Cours MAT1112 Chap 1 2 3 4 F

Université de Yaoundé 1
Faculté des Sciences

Département de Mathématiques
Filières : Physique, Chimie
Année académique 2020/2021
Semestre 2, Niveau 1
MAT1112 : Calcul Différentiel et Géométrie pour les Sciences
Physiques
Crédits : 6 CM : 30 H TD : 45 H
21
Équipe pédagogique
20
1. Coordonateur : Dr. Chendjou Gilbert
2. Enseignants : 0-
02
(a) Dr. Chendjou Gilbert, email : gilbert.chendjou@facsciences-uy1.cm
I2
(b) Dr. Tcheutia Daniel Duviol, email : daniel-duviol.tcheutia@facsciences-uy1.cm

UY
Objectif :
12
L’objectif de ce cours est de familiariser l’étudiant au calcul différentiel et à la géométrie des

11
courbes et surfaces en vue de leur utilisation en sciences physiques.

AT
M
Compétences visées :
À la fin de ce cours, l’étudiant devrait être capable de maitriser : les éléments d’algèbre linéaire, les
fonctions de plusieurs variables, les intégrales multiples, le calcul différentiel extérieur, la géométrie
dans l’espace, les courbes paramétrées, la cinématique, la notion de courbure.
1
Table des matières
1 Matrices et systèmes linéaires 4

1.1 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Addition des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
21
1.2.2 Multiplication d’une matrice par un scalaire . . . . . . . . . . . . . . . . . 7
20
1.2.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3
0-
Opérations élémentaires sur les lignes et les colonnes d’une matrice, matrice échelonnée 9
02
1.4 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
I2
1.4.1 Calcul du déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . 10

1.4.2 Quelques propriétés du déterminant . . . . . . . . . . . . . . . . . . . . . . 11
UY
1.5 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.5.1 Inverse d’une matrice carrée inversible d’ordre 2 . . . . . . . . . . . . . . . 13
12
1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofacteurs . . . . 13

11
1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de Gauss . 14

AT
1.6 Systèmes d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

M
1.6.1 Résolution par substitution . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.6.2 Résolution par la méthode du pivot de Gauss . . . . . . . . . . . . . . . . 17
1.6.3 Autre méthode pour calculer l’inverse d’une matrice . . . . . . . . . . . . . 19
1.7 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Espaces vectoriels et Applications linéaires 24

2.1 Espaces vectoriels, sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Somme, somme directe et espaces supplémentaires . . . . . . . . . . . . . . . . . . 26
2.3 Familles génératrices, familles libres et bases . . . . . . . . . . . . . . . . . . . . . 27
2.4 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2
2.4.2 Noyau et image d’une application linéaire . . . . . . . . . . . . . . . . . . . 32
2.4.3 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . 34
2.5 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3 Fonctions de plusieurs variables réelles 41

3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Limite et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3 Dérivées partielles, Gradient, Différentielle, Formule de Taylor . . . . . . . . . . . 45
3.4 Différentiabilité des champs vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5 Dérivées partielles d’ordre deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.1 Extrema d’une fonction de plusieurs variables . . . . . . . . . . . . . . . . 54
3.6 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4 Intégrales multiples 60
21
4.1 Intégrales double . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
20
4.1.1 Calcul de l’intégrale double d’une fonction continue . . . . . . . . . . . . . 60
4.1.2 0-
Volume d’un solide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
02
4.1.3 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
I2
4.2 Intégrales triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

UY
4.2.1 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

4.2.2 Application au calcul des moments, masses et centre d’inertie . . . . . . . 82
12
4.3 Intégrales curvilignes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

11
4.3.1 Notion de courbe ou chemin . . . . . . . . . . . . . . . . . . . . . . . . . . 85

4.3.2 Intégrale curviligne d’une fonction scalaire . . . . . . . . . . . . . . . . . . 86
AT
4.3.3 Intégrale curviligne d’un champ de vecteurs . . . . . . . . . . . . . . . . . 87

M
4.3.4 Théorème de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

4.4 Intégrale de surface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.4.1 Théorème de Stoke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.5 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3
Chapitre 1
Matrices et systèmes linéaires
Évaluation diagnostique

a b 1 d −b
21
On donne A = et B = ad−bc avec ad − bc 6= 0.
c d −c a
20
1. A et B sontdes . .. . . .
a c
2. La matrice
b d
est la . . . . . . de A.
0-
02
3. ad − bc représente le . . . . . . de A.
I2

... ... ... ...
4. A × B = et B × A =
... ... ... ...
UY
5. On dit que A est . . . . . . de B et que B est . . . . . . de A.

(
2x − y = 3 ... ... x
6. Le système d’équations linéaires peut encore s’écrire sous la forme =
12
x + y = −1 ... ... y

11
...
. La solution de ce système est donnée par x = . . ., y = . . ..
...
AT
Objectifs du chapitre :
– Initiation au calcul matriciel
M
– savoir échélonner une matrice

– Calcul du déterminant, de l’inverse et du rang d’une matrice
– Résolution des systèmes d’équations linéaires.
1.1 Matrices
1.1.1 Définitions
Définition 1.1. 1. On appelle matrice à n lignes et p colonnes à coefficients dans K = R
ou C, ou encore matrice de type (n, p) ou n × p, toute application
A
{1, 2, . . . , n} × {1, 2, . . . , p} −→ K
(i, j) 7−→ aij
4
que l’on peut disposer en tableau sous la forme
 
a11 a12 . . . a1j . . . a1p
 a21 a22 . . . a2j . . . a2p 
 . .. .. .. 
 .
 . . . . 

A= ,
 ai1 ai2 . . . aij . . . aip 
 . .. .. .. 
 .. . . . 
an1 an2 . . . anj . . . anp
ou encore
A = (aij )1≤i≤n, 1≤j≤p .
Le premier indice i de aij désigne le numéro de la ligne et le second indice j le numéro de la

colonne. Onnote Mn,p (K) l’ensemble des matrices n × p à coefficients dans K. Par exemple

1 i 5
∈ M2,3 (C).
2 4 −2i
2. Si n = p, on dit que A est une matrice carrée d’ordre n et on note A = (aij )1≤i,j≤n .
 note Mn (K)
On  l’ensemble des matrices carrées n × n à coefficients dans K. Par exemple
21
1 −2 5
−2 6 0  ∈ M3 (R).
20
5 0 −4
0-
 
a1
02
 a2 
3. Si p = 1, on dit que A est une matrice colonne et on note A =  .. .
 
.
I2
an
UY

4. Si n = 1, on dit que A est une matrice ligne et on note A = a1 a2 . . . ap .
5. Une matrice carrée A est dite
– triangulaire supérieure si aij = 0 pour tout i > j. Elle est de la forme
12
 
a11 a12 . . . . . . a1n
11
 0 a22 . . . . . . a2n 
.. .. 
AT

A= 0

0 . . .

 . .. . . . . . 
 .. . . . .. 
M
0 0 . . . 0 ann
– triangulaire inférieure si aij = 0 pour tout i < j. Elle est de la forme
 
a11 0 0 ... 0
 a21 a22 0 . . . 0 
 . .. . . . . . 
A =  .. . . . .. 
.

 . . .
 .. .. .. 0 

an1 an2 . . . . . . ann

– diagonale si aij = 0 pour tout i 6= j. Elle est de la forme
 
a11 0 . . . 0
. .. 
 0 a22 . . . 

 . . .
 .. .. ... 0 
0 ... 0 ann
5
La matrice diagonale  
1 0 ... 0
.. .. 
0

1 . .
In =  . ... ...  ∈ Mn (K)
 .. 0
0 ... 0 1
est appelée matrice identité (ou matrice unité) d’ordre n.
6. La transposée de A = (aij )1≤i≤n,1≤j≤p est la matrice notée t A, possedant p lignes et n
colonnes et definie par
 
a11 a21 . . . ai1 . . . an1
a12 a22 . . . ai2 . . . an2 
 . .. .. .. 
 .
 . . . . 

t
A= .
a1j a2j . . . aij . . . anj 
 . .. .. .. 
 .. . . . 
a1p a2p . . . aip . . . anp
Les lignes de t A sont les colonnes de A et les colonnes de t A sont les lignes de A. Par
21
exemple,
20
 
1 2
t 1 3 5
= 3 4 , t (t A) = A.
2 4 6
5 6 0-
02
7. Une matrice carrée est
– symétrique si t A = A (les coefficients symétriques par rapport à la diagonale sont égaux),
I2
– antisymétrique si t A = −A, où −A = (−aij ) est la matrice obtenue en multipliant par

UY
−1 tous les coefficients de A. Les coefficients symétriques par rapport à la diagonale sont
 opposés et enparticulier, les coefficients diagonaux
 sont nuls.

1 −2 5 0 −2 5
12
−2 6 0  est une matrice symétrique,  2 0 7 est une matrice antisymétrique.

5 0 −4 −5 −7 0
11
8. La trace d’une matrice carrée A = (aij ) ∈ Mn (K) est la somme de ses coefficients diagonaux
AT
T r(A) = a11 + a22 + . . . + ann .

M
 
1 −4 7
La trace de la matrice A =  2 −3 5 est T r(A) = 1 − 3 + 8 = 6. On vérifie que
−1 0 8
t
T r(A) = T r( A).
1.2 Opérations sur les matrices
1.2.1 Addition des matrices

Soient A = (aij ), B = (bij ) ∈ Mnp (K). La somme des matrices A et B est définie par
A + B = (cij ) avec cij = aij + bij ,
et la différence par
A − B = (cij ) avec cij = aij − bij .
6
Exemple 1.2.      
1 0 −2 0 −1 2 1 −1 0
2 −1 0  +  1 1 −1 = 3 0 −1 .
3 1 1 −2 2 −1 1 3 0

1 −1 0 2 −3
+ n’est pas définie car les deux matrices n’ont pas la même dimension.
2 0 −2 1 5
On peut vérifier que pour tout A = (aij ), B = (bij ), C = (cij ) ∈ Mnp (K), et pour la matrice
nulle O = (0)ij (matrice dont tous les coefficients sont nuls) de Mnp (K), on a
– (A + B) + C = A + (B + C) (associativité)
– A + B = B + A (commutativité)
– A + O = O + A = O (élément neutre)
– A+(-A)=(-A)+A=O (inverse).
On conclut que (Mnp (K), +) est un groupe abélien. On a aussi t (A + B) =t A +t B, T r(A + B) =
T r(A) + T r(B).
Exercice 1.3. Montrer que la matrice A +t A est symétrique et la matrice A −t A est antisymé-
trique.
21
20
1.2.2 Multiplication d’une matrice par un scalaire
Pour tout A = (aij ) ∈ Mnp (K) et α ∈K, le produit 0-
de la matrice A par le scalaire α est la matrice
02
0 −2 −3
αA = (αaij ). Par exemple pour A = , on a
−1 0 1
I2

0 −8 −12 0 2 3 0 0 0
, −A =
UY
4A = , 0A = .
−4 0 4 1 0 −1 0 0 0
On montre que : t (αA) = α × t A, T r(αA) = αT r(A).
12

1 0 1 3
Exercice 1.4. Trouver deux matrices A et B telles que 2A−3B = et A−2B = .
2 3 2 −1
11
AT
1.2.3 Produit de deux matrices

M
Soient n, p, q ∈ N, A = (aij ) ∈ Mnp (K), B = (bjk )Mpq (K) (le nombre de colonnes de A
doit être égal au nombre de lignes de B). Le produit des matrices A et B est la matrice
C = AB = (cik ) ∈ Mnq (K) ayant le même nombre de lignes que A et le même nombre de colonnes
que B et définie par
cik = ai1 b1k + ai2 b2k + . . . + aip bpk .

Pour obtenir
  l’élément c ik de AB, on multiplie la ième ligne a i1 ai2 . . . aip de A par la kème
b1k
b2k 
colonne  ..  de B, c’est-à-dire
 
 . 
bpk
 
b1k
 b
 2k 

cik = ai1 ai2 . . . aip ×  ..  .
 . 
bpk
7
 
−1 2 1
2 −1 3  −12 9 −4
Exemples 1.5. 1. 4 −2 3 = .
−2 2 −1 12 −9 5
−2 1 −1
 
−1 2 1
2 −1 3
2.  4 −2 3  n’a pas de sens car la matrice de gauche a 3 colonnes et
−2 2 −1
−2 1 −1
la matrice de droite 2 lignes (3 6= 2).
 
1
3. 1 2 3 2 = 14 .
3
   
1 1 2 3
4. 2 1 2 3 = 2 4 6.
3 3 6 9
Soient A ∈ Mnp (K), B ∈ Mpq (K) et C ∈ Mqr (K), on a :

– (AB)C = A(BC) (associativité).
– t (AB) = t B t A. (Attention à
l’ordre
!)
21

0 −1 2 −3 2 −3 0 −1
Comparer × et × . Donc attention, on n’a pas toujours
20
0 5 0 0 0 0 0 5
AB = BA. Par exemple
0 1

0 −1

=
1 0

0-
02
1 0 1 0 0 −1
I2
alors que
0 −1 0 1 −1 0
= .
UY
1 0 1 0 0 1
Lorsqu’il existe un entier naturel n tel que An = O, on dit que la matrice carrée A est nilpotente,
avec An = A| ×A× {z. . . × A}. Par exemple
12
n f ois
11
2
0 1 0 0 0 1
AT
= , donc est une matrice nilpotente.

0 0 0 0 0 0
M
Pour toute matrice carrée A d’ordre n, on a AIn = In A = A. On dit que la matrice identité d’ordre
n est l’élément neutre pour la multiplication dans Mn (K).
 
2 0 0
Exercice 1.6. Soient D = 0 3 0  une matrice diagonale. Calculer D2 , D3 et en déduire
0 0 −2
n
D , n ∈ N. Prouver ce résultat par recurrence sur n.
 
2 1
1
Exercice 1.7. On considère les matrices suivantes :A = 1 2 3 , B = , C = −3 0,
−2
  1 2
−1 1 3
−2 5
D= , E = −1 −4 0. Quels sont les produits matriciels possibles ? Quels sont les
5 0
0 2 5
matrices carrées et les matrices symétriques ?
8
1.3 Opérations élémentaires sur les lignes et les colonnes
d’une matrice, matrice échelonnée
 
1 −2 3 L1
Considérons la matrice A = −2 5 1 L2 . On peut effectuer des opérations élémentaires
3 7 4 L3
sur les lignes d’une matrice :
1. multiplier une ligne Li par un scalaire λ pour obtenir λLi . Cela se traduit par Li ←− λLi .
Par exemple en multipliant la ligne L1 de la matrice A par 2, on obtient
   
1 −2 3 L1 ←− 2L1 2 −4 6
−2 5 1 L2 =⇒ −2 5 1 .
3 7 4 L3 3 7 4
Remarquer que les autres lignes restent inchangées.
2. permutter les lignes Li et Lj d’une matrice avec i 6= j. Cela se traduit par Li ←→ Lj . Par
exemple, en permuttant les lignes L1 et L3 de la matrice A, on obtient
21
   
1 −2 3 3 7 4
20
−2 5 1 =⇒ −2 5 1 .
L1 ←→ L3
3 7 4 1 −2 3
0-
02
3. remplacer la ligne Li par Li + λLj , où i 6= j et λ est un scalaire. Cela se traduit par
Li ←− Li + λLj . Par exemple, en effectuant de façon repétée les opérations suivantes, on
I2
obtient
   
1 −2 3 L1 1 −2 3 L1
UY
−2 5 1 L2 ←− L2 + 2L1 =⇒ 0 1 7 L2
3 7 4  L 3 3 7
 4 L 3 ←−
 L3 − 3L1
12
1 −2 3 L1 1 −2 3
=⇒ 0 1
 7  L2 =⇒ 0 1
 7 .
11
0 13 −5 L3 ←− L3 − 13L2 0 0 −96
AT
On peut aussi effectuer ces opérations sur les colonnes d’une matrice : multiplier une colonne Ci
par un scalaire λ pour avoir λCi , permutter deux colonnes Ci et Cj avec i 6= j, remplacer une
colonne Ci par Ci + λCj .
M
 
1 −2 3
La matrice 0 1 7  obtenue ci-dessus est appelée une matrice échelonnée (en lignes). -96
0 0 −96
est appelé le pivot de la ligne L3 .
Définition 1.8. Soit A ∈ Mn,p (K).

1. Pour tout i ∈ {1, 2, . . . , n} tel la ligne Li 6= 0 0 . . . 0 , on appelle pivot de la ligne Li
son premier coefficient non nul.
2. On dit que A est échelonnée (en lignes) si elle possède les propriétés suivantes :
(a) si une ligne Li est entièrement nulle, toutes les lignes situées en dessous sont également
entièrement nulles.

(b) Pour tout i ∈ {1, 2, . . . , n} tel la ligne Li 6= 0 0 . . . 0 , et pour tout j > i, soit
Lj = 0 0 . . . 0 , soit le pivot de Lj est situé strictement à droite du pivot de Li .
(c) Tous les éléments de la colonne qui sont en dessous du pivot sont nuls.
9
3. Si A est échelonnée (en lignes) et de plus chaque pivot est égal à 1, et les autres coefficients
dans la colonne du pivot sont nuls, on dit que la matrice est échelonné réduite.
 
 2 −3 2
 1  
0 3 0 1 0 1 −4 8  1 0 2 0 25
 
Par exemple 0 0 1 3 , 
0 0  sont des matrices échelonnées, et 0 1 −2 0 16
0 2/3  
0 0 0 −2  0 0 0 0  0 0 0 1 1
0 0 0 0
est échelonnée réduite.
1.4 Déterminant d’une matrice carrée
1.4.1 Calcul du déterminant d’une matrice carrée

a b a b
Si A = est une matrice carrée d’ordre 2, alors det(A) = = ad − bc.
c d c d
21

a1 b 1 c1
Pour calculer le déterminant d’une matrice carrée A = a2 b2 c2  d’ordre 3, on peut :
20
a3 b 3 c3
0-
1. Utiliser la règle de Sarrus (qui n’est vraie que pour les matrices carrées d’ordre 3) : On
prend la première et la deuxième colonne de A pour former la quatrième et cinquième colonne
02
   
I2
a1 b1 c1 a1 b1 a1 b1 c1 a1 b1
 & & &   % % % 
UY
   
 a2 b2 c2 a2 b2 
 et a2 b2 c2 a2 b2 
.


 & & &   % % % 
a3 b3 c3 a3 b3 a3 b3 c3 a3 b3
12
On a
11
a1 b 1 c 1
det(A) = a2 b2 c2 = a1 b2 c3 +b1 c2 a3 +c1 a2 b3 −a3 b2 c1 −b3 c2 a1 −c3 a2 b1 .
AT
a3 b 3 c 3
2. Développer suivant une ligne ou une colonne de A. Par exemple, en développant suivant la
M
première ligne, on a
a1 b 1 c 1
a a a a a a
a2 b2 c2 = (−1)1+1 a11 22 23 + (−1)1+2 a12 21 23 + (−1)1+3 a13 21 22 .
a32 a33 a31 a33 a31 a32
a3 b 3 c 3
Si on developpe par rapport à une ligne i, en posant Mij le déterminant de la matrice obtenue
en éliminant la ième ligne et le jème colonne de A, j = 1, 2, 3, on obtient
det(A) = (−1)i+1 ai1 Mi1 + (−1)i+2 ai2 Mi2 + (−1)i+3 ai3 Mi3 .
Si on developpe par rapport à une colonne j, en posant Mij le déterminant de la matrice

obtenu en éliminant la ième ligne et le jème colonne de A, i = 1, 2, 3, on obtient
det(A) = (−1)1+j a1j M1j + (−1)2+j a2j M2j + (−1)3+j a3j M3j .
Dans ce calcul, la colonne ou la ligne ayant le plus de zéros est choisie en priorité.
10
   
−7 −4 6 1 2 4
Exemples 1.9. Calculons le déterminant de A =  8 2 3 et B = 0 1 −2.
9 −6 9 5 6 2
 
−7 −4 6 −7 −4
Avec la règle de Sarrus, on a la matrice  8 2 3 8 2  et on en déduit
9 −6 9 9 −6
det(A) = (−7) × 2 × 9 + (−4) × 3 × 9 + 6 × 8 × (−6) − 9 × 2 × 6 − (−6) × 3 × (−7) − 9 × 8 × (−4)

= −126 − 108 − 288 − 108 − 126 + 288
= −468.
Nous allons développer le determinant de la matrice B par rapport à la deuxième ligne qui contient
un zero, on a
2 4 1 4 1 2
det(B) = (−1)2+1 ×0× +(−1)2+2 ×1× +(−1)2+3 ×(−2)× = 2−20+2(6−10) = −26.
6 2 5 2 5 6
21
De façon générale, soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n. Soit Mij le déterminant de
la matrice obtenue en supprimant la ième ligne et la jème colonne de A. Si nous developpons le
20
déterminant de A
0-
– par rapport à une colonne j, alors det(A) = (−1)1+j a1j M1j +(−1)2+j a2j M2j +. . .+(−1)n+j anj Mnj ,
– par rapport à une ligne i, alors det(A) = (−1)i+1 ai1 Mi1 + (−1)i+2 ai2 Mi2 + . . . + (−1)i+n ain Min .
02
Ces deux formules aboutissent bien sûr au même résultat. Par exemple, en développant suivant la
I2
première ligne on a
UY
1 3 0
6 4 2 4 2 6
2 6 4 =1 −3 +0 = 1(12 − 0) − 3(4 + 4) + 0(0 + 6) = −12.
0 2 −1 2 −1 0
−1 0 2
12
Développer suivant la deuxième ou la troisième colonne et comparer les resultats.

11
AT
1.4.2 Quelques propriétés du déterminant

M
1. Si A, B sont deux matrices carrées d’ordre n, alors det(AB) = det(A) det(B).

t 1 5
2. det(A) = det( A). Par exemple pour A = on a
4 6
1 5 1 4
det(A) = = 6 − 20 = −14 et det(t A) = = 6 − 20 = −14.
4 6 5 6
3. Si nous permuttons deux lignes ou deux colonnes consécutives d’une matrice carrée A, nous
une nouvelle matrice dont le déterminant est − det(A). Par exemple, pour A =
obtenons

1 5 4 6
, la matrice obtenue en permuttant les deux lignes de A a pour déterminant =
4 6 1 5
20 − 6 = 14 = − det(A) et la matrice obtenue en permuttant les deux colonnes de A a pour
5 1
déterminant = 20 − 6 = 14 = − det(A).
6 4
11
4. Si une matrice carrée A comporte une ligne ou une colonne de 0 alors det(A) = 0.
1 0 −4
−5 0 15 = 0.
2 0 7
5. Si une matrice carrée A comporte deux lignes ou deux colonnes proportionnelles (ou iden-
1 −4 −3
tiques) alors det(A) = 0. Par exemple −5 15 15 = 0 car la troisième colonne est égale à
2 7 −6
1 −4 −3
la première colonne fois (-3) et −5 15 7 = 0 car la première ligne et la troisième ligne
1 −4 −3
sont identiques.
6. Si A est une matrice triangulaire inférieure ou supérieure, alors det(A) égal au produit des
−5 4 7
éléments de sa diagonale. 0 4 2 = (−5)×4×(−1) = 20 car la matrice est triangulaire
0 0 −1
21
supérieure.
20
7. Si B est une matrice obtenue à partir de la matrice carrée A en multipliant une ligne ou une
colonne par un scalaire λ ∈ K, alors det(B) = λ det(A).
0-
02

−5 3 −10 6 −25 3
A= , B= , C= .
2 −1 2 −1 10 −1
I2
On a det(A) = −1. La matrice B est obtenue en multipliant la première ligne de A par 2 et

UY
nous avons det(B) = −2 = 2 det(A). La matrice C est obtenue en multipliant la première

colonne de A par 5 et det(C) = −5 = 5 det(A).
12
8. Si on ajoute à une ligne (ou une colonne) d’une matrice carrée A une combinaison linéaire des
autres lignes (des autres colonnes), nous obtenons une nouvelle matrice de même déterminant
11
que A.
AT
 
1 2 −1 L1
On veut calculer le déterminant de la matrice A = 2 1 0  L2 , où Li désigne la ligne
M
1 0 2 L3
i. On peut utiliser les opérations élémentaires de la forme Li ← Li + λLj (λ ∈ K) pour
obtenir une matrice triangulaire supérieure (Li ← Li + λLj veut dire qu’on multiplie la ligne
Lj par λ et on ajoute à la ligne Li ) :
 
1 2 −1 L1
2 1 0  L2
1 0 2 L3
 
1 2 −1 L1
0 −3 2  L2 ← L2 − 2L1
0 −2 3 L3 ← L3 − L1
 
1 2 −1 L1
0 −3 2  L2
5
0 0 3
L3 ← L3 − 23 L2
12
Puisque le déterminant de A ne change pas en ajoutant à une ligne de A une combinaison
linéaire des autres lignes, on a
1 2 −1
5
det(A) = 0 −3 2 = 1 × (−3) × = −5.
5 3
0 0 3
Exercice 1.10. Calculer les déterminants suivants :
1 2 3 4
1 2 4 73 7 3
2 3 4 5
0 1 −2 , 10 1 0 , .
3 4 5 6
5 6 2 51 4 1
4 5 6 7
1.5 Inverse d’une matrice carrée

   
1 1 −1 1 0 1
On considère les matrices A = −1 1 0  et B = 1 1 1.
21
0 −1 1 1 1 2
20
1. Calculer det(A).
2. Calculer A × B et B × A, puis conclure.
0-
Soit A ∈ Mn (K), si det(A) 6= 0, alors la matrice A est inversible, c’est-à-dire il existe une unique
02
matrice A−1 ∈ Mn (K) telle que A × A−1 = A−1 × A = In , où In est la matrice identité d’ordre n.
I2
Puisque A×A−1 = In , alors on a det(A×A−1 ) = det(In ) ⇔ det(A) det(A−1 ) = 1, donc det(A−1 ) =

1
.
UY
det(A)
1.5.1 Inverse d’une matrice carrée inversible d’ordre 2

12

a b
11
Soit A = une matrice carrée d’ordre 2. Si det(A) = ad − bc 6= 0, alors A est inversible et

c d
AT

−1 1 d −b
on a A = ad−bc .
−c a
M

5 −1 −1 1 4 1
Exemple 1.11. det(A) = = 22 6= 0 donc A est inversible et A = 22 .
2 4 −2 5

cos 2θ sin 2θ
Exercice 1.12. Montrer que la matrice est inversible, puis calculer son in-
− sin 2θ cos 2θ
verse.
1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofac-

teurs
Nous
 voulons
 par exemple utiliser cette méthode pour calculer l’inverse de la matrice A =
1 2 3
0 1 4.
5 6 0
13
1. Trouver le déterminant de la matrice A. C’est la première chose à faire car si le
déterminant est nul (=0), la matrice n’est pas inversible. Mais si det(A) 6= 0, alors A est
inversible.
1 3 1 2
det(A) = 1 × −4× = −15 + 16 = 1.
5 0 5 6
t
2. Calculer
 la transposée
 A de la matrice A de depart
1 0 5
t
A = 2 1 6.
3 4 0
3. Calculer les déterminants des neufs matrices mineures de la transposée de A :
lorsqu’on prend l’élément aij et on supprime la ligne i et la colonne j, la matrice restante
est appelée matrice mineure et son déterminant Mij est appelé mineur.
 
1 0 5
t 1 6 2 6 2 1
A = 2 1 6 M11 = = −24 M12 = = −18 M13 = =5
4 0 3 0 3 4
3 4 0
0 5 1 5 1 0
21
M21 = = −20 M22 = = −15 M23 = =4
4 0 3 0 3 4
20
0 5 1 5 1 0
M31 = = −5 M32 = = −4 M33 = = 1.
1 6 2 6
0- 2 1
02
4. Établir la matrice des cofacteurs. C’est la matrice ayant à la position (i, j) l’élément
I2
Cij = (−1)i+j Mij . Elle est encore appelée comatrice ou matrice adjointe de la matrice
de départ A.
UY
 
−24 18 5
Adj(A) =  20 −15 −4 .
−5 4 1
12
5. L’inverse de la matrice A est donné par

11
 
−24 18 5
1
AT
A−1 = × Adj(A) =  20 −15 −4 .

det(A)
−5 4 1
M
   
1 0 1 1 1 1
Exercice 1.13. Utiliser cette méthode pour calculer l’inverse de B = 1 1
 1 et C = 1 2 3.
1 1 2 0 1 0
1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de

Gauss
 
1 2 −1
On veut calculer l’inverse d’une matrice carrée, par exemple A = 2 1 0  par la méthode du
1 0 2
pivot de Gauss. Pour cela on augmente à la matrice A la matrice identité d’ordre n = 3 ´
 
1 2 −1 | 1 0 0 L1
2 1 0 | 0 1 0 L2 .
1 0 2 | 0 0 1 L3
14
Puis on effectue simultanement sur les lignes de A et celles de In les mêmes opérations élémentaires
pour transformer A en In et In en A−1 .
 
1 2 −1 | 1 0 0 L1
2 1 0 | 0 1 0 L2
1 0 2 | 0 0 1 L3
 
1 2 −1 | 1 0 0 L1 ← L1
0 −3 2 | −2 1 0 L2 ← L2 − 2L1
0 −2 3 | −1 0 1 L3 ← L3 − L1
 
1 2 −1 | 1 0 0 L1 ← L1
0 −3 2 | −2 1 0 L2 ← L2
0 0 5 | 1 −2 3 L3 ← 3L3 − 2L1
 
5 10 0 | 6 −2 3 L1 ← 5L1 + L3
0 −15 0 | −12 9 −6 L2 ← 5L2 − 2L3
0 0 5 | 1 −2 3 L3 ← L3
 
15 0 0 | −6 12 −3 L1 ← 3L1 + 2L2
 0 −15 0 | −12 9 −6 L2 ← L2
21
0 0 5 | 1 −2 3 L3 ← L3
 
20
1 0 0 | −6/15 12/15 −3/15 L1 ← L1 /15
0 1 0 | 12/15 −9/15 6/15  L2 ← −L2 /15 .
0 0 1 | 1/5 −2/5 3/5
0- L3 ← L3 /5
02
 
−2 4 −1
−1 1
I2
On déduit que A = 5 4 −3 2 .
1 −2 3
UY
Il existe une troisième méthode qui sera donnée à la fin de la section 1.6.
 
1 1 −1
Exercice 1.14. Calculer l’inverse de la matrice A = −1 1 0  et de la matrice B =
12
0 −1 1
11
 
−1 0 −1
 1 1 1 .
AT
−2 0 −3
 
M
−1 1 1
Exercice 1.15. 1. Soit A =  1 −1 1 . Montrer que A2 = 2I3 − A. En déduire que A
1 1 −1
−1
est inversible  A .
 et calculer
1 0 2
2. Soit A = 0 −1 1. Calculer A3 − A. En déduire que A est inversible puis déterminer
1 −2 0
A−1 .  
0 1 −1
3. Soit A = −1 2 −1. Calculer A2 −3A+2I3 . En déduire que A est inversible et calculer
1 −1 2
−1
A .
 
1 0 m
Exercice 1.16. Pour quelle valeur de m la matrice A = 2 1 0  est-elle inversible ? Dans
0 1 1
ce cas, déterminer son inverse.
15
1.6 Systèmes d’équations linéaires
Soit p ∈ N∗ , une équation linéaire à p inconnues x1 , x2 , . . . , xp est une équation de la forme
a1 x1 + a2 x2 + . . . + ap xp = b,
où a1 , a2 , . . . , ap et b sont des nombres réels donnés.

Un système de n équations linéaires à p inconnues dans le corps K est défini par

 a11 x1 + a12 x2 + . . . + a1p xp = y1

 a21 x1 + a22 x2 + . . . + a2p xp = y2

..


 .
 a x + a x + ... + a x = y
n1 1 n2 2 np p n
que l’on peut représenter matriciellement par AX = Y où A = (aij ) ∈ Mn,p (K), X =t (x1 , x2 , . . . , xp ),
Y =t (y1 , y2 , . . . , yn ). Par exemple
(
2x1 − x2 + 3x3 = 8
21
x1 − 4x3 = −7
20
est un système de 2 équations linéaires à 3 inconnues.
0-
Les équations −x + 3y 2 − 4z = 5 et 2x − xy + 7z = −3 ne sont pas linéaires.
02
Résoudre le système d’équations linéaires
I2


 a11 x1 + a12 x2 + . . . + a1p xp = y1
 a21 x1 + a22 x2 + . . . + a2p xp = y2

UY
..


 .
 a x + a x + ... + a x = y
n1 1 n2 2 np p n
12
revient à déterminer les inconnues x1 , x2 , . . . , xp . Ce système peut avoir :

11
– une unique solution

– une infinité de solutions
AT
– aucune solution.
Si A est une matrice carrée inversible, la solution du système AX = Y est donnée par X = A−1 Y .
M
1.6.1 Résolution par substitution

Nous voulons résoudre par substitution le système d’équations linéaires

−2x − 3z = 5 (e1 )

x + y + z = −3 (e2 )

−x − z = 1 (e3 )

(
−2(−z − 1) − 3z = 5
(e3 ) implique x = −z−1. En remplaçant dans (e1 ) et (e2 ) on obtient ⇐⇒
−z − 1 + y + z = −3
(
−z + 2 = 5
. Donc z = −3 et y = −2. Il s’ensuit que x = −z − 1 = −(−3) − 1 = 2. L’ensemble
y − 1 = −3
solution du système est donc S = {(2, −2, −3)}.
16

−x − z = 5

Exercice 1.17. Résoudre par substitution le système d’équations linéaires x + y + z = −3 .

−3x − 2z = 1

1.6.2 Résolution par la méthode du pivot de Gauss

Nous allons travailler directement sur des exemples.
a) On veut résoudre par exemple le système d’équations linéaires


 x + 2y − z + t = 1
x + 3y + z − t = 1


 −x + y + 7z + 2t = 1
2x + y − 8z + t = a

Ce système peut encore s’écrire sous la forme matricielle

    
1 2 −1 1 x 1
21
1
 3 1 −1  y  1
  =  .
−1 1 7 2   z  1
20
2 1 −8 1 t a
Pour résoudre ce système, on part de la matrice augmentée 0-

02
 
1 2 −1 1 | 1 L1
I2
 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
UY
2 1 −8 1 | a L4
et à l’aide des opérations élémentaires, on transforme cette matrice augmentée en une matrice
12
échelonnée (en lignes).

11
 
1 2 −1 1 | 1 L1
AT
 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
M
2 1 −8 1 | a L4
 
1 2 −1 1 | 1 L1 ← L1
0 1
 2 −2 | 0  L2 ← L2 − L1
0 3 6 3 | 2  L3 ← L3 + L1
0 −3 −6 −1 | a − 2 L4 ← L4 − 2L1
 
1 2 −1 1 | 1 L1 ← L1
0 1 2 −2 | 0  L2 ← L2


0 0 0 9 | 2  L3 ← L3 − 3L2
0 0 0 −7 | a − 2 L4 ← L4 + 3L2
 
1 2 −1 1 | 1 L1 ← L1
0 1 2 −2 |
 0   L2 ← L2 .
0 0 0 9 | 2  L3 ← L3
0 0 0 0 | 9a − 4 L4 ← 9L4 + 7L3
17
Ceci équivaut à 

 x + 2y − z + t =1
y + 2z − 2t =0


 9t =2
0 = 9a − 4

Si 9a − 4 6= 0 c’est-à-dire a 6= 94 , alors ce système n’admet pas de solution.

Si 9a − 4 = 0 c’est-à-dire a = 94 , alors ce système admet une infinité de7 solutions.
x + 2y − z = 9
L3 : 9t = 2 ⇔ t = 29 et par suite L1 et L2 deviennent . On a deux équations et
y + 2z = 49
trois inconnues, on fixe donc une inconnue comme paramètre. En fixant z ∈ R comme paramètre,
on obtient
4 1
y = − 2z, x = − + 5z.
9 9
L’ensemble solution du système est donc
1 4 2
S = {(− + 5z, − 2z, z, ), z ∈ R}.
9 9 9
21

 4x + 6y + 9z = 6
20
b) On veut aussi résoudre le système d’équations linéaires 6x − 2z = 20 .
5x − 8y + z = 10

0-
02
 
4 6 9 | 6 L1
6 0 −2 | 20 L2
I2
5 −8 1 | 10 L3
UY
 
4 6 9 | 6 L1 ← L1
0 −36 −62 | 44 L2 ← 4L2 − 6L1
0 −62 −41 | 10 L3 ← 4L3 − 5L1
12
 
4 6 9 | 6 L1 ← L1
11
0 −36 −62 | 44  L2 ← L2 .
0 0 −2368 | 2368 L3 ← −36L3 + 62L2
AT

 4x + 6y + 9z = 6
M
On obtient alors le système −36y − 62z = 44 . La dernière équation donne z = −1. En

−2368z = 2368

remplaçant z = −1 dans la deuxième équation, on obtient y = 12 . En remplaçant y = 12 et
z = −1 dans la première équation, on a x = 3. Ainsi la solution de notre système d’équations est
S = {(3, 12 , −1)}.
   
−1 0 −1 2 0 −1
c) Sachant que pour A =  1 1 1  et B =  1 1 0 , on a A × B = B × A = In
−3 0 −2 −3 0 1
(c’est-à-dire l’inverse de A c’est B), on veut résoudre dans R3 le système d’équations

−x − z = 5

x + y + z = −3 .

−3x − 2z = 1

18
      
−1 0 −1 x 5 x
Ce système s’écrit encore sous la forme  1 1 1   y = −3 , on en déduit que y  =
   
−3 0 −2 z 1 z
 −1       
−1 0 −1 5 2 0 −1 5 9
 1 1 1  −3 =  1 1 0  −3 =  2 .
−3 0 −2 1 −3 0 1 1 −14
1.6.3 Autre méthode pour calculer l’inverse d’une matrice

 
1 2 −1
Pour calculer l’inverse de la matrice A = 2 1 0 , on peut résoudre le système d’équations
1 0 2
linéaires 
 x + 2y − z = x0
2x + y = y 0
x + 2z = z 0

pour trouver x, y, z en fonction de x0 , y 0 , z 0 et en extraire A−1 . Résolvons donc le système à l’aide
21
du pivot de Gauss :
20
1 2 −1 | x0 L1
 
2 1 0 | y 0  L 2
1 0 2 | z0 L3 0-
02
x0
 
1 2 −1 | L1 ← L1
I2
0 −3 2 | y 0 − 2x0  L2 ← L2 − 2L1
0 −2 3 | z 0 − x0 L3 ← L3 − L1
UY
x0
 
1 2 −1 | L1 ← L1
0 −3 2 | y 0 − 2x0  L2 ← L2 .
5 | x0 − 2y 0 + 3z 0
12
0 0 L3 ← 3L3 − 2L2
11
On déduit de la dernière ligne que 5z = x0 − 2y 0 + 3z 0 donc z = 51 (x0 − 2y 0 + 3z 0 ). La deuxième

ligne équivaut à −3y + 2z = y 0 − 2x0 , soit −3y = 51 (−12x0 + 9y 0 − 6z 0 ). D’où y = 51 (4x0 − 3y 0 + 2z 0 ).
AT
La première ligne donne x = x0 − 2y + z = 15 (−2x0 + 4y 0 − z 0 ). En résumé,

M
1
x = (−2x0 + 4y 0 − z 0 )
5
1
y = (4x0 − 3y 0 + 2z 0 )
5
1 0
z = (x − 2y 0 + 3z 0 )
5
 
−2 4 −1
On en déduit que A−1 = 51  4 −3 2 .
1 −2 3
 
1 0 1
Exercice 1.18. 1. Utiliser la méthode ci-dessus pour calculer l’inverse de B = 1 1 1 et
  1 1 2
1 1 1
C = 1 2 3.

0 1 0
19
2. 
Résoudre les systèmes d’équations linéaires suivants :
x−y+z =0 
 3x + 2y + z = 3


−x + y − z = 0

, 2x + y + z = 0 .
10x + 25z = 90 
6x + 2y + 4z = 6


20x + 10y = 80

Exercice 1.19. Résoudre le système suivant en discutant suivant les valeurs du paramètre com-
plexe a : 
 x − ay + a2 z = a
ax − a2 y + az = 1
ax + y − a3 z = 1

1.7 Rang d’une matrice

Définition 1.20. Le rang d’une matrice A ∈ Mn,p (K) est le nombre maximum de lignes (ou de
colonnes) de A qui sont linéairement indépendants.
21
 
3 0 2 2 L1
Par exemple, on considère la matrice A = −6 42 24 54 L2 . Nous avons
20
 
21 −21 0 −15 L3
1 1 0-
02

6L1 − L2 − L3 = 6 3 0 2 2 − −6 42 24 54 − 21 −21 0 −15 = 0 0 0 0 .
2 2
I2
On conclut que les trois lignes de la matrice A ne sont pas linéairement indépendants. On en déduit
UY
que le rang de la matrice vaut 2 car les deux premières lignes de A sont linéairement indépendantes
(on ne peut pas trouver α tel que L2 = αL1 ).
Méthode :
12
1. Pour déterminer le rang d’une matrice, on peut effectuer les opérations élémentaires sur les
11
lignes ou les colonnes pour avoir une matrice equivalente échelonnée. Le nombre de
lignes ou de colonnes ayant les pivots non nuls est égal au rang de la matrice.
AT
2. Si A ∈ Mn (K) est une matrice carrée d’ordre n et det A 6= 0, alors le rang de A est n.
M
Il est à noter que :

– si A ∈ Mn,p (K), alors le rang de A est inférieur ou égal au min(n, p).
– si A ∈ Mn,p (K), le rang de A égal r ≥ 1 si et seulement si A contient une sous matrice carrée
d’ordre r ayant un déterminant non nul.

a b
Exemple 1.21. 1. Soit A = . On a det(A) = a2 − b2 = (a − b)(a + b). Donc si a2 6= b2 ,
b a
det(A) 6= 0 et par suite le rang de A vaut 2. Mais si a = ±b, det(A) = 0 et le rang de A
vaut 1.  
3 0 2 2 L1
2. On veut déterminer le rang de A = −6 42 24 54  L2 . On la transforme d’abord
21 −21 0 −15 L3
20
grâce aux opérations élémentaires pour avoir une matrice échelonnée équivalente.
 
3 0 2 2 L1 ← L1
0 42 28 58  L2 ← L2 + 2L1
0 −21 −14 −29 L3 ← L3 − 7L1
 
3 0 2 2 L1 ← L1
0 42 28 58 L2 ← L2 .
0 0 0 0 L3 ← 2L3 + L2
Cette matrice ayant deux pivots non nuls, on conclut que le rang de A vaut 2.
 
1 1 1 0 0
0 −1 −2 1 1
 
0 0 −2
3. Le rang de la matrice  3 0 ∈ M5 (R) est 3 car cette matrice a 3 pivots non
0 0 0 0 0
0 0 0 0 0
nuls.
Exercice 
1.22.
 Calculer le
rang
 des matricessuivantes :
21
  
4 9 0 4 −6 1 5 2 2 1 2 −1 1
−8 −6,  4 0 10 , 1 3 2 6 , 1 −1 3 1.
20
16 12 −6 10 0 4 0 8 48 0 1 2 1
0-
02
1.8 Travaux dirigés
I2
 
2 1
1
UY

1. On considère les matrices suivantes : A = 1 2 3 , B = , C = −3 0, D =
−2
  1 2
1 1 3
−2 5
12
, E = −1 −4 0.
5 0
0 2 5
11
(a) Quels sont les produits matriciels possibles ? Pour chacun des cas, calculer le produit.
AT
(b) Quelles sont les matrices carrées ?

(c) Quelles sont les matrices symétriques ?
M
2. Calculer lorsqu’ils sont définis les produits AB et BA dans chacun des cas suivants :

1 0 0 0
(a) A = ,B=
0 0 0 1
 
0 2 1
2 0 1
(b) A =  1 1 0 , B =
−1 1 2
−1 −2 −1
 
1 2
1 1 0 1
(c) A = 1 1 , B =
 
2 1 0 0
0 3

7 5
3. On considère la matrice A = .
−6 −4
(a) Calculer la matrice A2 − 3A + 2I2 .
(b) En déduire que A est inversible et déterminer A−1 .
21
 
0 1 1
4. Soit A = 1 0 1.
1 1 0
(a) Trouver deux réels α et β tels que A2 = αI3 + βA.
(b) En déduire
 que A est
 inversible et donner son inverse.
2 0 0 0
−1 2 0 0
5. Soit A =  3 0 2 0. On pose B = A − 2I4 .

0 2 1 0
(a) Calculer B, B 2 , B 3 , B 4 . Que pouvez-vous déduire pour B k , k ≥ 4 ?
(b) De l’égalité A = B + 2I4 et de la formule du binôme de Newton, déduire la valeur de
An pour
tout entiernaturel n.
cos θ − sin θ n cos nθ − sin nθ
6. Soit A = . Montrer par recurrence sur n que A = .
sin θ cos θ sin nθ cos nθ
7. Résoudre les systèmes  d’équations suivants :  
 x+y−z =9  4x + y = 4  13x + 12y = −6
4x − 6y = −11
, 8y + 6z = −6 , 5x − 3y + z = 2 , −4x + 7y = −73 ,
−3x + 8y = 10 
21
−2x+ 4y − 6z = 40 −9x + 2y − z = 5 11x − 13y = 157
 
 
 4x − 8y + 3z = 16  2x + 4y + z = 0  4y + 3z = 8
20

−2y − 2z = −8
−x + 2y − 5z = −21 , −x + y − 2z = 0 , 2x − z = 2 , ,
3x + 4y − 5z = 13

3x − 6y + z = 7

4x + 6z = 0 0-

3x +2y = 5
02
 5y + 5z − 10t = 0  2x − 2y + 4z = 0
5x − 7y + 3z = 17
, 2x − 3y − 3z + 6t = 2 , −3x + 3y − 6z + 5t = 15 ,
I2
−15x + 21y − 9z = 50 
4x+ y + z − 2t = 4 x − y + 2z = 0


10x + 4y − 2z = −4 2x + 3y + z − 11t = 1
UY

 

−3w − 17x + y + 2z = 2 5x − 2y + 5z − 4t = 5
 
, .

 w+x+y =6 
 x − y + 3z − 3t = 3
8w − 34x + 16y − 10z = 4 3x + 4y − 7z + 2t = −7
12
 
8. Déterminer le rang des matrices suivantes :
11
   
      2 4 8 16 9 0 1 0
0 3 5 6 −4 0 8 0 4 0 
4 −2 6 16 8 4 2  0 0 1 0
AT
, 3 5 0 , −4 0 2, 0 2 0 4,   4 8 16 2 , 1 1 1

  ,
−2 1 −3 1
5 0 10 0 2 6 4 0 2 0
2 16 8 4 0 0 1 0
M
 
1 1 1−m
1 + m −1 2 .
2 −m 3
4 −1 8 a b c
cos α sin α cos nθ sin nθ
9. Calculer les déterminants suivants : , , 0 2 3, c a b,
sin β cos β − sin nθ cos nθ
0 0 5 b c a
0 4 −1 5 4 7 0 0
1 a a2
−4 0 3 −2 2 8 0 0
1 b b2 , , .
1 −3 0 1 0 0 1 5
1 c c2
−5 2 −1 0 0 0 −2 2
n
10. Calculer A pour tout n ∈ N :
 
0 1 1
1 −1 a b 1 1
a) A = , b) A = , c) A = , d) A = 1 0 1 .
−1 1 0 a 0 2
1 1 0
22
 
0 1 − sin θ
11. On considère la matrice A =  −1 0 cos θ . Calculer A3 puis en déduire (I3 +A)n
− sin θ cos θ 0
pour n ≥ 3.
12. 
Inverser, lorsque
  c’est possible,
  les matrices suivantes
  : 
−1 0 2 1 −1 0 1 i −i 1+a 1 1
0 0 1, 1 2 1, −i 1 i ,  1 1+b 1 .
0 −1 1 1 1 0 i −i 1 1 1 1+c
 
a 1 1
13. Pour quelle(s) valeur(s) du paramètre a la matrice A = 1 a 1 est-elle inversible ?
1 1 a
Déterminer, lorsque cela est possible, l’inverse de la matrice A.
 
−2 0 −3
14. On considère la matrice carrée d’ordre 3 suivante A =  1 1 1 .
−1 0 −1
(a) Calculer le déterminant de A. Quel est le rang de cette matrice ? La matrice A est-elle
inversible ?
21
(b) En utilisant la méthode de Gauss-Jordan, calculer l’inverse A−1 de A.
20

−2x − 3z = 5

(c) On considère le système suivant (S) :
0-
x + y + z = −3 Écrire le système (S) sous
02

−x − z = 1.

t
la forme A1 X = B, où X = (x, y, z) et A1 , B sont deux matrices à déterminer.
I2
(d) En utilisant l’inverse de A calculé ci-dessus, résoudre dans R3 le système (S).

UY
12
11
AT
M
23
Chapitre 2
Espaces vectoriels et Applications linéaires
Dans tout ce chapitre, K désigne R ou C.

Objectifs :
1. Reconnaitre un sous-espace vectoriel, puis déterminer sa base et sa dimension
21
2. Reconnaitre une application linéaire puis déterminer sa matrice représentative
20
2.1 Espaces vectoriels, sous-espaces vectoriels 0-
02
I2
Activité
UY
On définit E comme l’ensemble des points de la droite (D) d’équation 2x + y = 0, c’est-à-dire

E = {(x, y) ∈ R2 , 2x + y = 0}.
12
1. Soient (x, y) et (x0 , y 0 ) deux points de la droite (D), alors on a les équations ................. et
......................
11
2. (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) est-il aussi un point de la droite (D) ?

AT
3. α(x, y) = (αx, αy) est-il aussi un point de la droite (D) ?

4. Si (x, y) ∈ E, alors (x, y) ∈ ..............., donc E ⊂ ...............
M
On dit que E = {(x, y) ∈ R2 , 2x + y = 0} est un sous-espace vectoriel de R2 .

Définition 2.1. Soit E un ensemble. On définit sur E
– une addition (loi interne) par
+ : E × E −→ E
(u, v) 7−→ u + v,
c’est-à-dire ∀u, v ∈ E, u + v ∈ E,
– une multiplication (loi externe) par
· : K × E −→ E
(λ, u) 7−→ λ · u = λu,
c’est-à-dire ∀u ∈ E, ∀λ ∈ K, λu ∈ E.
E est un K-espace vectoriel si :
24
1. l’addition est associative : ∀u, v, w ∈ E, u + (v + w) = (u + v) + w.
2. l’addition est commutative : ∀u, v ∈ E, u + v = v + u.
3. l’addition possède un élément neutre noté 0E : ∀u ∈ E, u + 0E = u.
4. ∀u ∈ E, il existe son opposé −u tel que u + (−u) = 0E .
5. la multiplication est associative : ∀λ, µ ∈ K, ∀u ∈ E, λ(µu) = (λµ)u.
6. la multiplication est distributive par rapport à l’addition : ∀λ ∈ K, ∀u, v ∈ E, λ(u + v) =
λu + λv.
7. ∀λ, µ ∈ K, ∀u ∈ E, (λ + µ)u = λu + µu.
8. ∀u ∈ E, 1K .u = u. 1K est appelé élément neutre pour la multiplication.
Exemples 2.2. 1. C est un C-espace vectoriel, C et R sont des R-espaces vectoriels.

∗
2. Soit n ∈ N . R2 , R3 et plus généralement Rn sont des R-espaces vectoriels.
n
k
P
3. L’ensemble Rn [x] = ak x , ak ∈ R des polynômes de degré inférieur ou égal à n a
k=0
coefficients dans R est un R-espace vectoriel.
21
4. Le produit E1 × · · · × En de n K-espaces vectoriels est un K-espace vectoriel pour les lois :
20
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
λ(x1 , . . . , xn ) = (λx1 , . . . , λxn ).
0-
02
Exercice 2.3. Montrer que pour chacun des exemples ci-dessus, les 8 propriétés de la définition
I2
2.1 sont vérifiées.

UY
Définition 2.4. Soit E un K-espace vectoriel et F un sous-ensemble de E. Alors F est un sous-

espace vectoriel de E si et seulement si :
– F 6= ∅ (F est non vide).
12
– ∀u, v ∈ F, u + v ∈ F .
– ∀λ ∈ K, ∀u ∈ F, λu ∈ F .
11
Remarque 2.5. – Pour montrer que F est non vide, il suffit de vérifier que 0E ∈ F .
AT
– Si 0E ∈/ F , on conclut directement que F n’est pas un sous-espace vectoriel de E.

– Pour montrer que F est un sous-espace vectoriel de E, il suffit de montrer que F est non vide
M
et ∀α, β ∈ K, ∀u, v ∈ F , αu + βv ∈ F .
Exemples 2.6. 1. F = {(x, y) ∈ R2 ; x + 3y = 0} est un sous-espace vectoriel de R2 . En effet,

– 0R2 = (0, 0) ∈ F car 0 + 3 × 0 = 0. Donc F est non vide.
– Soient u = (x, y) ∈ F, v = (x0 , y 0 ) ∈ F et α, β ∈ R, alors αu + βv = (αx + βx0 , αy + βy 0 )
et on a (αx + βx0 ) + 3(αy + βy 0 ) = α(x + 3y) + β(x0 + 3y 0 ). Or u = (x, y), v = (x0 , y 0 ) ∈ F
équivaut à x+3y = 0 et x0 +3y 0 = 0, donc (αx+βx0 )+3(αy+βy 0 ) = α(x+3y)+β(x0 +3y 0 ) =
0. On en déduit que αu + βv ∈ F et par suite, F est un sous-espace vectoriel de R2 .
2. F = {(x, y, z) ∈ R3 ; x + y + z = 1} n’est pas un R-sous-espace vectoriel de R3 car pour
0R3 = (0, 0, 0), on a x = y = z = 0 et par suite x + y + z = 0 6= 1, ainsi 0R3 ∈
/ F.
3. F = {u = (x, y, z) ∈ R3 ; xz = 0} n’est pas un sous-espace vectoriel de R3 . En effet
– 0R3 = (0, 0, 0) ∈ F car 0 × 0 = 0.
– u = (0, 1, 2), v = (−1, 0, 0) ∈ F car 0 × 2 = 0 et (−1) × 0 = 0. u + v = (−1, 1, 2) et on a
(−1) × 2 = −2 6= 0. On conclut que u + v ∈ / F et donc F n’est pas un sous-espace vectoriel
3
de R .
25
Exercice 2.7. Montrer que E = {(x, y, z) ∈ R3 ; x + y − z = 0} et F = {(x, y) ∈ R2 ; 2x −
5y = 0, x + y = 0} sont des sous-espaces vectoriels de R3 et R2 , respectivement.
Proposition 2.8. Une intersection de sous-espaces vectoriels de E est un sous-espace vectoriel
de E.
Mais attention, une réunion de sous-espaces vectoriels n’est pas en général un sous-espace vectoriel.
En effet soient E = R2 , F1 = {(x, y) ∈ R2 ; y = 0} et F2 = {(x, y) ∈ R2 ; x = 0}. F1 et F2
sont des sous-espaces vectoriels de E. On a (1, 0) ∈ F1 ⊂ F1 ∪ F2 , (0, 1) ∈ F2 ⊂ F1 ∪ F2 , mais
(1, 0)+(0, 1) = (1, 1) ∈
/ F1 ∪F2 . Donc on a (1, 0), (0, 1) ∈ F1 ∪F2 mais (1, 0)+(0, 1) = (1, 1) ∈
/ F1 ∪F2 .
On conclut que F1 ∪ F2 n’est pas un sous-espace vectoriel.
2.2 Somme, somme directe et espaces supplémentaires

Définition 2.9. Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E.
1. L’ensemble
21
F + G = {x ∈ E; x = x1 + x2 avec x1 ∈ F et x2 ∈ G},
définit la somme de F et G. F + G est un sous-espace vectoriel de E.
20
L
2. E est somme directe de F et G, et on note E = F G, si et seulement si E = F + G et
0-
F ∩ G = {0E }. On dit dans ce cas que F et G sont supplémentaires dans E.
02
Exemple 2.10. Soit E = R3 , soent F et G deux sous-espaces vectoriels de E définis par F =
I2
{(x, y, z) ∈ R3 ; z = 0} et G = {(x, y, z) ∈ R3 ; x = y = 0}. ∀(x, y, z) ∈ R3 , on a (x, y, z) =

(x, y, 0) + (0, 0, z) et (x, y, 0) ∈ F, (0, 0, z) ∈ G donc R3 = F + G. De plus, (x, y, z) ∈ F ∩ G
UY
équivautL à z = 0 et x = y = 0, donc (x, y, z) = (0, 0, 0). Donc F ∩ G = {0R3 }. On conclut que

3
R =F G. Donc F et G sont supplémentaires dans R3 .
12
Proposition 2.11. Soit E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E. Si

tout élément xE ∈ E se décompose de façon unique en somme d’un élément xF ∈ F et d’un
11
élément xG ∈ G (xE = xF + xG ), alors E est somme directe de F et G.

AT
Exemple 2.12. On considère l’espace vectoriel E = R2 et F1 , F2 des ensembles définis par :

F1 = {(x, y) ∈ R2 : x + 2y = 0} et F2 = {(x, y) ∈ R2 : x = y}.
M
1. Montrer que F1 et F2 sont des sous espaces vectoriels de E.

2. (x, y) ∈ F1 ⇐⇒ x = −2y donc F1 = {α(−2, 1), α ∈ R}. De même (x, y) ∈ F2 ⇐⇒ x = y
donc F2 = {β(1, 1), β ∈ R}. Soit (x, y) ∈ R2 , déterminer deux réels α, β ∈ R tels que
(x, y) = α(−2, 1) + β(1, 1), puis puis conclure.
Solution :
1. 0 + 2 × 0 = 0 et 0 = 0 donc (0, 0) ∈ F1 et (0, 0) ∈ F2 . Soient u = (x, y), v = (x0 , y 0 ) ∈ F1 ,
α, β ∈ R, on a x + 2y = 0 et x0 + 2y 0 = 0. Ainsi, (αx + βx0 ) + 2(αy + βy 0 ) = α(x + 2y) +
β(x0 + 2y 0 ) = 0, donc αu + βv = (αx + βx0 , αy + βy 0 ) ∈ F1 et par conséquent F1 est un
sous-espace vectoriel de R2 . De même, soient u = (x, y), v = (x0 , y 0 ) ∈ F2 , α, β ∈ R, alors
x = y et x0 = y 0 et par suite αx + βx0 = αy + βy 0 , ainsi αu + βv = (αx + βx0 , αy + βy 0 ) ∈ F2
et par conséquent F2 est un sous-espace vectoriel de R2 .
(
x = −2α + β
2. (x, y) = α(−2, 1) + β(1, 1) équivaut à . La solution de ce système existe et
y =α+β
est unique, elle est donnée par α = 31 (y − x) et β = 13 (x + 2y).
26
Puisque α(−2, 1) ∈ F1 et β(1, 1) ∈ F2 , on remarque que tout (x, y) ∈ R2 s’écrit de façon
unique comme la somme de α(−2, 1) ∈ F1 et β(1, 1) ∈ F2 . D’après la propositionL2.11
précédente, on conclut que F1 et F2 sont supplémentaires dans R2 , c’est-à-dire R2 = F1 F2 .
2.3 Familles génératrices, familles libres et bases

Tout (x, y) ∈ R2 peut s’écrire de façon unique sous la forme
(x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1).
On dit que (x, y) est une combinaison linéaire de (1, 0) et (0, 1) et que {(1, 0), (0, 1)} est une famille
génératrice de R2 .
Exercice 2.13. Soit (x, y, z) ∈ R3 , écrire (x, y, z) en fonction de (1, 0, 0), (0, 1, 0), (0, 0, 1). Que
pouvons-nous conclure ?
Définition 2.14. Soit E un espace vectoriel sur K. Soit u, u1 , . . . , un une famille de vecteurs de
21
E.
1. Le vecteur u est une combinaison linéaire de u1 , . . . , un si on peut trouver α1 , . . . , αn ∈ K
20
tels que u = α1 u1 + . . . + αn un .
0-
2. {u1 , . . . , un } est une famille génératrice de E si tout élément de E s’écrit comme com-
02
binaison linéaire des vecteurs u1 , . . . , un . On dit dans ce cas que E est engendrée par
{u1 , . . . , un } et on note E =< u1 , . . . , un >.
I2
Exemples 2.15. 1. E = R2 , u = (1, 2), v = (0, 3), w = (3, 3). Nous voulons montrer que w
UY
est une combinaison linéaire de u et v. On cherche donc α, β ∈ R tels que w = αu + βv, ce

qui équivaut à (3, 3) = α(1, 2) + β(0, 3) = (α, 2α + 3β). On obtient α = 3 et β = −1, donc
w = 3u − v.
12
2. Dans R2 [x] (ensemble des polynômes de degré maximum 2), 2+3x+5x2 est une combinaison
11
linéaire de 1, x, et x2 .
3. (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), donc (x, y, z) est une combinaison linéaire de
AT
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}. On conclut que {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est une famille géné-
ratrice de R3 .
M
Exercice 2.16. Écrire (4, 2, 1) comme combinaison linéaire de {(1, 2, 1), (2, −1, 1), (1, 1, −1)}.
Définition 2.17. Soit u1 , . . . , un une famille de vecteurs de E, on dit que la famille (u1 , . . . , un )
est liée lorsque l’un des vecteurs ui est combinaison linéaire des n − 1 autres vecteurs.
Par exemple, (2, 3) = 2(1, 0) + 3(0, 1) donc la famille {(2, 3), (1, 0), (0, 1)} est liée.
Proposition 2.18. Une famille {u1 , . . . , un } d’éléments de E est liée si et seulement si le système
d’équations linéaires α1 u1 + . . . + αn un = 0E admet une solution (α1 , . . . , αn ) 6= (0, . . . , 0).
( exemple, en résolvant le système α(2, 3) + β(1, 0) + γ(0, 1) = (0, 0) qui est équivalent à
Par
2α + β = 0
, on obtient, en fixant α comme paramètre réel, la solution β = −2α, γ = −3α.
3α + γ = 0
Ainsi la solution est (α, β, γ) = (α, −2α, −3α) = α(1, −2, −3) 6= (0, 0, 0). On conclut que la famille
{(2, 3), (1, 0), (0, 1)} est liée.
27
Exercice 2.19. Montrer que la famille {(0, 1, −2), (3, 2, −1), (1, 1, −1)} est liée.
Exercice 2.20. Trouver α, β, γ ∈ R tels que α(1, 0, 0) + β(0, 1, 0) + γ(0, 0, 1) = (0, 0, 0). La famille
((1, 0, 0), (0, 1, 0), (0, 0, 1)) est-elle liée ? Que pouvons-nous donc conclure ?
Définition 2.21. Une famille de vecteurs de E est libre lorsqu’elle n’est pas liée.
Proposition 2.22. Une famille de vecteurs (u1 , . . . , un ) de E est libre lorsque pour tous α1 , . . . , αn ∈
R, l’équation α1 u1 + . . . + αn un = 0E admet pour unique solution α1 = . . . = αn = 0.
Par exemple, en résolvant α(1, 0) + β(0, 1) = (0, 0), on obtient α = β = 0. Donc la famille
{(1, 0), (0, 1)} est libre.
Exemple 2.23. Soit u1 = (1, 2, 0), u2 = (2, 4, 0), u3 = (0, 0, 1). Montrer que {u1 , u2 } est une fa-
mille liée et {u1 , u3 } est une famille libre.
Solution :
(
α + 2β = 0
αu1 + βu2 = 0 ⇐⇒ ⇐⇒ α = −2β.
2α + 4β = 0
21
Donc (α, β) = β(−2, 1), β ∈ R. On conclut que la famille {u1 , u2 } est liée.
20

α = 0
0-

αu1 + βu3 = 0 ⇐⇒ 2α = 0 ⇐⇒ α = β = 0.
02

β=0

I2
On conclut que la famille {u1 , u3 } est libre.

UY
Activité : Nous avons vu que pour tout (x, y) ∈ R2 , on a (x, y) = x(1, 0) + y(0, 1). C’est-à-
dire ((1, 0), (0, 1)) est une famille génératrice de R2 . De plus la famille ((1, 0), (0, 1)) est libre. On
conclut que ((1, 0), (0, 1)) est .............................. de R2 .
12
Définition 2.24. Soit E un K-espace vectoriel.

11
1. On appelle base de E toute famille libre et génératrice de E.

AT
2. La famille {e1 , . . . , en } est une base de E si et seulement si, tout vecteur x de E peut s’écrire
de façon unique sous la forme :
M
n
X
x= xi ei = x1 e1 + . . . + xn en , xi ∈ K.
i=1
3. Tout espace vectoriel non réduit à {0} possède une base.

4. Si E possède une base comportant un nombre fini n de vecteurs, on dit que E est de dimen-
sion n et on note dim(E) = n. Dans ce cas toute base de E possède le même nombre n de
vecteurs.
Par exemple, nous avons montré que la famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est libre dans R3 . De
plus (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1). Donc la famille {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est
génératrice. Conclusion, c’est une base de R3 qu’on appelle base canonique. On en déduit que
dim(R3 ) = 3.
Proposition 2.25. Soit E un K-espace vectoriel de dimension finie n. Une famille finie d’éléments
de E est une base si et seulement si elle est libre et a n éléments.
28
Exemples 2.26. 1. Nous considérons les sous-espaces vectoriels de R4 , F = {(x, y, z, t) ∈
R4 ; x − 2y = 0} et G = {(x, y, z, t) ∈ R4 ; y + 2z + 3t = 0}.
(a) Donner une base de F et sa dimension.
(x, y, z, t) ∈ F équivaut à x − 2y = 0, soit x = 2y. Ainsi, (x, y, z, t) = (2y, y, z, t) =
y(2, 1, 0, 0)+z(0, 0, 1, 0)+t(0, 0, 0, 1). Une base de F est {(2, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
et par conséquent dim(F ) = 3.
(b) Donner une base de G et sa dimension.
(x, y, z, t) ∈ G équivaut à y + 2z + 3t = 0 soit y = −2z − 3t. Ainsi (x, y, z, t) =
(x, −2z − 3t, z, t) = x(1, 0, 0, 0) + z(0, −2, 1, 0) + t(0, −3, 0, 1). Une base de G est
{(1, 0, 0, 0), (0, −2, 1, 0), (0, −3, 0, 1)} et par conséquent dim(G) = 3.
(c) Donner une base de F ∩ G et(sa dimension. ( (
x − 2y = 0 x = 2y y = −2z − 3t
(x, y, z, t) ∈ F ∩G équivaut à ⇔ ⇔
y + 2z + 3t = 0 y = −2z − 3t x = 2y = −4z − 6t.
Par conséquent (x, y, z, t) = (−4z − 6t, −2z − 3t, z, t) = z(−4, −2, 1, 0) + t(−6, −3, 0, 1).
Une base de F ∩ G est {(−4, −2, 1, 0), (−6, −3, 0, 1)} qui est de dimension 2.
2. Dans R3 , on considère les vecteurs v1 = (1, 4, −1), v2 = (2, 3, 1), v3 = (4, −1, 2), v4 =
21
(3, 5, −3).
20
(a) Montrons que (v1 , v2 , v3 ) forme une base de R3 .
Première méthode : Soient α1 , α2 , α3 ∈ R tels que α1 v1 + α2 v2 + α3 v3 = 0, alors

α1 + 2α2 + 4α3 = 0
 0-
02
4α1 + 3α2 − α3 = 0 −α1 + α2 + 2α3 = 0 implique α1 = α2 + 2α3 . Et le système
I2

−α1 + α2 + 2α3 = 0.


α1 = α2 + 2α3
UY

devient 3α2 + 6α3 = 0 Il s’ensuit que α1 = α2 = α3 = 0. On conlut que (v1 , v2 , v3 )

7α2 + 7α3 = 0.

12
est une famille libre d’éléments de R3 et dim(v1 , v2 , v3 ) = dim(R3 ) = 3. Donc c’est une
base de R3 .
11
Une deuxième méthode consiste à calculer le déterminant de la matrice représentative

AT
du système ci-dessus lorsqu’elle est une matrice carrée. Si ce déterminant est non nul,
alors la famille est une base, mais si le déterminant est nul, la famille est liée.
M
1 2 4
Ainsi, on a 4 3 −1 = 21 6= 0, donc (v1 , v2 , v3 ) est une base de R3 .
−1 1 2
(b) Déterminer les coordonnées de v4 dans la base (v1 , v2 , v3 ).
On cherche α1 , α2 , α3 ∈ R tels que v4 = α1 v1 + α2 v2 + α3 v3 , ce qui équivaut au système
α1 + 2α2 + 4α3 = 3

d’équations 4α1 + 3α2 − α3 = 5 En utilisant le pivot de Gauss, la solution de ce

−α1 + α2 + 2α3 = −3.

système est (α1 , α2 , α3 ) = (3, −2, 1). On conclut que v4 = 3v1 − 2v2 + v3 .
     
2 −1 0
Exemple 2.27. Soit E =< u = 2 , v = −1 , w = 0 > l’espace vectoriel engendré par
2 3 3
u, v, w. Pour déterminer une base de E, on peut considérer la matrice ayant pour colonnes les
29
vecteurs u, v, w, puis on la transforme en une matrice échelonnée. Les vecteurs colonnes corres-
pondants aux colonnes ayant les pivots non nuls forment une base de E. On a dans ce cas
     
2 −1 0 2 −1 0 2 −1 0
2 −1 0 −→ 0 0 0 −→  0 4 3 .
2 3 3 0 4 3 0 0 0
 
2
Les pivots a11 , a22 étant différent de zero, on conclut qu’une base de E est B = {u = 2 , v =

  2
−1 2 −1 0
−1}. Les vecteurs u, v, w sont liés car 0 4 3 = 0 et on montre que w = 3 u + 3 v.
8 4
3 0 0 0
Exemple 2.28. Dans R3 , on considère les trois vecteurs u = (1, 1, −1), v = (−1, 1, 1) et w =
(1, −1, 1).
1. Montrer que (u, v, w) forment une base de R3 .
2. Donner les coordonnées du vecteur (2, 1, 3) dans cette base.
21
Solution :
20
1. Une option pour montrer que la famille {u, v, w} est une base est de montrer que le déter-
0-
minant de la matrice ayant ces vecteurs comme colonnes est different de zero. À l’aide du
pivot de Gauss, on a
02
   
1 −1 1 1 −1 1
I2
A= 1 1 −1 −→ 0 2 −2 .

UY
−1 1 1 0 0 2
On en déduit que det(A) = 4 6= 0, donc la famille {u, v, w} est une base de R3 .

12
2. On cherche les réels x, y, z tels que ux + vy + wz = (2, 1, 3). À l’aide du pivot de Gauss, on
a
11
   
1 −1 1 | 2 1 −1 1 | 2
1 1 −1 | 1 −→ 0 2 −2 | −1
AT
 
−1 1 1 | 3 0 0 2 | 5
M
On a alors 2z = 5 soit z = 25 . La deuxième ligne s’écrit encore 2y − 2z = −1, d’où 2y =

2z − 1 = 4 et alors y = 2. La première ligne donne x − y + z = 2, soit x = y − z + 2 = 32 .
On conclut que (2, 1, 3) = 32 u + 2v + 52 w.
Exercice 2.29. Pour quelle valeur de m la famille {(m, 1, −2), (3, 2, −1), (1, 1, −1)} n’est pas une
base de R3 ?
2.4 Applications linéaires
Activité
Soit f : R → R, x 7→ f (x) = ax, a ∈ R∗ .
1. La courbe représentative de la fonction f est ........................ passant par .................. du
repère.
30
2. Soit x, y, α ∈ R. L’écriture de f (αx+y) en fonction de f (x) et f (y) est donnée par f (αx+y) =
.............................
3. On dit que f est une ......................................................
Soient E et F deux espaces vectoriels sur un corps K.
2.4.1 Définition et exemples

Définition 2.30. Une application f : E → F est linéaire lorsque les deux conditions suivantes
sont vérifiées : ∀u, v ∈ E, ∀α ∈ K
(a) f (u + v) = f (u) + f (v) ;
(b) f (αu) = αf (u) ;
ou de façon équivalente
(c) f (αu + v) = αf (u) + f (v).
On note L(E, F ) l’ensemble des applications linéaires de E → F .

Remarque 2.31. 1. Lorque l’ensemble d’arrivé F = K on dit que f est une forme linéaire.
21
2. Toute application linéaire de E vers E est un endomorphisme.
20
Exemple 2.32. 1. Justifier que les applications f et g suivantes sont linéaires :
f : R2 7→ R2 , (x, y) 7→ f (x, y) = (x + y, x − y) et 0-
g : R2 7→ R, (x, y) 7→ g(x, y) = x + 2y.
02
I2
Soient (x, y), (x0 , y 0 ) ∈ R2 , soit α ∈ R, on a :
f (α(x, y) + (x0 , y 0 )) = f (αx + x0 , αy + y 0 )

UY
= (αx + x0 + αy + y 0 , αx + x0 − (αy + y 0 ))
= α(x + y, x − y) + (x0 + y 0 , x0 − y 0 )
12
= αf (x, y) + f (x0 , y 0 ).
11
De même
AT
g(α(x, y) + (x0 , y 0 )) = g(αx + x0 , αy + y 0 )

M
= αx + x0 + 2(αy + y 0 )
= α(x + 2y) + (x0 + 2y 0 )
= αg(x, y) + g(x0 , y 0 ).
On conclut que f et g sont des applications linéaires.

2. Pour ~i = (1, 0), ~j = (0, 1), ~u = (2, 3), ~v = (0, 4), déterminer
f (~0), f (~i), f (~j), f (~u), f (~v ).
On a
f (~0) = (0, 0) = ~0, f (~i) = (1, 1), f (~j) = (1, −1), f (~u) = (5, −1), f (~v ) = (4, −4).
3. Montrer que f : R2 → R, (x, y) 7→ x + y + 1 n’est pas une application linéaire.

Soient (x, y), (x0 , y 0 ) ∈ R2 , on a f ((x, y)+(x0 , y 0 )) = f (x+x0 , y +y 0 ) = (x+x0 )+(y +y 0 )+1 =
(x + y + 1) + (x0 + y 0 ) 6= f (x, y) + f (x0 , y 0 ). On conclut que f n’est pas une application linéaire.
31
Proposition 2.33. Si f : E → F est une application linéaire, alors
(i) f (0E ) = 0F ;
(ii) Pour tous α1 , . . . , αn ∈ K, u1 , . . . , un ∈ E,
f (α1 u1 + . . . + αn un ) = α1 f (u1 ) + . . . + αn f (un ).
On déduit de cette proposition que si f : E → F est une application et f (0E ) 6= 0F , on conclut

directement que f n’est pas une application linéaire.
Théorème 2.34. Soient E, F, G des K-espaces vectoriels et f : E → F, g : E → F et h : F → G

des applications linéaires.
1. La somme f + g : E → F, u 7→ (f + g)(u) = f (u) + g(u) est une application linéaire.
2. ∀α ∈ K, αf : E → F, u 7→ (αf )(u) = αf (u) est une application linéaire.
3. h ◦ f : E → G, u 7→ (h ◦ f )(u) = h(f (u)) est une application linéaire.
Exercice 2.35. 1. Soient f : R2 → R2 , (x, y) 7→ f (x, y) = (2x − y, x + y) et g : R2 →

R, (x, y) 7→ g(x, y) = x + y. Définir explicitement g ◦ f .
21
2. Montrer que l’ensemble L(E, F ) des applications linéaires de E → F est un K-espace vecto-
riel.
20
2.4.2 Noyau et image d’une application linéaire 0-
02
I2
Définition 2.36. Soit f : E → F une application linéaire. On appelle

1. noyau de f l’ensemble
UY
ker(f ) = {u ∈ E, f (u) = 0F }.
2. image de f l’ensemble
12
Im(f ) = {f (u) : u ∈ E} = {v ∈ F : ∃u ∈ E, f (u) = v}.

11
Exemples 2.37. Soit f : R2 → R2 , (x, y) 7→ f (x, y) = (2x + y, 4x + 2y).

AT
(a) Montrer que f est linéaire.

Soient (x, y), (x0 , y 0 ) ∈ R2 , α ∈ R, on a
M
f (α(x, y) + (x0 , y 0 )) = f (αx + x0 , αy + y 0 )

= (2(αx + x0 ) + αy + y 0 , 4(αx + x0 ) + 2(αy + y 0 ))
= α(2x + y, 4x + 2y) + (2x0 + y 0 , 4x0 + 2y 0 )
= αf (x, y) + f (x0 , y 0 ).
Donc f est une application linéaire.

(b) Déterminer ker(f ) puis déduire une(base de ker(f ).
2x + y = 0
(x, y) ∈ ker(f ) ⇔ f (x, y) = (0, 0) ⇔ ⇔ y = −2x.
4x + 2y = 0
Ainsi (x, y) = (x, −2x) = x(1, −2). On conclut que
ker(f ) = {x(1, −2), x ∈ R} =< (1, −2) >
Une base de ker(f ) est donc {(1, −2)} et dim(ker(f )) = 1.
32
(c) Déterminer Im(f ) puis déduire une base de Im(f ).
(x0 , y 0 ) ∈ Im(f ) ⇔ ∃(x, y) ∈ R2 ; (x0 , y 0 ) = (2x + y, 4x + 2y) = (2x + y, 2(2x + y)) ⇔ y 0 = 2x0 .
Il s’ensuit que (x0 , y 0 ) = (x0 , 2x0 ) = x0 (1, 2). Donc Im(f ) = {x0 (1, 2), x0 ∈ R} =< (1, 2) > et
une base de Im(f ) est {(1, 2)} et dim(Im(f )) = 1.
Pour déterminer ker(f ) où f : E → F , on résoud l’équation f (x) = 0. Une méthode pour

déterminer Im(f ) sera donnée à la section 2.4.3, remarque 2.46.
Exemples 2.38. Soit f : R3 → R2 , (x, y, z) 7→ (x + y + z, 2x + y − z).
1. Montrer que f est une application linéaire.
Soient (x, y, z), (x0 , y 0 , z 0 ) ∈ R3 , α ∈ R, on a
f (α(x, y, z) + (x0 , y 0 , z 0 )) = f (αx + x0 , αy + y 0 , αz + z 0 )

= (αx + x0 + αy + y 0 + αz + z 0 , 2(αx + x0 ) + αy + y 0 − (αz + z 0 ))
= α(x + y + z, 2x + y − z) + (x0 + y 0 + z 0 , 2x0 + y 0 − z 0 )
= αf (x, y, z) + f (x0 , y 0 , z 0 ).
21
2. Déterminer une base et la dimension de ker(f ).
20
(x, y, z) ∈ ker(f ) ⇐⇒
(
x+y+z =0 0-
02
2x + y − z = 0.
I2
Comme on a un système de(deux équations à trois inconnues, on fixe z comme para-

UY
x + y = −z
mètre. Et le système devient On obtient alors x = 2z et y = −3z. Ainsi
2x + y = z.
(x, y, z) = (2z, −3z, z) = z(2, −3, 1). ker(f ) = {z(2, −3, 1), z ∈ R} et une base de ker(f ) est
12
{(2, −3, 1)} et par suite dim(ker(f )) = 1.

11
Exercice 2.39. Soit f : E −→ F une application linéaire. Montrer que

AT
1. ker(f ) est un sous-espace vectoriel de E.

2. Im(f ) est un sous-espace vectoriel de F .
M
Définition 2.40. 1. Une application linéaire f : E → F est dite injective si ∀x, y ∈ E, f (x) =
f (y) =⇒ x = y.
2. Une application linéaire f : E → F est dite surjective si ∀y ∈ F, ∃x ∈ E tel que y = f (x).
3. Une application linéaire f : E → F est dite bijective si elle est à la fois injective et
surjective.
Proposition 2.41. Soit f : E → F une application linéaire. Alors
1. f injective ⇐⇒ ker(f ) = {0E }.
2. f surjective ⇐⇒ Im(f ) = F.
3. dim(E) = dim(ker(f )) + dim(Im(f )).
Définition 2.42. 1. Soit f : E → F une application linéaire, avec F de dimension finie. Le
rang de f , noté Rang(f ), est par définition
Rang(f ) = dim(Im(f )).
33
2. Une application linéaire f : E → F bijective est encore appelée isomorphisme.
3. Si f : E → E est une application linéaire bijective, on dit que f est un automorphisme.
Exemple 2.43. 1. f : R3 → R2 , (x, y, z) 7→ (x + y + z, 2x + y − z) n’est pas injective car nous
avons vu que ker(f ) = {z(2, −3, 1), z ∈ R} = 6 {(0, 0, 0)}. dim(ker(f )) = 1 et de la relation
3
dim(R ) = dim(ker(f )) + dim(Im(f )) on a Rang(f ) = dim(Im(f )) = 3 − 1 = 2.
2. Soit f : R2 → R2 , (x, y) 7→ f (x, y) = (x + y, x − y).
(x, y) ∈ ker(f ) ⇔ f (x, y) = 0 ⇔ x + y = 0, x − y = 0, soit x = y = 0, donc ker(f ) = {(0, 0)}
et par suite f est injective. Pour tout (x0 , y 0 ) ∈ R2 , l’équation f (x, y) = (x0 , y 0 ) équivaut à
x + y = x0 , x − y = y 0 , soit x = 21 (x0 + y 0 ) et y = 21 (x0 − y 0 ). Donc f est surjective. Par
conséquent Im(f ) = R2 et donc Rang(f ) = dim(Im(f )) = 2.
f étant injective et surjective est bijective de R2 vers R2 , f est donc un automorphisme.
2.4.3 Matrice d’une application linéaire

Activité : Soit f : R3 → R3 l’application linéaire définie par f (x, y, z) = (y, x + y − z, x − y + 2z).
21
1. On a     
y ... ... ... x
20
f (x, y, z) = x + y − z = . . . . . . . . .
     y .
x − y + 2z ... ... ... z
0-
La matrice obtenue est appelée la matrice de f relativement à la base canonique (~i =
02
(1, 0, 0), ~j = (0, 1, 0), ~k = (0, 0, 1)) de R3 .
I2
2. Calculer f (~i), f (~j), f (~k). Que représente chacune de ces vecteurs pour la matrice de la pre-
UY
mière question ?
Définition 2.44. Soient E, F deux espaces vectoriels de dimension finie. B = (e1 , . . . , en ) une
base de E et B 0 = (f1 , . . . , fm ) une base de F . Si f est une application linéaire de E vers F . On
12
appelle matrice de f le tableau rectangulaire comportant n colonnes et m lignes, où la colonne

11
numéro k (1 ≤ k ≤ n) contient les coordonnées de l’image par f de ek exprimées dans la base B 0 .

En général on a
AT


 f (e1 ) = a1,1 f1 + a2,1 f2 + . . . + am,1 fm
 f (e2 ) = a1,1 f1 + a2,1 f2 + . . . + am,1 fm

M
.
 ..


 f (e ) = a f + a f + . . . + a f ,
n 1,1 1 2,1 2 m,1 m
et la matrice de f par rapport aux bases B et B 0 est

 
a11 a1,2 . . . an,1 ← f1
 a2,1 a2,2 . . . an,2  ← f2
M atB,B 0 (f ) = M at(f ) =  .. .. .
 
.. .. 
 . . ... .  .
am,1 am,2 . . . am,n ← fm
↑ ↑ ... ↑
f (e1 ) f (e2 ) f (en )
Exemples 2.45. 1. f : R2 → R2 , f (~i) = ~i + 2~j et f (~j) = −~i + 3~j. B = B 0 = (~i, ~j).

1 −1
M at(f ) = .
2 3
34
2. f : R3 → R3 , f (~i) = ~i + 3~j + 6~k, f (~j) = 2~i et f (~k) = −~i + ~j + 2~k, B = B 0 = (~i, ~j, ~k).
 
1 2 −1
M at(f ) =  3 0 1  .
6 0 2
Remarque 2.46. 1. Étant donnée une matrice A = (aij ) ∈ Mn,m (K), on peut associer une
application linéaire f : E → F telle que pour x ∈ E, y ∈ F, f (x) = y équivaut à y = A.x.
2. Si det(M at(f )) 6= 0, alors f est une application linéaire bijective.
3. Puisque le rang de f vaut la dimension de Im(f ), pour déterminer Im(f ) en général, on
transforme la matrice de f en une matrice échelonnée et les vecteurs colonnes correspondants
aux pivots non nuls forment une base de Im(f ).
Exemple 2.47. Soit f : R3 → R3 l’application linéaire définie pour tout u = (x, y, z) par f (u) =
(−2x + y + z, x − 2y + z, x + y − 2z). La matrice de f est donnée par
 
−2 1 1
A =  1 −2 1  .
1 1 −2
21
1. Donner une base de ker(f ), en déduire dim(Im(f )).
20
(x, y, z) ∈ ker(f ) ⇐⇒ f (x, y, z) = (0, 0, 0). On résoud ce système à l’aide du pivot de Gauss.
     
−2 1 1 −2 1 1 -2 1 1
 1 −2 1  −→  0 −3 3  −→  0 -3 3 . 0-
02
1 1 −2 0 3 −3 0 0 0
I2
On a donc −3y + 3z = 0 donc y = z ; et −2x + y + z = 0, donc x = z. D’où ker(f ) =

{(z, z, z) = z(1, 1, 1), z ∈ R}. Une base de ker(f ) est {(1, 1, 1)}. Ainsi dim(Im(f )) =
UY
3 − dim(ker(f )) = 2.
2. Donner une base de Im(f ).  
12
-2 1 1
Puisque dans la matrice échelonnée  0 -3 3 les pivots a11 , a22 sont non nuls, une base
11
0 0 0
de Im(f ) est formée des deux premières colonnes de la matrice initiale et est donnée par
AT
{(−2, 1, 1), (1, −2, 1)}.

2.48.Soit f : R3 −→ R3 une application linéaire
M
Exemple
 dont la matrice est donnée par
1 1 0
A = 0 0 −1. On veut déterminer une base de Im(f ).
2 0 0
On utilise les opérations élémentaires pour avoir
     
1 1 0 1 1 0 1 1 0
0 0 −1 −→ 0 0 −1 −→ 0 −2 0  .
2 0 0 0 −2 0 0 0 −1
Tous les pivots étant non nuls, on conclut que dim(Im(f )) = 3 et une base de Im(f )
est {(1, 0, 2), (1, 0, 0), (0, −1, 0)}.
1 1 0
On peut aussi calculer le déterminant de A : det(A) = 0 0 −1 = 2 6= 0. Comme det(A) 6= 0,
2 0 0
alors f est bijective, c’est-à-dire injective et surjective et par conséquent dim(Im(f )) = 3 et une
base de Im(f ) est {(1, 0, 2), (1, 0, 0), (0, −1, 0)}.
35
Exercice 2.49. 1. Soit f : R3 → R3 l’application linéaire définie par f (x, y, z) = (x − y, x +
2y, 3x − 4z). Déterminer la matrice de f dans la base canonique (~i, ~j, ~k) de R3 .
2. On considère l’application h : R2 → R2 définie par h(x, y) = (x − y, −3x + 3y).
(a) Montrer que h est une application linéaire.
(b) Montrer que h n’est ni injective, ni surjective.
(c) Donner une base du noyau et une base de l’image de f .

1. Montrer que F = {(x, y, z) ∈ E : x + 2y − z = 0} est un sous espace vectoriel de R3 puis
déterminer une base de F .
2. On considére l’espace vectoriel E = R3 et les sous ensembles E1 = {(x, y, z) ∈ E : x+y = 0},
E2 = {(x, y, z) ∈ E : xy = 0}.
(a) Montrer que E1 est un sous espace vectoriel de E.
21
(b) Vérifier que u = (1, −1, 0), v = (2, −2, 5) ∈ E1 .
(c) Sans calcul justifier que 3u − 2v est un élément de E.
20
(d) Vérifier que u1 = (1, 0, 2), u2 = (0, 1, 4) ∈ E2 .
(e) Justifier que u1 + u2 6∈ E2 . 0-
02
(f) Peut-on dire que E2 est un sous espace vectoriel de E ? justifier.
I2
3. (a) Déterminer lesquels des ensembles Ei , i = 1, 2, 3, 4, sont des sous-espaces vectoriels de

R3 , puis calculer leur dimension.
UY
E1 = {(x, y, z) ∈ R3 ; x + y − z = 0, 2x − y + z = 0}, E2 = {(x, y, z) ∈ R3 ; x2 − y 2 = 0},

E3 = {(x, y, z) ∈ R3 ; ex ey = 0}, E4 = {(x, y, z) ∈ R3 ; x(y 2 + z 2 ) = 0}.
12
(b) Les ensembles suivants sont-ils des sous-espaces vectoriels ?

F1 = {(x, y, z) ∈ R3 ; x + y = λ, 2x − λz = 0}, F2 = {(x, y) ∈ R2 ; x + λy − 1 ≥ 0},
11
λ ∈ R.
AT
4. Soient F = {(x, y, z, t) ∈ R4 ; x+t = 0, x+y+z = 0} et G = {(x, y, z) ∈ R3 ; y = x, x+y+z =

0}.
M
(a) Montrer que F et G sont respectivement des sous-espaces vectoriels de R4 et de R3 .

(b) Donner une base et la dimension de F et de G.
5. Soit E un espace vectoriel de dimension finie sur un corps commutatif K.
(a) Qu’appelle-t-on sous-espace vectoriel de E ?
(b) On suppose que E est de dimension finie n ≥ 2, soit m ≥ 1 un entier naturel.
Qu’appelle-t-on combinaison linéaire d’une famille (a1 , . . . , am ) de vecteurs de E ?
(c) Donner un exemple de combinaison linéaire sur E = R3 avec les vecteurs u = (1, 3, 0), v =
(2, 5, 1).
(d) Quand dit-on que les vecteurs (a1 , . . . , am ) sont libres ?
(e) Quand dit-on que les vecteurs (a1 , . . . , am ) sont liés ?
(f) On pose E = R3 , montrer que la famille B = (a1 = (1, 1, 1), a2 = (1, 2, 3), a3 = (1, 4, 9))
est une base de E.
36
(g) Soit B0 = (e1 , e2 , e3 ) la base canonique de E = R3 . Montrer que l’application linéaire
f : E → E définie par f (ai ) = ei pour 1 ≤ i ≤ 3 est un isomorphisme, c’est-à-dire un
endomorphisme bijectif.
(h) Déterminer la matrice de f relativement aux bases B, B0 .
(i) Quand dit-on que deux sous- espaces vectoriels E1 et E2 de E sont supplémentaires ?
(j) On pose K = R et E = R3 . Montrer que les ensembles F = {(x, y, z) ∈ R3 : x−2y +z =
0} et G = {(x, y, z) ∈ R3 : x − y + z = 0} sont des sous espaces vectoriels de R3 et
déterminer une base de F et de G.
(k) Déterminer F ∩ G.
(l) Soit f un endomorphisme de E. Définir le noyau ker(f ) de f , l’image Im(f ) de f et le
rang de f .
6. Les ensembles suivants sont-ils des sous-espaces vectoriels de R2 ?
(a) {(x, y) ∈ R2 : x ≤ y} ;
(b) {(x, y) ∈ R2 : xy = 0} ;
(c) {(x, y) ∈ R2 : x = y} ;
21
(d) {(x, y) ∈ R2 : x − y = 1} ;
20
(e) {(x, y) ∈ R2 : x − y = 0} ;
(f) {(x, y) ∈ R2 : 2x + y = 0}.
0-
7. Soit S = {(x, y, z, t) ∈ R4 , x + 2y − 3z + t = 0, x + y + z + t = 0}. Montrer que S est un
02
sous-espace vectoriel de R4 , puis déterminer une base et la dimension de S.
I2
8. Les vecteurs ~u suivants sont-ils combinaison linéaire des vecteurs ~ui ?

(a) E = R2 , ~u = (1, 2), ~u1 = (1, −2), ~u2 = (2, 3) ;
UY
(b) E = R3 , ~u = (2, 5, 3), ~u1 = (1, 3, 2), ~u2 = (1, −1, 4) ;

(c) E = R3 , ~u = (3, 1, m), ~u1 = (1, 3, 2), ~u2 = (1, −1, 4) (discuter suivant la valeur de m).
12
9. Soit E l’ensemble des fonctions définies de R dans R. Montrer que l’ensemble F = {f : R →

11
R; f est paire } est un sous-espace vectoriel de E.

AT
10. Soit E = R[x] l’ensemble des polynômes à coefficients réels. Montrer que F = Rn [x] (en-
semble des polynômes de degré inférieur ou égal à n) est un sous-espace vectoriel de E.
M
11. Soit E = {u = (x, y) ∈ R2 ; x ≥ 0, y ≥ 0}.

(a) Est-ce que u + v ∈ E pour u, v ∈ E ?
(b) Identifier u ∈ E et λ ∈ R tels que λu ∈
/ E. Cela suffit-il pour montrer que E n’est pas
un R-espace vectoriel ?
12. Soit F = {u = (x, y) ∈ R2 ; xy ≥ 0}.
(a) Est-ce λu ∈ F pour tout u ∈ F et λ ∈ R ?
(b) Identifier u, v ∈ F tels que u + v ∈
/ F . Cela suffit-il pour montrer que F n’est pas un
R-espace vectoriel ?
13. Parmi les familles suivantes de l’espace vectoriel E = R3 , lesquelles forment une base de E ?
(a) F1 = {(1, 0, 1), (−1, 1, 2), (−2, 1, 2)}.
(b) F2 = {(1, 0, 1), (−1, 1, 2), (0, 1, 3)}.
(c) F3 = {(1, 0, 1), (−1, 1, 2)}.
(d) F4 = {(1, 2, 3), (4, 0, −1), (3, 7, 9)}.
37
14. Déterminer une base des sous-espaces vectoriels suivants :
(a) E1 = {(x, y, z) ∈ R3 ; 2x − 5y + z = 0, y + z = 0}.
(b) E2 = {(x, y, z, t) ∈ R4 ; x + z − 2t = 0, x + y + t = 0, 2x − y + 3z = 0}.
(c) E3 = {(x, y, z, t) ∈ R4 ; x = 2y − z, t = x + y + z}.
15. Les applications suivantes sont-elles linéaires ? f1 : R → R, x 7→ ax, a ∈ R ; f2 : R2 →
R2 , (x, y) 7→ (2x + y, x − y) ; f3 : R2 → R2 , (x, y) 7→ (2x + y + 1, x − y) ; f4 : R2 →
R2 , (x, y) 7→ (2xy+y, x−y) ; f5 : R3 → R3 , (x, y, z) 7→ (x, 2y, x−z) ; f6 : R3 → R3 , (x, y, z) 7→
(xy, 2x + z, 0) ; f7 : R3 → R3 , (x, y, z) 7→ (x − 3y, x + y, z + 2).
16. Les applications linéaires suivantes sont-elles injectives, surjectives, bijectives ?
(a) f1 : R2 → R2 , (x, y) 7→ (2x, 0, x).
(b) f2 : R2 → R2 , (x, y) 7→ (2y, x, 0).
(c) f3 : R3 → R2 , (x, y, z) 7→ (x + y, x − z)
(d) f4 : R3 → R3 , (x, y, z) 7→ (2x − y + z, x − y − z, x + 2z).
(e) f5 : R2 → R3 , (x, y) 7→ (x + 2y, 3x − y, x + y).
17. Soit B = {e1 , e2 , e3 } une base de R3 et l’endomorphisme f de R3 défini par
21
20
f (e1 ) = e1 , f (e2 ) = −e1 , f (e3 ) = e3 .
0-
(a) Déterminer l’image par f d’un élément u = xe1 + ye2 + ze3 ∈ R3 .
02
(b) Déterminer le noyau et l’image de f puis donner une base de chacun d’eux.
(c) Montrer que f ◦ f = f .
I2
18. (a) On considère l’application linéaire f : R2 → R2 , f (~i) = 4~i + 2~j et f (~j) = −2~i + 4~j.
UY
B = B 0 = (~i, ~j). Déterminer la matrice de f dans la base canonique.

(b) Soit g : R3 → R3 , g(~i) = ~i + 3~j + 6~k, g(~j) = 2~i et g(~k) = −~i + ~j + 4~k, B = B 0 = (~i, ~j, ~k).
Déterminer la matrice de g dans la base canonique.
12
(c) Déterminer une base de ker(f ), ker(g).

11
(d) Déterminer une base de Im(f ) et Im(g).

AT
19. Soit f une application définie par f (x, y, z, t) = (x + t, x + y + z).

(a) Montrer que f ∈ L(R4 , R2 ).
M
(b) Déterminer ker(f ), puis en donner une base et sa dimension.

(c) Déterminer Im(f ), puis en donner une base et sa dimension.
(d) Quel est le rang de f ?
(e) f est-elle un isomorphisme ? Sinon, est-elle injective ? surjective ?
20. On considère l’application linéaire f : R3 → R3 définie par f (x, y, z) = (x, x, x) et l’applica-
tion gλ : R3 → R3 définie par g(x, y, z) = (x, y, λ − x − y).
(a) Pour quelle valeur de λ ∈ R gλ est-elle linéaire ?
(b) Montrer que Im(f ) et Im(g0 ) sont supplémentaires.
21. (a) On considère l’endomorphisme f de R3 défini par f (x, y, z) = (x + 2y − z, x + z, y − z).
Déterminer ker(f ) et Im(f ). Montrer que ker(f ) et Im(f ) sont supplémentaires.
(b) On considère l’endomorphisme g de R3 défini par g(x, y, z) = (x + y − 2z, x + 2y −
3z, x − y). Déterminer ker(g) et Im(g). Montrer que ker(g) et Im(g) ne sont pas
supplémentaires.
38
22. On considère l’espace vectoriel R3 :
(a) Démontrer que les vecteurs ~u1 = (1, 0, 3), ~u2 = (0, 1, 2), ~u3 = (2, −3, 0) sont linéairement
dépendants.
(b) Démontrer que les vecteurs ~v1 = (2, 1, 1), ~v2 = (1, 3, 1), ~v3 = (−2, 1, 3) sont linéairement
indépendants.
(c) Déterminer les coordonnées dans la base (~v1 , ~v2 , ~v3 ) des vecteurs ~u = (1, 2, 0), w
~ =
(1, 0, 0).
23. Soit E = R2 .
(a) On donne ~u1 = (3, 2), ~u2 = (−5, y). Comment choisir y pour que le système {~u1 , u~2 }
soit libre ? lié ?
(b) On donne ~u1 = (3, 2), ~u2 = (−5, 7), ~u3 = (1, y). Peut-on choisir y pour que le système
{~u1 , ~u2 , ~u3 } soit libre ? lié ? Donner des exemples.
24. Soient u1 = (1, 2), u2 = (−1, 1), u3 = (2, 3) des vecteurs de E = R2 .
(a) Montrer que le système (u1 , u2 ) est libre.
(b) Montrer que le système (u1 , u2 , u3 ) est est lié.
21
(c) Donner une relation qui lie les trois vecteurs u1 , u2 , u3 .
20
25. Soient u1 = (1, 1, 2), u2 = (3, 2, 1), u3 = (1, 1, 1) des vecteurs de E = R3 .
(a) Montrer que le système S = (u1 , u2 , u3 ) est libre.
0-
02
(b) Le système S est-il une base de E ?
(c) Déterminer les composantes de w = (1, 0, 0) dans cette base.
I2
26. Soient v1 = (m, 1, 2), v2 = (3, 2, 1), v3 = (1, 1, 1) des vecteurs de E = R3 .

UY
(a) Déterminer la valeur m0 de m pour que le système S(m) = (v1 , v2 , v3 ) soit lié.
(b) Déterminer une base de S(m0 ) puis sa dimension.
12
27. (a) Détterminer les valeurs de λ ∈ R pour que les vecteurs x1 = (λ, −1, −1), x2 = (−1, λ, −1), x3 =
(−1, −1, λ) soient linéairement indépendants.
11
(b) Les vecteurs x1 = (1, 0, 1, 2), x2 = (0, 1, 1, 2), x3 = (1, 1, 1, 3) sont-ils linéairement indé-
AT
pendants dans R4 ?
(c) Déterminer un vecteur v pour que les vecteurs u = (1, 1) et v = (a, b) forment une base
M
de R2 .
(d) Déterminer un vecteur v pour que les vecteurs u = (1, 1, 0), w = (0, 1, 0) et v = (a, b, c)
forment une base de R3 .
28. On considère l’espace vectoriel R2 muni de sa base canonique B = (~i, ~j) et l’ endomorphisme
f de E défini par
f : R2 → R2 , f (~i) = 4~i + 2~j, f (~j) = −2~i + 4~j.
(a) Déterminer la matrice de f dans la base canonique.
(b) Déterminer l’image des vecteurs ~i, ~j par l’endomorphisme f ◦ f .
(c) En déduire la matrice de l’endomorphisme f ◦ f .
(d) Déterminer ker(f ), puis une base de ker(f ) et dire si f est injectif, surjectif ou bijectif.
(e) Déterminer une base de Im(f ).
29. Soit f : R3 → R3 , (x, y, z) 7→ (−2x + y + z, x − 2y + z, x + y − 2z).
(a) Déterminer f (~i), f (~j), f (~k) avec ~i = (1, 0, 0), ~j = (0, 1, 0), ~k = (0, 0, 1).
39
(b) Déterminer ker(f ), Im(f ) et le rang de f .
30. On note (e1 , e2 , e3 , e4 ) la base canonique de R4 et (f1 , f2 , f3 ) la base canonique de R3 . On
définit une application linéaire φ de R4 vers R3 par φ(e1 ) = f1 − f2 + f3 , φ(e2 ) = −f1 − f2 ,
φ(e3 ) = −4f2 + 2f3 et φ(e4 ) = 2f1 + f3 .
(a) Écrire la matrice de φ dans les bases canoniques.
(b) Déterminer une base du noyau et une base de l’image de φ. Dire si φ est injective,
surjective ?
21
20
0-
02
I2
UY
12
11
AT
M
40
Chapitre 3
Fonctions de plusieurs variables réelles
Évaluation diagnostique
On considère la fonction f : R × R −→ R, (x, y) 7−→ 2x2 + 3xy − 5 et la fonction g : R −→
R, x 7−→ g(x) = ex .
21
1. g est une fonction d’une variable ....... qui est ..... et à valeurs ......
20
2. f est une fonction de ........ variables .......... qui sont ....... et à valeurs .......
x→0 y→1 (x,y)→(0,0) 0-

3. lim f (x, y) = ............, lim f (x, y) = ............, lim f (x, y) = .............
02
4. On dit que g est dérivable en x0 ∈ R lorsque lim ................... existe et est finie. Cette limite
x→x0 .............
I2
est appelée la ............... de ............ en ........

5. ∂f (x, y) = ............................., ∂f ∂ ∂f

(x, y) = ......................., ∂x (x, y) = .....................
UY
∂x ∂y ∂x
Objectifs du chapitre :
– Reconnaitre une fonction de plusieurs variables réelles
12
– Maitriser les notions de base sur les fonctions de deux variables :

• limites
11
• continuité
AT
• dérivées partielles
• développement limité
M
– Maitriser le calcul du gradient, du rotationnel, de la divergence, du laplacien
3.1 Généralités
Définition 3.1. Soient E et F deux ensembles non vides.
1. Une relation f : E −→ F qui à tout élément x ∈ E fait correspondre un unique élément
y = f (x) ∈ F , est une application. Par exemple f : R −→ R, x 7−→ 2x + 5.
2. Lorsqu’il existe des éléments x ∈ E qui n’ont pas de correspondant f (x) dans F , la relation
2
f : E −→ F est une fonction. Par exemple f : R −→ R, x 7−→ x +5x−1 x−1
.
3. On considère la fonction
f : E −→ F
x 7−→ y = f (x).
41
(a) E est appelé ensemble de départ et F ensemble d’arrivée de la fonction f .
(b) Si E = R, on dit que f : R −→ F est une fonction de la variable réelle.
(c) Si E = R × R = R2 , on dit que f : R2 −→ F est une fonction de deux variables réelles
à valeurs dans F .
n p
{z. . . × R} = R et F = |R × R ×
(d) De façon générale, si E = |R × R × {z. . . × R} = R , avec
n f ois p f ois
n, p = 1, 2, 3, . . ., on dit que
f : Rn −→ Rp , x = (x1 , . . . , xn ) 7−→ f (x) = f (x1 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fp (x1 , . . . , xn ))
est une fonction de n variables réelles à valeurs dans Rp . f est encore appelé champ de
vecteurs ou champ vectoriel. Les fonctions x 7−→ f1 (x), x 7−→ f2 (x), . . . , x 7−→
fp (x) sont appelées les composantes du champ de vecteur f .
(e) y = f (x) est l’image de x par f et x est l’antécédant de y par f .
(f ) L’ensemble des x ∈ E tels que f (x) existe est appelé ensemble ou domaine de
définition de f , il est noté Df .
21
4. Soit f une fonction de R2 −→ R, (x, y) 7−→ f (x, y), soit (x0 , y0 ) ∈ R2 . La fonction d’une
variable réelle x 7−→ f (x, y0 ) est appelée première application partielle de f et la fonction
20
d’une variable réelle y 7−→ f (x0 , y) la deuxième application partielle de f .
Exemple 3.2. 0-
1. f : R −→ R2 , t 7−→ f (t) = (cos t, sin t) est une fonction d’une variable réelle
02
à valeurs dans R2 . f1 (t) = cos t et f2 (t) = sin t sont les deux fonctions composantes de f .
I2
2. f : R2 −→ R, (x, y) 7−→ f (x, y) = x2xy +y 2

est une fonction de deux variables réelles à valeurs
dans R. Pour tout (x0 , y0 ) ∈ R , la fonction x 7−→ x2xy+y0 2 est la première application partielle
2
UY
0
de f et la deuxième est la fonction y 7−→ x2x+y 0y
2.
2 0 2
3. f : R2 −→ R2 , (x, y) 7−→ f (x, y) = x2x+y2 , x2y+y2 est une fonction de deux variables réelles
12
à valeurs dans R2 .
11
AT
3.2 Limite et continuité

M
Lors de l’étude de la continuité ou des variations d’une fonction f , le calcul des limites peut
permettre de se fixer les idées sur le comportement de la fonction au voisinage de certains points
y compris l’infini. On rappelle qu’une fonction f : I ⊂ R −→ R est continue en un point x0 ∈ I si
lim− = lim+ = f (x0 ).
x→x0 x→x0
p
Dans tout le chapitre, pour tout u = (x1 , x2 , . . . , xn ) ∈ Rn , kuk = x21 + x22 + . . . + x2n , la norme
euclidienne.
Pour un point x0 ∈ I ⊂ R, on a seulement deux options pour aller d’un point x ∈ I vers x0 : x → x− 0
ou bien x → x+ 0 . Mais lorsqu’on a une fonction de plusieurs variables (x 1 , x2 , . . . , x n ) ∈ R n
, et un
point a = (a1 , a2 , . . . , an ) ∈ Rn , le nombre de chemins pour aller de (x1 , x2 , . . . , xn ) à (a1 , a2 , . . . , an )
devient infini. Pour cela, on définit la boule ouverte de centre a = (a1 , a2 , . . . , an ) et de rayon
r > 0, notée B(a, r) par B(a, r) = {(x1 , x2 , . . . , xn ) ∈ Rn ; k(x1 , x2 , . . . , xn )−(a1 , a2 , . . . , an )k < r}.
D ⊂ Rn est ouvert si pour tout a = (a1 , a2 , . . . , an ) ∈ D, il existe r > 0 tel que B(a, r) ⊂ D.
42
Définition 3.3. 1. On dit qu’une fonction f de R2 −→ R admet une limite l ∈ R au point
a = (x0 , y0 ) et on note
lim f (x, y) = l,
(x,y)→(x0 ,y0 )
si
∀ε > 0 ∃η > 0 / ∀(x, y) ∈ R2 , k(x, y) − (x0 , y0 )k ≤ η =⇒ |f (x, y) − l| ≤ ε.
2. On dit qu’une fonction f de R2 −→ R2 admet une limite l = (l1 , l2 ) ∈ R2 au point a = (x0 , y0 )
et on note
lim f (x, y) = l,
(x,y)→(x0 ,y0 )
si
∀ε > 0 ∃η > 0 / ∀(x, y) ∈ R2 , k(x, y) − (x0 , y0 )k ≤ η =⇒ kf (x, y) − lk ≤ ε.
3. Si f admet une limite en a = (a1 , a2 , . . . , an ) ∈ D et celle-ci est égale à f (a), on dit que f
définie sur D ⊂ Rn est continue en a.
3x +xy 2
Exemple 3.4. Soit f (x, y) = √ 2 2
. f est définie et continue sur R2 \ {(0, 0)}. Regardons la
x +y
limite de f lorsque (x, y) → (0, 0). On a
21

20
lim lim f (x, y) = 0, lim lim f (x, y) = 0, lim lim f (x, y) = 0.
x→0 y→0 y→0 x→0 y→0 x→y
0-
Mais ceci ne suffit pas pour montrer l’existence de la limite de f en (0, 0) : il faut que quel que soit
02
le chemin pris par (x, y) pour arriver à (0, 0), la limite de f soit nulle. Nous n’avons considéré ici
I2
que trois chemins conduisant au point (0, 0) : la première bissectrice, l’axe des ordonnées, et l’axe
des abscisses. Vérifions si lim f (x, y) = 0.
UY
(x,y)→(0,0)
p
En posant x = r cos θ, y = r sin θ, r = x2 + y 2 > 0 et θ ∈ [0, 2π], on obtient
12
f (x, y) = f (r cos θ, r sin θ) = r cos θ (3 cos θ + sin θ) .

11
p donné que | cos θ| ≤

Étant p1 et | sin θ| ≤ 1 pour tout
p θ ∈ [0, 2π], il s’ensuit que |f (x, y)| ≤ 4r =
4 x + y ou encore −4 x + y ≤ f (x, y) ≤ 4 x2 + y 2 . On en déduit en passant à la limite
2 2 2 2
AT
lorsque (x, y) → (0, 0) que

0 ≤ lim f (x, y) ≤ 0,
M
(x,y)→(0,0)
par conséquent lim f (x, y) = 0.

(x,y)→(0,0)
Pour montrer qu’une fonction de plusieurs variables n’est pas continue en un point, il suffit de
montrer qu’elle admet deux limites différentes sur deux chemins différents conduisant à ce point.
xy
Exemple 3.5. On considère la fonction définie sur R2 par f (x, y) = x2 +y 2
. f est définie et
continue sur R2 \ {(0, 0)}. Nous voulons calculer lim f (x, y). On a
(x,y)→(0,0)

1
lim lim f (x, y) = 0, lim lim f (x, y) = 0, lim lim f (x, y) = .
x→0 y→0 y→0 x→0 y→0 x→y 2
On conclut que la fonction f n’admet pas de limite en (0, 0) car la limite obtenue en passant par
la première bissectrice est différente de celle obtenue en passant par l’axe des abscisses et des
ordonnées.
43
Attention : Il ne faut pas faire tendre x d’abord vers 0 et puis y vers 0 pour dire que (x, y) → (0, 0).
Par exemple, dans l’exemple 3.5 précédent, si on fait tendre x vers 0 avec y constant, puis y vers
0 (ou vice versa), f (x, y) tend vers 0. Ce qui ne veut pas dire que lim f (x, y) = 0.
(x,y)→(0,0)
2 2
Exemple 3.6. Soit f (x, y) = xx2 −y+y 2
une fonction de deux variables, définie sur R2 \ {(0, 0)}.
Regardons la limite de f en (0, 0). On a

lim lim f (x, y) = 1, lim lim f (x, y) = −1, lim lim f (x, y) = 0.
x→0 y→0 y→0 x→0 y→0 x→y
On conclut que la fonction f n’admet pas de limite en (0, 0).

Exemple 3.7. 1. Toute fonction polynomiale en (x, y) s’écrit comme combinaison linéaire des
monômes du type xp y q avec p, q ∈ N. Par exemple f (x, y) = 3x2 y − 2y + 5. Toute fonction
polynomiale en (x, y) est continue sur R2 .
2
2. L’application f : (x, y) 7−→ x2xy+x
2 +y 2 +1 est continue sur R
2
comme quotient de deux fonctions
polynomiales dont le dénomianateur ne s’annule pas.
Définition 3.8. Une fonction de f : Rn −→ Rp , (x1 , . . . , xn ) 7−→ f (x1 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fp (x1 , . .
21
est continue en un point si et seulement si chacune de ses composantes fi , i = 1, 2, . . . , p, est conti-
20
nue en ce point.
Exemple 3.9. La fonction
0-
02
f :R2 −→ R2
I2

x
(x, y) 7−→ f (x, y) = x2 + xy,
x + 2y 2 + 1
2
UY
x
est continue car ses deux composantes x2 + xy et x2 +2y 2 +1
sont continues.
12
Remarque 3.10. Si une fonction f définie sur R2 est continue en un point a = (x0 , y0 ), alors
chacune des deux applications partielles est continue en ce point, mais la réciproque est fausse.
11
AT
Par exemple on considère la fonction

(
f (x, y) = x2xy si (x, y) 6= (0, 0)
M
+y 2
f : R2 −→ R, (x, y) 7−→
f (0, 0) = 0.
On a vu à l’exemple 3.5 que cette fonction n’admet pas de limite en (0, 0), donc f n’est pas
continue en (0, 0). Or les deux applications partielles au point (x0 , y0 ) = (0, 0) sont données par
x 7−→ x2xy+y0 2 = 0 et y 7−→ x2x+y
0y
2 = 0. Ainsi les applications partielles sont continues en 0. Mais la
0 0
fonction f n’est pas continue en (0, 0).
Prolongement par continuité

La fonction f : R −→ R, x 7−→ f (x) = sinx x est définie et continue sur R\{0}. De plus lim sinx x = 1.
x→0
Ainsi on peut prolonger f en une fonction
(
sin x
x
, si x 6= 0
g : R −→ R, x 7−→ g(x) =
1, si x = 0.
44
g ainsi définie est continue sur R tout entier et est appelée le prolongement par continuité de f en
0. Ce processus reste valable pour les fonctions de plusieurs variables.
3 3
Soit la fonction f : (x, y) 7−→ f (x, y) = xx2 +y
+y 2
. La fonction f est définie et continue sur D =
2
R \ {(0, 0)}. Calculons la limite de f (x, y) lorsque (x, y) → (0, 0).

lim lim f (x, y) = 0, lim lim f (x, y) = 0, lim lim f (x, y) = 0.
x→0 y→0 y→0 x→0 y→0 x→y
p
Posons le changement de variables x = r cos θ, y = r sin θ avec r = x2 + y 2 et θ ∈ [0, 2π]. On
obtient
p
f (x, y) = f (r cos θ, r sin θ) = r(cos3 θ + sin3 θ) =⇒ |f (x, y)| ≤ 2r = 2 x2 + y 2 ,
p p
car | cos3 θ| ≤ 1, | sin3 θ| ≤ 1. On en déduit que −2 x2 + y 2 ≤ f (x, y) ≤ 2 x2 + y 2 et lorsque
(x, y) → (0, 0), on obtient 0 ≤ lim f (x, y) ≤ 0, soit lim f (x, y) = 0.
(x,y)→(0,0) (x,y)→(0,0)
Ainsi, nous pouvons prolonger f par continuité en (0, 0) par
21
( 3 +y 3
2 2 g(x, y) = xx2 +y 2 si (x, y) 6= (0, 0)
20
g : R −→ R , (x, y) 7−→
g(0, 0) = 0.
g ainsi définie est maintenant une fonction continue sur R2 tout entier. 0-
02
I2
3.3 Dérivées partielles, Gradient, Différentielle, Formule de

UY
Taylor
12
Une fonction numérique de la variable réelle f : R −→ R est dérivable en x0 si la limite du taux

d’accroissement
11
f (x0 + h) − f (x0 ) f (x) − f (x0 )

lim = lim
AT
h→0 h x→x0 x − x0
existe et est finie. Cette limite est égale dans ce cas à f 0 (x0 ). Nous nous intéressons ici aux fonctions
M
numériques de plusieurs variables.
Définition 3.11. Soient D un ouvert de Rn , avec n ≥ 2, et f : D −→ R une fonction numérique

de n variables x1 , x2 , . . . , xn . Soit a = (a1 , . . . , an ) un point de D.
1. Soit k ∈ N tel que 1 ≤ k ≤ n. La dérivée partielle de f par rapport à la k ième variable
∂f
au point a, notée ∂x k
(a), est la limite, si elle existe et est finie, du taux d’accroissement :
∂f f (a1 , . . . , ak−1 , ak + h, ak+1 , . . . , an ) − f (a1 , . . . , ak−1 , ak , ak+1 , . . . , an )

(a) = lim .
∂xk h→0 h
C’est donc la dérivée de la fonction t 7−→ f (x1 , . . . , xk−1 , t, xk+1 , . . . , xn ) par rapport à la
variable t, les autres variables étant supposées fixées.
2. On dit que f est différentiable au point a (respectivement sur D) si toutes les dérivées
partielles de f existent au point a (respectivement en tout point de D).
45
3. Soit f une fonction différentiable sur D, on définit pour k = 1, 2, . . . , n, les fonctions
dérivées partielles
∂f ∂f
: D −→ R, a 7−→ (a),
∂xk ∂xk
et la fonction gradient

n ∂f ∂f
∇f : D −→ R , a 7−→ ∇f (a) = (a), . . . , (a) .
∂x1 ∂xn
La fonction gradient est un champ vectoriel, appelé champ de gradient. On note ∇f (a)
ou grad(f )(a).
4. La fonction f est de classe C 1 au point a ∈ D (respectivement de classe C 1 sur D) si
∂f
les fonctions dérivées partielles ∂x k
, pour k = 1, . . . , n existent et sont continues au point a
(respectivement en tout point de D). On note C 1 (D, R) l’ensemble des fonctions de classe
C 1 de D dans R.
5. Soit f une fonction différentiable sur D. La fonction différentielle ou tout simplement la
différentielle de f en tout point a ∈ D est définie par
21
∂f ∂f ∂f
df (a) = (a)dx1 + (a)dx2 + . . . + (a)dxn .
20
∂x1 ∂x2 ∂xn
Elle s’interprête aussi comme le produit scalaire
0-
02

∂f ∂f
df (a) = ∇f (a) · dx = (a), . . . , (a) · (dx1 , dx2 , . . . , dxn ).
I2
∂x1 ∂xn
UY
Si n = 1, différentiable veut dire dérivable. Si la fonction t 7−→ f (t) est dérivable en t, alors
sa différentielle est df (t) = f 0 (t)dt.
1. La fonction f définie sur D = R∗+ × R∗+ par f (x, y) = arctan xy possède

12

Exemples 3.12.
en tout point (x, y) ∈ D des dérivées partielles qui sont
11
∂f y ∂f x
AT
(x, y) = − 2 2
, (x, y) = 2 .
∂x x + y ∂y x + y2
M
p
2. La fonction définie sur Rn par r(x1 , . . . , xn ) = x21 + x22 + . . . + x2n possède des dérivées
partielles en tout point différent de 0 et on a
∂f xi
(x1 , x2 , . . . , xn ) = p 2 .
∂xi 2
x1 + x2 + . . . + x2n
3. Si f est une fonction d’une variable réelle dérivable sur R, alors la fonction g définie par
g(x, y) = f (y/x) possède des dérivées partielles sur R∗ × R qui sont
∂g y 0 y ∂g 1 0 y
(x, y) = − 2 f , (x, y) = f
∂x x x ∂y x x
4. La fonction définie sur R2 par

(
f (x, y) = x2xy
+y 2
si (x, y) 6= (0, 0)
f (0, 0) = 0
46
possède des dérivées partielles
∂f y 3 − x2 y ∂f x3 − xy 2
(x, y) = 2 , (x, y) = .
∂x (x + y 2 )2 ∂y (x2 + y 2 )2
On peut montrer en exercice que
∂f ∂f
lim (x, y) = lim (x, y) = 0.
(x,y)→(0,0) ∂x (x,y)→(0,0) ∂y
On a déjà vu que cette fonction n’est pas continue en (0, 0). On sait que si une fonction
numérique d’une variable réelle est dérivable en un point, alors elle est continue en ce point.
Mais l’exemple ci-dessus montre que l’existence de dérivées partielles en un point n’est pas
suffisant pour dire que la fonction est continue en ce point.
exy
Exemples 3.13. 1. La différentielle de la fonction définie sur D = R × R∗ par f (x, y) = y
est donnée par xy
exy

x xe
df (x, y) = e dx + − 2 dy.
y y
Au point a = (0, 1), elle vaut df (0, 1) = dx − dy.
21
p
2. On considère la fonction numérique r : R3 −→ R définie par r(x, y, z) = x2 + y 2 + z 2 .
20
Alors r est différentiable sur R3 \ {(0, 0, 0)} et le gradient de r est donné par
∇r(x, y, z) =

∂r ∂r ∂r
0-
1
(x, y, z), (x, y, z), (x, y, z) = (x, y, z).
02
∂x ∂y ∂z r
I2
3. Soit la fonction f : R2 −→ R définie par
f (x, y) = √ xy
(
UY
si (x, y) 6= (0, 0)
2 x +y 2
f (0, 0) = 0
12
f est différentiable sur R2 \ {(0, 0)} et on a

11
∂f y x2 y ∂f x xy 2
(x, y) = p − 2 , (x, y) = p − .
∂x x2 + y 2 (x + y 2 )3/2 ∂y x2 + y 2 (x2 + y 2 )3/2
AT
Les dérivées partielles de f étant continues sur R2 \ {(0, 0)}, on conclut que f est de classe
M
C 1 sur R2 \ {(0, 0)}. p

Pour le point (0, 0), en posant x = r cos θ, y = r sin θ, avec θ ∈ [0, 2π] et r = x2 + y 2 , on a
f (x, y) = f (r cos θ, r sin θ) = r cos θ sin θ.
p
Sachant quep| cos θ| ≤ 1 et | sin θ| ≤ 1, on en déduit que |f (x, y)| ≤ r ou encore − x2 + y 2 ≤
f (x, y) ≤ x2 + y 2 . Lorsque (x, y) → (0, 0), on obtient 0 ≤ lim f (x, y) ≤ 0, soit
(x,y)→(0,0)
lim f (x, y) = 0. On conclut que f est continue en (0, 0).
(x,y)→(0,0)
(
1, si y > 0
Cependant, si on fixe y constant dans ∂f∂x
et x = 0, on obtient ∂f
∂x
(0, y) =
−1, si y < 0.
(
1, si x > 0
De même, en fixant x constant dans ∂f ∂y
et y = 0, on obtient ∂f
∂y
(x, 0) =
−1, si x < 0.
On conclut que les dérivées partielles de f ne sont pas continues. Donc f n’est pas de classe
C 1 en (0, 0).
47
Exemple 3.14. 1. Une fonction polynomiale en (x, y) est de classe C 1 puisqu’elle admet des
dérivées partielles qui sont encore polynomiales, donc continues.
2. La fonction définie sur R∗ × R∗ par f (x, y) = arctan(y/x) est de classe C 1 sur R∗ × R∗ car
ses dérivées partielles
∂f y ∂f x
: (x, y) 7−→ − 2 2
et : (x, y) 7−→ 2
∂x x +y ∂y x + y2
sont continues sur R∗ × R∗ .
p
3. La fonction définie sur R2 par r(x, y) = x2 + y 2 est de classe C 1 sur D = R2 \ {(0, 0)} car
ses dérivées partielles
∂f x ∂f y
: (x, y) 7−→ p et : (x, y) 7−→ p
∂x 2
x +y 2 ∂y x + y2
2
sont continues sur D.

Exemple 3.15. Soit f la fonction de R2 dans R définie par
21
(
f (x, y) = y 2 sin xy , si y 6= 0
20
f (x, 0) = 0.
0-
Nous voulons étudier la continuité, la différentiabilité de f sur R2 ainsi que la continuité des
02
dérivées partielles ∂f
∂x
et ∂f
∂y
.
I2
1. Continuité de f .
On a |f (x, y)| = |y 2 sin xy | ≤ y 2 , donc −y 2 ≤ f (x, y) ≤ y 2 . En prenant la limite lorsque
UY
y → 0, on conlut que lim f (x, y) = 0 = f (x, 0), pour tout réel x. Conclusion, f est continue
y→0
2
sur R .
12
2. Différentiabilité
11
Soit (x, y) ∈ R2 tel que y 6= 0. f est différentiable en (x, y) et on a

AT
∂f x ∂f x x
(x, y) = y cos , (x, y) = 2y sin − x cos .
∂x y ∂y y y
M
En (x0 , 0), on a
∂f f (x0 + h, 0) − f (x0 , 0)
(x0 , 0) = lim = 0,
∂x h→0 h
et
∂f f (x0 , h) − f (x0 , 0) x0
(x0 , 0) = lim = lim h sin = 0.
∂y h→0 h h→0 h
Les dérivées partielles de f sont donc définies sur R2 , donc f est différentiable sur R2 .
3. Continuité des dérivées partielles.
Les dérivées partielles sont continues en tout point (x, y) ∈ R2 , avec y 6= 0.
Puisque | ∂f
∂x
(x, y)| ≤ |y| ou encore −|y| ≤ ∂f
∂x
(x, y) ≤ |y|, il s’ensuit que
∂f ∂f
lim (x, y) = 0 = (x0 , 0),
(x,y)→(x0 ,0) ∂x ∂x
∂f
ce qui exprime la continuité en (x0 , 0) de la fonction ∂x
.
48
On a | ∂f
∂y
(x, y)| ≤ |y| + |x|, si x0 = 0,
∂f ∂f
lim (x, y) = 0 = (x0 , 0).
(x,y)→(x0 ,0) ∂y ∂y
Mais si x0 6= 0, ∂f
∂y
(x, y) n’a pas de limite. On conclut que la fonction ∂f
∂y
n’est pas continue
aux points (x0 , 0), x0 6= 0.
Exemple 3.16. Montrer que la fonction f (x, y) = xy tan xy vérifie l’équation différentielle
∂f ∂f
x (x, y) + y (x, y) = 2f (x, y).
∂x ∂y
On a
∂f y y y ∂f y 1 y
(x, y) = y tan + xy(− 2 )(1 + tan2 ); (x, y) = x tan + xy( )(1 + tan2 ).
∂x x x x ∂y x x x
D’où
∂f ∂f y
x (x, y) + y (x, y) = 2xy tan = 2f (x, y).
21
∂x ∂y x
20
Les opérations sur les fonctions différentiables s’effectuent de la façon suivante :
Proposition 3.17.
0-
1. Soient f, g : D −→ R deux fonctions différentiables sur un ouvert D de
Rn . Les fonctions f + g et f × g sont alors différentielles sur D et leurs différentielles en
02
tout point a ∈ D sont définies par
I2
d(f + g)(a) = df (a) + dg(a),

UY
d(f × g)(a) = g(a) × df (a) + f (a) × dg(a).
Pour la dérivation des fonctions composées, on rappelle d’abord que si f : E −→ F et g :

12
F −→ R sont des fonctions numériques d’une variable réelle dérivables, alors g ◦f : E −→ R

est dérivable et on a
11
(g ◦ f )0 (x) = f 0 (x)g 0 (f (x)) .

AT
Pour le cas des fonctions numériques à plusieurs variables, nous considèrons d’abord deux
cas simples puis le cas général.
M
2. Soit f : D ⊂ R2 −→ R, (x1 , x2 ) 7−→ f (x1 , x2 ) une fonction différentiable sur un ouvert D

de R2 . Soit ϕ : I ⊂ R −→ R2 , t 7−→ ϕ(t) = (ϕ1 (t), ϕ2 (t)), où ϕ1 et ϕ2 sont deux fonctions
différentiables sur un interval I de R. Alors la fonction
g :I −→ R
t 7−→ f ◦ ϕ(t) = f (ϕ1 (t), ϕ2 (t))
est dérivable sur I et sa dérivée est

∂f ∂f
g 0 (t) = ϕ01 (t) (ϕ(t)) + ϕ02 (t) (ϕ(t)).
∂x1 ∂x2
Par exemple, si f est une fonction de deux variables de classe C 1 sur un ouvert contenant
le cercle unité, alors la fonction g : t 7−→ f (cos t, sin t) est dérivable sur R et on a
∂f ∂f
g 0 (t) = − sin t (cos t, sin t) + cos t (cos t, sin t).
∂x ∂y
49
3. Soit
f : D −→ R
(x1 , x2 ) 7−→ f (x1 , x2 )
une fonction différentiable sur un ouvert D de R2 . Remplaçons les variables x1 , x2 par x1 =

x1 (u, v) et x2 = x2 (u, v) deux fonctions différentiables sur un ouvert E ⊂ R2 . Alors la
fonction
g : E −→ R
(u, v) 7−→ f (x1 (u, v), x2 (u, v))
est différentiable sur E et sa différentielle est donnée par

∂f ∂x1 ∂f ∂x2 ∂f ∂x1 ∂f ∂x2
dg(u, v) = + du + + dv.
∂x1 ∂u ∂x2 ∂u ∂x1 ∂v ∂x2 ∂v
4. Soit
21
f :D −→ R
x = (x1 , . . . , xn ) 7−→ f (x)
20
une fonction différentiable sur un ouvert D de Rn . Supposons que chaque variable xi , pour
0-
i = 1, . . . , n est remplacée par une fonction xi = xi (t1 , . . . , tm ) = xi (t) (avec t = (t1 , . . . , tm ))
02
différentiable sur un ouvert E ⊂ Rm . Alors la fonction
I2
g :E −→ R
UY
t = (t1 , . . . , tm ) 7−→ f (x1 (t), . . . , xn (t))
est différentiable sur E et sa différentielle est

12

∂f ∂x1 ∂f ∂xn ∂f ∂x1 ∂f ∂xn
dg(t) = + ... + dt1 + . . . + + ... + dtm .
11
∂x1 ∂t1 ∂xn ∂t1 ∂x1 ∂tm ∂xn ∂tm

AT
Exemple 3.18. On considère la fonction f : (x, y) 7−→ f (x, y) de classe C 1 sur R2 . Par le
changement de variables x = 3u + 4v, y = u − 3v, nous obtenons la fonction g : R2 −→ R définie
par g(u, v) = f (3u + 4v, u − 3v).
M
La fonction g est de classe C 1 sur R2 et ses dérivées partielles sont données par
∂g ∂x ∂f ∂y ∂f
(u, v) = (x, y) + (x, y)
∂u ∂u ∂x ∂u ∂y
∂f ∂f
=3 (3u + 4v, u − 3v) + (3u + 4v, u − 3v);
∂x ∂y
∂g ∂x ∂f ∂y ∂f
(u, v) = (x, y) + (x, y)
∂v ∂v ∂x ∂v ∂y
∂f ∂f
=4 (3u + 4v, u − 3v) − 3 (3u + 4v, u − 3v).
∂x ∂y
Pour une fonction numérique de la variable réelle f : R −→ R dérivable en un point a, le develop-

pement limité à l’ordre 1 de f au voisinage de a s’écrit
f (x) = f (a) + (x − a)f 0 (a) + |x − a|ε(x), lim ε(x) = 0,

x→a
50
et le polynôme de Taylor d’ordre n de f en a est
f 00 (a) f (n) (a)

Pn (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n .
2! n!
Que devient cette formule pour les fonctions de plusieurs variables ?
Théorème 3.19. Soit f une fonction de classe C 1 sur un ouvert D de R2 . Soit a = (a1 , a2 ) ∈ D
fixé, il existe une fonction ε définie sur D telle pour tout u = (x, y) ∈ D
∂f ∂f
f (x, y) ≈ L(a) = f (a) + (x − a1 ) (a) + (y − a2 ) (a). (3.1)
∂x ∂y
L’équation (3.1) est appelée le développement limité de f à l’ordre 1 au voisinage de a.
L(a) = f (a) + (x − a1 ) ∂f
∂x
(a) + (y − a2 ) ∂f
∂y
(a) est appelé approximation linéaire plan tangent de
f au voisinage de a. C’est le polynôme de Taylor d’ordre 1 de f au voisinage de a.
Si f est deux fois dérivable au point a = (a1 , a2 ), on a
21
∂f (a) ∂f (a) 1 ∂ 2 f (a) 2
2 ∂ f (a) 1 ∂ 2 f (a)
f (x, y) ≈ L(a) = f (a)+ (x−a1 )+ (y−a1 )+ (x−a ) + (x−a )(y−a )+ (y−a
20
1 1 2
∂x ∂y 2 ∂x2 ∂x∂y 2 ∂y 2
0-
L(a) ainsi définie est le polynôme de Taylor d’ordre 2 de f au voisinage de a.
02
Lorsque f est une fonction de classe C 1 sur un ouvert D de R3 , on a pour a = (a1 , a2 , a3 ) ∈ D et
u = (x, y, z) ∈ D,
I2
∂f ∂f ∂f
UY
f (u) = f (a) + (x − a1 ) (a) + (y − a2 ) (a) + (z − a3 ) (a) + ku − akε(u), avec lim ε(u) = 0.

∂x ∂y ∂z x→a
12
3.4 Différentiabilité des champs vectoriels

11
Soient n, p deux entiers naturels non nuls, D un ouvert de Rn , avec n ≥ 2, et f = (f1 , . . . , fp ) :

AT
D −→ Rp un champ vectoriel. Soit a = (a1 , . . . , an ) ∈ D.

1. La fonction f = (f1 , . . . , fp ) est différentiable au point a (respectivement dur D) si chacune
M
de ses composantes fi , i = 1, . . . , p, est différentiable au point a (respectivement en tout point

de D).
2. Si f = (f1 , . . . , fp ) est différentiable au point a, la matrice jacobienne de f au point a est
la matrice d’ordre p × n des dérivées partielles définie par
 ∂f1 ∂f1 ∂f1 
∂x1
(a) ∂x2
(a) . . . ∂xn
(a)
 ∂f2 (a) ∂f2 (a) . . . ∂f2 (a)
 ∂x1 ∂x2 ∂xn
Jf (a) =  . .

. . .
 .. .. .. ..  
∂fp ∂fp ∂fp
∂x1
(a) ∂x2
(a) ... ∂xn
(a)
3. Supposons que p = n. Le jacobien de f au point a est défini comme étant le déterminant

de la matrice jacobienne Jf (a) au point a.
4. La fonction f = (f1 , . . . , fp ) est de classe C 1 au point a ∈ D (respectivement sur D) si ses
composantes le sont.
51
5. Soit n ∈ N∗ , D un ouvert de Rn , avec n ≥ 2, et f = (f1 , . . . , fn ) : D −→ Rn un champ
vectoriel différentiable sur D. Soit a = (a1 , . . . , an ) ∈ D. La divergence du champ vectoriel
f au point a est définie comme étant la trace de la matrice jacobienne Jf (a) :
∂f1 ∂f2 ∂fn
divf (a) = T race(Jf (a)) = (a) + (a) + . . . + (a).
∂x1 ∂x2 ∂xn
On sait que le gradient de f est le champ de vecteurs défini par

∂f ∂f ∂f
grad(f )(a) = ∇f (a) = (a), (a), . . . , (a) .
∂x1 ∂x2 ∂xn
On peut donc calculer sa divergence pour obtenir
∂ 2 f1 ∂ 2 f2 ∂ 2 fn
div(grad(f ))(a) = (a) + (a) + . . . + (a).
∂x21 ∂x22 ∂x2n
Cette quantité est appelée le laplacien de f au point a et est notée ∆f (a) = div(grad(f ))(a).
6. Si f = (f1 , f2 , f3 ) est un champ vectoriel de classe C 1 sur un ouvert D de R3 , et à valeurs
dans R3 , alors le rotationnel de f est le champ de vecteurs défini sur D par
21
~i ~j ~k
∂ ∂ ∂ ∂f3 ∂f2 ~ ∂f1 ∂f3 ~ ∂f2 ∂f1 ~
rot(f ) = = − i+ − j+ − k.
20
∂x ∂y ∂z
∂y ∂z ∂z ∂x ∂x ∂y
f1 f2 f3
0-
Le jacobien intervient dans le cadre des changements de variables dans les intégrales
02
multiples.
I2
Pour calculer les dérivées partielles d’une composée de fonctions de classe C 1 , on peut multiplier
les matrices jacobiennes de ces fonctions.
UY
Définition 3.20. 1. Lorsque ∆f = 0, on dit que la fonction f est harmonique.

2. On dit qu’un champ de vecteurs g défini sur D dérive d’un potentiel s’il existe une fonction
12
f ∈ C 1 (D, R) telle que g = grad(f ). La fonction f est alors appelée un potentiel scalaire
de g et dans ce cas, le rotationnel de g est nul.
11
Exemple 3.21. Soit f : (r, θ) 7−→ (f1 = r cos θ, f2 = r sin θ) un champ vectoriel défini sur R2 .
AT
Alors f est différentiable en tout point (r, θ) de R2 . Sa matrice jacobienne est

cos θ −r sin θ
M
Jf (r, θ) = ,
sin θ r cos θ
cos θ −r sin θ
et son jacobien est égal à = r.
sin θ r cos θ
Exemple 3.22. 1. Le rotationnel du champ de vecteurs f défini sur R3 par f (x1 , x2 , x3 ) =
(x3 , x1 , x2 ) est rot(f ) = (1, 1, 1).

y x
2. Le champ de vecteurs défini par f (x, y, z) = − x2 +y2 , x2 +y2 , 0 a un rotationnel nul.
3. Calculons le rotationnel du champ de vecteurs f (x, y, z) = (x2 z, ey + xz, xyz).
On a
~i ~j ~k
∂ ∂ ∂
rot(f ) = ∂x ∂y ∂z
x2 z ey + xz xyz
= (xz − x)~i + (x2 − yz)~j + z~k.
52
1 1

Exercice 3.23. Soit le champ vectoriel f (x1 , x2 ) = 2
sin(x1 + x2 ), 2
cos(x1 − x2 ) .
1. Montrons que f est de classe C 1 sur R2 .
2. Calculer la matrice jacobienne et la divergence de f en tout point a = (a1 , a2 ).
Exercice 3.24. Soient f et g deux fonctions de classe C 2 sur un ouvert D de R2 . Montrer que
∆(f g) = f ∆g + g∆f + 2grad(f ) · grad(g).
Exercice 3.25. Calculer le rotationnel du champ de vecteurs f (x, y, z) = (sin x cos z, sin y sin z, cos x cos y)
au point 0, π2 , π2 .
3.5 Dérivées partielles d’ordre deux

2
On sait que pour la fonction f : R −→ R, x 7−→ f (x) = ex , on a
2 2
f 0 (x) = 2xex , f 00 (x) = 2(1 + 2x2 )ex .
21
Nous allons étendre la notion de dérivée d’ordre 2, 3, . . . aux fonctions numériques de plusieurs
20
variables.
0-
Définition 3.26. Soient D un ouvert de Rn et f : D −→ R une fonction possédant des dérivées
02
partielles en tout point de D.
∂f ∂f
1. Si les fonctions dérivées partielles ∂x , . . . , ∂x admettent en a ∈ D des dérivées partielles
I2
1 n
d’ordre un, nous pouvons alors définir des dérivées partielles d’ordre deux ou dérivées
UY
partielles secondes de f en a par
∂ 2f

∂ ∂f
(a) = (a), i, j = 1, . . . , n.
12
∂xi ∂xj ∂xi ∂xj

11
Dans le cas où i = j, on note plutôt

AT
∂ 2f

∂ ∂f
2
(a) = (a).
∂xi ∂xi ∂xi
M
2. On dit que f est deux fois différentiable au point a (respectivement sur D) si toutes les
dérivées partielles secondes de f existent au point a (respectivement en tout point a de D).
3. Si la fonction f est deux fois différentiable sur D, la matrice hessienne de f en tout point
a ∈ D est définie par
 ∂2f ∂2f ∂2f

∂x 2 (a) ∂x1 ∂x2
(a) . . . ∂x1 ∂xn
(a)
 ∂ 2 f1 ∂2f 2f
 ∂x2 ∂x1 (a) (a) . . . ∂x∂2 ∂x (a)

∂x22 n
Hf (a) = 
.. .. .. ..
.

 . . . . 
∂2f ∂2f ∂2f
∂xn ∂x1
(a) ∂xn ∂x2 (a) . . . ∂x2
(a)
n
4. La fonction f est de classe C 2 au point a ∈ D (respectivement de classe C 2 sur D)

2f
si les fonctions dérivées partielles secondes ∂x∂i ∂x j
, i, j = 1, . . . , n, existent et sont continues
au point a (respectivement en tout point de D).
53
Exemple 3.27. 1. On considère la fonction définie par f (x, y) = x3 cos(2xy) + y 2 . Nous avons
∂f ∂f
(x, y) = 3x2 cos(2xy) − 2x3 y sin(2xy), (x, y) = −2x4 sin(2xy) + 2y,
∂x ∂y
2
∂ f 3 2 2 ∂ 2f
2
(x, y) = (6x − 4x y ) cos(2xy) − 12x y sin(2xy), 2
(x, y) = −4x5 cos(2xy) + 2,
∂x ∂y
2 2
∂ f ∂ f
(x, y) = (x, y) = −8x3 sin(2xy) − 4x4 y cos(2xy).
∂x∂y ∂y∂x
2. Contre-exemple, lorsque les dérivées secondes ne sont pas continues :

Soit f la fonction définie par
2 −y 2 )
(
f (x, y) = xy(x
x2 +y 2
, si (x, y) 6= (0, 0)
f (0, 0) = 0.
f (x,y)−f (0,y) 2 −y 2 )
Si y 6= 0, alors lim x
= lim y(x
x 2 +y 2 = −y, donc ∂f
∂x
(0, y) = −y.
x→0 x→0
Pour y = 0, on a lim f (x,0)−f (0,0)
= 0, donc ∂f (0, 0) = 0.
21
x→0 x ∂x
∂f
∂2f (0,y)− ∂f (0,0)
20
Il s’ensuit que ∂y∂x
(0, 0) = lim ∂x
y
∂x
= −1.
y→0
Si x 6= 0, alors lim
y→0
f (x,y)−f (x,0)
y
= lim x(x
y→0 x
2 −y 2 )
2 +y 2 = x, donc ∂f ∂y0-
(x, 0) = x.
02
Pour x = 0, on a lim f (0,y)−fy
(0,0)
= 0, donc ∂f ∂y
(0, 0) = 0.
y→0
I2
∂f
∂2f ∂y
(x,0)− ∂f
∂y
(0,0)
Il s’ensuit que ∂x∂y
(0, 0) = lim x
= 1.
UY
x→0
∂2f ∂2f
Ainsi, ∂x∂y
(0, 0) 6= ∂y∂x
(0, 0).
12
∂2f ∂2f
On a remarque donc qu’on n’a pas toujours l’égalité entre ∂xi ∂xj
(a) et ∂xj ∂xi
(a).
11
Théorème 3.28 (Théorème de Schwarz). Soient D un ouvert de Rn et f : D −→ R une fonction

AT
2f
de classe C 2 sur D. Alors pour tout i, j = 1, 2, . . . , n, pour tout a ∈ D, nous avons ∂x∂i ∂x j
(a) =
∂2f
∂xj ∂xi
(a), c’est-à-dire la matrice hessienne est symétrique.
M
3.5.1 Extrema d’une fonction de plusieurs variables

Définition 3.29. Soit une fonction f : D −→ R définie sur un ouvert D de Rn .
1. La fonction f admet un maximum local en a ∈ D si f (x) ≤ f (a) pour tout point x dans
un voisinage de a.
2. La fonction f admet un minimum local en a ∈ D si f (x) ≥ f (a) pour tout point x dans
un voisinage de a.
3. La fonction f admet un maximum global en a ∈ D si f (x) ≤ f (a) pour tout point x ∈ D.
4. La fonction f admet un minimum global en a ∈ D si f (x) ≥ f (a) pour tout point x ∈ D.
5. Un point a ∈ D est un point stationnaire de f si f est différentiable en a et si ∇f (a) = 0.
6. Un point a ∈ D est un point selle de f si c’est un point stationnaire, et si dans tout
voisinage de a, il existe des points x tels que f (x) > f (a) et des points x tels que f (x) < f (a).
54
7. Un extremum local (respectivement global) de la fonction f est un maximum ou un mi-
nimum local (respectivement global) de la fonction f .
Dans le cas d’une fonction numérique f : R −→ R, on sait que si la dérivée f 0 de f s’annulle

en x0 , alors le point d’abscisse x0 est un extremum local. Par contre, dans le cas des fonctions
numériques de plusieurs variables, les dérivées partielles premières peuvent s’annuler en un point
et ce point n’est pas un extremum. Par exemple, pour
f : (x, y) 7−→ f (x, y) = x2 − y 2
on a
∂f ∂f
f (0, 0) = 0, (0, 0) = (0, 0) = 0.
∂x ∂y
Mais dans la boule B((0, 0), ε), avec ε > 0, f prend des valeurs strictement positives et des valeurs
strictement négatives, ce qui prouve qu’elle ne possède pas d’extremum local en (0, 0).
Théorème 3.30. 1. Soit f : D −→ R une fonction différentiable sur un ouvert D de Rn . Si f

admet un extremum local au point a, alors la différentielle de f est nulle au point a.
21
2. Si f : D −→ R, (x, y) 7−→ f (x, y) est une fonction de classe C 2 sur un ouvert D de R2 , et
2 2 ∂2f
20
a ∈ D un point stationnaire de f . Nous posons r = ∂∂xf2 (a), t = ∂∂yf2 (a), s = ∂x∂y (a).
(a) Si s2 − rt < 0 et r > 0 alors f admet un minimum local en a.
0-
(b) Si s2 − rt < 0 et r > 0 alors f admet un maximum local en a.
02
(c) Si s2 − rt > 0 alors a n’est pas un extremum local, mais un point selle.
I2
Exemple 3.31. Soit f la fonction de R2 dans R définie par f (x, y) = x2 + xy + y 2 − 3y + 2. Nous

UY
voulons montrer que f admet un extremum local.

La fonction f est de classe C 2 sur R2 car c’est une fonction
( polynômiale en x, y. Nous avons
12
∂f 2x + y = 0
∂x
= 2x + y et ∂f∂y
= x + 2y − 3. ∇f (x, y) = 0 équivaut à La solution de ce
x + 2y − 3 = 0.
11
système est x = −1, y = 2. Donc le point a = (−1; 2) est stationnaire. Vérifions maintenant si ce
AT
point stationnaire est un extremum local.

2 2 2
Nous avons r = ∂∂xf2 (−1, 2) = 2, t = ∂∂yf2 (−1, 2) = 2, s = ∂x∂y
∂ f
(−1, 2) = 1. Ainsi s2 − rt = −3 < 0.
M
De plus r = 2 > 0, donc a = (−1, 2) est un minimum local.
Exercice 3.32. Soit la fonction f définie sur R2 par f (x, y) = x3 cos(xy) + 3y 2 .

∂2f ∂2f 2 2
1. Calculer , , ∂f, ∂f.
∂x2 ∂y 2 ∂x∂y ∂y∂x
2. Montrer que (0, 0) est un point stationnaire.
3. Soit ε > 0, comparer f (−ε, 0) et f (0, ε) à f (0, 0) puis conclure.
Exercice 3.33. 1. On considère les fonctions f (x, y) = 1+(x+1)2 +(y−1)2 et g(x, y) = x2 −y 2 .

Étudier les éventuels extrema des fonctions f et g.
2. Montrer que la fonction définie sur R2 par f (x, y) = x2 + y 2 − 2x − 4y présente en (1, 2) un
minimum global.
3. Étudier les éventuels extrema de la fonction f définie sur R2 par f (x, y) = x3 +y 3 −6(x2 −y 2 ).
55
1. Répondre par vrai ou faux :
(a) Une fonction de deux variables dont les deux applications partielles sont continues en
un point est continue en ce point.
(b) Une fonction de deux variables qui possède des dérivées partielles en un point est
continue en ce point.
(c) Si une fonction de classe C 1 présente un extremum local en un point, son gradient est
nul en ce point.
(d) Si le gradient d’une fonction de classe C 1 s’annule en un point, cette fonction présente
un extremum en ce point.
(e) Quand on calcule une dérivée partielle seconde par rapport à deux variables, l’ordre
des dérivations n’importe pas.
2. les fonctions suivantes ont-elles une limite en (0, 0) ?

1
(a) f (x, y) = (x + y) sin x2 +y2
x2 −y 2
21
(b) f (x, y) = x2 +y 2
|x+y|
20
(c) f (x, y) = x2 +y 2
x3 +y 3
(d) f (x, y) = x2 +y 2
2 2 −1 0-
02
(e) f (x, y) = x +yx sin x
(f) f (x, y) = xy
I2
sin(x2 )+sin(y 2 )
(g) f (x, y) = √ .
x2 +y 2
UY
3. Soit f la fonction définie sur R2 privée de la droite d’équation y = x par

sin x − sin y
∀(x, y) ∈ R2 , x 6= y, f (x, y) = .
12
x−y
11
Est-il possible de prolonger f par continuité sur R2 ?

4. Soit f définie sur R2 par
AT
(
f (x, y) = 21 x2 + y 2 − 1, si x2 + y 2 > 1
M
f (x, y) = − 21 x2 , si x2 + y 2 ≤ 1.
Montrer que f est continue en tout point de R2 .

5. Soit f la fonction définie par
( 2
f (x, y) = x4x+yy 2 , si (x, y) 6= (0, 0)
f (0, 0) = 0.
Montrer que f admet des dérivées partielles continues en (0, 0) mais n’est pas continue en
(0, 0).
6. On définit une fonction f par
2 −y 2 )
(
f (x, y) = xy(x
x2 +y 2
, si (x, y) 6= (0, 0)
f (0, 0) = 0.
f est-elle de classe C 1 , C 2 ?
56
7. Soit f une application de classe C 1 de R2 dans R et r ∈ R. On dit que f est homogène de
degré r si
∀(x, y) ∈ R2 , ∀t > 0, f (tx, ty) = tr f (x, y).
(a) Montrer que si f est homogène de degré r, ses dérivées partielles sont homogènes de
degré r − 1.
(b) Montrer que f est homogène de degré r si et seulement si
∂f ∂f
∀(x, y) ∈ R2 , x (x, y) + y (x, y) = rf (x, y).
∂x ∂y
8. Soit s
x5 + x 3 y 2 + y 5
f (x, y) = pour x > 0 et y > 0.
x3 + 2y 3
Montrer que
2
∂ 2f ∂ 2f ∂ 2f

= .
∂x∂y ∂x2 ∂y 2
21
9. Étudier les extrema locaux des fonctions suivantes :
20
(a) f (x, y) = x3 + y 3 sur R2
(b) f (x, y) = x2 + 3y 2 − 2x − 10y + 2xy + 6 sur R2
(c) f (x, y) = ex cos y sur R2 . 0-
02
10. Soient f, g des champs scalaires (ayant des dérivées partielles jusqu’à l’ordre 2 que nous sup-
I2
poserons continues), F un champ de vecteurs (dont les composantes possèdent des dérivées
partielles jusqu’à l’ordre 2 que nous supposerons continues). Montrer que
UY
∆(f g) = f ∆g + g∆f + 2(grad(f )) · (grad(g)),

12
rot(∇(f )) = 0, div(rot(F )) = 0
11
11. Étudier
( la continuité des fonctions suivantes de R2 dans R :
2 2
AT
−y
f (x, y) = xx2 +y 2, si (x, y) 6= (0, 0)
(a)
f (0, 0) = 0
M
( 2
f (x, y) = xy , si y 6= 0
(b)
f (x, 0) = 0
( 2
f (x, y) = x2x+yy 2 , si (x, y) 6= (0, 0)
(c)
f (0, 0) = 0
( x −ey
f (x, y) = ex−y , si x 6= y
(d) x
f (x, x) = e
12. Les fonctions suivantes admettent-elles une limite au point indiqué ?
(a) f (x, y) = xy en (0, 0) ;
(b) f (x, y) = arctan xy + arctan xy .
13. Calculer les dérivées partielles des fonctions
p
(a) f (x, y) = x2 + y 2
57
3 y)
(
f (x, y) = sin(x
x2 +y 2
, si (x, y) 6= (0, 0)
(b)
f (0, 0) = 0
(
f (x, y) = x2 sin xy , si x 6= 0
(c)
f (0, y) = 0
14. Les fonctions suivantes sont-elles de classe C 1 au point (0, 0) ? Si oui calculer leur gradient
en ce point.
( 2
f (x, y) = x2x+yy 2 , si (x, y) 6= (0, 0)
(a)
f (0, 0) = 0
( 2 y2
f (x, y) = xx2 +y 2, si (x, y) 6= (0, 0)
(b)
f (0, 0) = 0
f (x, y) = √ xy
(
, si (x, y) 6= (0, 0)
(c) x2 +y 2
f (0, 0) = 0
15. Écrire la matrice jacobienne des fonctions suivantes de R2 dans R2 :
(a) f (x, y) = (xy, x2 + y 2 )
21

(b) f (x, y) = arctan xy , arctan xy
20
16. Étudier les extremums des fonctions
(a) f (x, y) = x2 + y 2 − x3 0-
02
(b) f (x, y) = x3 + y 3 − 3xy
I2
(c) f (x, y) = (x − y)2 + (x + y)3

(d) f (x, y) = x4 + y 4 − 2(x − y)2 .++
UY
17. Soit f la fonction de R2 dans R définie par

( 4
f (x, y) = x2y+y2 , si (x, y) 6= (0, 0)
12
f (0, 0) = 0
11
(a) Montrer que f est de classe C 1 sur R2 .

AT
∂2f
(b) Montrer que f admet des dérivées partielles d’ordre 2 en tout point. Comparer ∂x∂y
(0, 0)
∂2f
et (0, 0).
M
∂y∂x
(c) Les dérivées partielles d’ordre 2 de f sont-elles continues ?
18. On considère la fonction f définie sur R2 par
( 2 y2
f (x, y) = xx2 +y 2, si (x, y) 6= (0, 0)
f (0, 0) = 0
Montrer que f est de classe C 1 sur R2 .
19. Montrer que la fonction g(x, y) = ln((x − a)2 + (y − b)2 ) ((x, y) 6= (a, b)) vérifie l’équation
aux dérivées partielles
∂ 2g ∂ 2g
(x, y) + (x, y) = 0,
∂x2 ∂y 2
et la fonction h(x, y) = ϕ( xy ) avec (x, y) ∈ R∗ × R, où ϕ est une fonction dérivable sur R,
vérifie
∂h ∂h
x (x, y) + y = 0.
∂x ∂y
58
20. Soit f : (x, y) 7−→ f (x, y) une fonction différentiable de R2 dans R. On définit
F (r, θ) = f (r cos θ, r sin θ), r > 0, θ ∈ R.

∂F ∂F ∂f ∂f
(a) Calculer ∂r
et ∂θ
en fonction de ∂x
et ∂y
.
∂f ∂f ∂F ∂F
(b) Résoudre le système obtenu pour déduire ∂x
et ∂y
en fonction de ∂r
et ∂θ
.
(c) Montrer que
∂ 2f ∂ 2f ∂ 2F 1 ∂F 1 ∂ 2F
∆f = + = (r, θ) + (r, θ) + (r, θ).
∂x2 ∂y 2 ∂r2 r ∂r r2 ∂θ2
21. Calculer ∆f dans chacun dees cas suivants :

p
(a) f (x, y) = x2 + y 2
(b) f (x, y) = arctan xy .
∂f ∂2f ∂2f
22. Montrer que f (x, y, t) = e−2t sin x sin y est solution de l’équation ∂t
= ∂x2
+ ∂y 2
.
21
20
0-
02
I2
UY
12
11
AT
M
59
Chapitre 4
Intégrales multiples
Les intégrales multiples peuvent servir à calculer les aires, les volumes, le centre de masse, les mo-
ments d’inertie des objets physiques, ainsi que le flux à travers une surface donnée. Les théorèmes
d’existence des intégrales doubles (ou multiples) ne permettent pas généralement de calculer ces
intégrales facilement. Dans la plupart des cas, nous utiliserons des méthodes qui permettent de
21
réduire l’intégrale double (par exemple) en deux intégrales simples successives, une variable étant
20
considérée comme constante initialement.
0-
Nous allons nous interesser directement au calcul des intégrales multiples sans trop nous attarder
sur la définition générale.
02
I2
4.1 Intégrales double

UY
4.1.1 Calcul de l’intégrale double d’une fonction continue

12
Proposition 4.1 (Théorème de Fubini). Soit f une fonction continue sur D = [a, b] × [c, d], on a
11
ZZ Z b Z d Z d Z b
AT
f (x, y)dxdy = f (x, y)dy dx = f (x, y)dx dy.

[a,b]×[c,d] a c c a
M
Exemple 4.2. 1. Si on prend f (x, y) = 1 pour tout (x, y) ∈ D = [a, b] × [c, d], on voit immé-
RR RbRd
diatement que D 1dxdy = a c dydx = (b − a)(d − c), qui est l’aire du domaine D qui est
un rectangle.
RR
2. Calculons I = D xy(x2 + y 2 )dxdy où D = {(x, y) ∈ R2 , 0 ≤ x ≤ 2, 0 ≤ y ≤ 1}.
60
Z 2 Z 1
2 2
I= xy(x + y )dy dx
0 0
2 1
x2 y 2 y 4
Z
= x( + ) dx
0 2 4
Z 2 0
1 3 1
= x + x dx
0 2 4
2
1 1
= x4 + x2
8 8 0
5
= .
2
1
RR
3. On veut calculer I = [0,1]×[0,1] x+y+1 dxdy. En utilisant la formule de Fubini et en rappelant
R
que ln(x + a)dx = (x + a) ln(x + a) − (x + a), on obtient
Z 1 Z 1
1
21
I= dy dx
0 0 x+y+1
20
Z 1
= [ln(x + y + 1)]10 dx
Z0 1 0-
02
= (ln(x + 2) − ln(x + 1)) dx
0
I2
= [(x + 2) ln(x + 2) − (x + 2)]10 − [(x + 1) ln(x + 1) − (x + 1)]10

27
UY
= 3 ln 3 − 4 ln 2 = ln .
16
4. Calculer I = D xy ln xy dxdy, D = {(x, y, ) ∈ R2 , 1 ≤ x ≤ e, 1 ≤ y ≤ 2}.

RR
12
R e R 2
On a I = 1 1 xy ln xy dy dx ce qui donne en intégrant par partie
11
AT
Z e 2
1 2 x 1 2
I= xy ln + xy dx
1 2 y 4 1
M
Z e
3 3
= x ln x + x( − 2 ln(2)) dx
1 2 4
e
2 3 2
= −x ln 2 + x ln x
4 1
2
3e
= (1 − e2 ) ln(2) + .
4
RR
5. On veut calculer D xexy dxdy, où D = [−1; 2] × [0; 1].
Dans ce cas, on peut bien commencer l’integration par rapport à x ou à y mais il est à noter
d
qu’il est plus simple de commencer avec l’integration par rapport à y car dy (exy ) = xexy .
61
Donc
ZZ Z 2 Z 1
xy xy
xe dxdy = xe dy dx
D −1 0
Z 2 1
= exy dx
−1 0
Z 2
= (ex − 1)dx
−1
2
= (ex − x)
−1
2 −1
=e −e − 3.
Remarque 4.3. Il est à noter qu’en commençant avec l’intégration par rapport à x dans l’exemple
5, il n’est pas évident de retrouver ce résultat. Donc chaque fois qu’on a une intégrale double à
calculer, il faut bien regarder quelle variable intégrer avant l’autre. Il y’a des cas où il serait vrai-
ment difficile de calculer l’intégrale double si on commence avec la "mauvaise" variable. Comme
exemple d’application, calculer les intégrales suivantes (les domaines sont représentés par la figure
21
4.1) : Z 3Z 9 Z 8Z 2 √
20
3 y3
x e dydx, √
x4 + 1dxdy.
0 x2 0 3 y
0-
02
I2
UY
12
11
AT
M
Figure 4.1 –
Il est important de noter le cas particulier des intégrales avec f (x, y) = g(x)h(y).
Corollaire 4.4. Si g ∈ C([a, b]) et h ∈ C([c, d]), alors

ZZ Z b Z d
g(x)h(y)dxdy = g(x)dx h(y)dy .
[a,b]×[c,d] a c
R R
d b
= 61 (b3 − a3 )(d2 − c2 ).
RR
Exemple 4.5. 1. [a,b]×[c,d]
x2 ydxdy =
x2 dx c
ydy a
R R
RR x2 1 2 1 1
2. Pour D = {(x, y) ∈ R2 , 0 ≤ x ≤ 1, 0 ≤ y ≤ 1}, on a 1+y 2 dxdy = 0
x dx 0 1+y 2
dy =
D
1 1
1 3 1 π π
3
x × arctan(y) = 3
× 4
= 12
.
0 0
62
3. Pour D = {(x, y) ∈ R2 , −1 ≤ x ≤ 1, −1 ≤ y ≤ 1}, on a
ZZ Z 1 Z 1
x−y x −y
e dxdy = e dx e dy
D −1 −1
1 1
= ex × (−e−y )
−1 −1
−1 −1
= (e − e )(e − e )
1
= e2 + 2 − 2.
e
x cos2 ydxdy avec D = [−2, 3] × [0, π2 ].

RR
4. Calculer D
On a
π
!
ZZ Z 3 Z
2
x cos2 ydxdy = xdx cos2 y
D −2 0
Z π
1 3 1 2
= x2 × (1 + cos(2y))dy
2 −2 2 0
21
π
5 1 2
= (y + sin(2y))
20
4 2 0
5π
=
8
.
0-
02
Dans les exemples précédents, le domaine D est sous la forme D = [a, b] × [c, d]. Il y’a deux autres
I2
types de domaines auxquels nous allons nous interesser. Une esquisse de ces domaines est donnée
par la figure 4.2
UY
12
11
AT
M
Figure 4.2 – Domaines réguliers par rapport à l’axe des x ou à l’axe des y
Définition 4.6. 1. Le domaine D = {(x, y) ∈ R2 , a ≤ x ≤ b et g1 (x) ≤ y ≤ g2 (x)} est dit

régulier selon l’axe des y.
2. Le domaine D = {(x, y) ∈ R2 , c ≤ y ≤ d et h1 (y) ≤ x ≤ h2 (y)} est dit régulier selon
l’axe des x.
3. Un domaine D ⊂ R2 est dit régulier s’il est régulier selon l’axe des x ou selon l’axe des y.
63
4. Un domaine D ⊂ R2 est dit élémentaire s’il est régulier à la fois selon l’axe des x et l’axe
des y.
Proposition 4.7. Soit D une partie de R2 définie par
D = {(x, y) ∈ R2 , a ≤ x ≤ b et g1 (x) ≤ y ≤ g2 (x)} (4.1)
où g1 et g2 sont des fonctions continues sur [a, b]. Si f est une fonction continue sur D, alors elle
est intégrable sur D, et l’on a
!
ZZ Z Zb g2 (x)
f (x, y)dxdy = f (x, y)dy dx.
D a g1 (x)
De façon similaire,
Proposition 4.8. Soit D une partie de R2 définie par
D = {(x, y) ∈ R2 , c ≤ y ≤ d et h1 (y) ≤ x ≤ h2 (y)} (4.2)
21
où h1 et h2 sont des fonctions continues sur [c, d]. Si f est une fonction continue sur D, alors elle
20
est intégrable sur D, et l’on a
ZZ Z Zd h2 (y)
!
0-
02
f (x, y)dxdy = f (x, y)dx dy.
D c h1 (y)
I2
RR
Exemple 4.9. Évaluer l’intégrale D
xydxdy, où D est le premier cadrant du cercle unité telle
UY
que représenté sur la figure 4.3.

12
11
AT
M
Figure 4.3 – Premier cadrant du cercle unité
64
√ !
ZZ Z 1 Z 1−x2
xydxdy = xydy dx
D 0 0
Z 1 √1−x2
1
= x y2 dx
0 2 0
1 1
Z
= x(1 − x2 )dx
2 0
1
= .
8
RR
Exemple 4.10. Évaluer D
(x2 − y 2 )dxdy, où D est le triangle de sommets (−1, 1), (0, 0), (1, 1)
donné par la figure 4.4.
21
20
0-
02
I2
UY
12
11
AT
M
Figure 4.4 –
On a D = {(x, y) ∈ R2 , 0 ≤ y ≤ 1, −y ≤ x ≤ y}. Il s’ensuit que

ZZ Z 1 Z y
2 2
(x − y )dxdy = dy (x2 − y 2 )dx
D 0 −y
Z 1 y
1 3 2
= x − xy dy
0 3 −y
Z 1
2 3 3
= y − 2y dy
0 3
1
=− .
3
Exemple RR
4.11. 1. Soit D le domaine délimité par y = x2 , y = 4 − x2 . On veut calculer
I = D dxdy.
65
21
20
Figure 4.5 – Courbes de y = x2 et y = 4 − x2
0-
02
√
L’équation
√ 4√− x2 = x2 admet pour solutions x = ± 2. D’après la figure 4.5, lorsque
I2
− 2 ≤ x ≤ 2 on a x2 ≤ y ≤ 4 − x2 . Par conséquent,
Z √2 Z 4−x2 !
UY
I= √ dy dx
− 2 x2
√
Z 2
12
= √
(4 − 2x2 )dx
− 2
11
√
2 2
= 4x − x3 √
AT
3 − 2
√
16 2
= .
M
3
√
2. Calculer I = D x2 ydxdy où D est la région limitée par les courbes y = − x, y = x1 , x =
RR
1, x = 2.
√
D’après la figure 4.6, on a 1 ≤ x ≤ 2 et − x ≤ y ≤ x1 . Par conséquent,
Z 2 Z 1 ! Z 2
x
2 1 11
1 − x3 dx = − .

I= √
x ydy dx =
1 − x 1 2 8
RR 4
3. Soit I = D ey dxdy où D est le domaine de la figure 4.7. On a
Z 0 Z 0 Z 1 Z y3 ! Z 0 Z 1
y4 y4 3 y4 4 e−1
I= e dx dy + e dx dy = − y e dy + y 3 ey dy = .
−1 y3 0 0 −1 0 2
Définition 4.12. Soit D une partie bornée de R2 . On appelle aire de D le réel
ZZ
Aire(D) = dxdy.
D
66
21
20
0-
02
I2
UY
√
Figure 4.6 – Fonctions y = − x, y = x1 , x = 1, x = 2
12
Exemple 4.13. 1. On considère le triangle de la figure 4.8. On veut calculer son aire.
11
Dans ce cas, on a 1 ≤ y ≤ 5 et y ≤ x ≤ x+52

. Par suite
AT
Z 5 Z y+5 Z 5
2 1 5 1 2 5 5
Aire triangle = dxdy = − y+ dy = − y + y = 4.
1 y 1 2 2 4 2 1
M
2. L’aire du rectangle de la figure 4.9 est donnée par

Z 3Z 3 Z 3
Aire rectangle = dydx = 2dx = 8.
−1 1 −1
√
3. L’aire du domaine délimité par les courbes y = − x, y = x1 , x = 1, x = 2 est d’après la figure
4.6
Z 2 Z 1 ! Z 2 √
x 1 √ 4 2 2
Aire = √
dy dx = ( + x)dx = − + ln 2.
1 − x 1 x 3 3
4. L’aire du domaine de la figure 4.10 est donnée par
!
Z 2 Z −x2 Z 1 Z 1 Z 2 Z 1
2 68
I= dy dx + dy dx = (4 − x )dx + (1 − x2 )dx = .
−2 −4 −1 x2 −2 −1 3
67
21
20
Figure 4.7 –
0-
02
I2
UY
12
11
AT
M
Figure 4.8 –
5. Nous voulons calculer l’aire du domaine D de la figure 4.11.

On a par définition,
ZZ Z bZ g2 (x) Z b Z b
g2 (x)
Aire de D = dxdy = dydx = y g1 (x)
dx = (g2 (x) − g1 (x))dx.
D a g1 (x) a a
68
21
20
Figure 4.9 –
0-
02
On retrouve ainsi la formule utilisée depuis la classe de terminale.
I2
Rb
On sait que a f (x)dx est interpretée géométriquement comme étant l’aire du domaine D =
UY
{(x, y) ∈ R2 , a ≤ x ≤ b, 0 ≤ y ≤ f (x)}. Comment pouvons-nous interpreter l’intégrale double ?

12
4.1.2 Volume d’un solide

11
Définition 4.14. Soit T = {(x, y, z) ∈ R3 , φ1 (x, y) ≤ z ≤ φ2 (x, y), (x, y) ∈ D} où D est un

AT
domaine bornée de R2 . Le volume de T est défini par

ZZ
M
Volume(T ) = (φ2 (x, y) − φ1 (x, y)) dxdy.

D
Dans le cas où φ1 (x, y) = 0 et φ2 (x, y) = f (x, y), le volume du solide délimité par une surface
z = f (x, y) et qui est au dessus du domaine D du plan Oxy est donné par
ZZ
V olume = f (x, y)dxdy.
D
Exemple 4.15. 1. Déterminer le volume du solide délimité par la surface z = 16xy + 200 et
qui est au-dessus du domaine D du plan Oxy délimité par y = x2 et y = 8 − x2 .
Le domaine D dans ce cas est donné par la figure 4.12 et s’écrit D = {(x, y) ∈ R2 , −2 ≤
x ≤ 2, x2 ≤ y ≤ 8 − x2 }.
69
21
20
Figure 4.10 –
0-
02
I2
UY
12
11
AT
M
Figure 4.11 –
Le volume V vaut donc ZZ

V = (16xy + 200)dxdy
D
Z 2 Z 8−x2
= (16xy + 200)dydx
−2 x2
Z 2 8−x2
2
= (8xy + 200y) dx
−2
70 x2
Z 2
= (−128x3 − 400x2 + 512x + 1600)dx
−2
12800
21
20
Figure 4.12 –
0-
02
Les propriétés des intégrales simples sont étendues aux intégrales doubles et multiples.
I2
Proposition 4.16. Si f et g sont continues sur D, on a

UY
1.
ZZ ZZ ZZ
∀α, β ∈ R, (αf (x, y) + βg(x, y))dxdy = α f (x, y)dxdy + β g(x, y)dxdy
12
D D D
2.
11
ZZ ZZ
f ≤ g =⇒ f (x, y)dxdy ≤ g(x, y)dxdy.
AT
D D
RR
En particulier si m ≤ f ≤ M , on a mAire(D) ≤ D f (x, y)dxdy ≤ M Aire(D).
M
D’autre part, en intégrant l’inégalité −|f | ≤ f ≤ |f |, on obtient

ZZ ZZ
f (x, y)dxdy ≤ |f (x, y)|dxdy.
D D
3. Soit D une partie bornée de R2 , si D1 ⊂ D et D2 ⊂ D tels que D = D1 ∪ D2 et D1 , D2 n’ont

aucun point intérieur commun, alors
ZZ ZZ ZZ
f (x, y)dxdy = f (x, y, )dxdy + f (x, y)dxdy.
D D1 D2
RR
Exercice 4.17. 1. Calculer D (6x2 − 40y)dxdy, où D est le triangle de sommets (0, 3), (1, 1)
et (5, 3) voir la figure 4.13.
RR
2. Évaluer D (7x2 + 14y)dxdy où D est le domaine délimité par x = 2y 2 et x = 8
(a) en integrant d’abord par rapport à x puis par rapport à y ;
(b) en integrant d’abord par rapport à y puis par rapport à x.
71
21
20
Figure 4.13 –
0-
02
3. Évaluer les intégrales suivantes d’abord dans l’ordre d’intégration donné, puis en changeant
I2
l’ordre d’intégration
R3R6 p
(a) 0 2x y 2 + 2dydx
UY
R 1 R y2
(b) 0 −√y (6x − y)dxdy.
4. Déterminer l’aire du domaine délimité par les courbes d’équations y = 1 − x2 et y = x2 − 3.
12
11
4.1.3 Changement de variables

AT
Théorème 4.18. Soient D une partie bornée de R2 et f une fonction intégrable sur ϕ(D), où
M
ϕ : (u, v) 7−→ ϕ(u, v) = (x = x(u, v), y = y(u, v)). Alors la fonction f ◦ ϕ est intégrable sur D et
l’on a ZZ ZZ
f (x, y)dxdy = f (x(u, v), y(u, v)) |J(u, v)|dudv,
ϕ(D) D
∂x ∂x
où J(u, v) = ∂u ∂v est le jacobien de ϕ et |J(u, v)| sa valeur absolue.
∂y ∂y
∂u ∂v
RR
Exemple 4.19. Calculer l’intégrale D
x2 ydxdy où D = {(x, y) ∈ R2 , 1 ≤ x − y ≤ 2 et − 1 ≤
x + 3y ≤ 3}.
On pose u = x − y et v = x + 3y, soit x = 41 (3u + v) et y = 14 (−u + v) de sorte que 1 ≤ u ≤ 2 et
72
∂x ∂x 3 1
−1 ≤ v ≤ 3. Le jacobien vaut J = ∂u
∂y
∂v
∂y = 4 4 = 14 . On a alors
∂u ∂v
− 14 1
4
ZZ ZZ 2
2 1 1 1
x ydxdy = (3u + v) × (−u + v) × dudv
D [1,2]×[−1,3] 4 4 4
Z 2 Z 3
1 3 2 2 3

= −9 u + 3 u v + 5 uv + v dv du
256 1 −1
Z 2
1 3 2 140 u
= −36 u + 12 u + + 20 du
256 1 3
2
70 u2

1 4 3
= −9 u + 4 u + + 20 u
256 3 1
17
=− .
256
Changement de variables en coordonnées polaires
21
Soit ϕ la fonction définie de R+ × R −→ R2 , (r, θ) 7−→ (x = r cos θ, y = r sin θ). Le jacobien vaut
cos θ −r sin θ
20
Jϕ = = r. De plus x2 + y 2 = r2 , avec α ≤ r ≤ β, h1 (θ) ≤ θ ≤ h2 (θ).
sin θ r cos θ
0-
Proposition 4.20. Soient a un nombre réel et D une partie bornée de R+ × [a, a + 2π]. Soit f
02
une fonction intégrable sur ϕ(D), alors on a
I2
ZZ ZZ
f (x, y)dxdy = f (r cos θ, r sin θ)rdrdθ.
ϕ(D) D
UY
RR
Exemple 4.21. 1. Calculer D 2xydxdy où D = {(x, y) ∈ R2 , 2 ≤ x2 + y 2 ≤ 5, x ≥ 0, y ≥
0}.
12
En posant x = r cos θ, y = r sin θ, on a 2 ≤ r ≤ 5 et 0 ≤ θ ≤ π2 . Il s’ensuit que

11
ZZ Z πZ 5
2
2xydxdy = 2(r cos θ)(r sin θ)rdrdθ
AT
D 0 2
Z πZ 5
2
= r3 sin(2θ)drdθ
M
0 2
Z π !
Z 5 2
= r3 dr sin(2θ)dθ
2 0
π

1 45 1 2
= r × − cos(2θ)
4 2 2 0
609
= .
4
2. Aire d’un disque
Soit D = {(x, y) ∈ R2 , x2 + y 2 ≤ 2
RR R } le disque centré en (0, 0) et de rayon R. L’aire de
ce disque est donnée par Aire = D dxdy. En posant x = r cos θ et y = r sin θ, on obtient
0 ≤ r ≤ R et 0 ≤ θ ≤ 2π. Par suite, on a
ZZ Z 2π Z R Z 2π Z R
Aire = dxdy = rdrdθ = dθ rdr = πR2 .
D 0 0 0 0
73
3. Déterminer le volume du domaine situé en dessous de la sphère x2 + y 2 + z 2 = 9, au dessus
du plan d’équation z = 0 et dans le cylindre de base le disque d’équation x2 + y 2 ≤ 5, voire
la figure 4.14.
21
20
0-
02
I2
Figure 4.14 –
UY
p
Puisque le domaine est au dessus du plan d’équation z = 0, on a z = √9 − x2 − y 2 . En
x = r cos θ, y = r sin θ, le disque D de base devient {(r, θ), 0 ≤ r ≤ 5, 0 ≤ θ ≤ 2π}
posant √
12
et z = 9 − r2 . Le volume vaut alors

ZZ p
11
V = 9 − x2 − y 2 dxdy
D
AT
√
Z 2π Z √ 5
= r 9 − r2 drdθ
M
0 0
√
2π 1 2 23
5
= θ × − (9 − r )
0 3 0
38π
= .
3
4. Le moment d’inertie par rapport à l’origine d’un disque homogène de densité surfacique σ
et de masse σ vaut
Z 2π Z R Z 2π Z R
R4 R2
ZZ
2 2 3 3
J =σ (x + y )dxdy = σ r drdθ = σ dθ r dr = σπ =m ,
D 0 0 0 0 2 2
où m = σπR2 est la masse totale de la plaque.
Exemple 4.22. Déterminer l’aire du domaine D borné par xy = a, xy = b, y 2 = αx, y 2 = βx, où
0 < a < b et 0 < α < β. ZZ
Aire(D) = dxdy.
D
74
Pour calculer cette aire, on pose u = xy, v = y 2 /x, de sorte que a ≤ u ≤ b, α ≤ v ≤ β. L’inverse
du jacobien vaut
∂u ∂u
∂x ∂y y x 3y 2
∂v ∂v = y2 2y = = 3v.
∂x ∂y − x2 x x
1
Il s’ensuit que le jacobien vaut J = 3v
> 0. Par conséquent
Z b Z β
1 1 1 β
Aire(D) = du dv = (b − a) ln .
3 a α v 3 α
Exemple 4.23. Déterminer le volume de la sphère x2 + y 2 + z 2 ≤ a2 .

Nous divisons la sphère en deux à l’aide du plan Oxy et on définit T = {(x, y, z) ∈ R3 0 ≤ z ≤
p
a2 − x2 − y 2 , x2 + y 2 ≤ a2 }, D = {(x, y) ∈ R2 , x2 + y 2 ≤ a2 }. Le volume de T est donc
ZZ p
Volume(T ) = a2 − x2 − y 2 dxdy
D
Z 2π Z a√
= dθ a2 − r2 rdr
21
0 0
a
1 2 2 32
= 2π − (a − r )
20
3 0
=
2π 3
3
a. 0-
02
On en déduit que le volume de la sphère vaut 2 × 2π a3 = 4π a3 .
I2
3 3
RR 2 2
Exercice 4.24. 1. Calculer D ex +y dxdy, où D est le disque unité centré à l’origine.
UY
2. Évaluer l’intégrale suivante :

Z 1 Z 0
12
√
cos(x2 + y 2 )dydx.
−1 − 1−x2
11
Exercice 4.25. On considère le solide de la figure 4.15 dont on veut déterminer le volume V .
AT
1. Calculer le volume V1 du cylindre ayant pour base le disque D d’équation x2 + y 2 ≤ 16 et de

hauteur 16.
M
2. Calculer le volume V2 du solide situé en dessous de z = x2 + y 2 et de base le disque D

d’équation x2 + y 2 ≤ 16.
3. En déduire le volume V du solide de la figure 4.15. réponse : 128π
4.2 Intégrales triples

Nous connaissons intégrer sur un domaine borné en dimension 2. Nous voulons à présent continuer
avec l’intégration sur un
RR domaine borné en dimension 3. Comme en dimension 2 nous avons utilisé
RRR
les intégrales doubles D , nous allons utiliser en dimension 3 les intégrales triples D
.
Toutes les définitions et tous les résultats sur les intégrales doubles s’étendent aux intégrales
triples et multiples. Le calcul d’une intégrale triple sur D = [a1 , a2 ] × [b1 , b2 ] × [c1 , c2 ] peut se
ramener à trois calculs d’intégrales simples (théorème de Fubini), l’ordre des intégrations étant
quelconque.
75
21
20
Figure 4.15 –
0-
02
Théorème 4.26 (Théorème de Fubini). Soit P = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] un pavé de R3 . Soit
I2
f : P −→ R une fonction continue, alors

UY
Z Z b1 Z b2 Z b3
f (x1 , x2 , x3 )dx1 dx2 dx3 = f (x1 , x2 , x3 )dx3 dx2 dx1 .
P a1 a2 a3
12
Quelque soit l’ordre d’intégration, on doit avoir le même résultat. Donc on peut integrer d’abord
11
par rapport à x1 , x2 ou x3 , ceci dépendant de la fonction à intégrer et de l’ordre dans lequel on se

sent le mieux à l’aise.
AT
Exemple 4.27. 1. Soit D = [2, 3] × [1, 2] × [0, 1]. On a

M
ZZZ Z 2Z 3Z 1
8xyzdxdydz = 8xyzdzdxdy
D 1 2 0
Z 2Z 3 1
= 4xyz 2 dxdy
0
Z1 2 Z2 3
= 4xydxdy
1 2
Z 2 3
= 2x2 y dy
2
Z1 2
= 10ydy
1
= 15.
RRR
2. Évaluer I = P
(x − y + z)dxdydz où P = {(x, y, z) ∈ R3 , 1 ≤ x ≤ 2, 2 ≤ y ≤ 3, 1 ≤ z ≤
76
3}.
Z 2 Z 3 Z 3
I= (x − y + z)dz dy dx
1 2 1
Z 2 Z 3 3 ! !
1 2
= xz − yz + z dy dx
1 2 2 1
Z 2 Z 3
= (2x − 2y + 4) dy dx
1 2
Z 2
3
2xy − y 2 + 4y 2 dx

=
Z1 2
= (2x − 1)dx
1
= 2.
Si D = {(x, y, z) ∈ R3 , z1 (x, y) ≤ z ≤ z2 (x, y), y1 (x) ≤ y ≤ y2 (x), a ≤ x ≤ b, où y1 , y2 , z1 , z2 sont

des fonctions continues, alors
21
20
! !
ZZZ Z Z b Z y2 (x) z2 (x,y)
f (x, y, z)dxdydz = f (x, y, z)dz dy dx.
D a y1 (x)
0-
z1 (x,y)
02
Dans ce cas, on doit d’abord integrer par rapport à z, puis par rapport à y et enfin par rapport à
x.
I2
RRR
Exemple 4.28. Évaluer 2xdxdydz où D est le domaine de la figure 4.16 délimité par le plan
UY
D
d’équation 2x + 3y + z = 6, avec x ≥ 0, y ≥ 0 et z ≥ 0.
12
11
AT
M
Figure 4.16 –
77
Suivant l’axe des z, on a 0 ≤ z ≤ 6 − 2x − 3y. La projection du plan d’équation 2x + 3y + z = 6
sur le plan Oxy donne la droite dont l’équation est obtenue en remplaçant z = 0, soit 2x + 3y = 6.
Donc dans le plan Oxy, le domaine de la figure 4.17 sera délimité par x = 0, y = 0 et la droite
d’équation 2x + 3y = 6.
21
20
0-
02
I2
UY
Figure 4.17 –
Ainsi on peut d’abord integrer par rapport à x (0 ≤ x ≤ − 23 y + 3, 0 ≤ y ≤ 2) ou par rapport à y

12
(0 ≤ y ≤ − 23 x + 2, 0 ≤ x ≤ 3), les deux devant aboutir au même résultat.

11
ZZZ Z 3 Z − 32 x+2 Z 6−2x−3y

2xdxdydz = 2xdzdydx
AT
D 0 0 0
Z 3 Z − 23 x+2
M
= 2x(6 − 2x − 3y)dydx
0 0
Z 3
4 3 2
= x − 8x + 12x dx
0 3
= 9.
Si f (x, y, z) = F (x)G(y)H(z), a1 ≤ x ≤ b1 , a2 ≤ y ≤ b2 , a3 ≤ z ≤ b3 alors

ZZZ Z b1 Z b2 Z b3
F (x)G(y)H(z)dxdydz = F (x)dx G(y)dy H(z)dz .
P a1 a2 a3
Définition 4.29. Soit D une partie bornée de R3 . Ón appelle volume de D le réel

ZZZ
Volume de D = dxdydz.
D
78
4.2.1 Changement de variables
Théorème 4.30. Soient D un ouvert de R3 et ϕ : D −→ R3 , u = (u1 , u2 , u3 ) 7−→ (x1 , x2 , x3 ) =
∂x1 ∂x1 ∂x1
∂u1 ∂u2 ∂u3
∂x2 ∂x2 ∂x2
(ϕ1 (u), ϕ2 (u), ϕ3 (u)). Soit J(u) = ∂u1 ∂u2 ∂u3 . Pour toute fonction f : ϕ(D) −→ R continue
∂x3 ∂x3 ∂x3
∂u1 ∂u2 ∂u3
et bornée, on a
ZZZ ZZZ
f (x1 , x2 , x3 )dx1 dx2 dx3 = f (ϕ1 (u), ϕ2 (u), ϕ3 (u))|J(u)|du1 du2 du3 .
ϕ(D) D
Quand un calcul intégral en physique, ingénieurie ou géométrie est en relation avec les cylindres, les
cônes ou les sphèrres, nous pouvons simplifier notre travail en utilisant les coordonnées cylindriques
ou sphériques.
Changement de variables en coordonnées cylindriques
21
Les coordonnées cylindriques (voire figure 4.18) sont une extension des coordonnées polaires et
sont définies par
20
ϕ : R+ × [a, a + 2π] × R −→ R3
0-
(r, θ, z) 7−→ (x = r cos θ, y = r sin θ, z).
02
I2
UY
12
11
AT
M
Figure 4.18 – Coordonnées cylindriques d’un point
Le jacobien est donné dans ce cas par
cos θ −r sin θ 0
J = sin θ r cos θ 0 = r.
0 0 1
Il s’ensuit que si D est une partie bornée de R+ × [a, a + 2π] × R et f une fonction intégrable sur
ϕ(D), alors ZZZ ZZZ
f (x, y, z)dxdydz = f (r cos θ, r sin θ, z)rdrdθdz.
ϕ(D) D
79
RRR
Exemple 4.31. 1. Calculer D
ydxdydz où D est le domaine en dessous du plan z = x + 2,
au dessus du plan z = 0 et entre les cylindres de bases x2 + y 2 ≤ 1 et x2 + y 2 ≤ 4.
On pose x = r cos θ, y = r sin θ et z = z, avec 0 ≤ z ≤ x + 2, 0 ≤ θ ≤ 2π, 1 ≤ r ≤ 2. On
obtient alors
ZZZ Z 2π Z 2 Z r cos θ+2
ydxdydz = (r sin θ)rdzdrdθ
D 0 1 0
Z 2π Z 2
= r2 sin θ(r cos θ + 2)drdθ
Z0 2π Z1 2
1 3 2
= r sin(2θ) + 2r sin θ drdθ
0 1 2
Z 2π
1 4 2 3 2
= r sin(2θ) + r sin θ dθ
0 8 3 1
Z 2π
15 14
= sin(2θ) + sin θ dθ
0 8 3

15 14 2π
= − cos(2θ) − cos θ
16 3
21
0
= 0.
20
R 1 R 1−y2 R √x2 +y2
√
2. Convertir l’intégrale −1 0 xyzdzdxdy en une intégrale en coordonnées cylin-
driques.
x2 +y 2
0-
02
p p
Ici, on a −1 ≤ y ≤ 1, 0 ≤ x ≤ 1 − y 2 , x2 + y 2 ≤ z ≤ x2 + y 2 . Posons x = r cos θ, y =
r sin θ, alors puisque x ≥ 0, on a − π2 ≤ θ ≤ π2 . De plus 0 ≤ r ≤ 1 et r2 ≤ z ≤ r. Il s’ensuit
I2
que
Z 1 Z √1−y2 Z √x2 +y2
UY
Z π Z 1Z r
2
xyzdzdxdy = r(r cos θ)(r sin θ)zdzdrdθ
−1 0 x2 +y 2 − π2 0 r2
12
π
Z
2
Z 1Z r
= zr3 cos θ sin θdzdrdθ.
11
− π2 0 r2
AT
Changement de variables en coordonnées sphériques

M
La figure 4.19 donne la relation entre les coordonnées cartésiennes et les coordonnées sphériques.
Les coordonnées sphériques sont définies par
x = ρ sin ϕ cos θ, y = ρ sin ϕ sin θ, z = ρ cos ϕ,
avec x2 + y 2 + z 2 = ρ2 , ρ ≥ 0, 0 ≤ ϕ ≤ π, 0 ≤ θ ≤ 2π.
Le jacobien est donné par
cos θ sin ϕ −ρ sin θ sin ϕ ρ cos θ cos ϕ
J = sin θ sin ϕ ρ cos θ sin ϕ ρ sin θ cos ϕ = −ρ2 sin ϕ.
cos ϕ 0 −ρ sin ϕ
Il s’ensuit que si D est une partie bornée de R+ × [0, 2π] × [0, π], φ : D 7−→ R3 une bijection, et f
une fonction intégrable sur φ(D), alors on a
ZZZ ZZZ
f (x, y, z)dxdydz = f (ρ sin ϕ cos θ, ρ sin ϕ sin θ, ρ cos ϕ) ρ2 sin ϕdρdϕdθ.
φ(D) D
80
Figure 4.19 –
RRR
Exemple 4.32. 1. Calculer D
16zdxdydz où D est la sphère d’équation x2 + y 2 + z 2 ≤ 1
avec z ≥ 0.
On a dans ce cas 0 ≤ ρ ≤ 1, 0 ≤ θ ≤ 2π, 0 ≤ ϕ ≤ π2 et l’intégrale devient
21
π
ZZZ Z Z 2π Z 1
20
2
16zdxdydz = 8ρ2 sin(2ϕ)dρdθdϕ
D 0 0 0
=
Z π
2
Z 2π
0-
2 sin(2ϕ)dθdϕ
02
0 0
π
I2
Z
2
= 4π sin(2ϕ)dϕ
0
UY
π
2
= −2π cos(2ϕ)
0
= 4π.
12
2. Une sphère de rayon R centré en (0, 0, 0) a pour équation x2 + y 2 + z 2 ≤ R2 . Soit D =

11
{(x, y, z) ∈ R3 , x2 + y 2 + z 2 ≤ R2 }, alors le volume de la sphère est donné par

AT
ZZZ Z R Z 2π Z π Z R Z 2π Z π
2 2 4
V = dxdydz = r sin θdθdϕdr = r dr dϕ sin θdθ = πR3 .
M
D 0 0 0 0 0 0 3
2 2 2
3. Soient a, b, c trois réels strictement positifs. L’ellipsoïde a pour équation xa2 + yb2 + zc2 = 1.
Pour calculer son volume, on effectue le changement de variables x = ar cos θ sin ϕ, y =
br sin θ sin ϕ, z = cr cos ϕ, 0 ≤ r ≤ 1, 0 ≤ θ ≤ 2π, 0 ≤ ϕ ≤ π. Le jacobien vaut alors
J = abcr2 sin ϕ, et par conséquent le volume de l’ellipsoïde vaut
ZZZ Z 1 Z 2π Z π
2 4
dxdydz = abc r sin ϕdϕ dθ dr = πabc.
0 0 0 3
RRR x2 y2 z2 α
Exemple 4.33. Calculer l’intégrale I = D a2
+ b2 + c2 dxdydz avec a > 0, b > 0, c >
x2 y2 z2
0, α ≥ 0 et D = {(x, y, z) ∈ R3 , a2
+ b2
+ c2
< 1}.
On effectue le changement de variables
x = ar cos θ sin φ, y = br sin θ sin φ, z = cr cos φ, 0 < r < 1, 0 < φ < π, 0 < θ < 2π.
81
Le jacobien de cette transformation est J(r, φ, θ) = r2 abc sin φ. Donc
Z 1 Z π Z 2π
4abcπ
I= r2α abcr2 sin φdrdφdθ = .
0 0 0 2α + 3
Si α = 0, cette intégrale représente le volume d’un ellipsoïde.
Exercice 4.34. 1. Soit D le domaine défini par 1 ≤ x ≤ 2, 0 ≤ xy RRR≤ 2,2 0 ≤ z ≤ 1. En

utilisant le changement de variable u = x, v = xy, w = 3z, calculer D
(x y +3xyz)dxdydz.
2. Calculer le volume de l’ellipsoïde E = {(x, y, z) ∈ R3 , (x/a)2 + (y/b)2 + (z/c)2 ≤ 1}.
4.2.2 Application au calcul des moments, masses et centre d’inertie

Le centre de masse d’un objet (en dimension 2 sur un domaine D) est encore le centre de
gravité si l’objet est dans un champ gravitationel uniforme. Si la densité de l’objet est uniforme,
le centre de masse est le centre géométrique de l’objet. Pour trouver les coordonnées du centre de
masse P (x̄, ȳ), on calcule d’abord les moments Mx par rapport à l’axe des x et My par rapport à
21
l’axe des y. Soit m la masse de l’objet, on a
20
Mx My
x̄ = , ȳ = ,
m m
0-
02
où m, Mx , My sont donnés en fonction de la densité ρ(x, y) par
I2
ZZ ZZ ZZ
Mx = yρ(x, y)dxdy, My = xρ(x, y)dxdy, m = ρ(x, y)dxdy
D D D
UY
Exemple 4.35. On considère le triangle de sommets (0, 0), (0, 3), (3, 0) et de densité ρ(x, y) = xy.
Déterminer son centre de masse.
12
On a Z 3 Z 3−x Z 3
1 27
11
m= xydydx = x(3 − x)2 dx = ;

0 0 0 2 8
AT
Z 3 Z 3−x
81
Mx = xy 2 dydx = ;
20
M
0 0
et Z 3 Z 3−x
81
My = x2 ydydx = .
0 0 20
Mx 81/20 6 My 81/20 6
x̄ = = = et ȳ = = = .
m 27/8 5 m 27/8 5
Le centre de masse est donc le point 56 , 65 .

Le moment d’inertie Ix (respectivement Iy ) par rapport à l’axe des x (respectivement l’axe des y)
d’un domaine D est défini par
ZZ ZZ
2
Ix = y ρ(x, y)dxdy, Iy = x2 ρ(x, y)dxdy.
D D
82
Exemple 4.36. Les moments d’inertie du triangle D de sommets (0, 0), (2, 2), (2, 0) et de densité
ρ(x, y) = xy valent
Z 2Z x Z 2Z x
3 8 16
Ix = xy dydx = , Iy = x3 ydydx = .
0 0 3 0 0 3
En dimension 3, on considère un solide D de masse volumique ρ(x, y, z). Alors sa masse est donnée
par ZZZ
m= ρ(x, y, z)dxdydz,
D
les moments par rapport aux plan z = 0, y = 0, x = 0 sont respectivement
ZZZ ZZZ ZZZ
Mxy = zρ(x, y, z)dxdydz, Mxz = yρ(x, y, z)dxdydz, Myz = xρ(x, y, z)dxdydz.
D D D
Son centre de masse est le point (x̄, ȳ, z̄) avec
Myz Mxz Mxy

x̄ = , ȳ = , z̄ = .
21
m m m
20
Les moments d’inertie par rapport aux plans x = 0, y = 0, z = 0 sont donnés par
Ix =
ZZZ
2 2
(y + z )ρ(x, y, z)dxdydz, Iy =
ZZZ
0-
(x2 + z 2 )ρ(x, y, z)dxdydz,
02
ZZZ D D
I2
Iz = (x2 + y 2 )ρ(x, y, z)dxdydz.

D
UY
Exemple 4.37. Soit Q le tétraède de la figure 4.20 de densité ρ(x, y, z) = x2 yz délimité par le
plan x + 2y + 3z = 6 et les axes du repère. Déterminer la masse totale, le centre de masse et les
moments d’inertie du tétraède Q.
12
D’après la figure 4.20, on a

11
1 1
Z 6 Z (6−x) Z (6−x−2y)
108
AT
2 3
m= x2 yzdzdydx = .
0 0 0 35
M
De même
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 54
Mxy = x2 yz 2 dzdydx = ,
0 0 0 35
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 81
Mxz = x2 y 2 zdzdydx = ,
0 0 0 35
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 243
Myz = x3 yzdzdydx = .
0 0 0 35
Par conséquent
Myz 243 Mxz 81 Mxy 54
x̄ = = , ȳ = = , z̄ = = .
m 108 m 108 m 108
243 81 54

Le centre de masse est donc le point 108 , 108 , 108 .
83
21
20
0-
02
I2
UY
Figure 4.20 –
12
On a aussi
11
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 117
Ix = (y 2 + z 2 )x2 yzdzdydx = ,
AT
0 0 0 35
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 684
(x2 + z 2 )x2 yzdzdydx =
M
Iy = ,
0 0 0 35
1 1
Z 6 Z (6−x) Z (6−x−2y)
3 3 729
Iz = (x2 + y 2 )x2 yzdzdydx = .
0 0 0 35
Exercice 4.38. Déterminer le centre de masse d’un solide de densité constante δ délimité en
dessous par le disque R : x2 + y 2 ≤ 4 du plan z = 0 et au dessus par z = 4 − x2 − y 2 .
Exemple 4.39. Soit a > 0. Calculons J le moment d’inertie par rapport à l’axe Oz du tétraèdre
T de sommets (0, 0, 0), (a, 0, 0), (0, a, 0), (0, 0, a), de masse volumique constante ρ.
84
ZZZ
J= ρ(x2 + y 2 )dxdydz
Z aTZ a−z Z a−z−y
2 2
=ρ (x + y )dx dy dz
0 0 0
Z a Z a−z
1 3 2
=ρ (a − z − y) + y (a − z − y) dy dz
0 0 3
Z a
1 4
=ρ (a − z) dz
0 6
a5
=ρ .
30
D’autre part, la masse de T est
ZZZ
m= ρdxdydz
T
Z a Z a−z
Z a−z−y
21
=ρ dx dy dz
0 0 0
20
Z a Z a−z
=ρ (a − z − y) dy dz
0
Z a 0
0-
02

1 2
=ρ (a − z) dz
2
I2
0
a3
=ρ .
UY
6
On en déduit que J = 15 ma2 .
12
11
4.3 Intégrales curvilignes

AT
4.3.1 Notion de courbe ou chemin

M
Soit x = a cos(t), y = a sin(t), on sait que pour t ∈ [0, 2π], a > 0, nous avons x2 + y 2 = a2 . Donc
l’ensemble des points (x, y) forme le cercle de centre (0, 0) et de rayon a. On dit que r : [0; 2π] −→
R2 , t 7−→ r(t) = a cos(t)~i + a sin(t)~j est úne paramétrisation de ce cas le cercle qui est une courbe.
r(0) = a~i + 0~j est l’origine de cette courbe et r(2π) = r~i + 0~j son extremité. On dit dans ce cas
que la courbe est fermé car l’origine est égale à l’extremité.
Dans cette section, l’intégration porte sur une courbe C. Les courbes C considérées ici sont planes
ou dans l’espace R3 et sont définies par leurs équations paramétriques : r(t) = x(t)~i + y(t)~j si la
courbe est plane, ou r(t) = x(t)~i+y(t)~j +z(t)~k si la courbe est dans l’espace R3 , pour t ∈ I = [a; b]
intervalle de R. Les courbes considérées sont telle que la fonction r est de classe C 1 sur ]a; b[ et
r0 (t) 6= 0 en tout point de ]a; b[.
Définition 4.40. Si φ(t) et ψ(t) sont deux fonctions continues définies sur un intervalle [α, β],
l’application
r : [α; β] −→ R2 , t 7−→ r(t) = φ(t)~i + ψ(t)~j (4.3)
85
défini une paramétrisation d’une courbe plane C d’origine A = r(α) et d’extremité B = r(β).
Lorsque r(α) = r(β), on dit que C est une courbe fermée.
Une courbe est orienté positivement lorsqu’on s’y deplace dans le sens contraire des aiguilles d’une
montre.
Si C est une courbe orientée de paramétrisation r : [α, β] −→ R2 , alors la courbe de paramétrisation
r1 : [α; β] −→ R2 , t 7−→ r1 (t) = r(α + β − t) qui vérifie r1 (α) = r(β) et r1 (β) = r(α), est appelé
courbe inverse de C et on la note souvent par −C.
Une courbe peut avoir plusieurs représentations paramétriques. Par exemple, on considère
1. x = cos(πt), y = sin(πt), 0 ≤ t ≤ 1,
1−u2 2u
2. x = 1+u 2 , y = 1+u2 , 0 ≤ u < ∞.
Dans chacun des deux cas, on a x2 + y 2 = 1 avec y ≥ 0. Donc chacune des deux représentations
paramétriques est celle du demi-cercle de rayon 1 centré à l’origine (0, 0). L’origine de la courbe
dans ce cas est le point (1, 0) et l’extremité le point (−1, 0). On a ainsi deux représentations
paramétriques différentes qui correspondent à la même courbe.
Exemple 4.41. 1. Une paramétrisation de la droite reliant le point M0 (x0 , y0 ) au point M1 (x1 , y1 )
21
est donnée par
20
x(t) = (1 − t)x0 + tx1 , y(t) = (1 − t)y0 + ty1 , t ∈ [0, 1].
0-
2. Une paramétrisation de l’arc d’équation y 2 = x3 allant de (1, −1) à (1,1) en passant par
(0,0)est donnée par x = t2 , y = t3 avec t ∈ [−1, 1].
02
x2 y2
3. L’ellipse d’équation cartésienne + = r2 peut être représententée paramétriquement par
I2
a2 b2
x(t) = ar cos t, y(t) = ar sin t, t ∈ [0, 2π].

UY
4.3.2 Intégrale curviligne d’une fonction scalaire

12
Définition 4.42. Soit f une fonction continue sur un domaine D ⊂ R3 contenant une courbe C
11
de paramétrisation r(t) = x(t)~i + y(t)~j + z(t)~k, a ≤ t ≤ b. Alors l’intégrale curviligne de f sur

la courbe C est définie par
AT
Z Z b Z b p
0
f (x, y, z)dS = f (r(t))kr (t)kdt = f (r(t)) (x0 (t))2 + (y 0 (t))2 + (z 0 (t))2 dt,
M
C a a
0
p
où kr (t)k = (x0 (t))2 + (y 0 (t))2 + (z 0 (t))2 .
Si D ⊂ R2 et r(t) = x(t)~i + y(t)~j, alors kr0 (t)k = (x0 (t))2 + (y 0 (t))2 et
p
Z Z b p
f (x, y)dS = f (r(t)) (x0 (t))2 + (y 0 (t))2 dt.
C a
H
Si la courbe est fermée, on utilise la notation particulière C f dS.
R
Exemple 4.43. Déterminer la valeur de C (x2 + y 2 + z)dS, où C a pour paramétrisation r(t) =
cos t~i + sin t~j + t~k, 0 ≤ t ≤ 2π.
2 2
p
Solution
p : f (x, y, z) = x +
√ y + z donc f (r(t)) = 1 + t et (x0 (t))2 + (y 0 (t))2 + (z 0 (t))2 =
(− sin t)2 + (cos t)2 + 1 = 2. Donc
Z
2 2
Z 2π √ √
(x + y + z)dS = (1 + t) 2dt = 2 2π(1 + π).
C 0
86
Remarque 4.44. 1. On demontre que l’intégrale curviligne sur une courbe C ne dépend pas
de la paramétrisation de cette courbe.
R
Par exemple, évaluer I = C (x2 + yz)dS, où C est la droite de paramétrisation r1 (t) =
2t~i + 5t~j − t~k, 0 ≤ t ≤ 10. En considérant la nouvelle paramétrisation r2 (t) = 4t~i + 10t~j − t~k,
0 ≤ t ≤ 5, de C, recalculer I et vérifier que la nouvelle paramétrisation ne change pas la
valeur de I.
R Rbp
2. Si f (x, y, z) = 1, on obtient C dS = a x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt qui est la longueur de
l’arc C.
de l’arc C de paramétrisation ~ ~ ~
Par exemple,
R Rla4πlongueur
p √ r(t) = cos ti + sin tj + tk, 0 ≤ t ≤ 4π
vaut C dS = 0 (− sin t)2 + (cos t)2 + 1dt = 4π 2.
Le cercle centré à l’origine et de rayon r a pour paramétrisation x(t) = r cos t et y(t) = r sin t,
t ∈ [0, 2π]. Ainsi, la longueur (ou le périmètre) de ce cercle vaut
Z 2π q Z 2π
2 2 2
r (sin t + cos t)dt = rdt = 2πr.
0 0
Exercice 4.45. Déterminer la longueur d’un arc C de paramétrisation r(t) = (3t + 1)~i + (4 −
2t)~j + (5 + 2t)~k, 0 ≤ t ≤ 4.
21
20
4.3.3 Intégrale curviligne d’un champ de vecteurs
0-
02
On suppose à présent que f (x, y, z) = P (x, y, z)~i+Q(x, y, z)~j (respectivement f (x, y, z) = P (x, y, z)~i+
Q(x, y, z)~j + R(x, y, z)~k) est un champ de vecteurs continue sur R2 (respectivement sur R3 ), et
I2
soit C une courbe orientée de R2 ou de R3 de paramétrisation r(t) = x(t)~i + y(t)~j, a ≤ t ≤ b ou

r(t) = x(t)~i + y(t)~j + z(t)~k, a ≤ t ≤ b.
UY
Définition 4.46. L’intégrale curviligne de f le long de la courbe C est définie par

12
Z Z Z b
dx dy
f · dr = P (x, y, z)dx + Q(x, y, z)dy = P (x(t), y(t)) + Q(x(t), y(t)) dt,
dt dt
11
C C a
ou en dimension 3
AT
Z Z
f · dr = P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz
M
C C
Z b
dx dy dz
= P (x(t), y(t), z(t)) + Q(x(t), y(t), z(t)) + R(x(t), y(t), z(t)) dt.
a dt dt dt
En physique, on utilise le terme circulation du champ de vecteurs f .
1. Calculer C f · dr, où C est le demi-cercle de paramétrisation r(t) = cos t~i +
R
Exemple 4.47.
sin t~j, 0 ≤ t ≤ π et f (x, y) = −y~i + x~j.
On a par définition
Z Z π Z π
f · dr = ~ ~ ~ ~
(− sin ti + cos tj) · (− sin ti + cos tj)dt = (sin2 t + cos2 t)dt = π.
C 0 0
En considérant plutôt le chemin inverse −C de paramétrisation r(t) = cos(t+π)~i+sin t~j, 0 ≤

t ≤ π, on obtient
Z Z π Z π
f ·dr = ~ ~ ~ ~
(− sin ti+cos(t+π)j)·(− sin(t+π)i+cos tj)dt = (− sin2 t−cos2 t)dt = −π.
−C 0 0
87
R
2. Calculer l’intégrale C xdy − ydx où C est le demi-cercle orienté x2 + y 2 = 1, x ≥ 0.
On a dans ce cas r(t) = (cos t, sin t), t ∈ [−π/2, π/2]. Par conséquent
Z Z π/2 Z π/2
xdy − ydx = (cos t cos t − sin t(− sin t)) dt = dt = π.
C −π/2 −π/2
On déduit de l’exemple précédent que si C est une courbe orienté et on note par −C sa courbe
inverse, alors Z Z
f · dr = − f · dr.
−C C
Rb Ra
Ceci est analogue au fait que a
f (x)dx = − b
f (x)dx.
R R
Exemple 4.48. 1. Soit C le cercle orienté x2 + y 2 = a2 . On veut calculer C ydx et C xdy.
Une paramétrisation de C est donnée par x = a cos t, y = a sin t (0 ≤ t ≤ 2π). Ainsi on a
Z Z 2π Z 2π Z 2π
dx 2
ydx = a sin t dt = a sin t(−a sin t)dt = −a sin2 tdt = −πa2 ,
dt
ZC Z0 2π Z0 2π Z 2π 0
21
dy
xdy = a cos t dt = a cos t(a cos t)dt = a2 cos2 tdt = πa2 .
20
C 0 dt 0 0
R
2. Soit C une courbe fermée, calculons C dx et C dy.
R
0-
02
Soient x = φ(t), y = ψ(t) (t ∈ [α, β]) une paramétrisation de C, on sait que C est fermée,
donc φ(α) = φ(β) et ψ(α) = ψ(β). Il s’ensuit que
I2
Z Z β
dφ
UY
dx = dt = φ(β) − φ(α) = 0,
C α dt
Z Z β
dψ
dy = dt = ψ(β) − ψ(α) = 0.
12
C α dt
11
Exercice 4.49. On donne f (x, y) = x~i + yR~j un champR de vecteurs et C une courbe de paramétri-
sation r(t) = t~i + t2~j, 0 ≤ t ≤ 2. Calculer C f · dr et −C f · dr puis comparer les résultats.
AT
R
Exercice 4.50. 1. Calculer C zdx + xdy + ydz, où C est la courbe de paramétrisation r(t) =
M
√
t2~i + t~j + t~k, 1 ≤ t ≤ 4. réponse : 793
15
.
2. Évaluer C 4xdx + zdy + 4y 2 dz, où C a pour paramétrisation r(t) = 4 cos(2t)~i + 2 sin(2t)~j +
R
3~k, 0 ≤ t ≤ π4 .
Proposition 4.51. 1. Si la courbe C est la réunion de deux courbes C1 et C2 , alors

Z Z Z
p(x, y)dx + q(x, y)dy = p(x, y)dx + q(x, y)dy + p(x, y)dx + q(x, y)dy.
C C1 C2
2. Si −C est la courbe inverse de C, alors

Z Z
p(x, y)dx + q(x, y)dy = − p(x, y)dx + q(x, y)dy.
−C C
R
Exemple 4.52. On veut évaluer I = C y 2 dx + x2 dy, où C représente les bords du triangle orienté
de sommets O = (0, 0), A = (1, 0), B = (1, 1).
88
y
•B
• •
O A x
Le chemin C est composé de trois chemins OA = C1 , AB = C2 et BO = C3 . Sur OA, x = t et

y = 0 donc r1 (t) = t~i avec 0 ≤ t ≤ 1 ; r2 (t) = 1~i + t~j avec 0 ≤ t ≤ 1 car sur AB, x = 1 et y = t,
r3 (t) = t~i + t~j avec t de 1 à 0 ou bien r3 (t) = (1 − t)~i + (1 − t)~j avec 0 ≤ t ≤ 1 car sur BO,
x = y = t.
21
Il s’ensuit que
20
Z Z Z
I=
C
2 2
y dx + x dy +
Z 11
C
2 2
y dx + x dy +
2 Z 1
C3 0-
y 2 dx + x2 dy
02
Z 0
dx 2 dy 2 dx dy 2 dx 2 dy
= 0 +t dt + t +1 dt + t +t dt
I2
0 dt dt 0 dt dt 1 dt dt
2
=0+1−
UY
3
1
= .
3
12
R
Exercice 4.53. 1. Calculer C (x − 2y)dx + (y − x)dy, où C est le rectangle orienté de sommets
11
(0, 0), (2, 0), (2, 1), (0, 1). réponse : 2.

AT
R 2
2. Déterminer C y dx + (2xy + 1)dy où C est le triangle orienté de sommets (0, 0), (4, 0), (0, 5).
Proposition 4.54. Si D est un domaine régulier de frontière C, alors l’aire de D est donnée par
M
1 β
Z Z
1 dy dx
Aire(D) = xdy − ydx = x −y dt,
2 C 2 α dt dt
où r(t) = x(t)~i + y(t)~j est une paramétrisation de C avec α ≤ t ≤ β.
Exemple 4.55. 1. Pour calculer l’aire du cercle d’équation x2 + y 2 = a2 , on peut utiliser la

parametrisation x = a cos t, y = a sin t, 0 ≤ t ≤ 2π pour avoir
1 2π 1 2 2π
Z Z
dy dx
Aire = x −y dt = a (cos2 t + sin2 t)dt = πa2 .
2 0 dt dt 2 0
2. La courbe d’une astroïde est donné par la figure 4.21 suivante. Sa représentation paramétrique
89
Figure 4.21 – Astroïde
21
est x = a cos3 t, y = a sin3 t, 0 ≤ t ≤ 2π. L’aire du domaine délimité par l’astroïde est
20
1 2π 3a2 2π
Z Z
dy dx
cos4 t sin2 t + sin4 t cos2 t dt

x −y dt =
2 0 dt dt 2 0
0-
02
3a2 2π
Z
= cos2 t sin2 tdt
2 0
I2
3a2 2π 2
Z
= sin (2t)dt
UY
8 0
3a2 2π 1 1
Z
= − cos(4t) dt
8 0 2 2
12
3a2
= π.
11
8
AT
Définition 4.56. Soit C une courbe plane de paramétrisation r(t) = x(t)~i + y(t)~j, a ≤ t ≤ b. Soit
n(t) = y 0 (t)~i − x0 (t)~j, alors le flux du champ de vecteurs f (x, y) = P (x, y)~i + Q(x, y)~j à travers
M
la courbe C est défini par

Z Z b Z b
n(t)
f· dS = f (r(t)) · n(t)dt = (P (x(t), y(t))y 0 (t) − Q(x(t), y(t))x0 (t)) dt.
C kn(t)k a a
Exemple 4.57. Calculer le flux du champ de vecteurs f (x, y) = 2x~i + 2y~j à travers le cercle unité
orienté.
Solution : Ici r(t) = cos t~i + sin t~j, 0 ≤ t ≤ 2π et n(t) = cos t~i + sin t~j. Donc le flux vaut
Z 2π Z 2π
(2 cos t~i + 2 sin t~j) · (cos t~i + sin t~j)dt = 2(cos2 t + sin2 t)dt = 4π.
0 0
Exercice 4.58. 1. Calculer le flux du champ de vecteurs f (x, y) = (x + y, 2y) à travers le

segment orienté allant de (0, 0) à (2, 3).
2. Soient C le cercle de rayon r centré à l’origine et f (x, y) = (x, y) un champ de vecteurs.
Calculer le flux de f à travers C. réponse : 2πr2 .
90
3. Soit S le triangle orienté de sommets (0, 0), (1, 0), (0, 3). Calculer le flux de f (x, y) = (x2 +
ey , x + y) à travers S. réponse : − 52
4. Calculer le flux de f (x, y) = (x3 , y 3 ) à travers le cercle unité orienté.
Définition 4.59. La circulation d’un champ de vecteurs f leH long d’une courbe orientée fermée
C de paramétrisation r(t) = x(t)~i + y(t)~j, a ≤ t ≤ b est notée C f · dr et est définie par
I Z b
f · dr = f (r(t)) · r0 (t)dt.
C a
Exemple 4.60. Soit f (x, y) = (−y, x) un champ de vecteurs et soit C le cercle unité orienté. On
veut calculer la circulation de f le long de C.
Soit r(t) = cos t~i + sin t~j, 0 ≤ t ≤ 2π une paramétrisation de C, la circulation de f le long de C
vaut I Z 2π Z 2π
f · dr = (− sin t, cos t) · (− sin t, cos t)dt = (sin2 t + cos2 t)dt = 2π.
C 0 0

y x
Exercice 4.61. Calculer la circulation du champ de vecteurs f (x, y) = − x2 +y 2 , x2 +y 2 le long
21
du cercle unité orienté.
20
4.3.4 Théorème de Green
0-
02
L’on peut se demander si une formule analogue à
I2
Z b
f 0 (x)dx = f (b) − f (a)
UY
existe en dimension 2.
12
Le théorème de Green permet de transformer une intégrale curviligne difficile en une intégrale
11
double simple à calculer, ou bien une intégrale double difficile en une intégrale triple simple à
calculer.
AT
Théorème 4.62 (Théorème de Green). Soit D ⊂ R2 un domaine (borné) du plan, que nous
supposons élémentaire, de frontière C. Soit f (x, y) = (P (x, y), Q(x, y)) un champ de vecteurs tel
M
que P, Q, ∂P , ∂Q sont continues sur D. Si P, Q, ∂P

∂y ∂x
, ∂Q sont continues sur D, alors
∂y ∂x
Z Z ZZ
∂Q ∂P
f · dr = P dx + Qdy = − dxdy.
C C D ∂x ∂y
Il est à noter que le théorème de Green ne s’utilise que pour un champ de vecteurs de dimension
2, mais pas pour les champs de vecteurs de dimension 3.
Exemple 4.63. 1. Pour P (x, y) = −y et Q(x, y) = x, on obtient
Z ZZ
xdy − ydx = 2dxdy = 2Aire(D)
C D
et on retrouve la formule Z
1
Aire(D) = xdy − ydx.
2 C
91
R
2. On veut évaluer I = C x2 y 3 dx + 3x3 y 2 dy, où C est la frontière orientée du carrée −1 ≤
x, y ≤ 1.
D’après la formule de Green, on
ZZ
∂ 3 2 ∂ 2 3
I= (3x y ) − (x y ) dxdy
∂x ∂y
ZDZ
=6 x2 y 2 dxdy
Z 1D Z 1
2
=6 x dx y 2 dy
−1 −1
8
= .
3
H
3. Calculer J = C x2 ydx+(y−3)dy où C est le rectangle orienté de sommets (1, 1), (4, 1), (4, 5), (1, 5).
Soit D = {(x, y) ∈ R2 , 1 ≤ x ≤ 4, 1 ≤ y ≤ 5}. D’après la formule de Green, on a
Z 5Z 4
∂(y − 3) ∂x2 y
ZZ
J= − dxdy = − x2 dxdy = −84.
∂x ∂y
21
D 1 1
Remarque : si on devait utiliser la définition de l’intégrale curviligne pour calculer J, on
20
devait parametriser chaque coté du rectangle et écrire J comme somme de quatres intégrales.
0-
Donc la formule de Green nous simplifie la tâche à ce niveau.
4. Le travail effectué par une force f (x, y) = (y + sin x, ey − x) lorsque la particule traverse le
02
cercle orienté C : x2 + y 2 = 4 allant du point (2, 0) au même point est donné par
I2
I
W = (y + sin x)dx + (ey − x)dy.
UY
C
2 2
Soit D le disque x + y ≤ 4. En utilisant la formule de Green, on obtient
12
∂(ey − x) ∂(y + sin x)

ZZ ZZ
W = − dxdy = −2 dxdy = −8π.
∂x ∂y
11
D D
H
Exercice 4.64. 1. Utiliser la formule de Green pour calculer C sin(x2 )dx + (3x − y)dy, où C
AT
est le triangle rectangle orienté de sommets (−1, 2), (4, 2), (4, 5).
3 3
2. Calculer ∂D (sin x − y3 )dx + ( y3 + sin y)dy, où D est la couronne 1 ≤ x2 + y 2 ≤ 2. réponse :
H
M
15π
2
Exercice 4.65. 1. Évaluer les intégrales curvilignes suivantes en appliquant la formule de

Green :
R
(a) C 2xydx + (x + y)dy où C est la courbe orientée allant de (0, 0) à (1, 1) le long de
y = x3 et de (1, 1) à (0,0) le long de y = x.
R
(b) C 2xydx+(x+y)dy où C est la frontière orientée du domaine compris entre les courbes
de y = 0 et y = 4 − x2 .
R
(c) C sin x cos ydx + √ (xy + cos x sin y)dy où C est la frontière orentée du domaine délimité
par y = x et y = x.
R
(d) C xydx + (x + y)dy où C est la frontière orientée du domaine 1 ≤ x2 + y 2 ≤ 9.
H
(e) C (−ydx + xdy) où C = C1 + C2 avec C1 le segment allant de (-1,0) à (1,0) et C2 le
demi cercle unité allant de (1,0) à (-1,0)
H
(f ) C y 3 dx − x3 y 2 dy où C est le cercle orienté de rayon 2 centré à l’origine.
92
4.4 Intégrale de surface
Nous avons vu que l’intégrale curviligne est une intégrale sur une courbe dans le plan ou dans
l’espace. Cependant, si nous voulons intégrer sur une surface (qui est un objet en dimension deux)
et non sur une courbe (qui est un objet en dimension un) dans l’espace, nous avons besoin de
l’intégrale de surface. L’intégrale de surface a beaucoup d’applications en physique, en ingénieurie.
Définition 4.66. Une surface paramétrée S est un ensemble de points (x, y, z) ∈ R3 tels que
x = x(u, v), y = y(u, v), z = z(u, v),
(u, v) ∈ D ⊂ R2 , x(u, v), y(u, v), z(u, v) étant des fonctions continues et différentiables sur D. Un
point de S est représenté par le vecteur r = r(u, v) = x(u, v)~i + y(u, v)~j + z(u, v)~k.
Exemple 4.67. 1. Le cylindre de rayon r est une surface de paramétrisation r(u, v) = (r cos u, r sin u, v),
0 ≤ u ≤ 2π, −∞ < v < ∞, voire figure 4.22.
21
20
0-
02
I2
UY
12
11
AT
M
Figure 4.22 –
2. La surface de paramétrisation r(u, v) = (u cos v, u sin v, u2 ), 0 ≤ u < ∞, 0 ≤ v < 2π a pour

équation x2 + y 2 = z et est représentée par la figure 4.23
3. Une paramétrisation de la surface x2 + y 2 = z 2 qui est au-dessus du plan z = −2 est
r(u, v) = (u cos v, u sin v, u), −2 ≤ u < ∞, 0 ≤ v < 2π.
Les vecteurs tangents au point r(u, v) = x(u, v)~i + y(u, v)~j + z(u, v)~k de S sont
∂x~ ∂y ~ ∂z ~ ∂x ∂y ∂z
ru = i+ j+ k et rv = ~i + ~j + ~k.
∂u ∂u ∂u ∂v ∂v ∂v
93
21
20
Figure 4.23 –
0-
02
Le vecteur normal à S au point r(u, v) a pour direction (voire la figure 4.24)
I2
     
 ∂y ∂z ∂y ∂x ~  ∂z ∂x ∂z ∂x  ~  ∂x ∂y ∂x ∂y  ~
UY
n = ru ∧ rv =  − i +  − j +  −  k. (4.4)
|∂u ∂v {z ∂v ∂u} |∂u ∂v {z ∂v ∂u} |∂u ∂v {z ∂v ∂u}
A B C
12
11
Définition 4.68. 1. Une paramétrisation r(u, v) est dite régulière si le produit vectoriel ru ∧ rv
est different du vecteur nul pour tout point (u, v).
AT
2. Une surface de paramétrisation r(u, v) est lisse si le produit vectoriel ru ∧ rv est non nul pour
tout u, v pris dans le domaine de paramétrisation.
M
Exemple 4.69. Soit la surface paramétrée r(u, v) = ((2 + cos v) cos u, (2 + cos v) sin u, sin v), 0 ≤
u < 2π, 0 ≤ v < 2π, on a ru = (−(2+cos v) sin u, (2+cos v) cos u, 0) et rv = (− sin v cos u, − sin v sin u, cos v).
Par suite
~i ~j ~k
ru ∧ rv = −(2 + cos v) sin u (2 + cos v) cos u 0
− sin v cos u − sin v sin u cos v
= (2 + cos v) cos u cos v~i + (2 + cos v) sin u cos v~j + (2 + cos v) sin v~k.
(2 + cos v) sin v = 0 si v = 0 ou v = π. Pour ces valeurs de v, on a (2 + cos v) sin u cos v = 0 si

u = 0 ou u = π. Mais ces valeurs de u et v ne peuvent pas annuler (2 + cos v) cos u cos v. Donc
ru ∧ rv 6= 0 pour tout choix de u et v.
Les paramétrisations considérées dans cette section seront supposées régulières.
94
21
20
Figure 4.24 – Vecteur normal et tangent
0-
02
Définition 4.70. 1. Un point r(u, v) = x(u, v)~i + y(u, v)~j + z(u, v)~k est dit régulier si les
I2
fonctions x(u, v), y(u, v), z(u, v) ont les dérivées partielles continues en (u, v) et de plus
UY
A2 + B 2 + C 2 > 0,
avec A, B, C définis à l’équation (4.4).

12
2. Une surface est dite simple si elle ne s’intersecte pas soit même.
11
∂x 2 ∂y 2 ∂z 2 ∂x ∂x ∂y ∂y ∂z ∂z

Soient E = ru · ru = ∂u + ∂u + ∂u , F = ru · rv = ∂u ∂v
+ ∂u ∂v
+ ∂u ∂v
et G = rv · rv =
√
AT
∂x 2
∂y
2 ∂z 2

+ ∂v + ∂v . Si r(u, v) est point régulier, alors ∆ = EG − F > 0. 2
∂v
M
Définition 4.71. L’aire d’une surface S est définie par

ZZ √
Aire(S) = EG − F 2 dudv,
D
Cette définition étant indépendante de la paramétrisation (u, v).

Exemple 4.72. Nous voulons déterminer l’aire de la sphère S : x2 + y 2 + z 2 = a2 . On pose (voire
la figure 4.25)
x = a sin θ cos φ, y = a sin θ sin φ, z = a cos θ,
avec D = {(θ, φ) ∈ R2 , 0 ≤ θ ≤ π, 0 ≤ φ ≤ 2π}.
On a
E = rθ · rθ = (a cos θ cos φ)2 + (a cos θ sin φ)2 + (−a sin θ)2 = a2 ,

F = rθ · rφ = (a cos θ cos φ)(−a sin θ sin φ) + (a cos θ sin φ)(a sin θ cos φ) + (−a sin θ) × 0 = 0,
G = rφ · rφ = (−a sin θ sin φ)2 + (a sin θ cos φ)2 = a2 sin2 θ,
95
21
20
Figure 4.25 – Coordonnées sphériques
0-
02
et par suite
I2
Z 2π Z π
Aire(S) = dφ a2 sin θdθ = 4πa2 .
0 0
UY
Exercice 4.73. 1. Déterminer l’aire de la surface S de paramétrisation r(u, v) = (u+v, u2 , 2v), 0 ≤

u ≤ 3, 0 ≤ v ≤ 2.
12
2. Montrer que l’aire du cylindre S de hauteur h : x2 + y 2 = r2 , 0 ≤ z ≤ h vaut 2πrh.

11
Définition 4.74. Soit S une surface de paramétrisation r(u, v) = (x(u, v), y(u, v), z(u, v)) de
∂x 2 ∂y 2 ∂z 2 ∂x ∂x ∂y ∂y ∂z ∂z

AT
frontière D. Soient E = ru · ru = ∂u + ∂u + ∂u , F = ru · rv = ∂u ∂v
+ ∂u ∂v
+ ∂u ∂v
et
∂x 2 ∂y 2 ∂z 2

G = rv ·rv = ∂v + ∂v + ∂v . On appelle intégrale de surface d’une fonction numérique
M
toute intégrale de la forme

ZZ ZZ √
f (x, y, z)dS = f (x(u, v), y(u, v), z(u, v)) EG − F 2 dudv,
S D
ou encore ZZ ZZ
f (x, y, z)dS = f (r(u, v))kru ∧ rv kdudv.
S D
Cette intégrale est indépendante du choix de la paramétrisation.

RR
Exemple 4.75. 1. On veut calculer S 5dS où S est la surface paramétrisée par r(u, v) =
(u, u2 , v), 0 ≤ u ≤ 2, 0 ≤ v ≤ u.
Dans ce cas, on ru = (1, 2u, 0), rv = (0, 0, 1) de sorte que
~i ~j ~k
√
ru ∧ rv = 1 2u 0 = (2u, −1, 0) et kru ∧ rv k = 1 + 4u2 .
0 0 1
96
2
2 u √ 2 √
ZZ Z Z Z
1 2 3/2 5
5dS = 5 1 + 4u2 dvdu = 5 u 1 + 4u2 du = 5 (1 + 4u ) = (173/2 −1).
S 0 0 0 3 0 3
RR
2. Calculer S (x + y 2 )dS où S est le cylindre x2 + y 2 = 4, 0 ≤ z ≤ 3.
Une paramétrisation de ce cylindre est donnée par r(u, v) = (cos u, sin u, v), 0 ≤ u ≤ 2π, 0 ≤
v ≤ 3. Ainsi ru = (− sin u, cos u, 0) et rv = (0, 0, 1). D’où
~i ~j ~k p
ru ∧ rv = − sin u cos u 0 = (cos u, sin u, 0) et kru ∧ rv k = cos2 u + sin2 u = 1.
0 0 1
Ainsi
ZZ Z 3 Z 2π Z 3 2π Z 3
2 2 u sin(2u)
(x+y )dS = (cos u+sin u)dudv = sin u + − dv = πdv = 3π.
S 0 0 0 2 4 0 0
RR
Exercice 4.76. Calculer S
(x − y)dS où S est le cylindre x2 + y 2 = 1, 0 ≤ z ≤ 2.
Définition 4.77. Soit f un champ de vecteurs sur un domaine D contenant une S de paramétri-
21
∧rv
sation r(u, v) et de vecteur normal N = krruu ∧rvk
. L’intégrale de surface de f sur S est le flux de f
20
à travers S et est définie par
0-
ZZ ZZ
f · N dS = f (r(u, v)) · (ru ∧ rv )dudv.
02
S D
I2
Exemple 4.78. Soit f (x, y) = (−y, x, 0) un champ de vecteurs et S une

RR surface de paramétrisation
2
r(u, v) = (u, v − u, u + v), 0 ≤ u ≤ 3, 0 ≤ v ≤ 4. On veut calculer S f · N dS.
UY
Nous avons ru = (1, −1, 1), rv = (0, 2v, 1) de sorte que ru ∧ rv = (−1 − 2v, −1, 2v). Il s’ensuit que
ZZ Z 4Z 3
12
f · N dS = (u − v 2 , u, 0) · (−1 − 2v, −1, 2v)dudv

S
Z0 4 Z0 3
11
2v 3 + v 2 − 2uv − 2u dudv

=
AT
Z0 4 0
= (6v 3 + 3v 2 − 9v − 9)dv
M
0
= 340.
Si f (x, y, z) = (P (x, y, z), Q(x, y, z), R(x, y, z)) on peut encore écrire l’intégrale de surface sous la
forme
ZZ ZZ ZZ
f · N dS = (P dydz + Qdzdx + Rdxdy) = f (r(u, v)) · (ru ∧ rv )dudv.
S S D
Exemple 4.79. Montrer que si S est la surface (x/a)2 + (y/b)2 + (z/c)2 = 1, alors
ZZ
dydz dzdx dxdy bc ac ab
I= + + = 4π + + .
S x y z a b c
On pose
x = a sin θ cos φ, y = b sin θ sin φ, z = c cos θ, 0 ≤ θ ≤ π, 0 ≤ φ ≤ 2π.
97

1 1
, 1 , rθ ∧rφ = bc sin2 θ cos φ, ac sin2

Alors f (r(θ, φ)) = ,
a sin θ cos φ b sin θ sin φ c cos θ
θ sin φ, ab cos θ sin θ .
f (r(θ, φ)) · (rθ ∧ rφ ) = bca + acb + abc sin θ et par suite

Par conséquent
ZZ Z 2π Z π
dydz dzdx dxdy bc ac ab
+ + = dφ + + sin θdθ
S x y z 0 0 a b c

bc ac ab
= 4π + + .
a b c
Théorème 4.80 (Théorème de Gauss ou théorème de la divergence normale). Soit T un domaine

normal par rapport à chacun des axes (Ox), (Oy), (Oz). Soient P, Q, R trois fonctions continues
sur T telles que ∂P
∂x
, ∂Q
∂y
et ∂R
∂z
soient continues. Alors
ZZZ ZZ
∂P ∂Q ∂R
+ + dxdydz = P dydz + Qdzdx + Rdxdy,
T ∂x ∂y ∂z S
où S est la frontière de T .
21
Si f est le vecteur de T −→ R3 de composantes P, Q, R, alors la divergence de f vaut
20
∂P ∂Q ∂R
divf = + + .
∂x ∂y ∂z
0-
02
La formule précédente devient
I2
ZZZ ZZ ZZ
divf dxdydz = f · N dS = f (r(u, v)) · (ru ∧ rv )dudv,
T S D
UY
où N est un vecteur normal à la surface S.

12
4.4.1 Théorème de Stoke

11
Le théorème de Stoke est une généralisation du théorème de Green.

AT
Soit S une surface orientée lisse de frontière une courbe fermée C paramétrée. Soit f (x, y, z) =
(P (x, y, z), Q(x, y, z), R(x, y, z)) un champ de vecteurs de composantes de classe C 1 sur un domaine
M
D contenant S. Alors Z ZZ
f · dr = rot(f ) · dS
C S
Nous rappelons ci-dessous comment calculer l’aire d’une surface paramétrée à l’aide d’une intégrale
double.
Théorème 4.81. Soient D un domaine plan de R2 de type (4.1) ou (4.2) et S une surface
paramétrée définie par r(u, v) = x(u, v)~i + y(u, v)~j + z(u, v)~k, où (u, v) ∈ D et r est une fonction
de classe C 1 sur D. Si S est couverte une seule fois lorsque (u, v) parcourt le domaine D, alors
l’aire de la surface S est le nombre
ZZ
∂x ∂y ∂z ~ ∂x ∂y ∂z
A(S) = kru ∧ rv k dxdy, où ru = ~i + ~j + k et rv = ~i + ~j + ~k.
D ∂u ∂u ∂u ∂v ∂v ∂v
98
Exemple 4.82 (Aire d’une sphère). On veut calculer l’aire d’une sphère de rayon R, de représen-
tation paramétrique x = R sin φ cos θ, y = R sin φ sin θ, z = R cos φ avec φ ∈ [0; π] et θ ∈ [0; 2π].
Notons r(φ, θ) = x(φ, θ)~i + y(φ, θ)~j + z(φ, θ)~k. Le produit vectoriel des vecteurs tangents est
R cos φ sin θ −R sin φ ~ R cos φ cos θ −R sin φ ~ R cos φ cos θ R cos φ sin θ
ru ∧ rv = i− j+ .
R sin φ cos θ 0 −R sin φ sin θ 0 −R sin φ sin θ R sin φ cos θ
Par suite on a krφ ∧ rθ k = R2 sin φ car sin φ ≥ 0. Nous obtenons alors

ZZ Z 2π Z π
A= krφ ∧ rθ kdφdθ = R2 sin φdφdθ = 4πR2 .
D 0 0
Intégrales doubles
1. Calculer les intégrales suivantes :
21
RR
(a) I = D (x2 − 7y 3 )dxdy avec D = [0; 7] × [3, 5].
20
RR
(b) D = {(x, y) ∈ R2 , 1 ≤ x ≤ a, 1 ≤ y ≤ b} et I = xyex+y dxdy.
D
0-
D = {(x, y) ∈ R2 , x ≥ 0, y ≥ 0, x2 + y 2 ≤ 1} et I = D x2y+1 dxdy.
RR
(c)
02
RR
(d) I = D x(y − ey )dxdy avec D = {(x, y) ∈ R2 , x ≥ 0, y ≥ 0, x + y ≤ 1}.
1
RR
I = D x+y+1 dxdydz avec D = {(x, y) ∈ R2 , 0 ≤ x ≤ 1, x2 ≤ y ≤ x}.
I2
(e)
RR
(f) I = D (x + y)ex+y dxdy avec D = {(x, y) ∈ R2 , 0 ≤ x ≤ 3, 1 ≤ y ≤ 2}.
UY
2. Calculer les intégrales suivantes (avec a > 0 et b > 0) :

RR
(a) I = D |x − y|dxdy avec D = {(x, y) ∈ R2 , 0 ≤ x ≤ a, 0 ≤ y ≤ a}.
12
2 2
(b) I = D xydxdy avec D = {(x, y) ∈ R2 , 0 ≤ x, 0 ≤ y, xa2 + yb2 ≤ 1}.
RR
11
(c) I = D x22xy
RR
+y 2
dxdy avec D = {(x, y) ∈ R2 , x2 + y 2 − 2y ≤ 0}.
AT

x−y
RR
(d) I = D exp x+y dxdy avec D = {(x, y) ∈ R2 , 0 ≤ x, 0 ≤ y, x + y ≤ 1}.
RR
(e) I = D |x + y|dxdy où D = {(x, y) ∈ R2 , |x| ≤ 1, |y| ≤ 1}.
M
3. Calculer l’aire du domaine délimité par les paraboles y 2 = 3 − x, y 2 = 3 − 3x et x ≥ 0.

4. Soit f une fonction de classe C 4 et D = {(x, y) ∈ R2 , 0 ≤ x ≤ a, 0 ≤ y ≤ b}. Calculer
4f
I = D xy ∂x∂2 ∂y
RR
2 (x, y)dxdy.
R
5. Appliquer le théorème de Green pour calculer C y 2 xdy − x2 ydx, où C est la courbe orientée
formée du demi-cercle x2 + y 2 = a2 (y ≥ 0) et du segment [−a, a] sur l’axe des abscisses.
Vérifier votre résultat en utilisant la définition de l’intégrale curviligne.
R
6. En utilisant la courbe C de l’exercice précédent, déterminer une fonction f telle que C f (y)dx+
x cos ydy = 0.
7. En changeant l’ordre d’intégration, montrer que
Z π/2 Z π/2
sin y
dx dy = 1.
0 x y
RR p
8. Calculer D a2 − x2 − y 2 dxdy, où D est le disque x2 + y 2 − ax ≤ 0.
99
RR
9. Calculer D exp(ax + by)dxdy, où D est le triangle formé par les droites d’équations x =
0, y = 0 et ax + by = 1 (a > 0, b > 0).
RR
10. Évaluer D (x4 − y 4 )dxdy, où D = {(x, y) ∈ R2 , 1 ≤ x2 − y 2 ≤ 2, 1 ≤ xy ≤ 2}.
11. Déterminer l’aire du domaine délimité par les courbes x2 + 2y 2 = 1, x2 + 2y 2 = 2, 2y = x,
y = 2x.
RR
12. Calculer D x2 y 2 (y 2 − x2 )dxdy où D est la partie du premier quadrant délimité par xy =
1, xy = 4, y = x + 1, y = x + 3. On pourra poser u = xy, v = y − x.
13. Calculer les intégrales suivantes
p √ √
1−8 2+9 3
RR
(a) R xy 1 + x2 + y 2 dxdy, R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 réponse : 15
1
RR
(b) R (x+y+1) 3 dxdy, R : 0 ≤ x ≤ 2, 0 ≤ y ≤ 1 réponse : 5/24
RR
(c) R x sin(xy)dxdy, R : 0 ≤ x ≤ 1, π ≤ y ≤ 2π réponse : 0
RR √
(d) R x cos(x2 + y)dxdy, R : − π ≤ x ≤ 0, 0 ≤ y ≤ π, réponse : 2
réponse : 41 (e2 − 1)
RR
(e) R x2 yexy dxdy, R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 2,
RR x2 π
(f) R 1+y 2 dxdy, R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 réponse : 12
21
RR x
(g) R y dxdy, R : 0 ≤ x ≤ 2, 1 ≤ y ≤ e réponse : 2
20
1
RR
(h) R ex−y dxdy, R : −1 ≤ x ≤ 1, −1 ≤ y ≤ 1, réponse : e2 + e2
−2
1
RR
(i) R xy(x2 + y 2 )dxdy, R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 réponse :
0-
(j) R cos(x + y)dxdy, R : − π4 ≤ x ≤ π4 , 0 ≤ y ≤ π4 ,
RR
réponse : 1
4
02
(k) R xy ln xy dxdy, R : 1 ≤ x ≤ e, 1 ≤ y ≤ 2, 3
RR 2

réponse : e − ln 2 + ln 2.
I2
4
14. Calculer les intégrales doubles sur les régions délimitées par D. Dans chaque cas, faire une
esquisse du domaine.
UY
√
(a) D x2 ydxdy, D : y = − x, y = x1 , x = 1, x = 2 − 11
RR
8
RR 2
√
(b) D xydxdy, D : y = −x + 4, y = 3 x, y = 0
12
33
RR
(c) D (x2 + y)dxdy, D : y = x2 , y 2 = x, réponse : 140
11
RR 2
(d) D xy2 dxdy, D : y = x1 , y = x, x = 2, réponse : 94
AT
√
réponse : 163 2
RR
(e) D dxdy, D : y = x2 , y = 4 − x2 ,
RR
(f) D 2xydxdy, D : y = x2 , y = 2 + |x|, réponse : 0
M
√ √
réponse : − 101
RR
(g) D (x + 2y)dxdy, D : y = − x, y = −2 x, 1 ≤ x ≤ 4, 10
15. Calculer les intégrales doubles suivants sur les domaines D en utilisant le changement de
coordonnées polaires, esquisser le domaine.
RR
(a) D (x2 + y 2 )dxdy, D : x2 + y 2 ≤ 4 réponse : 8π
RR p
(b) D x2 + y 2 − 9dxdy, D : x2 + y 2 ≤ 25, x2 + y 2 ≥ 9, réponse : 128π
3
RR
(c) D (x + y)dxdy, D : x2 + y 2 ≤ 2x, réponse : −π
réponse : − π2
RR
(d) D (x + y)dxdy, D : x2 + y 2 ≤ x + y,
RR p π
(e) D x2 x2 + y 2 dxdy, D : x2 + y 2 ≤ 1, y ≥ x, réponse : 10
(f) D √ 21 2 dxdy, D : x2 + y 2 ≥ 1, x2 + y 2 ≤ 4, y ≥ x,
RR
réponse : π.
x +y
16. Calculer le volume du solide délimité par les courbes suivantes. Esquisser une figure dans
chaque cas.
8
(a) y = x2 , y = 1, z = 0, z = 2y réponse : 5
100
1
(b) x = 0, y = 0, x + y = 1, z = 0, z = 2xy, réponse : 12
113
(c) x = 0, y = 1, 2x + y = 5, z = 0, z = xy, réponse : 96
17. Calculer le volume du solide dont les bases sont délimitées par y 2 = x + 2, y = −x, x = 2
et de hauteur 9. Esquisser une figure. réponse : 111
2
18. Calculer la surface du plan 2x + 2y + z = 8 délimité par les axes du repère. Esquisser une
figure. réponse : 24.
86
19. Calculer le volume de chacun des domaines représentés à la figure 4.26. réponses : 400 et 3
21
20
Figure 4.26 – 0-
02
I2
RR
20. Calculer I = (x + yex )dxdy sur le triangle de sommets (0; 1), (0; −2), (2; 3).
RRD
21. Calculer I = D (x + 3y)dxdy sur le demi-disque unité se trouvant dans le demi-plan x ≥ 0.
UY
22. Calculer D (x + y)dxdy où D est le quadrilatère de sommets (0, 0), (5, 0), 52 , 52 , 52 , − 25
RR
en utilisant la transformation x = 2u + 3v et y = 2u − 3v. réponse : 125 4

12
RR
23. Évaluer D (x2 − xy + y 2 )dxdy où D est le domaine x2 − xy + y 2 ≤ 2 en utilisant la
√ q √ q
11
transformation x = 2u − 23 v, y = 2u + 23 v. réponse : √ 4π
3
.
AT
Intégrales triples
M
1. Calculer les integrales triples suivantes :

x y z dxdydz avec a, b, c ∈ R∗+ où D = {(x, y, z)R3 , 0 ≤ x ≤ 1, 0 ≤ y ≤
RRR a b c
(a) I = D
1, 0 ≤ z ≤ xy}.
1
RRR
(b) I = D 1+x+y+z
dxdydz où D = {(x, y, z) ∈ R3 , 0 ≤ x, 0 ≤ y, 0 ≤ z, x + y + z ≤ 1}.
RRR
(c) I = D
dxdydz avec D = {(x, y, z) ∈ R3 0 ≤ x, 0 ≤ y, z ≤ 5, x−y +z ≥ 1, x2 +y 2 ≤
4}.
2. Calculer les intégrales suivantes :
RRR
(a) I = (xy + xz + yz)dxdydz où D = {(x, y, z) ∈ R3 , x2 + y 2 + z 2 ≤ R2 }.
RRRD 2
(b) I = D
z dxdydz où D = {(x, y, z) ∈ R3 , x2 + y 2 ≤ R2 , 0 ≤ z ≤ h}.
RRR x2 y2 z2 x2 y2 2
(c) I = D a 2 + b 2 + c 2 dxdydz où D = { a 2 + b2
+ zc2 ≤ 1}.
RRR
(d) I = |x2 − y 2 |dxdydz avec D = {(x, y, z) ∈ R3 , x2 + y 2 ≤ z 2 , 0 ≤ z ≤ 1}.
RRR D
3. Calculer D
(x − y + z)dxdydz, où R = {(x, y, z) ∈ R3 , 1 ≤ x ≤ 2, 2 ≤ y ≤ 3, 1 ≤ z ≤ 3}.
101
RRR p
4. Calculer E
exp( (x/a)2 + (y/b)2 + (z/c)2 )dxdydz, où E = {(x, y, z) ∈ R3 , (x/a)2 +
(y/b)2 + (z/c)2 ≤ 1}.
RRR 3
5. Évaluer T
(x + y 3 + z 3 )dxdydz, où T est l’intérieur de la sphère x2 + y 2 + z 2 − 2a(x +
2
y + z) + 2a = 0.
RRR 2
6. Montrer que T
(x + y 2 + z 2 )dxdydz = a5 /20, où T est le domaine délimité par x = 0, y =
0, z = 0, x + y + z = a, a > 0.
RRR
7. Évaluer E
((x/a)2 + (y/b)2 + (z/c)2 ) x2 y 2 z 2 dxdydz, où E = {(x, y, z) ∈ R3 , (x/a)2 +
(y/b)2 + (z/c)2 ≤ 1}.
8. Vérifier le théorème de Stokes lorsque S = {(x, y, z) ∈ R3 , x2 + y 2 + z 2 = a2 , z ≥ 0},
P = −y, Q = x, R = 0.
Intégrales curvilignes
1. Répondre par vrai ou faux.
(a) Les vecteurs r1 (t) = t~i + t2~j, 0 ≤ t ≤ 1 et r2 (t) = (1 − t)~i + (1 − t2 )~j, 0 ≤ t ≤ 1
définissent la même courbe orientée.
21
R R
(b) −C (P dx + Qdy) = C (P dx − Qdy).
20
R
(c) Si la courbe C a pour paramétrisation x(t) = t, y(t) = t, 0 ≤ t ≤ 1, alors C xydS =
R1 2
0
t dt.
0-
02
2. Évaluer C √dx+dy
R
, où C est la circonférence du carrée −1 ≤ x, y ≤ 1.
x2 +y 2
I2
R dx−dy
3. Évaluer C x+y+1 , où C est la circonférence du triange D = {(x, y) ∈ R2 , x ≥ 0, y ≥ 0, x+y ≤
UY
0}.
4. RMontrer que si C est la circonférence du cercle x = a cos t, y = a sin t, 0 ≤ t ≤ 2π, alors
xdy−ydx
C x2 +y 2
= 2π.
12
R
5. Évaluer C xdy − ydx + zdz, où C a pour paramétrisation x = a cos t, y = a sin t, z = bt, 0 ≤
11
t ≤ 2π.
AT
6. Faite une esquisse de la courbe C de paramétrisation x = a sin(2t), y = b cos(t), 0 ≤ t ≤ 2π,

puis détterminer l’aire de ce domaine.
M
7. Calculer les intégrales suivantes sur les courbes orientées données :

R
(a) C (x + y)dS, C : x(t) = t, y(t) = (1 − t), z = 0 de (0, 1, 0) à (1, 0, 0).
R
(b) C (x − y)dS, C : r(t) = (4t, 3t), 0 ≤ t ≤ 2.
(c) C (x2 + y 2 + z 2 )dS, r(t) = (sin t, cos t, 8t), 0 ≤ t ≤ π2 .
R
R
(d) C xy 4 dS, C : x2 + y 2 = 16, x ≤ 0.
R
(e) C 4x3 dS, C est le segment allant de (−2, −1) à (1, 2).
R
8. Évaluer C f · dr, où f (x, y) = (0, −1) et C est la partie du graphe y = 12x3 − x allant de
(2, 2) à (−2, −2).
9. Évaluer C (x2 + y 2 + z 2 )−1 dS, où C a pour paramétrisation x = cos t, y = sin t, z = t, 0 ≤
R
t ≤ T.
R
10. Évaluer C yzdx + xzdy + xydz sur le segment allant de (1, 1, 1) à (3, 2, 0).
11. Évaluer le flux de f à travers les courbes données :
(a) f (x, y) = (x2 , y), C est le segment allant de (0,0) à (1,2).
102
(b) f (x, y) = (5, 0), C est la courbe y = 0, 0 ≤ x ≤ 4.
(c) f (x, y) = (0, 5), C est la courbe y = 0, 0 ≤ x ≤ 4.
(d) f (x, y) = (−y, x), r(t) = (cos t, sin t), 0 ≤ t ≤ 2π.
(e) f (x, y) = (x2 + y 3 , 2xy), C : x2 + y 2 = 9.
12. On considère une surface métallique d’équation z = 1 + x + 2y, avec 0 ≤ x ≤ 4 et 0 ≤ y ≤ 2.
Si la densité de cette feuille métalique vaut ρ(x, y, z) = x2 yz, calculer sa masse.
13. Une pièce de metal a la forme d’une paraboloïde d’équation z = x2 + y 2 , 0 ≤ z ≤ 4. La
densité du metal étant donnée par ρ(x, y, z) = z + 1, calculer la masse de cette pièce en
métal.
Intégrales de surface
1. Déterminer l’aire de la surface x = (a + b cos u) cos v, y = (a + b cos u) sin v, z = b sin u,
a > b, 0 ≤ u ≤ 2π, 0 ≤ v ≤ 2π, qui est la surface engendrée par le cercle de rayon b tournant
perpendiculairement au plan (x, y) de sorte que son centre decrive le cercle x2 + y 2 = a2 .
RR
21
2. Calculer l’intégrale de surface S z 2 dxdy, où S est la sphère x2 + y 2 + z 2 = a2 .
RR
3. Évaluer S xdS, où S est la surface d’équation z = 2 − (x2 + y 2 ) avec z ≥ 0.
20
RR p
4. Montrer que S x2 + y 2 + (z − p)2 dS, où S est la surface de la sphère x2 + y 2 + z 2 =
a2 , a > 0, vaut 4πa si 0 < p < a et 4πa2 /p si p > a. 0-
02
I2
UY
12
11
AT
M
103
Bibliographie
[1] Claude Deschamps, André Warusfel, Francois Moulin, Jean francois Ruaud, Anne Miquel,
Jean-Claude Sifre : Mathématiques tout en un première année : cours et exercices corrigés,
deuxième édition ; Dunod, Paris, 2003.
[2] Erwin Kreyszig : Advanced Engineering Mathematics, Tenth edtion ; John Wiley & Sons Inc,
USA, 2011.
[3] Fréderic Bertrand, Myriam Maumy-Bertrand, Sandie Ferrigno, Didier Marx, Aurélie Muller-
Gueudin : Mathématiques pour les Sciences de l’Ingénieurie : Tout le cours en fiches, Li-
21
cence,Prépas,IUT ; Dunod, Paris, 2013.
20
[4] Marie Allano-Chevalier, Xavier Oudot : H Prepa Tout en un première année Maths PCSI-
PTSI ; Hachette Supérieur, Paris, 2008.
0-
[5] Nourddine El Jaouhari, Calcul différentiel et calcul intégral, Dunod, 2017.
02
[6] Paul Seeburger, MCC : MTH 212, Calculus III ; Monroe Community College, LibreTexts,
I2
https ://LibreTexts.org
UY
12
11
AT
M
104

Cours MAT1112 Chap 1 2 3 4 F

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours MAT1112 Chap 1 2 3 4 F

Transféré par

Droits d'auteur :

Formats disponibles

Université de Yaoundé 1

Faculté des Sciences

(b) Dr. Tcheutia Daniel Duviol, email : daniel-duviol.tcheutia@facsciences-uy1.cm

L’objectif de ce cours est de familiariser l’étudiant au calcul différentiel et à la géométrie des

courbes et surfaces en vue de leur utilisation en sciences physiques.

1 Matrices et systèmes linéaires 4

1.4.1 Calcul du déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . 10

1.5 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofacteurs . . . . 13

1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de Gauss . 14

1.6 Systèmes d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.6.1 Résolution par substitution . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2 Espaces vectoriels et Applications linéaires 24

3 Fonctions de plusieurs variables réelles 41

4.2 Intégrales triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

4.2.1 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

4.3 Intégrales curvilignes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

4.3.1 Notion de courbe ou chemin . . . . . . . . . . . . . . . . . . . . . . . . . . 85

4.3.3 Intégrale curviligne d’un champ de vecteurs . . . . . . . . . . . . . . . . . 87

4.3.4 Théorème de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

Matrices et systèmes linéaires

5. On dit que A est . . . . . . de B et que B est . . . . . . de A.

– savoir échélonner une matrice

Le premier indice i de aij désigne le numéro de la ligne et le second indice j le numéro de la

an1 an2 . . . . . . ann

– antisymétrique si t A = −A, où −A = (−aij ) est la matrice obtenue en multipliant par

−2 6 0  est une matrice symétrique,  2 0 7 est une matrice antisymétrique.

T r(A) = a11 + a22 + . . . + ann .

1.2 Opérations sur les matrices

1.2.1 Addition des matrices

1.2.3 Produit de deux matrices

Soient A ∈ Mnp (K), B ∈ Mpq (K) et C ∈ Mqr (K), on a :

= , donc est une matrice nilpotente.

1.4 Déterminant d’une matrice carrée

1.4.1 Calcul du déterminant d’une matrice carrée

Si on developpe par rapport à une colonne j, en posant Mij le déterminant de la matrice

det(A) = (−7) × 2 × 9 + (−4) × 3 × 9 + 6 × 8 × (−6) − 9 × 2 × 6 − (−6) × 3 × (−7) − 9 × 8 × (−4)

Développer suivant la deuxième ou la troisième colonne et comparer les resultats.

1.4.2 Quelques propriétés du déterminant

1. Si A, B sont deux matrices carrées d’ordre n, alors det(AB) = det(A) det(B).

On a det(A) = −1. La matrice B est obtenue en multipliant la première ligne de A par 2 et

nous avons det(B) = −2 = 2 det(A). La matrice C est obtenue en multipliant la première

1.5 Inverse d’une matrice carrée

Puisque A×A−1 = In , alors on a det(A×A−1 ) = det(In ) ⇔ det(A) det(A−1 ) = 1, donc det(A−1 ) =

1.5.1 Inverse d’une matrice carrée inversible d’ordre 2

Soit A = une matrice carrée d’ordre 2. Si det(A) = ad − bc 6= 0, alors A est inversible et

1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofac-

5. L’inverse de la matrice A est donné par

A−1 = × Adj(A) =  20 −15 −4 .

1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de

où a1 , a2 , . . . , ap et b sont des nombres réels donnés.

revient à déterminer les inconnues x1 , x2 , . . . , xp . Ce système peut avoir :

– une unique solution

1.6.1 Résolution par substitution

1.6.2 Résolution par la méthode du pivot de Gauss

Ce système peut encore s’écrire sous la forme matricielle

Pour résoudre ce système, on part de la matrice augmentée 0-

échelonnée (en lignes).

Si 9a − 4 6= 0 c’est-à-dire a 6= 94 , alors ce système n’admet pas de solution.

On obtient alors le système −36y − 62z = 44 . La dernière équation donne z = −1. En

1.6.3 Autre méthode pour calculer l’inverse d’une matrice

pour trouver x, y, z en fonction de x0 , y 0 , z 0 et en extraire A−1 . Résolvons donc le système à l’aide

On déduit de la dernière ligne que 5z = x0 − 2y 0 + 3z 0 donc z = 51 (x0 − 2y 0 + 3z 0 ). La deuxième