sont pas tous nuls on dit que les vecteurs sont linéairement dépendant entre eux.

6.1.2. Propriétés sur l’indépendance des vecteurs

→
a) Un vecteur V est à lui seul un vecteur linéairement indépendant ;
b) Dans un système de vecteurs linéairement indépendants, aucun d’entre eux ne peut être un
vecteur nul ;
c) Dans un ensemble de vecteurs indépendants, tout sous ensemble prélevé sur ces vecteurs
forme un système de vecteurs indépendants.

6.1.3. Propriétés sur la dépendance des vecteurs

Si n vecteurs sont dépendants entre eux alors, au moins l’un d’entre eux est une combinaison
→ → → → →
linéaire des autres. Soit les n vecteurs : V1 , V2 , V3 ,................Vi ...........Vn de l’espace R 3 et

λ1 , λ 2 , λ3 ,........λ n des nombres réels, si ces vecteurs sont linéairement dépendants la relation :
n → →
∑ λi Vi = 0
i

Implique qu’il existe des λi non nuls, de telle sorte que la relation puise s’écrire :
→ → → → →
λ1 V1 + λ 2 V2 + λ 3 V3 + ............. + λ n Vn = 0 qui donne par exemple :

λ1 V1 = −⎛⎜ λ 2 V2 + λ3 V3 + ............. + λ n Vn ⎞⎟
→ → → →

⎝ ⎠
→ 1⎛ → → →
⎞
V1 = − ⎜ λ 2 V2 + λ3 V3 + ............. + λ n Vn ⎟
λ1 ⎝ ⎠
→ → → →
On dit alors que V1 dépend linéairement des vecteurs : V2 , V3 ,..................Vn

Remarque :
→ → → →
a) Si V1 , V2 , V3 ,..................Vn sont linéairement indépendant, alors les vecteurs
→ → → → → → → →
V1 , V2 , V3 ,..................Vn , Vn +1 , Vn + 2 ,... le sont aussi quel que soit les vecteurs , Vn +1 , Vn + 2 ,...

4
Dans un ensemble de vecteurs linéairement indépendants, chaque vecteur est une
combinaison unique des autres vecteurs.
→ n → → n →
b) Soit W = ∑ α i Vi et U = ∑ β i Vi deux vecteurs indépendants:
i i

L’égalité entre les deux vecteurs indépendants est équivalente à n égalités entre les nombres
→ →
réels : Si W = V ⇔ α i = β i

7. Produit scalaire de deux vecteurs

→ →
On appelle produit scalaire de deux vecteurs V1 et V2 une loi de composition externe qui
→ →
associe aux deux vecteurs, un scalaire (nombre réel) noté : V1 • V2 tel que :
→ → → →
∀ V1 , V2 ∈ R 3 ⇒ V1 • V2 ∈ R
→ → → → → →
V1 • V2 = V1 V2 cos(V1 , V2 ) ; le résultat d’un produit scalaire est un scalaire.

Le produit scalaire est nul, si :

ƒ Les deux vecteurs sont orthogonaux ;
ƒ L’un des vecteurs est nul.
7.1 Propriétés du produit scalaire
⎛ → → ⎞ → → → → →
a) linéarité : ⎜ V1 + V2 ⎟ • W = V1 • W + V2 • W
⎝ ⎠

λ V ⎟⎟⎟ • W = λ ⎛⎜V • W ⎞⎟
⎛ →⎞ → → →
⎜
⎜
⎜
⎝ ⎠ ⎝ ⎠
→ → → → → → → →
b) symétrie par rapport aux vecteurs : V • W = W • V donc : V • V > 0 si V ≠ 0
→ →
Le produit scalaire est une forme linéaire symétrique associée aux vecteurs V et W .
7.2 Expression analytique du produit scalaire
→ → →
Considérons une base b de l’espace R 3 notée : b = (e1 , e 2 , e3 ) . Cette base est orthonormée si :
→ → ⎧ 1 si i = j
ei • e j = ⎨ →
⎩0 si i ≠ j e3
La base b est dite directe si un observateur se plaçant à l’extrémité
→ → →
→
du vecteur e3 verra le vecteur e1 tourner vers le vecteur e 2 e2
dans le sens contraire des aiguilles d’une montre. →
e1

5
 → →
Soient deux vecteurs V1 et V2 . Leurs expressions dans cette base sont :
→ → → →
V1 = a1 e1 + a 2 e2 + a3 e3
→ → → →
V2 = b1 e1 + b2 e2 + b3 e3

Le produit scalaire des deux vecteurs est donné par :

→ →
⎛ → → →
⎞ ⎛ → → →
⎞
V1 • V2 = ⎜ a1 e1 + a 2 e2 + a 3 e3 ⎟ • ⎜ b1 e1 + b2 e2 + b3 e3 ⎟ = a1b1 + a 2 b2 + a3 b3
⎝ ⎠ ⎝ ⎠

7.3. Norme ou module d’un vecteur

→ →
On appelle norme ou module d’un vecteur V , noté : V la racine carrée positive du produit

→ → → →
scalaire du vecteur par lui-même. V = V • V = V 2

→ →
Nous avons en particuliers : λ V = λ V

→ → → → → →
V1 − V2 ≤ V1 + V2 ≤ V1 + V2 : appelé inégalité triangulaire.

7.4. Vecteurs orthogonaux

Deux vecteurs sont dits orthogonaux si et seulement si leur produit scalaire est nul :
→ → → → →
Si V ⊥W ⇔ V •W = 0
Si trois vecteurs non nuls sont orthogonaux deux à deux, ils sont alors linéairement
indépendant et ils constituent une base orthogonale dans R 3 .

7.5. Base orthonormée

Une base est dite orthonormée si les vecteurs qui la constituent sont perpendiculaires deux à
→ → →
deux et si leurs normes sont égales à 1. Si b = (e1 , e2 , e3 ) est orthonormée nous avons alors :
→ → → → → →
e1 • e2 = 0 , e1 • e3 = 0 , e 2 • e3 = 0
→ → → → → → → → →
e1 • e1 = e12 = 1 , e 2 • e2 = e22 = 1 , e3 • e3 = e32 = 1

6
8. Produit vectoriel de deux vecteurs
→ → →
Le produit vectoriel de deux vecteurs V1 et V2 de l’espace R 3 est un vecteur W
→ → → → → → →
⎛→ →⎞ →
perpendiculaire à V1 et V2 , défini par : W = V1 ∧ V2 = V1 V2 sin ⎜V1 , V2 ⎟ n
⎝ ⎠
→ → →
ou n : est un vecteur unitaire perpendiculaire à V1 et V2
→

Le produit vectoriel est nul si : W

→
- Les deux vecteurs sont colinéaires ; V2
→
- L’un des vecteurs, est nul. n

→
8.1. Propriétés du produit vectoriel V1
→ →
a) Le module du produit vectoriel est égal à l’aire du parallélogramme formé par V1 et V2 ;
b) Le produit vectoriel est distributif à gauche et à droite pour la somme vectorielle :
→ → → → → → →
(V1 + V2 ) ∧ W = V1 ∧ W + V2 ∧ W
→ → → → → → →
W ∧ (V1 + V2 ) = W ∧ V1 + W ∧ V2
c) Le produit vectoriel est associatif pour la multiplication par un nombre réel :
→ → → →
(λ V ) ∧ W = λ ( V ∧ W )
→ → → →
V ∧ λ W ) = λ( V ∧ W )
d) Le produit vectoriel est antisymétrique (anticommutatif)
→ → → →
V1 ∧ V2 = − V2 ∧ V1
Si on applique cette propriété au produit vectoriel d’un même vecteur, nous aurons :
→ → → → →
V ∧ V = −( V ∧ V ) = 0
On déduit à partir de cette propriété que : deux vecteurs non nuls sont colinéaires si et
seulement si leur produit vectoriel est nul.
→ → → → →
Si V1 // V2 alors V1 ∧ V2 = 0
→ → → → → → → → →
En effet si V1 // V2 on peut écrire : V1 = λ V2 ⇒ V1 ∧ V2 = λ (V2 ∧ V2 ) = 0

7
8.2. Produit vectoriel des vecteurs unitaires d’une base orthonormée
→ → →
Si b = (e1 , e2 , e3 ) est orthonormée nous avons :
→ → → → → → → → →
Sens direct : e1 ∧ e2 = e3 , e2 ∧ e3 = e1 , e3 ∧ e1 = e2
→ → → → → → → → →
Sens opposé : e2 ∧ e1 = − e3 , e3 ∧ e2 = − e1 , e1 ∧ e3 = − e2

8.3. Expression analytique du produit vectoriel dans une base orthonormé direct
→ →
Le produit vectoriel de deux vecteurs V1 et V2 de composantes respectives dans une base

⎧X1 ⎧X 2
→
⎪ →
⎪
orthonormée direct R: V1 = ⎨ Y1 et V2 = ⎨ Y2
⎪ ⎪
R ⎩ Z1 R ⎩Z2
⎧X1 ⎧X 2 ⎧ Y1 Z 2 − Z 1Y2
→ →
⎪ ⎪ ⎪
V1 ∧ V2 = ⎨ Y1 ∧ ⎨ Y2 = ⎨Z 1 X 2 − X 1 Z 2
⎪Z ⎪Z ⎪ X Y −Y X
⎩ 1 ⎩ 2 ⎩ 1 2 1 2

8.4. Produit mixte

→ → →
On appelle produit mixte de trois vecteurs V1 , V2 , V3 pris dans cet ordre, le nombre réel défini
→
⎛→ →⎞
par : V1 • ⎜V2 ∧ V3 ⎟
⎝ ⎠
Le produit mixte est donc un scalaire égal au volume
du parallélépipède formé par les trois vecteurs.
Le produit mixte est nul, si : → →
V3 V2
- les trois vecteurs sont dans le même plan ;
- deux des vecteurs sont colinéaires ; →

- l’un des vecteurs, est nul. V1

On montre facilement que, dans une base orthonormée directe, le produit mixte est un variant
scalaire par permutation circulaire direct des trois vecteurs car le produit scalaire est
commutatif:
→
⎛→ →⎞ → ⎛→ →⎞ → ⎛→ →⎞
V1 • ⎜V2 ∧ V3 ⎟ = V3 • ⎜V1 ∧ V2 ⎟ = V2 • ⎜V3 ∧ V1 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠

8
Remarque :
Une notation simplifiée, dans laquelle les opérateurs n’apparaissent pas, est adoptée dans ce
cas pour faciliter l’écriture des équations vectorielles :
→
⎛→ →⎞ ⎛→ → →⎞
V1 • ⎜V2 ∧ V3 ⎟ est équivalent à ⎜V1 , V2 ,V3 ⎟
⎝ ⎠ ⎝ ⎠

⎛→ → →⎞ ⎛→ → →⎞ ⎛ → → →⎞
nous avons alors : ⎜V1 , V2 ,V3 ⎟ = ⎜V3 , V1 ,V2 ⎟ = ⎜V2 , V3 ,V1 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
8.5. Double produit vectoriel
→ → → →
Le double produit vectoriel de trois vecteurs respectifs V1 , V2 , V3 est un vecteur W exprimé
→ →
⎛→ →⎞ → →
par la relation : W = V1 ∧ ⎜V2 ∧ V3 ⎟ . Le vecteur W est perpendiculaire au vecteur V1 et au
⎝ ⎠
→ →
vecteur formé par le produit : V2 ∧ V3 , il est donc dans le plan formé par les vecteurs
→ → → → → →
V2 et V3 . Le vecteur W peut s’écrire : W = a V2 + b V3
Nous pouvons présenter cette relation autrement par identification des scalaires a et b, on
obtient :
→ → → → → → → → →
V1 ∧ V2 ∧ V3 = (V1 • V3 ) V2 − (V1 • V2 ) V3

Il faut faire attention à l’ordre des vecteurs car le produit vectoriel n’est pas commutatif.
Pour retenir cette formule, il est plus simple de l’écrire sous la forme :
→ → → → → → → → →
A∧ B ∧ C = B( A• C ) − C ( A• B )
9. Projection des vecteurs
9.1. Projection orthogonale d’un vecteur sur un axe
→ →
Soit V un vecteur quelconque, et ( Δ ) un axe de l’espace défini par son vecteur unitaire u .
→ →
La projection orthogonale du vecteur V est la composante Vu de ce vecteur du cet axe.

→
V
→ → → →
Vu = (V • u ) u →
→
u Vu

9
9.2. Projection orthogonale d’un vecteur sur un plan
→ →
Soit V un vecteur quelconque, et ( π ) un plan de l’espace défini par la normale n . La
→ →
projection orthogonale du vecteur V est la composante Vπ dans le plan.
→
Le vecteur V a deux composantes l’une dans le plan et l’autre perpendiculaire au plan. On a
→ → → → → → →
ainsi : V π = V − V n = V − ( V • n) n
→ →
→ → → → → → → Vn V
Qui s’écrit aussi sous la forme : Vπ = ( n • n ) V − (V • n ) n
→ (π
n →
On retrouve la relation du double produit vectoriel Vπ
→ → → → → →
entre les vecteurs V et n : Vπ = n ∧ (V ∧ n )

10. Division vectorielle

→ → → → → →
Si X ∧ V = W , on dit que X est le résultat de la division vectorielle de W par V
→
i) V ne doit pas être un vecteur nul ;
→ →
ii) W et V doivent être orthogonaux
→ → → →
S’il existe une solution particulière X 0 , alors elle est la forme X 0 = α V ∧ W
→ → →
En remplaçant cette valeur dans l’expression X ∧ V = W on obtient :
→ → → → → → → → → → →
α (V ∧ W ) ∧ V = W ⇔ αW (V • V ) − α V (V • W ) = W
→ → → →
Comme V ⊥ W alors V • W = 0 ; on obtient :
→ → → →
1
α W (V • V ) = W ⇒ α=
V2
→ → → → → → → →
Nous avons aussi : X ∧ V = X 0 ∧ V ⇒ ( X − X 0 ) ∧ V = 0 cette expression montre que le
→ → →
vecteur ( X − X 0 ) est parallèle à V , dans ce cas nous pouvons écrire que :
→ → → → → →
(X − X 0 ) = λV avec λ ∈ IR ou X = X 0 + λ V
→ →
→ V ∧W →
finalement : X = + λ V
V2

10
11. Règle des sinus dans un triangle
Soit un triangle quelconque ABC nous pouvons établir une relation entre les trois côtés et les
trois angles du triangle.
Dans les triangles ABD et CBD , nous avons : C

sin α =
DB
et sin β =
DB D β
AB BC
θ
d’où : AB sin α = BC sin β α π −θ
A B E
BC AB
On déduit : =
sin α sin β
De même pour les triangles AEC et BEC , nous avons :
EC EC
sin α = et sin(π − θ ) = d’où AC sin α = BC sin(π − θ ) = BC sin θ
AC BC
BC AC
On déduit : =
sin α sinθ
On déduit finalement une relation appelée règle des sinus dans un triangle:
BC AB AC
= =
sin α sin β sinθ
12. Opérateurs et vecteurs
→ → →
12.1 Opérateur gradient dans un repère orthonormé R(O, i , j , k )
→ ∂ → ∂ → ∂ →
On défini l’opérateur vectorielle noté : ∇ = i+ j + k comme étant la dérivée dans
∂x ∂y ∂z
l’espace suivant les trois directions des vecteurs unitaires.
Le gradient d’un scalaire U est défini comme étant la dérivée vectorielle suivant les trois
→ → →
directions respectives i , j , k par rapport aux variables : x, y, z .
− − − − −→ ∂U → ∂U → ∂U → − − −→ →
gradU ( x, y, z ) = i+ j+ k ou grad U = ∇ U
∂x ∂y ∂z
Exemple :
∂U ∂U ∂U
U = 3 xy − 2 zx + 5 yz : = 3y − 2z , = 3x + 5z , = −2 x + 5 y
∂x ∂y ∂z
− − − − −→ → → →
gradU ( x, y, z ) = (3 y − 2 z ) i + (3 x + 5 z ) j + (−2 x + 5 y ) k
Le gradient d’un scalaire est un vecteur.

11
 → → →
12.2 Opérateur divergence dans un repère orthonormé R(O, i , j , k )
→ → → →
La divergence d’un vecteur V = V x i + V y j + V z k est définie comme étant le produit scalaire
→ ∂ → ∂ → ∂ → → → → →
de l’opérateur : ∇ = i+ j + k par le vecteur V ; noté : div V = ∇ • V
∂x ∂y ∂z
→ ⎛ ∂ → ∂ → ∂ →⎞ ⎛ → → →
⎞ ∂V ∂V y ∂V z
div(V ) = ⎜⎜ i + j + k ⎟⎟ • ⎜V x i + V y j + V z k ⎟ = x + +
⎝ ∂x ∂y ∂z ⎠ ⎝ ⎠ ∂x ∂y ∂z
La divergence d’un vecteur est un scalaire.
→ → →
12.3 Opérateur rotationnel dans un repère orthonormé R(O, i , j , k )
→ → → →
Le rotationnel d’un vecteur V = V x i + V y j + V z k est définie comme étant le produit
→ ∂ → ∂ → ∂ → →
vectoriel de l’opérateur : ∇ = i+ j + k par le vecteur V ;
∂x ∂y ∂z
−− → → → → − −→ → ⎛ ∂ → ∂ → ∂ →⎞ ⎛ → → →
⎞
rot V = ∇ ∧ V ; rot (V ) = ⎜⎜ i + j + k ⎟⎟ ∧ ⎜V x i + V y j + V z k ⎟
⎝ ∂x ∂y ∂z ⎠ ⎝ ⎠
Le rotationnel d’un vecteur est aussi un vecteur.

⎧ ∂ ⎧V ⎧ ∂V z ∂V y
⎪ −
⎪ ∂x ⎪ x
∂y ∂z
⎪∂ ⎪ ⎪
− −→ →
⎪ ⎪ ⎪ ∂ V ∂V
Sous la forme matricielle nous aurons : rot (V ) = ⎨ ∧ ⎨V y = ⎨ x − z
⎪ ∂y ⎪ ⎪ ∂z ∂x
⎪ ∂ ⎪ ⎪ ∂V ∂V
− x
y
⎪ ⎪ ∂x
⎩⎪ ∂z ⎩ z
V ∂y
⎩
Remarque :
→ →
Si f est un champ scalaire et A et B deux vecteurs quelconques, les relations suivantes
sont vérifiées :
→ → → − − −− →
- div( f A) = fdiv A + A gradf ;
→ − − −− → → → ∂2 ∂2 ∂2
- rot (rot A) = grad (div A) − Δ A , avec Δ = 2 + 2 + 2 ;
∂x ∂y ∂z
−− → → − − −− → → −− → →
- rot ( f A) = gradf ∧ A) + f rot ( A) ;
−− → − − −− → →
- rot ( gradf ) = 0 ;
−− → →
- div( rot ( A) = 0 ;
→ → → −− → → → −− → →
- div ( A∧ B) = B • rot ( A) − A• rot ( B)

12
 Séries de Fourier1
Objectif: Une série de Fourier d’une fonction, ou signal, périodique f , est sa décomposition
en une somme de fonctions sinusoı̈dales.

I - Définition

Définition Une série de Fourier est une série dont le terme général est de la forme :

un = an cos(nωt) + bn sin(nωt) où an , bn , ω et t sont des réels

Il s’agit donc d’une série que l’on peut écrire sous la forme :
X
a0 + an cos(nωt)+bn sin(nωt) = a0 +a1 cos(ωt)+b1 sin(ωt)+a2 cos(2ωt)+b2 sin(2ωt)+. . .
n≥1

Les coefficients an et bn sont appelés les coefficients de Fourier.

Exemple :
X
3+ (−1)n cos(2πnt) + 18 sin(2πnt) , a0 = 3 , an = (−1)n , bn = 18 , ω = 2π
n≥1

π X (−1)n π (−1)n
+ sin(nt) , a0 = , an = 0 , bn = , ω=1
2 n≥1 n 2 n
X (5)n + 3 (5)n + 3
cos(3nt) , a0 = 0 , an = , bn = 0 , ω = 3
n≥1
n+6 n+6

Définition Si pour tout réel t, cette série converge alors on définit la fonction S par
+∞
X
S(t) = a0 + an cos(nωt) + b sin(nωt)
n=1

On dit alors que la série de Fourier converge vers la fonction S.

Remarque : La série converge vers une fonction et non plus vers un nombre.
Exercice 1 A l’aide de la calculatrice trouver l’expression de la fonction qui est la limite de la série
de Fourier suivante.
π X (−1)n
S(t) = + sin(nt)
2 n≥1 n
Comparer avec la fonction f 2π-périodique définie par :
π−t
f (t) = , pour t ∈] − π; π[
2
Objectif: Pour une fonction f donnée (avec f continue par morceaux et périodique de période
T ), on recherche une série de Fourier qui converge vers f .

1
Joseph Fourier, né le 21 mars 1768 à Auxerre et mort le 16 mai 1830 à Paris, est un mathématicien et physicien
français, connu pour ses travaux sur la décomposition de fonctions périodiques en séries trigonométriques convergentes
appelées séries de Fourier. Il fait ses études chez les Bénédictins à l’école militaire d’Auxerre. Destiné à l’état monas-
tique, il préfère s’adonner aux sciences. Il intègre l’école normale supérieure, où il a entre autres comme professeurs
Joseph-Louis Lagrange, Gaspard Monge et Pierre-Simon Laplace, auquel il succède à la chaire à Polytechnique en
1797.

Y. Morel - xymaths.free.fr Séries de Fourier 1/6

II - Décomposition d’une fonction en série trigonométrique
1) Un candidat pour la série de Fourier ?

Théorème Soit f une fonction continue par morceaux périodique de P période T.

Si f s’écrit comme la somme d’une série de Fourier a0 + n≥1 an cos(nωt) + b sin(nωt)
alors :
2π
ω=
T
Z α+T
1
a0 = f (t)dt ∀α ∈ R
T α
2 α+T
Z
pour n > 0, an = f (t) cos(nωt)dt ∀α ∈ R
T α
2 α+T
Z
pour n > 0, bn = f (t) sin(nωt)dt ∀α ∈ R
T α

2) Cet unique prétendant fait-il l’affaire ?

Définition On dit qu’une fonction périodique f satisfait aux conditions de Dirichlet1 (on dit aussi
que f est C 1 par morceaux, ce qui s’écrit CM1 ) si :
1) Sauf en un nombre fini de points particuliers sur une période, f est continue,
dérivable et sa dérivée f ′ est continue.
2) en ces points particuliers, f et f ′ admettent des limites finies à gauche et à droite.

Exercice 2 Soit k > 0.

Soit f une fonction impaire de période π définie par
 π
 k pour t ∈ [0; [
f (t) = 2
 −k pour t ∈ [ π ; π[
2
Cette fonction vérifie-t-elle les conditions de Dirichlet ?
Calculer ses coefficients de Fourier, et écrire sa série de Fourier.

Théorème Si f est une fonction périodique satisfaisant aux conditions de Dirichlet, alors
1) si f est continue en t alors la série de Fourier associée à f converge vers f (t)
2) si f n’est pas continue en t alors la série de Fourier associée à f converge vers
1
[f (t+ ) + f (t− )]
2

1
Johann Peter Gustav Lejeune Dirichlet (13 février 1805, Düren - 5 mai 1859, Göttingen) est un mathématicien
allemand. Il a été élevé en Allemagne, puis a été ensuite envoyé en France pour suivre ses études supérieures. Il fut en
contact avec les plus grands mathématiciens français de l’époque, à l’instar de Legendre, Laplace ou Fourier. Il retourne
ensuite en 1825 en Allemagne où il travaille avec Gauss, dont il reprendra la chaire à l’Université de Göttingen, et
Jacobi. Il eut entre autres comme élève Riemann.

Y. Morel - xymaths.free.fr Séries de Fourier 2/6

3) Calcul plus rapide des coefficients de Fourier
Propriété Si f est paire ∀n, bn = 0
Z T
2 2
a0 = f (t)dt
T 0
Z T
4 2
pour n > 0, an = f (t) cos(nωt)dt
T 0
Si f est impaire ∀n, an = 0
Z T
4 2
pour n > 0, bn = f (t) sin(nωt)dt
T 0
Exercice 3 Soit k > 0.
Soit f une fonction impaire de période π définie par
 π
 k pour t ∈ [0; [
f (t) = 2
 −k pour t ∈ [− π ; 0[
2
Après avoir représenté f sur [−2π; 2π], Donner la série de Fourier associée à f .

Exercice 4 Signal ”dents de scie”

On considère la fonction f définie sur IR, de période 2π, telle que :

f (t) = t si t ∈ [−π; π[

Soit an et bn les coefficients de Fourier de cette fonction.

1. Représenter la fonction f sur l’intervalle [−2π; 4π].
2. Justifier que, pour tout n, an = 0.
2
3. Prouver que pour tout entier n > 0, bn = (−1)n+1 .
n
4. Ecrire les cinq premiers termes de la série de Fourier associée à f .

Exercice 5 ”Redressement biphasé”

On considère la fonction f définie sur IR par f (t) = |cos t|.
Soit an et bn les coefficients de Fourier de cette fonction.
1. Représenter la fonction f sur l’intervalle [−2π; 4π].
2. Prouver que f est une fonction paire de période π.
3. Déterminer les valeurs des coefficients bn .
4. Calculer la valeur moyenne de f sur une période.
5. Prouver que, pour n > 0, on a :
Z π
2 2
an = [cos((2n + 1)t) + cos((2n − 1)t)] dt
π 0
4(−1)n
En dédurie que an = .
π(1 − 4n2 )
6. Ecrire les cinq premiers termes de la série de Fourier associée à f .

Y. Morel - xymaths.free.fr Séries de Fourier 3/6

Exercice 6 ”Dents de scie symétrique”
Soit f la fonction définie sur IR, de période 4, impaire, et telle que :

f (t) = t si t ∈ [0; 1[
f (t) = −t + 2 si t ∈ [1; 2[

1. Déterminer les coefficients de la série de Fourier associée à f .

2. Ecrire la série de Fourier de f , et montrer que cette série converge vers f .
3. En calculant f (1), prouver que :
+∞
X 1 π2
= .
n=0
(2n + 1)2 8

III - Analyse spectrale

Pour une fonction f T -périodique et vérifiant les conditiant de Dirichlet, on a donc la série de
2π
Fourier, avec la pulsation ω = :
T
X
a0 + an cos(nωt) + bn sin(nωt)
n>1
X
qui peut aussi s’écrire : a0 + An sin(nωt − ϕn )
n>1
p
avec les coefficients An = a2n + b2n .

Définition Le spectre de la fonction f est la suite de coefficients (An ).

2
IV - Formule de Parseval

Théorème Soit f une fonction périodique et continue par morceaux. On a alors

T +∞
1 1X 2
Z
[f (t)]2 dt = a20 + (a + b2n )
T 0 2 n=1 n
Remarque : Il n’est pas nécessaire que f vérifie les conditions de Dirichlet.

Exercice 7 ”Redressement monophasé”

On considère la fonction f définie sur IR, de période 2π, paire, telle que :
 h πh
 f (t) = cos t si t ∈ 0;

hπ 2 h
 f (t) = 0
 si t ∈ ; π
2
1. Représenter la fonction f sur l’intervalle [−4π; 4π].
2. Calculer les coefficients de Fourier de cette fonction, et écrire la série de Fourier correspondante.

3. Calculer la valeur efficace de la fonction f , et appliquer la formule de Parseval.

2
Marc-Antoine Parseval des Chênes (27 avril 1755 - 16 août 1836) est un mathématicien français, célèbre pour les
travaux connus sous le nom d’égalité de Parseval, qui est une formule fondamentale de la théorie des séries de Fourier.

Y. Morel - xymaths.free.fr Séries de Fourier 4/6

Exercice 8 D’après un sujet de BTS
Un signal est modélisé par la fonction
h π h f définie sur IR par : f est paire et de période π, et f (t) = t sin t
pour t élément de l’intervalle 0; .
2 h πh
1. a. Etudier les variations de f sur l’intervalle 0; .
2 h πh
b. Soit C1 la représentation graphique de f sur l’intervalle 0; , Tracée dans un repère or-
2
thonormal du plan (unité graphique 2cm).
π
Tracer les tangentes à C1 aux points d’abscisses 0 et . Tracer C1
2
c. Dans un même repère, tracer la représentation graphique C de f sur l’intervalle [−π; π].
2. On admet que f est développable en série de Fourier et que, pour tout t élément de IR,
+∞
X
f (t) = a0 + (an cos(2nt) + bn sin(2nt)) .
n=1

a. Justifier que bn = 0 pourtout n > 1.

b. Calculer a0 .
Z π
2 2 −20
c. Montrer que a1 = t (sin(3t) − sin t) dt En déduire que a1 = .
π 0 9π
Dans la suite, on utilisera le résultat :
 
2 n 1 1
an = (−1) +
π (2n + 1)2 (2n − 1)2
3. On considère la fonction g définie que IR par :
g(t) = a0 + a1 cos(2t) + +a2 cos(4t) .
On admet que la formule de Parseval appliquée à g donne une valeur approchée à 10−3 près de
la valeur efficace fe de la fonction f .
Calculer alors une valeur approchée à 10−3 près de fe .

V - Forme complexe des séries de Fourier

Propriété La série de Fourier associée à une fonction f peut s’écrire

+∞
X
cn einωt
−∞
α+T
avec 1
Z
cn = f (t)e−inωt dt
T α

Propriété Les relations entre les coefficients réels an et bn et les coefficients complexes cn sont :

c0 = a0
an − ibn
cn =
2

Propriété La formule de Parsemal s’écrit

T +∞
1
Z X
2
[f (t)] dt = |cn |2
T 0 −∞

Y. Morel - xymaths.free.fr Séries de Fourier 5/6

Exercice 9 D’après un sujet de BTS
1. Soit n un entier naturel non nul.
Calculer à l’aide de deux intégrations par parties successives l’intégrale :
Z π
J= t(π − t) cos(2nt) dt .
0

2. On considère la fonction u de IR dans IR, périodique de période π, définie par :

u(t) = t(π − t) si t ∈ [0; π] .

a. Montrer que u est paire et tracer sa représentation graphique sur [−2π; 2π].
b. Vérifier que u satisfait aux conditions de Dirichlet.
c. Calculer ses coefficients de Fourier et en déduire que pour tout t réel :
+∞
π 2 X cos(2nt)
u(t) = − .
6 n=1
n2

3. n est un entier naturel non nul. Justifier la convergence des séries numériques de terme général :

1 (−1)n 1
2
; 2
; 4.
n n n
π
4. En utilisant le développement de u en série de Fourier pour t = 0, puis pour t = , déterminer :
2
+∞ +∞
X 1 X (−1)n
et .
n=1
n2 n=1
n2

π
1
Z
2
5. La valeur efficace ue de la fonction u est telle que (ue ) = u2 (t) dt.
π 0
2
Calculer ue .
La valeur efficace de la fonction u peut aussi s’exprimer à l’aide de la formule de Parseval :
+∞
1X 2
u2e = a20 + a .
2 n=1 n

Soit P le nombre défini par

1 2
P = a20 + a1 + a22 + a23 + a24 + a25 .


2
Donner l’approximation de décimale P1 à 10−3 près par excès.
P1
Vérifier que 2 > 0, 999.
ue
+∞
X 1
6. En utilisant la formule de Parseval, calculer .
n=1
n4

Y. Morel - xymaths.free.fr Séries de Fourier 6/6