Maths Phys L3

hs
at
M
RI
OU
Mathématiques pour Physiciens
Celsus Bouri
sB
lsu
Ce
hs
at
M
RI
OU
sB
lsu
Ce
Cours de Mathématiques pour Physiciens Licence: 2 Celsus Bouri c 2021/2022

hs
at
M
RI
OU
Mathématiques pour Physiciens

sB
Celsus Bouri
lsu
Ce
hs
at
M
RI
OU
sB
lsu
Ce

Table des matières
hs
1 Distributions 13
1.1 Présentation intuitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
at
1.2 Fonctionnelle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
M
1.2.2 Opérations sur les distributions. Dérivation . . . . . . . . . . . . . . 15
1.2.3 Quelques distributions courantes . . . . . . . . . . . . . . . . . . . 16
1.3 En guise de conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
RI
1.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Espace de Hilbert 23
OU
2.1 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Géométrie des espaces vectoriels normés . . . . . . . . . . . . . . . 24
2.1.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
sB
2.1.5 Complétude des espaces vectoriels . . . . . . . . . . . . . . . . . . . 25

2.1.6 Quelques exemples d’espaces de Hilbert . . . . . . . . . . . . . . . . 26
2.1.7 Bases d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . 26
lsu
2.2 Endomorphismes sur les espaces de Hilbert . . . . . . . . . . . . . . . . . . 28

2.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3 Groupe unitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Ce
2.2.4 Endomorphisme hermitique . . . . . . . . . . . . . . . . . . . . . . 30

2.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Fonctions à variable complexe 33

3.1 Fonctions d’une variable complexe . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Relations de Cauchy-Riemann . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3 Séries en puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4 Fonctions et branches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5 Singularités et zéros des fonctions complexes . . . . . . . . . . . . . . . . . 36
3.6 Transformations conformales . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3
TABLE DES MATIÈRES
3.7 Intégrales complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.8 Théorème de Cauchy (1825) . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.9 Formule intégrale de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.10 Séries de Taylor et de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.11 Théorème des résidus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.12 Intégrales définies et utilisation du contour d’intégration . . . . . . . . . . 42
3.12.1 Intégrales des fonctions rationnelles . . . . . . . . . . . . . . . . . . 42
3.12.2 Produit des fonctions rationnelle et trigonométrique . . . . . . . . . 42
3.12.3 Fonctions de fonctions trigonométriques . . . . . . . . . . . . . . . 43
hs
3.13 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4 Transformations intégrales 45
at
4.1 Transformations de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.1 Définition et formule d’inversion . . . . . . . . . . . . . . . . . . . . 45
M
4.1.2 Propriétés de la transformation de Fourier . . . . . . . . . . . . . . 47
4.1.3 Fonctions paire et impaire . . . . . . . . . . . . . . . . . . . . . . . 47
4.1.4 Convolution et déconvolution . . . . . . . . . . . . . . . . . . . . . 48
RI
4.1.5 Fonction de corrélation et spectre d’énergie . . . . . . . . . . . . . . 49
4.1.6 Théorème de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.1.7 Transformée de Fourier à plusieurs dimensions . . . . . . . . . . . . 50
OU
4.1.8 Transformées de Fourier des distributions . . . . . . . . . . . . . . . 50

4.2 Transformations de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.2 Propriétés des transformations de Laplace . . . . . . . . . . . . . . 54
sB
4.2.3 Transformées de Laplace des dérivées et intégrales . . . . . . . . . . 55

4.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5 Equations aux dérivées partielles 59

lsu
5.1 Solutions générales et particulières . . . . . . . . . . . . . . . . . . . . . . 59

5.1.1 EDP de premier ordre (EDPO) . . . . . . . . . . . . . . . . . . . . 59
5.1.2 EDP de second ordre (EDPSO) . . . . . . . . . . . . . . . . . . . . 62
5.2 Séparation des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Ce
5.3 Méthodes des transformations intégrales . . . . . . . . . . . . . . . . . . . 65

5.4 Introduction aux fonctions de Green . . . . . . . . . . . . . . . . . . . . . 68
5.4.1 Fonctions de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4.2 Problèmes aux valeurs limites . . . . . . . . . . . . . . . . . . . . . 70
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6 Equations intégrales 77
6.1 De l’équation différentielle à une équation intégrale . . . . . . . . . . . . . 77
6.2 Types d’équations intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.3 Notation opératorielle et existence des solutions . . . . . . . . . . . . . . . 78

TABLE DES MATIÈRES
6.4 Solutions fermées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

6.4.1 Noyaux séparables . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4.2 Méthode des transformations intégrales . . . . . . . . . . . . . . . . 79
6.4.3 Différentiation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.5 Séries de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.6 Théorie de Fredholm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.7 Théorie de Schmidt-Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
hs
7 Calcul variationnel 91
7.1 Problème variationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
7.1.1 Equation d’Euler-Lagrange . . . . . . . . . . . . . . . . . . . . . . . 92
at
7.1.2 Identité de Beltrami . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7.1.3 Cas de plusieurs variables dépendantes . . . . . . . . . . . . . . . . 95
M
7.1.4 Cas de plusieurs variables indépendantes . . . . . . . . . . . . . . . 96
7.1.5 Variation seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
7.1.6 Problèmes variationnels avec contraintes . . . . . . . . . . . . . . . 99
7.2 Dynamique lagrangienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
RI
7.2.1 De Newton à Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . 101
7.2.2 Densités lagrangiennes . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.3 Dynamique hamiltonienne . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
OU
7.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

sB
lsu
Ce

TABLE DES MATIÈRES
Université de Douala Faculté des Sciences

Département de Physique
Mathématiques pour les Sciences Physiques
PHY 325
Cours
Titre : Mathématiques pour Sigle : PHY 325
hs
les Sciences Physiques
Crédits : Session : S1 Licence PHYS
Cours : 4 heures/semaine Travail personnel : 8 heures/semaines
at
Enseignant
M
Nom : Celsus BOURI Tél : 670 52 62 62 / 697 97 47 27
E-mail : bouricelsus@yahoo.fr
RI
Place du cours dans le programme
OU
Type de cours : Obligatoire

Pré-requis : Analyse, Algèbre linéaire
Objectifs généraux
sB
Amener l’étudiant à connaître les différents outils mathématiques (Analyse, Algèbre

linéaire) nécessaires à la résolution des problèmes rencontrés en Physique.
lsu
Méthode pédagogique
1. Cours magistral en présentiel ou en ligne

Ce
2. Séance de travaux dirigés (2 heures/semaine)

3. Suivi personnalisé des apprenants
4. Devoirs corrigés et revus en classe
Evaluation
1. Moyens d’évaluation : 1 examen, 1 contrôle continu, Travail personnel de l’étudiant

2. Types de question : Problèmes à résoudre et questions de développement et de
réflexion

TABLE DES MATIÈRES
Plan du cours
1. Introduction
2. Distributions
3. Espace de Hilbert
4. Fonctions à variable complexe
5. Transformations intégrales
6. Equations aux dérivées partielles
hs
7. Equations intégrales
8. Calcul variationnel
at
Bibliographie
M
1. K. F. Riley, M. P. Hobson et S. J. Bence, Mathematical Methods for Physics and
Engineering, Cambridge University Press, 2007
RI
2. T. J. Barth, M. Griebel, D. E. Keyes, R. M. Nieminen, D. Roose and T. Schlick,
Numerical Methods for General and Structured Eigenvalue Problems, Springer,
2005
OU
sB
lsu
Ce

TABLE DES MATIÈRES
hs
at
M
RI
OU
sB
lsu
Ce

Table des matières
hs
at
M
RI
OU
sB
lsu
Ce
9
TABLE DES MATIÈRES
hs
at
M
RI
OU
sB
lsu
Ce

Introduction
hs
« Innocent light-minded men who think that astronomy
be learn by looking at the stars without knowledge of
at
mathmatics will, in the next life, be birds »
M
(Plato, Timaeos)
RI
La connaissance des méthodes mathématiques est importante pour un nombre croissant de
cours dans les universités, particulièrement en Physique, science de l’ingénieur et en chimie mais
aussi dans d’autres domaines scientifiques. Les étudiants concernés par cet enseignement ont
OU
divers profils et leurs connaissances varient de manière notoire.

Ce cours est organisé en sept chapitres. Le premier concerne les distributions dont l’utilisation
en Physique laisse des questionnements et on espère donner quelques éléments de réponse. Les
étudiants de Physique sont presque toujours confrontés à la manipulation des quantités complexes
sB
qui font l’objet du deuxième chapitre. On y introduit notamment la notion de contour d’intégrale
qui est utilisé au chapitre trois qui concerne les transformations intégrales. Les différentes trans-
formations alors étudiées sont utilisées dans la résolution des équations aux dérivées partielles du
chapitre quatre. Dans la continuité des équations généralement rencontrées en Physique, nous
lsu
nous intéressons dans la suite au chapitre cinq aux équations intégrales qui clôturent la partie
analyse de ce cours. Puis, nous étudions l’espace de Hilbert, espace des êtres mathématiques de la
Mécanique Quantique au chapitre six et nous terminons ce cours avec des notions de probabilité
Ce
où nous tâchons dans la mesure du possible de passer en revue les concepts fondamentaux de
cette théorie mathématique.
Précisons que durant ce cours de méthodes mathématiques pour Physiciens, nous nous
sommes efforcés d’éviter des questions strictement mathématiques comme l’existence d’une limite
ou la permutation d’une somme et d’une intégrale pour ne citer que ces exemples, sous le prétexte
qu’il s’agit d’« un monde réel, il doit se comporter de manière raisonnable ». Nous avons fait
l’effort chaque fois que cela a été possible de donner d’exemple afin de faciliter a compréhension
des concepts introduits dans ce cours.
Pour terminer, nous invitons tout lecteur à faire de suggestions, de critiques et de remarques
dans le souci de fournir aux étudiants des notes de cours bien élaborées.
11
TABLE DES MATIÈRES
hs
at
M
RI
OU
sB
lsu
Ce

Chapitre Premier
Distributions
hs
« ... the source of all great mathematics is the special case,
at
the concrete example. It is frequent in mathematics that
every instance of a concept of seemingly great generality
M
is in essence the same as a small and concrete special case. »
(Paul Richard HALMOS, 1916-2006)
RI
Nous introduisons dans ce chapitre des notions élémentaires à la théorie des distributions. Ce
chapitre a pour objectif principal de légitimer par des arguments simples des opérations courantes
OU
en Physique dont la nature symbolique pourrait faire douter de leur validité.
1.1 Présentation intuitive

La notion de distribution est une généralisation de celle de fonction. Considérons une charge
sB
ponctuelle fixe q répérée par le rayon vecteur ~r0 . On sait que le potentiel électrostatique U créé
~ par cette charge est donné par la fonction
au point R

~ ~r0 = 1 q
U R, . (1.1.1)
lsu
4πε0 R
~ − ~r0
S’il s’agit par contre d’une distribution continue de charge, on définit la densité de charge comme
la limite du rapport
Ce
Qr
ρ (~r) = lim (1.1.2)
Vr →0 Vr
où Qr est la somme des charges contenues dans un volume Vr autour du point ~r. Dans ces
conditions la charge totale de la distribution est
ˆ
Q= ρ (~r) d3 r, (1.1.3)
D
quant au potentiel électrostatique, il s’écrit

ˆ

~ = 1 ρ (~r) 3
U R d r. (1.1.4)
4πε0 D ~ − ~r
R
13
Distributions
A la réflexion, on observe que le cas d’une charge ponctuelle q n’apparaît pas à ce stade comme
un cas particulier de la distribution continue. En effet, il est impossible de définir une fonction
ρponct (~r) jouant le rôle d’une densité : avec la définition ci-dessus, cette “fonction” serait nulle
partout sauf en un point où on ne sait pas trop quelle valeur lui donner (∞ ?). Toute intégrale
impliquant un tel objet est visiblement dénuée de sens.
Cette impossibilité est ennuyeuse, mais peut être levée par un processus de limite approprié.
Par exemple, on peut définir une densité de charge très “pointue”, ρδVr0 (~r), définie comme une
q
fonction prenant la valeur constante dans un petit volume δVr0 centré sur ~r0 et la valeur
´
δVr0
0 partout ailleurs ; avec cette fonction, l’intégrale D ρδVr0 (~r) d3 r est parfaitement définie, vaut
hs
justement q par construction, et ce quelle que soit la valeur de δVr0 - en particulier à la limite
δVr0 → 0.
Si on définit
at
1
δ (~r − ~r0 ) = ρδVr0 (~r) (1.1.5)
q
on a ˆ
M
δ (~r − ~r0 ) d3 r = 1 (1.1.6)
D
La fonction δ est appelée distribution de Dirac.

RI
1.2 Fonctionnelle linéaire
1.2.1 Définition
OU
Dans le cas des fonctions d’une seule variable, l’analogue de (1.1.6) est
ˆ
(δx0 , 1) = δ (x − x0 ) dx = 1 (1.2.1)
D
sB
Plus généralement, une distribution permet d’associer un nombre à unce certaine fonction appelée
fonction-test supposée nantie de bonnes propriétés que l’on précisera. La distribution de Dirac
peut être considérée comme la limite de certaines suites de précurseurs définies par
1. Fonction créneau
lsu
(
1
0, |x| > 2
δ (x) = 1
(1.2.2)
, |x| < 2
2. Fonction lorentzienne
Ce
1
δ (x) = (1.2.3)
π 1 + 2 x2
3. Fonction gaussienne r
−x2
δ (x) = e (1.2.4)
π
Si on se donne une fonction φ (x), on a
ˆ
(δ, φ) = δ (x − x0 ) φ (x) dx = φ (x0 ) (1.2.5)
D
si x0 D, sinon cette intégrale est nulle. De manière générale, une fonction f (x) est appelée
distribution si elle permet d’associer un nombre (f, φ) à toute bonne fonction φ (x) suivant

1.2. FONCTIONNELLE LINÉAIRE
l’égalité ˆ
(f, φ) = f (x) φ (x) dx (1.2.6)
D
1.2.2 Opérations sur les distributions. Dérivation
Opérations algébriques élémentaires
La somme de deux distributions est une distribution :
f = g + h ⇐⇒ (f, φ) = (g + h, φ) (1.2.7)
hs
Par conséquent, en choisissant g = −h, on obtient une distribution nulle.
On peut définir la distribution d’une fonction linéaire ax + b comme (f (ax + b) , φ) soit
at
ˆ
(f (ax + b) , φ) = f (ax + b) φ (x) dx (1.2.8)
D
M
Effectuons un changement de variable en posant X = ax + b, alors
ˆ
1 X −b
(f (ax + b) , φ) = f (X) φ dX (1.2.9)
|a| a
RI D
En particulier pour la distribution de Dirac, on a

ˆ
1 X −b 1 b
OU
(δ (ax + b) , φ) = δ (X) φ dX = φ − (1.2.10)

|a| D a |a| a
que l’on peut traduire par

1 b
δ (ax + b) = δ x+ (1.2.11)
|a| a
sB
Ce résultat se généralise à toute fonction u (x) monotone par morceaux

X 1
δ (u (x)) = δ (x − xk ) (1.2.12)
|u0 (x k )|
k
lsu
xk étant les zéros de u (x).
Dérivation
Ce
Soit à calculer la dérivée d’une distribution (f 0 , φ). Partant de la définition, on a

ˆ
0
f 0 (x) φ (x) dx

f ,φ = (1.2.13)
D
En effectuant une intégration par parties, il vient

ˆ
0
f (x) φ0 (x) dx = − f, φ0

f ,φ = − (1.2.14)
D
et plus généralement
f (p) , φ = (−1)p f, φ(p) (1.2.15)

Distributions
Opérations diverses
1. Toute combinaison linéaire de distributions est une distribution
2. Soit à calculer (ψf, φ) où ψ est une assez bonne fonction. On a

ˆ
(ψf, φ) = ψ (x) f (x) φ (x) dx = ψ (0) φ (0) = ψ (0) (f, φ) (1.2.16)
D
ainsi donc, on a en particulier

ψ (x) δ = ψ (0) (1.2.17)
hs
Une conséquence immédiate, triviale mais importante, est obtenue avec
(x − x0 ) δ (x − x0 ) = 0 (1.2.18)
at
Cette égalité montre que l’équation (x − x1 ) f (x) = 0 au sens des distributions admet
M
une solution f (x) = Cδ (x − x1 ) où C est une constante. Plus généralement, si Pn (x) est
un polynôme de degré n tel que Pn (xk ) = 0, xk ∈ R, alors l’équation
Pn (x) f (x) = 0 (1.2.19)

RI
admet comme solution la combinaison linéaire
OU
X
f (x) = Ck δ (x − xk ) (1.2.20)
k
C’est ainsi que l’équation ω 2 − ω02 f (ω) = 0 admet comme solution f (ω) = C+ δ (ω − ω0 )+

C− δ (ω + ω0 ), les coefficients C± étant quelconques. De telles équations dans une vision

sB
ordinaire seraient déclarées dépourvues de solution.
3. Calculons maintenant (ψf )0 , φ .

ˆ
0
(ψ (x) f (x)) 0φ (x) dx = ψf 0 , φ + ψ 0 f, φ

(ψf ) , φ = (1.2.21)
lsu
1.2.3 Quelques distributions courantes

Ce
Il s’agit ici d’une part de revisiter des opérations élémentaires sur les fonctions ordinaires en
les prenant comme des distributions, d’autre part de définir (ou redéfinir) les distributions les
plus courantes en pratique, les reformulant comme on le fait habituellement en Physique. Une
fois que l’on a montré qu’une fonction ordinaire est un cas particulier de fonction généralisée, on
peut, avec une telle fonction, appliquer les règles déjà établies pour les distributions.
Par exemple, il s’avère que la fonction sgn (x), qui est bien une fonction assez ordinaire, a
une dérivée non triviale au sens des distributions. A partir de
(
−1 x < 0
sgn (x) = (1.2.22)
+1 x > 0

1.2. FONCTIONNELLE LINÉAIRE
on a
ˆ 0 ˆ ∞
0
(sgn (x)) , φ = − (sgn (x)) , φ0 = −

(−1) φ (x) dx − (+1) φ (x) dx = 2φ (0) (1.2.23)
−∞ 0
il vient donc
(sgn (x))0 = 2δ (0) (1.2.24)
De la même façon, on voit que la dérivée de la fonction de Heaviside H (x)

(
0 x<0
H (x) = (1.2.25)
hs
+1 x > 0
est la distribution δ (x).
at
En conséquence de (1.2.21), on (H (x) ψ (x))0 = δ (x) ψ (x) + H (x) ψ 0 (x). Soit la fonction
(discontinue) g (x) = ψ1 (x) + ψ2 (x) H (x). On a g (0− ) = ψ1 (0), g (0+ ) = ψ1 (0) + ψ2 (0). Sa
M
dérivée au sens des distributions donne
g 0 (x) = ψ10 (x) + δ (x) ψ2 (0) + H (x) ψ20 (x)

RI (1.2.26)
soit encore
g 0 (x) = ψ10 (x) + H (x) ψ20 (x) + δ (x) [g (0+ ) − g (0− )] (1.2.27)
OU
d’où la règle : quand on dérive au sens des distributions une fonction discontinue, il apparaît en
plus des termes ordinaires des distributions de Dirac concentrées aux points des sauts avec un
poids égal à la hauteur du saut.
En Physique Quantique, on rencontre souvent des objets comme

sB
ˆ +∞
I (ω) = i eiωt dt (1.2.28)
0
qui, tels quels, n’ont pas de sens et doivent être régularisés. Cette régularisation doit être faite
lsu
sur des bases physiques afin de la nantir d’un ses. Le plus souvent, un argument physique permet
de convaincre que l’intégrale (1.2.28) apparaît dans un calcul où l’inadvertance a fait délaisser
un petit paramètre γ > 0, une fois celui-ci rétabli, on a
ˆ
Ce
+∞
Iγ (ω) = i ei(ω+iγ)t dt (1.2.29)
0
qui est une intégrale parfaitement défini et qui vaut
1 1 ω γ
Iγ (ω) = −i = = 2 2
−i 2 (1.2.30)
γ − iω ω + iγ ω +γ ω + γ2
Maintenant supposons Iγ (ω) survienne dans une intégrale sur ω en compagnie d’une bonne
fonction φ en tant qu’expression d’une grandeur physique A :
ˆ ˆ
ω γ
A= Iγ (ω) φ (ω) dω = 2 2
−i 2 φ (ω) dω (1.2.31)
D D ω +γ ω + γ2

Distributions
On peut donc passer à la limite γ → 0, A devient la somme de deux termes dont le premier
ˆ
γ
A = lim −i φ (ω) dω = −iπδ (ω) ,
γ→0 D ω2 + γ2
ω
quant à la seconde, on remarque le noyau ω 2 +γ 2
a pour effet de couper symétriquement de part
et d’autre de ω = 0 les contributions divergentes de l’intégrand où l’on aurait fait brutalement
γ = 0 ; par définition, c’est la régularisation en tant que partie principale de Cauchy notée P ω1

ˆ ˆ −γ ˆ +∞
1 ω 1 1
P , φ = lim φ (ω) dω = lim φ (ω) dω + lim φ (ω) dω (1.2.32)
ω γ→0 D ω 2 + γ 2 γ→0 −∞ ω γ→0 +γ ω
hs
Au final, on peut écrire
1 1
lim =P − iπδ (ω) (1.2.33)
at
γ→0+ ω + iγ ω
On en déduit
1 1 1 1 γ
δ (ω) = lim − = lim (1.2.34)
M
γ→0+ 2iπ ω − iγ ω + iγ π γ→0+ ω 2 + γ 2
ou encore ˆ ˆ
0 +∞
1 i(ω−iγ)t i(ω+iγ)t
δ (ω) = lim e dt + e dt (1.2.35)
γ→0+ 2π −∞ 0
De même, on a
RI

1 1 1 1 ω
P = lim + = lim 2 (1.2.36)
ω γ→0+ 2 ω − iγ ω + iγ γ→0+ ω + γ 2
OU
et
ˆ 0 ˆ +∞ ˆ +∞
1 i
P = lim e i(ω−iγ)t
dt − ei(ω+iγ)t
dt = lim e−γt sin ωtdt (1.2.37)
ω γ→0+ 2 −∞ 0 γ→0+ 0
sB
1.3 En guise de conclusion
L’un des buts de ce chapitre était de faire le lien entre les résultats formels exposés ci- dessus
et les procédés expéditifs couramment employés dans la pratique en Physique, ressemblant à
lsu
première vue à des manips’ pour le moins douteuses... On a donné ici et là des trucs présentés
comme mnémotechniques pour retrouver certains résultats : ces manipulations doivent en fait
rentrer dans les idiosyncrasies propres du Physicien. L’une des idées-clés à retenir est que toutes
Ce
les “fonctions” un peu bizarres rencontrées souvent dans la pratique doivent en fait intervenir dans
des sommations, qui le plus souvent sont des sommations sur une variable continue, c’est-à-dire
des intégrales ; c’est le cas notamment quand on convolue un signal d’entrée avec une fonction
d’appareil pour obtenir un signal de sortie. Intervenant dans des intégrales avec des fonctions
ordinaires, ces dernières jouent le rôle des fonctions-tests désignées généralement par φ (x) dans
les sections précédentes. Dans tous les cas pratiques, les fonctions physiquement pertinentes
auront les propriétés souhaitables pour que les résultats ci-dessus, éventuellement généralisés,
soient applicables. Par exemple, il pourra s’agir des états liés d’un système quantique, ψn (x),
qui, usuellement, ont un comportement typique du genre |x|n e−|x| à l’infini, et sont donc des
“bonnes” fonctions. Dans d’autres cas, des considérations physiques seront toujours disponibles
pour assurer une coupure permettant d’assimiler les fonctions-tests apparaissant naturellement

1.3. EN GUISE DE CONCLUSION
dans le problème à des fonctions à support borné. La discussion précise pourra (devra), dans
chaque cas, relever d’une analyse des échelles physiques intrinsèques à ce problème.
hs
at
M
RI
OU
sB
lsu
Ce

Distributions
1.4 Exercices
1. Exemples de distribution
(a) Quelles sont, parmi les fonctionnelles suivantes, celles qui définissent une distribution ?
´1
(f, φ) = φ (x) dx
´ 10
(f, φ) = 0 |φ (x)| dx
PN (n)
(f, φ) = n=0 φ (0) , f = δ si N =0
P∞
(f, φ) = n=0 φ(n) (0)
P∞ (n) (n)
(f, φ) = n=0 φ
hs
P∞ (n) (n)
(qI, φ) = n=−∞ φ (Peigne de Dirac)
at
(b) Calculer les d-dérivées successives de la fonction de Heaviside H (x).
(c) Calculer les d-dérivées successives de la fonction f : x 7→ |x|.
M
(d) Soit f une fonction de classe C 1 par morceaux, bornée et de dérivée bornée. Notons ai
(0)
les points de discontinuités de la fonction f , que l’on suppose en nombre fini, et σi le
(0) − 0
i saut de discontinuité de f en ai : σi = f a+

i − f ai . Exprimer la d-dérivée [f ]
de la distribution associée à f , en fonction de la distribution associée à f 0 . Généraliser
RI
le résultat à une fonction f C ∞ par morceaux pour la d-dérivée n-ième.
d
i. Soit la distribution f (x) = ex H (x). Calculer dx

−1 f
OU
2. Equations différentielles
(a) Résoudre l’équation f 0 = 0.
(b) Résoudre l’équation f (n) = 0.
(c) On s’intéresse à l’équation xf 0 = 0.
sB
i. Calculer la dérivée H 0 (x).

ii. En déduire les solutions xf 0 = 0.
3. Changement de variables
lsu
(a) On va définir des changements de variables dans les distributions. Considérer d’abord
le cas d’une distribution s’identifiant à une fonction régulière F , et d’un changement
de variable f dérivable et bijectif.
Ce
i. Montrer que l’on est amené à définir la distribution F ◦ f :

F
hF ◦ f, φi = , φ ◦ f −1
|f ◦ f −1 |
0
ii. Que vaut alors la distribution δ ◦ f si l’on étend cette définition ?

iii. Généraliser au cas d’une fonction f non nécessairement bijective - mais toujours
dérivable, dont les zéros sont de dérivée non nulle :
ˆ ∞ X 1
hδ ◦ f, φi = δ (f (x)) φ (x) dx = φ (x)
−∞ |f 0 (x)|
x|f (x)=0

1.4. EXERCICES
´∞
x2 − a2 φ (x) dx où a > 0.

iv. Exemple : calculer −∞ δ
4. Valeur principale de Cauchy

´
(a) Montrer que P x1 , ϕ = ϕ(x)−ϕ(−x)
2x dx
(b) Quelle est la parité de P x1 ?

1

(c) Montrer que la valeur principale est la d-dérivée de ln |x|, et que xP x = 1.
(d) Montrer que de même, on peut définir au sens des distributions une “partie finie” de
1
, notée Pf 1/x2 , et telle que x2 Pf 1/x2 = 1. De quoi est-elle la d-dérivée ?

x2
hs
5. Convergence au sens des distributions
(a) Trouver la limite des distributions des suites (f )>0 lorsque tend vers 0 avec
at
x2
f (x) = √1 e− 22 f (x) = 1
2π π x2 +2
M
0
(b) A partir de la question (5a), trouver la distribution δ .
RI
OU
sB
lsu
Ce

Distributions
hs
at
M
RI
OU
sB
lsu
Ce

Chapitre Deuxième
Espace de Hilbert
hs
« I am the very model for a student mathematical,
I’ve information rational, and logical and practical.
at
I know the laws of algebra, and find them quite symmetrical,
M
And even know the meaning of « a variate antithecal ». »
(K. F. Riley, 2007)

RI
Dans ce chapitre, nous nous intéressons aux espaces de Hilbert. On suppose que le lecteur est
OU
familier avec les notions d’algèbre de base étudiées aux niveaux inférieurs I et II. Un espace de
Hilbert est un espace vectoriel abstrait ayant deux propriétés : une propritété de produit scalaire
qui détermine la géométrie de l’espace vectoriel et une propriété de complétude.
sB
2.1 Espaces de Hilbert

Les espaces de Hilbert sont la généralisation des espaces vectoriels de dimension finie aux cas
des dimensions infinies. En fait, la structure géométrique des espaces de Hilbert est similaire à
lsu
celle de la géométrie euclidienne ordinaire.
2.1.1 Espaces vectoriels

Ce
Un espace vectoriel V est une collection d’éléments appelés vecteurs, que nous pouvons
noter x, y, . . ., satisfaisant aux relations suivantes :
1. Il existe une opération + sur les vecteurs xet y telle que x + y = y + xoù la quantité
résultante y + x est aussi un vecteur.
2. Il existe un vecteur nul noté 0tel que x + 0 = x.
3. Pour tout x ∈ V , il existe un vecteur αx ∈ V pour lequel α est un scalaire arbitraire (réel
ou complexe). En plus, Pour tout x, y ∈ V ,
α (βx) = (αβ) x, 1 (x) = x

α (x + y) = αx + αy, (α + β) x = αx + αx.
23
Espace de Hilbert
Exemple 1. L’ensemble des n-uplets nombres complexes notés
x = (x1 , x2 , . . . , xn )
est un espace vectoriel réel avec l’addition et la multiplication usuelles.

L’ensemble de tous les polynômes de variable réelle xà coefficients complexes est un espace
vectoriel complexe.
2.1.2 Produit scalaire
hs
La structure d’un espace vectoriel est davantage enrichie en introduisant le concept de pro-
duit scalaire qui permet de définir la longueur d’un vecteur ou l’angle entre deux vecteurs.
Un produit scalaire est une fonction scalaire dépendant de deux vecteurs xet y tels que :
at
1. (x, y) = (y, x)∗ .
2. (αx + βy, z) = α∗ (x, z) + β ∗ (y, z) où α et β sont des nombres complexes arbitraires.
M
3. (x, x) ≥ 0 pour tout vecteur x ; (x, x) = 0 si et seulement si x = 0.
L’astérisque (∗) utilisée ici dénote la conjugaison complexe.
Un espace vectoriel dans lequel est défini un produit scalaire est appelé espace vectoriel
normé.
RI
Exemple 2. Le plus simple exemple de produit scalaire est celui défini sur l’espace Cn par
OU
n
X
(x, y) = x∗i yi
i=1
Supposons que f (x) et g (x) soient des polynômes définis l’inrevalle [0, 1] de l’espace vectoriel
sB
complexe. Ils constituent un produit scalaire défini par

ˆ 1
(f, g) = w (x) f (x)∗ g (x) dx
0
lsu
où w (x) est une fonction poids.
Pour un espace vectoriel complexe, le produit scalaire n’est pas symétrique comme c’est le
cas dans un espace vectoriel réel ie (x, y) 6= (y, x) mais plutôt (x, y) = (y, x)∗ . La longueur
Ce
d’un vecteur x est alors définie comme
kxk = (x, x)1/2 .
Comme (x, x) ≥ 0, kxkest un réel positif. Elle est appelée norme du vecteur x. En plus,
kαxk = (αx, αx)1/2 = [αα∗ (x, x)]1/2 = |α| kxk .
2.1.3 Géométrie des espaces vectoriels normés

Un espace vectoriel normé présente des analogies avec la géométrie euclidienne.
Inégalité de Schwarz

2.1. ESPACES DE HILBERT
Pour tous vecteurs xet y d’un espace vectoriel normé, on a
|(x, y)| ≤ kxk kyk .
L’égalité a lieu quand xet ysont linéairement indépendants.

Inégalité triangulaire
kx + yk ≤ kxk + kyk .
hs
Formule du parallélogramme
at

kx + yk2 + kx − yk2 ≤ 2 kxk2 + kyk2 .
M
2.1.4 Orthogonalité
Une des plus importantes conséquences d’avoir un produit scalaire est la possibilité de définir
l’orthogonalité des vecteurs. Cette orthogonalité permettra d’établir un ensemble de bases
RI
orthonormales à partir desquelles un espace vectoriel normé sera généré.
Orthogonalité
Deux vecteurs xet y d’un espace vectoriel normé sont dits orthogonaux si et seulement si
OU
(x, y) = 0
Notons que si (x, y) = 0 il en va de même pour (y, x) = 0. Alors, l’orthogonalité est une
relation symétrique. Notons aussi que le vecteur nul 0 est orthogonal à chacun des vecteurs de
sB
l’espace vectoriel normé.

Une famille de n vecteurs {x1 , x2 , . . . , xn } est dite orthonormale si (xi , xj ) = δij pour tout
indice i et j, où δij est le symbole de Kronecker.
Théorème
lsu
Une famille orthonormale est linéairement indépendante.

Une autre conséquence d’une famille de vecteurs orthonormés est la suivante :
Inégalité de Bessel
Ce
Si {x1 , x2 , . . . , xn } est une famille de vecteurs orthonormés et xdésigne n’importe quel vecteur
du même espace, alors
X
kxk2 ≥ |ri |2 ,
i
x0
P
où ri = (xi , x). En outre, le vecteur =x− i ri xi est orthogonal à chacun des vecteurs xj .
2.1.5 Complétude des espaces vectoriels
Ayant décrit les ingrédients des espaces vectoriels normés, nous allons maintenant nous inté-
resser à l’autre concept de la nature des espaces de Hilbert : la complétude. Pour des espaces
vectoriels de dimension finie, la complétude d’une famille orthonormale se caractérise par le fait

Espace de Hilbert
qu’elle ne peut être contenue dans une famille plus grande. Dans le cas des espaces de dimension
infinie en revanche, la complétude doit étre déterminée au travers du critère de Cauchy.
Séquence de Cauchy
Une séquence {x1 , x2 , . . . , xn } de vecteurs est appelée séquence de Cauchy de vecteurs si
∀ε > 0, ∃N ∈ N, kxm − xn k < ε
pour tout m, n > N .

En d’autres termes, une séquence est une séquence de Cauchy si les termes xm et xn de la
séquence deviennent de plus en plus proches l’un de l’autre quand m, n → ∞.
hs
Convergence d’une séquence de vecteurs :
Une séquence {x1 , x2 , . . . , xn } est dite convergente s’il existe un élément x tels que kxn − xk →
at
0.
Complétude d’un espace vectoriel :
Si chaque séquence de Cauchy dans un espace est convergente, on dit que l’espace est com-
M
plet.
2.1.6 Quelques exemples d’espaces de Hilbert

RI
Nous pouvons dès lors définir l’espace de Hilbert.
Espace de Hilbert
Si un espace vectoriel normé est complet, il est appelé espace de Hilbert.
OU
Exemple 3. Prouver la complétude des espaces vectoriels ci-dessous :
1. Rn et Cn munis du produit scalaire (x, y) = ni=1 x∗i yi

P
2. Supposons l’espace des vecteurs x = (x1 , x2 , . . .) où xi est un réel ou un complexe satis-

sB
faisant aux conditions ∞ ∗

P
i=1 xi yi < ∞. L’espace généré par la famille des vecteurs {x}
appelé espaces `2 est un espace de Hilbert avec le produit scalaire (x, y) = ∞ ∗
P
i=1 xi yi .
3. Soit la famille des fonctions de carré intégrable définies comme
ˆ b
lsu
|f (x)|2 dx < ∞.
a
La collection de toutes les fonctions de carré intégrable, appelée espace L2 est un espace
Ce
de Hilbert muni du produit scalaire

ˆ b
(f, g) = f (x)∗ g (x) dx.
a
2.1.7 Bases d’un espace vectoriel

Nous revisitons brièvement la notion de base.
Vecteur linéairement indépendant :
Un ensemble fini de vecteurs e1 , e2 , . . . , en est linéairement indépendant si et seulement si
X
ci ei = 0 ⇐⇒ ci = 0
i

2.1. ESPACES DE HILBERT
pour tout i.
Cette définition s’applique aussi à une suite infinie de vecteurs si l’espace vectoriel considéré
admet la définition de convergence.
Base d’un espace vectoriel :
Une base d’un espace vectoriel V est une famille de vecteurs linéairement indépendants
{e1 , e2 , . . . , en } telle que chaque vecteur x de V puisse être exprimé comme
n
X
x= αi ei .
i=1
hs
Ici, les coefficients αi sont les coordonnées du vecteur x par rapport à la base et sont déterminés
de manière unique.
at
Ainsi, chaque famille de n vecteurs linéairement indépendants est une base d’un espace vecto-
riel généré par n vecteurs. Le nombre n est appelé dimension de l’espace vectoriel. Evidemment,
M
un espace vectoriel de dimension infinie n’admet pas de base finie, raison pour laquelle il est dit
de dimension infinie.
Base orthogonale d’un espace de Hilbert :
Si les vecteurs d’une base d’un espace de Hilbert sont orthogonaux deux à deux, la base est
RI
dite orthogonale.
Si la norme de chacun de ces vecteurs est unité, la base est dite orthonormale.
OU
En conséquence, on réécrit l’inégalité de Bessel,

Inégalité de Bessel :
Soit {ei }(i = 1, 2, . . .) une famille infinie de vecteurs orthonormaux d’un espace de Hilbert
V . Alors, pour tout x ∈ V avec αi = (ei , x), on a
sB
∞
X
|αi |2 ≤ kxk2 ,
i=1
relation connue sous le nom d’inégalité de Bessel.

lsu
Complétude des vecteurs orthonormaux :

Une suite infinie de vecteus orthonormaux {ei } d’un espace de Hilbert V est dit complet si
l’unique vecteur de V qui soit orthogonal à tous les vecteurs ei est le vecteur nul.
Ce
Il en découlé immédiatement que :

Identité de Parseval :
Soit une suite infinie de vecteurs orthonormaux {ei } d’un espace de Hilbert V . Alors pour
tout vecteur x ∈ V ,
P∞
{ei } est complet si et seulement si kxk2 = 2
i=1 |αi | avec αi = (ei , x).
On peut ainsi définir une base d’un espace de Hilbert :
Base d’un espace de Hilbert :
Une famille infinie de vecteusr orthonormaux complète {ei } (i = 1, 2, . . .) d’un espace de
Hilbert V est appelée une base de V .

Espace de Hilbert
2.2 Endomorphismes sur les espaces de Hilbert

La manipulation des vecteurs dans un espace de Hilbert nécessite l’usage d’un certain nombre
d’applications
2.2.1 Définition
Endomorphisme :
Un endomorphisme f est une application linaire définie dans un espace de Hilbert V .
Si cet endomorphisme est bijectif, il est appelé automorphisme.
hs
L’ensemble des endomorphismes définis sur l’espace de Hilbert V est noté L (V ).
L’ensemble des automorphismes définis sur l’espace de Hilbert V est noté GL (V ).
at
2.2.2 Endomorphisme adjoint
Endomorphisme adjoint :
M
Pour tout endomorphisme f d’un espace de Hilber V , il existe un et un seul endomorphisme
f∗ tel que pour tout x et tout y de E, (x, f (y)) = (f ∗ (x) , y).
f ∗ est appelé endomorphisme adjoint de f .
RI
Nous avons la série de définitions suivantes :
1. f est dit orthogonal si f ∗ · f = f · f ∗ = Id.
2. f est dit symétrique si f ∗ = f . On note S(V ) l’ensemble des endomorphismes symétriques
OU
de V .
3. f est dit antisymétrique si f ∗ = −f . On note A(V ) l’ensemble des endomorphismes
antisymétriques de V .
4. On appelle groupe orthogonal de V et on note O(V ) l’ensemble des endomorphismes
sB
orthogonaux de V ; c’est un sous-groupe de GL(V ), ensemble des automorphismes de V .

5. On appelle groupe spécial orthogonal de V et on note SO(V ) l’ensemble des endomor-
phismes orthogonaux de E de déterminant 1 ; c’est un sous-groupe de O(V ).
lsu
Quelques propriétés faciles :

1. Un endomorphisme est orthogonal si et seulement si son adjoint l’est.
2. L’application f 7→ f ∗ est un endomorphisme de L(V ) ; c’est un endomorphisme involutif,
Ce
c’est à dire que f ∗∗ = f .

ker f ∗ = (Imf )⊥
Imf ∗ = (ker f )⊥
ker f = (Imf ∗ )⊥
(2.2.1)
Imf = (ker f ∗ )⊥
(g ◦ f )∗ = f ∗ ◦ g∗
MatB (f ∗ ) = t Mat (f )
B
où B est la base hilbertienne de V .

3. f est diagonalisable ⇐⇒ f ∗ est diagonalisable.
∗
4. si f est inversible, alors f ∗ l’est aussi et (f ∗ )−1 = f −1 .

2.2. ENDOMORPHISMES SUR LES ESPACES DE HILBERT
5. Un endomorphisme et son adjoint ont même polynôme caractéristique.
Proposition 4. Un endomorphisme est orthogonal si et seulement si il conserve le produit sca-

laire.
Un endomorphisme est orthogonal si et seulement si il conserve la norme.
Une application de V dans V conservant le produit scalaire est linéaire.
Une application de V dans V conservant la norme est linéaire.
Corollaire 5. f est orthogonal si et seulement si l’image d’une base orthonormale est une base
hs
orthonormale.
L’image d’une base orthonormale par un endomorphisme orthogonal est une base orthonor-
male.
at
Une application de V dans V est une isométrie si et seulement si c’est la composée d’une
translation et d’un endomorphisme orthogonal.
M
2.2.3 Groupe unitaire
Si un f endomorphisme vérifie l’une des propriétés du corollaire ci-dessus, alors f est appelé
RI
endomorphisme unitaire ou isométrie.
Quelques résultats sur les endomorphismes orthogonaux utilisant les résultats ci-dessus ;
OU
Proposition 6. Soit f ∈ O(V ) :

- Le spectre de f est inclus dans {−1, 1}.
- Le déterminant de f est −1 ou 1.
- F est stable par f ⇐⇒ F ⊥ est stable par f ∗ .
sB
- Un endomorphisme orthogonal a toutes ses valeurs propres égales à −1 ou 1.

- Un endomorphisme orthogonal diagonalisable est une symétrie orthogonale .
- V = Im (f − I) ⊕ ker (f − I).
lsu
Groupe unitaire :
L’ensemble des endomorphismes unitaires de V est un sous-groupe des automorphismes de
V ; il est appelé le groupe unitaire de V . Il est noté U (V ).
Ce
L’ensemble des endomorphismes de U (V ) dont le déterminant est égal à 1 est un sous-groupe

de U (V ) ; il est appelé le groupe spécial unitaire de V . Il est noté SU (V ).
Proposition 7. (Sur les endomorphismes hermitiens)

- L’image et le noyau d’un endomorphisme hermitien sont orthogonaux.
- Les sous-espaces propres d’un endomorphisme hermitien sont en somme directe orthogonale.
- Si f est un endomorphisme hermitien et si F est un sous-espace stable par f alors F ⊥ est
stable par f qui induit sur cet espace un endomorphisme hermitien.
- Si f est un endomorphisme hermitien, alors f est diagonalisable dans une certaine base
orthonormale.

Espace de Hilbert
2.2.4 Endomorphisme hermitique

Un endomorphisme f est dit hermitien ou hermitique ou autoadjoint si (x, f (y)) =
(f (x) , y).
Soit f ∈ L (V ), f est hermitien si et seulement si f ∗ = f .
Comme corollaire, si f est un endomorphisme hermitique nous avons :
1. Des vecteurs propres associés à des valeurs propres distinctes sont orthogonaux.
2. Tout sous-espace de V stable par f a son orthogonal stable par f .
3. Les valeurs propres de f sont des nombres réels.
hs
4. f est diagonalisable dans une base orthonormée.
5. Si A est une matrice hermitique, alors il existe une matrice unitaire P (ie P −1 =t P ∗ )
telle que P −1 AP soit diagonale réelle.
at
M
RI
OU
sB
lsu
Ce

2.3. EXERCICES
2.3 Exercices
1. Soit `2 l’espace de Hilbert des suites x = (xk )k≥1 de nombres complexes de carré sommable
avec le produit scalaire hx | yi = ∞
P (n)
k y¯k . On note e ; n ≥ 1 la base hilbertienne
k=1 x
(n) (n) (n)
canonique de `2 (on rappelle que e(n) = ek où ek = 0 si k 6= n et en = 1).
k≥1
(a) Montrer que V = x ∈ `2 , x1 + x2 = 0 et x2 + x3 = 0 est un sous-espace vectoriel de

`2 .
(b) Déterminer une base hilbertienne de V (on pourra utiliser l’expression explicite des
vecteurs x ∈ V et la base hilbertienne canonique).
hs
(c) Déterminer explicitement V ⊥ . Quelle est la dimension de V ⊥ ?
2. Pour tout x = (xk )k≥1 ∈ V , on considère le vecteur Ax = y = (yk )k≥1 où y1 = x1 ,
at
y2 = 12 x2 + 12 x3 , y3 = 31 x3 + 23 x4 et plus généralement :
1 n−1
M
yn = xn + xn+1 (n ≥ 1)
n n
(a) Démontrer que Ax ∈ `2 et que ||Ax||2 ≤ ||x||2 .

RI
(b) Calculer explicitement l’adjoint A† de A en précisant pour tout x = (xk )k≥1 ∈ `2 les
coordonnées de A† x dans la base hilbertienne canonique de `2 .
3. Dans tout l’exercice l’espace de Hilbert H = L2 ([−π, π]) des fonctions de carré intégrable
OU
ˆ π
1
∀f, g ∈ H, hf, gi = f (t) g ¯(t)dt
2π −π
On rappelle que la famille (ek )k∈Z où ek : t 7→ eikt , est une base hilbertienne de H qu’on
sB
appellera base hilbertienne canonique. La décomposition de f ∈ H dans cette base est

appelée série de Fourier de f .
n ´π ´π o
(a) Partie A : On considère l’ensemble V = f ∈ H, −π f (t) cos tdt = 0 et −π f (t) sin tdt = 0
lsu
i. Montrer que V est un sous-espace vectoriel de H.

ii. Déterminer les coefficients de Fourier d’une fonction f ∈ V et en déduire une base
hilbertienne de V
Ce
iii. Calculer explicitement le sous-espace V ⊥ .

iv. Calculer la projection orthogonale de la fonction x 7→ cos2 x sur le sous-espace V ⊥ .
(b) Partie B : A toute fonction f ∈ H, on associe la fonction Af définie par

ˆ π
∀t ∈ [−π, π] , (Af ) t = f (u) sin (u − t) du
−π
i. Montrer que Af ∈ H.
ii. Démontrer que l’application A : f 7→ Af est un opérateur continu de H dans H.
iii. Calculer l’adjoint A⊥ de A.

Espace de Hilbert
iv. Donner une expression simple de Af en fonction des coefficients de Fourier de f

et des éléments de la base hilbertienne canonique. En déduire qu’à une constante
multiplicative près, A est la différence de deux opérateurs de projection sur des
sous-espaces qu’on précisera..
v. Déterminer les valeurs propres et vecteurs propres de l’opérateur A. L’opérateur
A est-il diagonalisable ?
4. Soit H un espace de Hilbert. On dit qu’un opérateur T ∈ B (H) est une isométrie si
on a ||T (x)|| = ||x|| pour tout x ∈ H. On dit que T est unitaire si T est une isométrie
bijective.
hs
(a) Soit T ∈ B (H). Montrer que les propriétés suivantes sont équivalentes :
at
i. T est une isométrie ;
ii. T conserve le produit scalaire ;
iii. T ⊥ T = I.
M
(b) Montrer que T ∈ B (H) est unitaire si et seulement si T ⊥ T = I = T T ⊥ ; autrement
dit, T est inversible et T −1 = T ⊥ .
RI
5. Soit H un espace de Hilbert. Un opérateur T ∈ B (H) est dit normal si T ⊥ T = T T ⊥ .
Montrer que T est normal si et seulement si ||T (x)|| = T ⊥ (x) pour tout x ∈ H.
OU
sB
lsu
Ce

Chapitre Troisième
Fonctions à variable complexe
hs
« Si la vie est complexe, c’est parce qu’elle a
une partie réelle et une partie imaginaire. »
at
(Sophus LIE, 1842-1899)
M
On se propose dans ce chapitre de passer en revue les fonctions analytiques à variable com-
RI
plexe qui sont d’une extrême importance en Physique.
3.1 Fonctions d’une variable complexe

OU
Une quantité f (z) est appelée fonction d’une variable complexe z = x + iy si
∀z ∈ D → f (z) ∈ C (3.1.1)
sB
D’après cette définition, f (z) peut encore s’écrire
f (z) = u (z) + iv (z) (3.1.2)

lsu
où u (x, y) et v (x, y) sont des quantités réelles.
Exemple 8. f (z) = z ∗ , f (z) = |z|, f (z) = sin z

Ce
Une fonction f (z) est différentiable en tout point z du domaine D si la dérivée

0 f (z + ∆z) − f (z)
f (z) = lim (3.1.3)
∆z→0 ∆z
existe et est unique.

La fonction f (z) est holomorphe sur D si elle est dérivable en tout point de D.
Exercice 9. a) Montrer que f (z) est différentiable en z0 si et seulement si la dérivée e−iθ dt

d
f z0 + teiθ |t=0

ne dépend pas de θ.
b) Montrer que f (z) = z 2 est différentiable pour toutes les valeurs de z alors g (z) = 2y + ix
ne l’est pas.
33
Une fonction injective et différentiable f (z) dans un domaine D est dite analytique ou régu-
lière dans ce domaine. S’il existe des points où la fonction n’est pas analytique, ces points sont
appelés des singularités de f (z).
3.2 Relations de Cauchy-Riemann
Nous avons introduit à l’équation (3.1.3) la définition d’une dérivée comme une limite. Si on
suppose que cette limite existe, faire ∆z → 0 peut se faire indépendamment de la direction. On
hs
peut écrire, compte tenu de (3.1.2)

0 u (x + ∆x, y + ∆y) + iv (x + ∆x, y + ∆y) − u (x, y) − iv (x, y)
f (z) = lim (3.2.1)
at
∆x,∆y→0 ∆x + i∆y
Supposons pour commencer que ∆z est purement réel,
M

0 u (x + ∆x, y) − u (x, y) v (x + ∆x, y) − v (x, y)
f (z) = lim +i = ∂x u + i∂x v, (3.2.2)
∆x→0 ∆x ∆x
si par contre ∆z est un imaginaire pur, alors

RI

0 u (x, y + ∆y) − u (x, y) v (x, y + ∆y) − v (x, y) 1
f (z) = lim +i = ∂y u + ∂y v (3.2.3)
∆y→0 i∆y i∆y i
OU
Ces résultats devant être les mêmes, on obtient alors les égalités suivantes
(
∂x u = ∂y v
(3.2.4)
∂x v = −∂y u
sB
Ces équations sont connues sous le nom de relations de Cauchy-Riemann. En différentiant ces
équations, on peut montrer que u et v vérifient les équations de Laplace bidimensionnelles
(
∂x2 u + ∂y2 u = 0
(3.2.5)
lsu
∂x2 v + ∂y2 v = 0
Autrement dit, les vecteurs normaux aux courbes u = constante et v = constante sont orthogo-
naux.
Ce
Exercice 10. Prouver l’affirmation ci-dessus
3.3 Séries en puissance
Comme dans le cas des séries réelles, on peut définir des séries en puissance de variable
complexe comme
∞
X
f (z) = an z n (3.3.1)
n=0

3.4. FONCTIONS ET BRANCHES
soit encore en notation exponentielle, avec z = r exp (iθ),

∞
X
f (z) = an rn exp (inθ) (3.3.2)
n=0
Cette série est absolument convergente si

∞
X
|an | rn , (3.3.3)
n=0
qui est une série de réels positifs, est convergente. Ainsi, les tests de convergence absolue des
hs
séries réelles peuvent être utilisées dans ce contexte, dont le test de la racine de Cauchy. Soit R
le rayon de convergence définie par
R = lim |an |1/n
at
(3.3.4)
n→∞
La série (3.3.1) est absolument convergente si |z| < R et divergente si |z| > R. Si |z| = R, on ne
M
peut conclure. Un cercle de rayon R est appelé cercle de convergence de la série (3.3.1). Les cas
R = 0 et R = ∞ correspondent respectivement aux convergences à l’origine et partout dans le
domaine complexe. RI
Exercice 11. Déterminer les domaines de convergence des séries suivantes
P∞ zn P∞ n,
P∞ zn
(i) n=0 n! , (ii) n=0 n!z (iii) n=0 n
OU
A partir des développement en séries de puissance, on peut définir les fonctions suivantes :
zn
exp (z) = ∞ z
P
n=0 n! , a ou encore ln z.
3.4 Fonctions et branches

sB
En définissant les fonctions à variables complexes f (z), nous avons requis qu’elles soient
injectives. Cependant, on rencontre très souvent des cas où les fonctions ne respectent pas cette
condition ; du fait par exemple que l’argument d’un nombre complexe soit donné à 2π-près.
lsu
On peut néanmoins appliquer à ces cas les propriétés des fonctions analytiques avec quelques
précautions. Celles-ci consistent à identifier les points des branches. Si par exemple z varie dans le
plan complexe de sorte que sa trajectoire est une courbe fermée qui entoure un point de branche,
Ce
alors f (z) ne peut retourner à son point initial.

Pour plus de clarté, considérons la fonction f (z) = z 1/2 et exprimons z = r exp (iθ). Il est
clair que si z traverse n’importe quel contour fermé ne contenant pas l’origine, θ reprend sa valeur
initiale après un tour complet. Cependant, si le contour fermé contient l’origine, alors après un
tour θ devient θ + 2π et f (z) = z 1/2 devient −f (z), en effet
r1/2 exp (i (θ + 2π) /2) = −r1/2 exp (iθ/2)
En d’autres termes, f (z) change autour d’un contour fermé contenant l’origine. Ainsi z = 0 est
un point de branche pour f (z).
Notons que dans cet exemple, après deux tours, la fonction f (z) retrouve sa valeur initiale.

Le nombre de boucles à effectuer pour obtenir la valeur initiale dépend de la fonction et il arrive
cette valeur n’est jamais rétablie. Comme f (z) doit être traité comme une injection, nous devons
définir une coupure de branche comme une ligne ou une courbe dans le plan complexe qui joue
le rôle d’une barrière ne devant pas être franchie. dans le cas de la fonction f (z) = z 1/2 , comme
coupure de branche, nous pouvons choisir la ligne qui part de |z| = 0 à |z| = ∞ quelle que soit
la direction.
3.5 Singularités et zéros des fonctions complexes
hs
Un point est dit singulier pour une fonction complexe f (z) si pour ce point, f (z) n’est pas
analytique. Un exemple est un point de branche.
Si f (z) possède un point singulier en z = z0 mais est analytique en tous les points dans un
at
voisinage contenant z0 mais aucune autre singularité, z = z0 est appelée singularité isolée. Il va
de soi que les points de branche ne sont pas des singularités isolées. Si f (z) peut se mettre sous
M
la forme
g (z)
f (z) = (3.5.1)
(z − z0 )n
où n est un entier positif, g (z) une fonction analytique en tout point du voisinage contenant
RI
z = z0 et g (z0 ) 6= 0, z0 est un pôle d’ordre n de f (z).
1. Si aucune valeur finie de n ne peut être obtenue, z = z0 est appelé singularité essentielle.
OU
Exemple 12. La fonction f (z) = tanh z
2. Si par contre f (z) prend une forme indéterminée du type 0/0 en z = z0 mais que sa limite
existe en ce point, cette singularité est dite retirable.
Exemple 13. La fonction f (z) = sin z/z
sB
Terminons ce paragraphe en introduisant les zéros d’une fonction complexe. Comme son l’indique,
si f (z0 ) = 0, z0 est appelé zéro de la fonction f (z). On les classe de manière similaire que les
pôles, ie si
lsu
f (z) = (z − z0 )n g (z) (3.5.2)
z0 est un zéro d’ordre n. Si n = 1, z = z0 est un zéro simple.

Ce
3.6 Transformations conformales
Supposons que l’on puisse transformer les coordonnées z = x+iy du plan complexe en d’autres
coordonnées w = g (z) = r (x, y) + is (x, y). Si l’inverse z = h (w) d’une telle transformation
existe et que les deux transformations sont analytiques, elles sont appelées conformales. Leurs
importantes propriétés sont, exceptées aux points où g 0 (z) et donc h0 (z) sont nuls ou infinis :
1. les lignes continues du plan z se transforment en lignes continues du plan w

2. l’angle entre deux courbes qui se coupent est invaraint dans la transformation
3. toute fonction analytique de z se transforme en une fonction analytique de w

3.7. INTÉGRALES COMPLEXES
3.7 Intégrales complexes
Contrairement aux intégrales à variable réelle, les intégrales complexes se font dans un plan,
donc il y a plus de liberté et par conséquent une certaine ambiguïté dans la définition d’une
intégrale complexe. Si f (z) une fonction complexe est injective et continue dans une région D
du plan complexe, nous pouvons définir une intégrale complexe de f (z) entre deux points A et
B le long d’une courbe de D ; sa valeur dépend en général du chemin suivi entre A et B. On
peut néanmoins trouver certains chemins pour lesquels l’intégrale est indépendante du chemin.
Soit une courbe particulière C décrite par un paramètre continu t (α ≤ t ≤ β) qui donne les
positions successives sur C au moyen des équations
hs
x = x (t) y = y (t) (3.7.1)
at
avec t = α et t = β correspondant aux points A et B respectivement. Alors l’intégrale complexe
de f (z) le long de C est donnée par
M
´ ´
f (z) dz = C´ (u
+ iv) (dx + idy)
C ´ ´ ´
= udx − C vdy + i C udy + i C vdx (3.7.2)
´ C ´ dy ´ dy ´ dx
= C u dx
dt dt − C v dt dt + i C u dt dt + i C v dt dt
RI
dx dy
Une condition suffisante qu’une telle intégrale existe est dt et dt soient continus.
OU
Exemple 14. Evaluer l’intégrale complexe de f (z) = z −1 le long du cercle C de rayon |z| = R
commençant et finissant en z = R
Le cercle C peut être paramétré par z (t) = R (cos t + i sin t) avec 0 ≤ t ≤ 2π, alors que
1 x − iy
sB
f (z) = = 2
x + iy x + y2
ce qui conduit à
x y
u= x2 +y 2
v = − x2 +y 2
lsu
Il vient que
´ ´ 2π cos t
´ 2π − sin t
C f (z) dz =
´0 R (−R sin t) dt − ´0 R (R cos t) dt
2π cos t 2π − sin t
+i R (R cos t) dt + i 0 R (−R sin t) dt
Ce
0
= 0 + 0 + iπ + iπ = 2iπ
Dans cet exemple, on avait un contour fermé. Une procédure similaire est effectuée pour calculer
les intégrales complexes pour des contours ouverts.
Exercice 15. Calculer l’intégrale précédente le long du contour C défini par
— le demi-cercle de rayon |z| = R dans le demi-plan y ≥ 0

— le segment de droite entre les points (R, 0) et (0, R) puis entre (0, R) et (−R, 0) dans le
plan complexe.
´
Pour finir, notons que l’intégrale complexe C f (z) dz existe. En effet, f (z) étant bornée par M ,

on a toujours ˆ ˆ ˆ
f (z) dz ≤ |f (z)| |dz| ≤ M dl = M L (3.7.3)
C C C
3.8 Théorème de Cauchy (1825)

´
Une fonction complexe étant choisie, l’intégrale C f (z) dz dépend en général du chemin C.
On se pose alors la question de savoir s’il existe une classe de fonctions remarquables telles
´
l’intégrale C f (z) dz prenne la même valeur pour tous les chemins possibles du contour C. La
réponse à cette question se trouve dans le théorème de Cauchy
hs
Théorème 16. Si une fonction complexe f (z) est analytique et si sa dérivée f 0 (z) est continue
en chaque point à l’intérieur et sur un contour fermé C, alors
at
˛
f (z) dz = 0 (3.8.1)
C
M
Pour prouver ce théorème, nous allons nous servir du théorème de Green qui stipule que si p
et q sont deux fonctions C 1 sur un contour fermé C délimitant un domaine D dans le plan xy,
alors ¨ ˛
RI
∂p ∂q
+ dxdy = (pdy − qdx) (3.8.2)
D ∂x ∂y C
Avec f (z) = u + iv et dz = dx + idy, en l’appliquant à

OU
˛ ˛ ˛
I= f (z) dz = (udx − vdy) + i (udy + vdx) (3.8.3)
on obtient ¨ ¨
∂ (−u) ∂ (−v) ∂ (−v) ∂u
I= + dxdy + i + dxdy (3.8.4)
sB
D ∂x ∂y D ∂y ∂x
Or f (z) est analytique, la relation de Cauchy-Riemann (3.2.4) permet de montrer que chaque
intégrand est identiquement nul, et donc I.
Une sorte de réciproque de théorème de Cauchy est connue sous le nom de théorème de
lsu
Morera. Il stipule que si f (z) est une fonction continue de z dans un domaine fermé de contour
¸
C et si C f (z) dz = 0, alors f (z) est analytique.
Exercice 17. Soient deux points A et B du plan complexe reliés par deux chemins différents
Ce
C1 et C2 . Montrer que si f (z) est analytique dans la région bornée par les deux chemins et sur
´ ´
ceux-ci, alors C1 f (z) dz = C2 f (z) dz
Considérons deux contours fermés C et γ du plan complexe tels que γ est suffisamment petit
pour être situé complètement dans C. Montrer que si f (z) est analytique dans la région située
´ ´
entre les deux contours, alors C f (z) dz = γ f (z) dz
3.9 Formule intégrale de Cauchy

Un autre théorème important est la formule intégrale de Cauchy. Si f (z) est une fonction
analytique dans un domaine fermé de contour C et sur ce contour et si z0 un point contenu dans

3.10. SÉRIES DE TAYLOR ET DE LAURENT
C alors ˛
1 f (z)
f (z0 ) = dz (3.9.1)
2πi C z − z0
Cette formule montre que la valeur d’une fonction analytique en un point situé dans un
contour fermé est uniquement déterminée par sa valeur sur ce contour. Pour prouver ce théorème,
nous allons utiliser le résultat de l’exercice (17) en choisissant le contour γ comme étant un cercle
centré en z = z0 de rayon ρ très petit de sorte qu’il se trouve dans C. Ainsi, l’intégrale le long
de γ est égale à celle calculée le long de C. En plus, chaque point contenu dans γ peut se mettre
sous la forme z = z0 + ρ exp (iθ) et donc dz = iρ exp (iθ) dθ. Ainsi,
hs
˛ ˆ 2π ˆ 2π
f (z) f (z0 + ρ exp (iθ))
I= = iρ exp (iθ) dθ = i f (z0 + ρ exp (iθ)) dθ (3.9.2)
γ z − z0 0 ρ exp (iθ) 0
at
En faisant tendre le rayon ρ → 0, alors I = 2πif (z0 )
Cette formule se généralise suivant la formule
M
˛
(n) n! f (z)
f (z0 ) = dz (3.9.3)
RI 2πi C (z − z0 )n+1
Exercice 18. En utilisant la formule intégrale de Cauchy, calculer

¸ z2
¸ (z 2 −1) ¸ ez/2
I1 = c1 (z 2 +3)(z−i) dz I2 = c2 (z−1/2)(z 2 −4) dz I3 = c3 (z−iπ)(z 2 −20)4 dz
OU
où C1 , C2 et C3 sont des cercles centrés à l’origine de rayons respectifs 3/2, 1 et 4.

sB
3.10 Séries de Taylor et de Laurent

lsu
Dans le même ordre d’idée que les séries de Taylor, on peut établir la formule de Taylor pour
les fonctions complexes. Si f (z) est analytique dans et sur un cercle C de rayon R centré en
z = z0 , et z un point de C, alors
Ce
∞
X
f (z) = an (z − z0 )n (3.10.1)
n=0
avec an = f (n) (z0 ) /n! Pour prouver la formule de Taylor (3.10.1), on va se servir de la formule
intégrale de Cauchy (3.9.1) ˛
1 f (ξ)
f (z) = dz
2πi C ξ−z
où ξ se trouve sur le contour C. Le développement en séries de (ξ − z)−1 donne
∞
1 X z − z0 n

1
=
ξ−z ξ − z0 ξ − z0
n=0

alors,
1
¸
f (ξ) P∞

z−z0
n
f (z) = 2πi C ξ−z0 n=0 ξ−z0 dz
1 P ∞ n ¸ f (ξ)
= 2πi n=0 (z − z0 ) C (ξ−z0 )n+1 dz
1 P∞ n 2πi (n)
= 2πi n=0 (z − z0 ) n! f (z0 )
ce qui établit le résultat.
Supposons maintenant que f (z) possède une singularité dans C en z = z0 , alors f (z) ne
peut être développée en séries de Taylor. Néanmoins, si f (z) a un pôle d’ordre p en z = z0 mais
est analytique en tout autre point de C, alors la fonction g (z) = (z − z0 )p f (z) est analytique
partout sur C et peut être développée en séries de Taylor :
hs
∞
X
g (z) = bn (z − z0 )n (3.10.2)
at
n=0
Ainsi, pour tout point z de C, f (z) a la représentation en séries
M
∞
X
f (z) = an (z − z0 )n (3.10.3)
n=−p
avec a−p 6= 0. Une telle série est appelée série de Laurent. Par comparaison des deux formules
RI
ci-dessus, an = bn+p . Sachant que
˛
g (n) (z0 ) 1 g (z)
OU
bn = = dz
n! 2πi (z − z0 )n+1
on en déduit les coeeficients

˛ ˛
1 g (z) 1 f (z)
an = n+1+p dz = 2πi dz
sB
2πi (z − z0 ) (z − z0 )n+1
qui est une expression valable pour n positif ou négatif. Les termes de la série de Lauret avec
n ≥ 0 sont dits analytiques alors que les autres forment la partie principale. Selon la nature de
la singularité, la partie principale peut posséder un nombre infini de termes
lsu
∞
X
f (z) = an (z − z0 )n (3.10.4)
n=−∞
Ce
Dans ce cas, la partie principale pourrait converger pour |z − z0 |−1 < α, ie hors d’un cercle centré
en z0 . Cependant, la partie analytique converge dans un cercle différent du premier mais centré
aussi en z0 . Si ce dernier a un rayon plus grand, alors la série de Laurent converge dans la région
annulaire entre les deux cercles sinon elle ne converge pas du tout.
Nous allons nous servir de la série de Laurent pour classifier la nature des points particuliers.
1. Si f (z) est analytique en z = z0 , alors an = 0, ∀n < 0. Il peut arriver qu’en plus,

a0 = a1 = . . . = am−1 = 0, dans ce cas, le premier terme non nul est am (z − z0 )m avec
m > 0, z0 est un zéro d’ordre m de f (z).
2. Si f (z) n’est pas analytique en z = z0 , alors on a deux cas :

3.11. THÉORÈME DES RÉSIDUS
(a) il est possible de trouver un entier p tel que a−p 6= 0 mais a−p−k = 0 pour tout entier
k > 0, z0 est un pôle d’ordre p, la valeur a−1 est appelée résidu de f (z) au pôle z0 et
joue un rôle très important,
(b) il n’est pas possible de trouver une telle valeur −p, la série de Laurent décroissante en
puissance de z − z0 ne se termine pas, z0 est une singularité essentielle.
Exercice 19. Calculer la série de Laurent de la fonction
1
f (z) =
z (z − 2)3
hs
autour des singularités z = 0 et z = 2 séparément. Trouver les résidus en chaque pôle.
at
3.11 Théorème des résidus
M
Nous avons vu que l’intégrale d’une fonction complexe analytique autour d’un contour fermé
C est nulle, il est naturel de se demander quelle valeur prend cette intégrale lorsque l’intégrand
n’est pas analytique dans le contour C.
RI
Supposons pour cela que f (z) ait un pôle d’ordre m au point z = z0 , sa série de Laurent a
pour expression
∞
X
OU
f (z) = an (z − z0 )n (3.11.1)
n=−m
et calculons l’intégrale I de f (z) autour d’un contour fermé entourant le point z = z0 mais
ne contenant aucune autre singularité. En utilisant le théorème de Cauchy, cette intégrale a la
même valeur que l’intégrale autour d’un contour γ de rayon ρ centré en z = z0 puisque f (z) est
sB
analytique dans la région entre les deux contours C et γ. Dans le cercle, z = z0 + ρ exp iθ ( et
dz = iρ exp iθdθ),
¸
I = f (z) dz
¸P∞ n
γ
= n=−m an γ (z − z0 ) dz (3.11.2)
lsu
P∞ ´ 2π n+1
= n=−m an 0 iρ exp [i (n + 1) θ] dθ
Chacun des termes pour lesquels n 6= −1 a une contribution nulle ; par contre pour n = −1
ˆ
Ce
2π
I = a−1 idθ = 2πia−1 (3.11.3)
0
Ainsi l’intégrale autour d’un contour fermé contenant un pôle d’ordre m est égale à 2πi multiplié
par le pôle résidu. Ce résultat se généralise au cas où plusieurs pôles sont situés dans le contour
C, soit ˛ X
f (z) dz = 2πi Rj (3.11.4)
C j
P
où j Rj est la somme des résidus de f (z).
Si f (z) possède un pôle z0 d’ordre m, alors la fonction g (z) = (z − z0 )m f (z) est analytique
en z0 . Ainsi, le calcul d’un résidu est obtenu par

˛ ˛
1 1 g (z) g (m−1) (z0 )
R= f (z) dz = m = dz (3.11.5)
2πi C 2πi C (z − z0 ) (m − 1)!
où on a utilisé la formule intégrale de Cauchy (3.9.1), soit finalement
1 dm−1
R= lim m−1
[(z − z0 )m f (z)] (3.11.6)
(m − 1)! z→z 0 dz
Les applications du théorème des résidus sont nombreuses dont le calcul des intégrales définies.
hs
3.12 Intégrales définies et utilisation du contour d’intégration
Ce dernier paragraphe est consacré aux méthodes d’utilisation des contours d’intégration.
at
Mais avant, précisons une convention :
Affirmation 20. En intégrant le long d’un contour fermé, celui-ci est parcouru de sorte que la
M
région qu’il limite est à gauche. Une intégration suivant ce sens est comptée positivement tandis
que celle utilisant un sens contraire est comptée négativement.
3.12.1 Intégrales des fonctions rationnelles

RI
Soit à calculer l’intégrale
ˆ ∞
p (x)
OU
I1 = dx
−∞ q (x)
où p (x) et q (x) sont des polynômes et q (x) 6= 0 pour tout réel x. On peut écrire
ˆ R ˆ
p (x) p (z)
I1 = lim dx = lim dz
sB
R→∞ −R q (x) R→∞ Cx q (z)
où Cx est un contour ouvert sur l’axe des réels de −R à R. On ferme le contour en y adjoignant
un demi-cercle CR de rayon R dans le demi-plan complexe y > 0 s’il s’y trouve un zéro de q (z).
On obtient alors ˛
lsu

p (z) X p (zj )
I1 = dz = 2πi R
C q (z) q (zj )
j
où C est le contour fermé constitué du segment (−R, R) et du demi-cercle CR . Si le zéro de q (z)

Ce
est dans la partie inférieure du plan complexe, on va parcourir le contour dans le sens négatif et

X p (zj )
I1 = −2πi R
q (zj )
j
´∞ ´∞ 2
x2 dx/ x2 + 1 x2 + 9 et 0 x2 dx/ x2 + 1 x2 + 4

Exercice 21. Calculer 0
3.12.2 Produit des fonctions rationnelle et trigonométrique

Ces intégrales se présentent sous la forme
´∞ p(x) ´∞ p(x)
−∞ q(x) cos axdx ou −∞ q(x) sin axdx

3.12. INTÉGRALES DÉFINIES ET UTILISATION DU CONTOUR D’INTÉGRATION
où a est un réel, p (x) et q (x) des polynômes comme dans le cas précédent. Ces intégrales les
parties réelle et imaginaire de
´∞ p(x) iax
I2 = −∞ q(x) e dx
Dans ce cas, la présence de eiax dicte le choix du demi-plan complexe. En effet, avec
eiaz = eiax e−ay
si a > 0, on choisit le demi-plan supérieur y > 0 qui assure la convergence de l’intégrale pour de
hs
grandes valeurs de R. Si par contre a < 0, on choisit le demi-plan inférieur.
´∞ 2
2 ´∞ 4

Exercice 22. Calculer −∞ cos axdx/ x + 1 et −∞ x sin axdx/ x + 4
at
3.12.3 Fonctions de fonctions trigonométriques
M
Le dernier cas d’intégrale que nous pouvons évaluer en utilisant le théorème des résidus est
celui des fonctions trigonométriques de la forme
ˆ 2π
F (cos θ, sin θ) dθ,
RI 0
F étant une fonction (typiquement rationnelle) de ses arguments. Comme θ varie de 0 à 2π,
on peut le considérer comme l’angle d’un point z sur le cercle de rayon unité centré à l’origine.
OU
Ainsi, z = eiθ et 1/z = e−iθ et nous pouvons faire la substitution
cos θ = (z + 1/z) /2 et sin θ = (z − 1/z) /2i
et dθ = dz/iz pour obtenir ˛

sB

z + 1/z z − 1/z dz
F , ,
C 2 2i iz
intégrale qui peut être évaluée au moyen du théorème des résidus.
´ 2π ´π
lsu
Exercice 23. Evaluer les intégrales 0 dθ/ (1 + a cos θ) , |a| > 1 et 0 dθ/ (a + cos θ)2 , a > 1
Ce

3.13 Exercices
1. Démontrer que l’intégrale de exp iπz 2 cosecπz autour d’un parallélogramme dont les

coins sont ±1/2 ± R exp (iπ/4) a la valeur 2i.

2. Montrer que les parties du contour parallèles à l’axe des réels n’ont aucune contribution
quand R → ∞.
3. Evaluer les intégrales le long des deux autres côtés en posant z 0 = r exp (iπ/4) et en
travaillant en termes de z 0 + 1/2 et z 0 − 1/2. En prenant alors la limite R → ∞, montrer
que ˆ ∞
hs
2
e−πr dr = 1.
−∞
Utilisant un plan de coupure approprié, montrer que si α est réel et 0 < α < 1, alors
at
ˆ ∞
x−α
dx = πcosecπα.
0 1+x
M
En intégrant une fonction appropriée autour d’un large demi-cercle du demi-plan supérieur et
un petit demi-cercle centré en l’origine, déterminer la valeur de
ˆ ∞
(ln x)2
RI I= dx
−∞ 1 + x2
et déduire que ˆ
OU
∞
ln x
dx = 0.
−∞ 1 + x2
sB
lsu
Ce

Chapitre Quatrième
Transformations intégrales
hs
« Perhaps the most surprising thing about mathematics
is that it is so surprising. »
at
(Edward Charles TITCHMARSH, 1899-1963)
M
Les transformations intégrales jouent un rôle de tout premier plan en Physique, notamment
pour l’étude des systèmes linéaires. Par définition, ces systèmes sont régis par des équations
RI
linéaires ; ce qui assure que l’ensemble des solutions peut être muni d’une structure d’espace
vectoriel. De manière générale, une transformation intégrale d’une fonction f (t) est une autre
fonction définie par
ˆ b
OU
F (α) = K (α, t) f (t) (4.0.1)

a
où [a, b] est un intervalle approprié et K (α, t) est appelé le noyau de la transformation intégrale.
On distingue plusieurs transformations intégrales dont les plus connues sont
sB
1. la transformation de Hankel
ˆ ∞ ˆ ∞
F (k) = Jn (kx) f (x) dx f (x) = Jn (kx) F (k) dx
0 0
Jn étant la fonction de Bessel d’ordre n,

lsu
2. la transformation de Mellin
ˆ ∞ ˆ ∞
1
F (k) = xk−1 f (x) dx, f (x) = x−k F (k) dx
2πi
Ce
0 −∞
3. la transformation de Fourier
4. et la transformation de Laplace,
dont les deux dernières font l’objet de ce chapitre.
4.1 Transformations de Fourier

4.1.1 Définition et formule d’inversion
La transformation de Fourier fournit une représentation des fonctions définies sur des inter-
valles infinis et n’ayant pas de périodicité particulière, contrairement aux séries de Fourier, en
45
termes de superposition de fonctions sinusoïdales. Elle peut donc être considérée comme une
généralisation des séries de Fourier.
´∞
Soit donc une fonction f (t) telle que −∞ |f (t)| est finie. Si f (t) est péridodique de période
T , elle peut être décomposée en série de Fourier
∞
X ∞
X
f (t) = cn ei2πnt/T = cn eiωn t , (4.1.1)
n=−∞ n=−∞
où ωn = 2πn/T . Les coefficients cn deviennent des fonctions de la variable continue ω comme

suit
hs
ˆ T /2 ˆ T /2
1 −i2πnt/T ∆ω
cn = f (t) e dt = f (t) e−iωn t dt (4.1.2)
T −T /2 2π −T /2
at
En substituant (4.1.2) dans (4.1.1), on obtient
∞ ˆ
X ∆ω T /2
f (t) = f (u) e−iωn u eiωn t du. (4.1.3)
M
n=−∞
2π −T /2
Quand T tend vers l’infini, la fréquence élémentaire ∆ω = 2π/T devient infiniment petit et
RI
le spectre des fréquences permises ωn devient continu. D’après la définition mathématique de
l’intégrale
∞ ˆ ∞
X ∆ω iωn t 1
g (ωn ) e du → g (ω) eiωt dω,
OU
n=−∞
2π 2π −∞
soit pour ce cas particulier

ˆ T /2
g (ωn ) = f (u) e−iωn u du. (4.1.4)
−T /2
sB
et (4.1.3) devient ˆ ˆ
∞ ∞
1
f (t) = e iωt
dω f (u) e−iωu du. (4.1.5)
2π −∞ −∞
Ce résultat est connu sous le nom de théorème d’inversion de Fourier. Nous pouvons alors définir
lsu
la transformée de Fourier de la fonction f (t)

ˆ ∞
1
F (ω) = √ f (t) e−iωt dt, (4.1.6)
2π −∞
Ce
et son inverse par ˆ ∞

1
f (t) = √ F (ω) eiωt dω. (4.1.7)
2π −∞
Dans cette écriture, t et ω sont des quantités réelles appelées variables conjuguées. Dans la suite
nous allons noter F [f (t)] ou F (ω) la transformée de Fourier de la fonction f (t).
√
Remarque 24. Le facteur 1/ 2π est purement arbitraire. Il est introduit ici pour que les trans-
formée et transformée inverse de Fourier soient symétriques. Il convient aussi de préciser que
le signe de l’exponentiel est arbitraire. Toutefois, dès que l’on choisit une convention il faut s’y
conformer.

4.1. TRANSFORMATIONS DE FOURIER
4.1.2 Propriétés de la transformation de Fourier
1. Différentiation
F f 0 (t) = iωF (ω)

(4.1.8)
Cette formule peut être étendue aux dérivées d’ordre supérieur

h i
F f (n) (t) = (iω)n F (ω) (4.1.9)
2. Intégration ˆ t
1
hs
F f (s) ds = F (ω) + 2πcδ (ω) (4.1.10)
iω
où 2πcδ (ω) représente la transformée de Fourier de la constante d’intégration associée à
at
l’intégrale indéfinie.
3. Echelle
1 ω
M
F [f (at)] = F (4.1.11)
a a
4. Translation
F [f (t + a)] = eiaω F (ω) (4.1.12)
RI
5. Multiplication exponentielle
F eat f (t) = F (ω + ia)

(4.1.13)
OU
a pouvant être réel ou complexe.
Exercice 25. Prouver les relations allant de (4.1.8) à (4.1.13).

sB
Pour illustrer la relation (4.1.13), considérons une onde radion d’amplitude modulée. Suppo-
sons qu’on ait un message à diffuser f (t). Ce message peut être ajouté électroniquement à un
signal d’amplitude constante a de sorte que a + f (t) ne soit jamais négatif et donc, peut être
utilisé pour moduler l’amplitude d’une porteuse de fréquence ωc . Utilisant la notation complexe,
lsu
l’amplitude transmise est

g (t) = A [a + f (t)] eiωc t
En ignorant l’effet du terme Aaeiωc t qui ne contribue au spectre transmis qu’à la fréquence
Ce
ω = ωc , le nouveau spectre est alors

ˆ ∞
A
G (ω) = √ f (t) eiωc t e−iωt dt = AF (ω − ωc )
2π −∞
qui n’est rien d’autre qu’un simple déplacement du spectre par la fréquence de la porteuse.
4.1.3 Fonctions paire et impaire
Si la fonction f (t) est soit paire ou impaire, on peut dériver une forme alternative de sa
transformée de Fourier. Considérons d’abord le cas des fonctions impaires f (−t) = −f (t). Alors

sa transformée de Fourier est

´∞ −iωt dt
F (ω) = √1
−∞ f (t) e
´∞ 2π
= √1 f (t) (cos ωt − i sin ωt) dt (4.1.14)
2π −∞ ´∞
2i
= − √2π 0 f (t) sin ωtdt
Notons que F (ω) est une fonction impaire de ω ie F (−ω) = −F (ω). Inversement,
ˆ ∞
2i
f (t) = √ F (ω) sin ωtdt (4.1.15)
2π 0
hs
Les relations (4.1.14) et (4.1.15) définissent les transformées sinus de Fourier. Une procédure
similaire permet de définir les transformées cosinus de Fourier en remplaçant sin ωt par cos ωt.
Précisons que ces définitions requièrent que les variables t et ω soient positives.
at
M
4.1.4 Convolution et déconvolution
RI
OU
La mesure d’une quantité physique est limitée en général par la résolution de l’appareil de
mesure. D’une part, la quantité physique que l’on veut mesurer est une fonction d’une variable
indépendante, disons x, ie f (x). D’autre part, l’appareil utilisé ne fournit pas le résultat exact,
une fonction de résolution g (y) est nécessaire. Autrement dit, la probabilité qu’une valeur y = 0
soit obtenue au lieu d’être comprise entre y et y + dy est donnée par g (y) dy. La fonction de
sB
résolution idéale est la distribution de Dirac centrée à l’origine.
Ainsi, étant données la distribution f (x) et la fonction de résolution g (y), nous voulons
obtenir ce que la distribution observée h (z) sera. Précisons que les variables x, y et z désignent
lsu
la même quantité physique (longueur, température ...) mais elles sont notées différemment car
elles apparaissent dans l’analyse en des rôles différents.
Ce
La probabilité qu’une lecture soit situées en x et x + dx, et donc ayant la probabilité f (x) dx
d’être sélectionnée par l’expérience sera déplacée par la résolution instrumentale de z −x dans un
petit intervalle de largeur dz est g (z − x) dz. La probabilité combinée que l’intervalle dx donne
lieu à une observation apparaissant dans l’intervalle dz est f (x) dxg (z − x) dz. En additionnant
toutes les contributions, la distribution observée est donnée par
ˆ ∞
h (z) = f (x) g (z − x) dx (4.1.16)
−∞
L’intégrale (4.1.16) est appelée convolution des fonctions f et g, et est souvent notée f ∗ g. Le
produit de convolution est commutatif, associatif et distributif. La distribution observée est donc
la convolution de la vraie distribution et de la fonction de résolution expérimentale.

Calculons maintenant la transformée de Fourier de la convolution (4.1.16),

´∞ −iωz
´∞ n o
H (ω) = √1 dze f (x) g (z − x) dx
2π −∞ n´−∞
´ ∞ ∞ −iωz g (z − x)
o
= √1 f (x) dx dze
2π −∞ n´−∞
1
´∞ ∞ −iω(u+x) g (u)
o
= √ f (x) dx due (4.1.17)
2π −∞ −∞
1
´ ∞ −iωx n´
∞ −iωu g (u)
o
= √
2π −∞
e f (x) dx −∞ due
√
= 2πF (ω) G (ω)
Ce résultat montre que la transformée de Fourier d’un produit de convolution est le produit des
hs
transformées de Fourier. Le lecteur pourra vérifier que la transformée de Fourier d’un produit
est égale au produit de convolution des transformées de Fourier.
at
4.1.5 Fonction de corrélation et spectre d’énergie
La fonction corrélation de deux fonctions f et g est définie par
M
ˆ ∞
c (z) = f ∗ (x) g (x + z) dx (4.1.18)
−∞
RI
Malgré la ressemblance formelle de l’équation ci-dessus avec celle de la convolution, leur uti-
lisation et leur interprétation sont différentes. La fonction de corrélation fournit une mesure
quantitative de la similitude de deux fonctions f et g quand l’une est déplacée d’une distance z.
OU
Elle est souvent notée c = f ⊗ g, elle est associative et distributive mais pas commutative.
√
Exercice 26. Prouver le théorème de Wiener-Kinchin C (ω) = 2πF ∗ (ω) G (ω)
Dans le cas spécial où g = f , on a la fonction d’auto-corrélation

sB
ˆ ∞
a (z) = f ∗ (x) f (x + z) dx (4.1.19)
−∞
√
dont la transformée de Fourier, d’après le théorème de Wiener-Kinchin C (ω) = 2π F (ω)2 est
lsu
appelée spectre d’énergie.
4.1.6 Théorème de Parseval

Ce
En utilisant les transformées inverses de Fourier des résultats du paragraphe précédent, on

montre que, pour z = 0,
ˆ ∞ ˆ ∞
∗
f (x) g (x) dx = F ∗ (ω) G (ω) dω (4.1.20)
−∞ −∞
En particulier pour g = f ,
ˆ ∞ ˆ ∞
2
∗
|f (x)| dx = |F (ω)|2 dω (4.1.21)
−∞ −∞
Ces résultats sont connus sous le nom de théorème de Parseval.

Exercice 27. L’équation horaire d’un oscillateur harmonique amorti est donnée par
(
0 t<0
x (t) =
e−t/τ sin ω0 t t ≥ 0
calculer sa transformée de Fourier et donner une interprétation physique du théorème de Parseval
4.1.7 Transformée de Fourier à plusieurs dimensions
Le concept de transformée de Fourier peut être étendue naturellement à des variables d’espace
hs
à plus d’une dimension. Pour un espace tridimensionnelle par exemple,
˚
1
F (kx , ky , kz ) = f (x, y, z) e−ikx x e−iky y e−ikz z dxdydz (4.1.22)
at
3/2
(2π)
en notant kx , ky et kz comme les composantes d’un vecteur ~k et x, y et z comme celles d’un
M
rayon vecteur ~r, cette équation devient
˚
1 ~
F ~k = 3/2
f (~r) e−ik·~r d3~r (4.1.23)
(2π)
RI
et réciproquement ˚
1
~
f (~r) = F ~k eik·~r d3~k (4.1.24)
(2π)3/2
OU
4.1.8 Transformées de Fourier des distributions
Nous avons étudié au chapitre (1) la distribution de Dirac. Calculons sa transformée de

sB
Fourier : ˆ ∞
1 1
F (δ) = √ e−ikx δ (x) dx = √ (4.1.25)
2π −∞ 2π
Le résultat (4.1.25) est un exemple extrême des propriétés duales d’une fonction et de sa trans-
lsu
formée de Fourier : plus l’une est large, plus l’autre est étroite. Autrement dit, δ (x) est une
« fonction » infiniment fine et un peu exotique tandis que sa transformée de Fourier est infini-
ment large et particulièrement banale. De manière générale,
ˆ ∞
Ce
1 1
F (δ) = √ e−ikx δ (x − x0 ) dx = √ e−ikx0 (4.1.26)
2π −∞ 2π
Réciproquement, on en déduit que

ˆ ∞ ˆ ∞
1 1
δ (x) = ikx
e dx = e−ikx dx (4.1.27)
2π −∞ 2π −∞
Exercice 28. Calculer la transformée de Fourier de la fonction de Heaviside et celle de P (1/x).
Application à l’oscillateur harmonique On se propose ici d’illustrer l’utilisation des trans-

formées de Fourier dans la résolution du problème d’un oscillateur harmonique soumis, à t = 0,

à une force extérieure F (t) = mφ (t). En posant k = mω02 , l’équation du mouvement est
ẍ + ω02 x = φ (t) (4.1.28)
Il faut ajouter à ce problème les conditions initiales x (0) = x0 et ẋ (0) = v0 . Soient X (ω) et
Φ (ω) les transformées de Fourier de x (t) et φ (t). Comme ces quantités sont réelles, on a les
symétries
X ∗ (ω) = X (−ω) , X ∗ (ω) = X (−ω) (4.1.29)
En prenant la transformée de Fourier de l’équation (4.1.28), on obtient
hs
−ω 2 X (ω) + ω02 X (ω) = Φ (ω) (4.1.30)
at
dont la solution est
1
X (ω) = Φ (ω) = χ0 (ω) Φ (ω) (4.1.31)
ω02 − ω2
M
où χ0 (ω) est par définition la susceptibilité. Cette solution est la solution particulière. L’équation
homogène
ω02 − ω 2 X (ω) = 0

(4.1.32)
a pour solution
RI
X (ω) = C+ (ω − ω0 ) + C− (ω + ω0 ) (4.1.33)
En combinant les deux solutions et en prenant leurs transformées de Fourier inverses, on obtient
OU
la solution

iω0 t −iω0 t −1 1
x (t) = B+ e + B− e +F Φ (ω) , B± = 2πC± (4.1.34)
ω02 − ω 2
sB
Les constantes devant être déterminées à partir des conditions initiales du problèmes.
Exercice 29. Résoudre le problème d’un oscillateur harmonique amorti.

lsu
Exemples de relations de fermeture En Mécanique Quantique, on rencontre très souvent

des relations dites de fermeture exprimant la complétude d’une base de fonctions ψα (x). Ces
fonctions sont des fonctions propres d’une observable du système qui est, très souvent, le Hamil-
Ce
tonien représentant l’énergie. L’indice α rappelle la valeur propre de l’observable en question et

peut être discret, continu ou successivement les deux quand on balaie l’axe réel.
Pour illustrer, considérons une particule de masse m, libre de se déplacer sur un cercle de
circonférence L = 2πR. Sa position est fixée par un angle θ. Il s’agit ici d’un problème à symétrie
cylindrique pour lequel le Hamiltonien s’écrit
~2 d2
H=− (4.1.35)
2mR2 dθ2
L’équation aux valeurs propres est
~2 d2
− ψ = Eψ, (4.1.36)
2mR2 dθ2

la fonction ψ (θ) devant être 2π-périodique. Les solutions sont
1
ψn (θ) = √ einθ , |n| = 0, 1, 2, ... (4.1.37)
2π
n2 ~2
associées aux énergies propres 2mR2
. Les fonctions propres sont orthonormalisées
ˆ 2π ∗
1 0
einθ ein θ dθ = δnn0 (4.1.38)
2π 0
Considérons maintenant la somme finie
hs
N N
1 sin N + 12 (θ − θ0 )

X 1 X in(θ−θ0 )
ψn (θ) ψn∗ 0
= δN θ − θ0

θ = e = 1 0
(4.1.39)
2π 2π sin 2 (θ − θ )
n=−N n=−N
at
1 1

La fonction δN (θ) est 2π-périodique, elle vaut 2π N+ 2 en θ = 0 et s’annule pour la première
2π
fois en : pour N 1, son graphe est donc un peigne régulier aux dents très fines et très
M
2N +1
hautes. En prenant la limite N → ∞ de l’équation ci-dessus, on obtient la relation de fermeture
du problème considéré. Ainsi on obtient une nouvelle expression de la distribution de Dirac
N
RI
δ (θ) =
1
lim
X
einθ (4.1.40)
2π N →∞
n=−N
θ

OU
Comme on sait que δ est 2π-périodique et que 2πδ (θ) = δ 2π , alors
X X θ
inθ
e = δ −k (4.1.41)
2π
n∈Z k∈Z
sB
c’est le peigne de Dirac.
Les représentations q et p en Mécanique Quantique Les coordonnées et les moments

lsu
généralisés obéissent à la relation de commutation
qp − pq = [q, p] = i~I (4.1.42)

Ce
où I désigne la matrice identité. Il faut pour cela admettre l’association
∂
q→q p → −i~ ∂q (4.1.43)
qui définit la représentation q de la Mécanique Quantique. Réciproquement, l’association duale
∂
q → i~ ∂p p→p (4.1.44)
conduit à la représentation p de la Mécanique Quantique. Clairement, rien ne privilégie dans

l’absolu une représentation ou une autre, toutes les deux étant équivalentes. Ainsi, la relation
qui lie les fonctions d’onde dans les deux représentations est donnée par la transformation de

4.2. TRANSFORMATIONS DE LAPLACE
Fourier
´ − ~i pq
´ i
Φ (p, t) = √1 √1 pq
Re Ψ (q, t) dq, Ψ (q, t) = Re Φ (p, t) dp (4.1.45)
~
2π~ 2π~
4.2 Transformations de Laplace

La transformation de Laplace est une transformation ayant un grand lien de parenté avec
la transformation de Fourier. Il arrive très souvent en Physique que la dynamique des systèmes
est supposée connue dans un état à un certain instant que l’on peut prendre comme origine des
temps ie si f (t) est la quantité décrivant cette dynamique, elle est telle que f (t) n’est pas définie
hs
pour t < t0 , ou plutôt on se moque de savoir ce qu’elle vaut où t0 est l’origine des temps. C’est
d’ailleurs la raison pour laquelle il est usuel de la prendre nulle.
at
L’intérêt de la transformation de Laplace se trouve dans le calcul des circuits électriques.
4.2.1 Définition
M
On définit la transformation de Fourier d’une fonction f (t) comme
ˆ ∞
F (s) = f (t) e−st dt (4.2.1)
RI 0
où s est une variable complexe. On remarque, pour s = iω que la transformation de Laplace

d’une fonction f (t) est égale à celle de Fourier de la même fonction multipliée par la fonction de
OU
Heaviside, étant donnée que f (t) n’est pas définie pour les temps négatifs.
Exercice 30. Prouver l’existence de l’équation (4.2.1) sous l’hypothèse que f (t) est bornée.
Réciproquement, on définit la transformation inverse de Laplace comme l’intégrale d’inversion

sB
de Mellin ˆ γ+i∞
1
f (t) = F (s) est ds (4.2.2)
2πi γ−i∞
L’intégration se fait le long d’une ligne appelée le contour de Bromwich, lequel est parallèle à
lsu
l’axe imaginaire du plan complexe. Le nombre réel γ est arbitraire tant que l’intégration linéaire
se fait à droite des singularités de F (s). Pour trouver la valeur de l’intégrale, on ferme le contour
de Bromwich à l’aide d’un demi-cercle de rayon infini à gauche de la ligne et on utilise le théorème
Ce
des résidus.
Prouvons la relation (4.2.2), il faut calculer le membre de droite
ˆ γ+i∞
1
I= F (s) est ds
2πi γ−i∞
or ˆ ∞
F (s) = f (t) e−st dt
0
soit donc ˆ ˆ
∞ γ+i∞
1 s(t−τ )
I= f (τ ) dτ e ds
2πi 0 γ−i∞
| {z }
J

Pour calculer le terme entre parenthèses, effectuons le changement de variables s = γ + iσ

ˆ γ+i∞ ˆ +∞
J= e(γ+iσ)(t−τ ) idσ = ieγ(t−τ ) eiσ(t−τ ) dσ = 2πiδ (t − τ )
γ−i∞
| −∞ {z }
=2πδ(t−τ )
En substituant ce résultat dans l’intégrale I, on obtient que I = f (t).

Maintenant, pour comprendre pourquoi la ligne d’intégration doit se trouver à droite des
singularités, prenons les transformations de Laplace des deux membres de l’équation (4.2.2) :
´∞ ´
γ+i∞

1
e−st (σ) eσt dσ dt
hs
F (s) = 2πi 0 γ−i∞ F
1
´ γ+i∞ ´ ∞ (σ−s)t
= 2πi γ−i∞ F (σ) dσ 0 e dt
1
´ γ+i∞ F (σ)
= − 2πi γ−i∞ σ−s dσ
at
en supposant < (s) > < (σ) = γ. Si F (σ) est analytique à droite du contour de Bromwich, alors
en fermant le demi-cercle infini à droite, on aura un pôle simple en σ = s dans le contour fermé
M
et d’après le théorème des résidus, la valeur de l’intégrale est −2πiF (s).
Exemple 31. Trouver les transformées de Laplace des fonctions f (t) = 1, f (t) = eat et f (t) =
tn .
RI
En appliquant directement l’équation (4.2.1), on a
1. pour f (t) = 1 ˆ ∞
1
OU
F (s) = e−st dt = , si s > 0

0 s
sinon l’intégrale diverge.
2. pour f (t) = eat , ˆ ∞
1
eat e−st dt =
sB
F (s) = , si s > a
0 s−a
3. et pour f (t) = tn ˆ ∞
n!
F (s) = tn e−st dt = , si s > 0
0 sn+1
lsu
4.2.2 Propriétés des transformations de Laplace

On note dans la suite L (f ) ou F (s) la transformée de Laplace de la fonction f (t).
Ce
1. Linéarité
L (af + bg) = aL (f ) + bL (g) (4.2.3)
2. Translation 1
L e−at f = F (s + a)

(4.2.4)
3. Translation 2 : celle-ci nécessite a fonction de Heaviside H (t)
L (H (t − a) f (t − a)) = e−as L (f ) (4.2.5)
n!
Exercice 32. En utilisant la translation 1, montrer que L tn eat =

(s−a)n+1
. En déduire
L (sinh γt) et L (cosh γt).

4.2. TRANSFORMATIONS DE LAPLACE
4. Fonctions périodiques : Si F1 (s) est la transformée de Laplace sur une période T d’une
fonction périodique f (t), alors
1
L (f ) = F1 (s) (4.2.6)
1 − e−sT
Exercice 33. Montrer l’équation ci-dessus
5. Convolution : la transformée de Laplace d’un produit de convolution de deux fonctions est le

produit de leurs transformées de Laplace.
Exercice 34. Prouver l’affirmation 5.
hs
4.2.3 Transformées de Laplace des dérivées et intégrales
at
L’une des utilisations principales des transformées de Laplace est la résolution des équations
différentielles. Prenons par exemple la transformée de Laplace de la dérivée de la fonction f (t) :
´∞
M

df df −st
L dt = 0 dt e dt
∞ ´ ∞
(t) e−st 0 + s 0 f (t) e−st dt (4.2.7)

= f
= −f (0) + sF (s) , pours > 0
RI
L’équation ci-dessus se généralise aux ordres de dérivée supérieurs soit
n−1
dn f dk f
X
= sn F (s) − sn−1−k
OU
L (0) (4.2.8)
dtn dtk
k=0
Intéressons nous maintenant à la transformée de Laplace d’une intégrale. On a

´ ´∞ ´t
t
L 0 f (u) du = e−st dt 0 f (u) du
sB
0
h ´t i∞ ´
∞
= − 1s e−st 0 f (u) du + 0 1s e−st f (t) dt (4.2.9)
0
1
= sF (s)
puisque le terme crochet est nul aux deux bornes d’intégration.

lsu
Ce

4.3 Exercices
1. Déterminer la transformée de Fourier de la fonction f (t) = exp (− |t|).
(a) En appliquant le théorème d’inversion de Fourier, démontrer que

ˆ ∞
π cos ωt
exp (− |t|) = dω.
2 0 1 + ω2
(b) En faisant la substitution ω = tan θ, démontrer la validité du théorème de Parseval

pour cette fonction.
hs
2. Déterminer la transformée de Fourier de θ (x − a) e−bx où θ (x) est la fonction de Heaviside.
3. En prenant la transformée de Fourier de l’équation
at
d2 φ
− K 2 φ = f (x) ,
dx2
M
montrer que sa sloution, φ (x), peut être écrite comme
ˆ ∞
1 eikx F (k)
φ (x) = − √ dk,
RI 2π −∞ k2 + K 2
où F (k) est la transformée de Fourier de f (x).

OU
4. Déterminer la transformée de Fourier de la distribution rectangulaire unité
(
1 |t| < 1,
f (t) =
0 sinon
sB
Déterminer la convolution de f avec elle-même et, sans intégration supplémentaire, déduire

sa transformée. Déduire que
´∞ sin2 ω
dω = π;
´−∞
∞
ω2
sin4 ω 2π
−∞ ω 4 dω = 3 .
lsu
5. En déterminant la série complexe de Fourier du membre de gauche, montrer que chaque

membre de l’équation
∞ ∞
X 1 X −i2πnt/T
δ (t + nT ) = e
T n=−∞
Ce
n=−∞
peut représenter un train périodique d’impulsions. En exprimant la fonction f (t + nX), où

X est une constante, en termes de transformée de Fourier F (ω) de f (t), montrer que
∞ ∞ √

X 2π X 2nπ
f (t + nX) = F ei2πnt/X .
n=−∞
X n=−∞
X
Ce résultat est connu sous le nom de formule de sommation de Poisson.

6. Pour une fonction f (t) non nulle dans le domaine |t| < T /2, le spectre complet de fréquence
F (ω) peut être, en principe, construit exactement à partir de l’ensemble des points discrets
ωn = n (2π/T ). Démontrer cette affirmation comme suit :

4.3. EXERCICES
(a) Montrer que les coefficients de la représentation en séries de Fourier de f (t) avec la
période T peut être mise sous la forme
√
2π 2πn
cn = F .
T T
(b) Utiliser ce résultat pour représenter f (t) comme une somme infinie dans l’intégrale
définissant F (ω), et par suite, montrer que
∞
X 2πn ωT
F (ω) = F sinc nπ −
T 2
hs
n=−∞
où sincx = (sin x) /x.
at
7. Déterminer la transformée de Fourier de la question (a) et utiliser le résultat pour répondre
à la question (b).
M
(a) Déterminer la transformée de
(
e−γt sin pt t > 0,
f (γ, p, t) =
RI 0 t < 0,
où γ (> 0) et p sont des paramètres constants.

OU
(b) Le courant I (t) traversant un certain système est relié à la tension V (t) par l’équation
ˆ ∞
I (t) = K (t − u) V (u) du,
−∞
où
sB
K (τ ) = a1 f (γ1 , p1 , τ1 ) + a2 f (γ2 , p2 , τ2 ) .
Les ai sont des paramètres fixés. En considérant la transformée de Fourier de I (t),

déterminer la relation entre a1 et a2 si la charge totale Q traversant le système (pendant
lsu
une longue durée) est nulle pour une tension quelconque.
8. Montrer que la transformée de Fourier de tf (t) est idF (ω) /dω. Un amplificateur linéaire a
à sa sortie la convolution de son signal d’entrée et sa fonction de réponse. La transformée de
Ce
Fourier de la fonction de réponse pour un amplificateur particulier est
iω
K̃ (ω) = √
2π (α + iω)2
Déterminer la variation temporelle du signal de sortie g (t) si son signal de sortie est la fonction
de Heaviside θ (x).
9. Calculer directement la fonction d’auto-corrélation a (z) pour le produit de f (t) de la distri-
bution de décroissance exponentielle et la fonction de Heaviside
1 −λt
f (t) = e θ (t)
λ

Utiliser la transformée de Fourier et le spectre d’énergie de f (t) pour déduire que

ˆ ∞
eiωz π
dω = e−λ|z| .
−∞ λ2 + ω2 λ
10. Déterminer la transformée de Laplace de t−1/2 et t1/2 , en posant x2 = ts dans le résultat

ˆ ∞
2 1√
e−x dx = π.
0 2
11. Utiliser les propriétées des transformées de Laplace pour prouver les résultats suivants sans
hs
évaluer les intégrales de Laplace explicitement :
15 √ −7/2 1
L t5/2 =

8 πs , L [(sinh at) /t] = 2 ln [(s + a) / (s − a)] , s > |a| ,
at
a s2 − a2 + b2

L [sinh at cos bt] = h ih i
2 2
M
(s − a) + b2 (s + a) + b2
12. La fonction fa (x) est définie comme unité pour 0 < x < a et zéro ailleurs. Déterminer sa trans-
formée de Laplace Fa (s) et déduire que la transformée de xfa (x) est 1
s2
[1 − (1 + as) e−sa ] .
RI
Ecrire fa (x) en termes de fonctions de Heaviside et par suite, obtenir une expression explicite
pour ˆ x
ga (x) = fa (y) fa (x − y) dy.
OU
0
Utiliser l’expression obtenue pour écrire Ga (s) en termes de Fa (s) et F2a (s) et leurs dérivées,
puis montrer que Ga (s) est égal au carré de Fa (s), en accord avec le théorème de convolution.
sB
lsu
Ce

Chapitre Cinquième
Equations aux dérivées partielles
hs
« I know the singularities of equations differential,
at
And some of these are regular, but the rest are quite essential.
I quote the results of giants : with Euler, Newton, Gauss, Laplace,
M
And can calculate an orbit, given a centre, force and mass »
RI (K. F. Riley, 2007)
OU
Nous étudions dans ce chapitre les équations aux dérivées partielles typiquement rencontrées
en Physique. Une équation aux dérivées partielles (EDP) est une équation liant une fonction
inconnue de deux ou plus variables et ses dérivées partielles par rapport à ces variables. Les
variables indépendantes les plus connues sont la position et le temps.
sB
Pour ne citer que quelques unes de ces équations, on connaît l’équation d’onde, l’équation de
diffusion, l’équation de Poisson, l’équation de Laplace et l’équation de Schrödinger.
5.1 Solutions générales et particulières

lsu
Dans le souci de simplifier l’algèbre, nous restreignons la discussion qui suit à deux variables
indépendantes x et y. Néanmoins, les méthodes présentées peuvent être étendues au cas à plu-
Ce
sieurs variables indépendantes.
5.1.1 EDP de premier ordre (EDPO)
Forme des solutions
Une EDP linéaire de premier ordre contenant deux variables indépendantes a pour forme
générale
∂u ∂u
A (x, y) + B (x, y) + C (x, y) u = R (x, y) (5.1.1)
∂x ∂y
où A (x, y), B (x, y), C (x, y) et R (x, y) sont des fonctions données du problème. Si A (x, y) ou
B (x, y) est nul, (5.1.1) se résoud aisément comme une équation différentielle ordinaire.
59
Quand une EDPO contient des dérivées partielles par rapport aux variables indépendantes,
on peut chercher la solution du problème (5.1.1) comme u (x, y) = f (p). Supposons dans un
premier temps que C (x, y) = R (x, y) = 0. On a
∂u df (p) ∂p
∂x = dp ∂x
∂u df (p) ∂p (5.1.2)
∂y = dp ∂x
substitués dans (5.1.1), on obtient

∂p ∂p df (p)
A (x, y) + B (x, y) = 0, (5.1.3)
hs
∂x ∂y dp
lequel ne peut s’annuler que si
at
∂p ∂p
A (x, y) + B (x, y) =0 (5.1.4)
∂x ∂y
M
Si à cette condition, on ajoute la contrainte que f (p) reste constant quand x et y varient ie
quand p lui-même reste constant, on a alors
∂p ∂p
dp = dx + dy = 0 (5.1.5)
RI ∂x ∂y
En comparant ces deux dernières expressions, on aboutit à la condition

OU
dx dy
= (5.1.6)
A (x, y) B (x, y)
qui permet d’obtenir l’expression de p.

sB
Exemple 35. Résoudre

∂u ∂u
x − 2y =0
∂x ∂y
avec la condition que (i) u(1, y) = 2y + 1 et (ii) u(1, 1) = 4.
On doit avoir
lsu
dx dy
=−
x 2y
qui après intégration donne x2 = cy −1 . En identifiant c à p, la solution générale de l’EDPO est
Ce
donc
u (x, y) = f x2 y

La solution particulière a pour expression suivant la contrainte (i) u (x, y) = 2x2 y + 1 et suivant
(ii) u (x, y) = x2 y + 3 ou u (x, y) = 4x2 y ou encore u (x, y) = 4.
Si par contre C (x, y) 6= 0, on modifie la procédure précédente en cherchant une solution de

la forme u (x, y) = h (x, y) f (p). Illustrons ceci par un exemple.
Exemple 36. Chercher la solution générale de
∂u ∂u
x + 2y − 2u = 0.
∂x ∂y

5.1. SOLUTIONS GÉNÉRALES ET PARTICULIÈRES
On cherche u sous la forme u (x, y) = h (x, y) f (p). Par conséquent
∂u
∂x = ∂h
∂x f (p) + h dfdp
(p) ∂p
∂x
∂u
∂y = ∂h
∂y f (p) + h dfdp
(p) ∂p
∂y
En substituant dans l’EDP et en réarrangeant les termes, on obtient

∂h ∂h ∂p ∂p df (p)
x + 2y − 2h f (p) + x +2 h =0
∂x ∂y ∂x ∂y dp
Le premier facteur correspond à l’EDP initiale et donc vaut 0, il ne reste que le deuxième terme
hs
qui conduit à
∂p ∂p
x +2 =0
∂x ∂y
at
On déduit que u (x, y) = h (x, y) f (x exp (−h/2)).
M
Caractéristique et existence des solutions
RI
On peut réécrire l’EDPO (5.1.1) comme
OU
∂u ∂u
A (x, y) + B (x, y) = F (x, y, u) . (5.1.7)
∂x ∂y
sB
Nous pouvons paramétrer les variables de l’EDPO (5.1.1) x = x (s) et y = y (s) de sorte que
du ∂u dx ∂u dy
= + , (5.1.8)
ds ∂x ds ∂y ds
les deux équations ci-dessus forment un système d’équations dont les inconnues sont les dérivées
lsu
partielles ∂u/∂x et ∂u/∂y, lequel système ne peut être résolu que si son déterminant est nul ie
dx/ds dy/ds
=0 (5.1.9)
Ce
A B
Cette équation définit en chaque point du plan xy un ensemble de courbes appelées courbes
caractéristiques satisfaisant
dx dy
B −A =0 (5.1.10)
ds ds
ou encore
dy B
= (5.1.11)
dx A
En comparant cette équation et celle déterminant p, les courbes caractéristiques ne sont rien
d’autre que les courbes le long desquelles p est constant. Ce sont des courbes le long desquelles
« l’information » est propagée.

5.1.2 EDP de second ordre (EDPSO)
Forme des solutions
Les EDPSO sont d’une importance capitale en Physique comme nous l’avons noté en intro-
duction. Elles ont la forme générale
∂2u ∂2u ∂2u ∂u ∂u

A 2
+ B + C 2
+D +E + Fu = R (5.1.12)
∂x ∂x∂y ∂y ∂x ∂y
hs
où A, B, C, D, E, F et R sont des fonctions données de x et y. A cause de la nature des
solutions de telles équations, elles sont regroupées en trois classes : les équations hyperboliques
at
si B 2 > 4AC, paraboliques si B 2 = 4AC et elliptiques si B 2 < 4AC. Il va de soi que si A, B et
C sont des fonctions de x et y, l’équation (5.1.12) sera de différent type selon les régions du plan
xy.
M
Il est en général difficile de trouver une forme générale des solutions de l’équation (5.1.12),
raison pour laquelle nous faisons la restriction que A, B, C, D, E et F sont des constantes et
RI
que R = 0. Suivant le même raisonnement que dans le paragraphe précédent, on peut penser
qu’on obtiendra une solution du problème si l’EDPSO contient des termes différentiels de même
ordre ie D = E = F = 0. L’équations devient
OU
∂2u ∂2u ∂2u

A + B + C = 0. (5.1.13)
∂x2 ∂x∂y ∂y 2
On peut alors chercher la solution sous la forme u (x, y) = f (p). Il va de soi que la différentielle
d’ordre 2 de ce terme ne contiendra pas un seul terme à moins que ∂p/∂x soit une constante,
sB
ainsi ∂ 2 p/∂x2 = 0. Il en est de même suivant la variable y. Ceci implique que p est une fonction
linéaire de x et de y ie p = ax + by.
Ainsi, si nous supposons que la solution est de la forme u (x, y) = f (ax + by), alors l’EDPSO
lsu
devient après avoir calculé les dérivées partielles
d2 f (p)
Aa2 + Bab + Cb2 =0 (5.1.14)
dp2
Ce
Une solution indépendante de la forme de f est obtenue si
Aa2 + Bab + Cb2 = 0. (5.1.15)
A partir de cette forme quadratique, on peut déduire le rapport des constantes a et b,

h 1/2 i
b/a = −B ± B 2 − 4AC /2C (5.1.16)
Si on note ces rapports λ1 et λ2 , alors
p = x + λ1 y, p = x + λ2 y (5.1.17)

5.1. SOLUTIONS GÉNÉRALES ET PARTICULIÈRES
sont solutions de l’équation quadratique. La forme de la solution générale est alors
u (x, y) = f (x + λ1 y) + g (x + λ2 y) (5.1.18)
Notons pour terminer que pour la solution alternative d2 f /dp2 = 0 de (5.1.14) conduit à la
solution triviale u (x, y) = kx + ly + m pour laquelle toutes les dérivées secondes sont nulles.
Exercice 37. Trouver la solution générale de l’équation d’onde à une dimension
∂2u 1 ∂2u
− =0 (5.1.19)
∂x2 c2 ∂t2
hs
Remarque 38. Dans le cas où le discrimant B 2 − 4AC = 0, la forme générale de la solution est
u (x, y) = f (x + λ1 y) + xg (x + λ1 y).
at
Caractéristique et existence des solutions
M
De même que dans les cas précédents, on peut mettre l’EDPSO (5.1.12) sous la forme
∂2u ∂2u ∂2u

∂u ∂u
A (x, y) 2 + B (x, y) + C (x, y) 2 = F x, y, u, , (5.1.20)
∂x ∂x∂y ∂y ∂x ∂y
RI
Dans ce cas, on peut penser que les conditions aux limites dépendent soit de la fonction u,
soit ses dérivées partielles d’ordre 1 ou les deux. On rencontre en général trois types de conditions
OU
aux limites :
1. Dirichlet : la valeur de la fonction u est connue en chaque point de la courbe limite.
2. Neumann : la valeur de la dérivée normale ∂u/∂n est connue en chaque point de la courbe
~ · n̂, n̂ étant la normale de la courbe limite en chaque point.
limite. Précisons que ∂u/∂n=∇u
sB
3. Cauchy : u et ∂u/∂n sont tous les deux connus en chaque point de la courbe limite.
Considérons d’abord un problème soumis aux conditions aux limites de Cauchy le long d’une
courbe C du plan xy paramétrée par x = x (s) et y = y (s). Supposons que le long de C,
lsu
u (x, y) = φ (s) et ∂u/∂n = ψ (s). A chaque point de C, le vecteur d~r = ~idx + ~jdy est tangent à
la courbe et n̂dS = ~idy − ~jdx est normal à la courbe. Ainsi, on a sur C
∂u ~ · d~r ∂u dx ∂u dy dφ
∂s = ∇u ds = ∂x ds + ∂y ds = ds
Ce
∂u dy
(5.1.21)
∂u ~
= ∇u · n̂ = − ∂u dx
= ψ (s)
∂n ∂x ds ∂y ds
Ces deux équations peuvent être résolues aisément pour les dérivées partielles ∂u/∂x et ∂u/∂y
le long de C. En utilisant la règle de la chaîne pour écrire
d dx ∂ dy ∂
= + (5.1.22)
ds ds ∂x ds ∂y
on différentie les dérivées premières
d ∂u dx ∂ 2 u dy ∂ 2 u

ds ∂x = ds ∂x2 + ds ∂x∂y
d ∂u dx ∂ 2 u dy ∂ 2 u (5.1.23)
ds ∂y = ds ∂x∂y + ds ∂y 2

On peut résoudre ces équations conjointement avec (5.1.20) où les inconnues sont les dérivées
partielles secondes excepté si le determinant est nul ie
A B C
dx dy
ds ds 0 =0 (5.1.24)
dx dy
0 ds ds
soit 2 2
dy dx dy dx
A −B +C =0 (5.1.25)
ds ds ds ds
hs
qui devient après multiplication de (ds/dx)2
2
dy dy
A −B +C =0 (5.1.26)
at
dx dx
qui est l’équation différentielle ordinaire pour les courbes du plan xy le long desquelles les dérivées
M
partielles secondes sont nulles. Comme dans le cas des EDPO, les courbes satisfaisant l’équation
ci-dessus sont appelées courbes caractéristiques dont les tangentes en chaque point obéissent à
√
dy B± B 2 − 4AC
RI dx
=
2A
(5.1.27)
— Si la courbe est hyperbolique B 2 > 4AC, on a deux familles de courbes réelles.

— Si la courbe est parabolique B 2 = 4AC, on a une famille de courbe réelle.
OU
— Si la courbe est elliptique B 2 < 4AC, on a deux familles de courbes complexes.

Plus encore, quand A, B et C sont des constantes, plutôt que les fonctions x et y, les équations
des caractéristiques vont être de la forme x + λy =constante, ce qui est réminiscent des formes
de solutions obtenues plus haut.
sB
5.2 Séparation des variables

lsu
Nous allons étudier cette méthode par le biais d’un exemple. Pour cela, résolvons l’équation
d’onde à trois dimensions dans un système de coordonnées cartésiennes
Ce
1 ∂2u
∆u (~r) = (5.2.1)
c2 ∂t2
Rappelons que le laplacien en coordonnées cartésiennes s’écrit
∂2 ∂2 ∂2
∆= 2
+ 2+ 2 (5.2.2)
∂x ∂y ∂z
La solution u sera dite séparable si on peut écrire u (x, y, z, t) = X (x) Y (y) Z (z) T (t). En
remplaçant cette forme dans l’EDPSO d’onde, on a
d2 X d2 Y d2 Z 1 d2 T
Y ZT + X ZT + XY T = XY Z (5.2.3)
dx2 dx2 dx2 c2 dt2

5.3. MÉTHODES DES TRANSFORMATIONS INTÉGRALES
Divisons cette équation par u pour obtenir
1 d2 X 1 d2 Y 1 d2 Z 1 1 d2 T
+ + = (5.2.4)
X dx2 Y dy 2 Z dz 2 c2 T dt2
Il apparaît dans cette équation que chaque terme ne dépend que soit x, soit de y, soit de z ou
soit de t. Ceci a pour conséquence que chacun de ces termes est égal à une constante que nous
choisissons comme −l2 , −m2 , −n2 et −µ2 respectivement. On obtient finalement des équations
différentielles ordinaires de second ordre du type
d2 X
+ l2 X = 0
hs
(5.2.5)
dx2
Les solutions sont alors de la forme
at
X (x) = A exp (ilx) + B exp (−ilx)
Y (y) = C exp (imy) + D exp (−imy)
(5.2.6)
M
Z (z) = E exp (inz) + F exp (−inz)
T (t) = G exp (icµt) + H exp (−icµt)
où A, . . ., H sont des constantes à déterminer à partir des conditions aux limites.

RI
Exercice 39. Résoudre l’équation de diffusion à une dimension
∂2u ∂u
OU
κ 2
= (5.2.7)
∂x ∂t
en utilisant la méthode de séparation des variables.

Résoudre l’équation de Laplace à trois dimensions en coordonnées cylindriques et en coor-
données sphériques.
sB
Superposition des solutions séparées Très souvent, les EDP linéaires ont plusieurs solu-
tions. Du fait de cette linéarité, toute combinaison linéaire de ces solutions est aussi une solution
de l’EDP correspondante.
lsu
Exercice 40. Résoudre l’équation de diffusion pour un état stationnaire à deux dimensions
∂2u ∂2u

∂u
κ + 2 = (5.2.8)
Ce
∂x2 ∂y ∂t
soumise aux conditions suivantes : 0 < x < ∞, 0 < y < b, u (x, 0) = u (x, b) = 0, u (0, y) =
f (y) = u0 , limx→∞ u = 0.
5.3 Méthodes des transformations intégrales

Dans la méthode de séparation des variables, nous nous sommes attelés à garder les variables
indépendamment les unes des autres autant que possible. Nous allons discuter maintenant de
l’utilisation des transformations intégrales étudiées dans le chapitre précédent pour résoudre les
EDP. Il s’agit d’une méthode où un terme différentiel par rapport à une variable peut être éliminé.

La méthode consiste simplement à transformer l’EDP en une autre contenant moins de variables
indépendantes. Ainsi, s’il s’agit d’une EDPSO, cette méthode la transformera en une équation
différentielle ordinaire qui peut être résolue (quand c’est possible !) au moyen des techniques
ordinaires. Comme dans les cas précédents, illustrons cette méthode par un exemple.
Exemple 41. Un tube semi-infini de section efficace constante contient initialement de l’eau
pure. A l’instant t = 0, un bout du tube est mis en contact avec une solution salée et est
maintenu à une concentration u0 . Déterminer le taux total de sel qui a été diffusé dans le tube
hs
à un instant quelconque t, si la constante de diffusion est κ.
La concentration u (x, t) à l’instant t et à la distance x du bout du tube satisfait à l’équation

de diffusion
at
∂2u ∂u
κ 2
=
∂x ∂t
M
qui doit être résolue avec les conditions aux limites u (0, t) = u0 pour tout t, et u (x, 0) = 0 pour
tout x > 0. Puisque nous nous intéressons uniquement aux instants t > 0, la transformation de
Laplace est appropriée. Rappelons que l’une des vertus de la transformation de Laplace est la
possibilité de remplacer les dérivées de fonctions par une multiplication par un scalaire. Prenons
RI
donc la transformation de Laplace de l’équation de diffusion ci-dessus par rapport au temps t :
ˆ ∞ ˆ ∞
∂2u ∂u
κ 2 exp (−pt) dt = exp (−pt) dt
OU
0 ∂x 0 ∂t
Soit U (x, p) la transformée de Laplace de u (x, t). L’équation ci-dessus devient donc
∂2U
κ = pU (x, p) − u (x, 0)
∂x2
sB
Or d’après les conditions initiales u (x, 0) = 0, le deuxième terme du membre de droite est nul
et la solution de l’équation est immédiate
r r
p p
lsu
U (x, p) = A exp x + B exp − x ,

κ κ
A et B étant des constantes qui peuvent dépendre de p. Pour que la solution soit physiquement
acceptable, il faudrait que u (x, t) → 0 quand x → ∞, de manière conséquente, U (x, p) → 0 et
Ce
donc A = 0. La valeur de B est déterminée par la condition u (0, t) = u0 soit

ˆ ∞
u0
U (0, p) = u0 exp (−pt) dt =
0 p
ainsi, r
u0 p
U (x, p) = exp − x .
p κ
Pour obtenir la solution u (x, t), il faudrait prendre sa transformée de Laplace inverse qui est liée
à la fonction erreur erf (x) ˆ x
2
exp −t2 dt

erf (x) = √
π 0

5.3. MÉTHODES DES TRANSFORMATIONS INTÉGRALES
Finalement,
x
u (x, t) = u0 1 − erf √
4κt
Pour obtenir la quantité de sel diffusée dans le tube à l’instant t, on intègre sur tout le tube soit
´∞
w (t) = 0 u (x, t) dx = 2 (κ/π)1/2 u0 t1/2 .
Cet exemple montre combien la transformation de Laplace peut simplifier énormément l’EDP.
Cependant, on peut remarquer que le prix à payer est de chercher la transformée de Laplace
inverse. Ce problème est moins sévère s’il s’agit de la transformation de Fourier.
hs
Exemple 42. Une barre métallique infinie a une distribution de température initiale f (x) sur
toute sa longueur. Déterminer la distribution de température à un instant ultérieur quelconque.
at
Dans cet exemple, nous nous intéressons aux valeurs −∞ < x < ∞ qui suggèrent la transfor-
mation de Fourier par rapport à x. Supposons que la solution obéisse aux conditions aux limites
u (x, t) → 0 et ∂u/∂x → 0 quand |x| → ∞. Prenons donc la transformée de Fourier de l’équation
M
de diffusion ˆ ∞ ˆ ∞
κ ∂2u 1 ∂
√ 2
exp (−ikx) dx = √ u exp (−ikx) dx
2π −∞ ∂x 2π ∂t −∞
RI
Comme précédemment, notons U (k, t) la transformée de Fourier de u (x, t). On obtient alors une
équation différentielle ordinaire de premier ordre
∂U
−κk 2 U (k, t) =
OU
∂t
dont la solution est

U (k, t) = U (k, 0) exp −κk 2 t

sB
où la condition initiale donne

ˆ ∞ ˆ ∞
1 1
U (k, 0) = √ u (x, 0) exp (−ikx) dx = √ f (x) exp (−ikx) dx = F (k) .
2π −∞ 2π −∞
La solution de Fourier peut alors se mettre sous la forme

lsu
√
U (k, t) = F (k) exp −κk 2 t = 2πF (k) G (k, t)
√ −1
Ce
exp −κk 2 t . U (k, t) apparaît alors comme un produit

nous avons introduit G (k, t) = 2π
de transformées de Fourier et d’après le théorème de convolution, la solution s’écrit
ˆ ∞
g x − x0 , t f x0 dx0

u (x, t) =
−∞
g (x, t) est noyau de la fonction de l’équation précédente, il est appelé fonction de Green. En la
calculant, on obtient
1
´∞ 2

g (x, t) = 2π ´−∞ exp −κk t exp (ikx) dk
1 ∞ 2 ix

= 2π −∞ exp −κt k − κt k dk
2
= √1 x
exp − 4κt
4πκt

Pour terminer,
ˆ " #
1 ∞
(x − x0 )2
f x0 dx0

u (x, t) = √ exp −
4πκt −∞ 4κt
qui peut être calculée (numériquement si nécessaire) quand la forme de la fonction f (x) est
donnée.
Dans le cas d’une distribution initiale de température à pic de Dirac f (x) = δ (x − a) centré
en un point source x = a, la distribution aux instants ultérieurs
" #
1 (x − a)2
u (x, t) = √ exp −
4κt
hs
4πκt
√
est une gaussienne dont la largeur croît avec t, une dépendance en temps caractéristique des
at
processus de diffusion.
5.4 Introduction aux fonctions de Green
M
Nous étudions dans ce paragraphe une dernière méthode de résolution des EDP que nous
allons mettre sous une forme générale
RI
Lu (~r) = ρ (~r) (5.4.1)
où L est un opérateur différentiel linéaire. Dans le cas de l’équation de Laplace par exemple,
OU
L = 4 alors que pour l’équation de Helmholtz L = 4 + k 2 . On note que l’équation (5.4.1) est
une équation inhomogène.
5.4.1 Fonctions de Green

sB
Considérons une équation différentielle ordinaire linéaire d’ordre n

n
X di y
ai (x) = f (x) (5.4.2)
dxi
lsu
i=0
que nous allons noter pour des raisons de brièveté Ly (x) = f (x). Supposons qu’une fonction de
Green G (x, z) existe de sorte la solution générale de cette équation, obéissant à des conditions
Ce
aux limites dans l’intervalle [a, b] soit donnée par

ˆ b
y (x) = G (x, z) f (z) dz (5.4.3)
a
où z est la variable d’intégration. Appliquons à cette intégrale l’opérateur différentiel L

ˆ b
Ly (x) = [LG (x, z)] f (z) dz = f (x) (5.4.4)
a
Ceci implique, en utilisant la distribution de Dirac,
LG (x, z) = δ (x − z) (5.4.5)

5.4. INTRODUCTION AUX FONCTIONS DE GREEN
Cette égalité exprime la première propriété des fonctions de Green qui satisfont l’équation diffé-
rentielle originale mais avec un second membre égal à la fonction delta. Physiquement, elle peut
s’interpréter comme la réponse d’un système à une impulsion unité en x = z. En plus, elle vérifie
les mêmes conditions aux limites que la fonction inconnue y (x). Maintenant, intéressons-nous
aux propriétés de continuité de la fonction de Green et de ses dérivées. Pour cela, intégrons
l’équation (5.4.5)
n ˆ z+ ˆ z+
X di G (x, z)
lim ai (x) dx = lim δ (x − z) dx = 1 (5.4.6)
→0 z− dxi →0 z−
i=0
hs
dn G(x,z)
Puisque dxn existe en x = z mais avec une valeur infinie, la dérivée d’ordre n − 1 doit avoir
une discontinuité finie alors que les dérivées d’ordre inférieur i < n − 1 y sont continues. Par
at
conséquent, celles-ci ne contribuent pas à l’intégrale ci-dessus ; il ne reste que le terme d’ordre n,
après intégration par parties, soit
M
z+
dn−1 G (x, z)

lim an (x) =1 (5.4.7)
→0 dxn−1 z−
Nous avons n autres contraintes qui sont que G (x, z) et ses dérivées jusqu’à l’ordre n − 2 sont
continues en x = z mais que dxn−1
RI
dn−1 G(x,z)
a une discontinuité de 1/an (z) en x = z.
Exemple 43. Utiliser la fonction de Green pour résoudre l’équation

OU
d2 y
+ y = cosecx
dx2
sujette aux conditions aux limites y (0) = y (π/2) = 0.

sB
Soit G (x, z) la fonction de Green. Elle doit vérifier
d2 G (x, z)
+ G (x, z) = δ (x − z)
dx2
Pour x 6= z, le membre de droite est nul. La solution, devant être telle que sa dérivée soit
lsu
discontinue, est donc

(
A (z) sin x + B (z) cos x, pour x < z
G (x, z) = ,
Ce
C (z) sin x + D (z) cos x, pour x > z
elle doit aussi vérifier les conditions aux limites afin de déterminer les constantes A (z) , . . . , D (z).
G (0, z) = G (π/2, z) = 0 conduisent à B (z) = C (z) = 0 de sorte que
(
A (z) sin x, pour x < z
G (x, z) = .
D (z) cos x, pour x > z
Servons-nous maintenant des conditions de continuité de G et de discontinuité de dG/dx en

x=z :
D (z) cos z − A (z) sin z = 0
−D (z) sin z − A (z) cos z = 1

En résolvant ce système d’équations, nous trouvons
A (z) = − cos z, D (z) = − sin z.
Ainsi, (
− cos z sin x, pour x < z
G (x, z) = .
− sin z cos x, pour x > z
La solution générale satisfaisant aux conditions aux limites y (0) = y (π/2) = 0 a pour expression
´ π/2
y (x) = G (x, z) coseczdz
hs
´x 0 ´ π/2
= − cos x 0 sin zcoseczdz − sin x x cos zcoseczdz
= −x cos x + sin x ln (sin x)
at
Pour des problèmes aux conditions aux limites inhomogènes, il faut procéder à un changement
de fonction u = y − h (x) où h (x) est un polynôme d’ordre n − 1 obéissant aux aux conditions
M
aux limites. Cette technique s’étend naturellement aux problèmes de dimension plus grande que
1.
5.4.2 Problèmes aux valeurs limites

RI
Supposons que l’on veuille résoudre l’équation (5.4.1) soumise à des conditions aux limites
non homogènes. Pour cela, rappelons le théorème de Green qui stipule que, pour deux fonctions
OU
scalaires φ (~r) et ψ (~r) définies dans un volume V bornée par une surface S,
ˆ ˆ
(φ4ψ − ψ4φ) dV = ~ − ψ ∇φ
φ∇ψ ~ · n̂dS (5.4.8)
V S
sB
~ · n̂ comme (∂ψ/∂n) ; c’est le taux de variation de ψ dans

Il est souvent commode d’écrire ∇ψ
la direction normale n̂ de la surface S. Supposons que l’EDP soit l’équation de Poisson dont la
fonction de Green vérifie
4G (~r, ~r0 ) = δ (~r − ~r0 ) (5.4.9)
lsu
Supposons pour commencer qu’il n’y a aucune conditions aux limites. Dans le théorème de Green,
faisons φ = u (~r) et ψ = G (~r, ~r0 )
ˆ ˆ
∂G (~r, ~r0 ) ∂u (~r)
Ce
[u (~r) 4G (~r, ~r0 ) − G (~r, ~r0 ) 4u (~r)] dV (~r) = u (~r) − G (~r, ~r0 ) dS (~r)
V S ∂n ∂n
(5.4.10)
et transformons la au moyen de l’équation de Poisson
ˆ ˆ
∂G (~r, ~r0 ) ∂u (~r)
[u (~r) δ (~r − ~r0 ) − G (~r, ~r0 ) ρ (~r)] dV (~r) = u (~r) − G (~r, ~r0 ) dS (~r) .
V S ∂n ∂n
(5.4.11)
´
Puisque ~r0 est dans du volume V , V u (~r) δ (~r − ~r0 ) dV (~r) = u (~r0 ), et réarrangeant l’équation,
la solution de l’équation de Poisson s’écrit
ˆ ˆ
∂G (~r, ~r0 ) ∂u (~r)
u (~r0 ) = G (~r, ~r0 ) ρ (~r) dV (~r) + u (~r) − G (~r, ~r0 ) dS (~r) . (5.4.12)
V S ∂n ∂n

5.4. INTRODUCTION AUX FONCTIONS DE GREEN
Cette équation est très importante pour les problèmes inhomogènes suivant qu’il s’agisse des
conditions aux limites de Dirichlet ou de Neumann.
hs
at
M
RI
OU
sB
lsu
Ce

5.5 Exercices
1. Déterminer laquelle des solutions ci-dessous peut être mise sous la forme p = x2 + 2y unique-
ment, et par conséquent si elle est solution de
∂u ∂u
=x
∂x ∂y
(a) x2 x2 − 4 + 4y x2 − 2 + 4 y 2 − 1 ;

(b) x4 + 2x2 y + y 2 ;
hs
(c) x4 + 4x2 y + 4y 2 + 4 / 2x4 + x2 (8y + 1) + 8y 2 + 2y .

2. Résoudre les EDP suivantes par la méthode de séparation des variables
at
∂u
∂x − x ∂u
∂y = 0 x ∂u ∂u
∂x − 2y ∂y = 0
M
3. Résoudre les EDP aux conditions aux limites suivantes :
(a) x ∂u
∂x + xy = u, u = 2y sur la droite x = 1
(b) 1 + x ∂u
∂y = xu, u (x, 0) = x.
RI
4. Trouver la solution de
1 ∂u 1 ∂u
+ =0
x ∂x y ∂y
OU
pour
(a) u (0, y) = y et
(b) u (1, 1) = 1.
sB
5. Résoudre l’EDP
∂u ∂u
sin x + cos x = cos x
∂x ∂y
satisfaisant à
lsu
(a) u (π/2, y) = 0 et
(b) u (π/2, y) = y (y + 1).
6. Si u (x, y) satisfait à
Ce
∂2u ∂2u ∂2u

− 3 + 2 =0
∂x2 ∂x∂y ∂y 2
et u = −x2 et ∂u/∂x = 0 pour y = 0 pour tout x, trouver la valeur de u (0, 1).
7. Dans les cas où c’est possible, évaluer u (2, 2), u (x, y) étant la solution de
∂u ∂u
= xy 2y 2 − x2

2y −x
∂x ∂y
satisfaisant aux conditions aux limites ci-dessous.
(a) u (x, 1) = x2 pour tout x.

(b) u (x, 1) = x2 pour x ≥ 0.

5.5. EXERCICES
(c) u (x, 1) = x2 pour 0 ≤ x ≤ 3.

(d) u (x, 0) = x pour x ≥ 0.
(e) u (x, 0) = x pour tout x.
√
(f) u 1, 10 = 5.
√
(g) u 10, 1 = 5.
8. La solution de l’équation
∂2u ∂2u ∂2u
6 2
−5 + 2 = 14
∂x ∂x∂y ∂y
hs
qui satisfait u = 2x + 1 et ∂u/∂y = 4 − 6x sur la droite y = 0 est
u (x, y) = −8y 2 − 6xy + 2x + 4y + 1.
at
En changeant les variables indépendantes de l’EDP par
M
ξ = x + 2y et η = x + 3y
montrer qu’il est possible d’écrire 14 x2 + 5xy + 6y 2 sous la forme

RI
f1 (x + 2y) + f2 (x + 3y) − x2 + y 2

OU
et déterminer les formes de f1 (z) et de f2 (z).

9. Trouver la solution la plus générale de l’EDP ∂ 2 u/∂x2 + ∂ 2 u/∂y 2 = x2 y 2 .
10. L’équation de Schrödinger non relativiste
sB
~2 2 ∂u
− ∇ u + V (r) u = i~
2m ∂t
est similaire à l’équation de diffusion. Dans le cas d’un potentiel constant, ie pour une par-
ticule libre, montrer que la solution est de la forme A exp (lx + my + nz + λt) dont la seule
lsu
contrainte est
~2 2
l + m2 + n2 = i~λ.

−
2m
Identifier, en particulier l’équation et la fonction d’onde obtenue en prenant λ comme −iE/~
Ce
et l, m et n comme ipx /~, ipy /~ et ipz /~ respectivement ; E étant l’énergie et p le moment de

la particule. Ces identifications sont essentiellement les relation de de Broglie et d’Einstein.
11. Un fluide incompressible de densité ρ et de viscosité négligeable coule avec une vitesse v le
long d’un tube mince, droit et parfaitement flexible de section efficace A soumis à une tension
T . On suppose qu’un déplacement élémentaire transverse u du tube est gouverné par
∂2u ∂2u
2
2 T ∂ u
2
+ 2v + v − = 0.
∂t ∂x∂t ρA ∂x2
(a) Montrer que la solution générale consiste en une superposition de deux formes d’onde
se déplaçant avec des vitesses différentes.

(b) Le tube initialement a un déplacement élémentaire transverse u = a cos kx. Quel est
son mouvement subséquent ?
12. Dans un cable électrique de résistance R et de capacitance C par unité de longueur, le signal
de tension obéit à l’équation ∂ 2 V /∂x2 = RC∂V /∂t. Cette équation (de type diffusion) a des
solutions de la forme
´ζ q
√2 exp −ν 2 dν avec ζ = x2 RC

f (ζ) = π 0 t
Elle a aussi des solutions de la forme V = Ax + D
hs
(a) Trouver une combinaison de celles-ci qui représente la situation après qu’une tension
constante V0 ait été appliquée en x = 0 à t = 0.
(b) Obtenir une solution décrivant la propagation du signal de tension résultant de l’ap-
at
plication d’un signal V = V0 pour 0 < t < T au bout x = 0.
√
(c) Montrer que pour t T le maximum apparaît à une valeur x proportionnelle à t et
M
possède une amplitude proportionnelle à t−1 .
13. L’équation d’onde décrivant les vibrations transverses d’une membrane soumise à une tension
à T et ayant une densité de surface uniforme ρ est
RI
∂2u ∂2u ∂2u

T + 2 =ρ
∂x2 ∂y ∂t2
OU
Trouver une solution séparable appropriée à une membrane étirée de longueur a et de largeur
b, en montrant que les fréquences angulaires naturelles d’une telle membrane sont données
par
π2T n2 m 2

2
ω = + 2
ρ a2 b
sB
où n et m sont des entiers positifs.

14. Une corde de longueur L, fixée à ses deux bouts, est tirée en son milieu d’une amplitude A
et est relâchée. Prouver que le déplacement subséquent est donné par
lsu
∞
X 8A (2n + 1) πx (2n + 1) πct
u (x, t) = sin cos
n=0
π 2 (2n + 1)2 L L
avec c2 = T /ρ. Déterminer l’énergie cinétique totale de la corde quand elle passe à travers sa
Ce
position maximale en calculant dans chaque mode (chaque n) et, en sommant en utilisant le
résultat
∞
X 1 π2
=
n=0
π 2 (2n + 1)2 8
Confirmer que l’énergie totale est égale au travail effectué en tirant la corde initialement.
15. Prouver que le potentiel pour ρ < a associé à un cylindre vertical de rayon a, les deux valeurs
pour lesquelles (cos φ > 0 and cos φ < 0) étant maintenues à des potentiels opposés ±V , est
donné par
∞
4V X (−1)n ρ n+1
u (ρ, φ) = cos (2n + 1) φ.
π 2n + 1 a
n=0

5.5. EXERCICES
16. Dans la région −∞ < x, y < ∞ et −t ≤ z ≤ t, une onde de densité de charge ρ (r) = A cos qx,
dans la direction des x, est représentée par
ˆ ∞
eiqx
ρ (r) = √ ρe (α) eiαz dα.
2π −∞
Le potentiel résultant est représenté par

ˆ ∞
eiqx
V (r) = √ Ve (α) eiαz dα.
2π −∞
hs
Déterminer la relation entre Ve (α) et ρe (α), et montrer que le potentiel au point (0, 0, 0) est
donné par ˆ ∞
A sin kt
dk.
at
π0 −∞ k (k 2 + q 2 )
M
RI
OU
sB
lsu
Ce

hs
at
M
RI
OU
sB
lsu
Ce

Chapitre Sixième
Equations intégrales
hs
« I seldom use equivalence to help decide upon a class,
at
But often find an integral, using a contour over a pass.
M
In short in matters rational, and logical and practical,
RI I am the very model for a student mathematical. »
(K. F. Riley, 2007)

OU
Il n’est pas surprenant qu’en analysant des systèmes physiques, on rencontre une équation
où la fonction inconnue apparaît sous une intégrale. De telles équations sont appelées équation
intégrale qui fait l’objet de ce chapitre. Nous précisons tout de même que les équations intégrales
sB
généralement rencontrées ne peuvent être résolues par les méthodes élémentaires de ce chapitre,
on fera souvent recours aux méthodes numériques.
lsu
6.1 De l’équation différentielle à une équation intégrale
Les équations intégrales apparaissent dans plusieurs situations, partiellement parce qu’une
équation différentielle peut être toujours réécrite en équation intégrale. Il est souvent avantageux
Ce
de faire ces transformations car les questions concernant l’existence d’une solution sont moins
restrictives pour les équations intégrales qui peuvent automatiquement prendre en compte les
conditions aux limites. Pour illustrer, considérons l’équation différentielle
y 00 = f (x, y) (6.1.1)
où f (x, y) est une fonction x et de y et non de y 0 . Prenons deux intégrations successives de

l’équation différentielle ci-dessus
´x
y0 = f (z, y (z)) dz + c1
´x ´ 0u (6.1.2)
y = 0 du 0 f (z, y (z)) dz + c1 x + c2
77
Dans la dernière équation, on peut permuter l’ordre d’intégration si la région du plan uz reste
inchangée. En changeant les bornes des intégrales, on a
´x ´x
y (x) = f (z, y (z)) dz z du + c1 x + c2
´x0 (6.1.3)
= 0 (x − z) f (z, y (z)) dz + c1 x + c2
qui est une équation intégrale de Volterra non linéaire. Les conditions aux limites permettront
alors de déterminer les constantes c1 et c2 .
hs
6.2 Types d’équations intégrales
at
A la fin du paragraphe précédent, nous avons vu qu’une équation différentielle peut conduire
à une équation intégrale non linéaire. Dans ce chapitre, nous allons nous intéresser uniquement
aux équations intégrales linaires de forme générale
M
ˆ b
g (x) y (x) = f (x) + λ K (x, z) y (z) dz, (6.2.1)
RI a
les fonctions f (x), g (x) et K (x, z) sont des fonctions connues. K (x, z) est appelée noyau de
l’équation intégrale. Les bornes a et b sont aussi supposées connues, et peuvent être soit constantes
soit fonction de x, et λ est une constante ou un paramètre connu. Si f (x) = 0, l’équation intégrale
OU
est homogène sinon elle est inhomogène.

— Si g (x) = 0, la fonction inconnue y (x) n’apparaît que sous l’intégrale et l’équation intégrale
est dite de première espèce.
— Si g (x) = 1, il s’agit d’une éuation intégrale de deuxième espèce.
sB
Par rapport aux bornes de l’intégration, on dira qu’il s’agit d’une équation de
— Fredholm si a et b sont constants,
— Volterra si b = x
Si le noyau K (x, z) devient infini entre les bornes d’intégration ou si l’une au moins de celles-ci
lsu
est infinie, l’équation intégrale est dite singulière.

Ce
6.3 Notation opératorielle et existence des solutions
Pour des raisons de simplicité, nous allons introduire un opérateur linéaire K intégral tel que
ˆ b
Ky (z) = K (x, z) y (z) dz (6.3.1)
a
L’équation (6.2.1) peut alors se mettre sous une forme opératorielle
gy = f + λKy (6.3.2)
que l’on peut formellement résoudre en discutant de la nullité ou non de g (x).

6.4. SOLUTIONS FERMÉES
6.4 Solutions fermées
Dans certains (peu) cas, il est possible de trouver une forme ddéfinitive de la solution des
équations intégrales.
6.4.1 Noyaux séparables
Les équations intégrales faciles à résoudre sont les équations de Fredholm ayant des noyaux
séparables ou dégénérés. Un noyau est séparable si
hs
n
X
K (x, z) = φi (x) ψi (z) (6.4.1)
i=1
at
où φi (x) et ψi (z) sont des fonctions de x et de z respectivement et le nombre de termes n est
fini. Considérons l’équation inhomogène de Fredholm de seconde espèce
ˆ
M
b
y (x) = f (x) + λ K (x, z) y (z) dz (6.4.2)
a
qui a un noyau séparable comme dans (6.4.1). On peut écrire

RI ˆ
n
X b
y (x) = f (x) + λ φi (x) ψi (z) y (z) d (6.4.3)
i=1 a
| {z }
OU
ci
et la solution de l’équation est

n
X
y (x) = f (x) + λ ci φi (x) (6.4.4)
sB
i=1
Exercice 44. Résoudre l’équation intégrale

ˆ 1
xz + z 2 y (z) dz

y (x) = x + λ
lsu
6.4.2 Méthode des transformations intégrales

Ce
Si le noyau de l’équation intégrale peut être écrit comme une fonction de la différence x − z
de ses arguments, alors il est appelé noyau de déplacement. Une équation intégrale ayant un tel
noyau et des bornes d’intégration de −∞ à ∞ peut être résolue au moyen de la transformation
de Fourier. Considérons l’équation intégrale avec un noyau de déplacement
ˆ ∞
y (x) = f (x) + λ K (x − z) y (z) dz (6.4.5)
−∞
Il est clair que l’intégrale suivant z est un produit de convolution. Ainsi en prenant la transformée
de Fourier de cette équation, on obtient
√
Y (k) = F (k) + 2πλK
e (k) Y (k) (6.4.6)

qui, après réarrangement, devient
F (k)
Y (k) = √ . (6.4.7)
1 − 2πλK e (k)
La solution est obtenue en prenant la transformée de Fourier inverse, soit,

ˆ ∞
1 F (k) exp (ikx)
y (x) = √ √ dk. (6.4.8)
2π −∞ 1 − 2πλK e (k)
Exercice 45. Trouver la transformée de Fourier de la fonction
hs
(
1 si |x| ≤ a
g (x) =
0 si |x| > a
at
puis trouver une expression explicite de la solution de l’équation intégrale
ˆ ∞
sin (x − z)
M
y (x) = f (x) + λ y (z) dz.
−∞ x−z
Déterminer la solution pour le cas spécial f (x) = sin x/x.

RI
La transformée de Fourier de g (x) est directement donnée par
ˆ a
r
1 2 sin ka
G (k) = √ exp (−ikx) dx =
2π π k
OU
−a
Le noyau de l’équation intégrale est K (x − z) = sin (x − z) / (x − z). Utilisant le résultat précé-

dent, ( p
π/2 si |k| ≤ 1,
K
e (k) =
sB
0 si |k| > 0.
Par conséquent, (
F (k) / (1 − πλ) si |k| ≤ 1,
Y (k) =
F (k) si |k| > 0.
lsu
dont la transformée de Fourier inverse est donnée par

1
´1

√1
y (x) = f (x) + 1−πλ − 1 2π −1
F (k) exp (ikx) dk
´ 1
Ce
πλ √1
= f (x) + 1−πλ 2π −1
F (k) exp (ikx) dk
Ce résultat suppose que λ 6= 1/π.

Pour le cas spécial où f (x) = sin x/x, la transformée de Fourier est F (k) est identique à
celle de g (x) et la solution devient
sin x

1
´1
√1
y (x) = x + 1−πλ − 1 2π −1
F (k) exp (ikx) dk
sin x πλ √1
´ 1 pπ sin x πλ sin x 1 sin x
= x + 1−πλ 2π −1 2 exp (ikx) dk = x + 1−πλ x = 1−πλ x
Si par contre, l’équation intégrale est du type Volterra avec des bornes d’intégration 0 et x,
la solution peut être obtenue de manière similaire au moyen du théorème de convolution pour la

6.4. SOLUTIONS FERMÉES
transformation de Laplace. On obtiendrait
F (p)
Y (p) = (6.4.9)
1 − λKe (p)
Comme dernier exemple de l’utilisation de la transformation de Fourier dans la résolution

des équations intégrales, mentionnons celles qui ont des limites d’intégration de −∞ à ∞ et que
le noyau est de la forme
K (x, z) = exp (−ixz) (6.4.10)
Considérons par exemple l’équation inhomogène de Fredholm
hs
ˆ ∞
y (x) = f (x) + λ exp (−ixz) y (z) (6.4.11)
−∞
at
dont le deuxième terme du membre de droite n’est rien d’autre que la transformée de Fourier
Y (x) de y (x). On écrit alors
√
M
y (x) = f (x) + λ 2πY (x) (6.4.12)
Prenons maintenant sa transformée de Fourier mais en continuant de noter la variable indépen-

dante x (au lieu de k) pour obtenir
RI
√
Y (x) = F (x) + λ 2πy (−x) (6.4.13)
OU
Substituant (6.4.13) dans (6.4.12), nous obtenons

√
y (x) = f (x) + λ 2πF (x) + 2πλ2 y (−x) (6.4.14)
mais en faisant x → −x, il vient

sB
√
y (x) = f (x) + λ 2πF (x) + 2πλ2 f (−x) + (2π)3/2 λ3 F (−x) + (2π)2 λ4 y (x) (6.4.15)
à partir de laquelle on extrait la solution

lsu
1 h √ 2 3/2 3
i
y (x) = f (x) + λ 2πF (x) + 2πλ f (−x) + (2π) λ F (−x) (6.4.16)
1 − (2π)2 λ4
√ √
à condition que λ 6= ±1/ 2π ou λ 6= ±i/ 2π.
Ce
Exemple 46. Résoudre l’équation intégrale

2 ˆ ∞
x
y (x) = exp − +λ exp (−ixz) y (z)
2 −∞
pour une constante réelle λ. Montrer que la solution est unique à moins que λ ne prenne une des
deux valeurs particulières que l’on déterminera. Discuter la solution pour ces cas là.
La solution de cette équation est donnée par (6.4.16). Il est indispensable de connaître la
transformée de Fourier de la fonction f (x) = exp −x2 /2 qui est une gaussienne. Or nous

savons que la transformée d’une gaussienne est une gaussienne soit donc F (k) = exp −k 2 /2 .


Il vient donc que
√
2
1 h
2 3/2 3
i x
y (x) = 2 4 1 + λ 2π + 2πλ + (2π) λ exp −
1 − (2π) λ 2
√
qui est unique si et seulement si λ 6= ±1/ 2π puisque λ est réel.
√
Dans le cas où λ = 1/ 2π, l’équation (6.4.15) s’écrit
y (x) = f (x) + F (x) + f (−x) + F (−x) + y (x)
Pour qu’une solution y (x) existe, il faut que
hs
f (x) + F (x) + f (−x) + F (−x) = 0
at
√
ce qui est satisfait si f (x) = −F (x). Si par contre λ = −1/ 2π, on aurait abouti à la condition
f (x) = F (x). En rapport avec la fonction f (x) = exp −x2 /2 , comme nous l’avons noté

√
M
f (x) = F (x), l’équation intégrale n’admet pas de solution pour λ = 1/ 2π mais une infinité de
√
solutions existe pour λ = −1/ 2π.
Remarque 47. Une approche similaire peut être utilisé pour des noyaux de la forme K (x, z) = cos xz ou
RI
K (x, z) = sin xz en considérant les parties réelles et/ou imaginaires des transformées de Fourier ou en
utilisant les transformées cosinus ou sinus de Fourier directement.
OU
6.4.3 Différentiation
Une autre forme de solution d’équation de Volterra peut parfois être obtenue en différentiant
l’équation pour obtenir l’équation différentielle correspondante, probablement facile à résoudre.
sB
Exemple 48. Résoudre l’équation

ˆ x
y (x) = x − xz 2 y (z) dz
0
lsu
Divisant par rapport à x, nous obtenons l’équation

ˆ x
y (x)
=1− z 2 y (z)
x 0
Ce
qui peut être différentiée par rapport à x,

d y (x) y (x)
= −x2 y (x) = −x3
dx x x
Celle-ci peut être intégrée aisément,
x4

y (x)
ln =− +c
x 4
soit finalement 4
x
y (x) = A exp −
4

6.5. SÉRIES DE NEUMANN
où A est une constante arbitraire pouvant être déterminée à partir de l’équation originale ; ce
qui donne A = 1.
6.5 Séries de Neumann
Nous l’avons dit maintes fois que la plupart des équations intégrales n’ont pas de forme
simple, par conséquent il est difficile d’obtenir une forme générale de leur solution. Dans de tels
hs
cas, on peut essayer d’obtenir la solution sous la forme d’une série infinie. Considérons l’équation
(6.2.1)
ˆ b
at
y (x) = f (x) + λ K (x, z) y (z) dz (6.5.1)
a
où on suppose ici que λ est un paramètre très petit. Dans cette équation, on peut substituer
M
y (x) de sorte que
ˆ b ˆ b ˆ b
2
y (x) = f (x) + λ K (x, z) f (z) dz +λ dz1 K (x, z1 ) K (z1 , z2 ) y (z2 ) dz2 (6.5.2)
| a
{z
RI } a a
y1 (x)
qui est au second ordre en λ. En répétant la procédure à des ordres supérieurs en λ et en

OU
introduisant les fonctions
K1 (x, z) = K (x, z)
´b
K2 (x, z) = dz1 K (x, z1 ) K (z1 , z) (6.5.3)
´b ´b a
K3 (x, z) = dz1 K (x, z1 ) K (z1 , z2 ) , K (z2 , z) dz2
sB
a a
et ainsi de suite, obéissant aux relations de récurrence

ˆ b
Kn (x, z) = K (x, z1 ) Kn−1 (z1 , z) dz1 . (6.5.4)
lsu
De cette façon, l’approximation de la solution à l’ordre n s’écrit

n
X ˆ b
m
Ce
yn (x) = f (x) + λ Km (x, z) f (z) dz (6.5.5)

m=1 a
et la solution de l’équation intégrale originale est alors donnée par y (x) = limn→∞ yn (x) sous la
condition que la série infinie converge. Utilisant la relation ci-dessus, nous pouvons écrire
ˆ b
yn (x) = f (x) + λ R (x, z; λ) f (z) dz (6.5.6)
a
où la résolvante R (x, z; λ) est donnée par

∞
X
R (x, z; λ) = λm Km+1 (x, z) (6.5.7)
m=0

Clairement, la résolvante et donc la solution série ne convergera que si λ est suffisamment petit.
On montre que la série converge dans un certain domaine de λ si le noyau est borné de sorte que
ˆ b ˆ b
|λ|2 dx |K (x, z)|2 dz < 1. (6.5.8)
a a
Exemple 49. Utiliser la série de Neumann pour résoudre l’équation intégrale

ˆ 1
y (x) = x + λ xzy (z) dz.
0
´1
hs
Déterminons les différents noyaux. K1 (x, z) = xz, K2 (x, z) = 0 xz12 zdz1 = 13 xz, K3 (x, z) =
´
1 1 2 1
´
1 1 2 1 n−1

3 0 xz1 zdz1 = 9 xz, . . . ,Kn (x, z) = 3 0 xz1 zdz1 = 3 xz. La solution devient
at
∞ ∞ ∞
m " #
X
m+1
1
1 2
X λ m+1 X λ m+1
y (x) = x + λ xz dz = x + x =x 1+
0 3 3 3
m=0 m=0 m=0
M
qui ne converge que si |λ| < 3, soit donc
λx 3x
y (x) = x + = .
3−λ 3−λ
RI
Notons que la condition |λ| < 3 pourrait être dérivée à partir de la condition (6.5.8).
OU
6.6 Théorie de Fredholm
Comparativement à la série de Neumann, l’approche de Fredholm qui utilise aussi une série
infinie est beaucoup plus élégante. Elle consiste à écrire la résolvante R (x, z; λ) comme le rapport
sB
de deux séries infinies

D (x, z; λ)
R (x, z; λ) = (6.6.1)
d (λ)
Les numérateur et dénominateur sont donnés par
lsu
P−∞ (−1)n n
D (x, z; λ) = n=0 n! λ D (x, z)
P−∞ (−1)n n (6.6.2)
d (λ) = n=0 n! λ dn
Ce
où les fonctions D (x, z) et les constantes dn sont obtenues grâce aux relations de récurrence
comme suit. On commence par
D0 (x, z) = K (x, z) et d0 = 1, (6.6.3)
K (x, z) étant le noyau de l’équation intégrale originale. Les coefficients d’ordre élevé en λ sont
donnés par
´b
dn = a ´Dn−1 (x, x) dx
b . (6.6.4)
Dn (x, z) = K (x, z) dn − n a K (x, z1 ) Dn−1 (z1 , z) dz1
Malgré que les formules sont compliquées à première vue, leur application est souvent simple.
En outre, pour la solution de Fredholm, les séries en puissance (6.6.2) convergent pour toutes

6.7. THÉORIE DE SCHMIDT-HILBERT
les valeurs de λ contrairement aux séries de Neumann. Ainsi, la méthode de Fredholm conduit à
une unique, non singulière solution tant que d (λ) 6= 0.
Exemple 50. Résoudre l’équation intégrale précédente en utilisant la théorie de Fredholm.

D’après la méthode,
ˆ 1 ˆ 1
D (x, z; λ)
y (x) = x + λ R (x, z; λ) zdz = x + λ zdz
0 0 d (λ)
Déterminons la résolvante. D0 (x, z) = K (x, z) = xz et d0 = 1 et utilisant les relations de

´1 ´1
hs
récurrence, d1 = 0 D0 (x, x) dx = 1/3 et D1 (x, z) = xz/3 − 0 xz12 zdz1 = 0. Par suite, dn = 0
et Dn (x, z) = 0 pour n > 1 de sorte que
at
λ
D (x, z; λ) = xz et d (λ) = 1 −
3
M
En les substituant, ˆ 1
xz 2 3x
y (x) = x + λ dz =
0 1 − λ/3 3−λ
qui est le même résultat que précédemment obtenu dans la série de Neumann.
RI
6.7 Théorie de Schmidt-Hilbert
OU
La méthode de Schmidt-Hilbert ne s’applique qu’aux équations intégrales dont les noyaux

sont hermitiques. Un noyau est dit hermitique s’il a la propriété
sB
K (x, z) = K ∗ (z, x) (6.7.1)
et il est évident que les noyaux réels sont symétriques et hermitiques. Commençons par considérer
l’équation intégrale homogène
lsu
y = λKy (6.7.2)
où l’opérateur intégral K a un noyau hermitique. L’équation (6.7.2) est une équation aux valeurs
propres dont les solutions sont yi associées aux valeurs propres λi . En général, on choisit ces
Ce
fonctions orthonormales ie
ˆ b
hyi |yj i = yi∗ (x) yj (x) dx = δij (6.7.3)
a
La théorie de Schmidt-Hilbert n’a pas pour but de déterminer les vecteurs propres de (6.7.2)
mais de déterminer la solution de l’équation intégrale inhomogène
y = f + λKy (6.7.4)
où K = K† dont le spectre est connu. On suppose que y (x) et f (x) peuvent être développés sur
P P
la base yi (x) ie y (x) = i ai yi (x) et f (x) = i bi yi (x). En plus, on a yi (x) = λi Kyi (x) de

sorte que l’équation intégrale prend la forme

X X X
ai yi (x) = bi yi (x) + ai λKyi (x) (6.7.5)
i i i
En la projetant sur yj (x) et en utilisant la relation d’orthonormalité ci-dessus, les coefficients ai

peuvent être obtenus
bi
ai = (6.7.6)
1 − λλ−1
i
et finalement,
X bi
hs
y (x) = yi (x) (6.7.7)
i
1 − λλ−1
i
à condition que λ 6= λi . Si λ = λi , les coefficients ai deviennent singuliers et aucune solution
at
n’existe à moins que f soit orthogonal à toutes les solutions propres.
M
RI
Exemple 51. Utiliser la théorie de Schmidt-Hilbert pour résoudre l’équation intégrale
OU
ˆ π
y (x) = sin (x + α) + λ sin (x + z) y (z) dz
0
Il est clair que le noyau K (x, z) = sin (x + z) est réel et symétrique et donc hermitique. Les
sB
valeurs propres de l’équation homogène sont λ1,2 = ±2/π respectivement associées aux fonctions
propres orthonormales
1 1
y1 (x) = √ (sin x + cos x) et y2 (x) = √ (sin x − cos x)
lsu
π π
La solution de l’équation inhomogène a la forme

Ce
y (x) = a1 y1 (x) + a2 y2 (x)
où les coefficients a1 et a2 sont calculés à partir de (6.7.6)
1
´π √
π
a1 = √1 (sin z + cos z) sin (z + α) dz = (cos α + sin α)
1−πλ/2 0 2−πλ
1
´ π 1π √
π
a2 = 1−πλ/2 0
√
π
(sin z − cos z) sin (z + α) dz = 2+πλ (cos α − sin α)
La solution du problème est donc

1 πλ
y (x) = sin (x + α) + cos (x − α) .
1 − (πλ/2)2 2

6.8. EXERCICES
6.8 Exercices
1. Résoudre l’équation intégrale
ˆ ∞
cos (xv) y (v) dv = exp −x2 /2

0
pour la fonction y = y (x) pour x > 0. On choisira convenablement pour x < 0 la fonction
y (x).
2. Convertir ˆ x
f (x) = exp x + (x − y) f (y) dy
hs
0
en une équation différentielle, et montrer alors que sa solution est
at
(α + βx) exp x + γ exp (−x) ,
où α, β et γ sont des constantes que l’on déterminera.
M
3. Résoudre pour ϕ (x) l’équation intégrale
ˆ 1 n y n
x
ϕ (x) = f (x) + λ + ϕ (y) dy
RI 0 y x
où f (x) est borné pour 0 < x < 1 et − 21 < n < 12 , en exprimant la réponse en fonction des
´1
quantités Fm = 0 f (y) y m dy.
OU
(a) Donner la solution explicite pour λ = 1.

(b) Pour quelles valeurs de λ n’y a-t-il pas de solutions à moins que F±n n’aient un rapport
particulier ? Quel est ce rapport ?
sB
4. Le noyau de l’équation intégrale

ˆ b
ψ (x) = λ K (x, y) ψ (y) dy
a
lsu
a la forme
∞
X
K (x, y) = hn (x) gn (y)
n=0
Ce
où les fonctions hn (x) forment une base orthonormale de fonctions dans l’intervalle [a, b].
(a) Montrer que les valeurs propres λi sont données par
det M − λ−1 I = 0

où M est la matrice des éléments

ˆ b
Mij = gi (u) hj (u) du.
a
P∞ (i)
Si les solutions correspondantes sont ψ (i) (x) = n=0 an hn (x), trouver une expression
(i)
de an .

(b) Déterminer les valeurs et les fonctions propres sur l’intervalle [0, 2π] si
∞
X 1
K (x, y) = cos nx cos ny.
n
n=0
5. Pour f (t) = exp −t2 /2 , utiliser les relations entre les transformées de Fourier de f 0 (t)

et tf (t) et celle de f (t) même pour obtenir une simple équation différentielle satisfaite par
F (ω), la transformée de Fourier de f (t), et déterminer alors F (ω) à une constante près.
Utiliser ce résultat pour résoudre l’équation intégrale en h (t)
ˆ
hs
∞
2 /8
e−t(t−2x)/2 h (t) dt = e3x
−∞
at
6. A une conférence internationale pour la paix, un grand nombre de délégués est assis autour
d’une table circulaire de sorte que les délégations alliées sont côte à côte et les délégations les
plus opposées ont des places diamétricalement opposées. La position d’un délégué est notée
M
θ, avec 0 ≤ θ ≤ 2π. La colère f (θ) ressentie par un délégué à la position θ est la somme de sa
propre hostilité h (θ) et les influences qu’ont sur lui chacun des autres délégués : un délégué
à la position φ contribue à hauteur de K (θ − φ) f (φ). Ainsi
RI ˆ 2π
f (θ) = h (θ) + K (θ − φ) f (φ) dφ
0
OU
Montrer que si K (ψ) prend la forme K (ψ) = k0 + k1 cos ψ alors
f (θ) = h (θ) + p + q cos θ + r sin θ
et évaluer p, q et r. Une valeur positive de k1 implique que le délégué tend à plaquer ses
sB
opposants en supportant ses alliés tandis qu’une valeur négative de k1 implique qu’il calme
ses alliés en étant en furie avec ses opposants. Un compromis sera trouvé si f (θ) excède un
certain seuil pour une certaine valeur de θ. Ce compromis est-il vraisemblablement obtenu
lsu
pour des valeurs positives ou négatives de k1 ?
7. L’opérateur M est définie par

ˆ ∞
Ce
Mf (x) ≡ K (x, y) f (y) dy

−∞
où K (x, y) = 1 dans le carré |x| < a, |y| < a et K (x, y) = 0 ailleurs. Considérer les possibles
valeurs propres de M et les fonctions propres associées ; montrer que les seules valeurs propres
possibles sont 0 et 2a et déterminer les fonctions propres associées. Trouver alors la solution
générale de ˆ ∞
f (x) = g (x) + λ K (x, y) f (y) dy.
−∞
8. Utiliser la théorie de Fredholm pour montrer que, pour le noyau
K (x, z) = (x + z) exp (x − z)

6.8. EXERCICES
sur l’intervalle [0, 1], la résolvante est
1 1 1

exp (x − z) (x + z) − λ 2x + 2z − xz − 3
R (x, z; λ) = 1 2
1−λ− 12 λ
et résoudre alors ˆ 1
y (x) = x2 + 2 (x + z) exp (x − z) y (z) dz
0
´1
exprimant la solution en termes de In , avec In = 0 un exp (−u) du.
hs
at
M
RI
OU
sB
lsu
Ce

hs
at
M
RI
OU
sB
lsu
Ce

Chapitre Huitième
Calcul variationnel
hs
« It is impossible to trap modern physics into
predicting anything with perfect determinism
at
because it deals with probabilities
M
from the outset. »
RI (Sir Arthur EDDINGTON, 1882-1944)
Dans des problèmes d’extrêmum à plusieurs variables, on a affaire à une fonction de n variables
OU
f (x1 , x2 , ..., xn ) et on recherche celles qui maximisent ou qui minimisent la fonction. La procédure
naturelle serait de résoudre les n équations à n inconnues obtenues à partir des dérivées partielles.
Géométriquement, f est une fonction dans un espace de dimension n et le problème consiste
à déterminer le point où f a la plus grande ou la plus petite valeur. En assimilant les points
sB
(x1 , x2 , ..., xn ) à un chemin dans un espace de dimension deux, le problème d’extrêmum revient
à trouver le chemin pour lequel f à une valeur maximale ou minimale. On différencie alors la
fonction par rapport à un point du chemin. Autrement dit,
n n
∂f X ∂f ∂xi X ∂f
lsu
= = δαi = 0 (7.0.1)
∂xα ∂xi ∂xα ∂xi
i=1 i=1
7.1 Problème variationnel

Ce
Un problème variationnel consiste en une fonction dont les valeurs dépendent du chemin, c’est-
à-dire elle fournit des valeurs en fonction du chemin. Une telle fonction est appelée fonctionnelle,
parce que ses arguments sont des fonctions. Si L est une fonctionnelle et x (t) représente un chemin
dans le plan tx, la valeur de la fonctionnelle pour ce chemin est notée L [x]. Une fonctionnelle
est en général fonction de x (t) et ẋ (t) sur un intervalle [a, b]. Alors,
ˆ b
L [x] = L (x (t) , ẋ (t) , t) dt (7.1.1)
a
Pour chaque chemin, l’intégrand devient une fonction de t qui peut être intégrée pour donner un
réel.
91
Calcul variationnel
Exemple 52. Soit deux points Pa = (a, ya ) et Pb = (b, yb ) dans le plan xy. Considérer les points
Py = a+b

2 , y situés la perpendiculaire bissectrice de [a, b] et le chemin consiste aux segments
Pa Py et Py Pb . Pour quelle valeur de y la longueur de ce chemin est minimale ?
Solution : La longueur d’un segment est donnée par
ˆ bp ˆ
s 2
b
dy
L= dx2 + dy 2 = 1+ dx. (7.1.2)
a a dx
Les équations du chemin sont
hs
(
2(y−ya ) (a+b)ya −2ay
y (x) = b−a x + b−a si a < x < (a + b) /2
2(yb −y) 2by−(a+b)ya
b−a x + b−a si (a + b) /2 < x < b
at
En substituant dans l’intégrale, on a
´ (a+b)/2 ´b
r 2 r 2
y−ya yb −y
L = 1+4 dx + dx 1+4
M
a b−a
(a+b)/2 b−a
q q
= 1
2 (b − a)2 + 4 (y − ya )2 + (b − a)2 + 4 (yb − y)2 .
En différentiant par rapport à y et posant le résultat égal à zéro, ceci conduit à

RI
y − ya yb − y
q =q
(b − a)2 + 4 (y − ya )2 (b − a)2 + 4 (yb − y)2
OU
dont la solution est y = (ya + yb ) /2. Le chemin le plus court joignant Pa et Pb est la droite liant
Pa à Pb .
sB
7.1.1 Equation d’Euler-Lagrange
L’exemple précédent montre que le chemin le plus court entre deux points contient leur milieu.
Qu’en est-il si on a plusieurs points ? Il existe une méthode qui détermine le chemin le plus court
parmi tous les chemins possibles.
lsu
Revenons à l’équation (7.1.1) et généralisons l’équation (7.0.1) au cas d’un chemin continu.
La dérivée par rapport à un chemin est appelée dérivée fonctionnelle et δ est utilisé en lieu
et place du symbole ∂, à propos. Ainsi
Ce
ˆ b ˆ b
δL [x] δ δ
= L (x (t) , ẋ (t) , t) dt = L (x (t) , ẋ (t) , t) dt (7.1.3)
δx (τ ) δx (τ ) a a δx (τ )
L étant une fonction ordinaire de x, ẋ et t, nous avons
δ ∂L ∂x (t) ∂L ∂ ẋ (t)
L (x (t) , ẋ (t) , t) = + (7.1.4)
δx (τ ) ∂x ∂x (τ ) ∂ ẋ ∂x (τ )
∂xi
parce t est indépendant de x (τ ). On peut généraliser le cas discret ∂xα = δiα au moyen de la
distribution de Dirac, soit
∂x (t)
= δ (t − τ ) (7.1.5)
∂x (τ )

7.1. PROBLÈME VARIATIONNEL
Qu’en est-il de la dérivée fonctionnelle du second terme de (7.1.4) ? Utilisons la définition de la

dérivée et la relation (7.1.5) pour écrire que
h i
∂ ẋ(t) ∂ x(t+ε)−x(t) 1 ∂x(t+ε) ∂x(t)
∂x(τ ) = ∂x(τ ) limε→0 ε = limε→0 ε ∂x(τ ) − ∂x(τ )
1 dδ(t−τ )
(7.1.6)
= limε→0 ε (δ (t + ε − τ ) − δ (t − τ )) = dt
L’équation (7.1.3) devient

ˆ b
δL [x] ∂L ∂L dδ (t − τ ) ∂L d ∂L
= δ (t − τ ) + dt = (τ ) − (7.1.7)
δx (τ ) a ∂x ∂ ẋ dt ∂x dτ ∂ ẋ
hs
où nous avons utilisé, dans la dernière égalité, les propriétés de dérivée d’une distribution, ici
celle de Dirac ; et l’hypothèse que τ est contenu dans l’intervalle [a, b]. Les chemins extrêma de
at
la fonctionnelle sont déterminés par l’équation
∂L d ∂L
(τ ) − =0 (7.1.8)
M
∂x dτ ∂ ẋ
dite équation d’Euler-Lagrange. Cette équation est au coeur de tous les problèmes variationnels.
La connaissance de la fonction L permet alors de déterminer les extrêma.
RI
Exemple 53. On considère le segment de l’exercice précédent et on cherche le chemin extrêmum
y (x).
p
Solution En définissant la fonction L comme L = 1 + y 02 , l’équation d’Euler-Lagrange
OU
devient, !
d y0
p =0
dx 1 + y 02
dont la solution est une droite y (x) = cx + d, où c et d sont des constantes d’intégration pouvant
sB
être déterminées par les conditions aux limites. Malheureusement, on ne sait pas s’il s’agit du
chemin le plus court ou le plus long. Ceci implique que l’équation d’Euler-Lagrange est nécessaire
mais pas suffisante.
lsu
7.1.2 Identité de Beltrami

Dans la plupart des problèmes variationnels, L ne dépend pas de t. Dans une telle situation,
l’équation d’Euler-Lagrange se simplifie considérablement. Soit
Ce
dL ∂L ∂L dẋ
= ẋ +
dt ∂x ∂ ẋ dt
∂L
En substituant ∂x de l’équation d’Euler-Lagrange, on a

dL d ∂L ∂L dẋ d ∂L d ∂L
= ẋ + = ẋ ⇒ L − ẋ =0
dt dt ∂ ẋ ∂ ẋ dt dt ∂ ẋ dt ∂ ẋ
soit encore
∂L
L − ẋ =C (7.1.9)
∂ ẋ
C’est l’identié de Beltrami.

Calcul variationnel
Exemple 54. Le problème de Brachistochrone Une perle glisse sans friction le long d’un
barreau de diverses formes à cause de la gravité. Quelle est la forme qui donne la plus courte
durée ? Ce problème est connu sous le nom de problème de Brachistochrone qui marque le début
du calcul variationnel. Plus précisément, considérer divers chemins liant Pa (xa , ya ) et Pb (xb , yb )
avec yb < ya . Une masse m, initialement au repos, roule sans frottement de Pa vers Pb . Déterminer
l’équation du chemin de courte durée.
Solution : Pour chaque élément ds du chemin, la durée du trajet est dt = ds/v où v est la
hs
vitesse sur ds. Si ds est situé à la hauteur y par rapport au sol, alors la conservation de l’énergie
donne
mgya = 21 mv 2 + mgy
p
v= 2g (ya − y)
at
Alors,
ˆ Pb ˆ Pb
p ˆ Pb
p
ds dx2 + dy 2 1 + y 02
L [y] = = = dx
M
p p
Pa v Pa 2g (ya − y) Pa 2g (ya − y)
p
et L (y, y 0 ) = 1 + y 02 / 2g (ya − y). Puisque L est indépendant de x, on peut utiliser l’identité
p
de Beltrami : s s
RI
1 + y 02 ∂
− y0 0
1 + y 02
=C
2g (ya − y) ∂y 2g (ya − y)
ou encore
p ∂ p
1 + y 02 − y 0 0 1 + y 02 = C 2g (ya − y).
p
OU
∂y
En différentiant à gauche, on obtient
1 p
p = C 2g (ya − y)
1 + y 02
sB
qui devient, après avoir pris les carrés,

s
dy k
= −1
lsu
dx ya − y
Faisons la substitution u = k
ya −y , ce qui conduit à dy = (k/u)2 du et l’équation différentielle
change en
Ce
k du √
= u−1
u2 dx
qui devient, après intégration
√
x u−1 √
= + arctan u − 1 + C
k u
Quand y → ya , u → ∞ et x → xa . Alors, C = xa /k − π/2 et la solution devient

√
x − xa u−1 √ π
= + arctan u − 1 −
k u 2
√
Posons tan ϕ = u − 1, alors u = 1 + tan2 ϕ = sec2 ϕ ou encore y = ya − k cos2 ϕ. En substituant

dans x,
x − xa π k
= sin ϕ cos ϕ + ϕ − =⇒ x − xa = (θ − sin θ)
k 2 2
avec θ = 2ϕ − π. Finalement, la solution
k
x − xa = 2 (θ − sin θ)
y − ya = − k2 (1 − cos θ)
est l’équation paramétrique d’un cycloïde.
Exemple 55. Le problème du film de savon Quand un film de savon est étiré le long
hs
d’un système, la tension de surface rend l’aire minimale. Le film est en général une surface de
p
révolution de rayons a et b et de longueur h. L’élément de surface est 2πy dx2 + dy 2 . Alors la
at
fonctionnelle à rendre extrêmale est
ˆ h p
L [y] = 2π y 1 + y 02 dx, y (0) = a, y (h) = b
M
0
p
Puisque L (x, y, y 0 ) = y 1 + y 02 est indépendant de x, on peut utiliser l’identité de Beltrami et
on obtient
y
p
RI ∂ p
1 + y 02 − y 0 0 y 1 + y 02 = C1 .
∂y
Ce qui conduit à q
1 + y 02 ou y 0 = (y/C1 )2 − 1
p
OU
y = C1
Posons u = y/C1 pour simplifier cette équation en
du
C1 √ = dx
u2 − 1
sB
qui peut être facilement résolue,

√ √ x−C2
x = C1 ln u + u2 − 1 + C2 ou u + u2 − 1 = e C1 = ev
lsu
La relation entre u et v est telle que

u = cosh v
Revenant aux variables x et y, on obtient

Ce

x − C2
y = C1 cosh
C1
où les constantes C1 et C2 peuvent être déterminées au moyen des conditions aux limites y (0) = a
et y (h) = b.
7.1.3 Cas de plusieurs variables dépendantes
Le chemin de (7.1.1) n’a qu’une seule variable. On peut considérer des chemins dans un espace
de dimension m où L dépend de {xα (t)}m
α=1 et de leurs dérivées. Dans ces conditions, l’équation

Calcul variationnel
(7.1.4) devient
m
δ X ∂L ∂xβ (t) ∂L ∂ ẋβ (t)
L (x (t) , ẋ (t) , t) = +
δxα (τ ) ∂xβ ∂xα (τ ) ∂ ẋβ ∂xα (τ )
β=1
où x = (x1 , x2 , ..., xm ). Pour cela, nous avons besoin de l’équivalent des équations (7.1.5) et
(7.1.6)
∂xβ (t) ∂ ẋβ (t) d
∂xα (τ ) = δαβ δ (t − τ ) ∂xα (τ ) = δαβ dt δ (t − τ ) , (7.1.10)
de sorte que
δ ∂L ∂L d
hs
L (x (t) , ẋ (t) , t) = δ (t − τ ) + δ (t − τ )
δxα (τ ) ∂xα ∂ ẋα dt
La version multivariable de l’équation d’Euler-Lagrange devient
at
∂L d ∂L
∂xα (τ ) − dτ ∂ ẋα = 0, α = 1, 2, ..., m (7.1.11)
M
7.1.4 Cas de plusieurs variables indépendantes
RI
L’équation (7.1.11) est une généralisation de l’équation d’Euler-Lagrange. Elle correspond à
un chemin (généralement une ligne courbe) dans un espace à plusieurs dimensions. Il y a une
OU
autre généralisation : le passage du chemin à une surface. Dans ce cas, la variable dépendante est
fonction de plusieurs variables indépendantes. Ainsi, considérons une fonction φ de m variables
que nous notons collectivement x, et au lieu de l’équation (7.1.1), il faut considérer plutôt la
fonctionnelle ¨
L [φ] = dm xL (φ; φ,1 , φ,2 , ..., φ,m ; x) (7.1.12)
sB
où φ,α désigne la dérivée par rapport à xα et Ω est une région de l’espce à m dimensions. La
dérivée variationnelle (7.1.3) devient
m
lsu
δ ∂L ∂φ (x) X ∂L ∂φ,α
L (φ; φ,1 , φ,2 , ..., φ,m ; x) = + (7.1.13)
δφ (y) ∂φ ∂φ (y) ∂φ,α ∂φ (y)
α=1
En plus, les équations (7.1.5) et (7.1.6) se généralisent en

Ce
∂φ(x) ∂φ,α ∂
∂φ(y) = δ (x − y) ∂φ(y) = ∂xα δ (x − y) (7.1.14)
En substituant ces dérivées fonctionnelles dans l’intégrale (7.1.12) et l’annulant, on obtient une
autre équation d’Euler-Lagrange
m
∂L X ∂ ∂L
− =0 (7.1.15)
∂φ ∂xα ∂φ,α
α=1
N
φi

Finalement, si nous avons plusieurs variables dépendantes m,i=1
, colectivement repré-
sentées par Φ, et plusieurs variables indépendantes {xα }m
α=1 collectivement représentées par x,

alors la fonctionnelle variationnelle devient

¨
L [Φ] = dm xL (Φ; Φ,1 , Φ,2 , ..., Φ,m ; x) (7.1.16)
Ω
L’équation d’Euler-Lagrange pour ce cas devient
∂L Pm ∂ ∂L
∂φi
− α=1 ∂xα ∂φi,α =0 i = 1, 2, ..., N . (7.1.17)
Dans plusieurs situations, le problème variationnel consiste en plusieurs chemins, chacun ayant
une ou plusieurs variables dépendantes ou indépendantes.
hs
at
7.1.5 Variation seconde
M
Les équations d’Euler-Lagrange plus haut sont obtenues en annulant les dérivées variationnelles
premières. Dans les calculs multivariables, ceci ne détermine que les extrêma. Il faut calculer les
dérivées secondes pour savoir si cet extrêmum est un maximum ou un minimum.
RI
La méthode la plus simple, pour calculer la dérivée seconde, consiste à utiliser le développe-
ment de Taylor de la fonction. Puisque, seuls les extrêma locaux sont intéressants, nous allons
ignorer les termes d’ordre trois et supérieurs. Si f est une fonction de N variables indépendantes
OU
i N
x i=1 ≡ x, sa série de Taylor au second ordre est donnée par
N N
X ∂f 1 X ∂2f
f (x) = f (x0 ) + (xi − x0i ) (x0 ) + (xi − x0i ) (xj − x0j ) (x0 ) (7.1.18)
∂xi 2 ∂xi ∂xj
i=1 i,j=1
sB
∂f
Si x0 est un extrêmum, alors ∂xi (x0 ) = 0 et l’équation ci-dessus devient
N
1 X ∂2f
f (x) − f (x0 ) = (xi − x0i ) (xj − x0j ) (x0 ) ≡ δ2 f (x0 ) (7.1.19)
lsu
2 ∂xi ∂xj
i,j=1
On peut maintenant opérer le test de minimum. Si pour tout x proche x0 , δ2 f (x0 ) > 0, alors x0
est un minimum ; et si δ2 f (x0 ) < 0, alors x0 est un maximum.
Ce
La généralisation au problème variationnel consiste à remplacer la somme discrète en une

somme continue, soit pour le cas général (7.1.16)
N ¨ ¨
1 X δ2L
δ2 L [Φ0 ] = dm x dm y φi (x) − φi0 (x) φj (y) − φj0 (y) [Φ0 ]
2 Ω Ω δφ (x) δφj (y)
i
i,j=1
(7.1.20)
où le dernier terme consiste à prendre la dérivée seconde variationnelle en Φ0 . Pour une simple
variable dépendante et plusieurs variables indépendantes, cette équation devient
¨ ¨
1 m δ2L
δ2 L [φ0 ] = d x dm y (φ (x) − φ0 (x)) (φ (y) − φ0 (y)) [φ0 ] , (7.1.21)
2 Ω Ω δφ (x) δφ (y)

Calcul variationnel
et pour une seule variable indépendate et plusieurs variables dépendantes
N ˆ ˆ b
1 X b δ2L
δ2 L [x0 ] = dt dτ (xi (t) − x0i (t)) (xj (τ ) − x0j (τ )) [x0 ] , (7.1.22)
2 a a δxi (t) δxj (τ )
i,j=1
et pour le plus simple des cas d’une variable indépendante et d’une variable dépendante
ˆ b ˆ b
1 δ2L
δ2 L [x0 ] = dt dτ (x (t) − x0 (t)) (x (τ ) − x0 (τ )) [x0 ] . (7.1.23)
2 a a δx (t) δx (τ )
hs
Dans le calcul de la seconde variation, nous avons besoin des dérivées secondes des variables
dépendantes. On peut montrer que
∂ 2 φj (x) ∂2

δ
at
i
= δij δ (x − y) . (7.1.24)
δφ (y) ∂xα ∂xβ ∂xα ∂xβ
M
Exemple 56. La condition nécessaire pour qu’une ligne droite soit le plus court chemin entre
deux points est satisfaite par l’équation d’Euler-Lagrange. L’exemple (53) a montré que y0 = cx+
d résoud l’équation d’Euler-Lagrange. Vérifions qu’il s’agit d’un minimum en utilisant l’équation
(7.1.23)
RI !
δL [y] ∂L d ∂L d y0 y 00
= (x) − 0
(x) = − p =−
δy (x) ∂y dx ∂y dx 1 + y 02 (1 + y 02 )3/2
OU
et
( )
δ 2 L [y] δ y 00 δy 00 −3/2 δy 00 −3/2
=− =− 1 + y 02 − y 00 1 + y 02 .
δy (x0 ) δy (x) δy (x0 ) (1 + y 02 )3/2 δy (x )0 δy (x )0
sB
Utilisant l’équation (7.1.24), on obtient
δ 2 L[y] δ 00 (x−x0 ) −5/2 δy 0 (x)

δy(x0 )δy(x) = − + y 00 32 (2y 0 ) 1 + y 02 δy(x0 )
(1+y 02 )3/2
δ 00 (x−x0 ) 3y 0 y 00 δ 0 (x−x0 )
= − +
(1+y 02 )3/2 (1+y 02 )5/2
lsu
A la solution de l’équation d’Euler-Lagrange y0 (x), y00 = c et y000 = 0. Alors
δ 2 L [y] δ 00 (x − x0 )
= −
Ce
δy (x0 ) δy (x) (1 + c2 )3/2
En substituant ce résultat dans l’équation (7.1.23), on obtient

´b 0
´b 0 0 00
δ2 L [x0 ] = − 1
a dx (y (x) − y0 (x)) (y (x ) − y0 (x )) δ (x
dx − x0 )
2(1+c2 )3/2 a
1
´ b d2
− dx (y (x) − y0 (x)) dx 2 (y (x) − y0 (x))
2(1+c2 )3/2 a
Cette derinière intégrale peut être calculée par parties pour donner
ˆ b 2
d d
(y (x) − y0 (x)) (y (x) − y0 (x)) − dx (y (x) − y0 (x))
dx a dx
| {z }
=0 parce que y(a)=y0 (a),y(b)=y0 (b)

Par conséquent,
ˆ b 2
1 d
δ2 L [x0 ] = dx (y (x) − y0 (x))
2 (1 + c2 )3/2 a dx
qui est une quantité manifestement positive quelle que soit y (x). Ainsi, y0 (x) = cx + d minimise
en effet la distance entre deux points donnés.
Précisons pour terminer ce paragraphe que malgré que le calcul de la dérivée seconde varia-
tionnelle soit aisée, son intégrale, dans le but de montrer qu’elle positive ou négative, n’est pas
triviale.
hs
7.1.6 Problèmes variationnels avec contraintes
at
Les problèmes variationnels traités plus haut sont des problèmes aux conditions aux limites.
Dans plusieurs applications, il existe d’autres conditions appelées contraintes auxquelles les
M
chemins extrêma doivent obéir. Un exemple typique d’un tel problème consiste à déterminer une
courbe fermée de plus grande aire dont le périmètre est fixé. La meilleure technique se fait en
utilisant les multiplicateurs de Lagrange.
RI
Supposons que l’on cherche une courbe qui n’est pas extrêmale pour L [x] seulement, mais
est aussi telle qu’une autre fonctionnelle
ˆ b
OU
K [x] = G (x (t) , ẋ (t) , t) dt (7.1.25)

a
prenne une valeur fixe `. Un tel problème est appelé problème isopérimétrique. Par analogie
exacte avec le calcul multivariable, on forme une nouvelle fonction L + λG et on cherche ses
sB
extrêma. Ceci signifie que l’équation d’Euler-Lagrange à résoudre est

∂L d ∂L ∂G d ∂G
− +λ − =0 (7.1.26)
∂x dt ∂ ẋ ∂x dt ∂ ẋ
lsu
Exemple 57. Considérer toutes les courbes de longueur ` du demi-plan supérieur passant par
les points (−a, 0) et (a, 0). Quelle est l’équation de la courbe contenue dans l’intervalle [−a, a]
délimitant une région de plus grande surface ?
Ce
Solution La courbe cherchée y (x) doit être un extrêmum de

ˆ a
L [y] = ydx
−a
et doit soumise aux conditions

´a p
y (−a) = 0 = y (a) K [y] = −a 1 + y 02 dx = `.
p
D’après ces deux équations, L = y et G = 1 + y 02 . L’équation (7.1.26) devient
d y0
1+λ p =0
dx 1 + y 02

Calcul variationnel
dont l’intégration conduit à

y0
x + λp = C1 ,
1 + y 02
qui peut être résolu pour y 0 ,
C1 − x
y0 = ± q
λ2 − (C1 − x)2
dont la solution est q

y = ± λ2 − (C1 − x)2 + C2
soit
hs
(x − C1 )2 + (y − C2 )2 = λ2
La courbe recherchée est un cercle de rayon λ. Les valeurs de C1 , C2 et λ sont déterminées par
at
les conditions
y (−a) = 0 = y (a) K [y] = `.
M
On distingue un autre type de problème variationnel avec contraintes applicable aux cas à une
variable indépendante et plusieurs variables dépendantes, dans lequel la contrainte est donnée
par une équation de la forme
RI
g (x (t) , ẋ (t) , t) = 0.
OU
On le désigne alors comme problème fini aux contraintes. Le problème de la recherche d’extrêmum
devient celui de ˆ b
{L (x (t) , ẋ (t) , t) + λ (t) g (x (t) , ẋ (t) , t)} dt (7.1.27)
a
et l’équation d’Euler-Lagrange devient

sB

∂L d ∂L ∂g d ∂g dλ ∂g
− +λ − − = 0 i = 1, 2, ..., N. (7.1.28)
∂xi dt ∂ ẋi ∂xi dt ∂ ẋi dt ∂ ẋi
S’il s’agit de plusieurs contraintes

lsu
gα (x (t) , ẋ (t) , t) = 0, α = 1, 2, ..., m,

Ce
il y aura mmultiplicateurs de Lagrange et la fonctionnelle à minimiser est

ˆ b( m
X
)
L (x (t) , ẋ (t) , t) + λα (t) gα (x (t) , ẋ (t) , t) dt (7.1.29)
a α=1
conduisant à l’équation d’Euler-Lagrange

m
∂L d ∂L X ∂gα d ∂gα dλα ∂gα
− + λα − − = 0 i = 1, 2, ..., N. (7.1.30)
∂xi dt ∂ ẋi ∂xi dt ∂ ẋi dt ∂ ẋi
α=1
Exemple 58. Parmi les courbes situées sur une sphère centrée à l’origine et de rayon a et passant
par deux points (x1 , y1 , z1 ) et (x2 , y2 , z2 ), déterminer la plus courte.

7.2. DYNAMIQUE LAGRANGIENNE
Solution : Ce problème est un problème fini aux contraintes

ˆ x2 p
L [y, z] = 1 + y 02 + z 02 dx
x1
et
g (x, y, z) = x2 + y 2 + z 2 − a2 .
La solution est l’ensemble de fonctions {y (x) , z (x)} qui sont des extrêma de l’intégrale
ˆ x2 np o
1 + y 02 + z 02 + λ (x) x2 + y 2 + z 2 − a2 dx
hs
x1
c’est-à-dire qui satisfait les équations d’Euler-Lagrange
at
d √y0
2yλ (x) − dx = 0
1+y 02 +z 02
d √ z0
2zλ (x) − dx 1+y 02 +z 02 = 0
M
En résolvant ces équations, on obtient comme solutions quatre constantes qui peuvent être dé-
terminées à partir des conditions aux limites RI y (x1 ) = y1 y (x2 ) = y2
z (x1 ) = z1 z (x2 ) = z2
OU
7.2 Dynamique lagrangienne

Le calcul variationnel est un outil très important en physique. Presque toutes les équations
différentielles des problèmes physiques dérivent des problèmes variationnels. Plus encore, les
considérations de symétrie trouvent vraiment leurs sens dans les fonctionnelles en physique fonda-
sB
mentale moderne. Une élégante et puissante formulation de la Mécanique Quantique développée

par Richard Feynman utilise les techniques variationnelles.
7.2.1 De Newton à Lagrange

lsu
Pour la plupart des systèmes conservatifs, on peut définir des fonctionnelles dont la recherche
des extrêma conduit à des équations différentielles de mouvement de ces systèmes. La deuxième
loi de mouvement de Newton pour une particule subissant une force conservative peut être écrite
Ce
comme
~ = m d~v
−∇φ ou ∂
(−φ) − d
(mẋi ) = 0 (7.2.1)
dt ∂xi dt
La deuxième question ressemble à l’équation (7.1.11). Est-il alors possible de construire une
fonction L qui conduit à cette équation de la mécanique ? Utilisant x, y et z comme variables
dépendantes et n = 3, on cherche L tel que
∂L ∂ ∂L
∂x = ∂x (−φ) ∂ ẋ = mẋ
La première de ces deux équations ci-dessus a comme solution L = −φ (x, y, z) + f (y, z, ẋ, ẏ, ż)
où f est une « constante » d’intégration. Si les dérivées partielles de L par rapport à y et z sont

Calcul variationnel
égales à celles de −φ, alors f ne peut dépendre ni de y ni de z. f est une fonction des composantes
de la vitesse. Quant à la deuxième équation, elle doit être telle que
∂L ∂f
∂ ẋ = ∂ ẋ = mẋ f (ẋ, ẏ, ż) = 12 mẋ2 + g (ẏ, ż)
où g (ẏ, ż) est une « constante » pour cette intégration. Utilisant le même argument, on conclut
que f n’est rien d’autre que l’énergie cinétique. Nous arrivons donc à l’importante conclusion
que, pour une particule de vecteur position ~r, la recherche des extrêma de
1 2
L ~r, ~r˙, t = −φ (~r) + m ~r˙ (7.2.2)
hs
2

conduit aux équations de mouvement de la particule. L ~r, ~r˙, t est appelée lagrangien d’une
at
particule se déplaçant dans un potentiel φ.
Pour N particules indépendantes dans un potentiel externe, le lagrangien est la somme des
lagrangiens à une particule
M
X X 1 2

L= Li ~r, ~r˙, t = −φ (~ri ) + mi ~r˙i
2
i i
RI
Cette expression est la différence entre l’énergie cinétique et l’énergie potentielle, soit
L=T −φ (7.2.3)
OU
Si les N particules interagissent entre elles, φ n’est pas la somme des potentiels individuels
mais une fonction de toutes les coordonnées. Il est alors commode d’introduire une collection de
coordonnées formant un vecteur de dimension 3N appelé coordonnées généralisées ~q.
sB
Exemple 59. Un bloc de masse m roule sans frottement sur un plan incliné, de longueur `,
lequel a une masse M et se déplace sans friction sur un plan horizontal.
Solution : La position du plan incliné est répérée par X et celle du bloc par r ou (x, y) avec
lsu
x = X + r cos θ y = (` − r) sin θ
L’énergie cinétique du système s’écrit

Ce
1
+ 12 m ẋ2 + ẏ 2
2

T = 2 M Ẋ

2
1 2 1 2 2
= 2 M Ẋ + 2 m Ẋ + ṙ cos θ + ṙ sin θ

1 2 + 1 m Ẋ 2 + 2Ẋ ṙ cos θ + ṙ 2
= 2 M Ẋ 2
et l’énergie potentielle,
φ = mgy = mg (` − r) sin θ
donnant lieu au lagrangien
1 1
L = M Ẋ 2 + m Ẋ 2 + 2Ẋ ṙ cos θ + ṙ2 − mg (` − r) sin θ.
2 2

7.2. DYNAMIQUE LAGRANGIENNE
Les équations du mouvement
∂L d ∂L ∂L d ∂L
∂X − dt ∂ Ẋ =0 ∂r − dt ∂ ṙ =0
peuvent être calculées

−M Ẍ − m Ẍ + r̈ cos θ = 0 mg sin θ − m r̈ + Ẍ cos θ = 0
En résolvant ces équations pour les deux accélérations, nous obtenons
(M +m)g sin θ
hs
Ẍ = − Mmg sin θ
+m sin2 θ
, r̈ = M +m sin2 θ
Remarquons que pour un plan incliné infiniment lourd, Ẍ = 0 et r̈ = g sin θ.
at
7.2.2 Densités lagrangiennes
M
Les particules sont des objets localisés dont les trajectoires, déterminées par des équations
différentielles ordinaires, décrivent des courbes dans l’espace. Une expression de lagrangien, avec
une variable indépendante (le temps) comme celle de l’équation (7.2.3) est appropriée pour des
particules.
RI
La plupart des quantités physiques ne sont cependant pas des particules, mais des champs
qui ne sont pas localisés. Dans le but d’appliquer les techniques variationnelles aux champs, nous
OU
devons considérer une densité lagrangienne L, dont l’intégrale à travers un volume donne le
lagrangien qui peut dont être intégré par rapport au temps comme dans l’équation (7.1.1).
Lagrangien électrodynamique
sB
On peut définir la densité lagrangienne pour l’Electrodynamique (voir cours PH329 Calcul
Tensoriel I) comme
i, j, k, ` = 0, 1, 2, 3
lsu

L= 1 P P
− ∂j A` ) (∂i Ak − ∂k Ai ) + µ0
P  1
 i=j=0
4 i,j k` ηij ηk` (∂` Aj i Ji Ai
ηij = −1 i = j = 1, 2, 3

0 i 6= j

Ce
(7.2.4)
où A et J sont respectivement les quadrivecteurs potentiel et densité de courant.
Exemple 60. Particule chargée dans un champ électromagnétique La densité lagran-

gienne (7.2.4) peut être mise sous la forme

1 ~
2
~
2
L= B − E + µ0 ρφ − J~ · A
~
2
et le problème variationnel est tel que

ˆ b ¨
3 0
L= Ld x dt.
a Ω

Calcul variationnel
Maintenant, considérons une particule de charge q interagissant avec un champ électromagné-

tique. Pour une telle particule,
ρ = qδ (~r − ~r0 ) J~ = ρ~v = q~v δ (~r − ~r0 )
et L devient
´b ˜ ´b ˜

2 2
L = 1
dt ~
B ~
− E d3 x0 + a dt Ω µ0 qφδ (~r − ~r0 ) − q~v · Aδ ~ (~r − ~r0 ) d3 x0
2 a Ω
´ ˜ ´b

2 2
1 b ~ ~ ~ (~r, t)
= 2 a dt Ω B − E d3 x0 + µ0 q a dt φ (~r, t) − ~v · A
hs
La particule possède aussi de l’énergie cinétique qui doit être ajoutée à cette expression du
lagrangien. Quand on additionne des lagrangiens, on a la liberté d’incorporer des constantes ;
at
dans le cas présent, l’énergie cinétique doit être ajoutée à l’opposé de l’énergie potentielle (il faut
se rappeler que L = T − φ). Ainsi, on a
M
ˆ b ¨ ˆ b
1 ~
2
~
2
3 0 1 2 ~
L=− dt B − E d x + dt m |~v | − qφ (~r, t) + q~v · A (~r, t)
2µ0 a Ω a 2
Remarquons que la première intégrale est de dimension quatre tandis que la deuxième ne dépend
que d’une seule variable.
RI
Nous nous intéressons au mouvement de la particule. Alors, la première intégrale est une
OU
constante (indépendante des coordonnées et des composantes de la vitesse de la particule), et

peut donc être occultée dans l’établissement des équations du mouvement. Ainsi substituant ~v
par ~r˙ , nous obtenons
ˆ
sB
b
1 2
Lpart = dt m ~r˙ ˙ ~
− qφ (~r, t) + q~r · A (~r, t)
a 2
avec le lagrangien
1 2
L = m ~r˙ − qφ (~r, t) + q~r˙ · A
~ (~r, t) . (7.2.5)
lsu
2
Regardons la composante x des équations du mouvement :

~ ~
∂L
− d ∂L
= 0 −q ∂φ r˙ ·
∂x + q~
∂A
− d
(mẋ + qAx ) = 0 mẍ + q ∂φ
∂x + q
dAx
− ~r˙ · ∂A
=0
Ce
∂x dt ∂ ẋ ∂x dt dt ∂x
Notons maintenant que

dAx ∂Ax ∂Ax ∂Ax ∂Ax
= + ẋ + ẏ + ż
dt ∂t ∂x ∂y ∂z
et
~
∂A ∂Ax ∂Ay ∂Az
~r˙ · = ẋ + ẏ + ż
∂x ∂x ∂x ∂x
En les mettant dans cette équation et en les réarrangeant un « tout petit peu », nous avons

∂φ ∂Ax ∂Ax ∂Ay ∂Ax ∂Az
mẍ + q + +q ẏ − +q ż − =0
∂x ∂t ∂y ∂x ∂z ∂x
| {z } | {z } | {z }
−Ex −Bz By

7.3. DYNAMIQUE HAMILTONIENNE
ou encore
mẍ − qEx − q (ẏBz − ẋBy ) = mẍ − q Ex + ~r˙ ∧ B
~ =0
x
L’expression entre parenthèses est celle de la composante x de la force de Lorentz. C’est l’équation
de mouvement d’une particule subissant l’effet d’un champ électromagnétique.
7.3 Dynamique hamiltonienne
hs
La formulation lagrangienne de la mécanique traitée dans le paragraphé précédent est un outil
puissant pour étudier plusieurs systèmes dynamiques et champs. Plus encore, des considérations
at
de symétrie sont bien prises en compte dans le lagrangien. Une fois le lagrangien connu, les
équations d’Euler-Lagrange fournissent des équations différentielles de second ordre soumises à
des conditions aux limites.
M
Il existe une autre formulation de la mécanique, la formulation hamiltonienne, qui donne
lieu à deux équations différentielles couplées mais d’ordre un contrairement à la formulation
lagrangienne. Nous discutons seulement le cas de plusieurs variables dépendantes et d’une variable
RI
indépendante ; les autres cas étant traités de manière similaire. Maintenant,
supposons
que notre
système possède n coordonnées généralisées {qi } n ˙
et un lagrangien L ~q, ~q, t . On généralise
i=1
le concept d’impulsion en introduisant le moment généralisé du système dynamique en le
OU
définissant comme
∂L ~q, ~q˙, t
pj = (7.3.1)
∂ q̇j
D’un point de vue purement mathématique, la transition

de la formulation lagrangienne à
sB
˙
la formule hamiltonienne consiste à changer les variables ~q, ~q, t en (~q, p~, t). Considérons la
différentielle du lagrangien
n
X ∂L ∂L ∂L
lsu
dL = dqi + dq̇i + dt
∂qi ∂ q̇i ∂t
i=1
et l’utilisation de (7.3.1) et de l’équation d’Euler-Lagrange pour réécrire l’expression ci-dessus

Ce
n
X ∂L
dL = (ṗi dqi + pi dq̇i ) + dt
∂t
i=1
Définissons maintenant le hamiltonien

n
X
H (~q, p~, t) = pi q̇i − L ~q, ~q˙, t .
i=1
Calculons sa difféntielle,
n n
X X ∂L
dH = (q̇i dpi + pi dq̇i ) − dL = (q̇i dpi − ṗi dqi ) − dt,
∂t
i=1 i=1

Calcul variationnel
d’un autre côté,

n
X ∂H ∂H ∂H
dH = dqi + dpi + dt
∂qi ∂pi ∂t
i=1
Par comparaison, on aboutit au système d’équations couplées suivant
∂H
q̇i = ∂pi , ṗi = − ∂H ∂L ∂H
∂qi , - ∂t = ∂t , i = 1, 2, ..., n
(7.3.2)
qui sont appelées équations canoniques ou de Hamilton. Au lieu de n équations différentielles

de second ordre, nous avons maintenant 2n équations différentielles de premier ordre.
Pour apprécier la signification physique du hamiltonien, considérons le lagrangien familier
hs
L = T − φ et se souvenant que pi = mi q̇i ,
n n
at
X X
H= pi q̇i − L = mi q̇i2 −T + φ = T + φ (7.3.3)
i=1 i=1
| {z }
2T
M
Exemple 61. Hamiltonien d’une particule chargée dans un champ électromagnétique
Le lagrangien d’une particule chargée dans un champ électromagnétique est donné par (7.2.5).
Cherchons le hamiltonien d’un tel système. Nous devons déterminer d’abord son impulsion gé-
néralisée conformément à (7.3.1), soit
RI
pi = ∂L
∂ ẋi = mẋi + qAi p~ = m~r˙ + q A
~ (7.3.4)
OU
Cette équation est fondamentalement importante. Elle traduit que le moment d’une particule
n’est pas seulement sa quantité de mouvement quand celle-ci est dans un champ électromagné-
tique mais elle possède aussi une contribution due à la présence de ce champ. De cette équation,
sB
~
p~ − q A
~r˙ =
m
et substituant dans l’expression du hamiltonien (7.3.3), on obtient

lsu
~ 2
~
~

~−q A
H (~q, p~, t) = p~ · p
m − 12 m p~−q
m
A
+ qφ − q ~−q A
p
m
~
·A
~ 2
~ · p~−qA~ − 1 |p~−qA| + qφ

= p~ − q A m 2 m
Ce
soit
2
~
1 p~ − q A
H (~q, p~, t) = + qφ (7.3.5)
2 m
Ainsi, dans un champ électromagnétique, le hamiltonien d’une particule a la même forme que
l’énergie totale d’une particule dans un potentiel qφ, excepté que dans l’expression de l’énergie
~ remplace p~. Un tel remplacement est appelé principe du couplage minimal
cinétique, p~ − q A
et joue un rôle important dans l’étude des particules chargées en interaction avec des champs
électromagnétiques en Mécanique Quantique.

7.4. EXERCICES
7.4 Exercices
p
1. Montrer que, dans l’exemple (57), C1 = 0, λ = λ0 et C2 = λ20 − a2 où λ0 est solution de
l’équation
`
λ sin =a
2λ
2. Déterminer l’extrêmum de la fonctionnelle
ˆ π/2
ẋ2 + ẏ 2 + 2xy dt

L [x, y] =
0
hs
soumise aux conditions aux limites x (0) = 0, x (π/2) = 1, y (0) = 0 et y (π/2) = 1.
3. Parmi toutes les courbes joignant un point (0, b) de l’axe des y à un point de l’axe x et
at
entourant une surface donnée S, déterminer la courbe qui génére la plus petite surface de
révolution autour de l’axe x.
4. Utiliser les coordonnées polaires pour établir les équation de mouvement d’une particule de
M
masse m dans un potentiel central φ (r).
RI
OU
sB
lsu
Ce

Maths Phys L3

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

Maths Phys L3

Transféré par

Droits d'auteur :

Formats disponibles

hs

Mathématiques pour Physiciens

Cours de Mathématiques pour Physiciens Licence: 2 Celsus Bouri c 2021/2022

Mathématiques pour Physiciens

Cours de Mathématiques pour Physiciens Licence: 2 Celsus Bouri c 2021/2022

2.1 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.1.5 Complétude des espaces vectoriels . . . . . . . . . . . . . . . . . . . 25

2.2 Endomorphismes sur les espaces de Hilbert . . . . . . . . . . . . . . . . . . 28

2.2.4 Endomorphisme hermitique . . . . . . . . . . . . . . . . . . . . . . 30

3 Fonctions à variable complexe 33

3.7 Intégrales complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4.1.8 Transformées de Fourier des distributions . . . . . . . . . . . . . . . 50

4.2.3 Transformées de Laplace des dérivées et intégrales . . . . . . . . . . 55

5 Equations aux dérivées partielles 59

5.1 Solutions générales et particulières . . . . . . . . . . . . . . . . . . . . . . 59

5.3 Méthodes des transformations intégrales . . . . . . . . . . . . . . . . . . . 65

Cours de Mathématiques pour Physiciens Licence: 4 Celsus Bouri c 2021/2022

6.4 Solutions fermées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

7.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Cours de Mathématiques pour Physiciens Licence: 5 Celsus Bouri c 2021/2022

Université de Douala Faculté des Sciences

Mathématiques pour les Sciences Physiques

Titre : Mathématiques pour Sigle : PHY 325

Type de cours : Obligatoire

Amener l’étudiant à connaître les différents outils mathématiques (Analyse, Algèbre

1. Cours magistral en présentiel ou en ligne

2. Séance de travaux dirigés (2 heures/semaine)

1. Moyens d’évaluation : 1 examen, 1 contrôle continu, Travail personnel de l’étudiant

Cours de Mathématiques pour Physiciens Licence: 6 Celsus Bouri c 2021/2022

Cours de Mathématiques pour Physiciens Licence: 7 Celsus Bouri c 2021/2022

Cours de Mathématiques pour Physiciens Licence: 8 Celsus Bouri c 2021/2022

Cours de Mathématiques pour Physiciens Licence: 10 Celsus Bouri c 2021/2022

be learn by looking at the stars without knowledge of

divers profils et leurs connaissances varient de manière notoire.

Cours de Mathématiques pour Physiciens Licence: 12 Celsus Bouri c 2021/2022

en Physique dont la nature symbolique pourrait faire douter de leur validité.

1.1 Présentation intuitive

quant au potentiel électrostatique, il s’écrit

La fonction δ est appelée distribution de Dirac.

Cours de Mathématiques pour Physiciens Licence: 14 Celsus Bouri c 2021/2022

1.2.2 Opérations sur les distributions. Dérivation

Opérations algébriques élémentaires

La somme de deux distributions est une distribution :

En particulier pour la distribution de Dirac, on a

(δ (ax + b) , φ) = δ (X) φ dX = φ − (1.2.10)

que l’on peut traduire par  

Ce résultat se généralise à toute fonction u (x) monotone par morceaux

xk étant les zéros de u (x).

Soit à calculer la dérivée d’une distribution (f 0 , φ). Partant de la définition, on a

En effectuant une intégration par parties, il vient

Cours de Mathématiques pour Physiciens Licence: 15 Celsus Bouri c 2021/2022

1. Toute combinaison linéaire de distributions est une distribution

2. Soit à calculer (ψf, φ) où ψ est une assez bonne fonction. On a

ainsi donc, on a en particulier

Pn (x) f (x) = 0 (1.2.19)

C− δ (ω + ω0 ), les coefficients C± étant quelconques. De telles équations dans une vision

ordinaire seraient déclarées dépourvues de solution.

3. Calculons maintenant (ψf )0 , φ .

1.2.3 Quelques distributions courantes

Cours de Mathématiques pour Physiciens Licence: 16 Celsus Bouri c 2021/2022

De la même façon, on voit que la dérivée de la fonction de Heaviside H (x)

est la distribution δ (x).

g 0 (x) = ψ10 (x) + δ (x) ψ2 (0) + H (x) ψ20 (x)

que l’on peut traduire par