Académique Documents
Professionnel Documents
Culture Documents
- 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
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
→ → → → →
Le vecteur W est appelé combinaison linéaire des vecteurs : V1 , V2 , V3 ,............Vn
3
n → →
indépendant si et seulement si, ils vérifient la relation suivante : ∑ λ i Vi = 0 entraîne que
i
Si les λi ne sont pas tous nuls on dit que les vecteurs sont linéairement dépendant entre eux.
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
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
→ → → →
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.
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
→
→
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
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
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
- 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
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
→ → → → →
Le vecteur W est appelé combinaison linéaire des vecteurs : V1 , V2 , V3 ,............Vn
3
n → →
indépendant si et seulement si, ils vérifient la relation suivante : ∑ λ i Vi = 0 entraîne que
i
Si les λi ne sont pas tous nuls on dit que les vecteurs sont linéairement dépendant entre eux.
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
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
→ → → →
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.
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
→
→
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
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
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 :
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
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
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.
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.
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.
f (t) = t si t ∈ [−π; π[
2
IV - Formule de Parseval
Propriété Les relations entre les coefficients réels an et bn et les coefficients complexes cn sont :
c0 = a0
an − ibn
cn =
2
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