Université A.

Mira de Béjaia,
Département d’Hydraulique
Cours de Mécanique des Milieux Continus (MMC)

Rappels de Mathématiques
A. Seghir
http://univ-bejaia.dz/a.seghir
http://a-seghir.blogspot.com

1.5 Valeurs et vecteurs propres . . . . . . 11

1.5.1 Diagonalisation d’une matrice 12
1.6 Tenseurs . . . . . . . . . . . . . . . . 13

Table des matières

1.6.1 Définition . . . . . . . . . . . . 13
1.6.2 Tenseur d’ordre 1 . . . . . . . . 14
1.6.3 Tenseur d’ordre 2 . . . . . . . . 15
1.6.4 Propriétés des tenseurs . . . . 15
1.7 Notation indicielle . . . . . . . . . . . 16
1 Rappels de Mathématiques 3 1.7.1 Convention de somme . . . . . 16
1.1 Introduction . . . . . . . . . . . . . . 3 1.7.2 Indice libre . . . . . . . . . . . 17
1.2 Scalaires et Vecteurs . . . . . . . . . . 3 1.7.3 Symbol de Kronecker . . . . . 18
1.2.1 Composantes . . . . . . . . . . 4 1.7.4 Symbole de Permutation . . . . 18
1.7.5 Identité E -δ . . . . . . . . . . . 19
1.2.2 Module . . . . . . . . . . . . . 4
1.8 Champ tensoriel et différentiation
1.2.3 Règles de calcul . . . . . . . . 5
d’un champ tensoriel . . . . . . . . . 19
1.2.4 Produit scalaire . . . . . . . . . 5
1.8.1 Différentiation d’un vecteur . . 20
1.2.5 Produit vectoriel . . . . . . . . 5
1.8.2 Gradient d’un scalaire . . . . . 20
1.2.6 Produit mixte . . . . . . . . . . 6 1.8.3 Divergence et rotationnel d’un
1.3 Matrices . . . . . . . . . . . . . . . . 6 vecteur . . . . . . . . . . . . . 22
1.3.1 Determinant . . . . . . . . . . 7 1.8.4 Laplacien d’un scalaire . . . . . 23
1.3.2 Opérations matricielles . . . . 7 1.8.5 Gradient d’un vecteur et diver-
1.3.3 Matrice de rotation . . . . . . . 8 gence d’une matrice . . . . . . 23
1.3.4 Somme de deux rotations . . . 9 1.9 Théorèmes intégrales de Gauss et de
1.3.5 Inverse d’une rotation . . . . . 9 Stokes . . . . . . . . . . . . . . . . . 24
1.3.6 Rotation 3D . . . . . . . . . . . 9 1.9.1 Théorème de Gauss . . . . . . 24
1.4 Transformation linéaire . . . . . . . . 10 1.9.2 Théorème de Stokes . . . . . . 25

1
Introduction
Les relations entre un cors solide, en mouvement ou au repos, et les forces qui le sollicitent fait l’objet
de la mécanique.
La mécanique est subdivisée selon l’échelle du sujet étudié en :
− Mécanique classique (ou mécanique Newtonienne) : S’applique à l’échelle usuelle
− Mécanique relativiste : S’applique à l’échelle infiniement grande (Cosmos)
− Mécanique quantique : S’applique à l’échelle infiniment petite (particules atomiques et sub-
atomiques)
En science de l’ingénieur, n s’appuie sur la mécanique classique pour résoudre des problèmes pra-
tiques. La mécanique de l’ingénieur est elle aussi divisée selon l’état de la matière étudiée en mé-
canique des solides (rigides et déformables) et mécanique des fluides (liquides et gaz). Les matières
en états intermédiaires fond chacune une discipline à part. Par exemple les fluides non Newtonéens,
solides non Hookéens, ... etc.
La mécanique des milieux continus (MMC) est une discipline de la mécanique classique consacrée
au mouvements des corps déformables. Elle envisage des milieux matériels qui remplissent l’espace
d’une façon continue.
En MMC, on utilise une échelle suffisamment grande pour pourvoir négliger l’aspect moléculaire
discret de la matière, et suffisamment petite pour pouvoir considérer un volume infinitésimal de la
matière comme particule matérielle dont le voisinage est constitué d’une infinité d’autres particules.
Ce concept de continuité permet de rapporter le volume infinitésimal à un système de coordonnées
de référence (repère) et d’exprimer ses propriétés (comme la masse volumique) et son comportement
(comme son déplacements) à l’aide de fonctions mathématiques continues et dérivables.

2
1 Rappels de Mathématiques
1.1 Introduction
Pour décrire la position d’un point M dans l’espace, on utilise 3 nombres qui indiquent sa distances
par rapport à un repère de référence dont l’origine est un point particulier, ou choisi quelconque. Ce
point est généralement noté O.
Il est commode de choisir un trièdre, dit repère cartésien comme référence et l’ensemble des points
pouvant être décrits de cette manière constituent un espace Euclidien tridimensionnel (E 3). Les 3
axes de ce repères sont orthogonaux (perpendiculaire les uns au autres). Le repère est souvent noté
(O, X , Y , Z ) ou (O, X 1 , X 2 , X 3 ). Les vecteurs unitaires servant d’unités de mesure sur les axes sont notés
(~
i,~j ,~
k) ou (e 1 , e 2 , e 3 ) (sans les flèches !). On dit que ces trois vecteurs constituent une base orthonor-
mée.
Avec cette description de l’espace, toutes les quantités physiques seront représentés soit par des sca-
laires, des vecteurs, des matrices ou tenseurs d’une manière générale.

x3 X3

e3

e2 x2 X2
O

e1
x1
X1

F IGURE 1.1 – Repère et espace 3D

1.2 Scalaires et Vecteurs

Les grandeurs physiques telles que la masse, la température„ le temps, ... etc. sont des scalaires, une
valeurs suffit pour les quantifier. Par contre, d’autres grandeurs comme la vitesse, la force, ont besoin
d’êtres décrites par leurs valeurs et leurs directions. On utilise les vecteurs pour les représenter.
−→
Un vecteur AB est délimité par les deux extrémités qui sont les points A et B et possède une direction
−→ −→ −→
de A vers B . De ce fait le vecteur B A est de sens opposé et donc de signe opposé : B A = − AB .

3
 F IGURE 1.2 – Vecteur 3D

1.2.1 Composantes
→
− −→
Un vecteur est décrit par ses 3 composantes, si on note : V = AB , alors :

v x = Bx − Ax ; vy = By − Ay ; v z = Bz − Az
−→ −→
avec (A x , A y , A z ), et (B x , B y , B z ) sont les coordonnées des 2 points A et B . On a donc : AB = −B A
On a aussi les écritures suivantes pour exprimer le vecteur V :
→
− ¡ ¢
V = vx , v y , vz ou bien (v 1 , v 2 , v 3 )
→
− →
− →
− →
−
V = v x i + v y j + v z k ou bien v 1→−e + v →
1
− →
−
2 e 2 + v3 e 3
→
− →− → −
Les composantes Vi (i = 1, 2, 3 ou i = x, y, z) sont des scalaires et les → −e i (ou i , j , k ) sont des vec-
teurs unitaires sur les axes de référence (X 1 , X 2 , X 3 ) (ou X , Y , Z ). Dans ce cours, afin d’alléger et de
condenser les écritures, on utilise plutôt la notation avec indice i : X i , pour les axes, e i pour les vec-
teur unitaires et v i pour les composantes d’un vecteur V . Les vecteurs ne porteront pas de flèche

1.2.2 Module
Le module, ou norme, d’un vecteur V permet de mesurer sa longueur (ou magnitude). On note :
q
|V | = v 12 + v 22 + v 32

Un vecteur unitaire est de longueur égale à 1, comme les e i , on a :

p
|e 1 | = 12 + 02 + 02 = 1
V
Quelque soit un vecteur V , si on a : U = alors : |U | = 1 et on dit qu’on a normaliser V .
|V |
Exemple :
V = (2 , 3 , 6) = 2e 1 + 3e 2 + 6e 3

4
Le module (la longueur) est : p
|V | = 4 + 9 + 36 = 7
Le vecteur V normalisé est :
V 2 3 6
U= = e 1 + e 2 + e 3 = (2/7 , 3/7 , 6/7)
|V | 7 7 7

1.2.3 Règles de calcul

On considère 3 vecteurs A = (a 1 , a 2 , a 3 ), B = (b 1 , b 2 , b 3 ) et C = (c 1 , c 2 , c 3 ), et deux scalaires m et
n.
1) A + B = (a 1 + b 1 , a 2 + b 2 , a 3 + b 3 )
2) A = B si et seulement si : a 1 = b 1 et a 2 = b 2 et a 3 = b 3
3) A + B = B + A
4) A + (B +C ) = (A + B ) +C
5) (m + n)A = m A + n A
6) m(n A) = (mn)A
7) m(A + B ) = m A + mB

1.2.4 Produit scalaire

Le produit scalaire entre deux vecteurs A et B est défini comme suit :

A · B = |A||B | cos θ = a 1 b 1 + a 2 b 2 + a 3 b 3

avec 0 ≤ θ ≤ π est l’angle entre les deux vecteurs.

Remarque :
|A| cos θ est la projection de A sur B , et |B | cos θ est la projection de B sur A.

1) A · B = B · A
2) A · (B +C ) = A · B + A ·C
3) m(A · B ) = (m A) · B = (mB ) · A
4) e 1 · e 1 = e 2 · e 2 = e 3 · e 3 = 1
e1 · e2 = ( e2 · e3 = e3 · e1 = 0
1 i=j
ei · e j =
0 i 6= j
5) A · A = |A|2 = a 12 + a 22 + a 32
6) Si A · B = 0 avec A 6= 0 et B 6= 0, alors A et B sont perpendiculaires (A ⊥ B ).
Remarque : A = 0 : A = (0 , 0 , 0).

1.2.5 Produit vectoriel

Le produit vectoriel entre deux vecteurs A et B est un vecteur défini comme suit :

C = A ∧B : |C | = |B ||A| sin θ et C ⊥ (A, B )

Les composantes de C se calculent en rotation circulaire d’indices (i , j , k) = (1, 2, 3) :

c k = (a i b j − a j b i )

5
soit :
C = (a 2 b 3 − a 3 b 2 )e 1 + (a 3 b 1 − a 1 b 3 )e 2 + (a 1 b 2 − a 2 b 1 )e 3
1) A ∧ B = −B ∧ A
2) A ∧(B +C ) = A ∧ B + A ∧ C
3) m(A ∧ B ) = (m A) ∧ B = A ∧(mB )
4) e 1 ∧ e 1 = e 2 ∧ e 2 = e 3 ∧ e 3 = 0
e1 ∧ e2 = ( e3 ; e2 ∧ e3 = e1 ; e3 ∧ e1 = e2
0 i=j
ei ∧ e j = (i , j , k) = (1, 2, 3) en rotation circulaire d’indices.
e k i 6= j
5) Si A ∧ B = 0 avec A 6= 0 et B 6= 0, alors A et B sont parallèles (A//B ).

1.2.6 Produit mixte

1) A · (B ∧ C ) = B · (C ∧ A) = C · (A ∧ B ) rotation circulaire (A, B,C )
2) (A ∧ B ) ∧ C = (A ·C )B − (B ·C )A
3) A ∧(B ∧ C ) = (A ·C )B − (A · B )C

Remarque :
La 3e propriété se déduit à partir de la 2e compte tenu de du fait que A ∧ B = −B ∧ A

1.3 Matrices
Une matrice m × n est une représentation de nombres sous forme d’un tableau de m lignes et n
colonnes.
a 11 a 12 · · ·
 

A = a 21 a 22 · · ·
··· ··· ···

Chaque élément est désigné par deux indices i , j qui correspondent à sa position dans le tableau.
Si m = n, la matrice est dite carrée et si m = n = 1, elle se réduit à un scalaire. Les matrices sont très
utiles pour résoudre simultanément les systèmes d’équations :


 a 11 x 1 + a 12 x 2 + · · · + a 1n x n = b 1

 a x + a x +··· + a x = b
21 1 22 2 2n n 2

 . . . . . . . . . . . . . . . . . . . . . . . .

a x + a x + · · · + a x = b
n1 1 n2 2 nn n n

qui peuvent toujours se mettre sous forme matricielle comme suit :

    
a 11 a 12 · · · a 1n  x   b 
a  1
    1 
 21 a 22 · · · a 2n  x 2 b2 
   
=
 ··· ··· ··· ···  · · · · · ·
 
  
  

a n1 a n2 · · · a nn x n  b n 

ou sous forme compacte :

AX =B

A : est la matrice carrée d’ordre n contenant les coefficients du système linéaire

X : est le vecteur des variables inconnues

6
B : est le vecteur des variables connues
donc on transforme le vecteur X , en un vecteur B à l’aide de A, d’où la définition suivante :
Une matrice M est une application linéaire qui associe à tout vecteur V une image V ′

M
V −−−−−→ V ′ = M V

Une matrice est dite matrice identité si elle associe à tout vecteur V le vecteur lui-même (elle ne fait
aucune transformation du vecteur), elle est notée I :

V ′ = I V =V

1.3.1 Determinant
Le déterminant d’une matrice carrée est un nombre tel que :
si A = a 11 est d’ordre 1 (1 × 1) :
det(A) = a 11
£ ¤
si A = a i j est d’ordre 2 (2 × 2) :
¯ ¯
¯a 11 a 12 ¯¯
det(A) = ¯¯ = a 11 a 22 − a 21 a 12
a 21 a 22 ¯

£ ¤
si A = a i j est d’ordre 3 (3 × 3) :
¯ ¯
¯a 11 a 12 a 13 ¯¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯a 22 a 23 ¯¯ ¯a 21 a 23 ¯¯ ¯a 21 a 22 ¯¯
det(A) = ¯¯a 21 a 22 a 23 ¯ = a 11 ¯¯
¯ − a 12 ¯¯ + a 13 ¯¯
¯a a 32 a 33 ¯ a 31 a 33 ¯ a 31 a 32 ¯
31 a 32 a 33 ¯

£ ¤
si A = a i j est d’ordre n (n × n) :
¯ ¯ ¯ ¯ ¯ ¯
¯ a 11 ··· a 1n ¯¯ ¯ a 22 ··· a 2n ¯¯ ¯ a 21 ··· a 2n−1 ¯¯
¯ ¯ ¯
det(A) = ¯¯ · · · ··· · · · ¯ = a 11 ¯¯ · · ·
¯ ··· · · · ¯ − · · · + · · · ± a 1n ¯¯ · · ·
¯ ··· · · · ¯¯
¯a ··· a nn ¯ ¯a ··· a nn ¯ ¯a ··· a nn−1 ¯
n1 n2 n1

En élasticité, on se limite aux matrices d’ordre 3, (n = 3).

1.3.2 Opérations matricielles

A et B sont deux matrices de composantes a i j et b i j et m est un scalaire.

1. Egalité
Deux matrices du même ordre sont égales si et seulement si toutes leurs composantes sont
égales une à une :
A = B : ai j = bi j

2. Transposée
B = A T : bi j = a j i

3. Multiplication par un scalaire

B = m A : b i j = ma j i

7
 4. Multiplication matricielle X
C = AB : c i j = ai k bk j
k

5. Inversion matricielle
A −1 inverse de A : A A −1 = I

Remarques
1. A B 6= B A
2. det(A B ) = det(A) det(B )
3. (A B )T = B T A T
4. det(m A) 6= m det(A)

1.3.3 Matrice de rotation

Un point P de coordonnées (x, y) exprimées dans un repère X Y s’exprime par les coordonnées (x ′ , y ′ )
lorsque le repère subi une rotation d’angle θ et devient X ′ Y ′ .
Les nouvelles coordonnées s’expriment en fonctions des anciennes coordonnées comme suit :

x ′ = x cos θ + y sin θ
y ′ = y cos θ − x sin θ

soit sous forme matricielle : ½ ′¾ · ¸½ ¾

x cos(θ) sin(θ) x
=
y′ − sin(θ) cos(θ) y

ou encore, en plus compacte : V ′ = AV

A est la matrice de rotation de repère, elle contient les cosinus directeurs des nouveaux axes par rap-
port aux anciens axes. Si on note les vecteurs unitaires des axes originaux e 1 et e 2 , ceux des nouveaux
axes e 1′ et e 2′ alors :
a i j = e i′ · e j

Y’
P
y
X’

x’
y’ e2
e’2
e’1

θ
X
e1 x

8
1.3.4 Somme de deux rotations
Lorsque le repère X ′ Y ′ subit lui aussi une rotation d’angle φ, les coordonnées (x ′ , y ′ ) deviennent
(x ′′ , y ′′ ) tel que :
½ ′′ ¾ ·
cos(φ) sin(φ) x ′
¸½ ¾
x
=
y ′′ − sin(φ) cos(φ) y ′

V ′′ = BV ′
B est la matrice de la seconde rotation.
En fonction des coordonnées origines (x, y) :

x ′′
½ ¾ · ¸· ¸½ ¾
cos(φ) sin(φ) cos(θ) sin(θ) x
=
y ′′ − sin(φ) cos(φ) − sin(θ) cos(θ) y

soit :
V ′′ = B AV

Le produit matricielle donne :

x ′′
½ ¾ · ¸½ ¾
cos(θ + φ) sin(θ + φ) x
=
y ′′ − sin(θ + φ) cos(θ + φ) y

1.3.5 Inverse d’une rotation

Si le repère (X ′ Y ′ ) subit une rotation d’angle −θ, on retrouve le repère initial (X Y ), d’où :
½ ¾ · ¸ ½ ′¾ · ¸ ½ ′¾
x cos(−θ) sin(−θ) x cos(θ) − sin(θ) x
= =
y − sin(−θ) cos(−θ) y′ sin(θ) cos(θ) y′

V = CV ′ ; C = AT

L’inverse d’une matrice de rotation est égale à sa transposée.

1.3.6 Rotation 3D
La rotation 2D fait changer les coordonnées x et y, la coordonnées z reste telle qu’elle (z ′ = z). On dit
que la rotation 2D se fait par rapport à l’axe Z et on écrit le changement de coordonnées en incluant
z comme suit :  ′   
x  cos(θ) sin(θ) 0  x 
y ′ =  − sin(θ) cos(θ) 0 y
 ′  
z 0 0 1 z

V ′ = Az V
De même on écrit les matrices de rotations d’angles θx et θ y par rapport aux axes X et Y comme suit :

1 0 0
 

A x = 0 cos(θx ) sin(θx ) 
0 − sin(θx ) cos(θx )

cos(θ y ) 0 sin(θ y )
 

Ay =  0 1 0 
− sin(θ y ) 0 cos(θ y )

9
Remarque
Une rotation A x par rapport à X suivie d’une rotation A y par rapport à Y est différente de la rotation
A y suivie de la rotation A x :
A y A x 6= A x A y

1.4 Transformation linéaire

Une transformation linéaire est une transformation dans laquelle chaque nouvelle variable est une
combinaison linéaire d’anciennes variable. En 2D :
x ′ = ax + b y ; y′ = cx + d y

avec a, b, c et d sont des constantes.

Du point de vue vectorielle :
½ ′¾ · ¸½ ¾
x a b x
=
y′ c d y

où
V ′ = MV

M est la matrice de la transformation

2 2
Si x ′ est perpendiculaire à y ′ et x ′ + y ′ = x 2 + y 2 alors la matrice M est une matrice orthogonale.
La longueur d’un vecteur ne change pas avec la rotation d’axes et on dit que la rotation est une trans-
formation orthogonale

Définition
Une transformation orthogonale est une transformation linéaire qui préserve les longueurs. La ma-
trice M d’une transformation orthogonale est une matrice orthogonale et on a :
M −1 = M T

Lorsque les longueurs ne changent pas, on a :

2 2
x2 + y 2 = x′ + y ′
= (ax + b y)2 + (c x + d y)2
= (a 2 + c 2 )x 2 + (b 2 + d 2 )y 2 + 2(ab + cd )x y

d’où :
a2 + c 2 = 1
b2 + d 2 = 1
ab + cd = 0

ou bien, en utilisant la matrice de transformation M :

¸ · 2
a + c2
· ¸· ¸ · ¸
a b a c ab + cd 1 0
= =
c d b d ab + cd b2 + d 2 0 1

soit :
MMT = I

ou
M T = M −1

10
1.5 Valeurs et vecteurs propres
Dans une transformation linéaire, un vecteru V d’origine (0, 0) et d’extrémité (x, y) se transforme
en vecteur V ′ d’origine (0, 0) et d’extrémité (x ′ , y ′ ), il subit alors une rotation et un allongement (ou
rétrécissement).
La transformation engendre un changement de direction et un changement de module des vecteurs.
Si on veut s’intéresser aux vecteurs qui ne subissent pas de rotation avec la transformation alors on
cherche V ′ qui restent parallèles à V :

V ′ // V ⇔ V ′ = λV

λ est une constante scalaire.

En utilisant la transformation :
MV = λV
ce qui donne
(M − λI )V = 0

qui possède une solution non triviale (V 6= 0) si le déterminant : det(M − λI ) = 0

Les racines de cette équation sont appelées valeurs propres de la matrice M et les vecteurs corres-
pondant sont appelés vecteurs propres.

Exemple
On considère la transformation :
½ ′ ½ ′¾ · ¸½ ¾
x = 5x − 2y x 5 −2 x
; =
y ′ = −2x + 2y y′ −2 2 y

Les valeurs propres sont solution de

¯ ¯
¯5 − λ −2 ¯
¯ −2 2 − λ¯ = 0
¯ ¯ ; (5 − λ)(2 − λ) − 4 = 0

ce qui donne deux racines : λ = 1 et λ = 6

Les vecteurs qui ne subissent pas de rotation s’obtiennent par résolution du système pour chacune
des valeurs de λ
pour λ = 1 :
½
4x − 2y = 0
donne la droite : 2x − y = 0
−2x + y = 0

pour λ = 6 :
½
−x − 2y = 0
donne la droite : x + 2y = 0
−2x − 4y = 0

Les deux droites définissent les directions propres, on dit aussi ‘directions principales’
Les vecteurs parallèles à la droite 2x − y = 0, ne subissent aucune transformation et les vecteurs pa-
rallèles à la droite x + 2y = 0, s’allongent de 6 fois leurs longueurs initiales.
Tous les autres vecteurs subissent une rotation et un changement de longueur en même temps.
Les vecteur unitaires définis le long des deux droites sont les vecteurs propres normalisés. Ils défi-
nissent une base puisque les deux droites sont perpendiculaires. ces vecteurs sont :
1
e ′1 = p < 1 2 >
5

11
 1
e ′2 = p < −2 1 >
5

Exemple
½ ¾
1
Le vecteur V = devient :
1
· ¸½ ¾ ½ ¾
′ 5 −2 1 3
V = =
−2 2 1 0
p
il était de longueur 2 et incliné de 45° par rapport l’axe X et devient de longueur 3 et parallèle à l’axe
X.
½ ¾
1
Le vecteur V = parallèle à la droite 2x − y = 0 devient :
2
· ¸½ ¾ ½ ¾
′ 5 −2 1 1
V = =
−2 2 2 2

il ne subit aucun changement

½ ¾
−2
Le vecteur V = parallèle à la droite x + 2y = 0 devient :
1
· ¸½ ¾ ½ ¾ ½ ¾
5 −2 −2 −12 −2
V′= = =6
−2 2 1 6 1

il ne subit qu’un allongement de 6.

1.5.1 Diagonalisation d’une matrice

On s’intéresse dans la diagonalisation d’une matrice à la description de la transformation linéaire
qu’elle représente dans un nouveau repère déduit par rotation du repère initial pour confondre avec
les direction principales.
Dans le repère initial (X Y ) muni de vecteurs unitaires (e 1 , e 2 ), la transformation d’un vecteur V à
l’aide de la matrice de transformation M donne :

V ′ = MV

Avec une rotation d’axes de matrice A, les vecteurs V et V ′ s’expriment par :

U = AV ; U ′ = AV ′

soit par rotation inverse :

V = AT U ; V ′ = AT U ′

La transformation de V en V ′ à l’aide de M s’écrit :

A T U ′ = M(A T U )

d’où la transformation de U en U ′ :

U ′ = AM A T U ; U ′ = DU

12
Si la rotation fait coïncider les nouveaux axes avec les directions principales, alors la matrice D est
diagonale. La matrice de rotation contient les deux nouveaux vecteurs unitaires calculés en normali-
sant les directions principales.

Exemple
Dans l’exemple précédent les directions principales sont données par les deux droites y − 2x = 0 et
2y −x = 0. Les vecteurs unitaires dans ces deux directions sont : e ′1 = p1 < 1 2 > et e ′2 = p1 < −2 1 >
5 5
· ¸
1 2
La matrice de rotation est : A = p1
5 −2 1

L’angle de rotation est : θ = arccos(e 1 · e ′1 ) = 63.435°

La matrice diagonale s’obtient par :
· ¸· ¸ · ¸ · ¸ · ¸
1 1 2 5 −2 1 1 −2 1 5 0 1 0
D = AM A T = p p = =
5 −2 1 −2 2 5 2 1 5 0 30 0 6
Avec la rotation d’axe, la transformation M est décrite d’une manière plus simple. Dans le nouveau
repère, on peut écrire :
½ ′
x =x
y ′ = 6y

1.6 Tenseurs
Les tenseurs sont la généralisation des scalaires, des vecteurs et des matrices. Un tenseur est un mot
générique d’entités mathématiques qui désigne une quantité physique. La description d’un tenseur
dépend du repère de référence utilisé. Dans ce cours, on s’intéresse aux tenseurs cartésiens, le sys-
tème de référence est donc un repère orthonormé (OX Y Z ) qui peut subir une rotation de matrice A
et changer en un repère (OX ′ Y ′ Z ′ ).

Ordre Entité Dimension Nbr. Composantes Notation

0 scalaire 2D 20 = 1 a
3D 30 = 1

1 vecteur 2D 21 = 2 ai
3D 31 = 3

2 matrice 2D 22 = 4 ai j
3D 32 = 9

n 2D 2n a i j k···
3D 3n

1.6.1 Définition
Un tenseur cartésien T d’ordre n est une fonction qui associe à un repère (2D/3D) un groupe de
(2n /3n ) composantes réelles Ti j k··· qui se transforment selon la relation suivante :
3
Tl′mn··· =
X
a l i a m j a nk · · · Ti j k··· (1.1)
i , j ,k···=1

lorsque le repère subi une rotation de matrice A. Les a l i désignent les cosinus directeurs des nou-
veaux axes du repère (OX ′ Y ′ Z ′ ) par rapport au repère initial (OX Y Z ). Ti j k··· sont les composantes du

13
tenseur exprimées par rapport au repère initial et Tl′mn··· sont les nouvelles valeurs des composantes
du même tenseur exprimées dans le nouveau repère.

1.6.2 Tenseur d’ordre 1

Un tenseur d’ordre 1 (vecteur) est un ensemble de trois composantes (repère 3D) Vi définies dans un
repère (OX Y Z ) et deviennent Vl′ lorsque le repère subi une rotation de matrice A.

3
Vl′ =
X
a l i Vi (1.2)
i =1

Exemple
Une poutre inclinée de 30o par rapport à l’horizontal, chargée à son extrémité par une force F verciale
de 500K N .

Y 30°
Y’
X’

F IGURE 1.3 – Exemple de rotation de repère

La force est une quantité physique représentée par un tenseur d’ordre 1 dans un repère 2D. Son ex-
pression par rapport au repère (OX Y ) est :
½ ¾
F1 = 0
F=
F 2 = −500

La matrice de rotation du repère (OX Y ) au repère (OX ′ Y ′ ) lié à la poutre est :

· ¸ ·p ¸
a 11 = cos(30) a 12 = sin(30) 3/2 1/2
A= = p
a 21 = − sin(30) a 22 = cos(30) −1/2 3/2

L’expression de la force dans le nouveau repère (OX ′ Y ′ ) devient :

2
F 1′
X
= a 1i F i = a 11 F 1 + a 12 F 2 = −250K N
i =1
2 p
F 2′
X
= a 2i F i = a 11 F 1 + a 12 F 2 = −250 3K N
i =1

Sous forme matricielle :

· ¸½ ¾ ½ ¾
′ cos(30) sin(30) 0 −250
F = = p KN
− sin(30) cos(30) −500 −250 3

14
1.6.3 Tenseur d’ordre 2
Un tenseur d’ordre 2 (matrice) est un ensemble de neuf (09) composantes (repère 3D) Vi j définies
′
dans un repère (OX Y Z ) et deviennent Vkl lorsque le repère subi une rotation de matrice A.

3
′
X
Vkl = a ki a l j Vi j (1.3)
i , j =1

Exemple
Si dans l’exemple précédent le vecteur force est lié au vecteur déplacement de l’extrémité libre :

F = KU

avec K est une matrice 2 × 2 ou tenseur d’ordre 2, alors dans le nouveau repère (OX ′ Y ′ ) nous avons :

F ′ = AF et U ′ = AU

ce qui donne par inversion :

F = A T F ′ et U = A T U ′

En remplaçant dans l’expression F = K U , on exprime la nouvelle relation entre la force et le déplace-

ment :
A T F ′ = K (A T U ′ )
soit :
F ′ = K ′U ′ avec K ′ = AK A T

Posons V = K A T , ses composantes s’écrivent :

2 2
K i j (a j q )T =
X X
Vi q = aq j Ki j
j =1 j =1

La multiplication à gauche par A donne les composantes de K dans le nouveau repère :

2 2 2 2
′
X X X X
K pq = a pi Vi q = a pi aq j Ki j = a pi a q j K i j
i =1 i =1 j =1 i , j =1

1.6.4 Propriétés des tenseurs

a) Symétrie
Un tenseur d’ordre n > 2 est dit symétrique par rapport à une paire d’indices si ses composantes
restent inchangées sous l’effet d’une permutation de ces indices :
Vi j k··· = V j i k··· : symétrie par rapport à i j , et
Vi j k··· = Vi k j ··· : symétrie par rapport à j k

b) Antisymétrie
Un tenseur d’ordre n > 2 est dit antisymétrique par rapport à une paire d’indices si ses composantes
changent de signe sous l’effet d’une permutation de ces indices :
Vi j k··· = −V j i k··· : antisymétrie par rapport à i j , et
Vi j k··· = −Vi k j ··· : antisymétrie par rapport à j k

15
c) Isotropie
Un tenseur est dit isotrope si ses composantes restent inchangées sous l’effet d’une rotation de repère.
Exemple : le tenseur identité I : I ′ = AI A T = I

1.7 Notation indicielle

Pour une écriture compacte et allégée des expressions mathématiques, on utilise la notation indi-
cielle. L’espace tridimensionnel est rapporté à un repère orthonormé (OX 1 X 2 X 3 ) dont les vecteurs
unitaires sont notés : e 1 , e 2 et e 3 . Un point M est localisé par les coordonnées x 1 , x 2 et x 3 et noté
M (x i ), l’indice i prend les valeurs 1 à 3 (ou 1 à 2 si l’espace est 2D).
Les tenseurs que nous rencontrerons dans ce cours seront notés comme suit :

Tenseur d’ordre 0 Scalaire a,b,α 1 composante

Tenseur d’ordre 1 Vecteur a i , v i , Vi 3 composantes
Tenseur d’ordre 2 Matrice a i j , v i j , Ti j 9 composantes
Tenseur d’ordre 3 a i j k , v i j k , Ti j k 27 composantes
Tenseur d’ordre 4 a i j kl , v i j kl , D i j kl 81 composantes

x3 X3

e3

e2 x2 X2
O

e1
x1
X1

F IGURE 1.4 – Notations utilisées pour l’espace 3D

1.7.1 Convention de somme

Si on considère la somme :
S = a1 x1 + a2 x2 + · · · + an xn .
son écriture compacte usuelle est :
n
X n
X n
X
S= a i x i ou : S = a j x j ou bien : S = am xm
i =1 j =1 m=1

Les indices i , j et m sont appelés indices muets dans le sens où la valeur de S ne dépend pas de l’indice
utilisé dans l’expression de la somme.
On peut simplifier d’avantage l’écriture de cette somme on adoptant la convention de somme d’Eins-
tien suivante :

16
Lorsqu’un indice est répété (apparait 2 fois) dans un même terme, ça implique une somme sur l’indice
répété

L’écriture précédente se simplifie donc en :

S = ai xi (1.4)

Remarque
Les expressions telles que a i b i x i où l’indice apparait plus de deux fois sont exclues de la conven-
P
tion, le signe doit être gardé pour désigner une somme des termes, sinon l’ecriture est interprétée
comme un seul terme.
En élasticité sauf indication ou précision, la somme s’applique de 1 à 3.

Exemples :

ai bi = a1b1 + a2b2 + a3 b3 (produit scalaire)

c i i = c 11 + c 22 + c 33 (trace de la matrice)

Double somme
Lorsqu’un terme contient deux indices, chacun apparaît deux fois, une double somme sur les deux
indices est interprétée.
Exemple :

ai j xi x j = (a i 1 x i x 1 ) + (a i 2 x i x 2 ) + (a i 3 x i x 3 )
= (a 11 x 1 x 1 + a 21 x 2 x 1 + a 31 x 3 x 1 )
+ (a 12 x 1 x 2 + a 22 x 2 x 2 + a 32 x 3 x 2 )
+ (a 13 x 1 x 3 + a 23 x 2 x 3 + a 33 x 3 x 3 )

1.7.2 Indice libre

Un indice est dit indice libre s’il est répété de part et d’autre du signe égal (=) d’une équation. L’écri-
ture :
Ci = Ai + Bi (1.5)
est interprétée comme suit : le vecteur C est la somme des vecteurs A et B .
L’écriture :
Yi = A i j X j (1.6)
comporte un indice libre i qui désigne 3 équations et un indice muet j qui désigne une somme.
Explicitement :

y 1 = a 1, j x j = a 11 x 1 + a 12 x 2 + a 13 x 3
y 2 = a 2, j x j = a 21 x 1 + a 22 x 2 + a 23 x 3
y 3 = a 3, j x j = a 31 x 1 + a 32 x 2 + a 33 x 3

L’écriture :
Vi j = U i k U j k (1.7)
comporte 2 indices libres i et j et un indice muet k. C’est un ensemble de 9 équations qui donnent
l’expression du tenseur V en fonction de U : (V = UU T ).

17
1.7.3 Symbol de Kronecker
Le symbole delta de Kronecker est défini comme suit :
(
1 si i = j
δi j = (1.8)
0 si i 6= j

Il est équivalent à la matrice identité :

1 0 0
 

I= 0
 1 0
0 0 1

Les propriétés du symbole δ que nous allons rencontrer dans ce cours sont :

1. symétrie : δi j = δ j i
2. isotropie : δkl = a ki a l j δi j = δi j
3. trace : δi i = δ11 + δ22 + δ33 = 3
4. produit avec un vecteur : δi j V j = Vi ; δi j Vi = V j
particulièrement : e i = δi j e j
5. produit scalaire des vecteurs unitaires : e i · e j = δi j
6. trace d’une matrice : δi j A i j = A i i = A j j

1.7.4 Symbole de Permutation

Le symbole de permutation E est défini comme suit :

 1 si i j k apparaissent dans l’ordre 12312 ...

E i j k = −1 si i j k apparaissent dans l’ordre 32132 ... (1.9)


0 si i j k apparaissent dans un autre ordre

Dans le cas où les indices i , j et k prennent en rotation circulaire les valeurs 1,2 et 3, on peut mettre :
1
E i j k = (i − j )( j − k)(k − i ) (1.10)
2
on a :
E 123 = E 231 = E 312 = 1
et :
E 132 = E 321 = E 132 = −1

mais dès que l’un des indices est répété E prend la valeur nulle :
E 112 = E 122 = E 233 · · · = 0

Toute interchange dans les indices entraîne l’inversion de signe du symbole :

E i j k = −E k j i = E ki j = −E i k j

Les produits vectoriels des vecteurs unitaires s’écrivent comme suit :

ei ∧ e j = Ei j k ek (1.11)

D’une manière générale le produit vectoriel de deux vecteurs U et V s’écrit :

U ∧V = (u i e i ) ∧(v j e j )
= u i v j (e i ∧ e j )
= E i j k ui v j e k (1.12)

18
1.7.5 Identité E -δ
Le produit de deux symboles de permutation peut être écrit en fonction des symboles de Kronecker
par l’identité suivante :

E i j k E i r s = δ j r δk s − δ j s δkr (1.13)
E i j m E kl m = δi k δ j l − δi l δ j k (1.14)

Une des applications de cette identité est la démonstration la relation suivante concernant le triple
produit vectoriel.
U ∧(V ∧ W ) = (U · W )V − (U · V )W
U , V et W étant trois vecteurs (ou tenseurs d’ordre 1).
En effet, l’equation 1.12 permet d’écrire :

U ∧(V ∧ W ) = u i e i ∧(v j e j ∧ w k e k )
= u i e i ∧(v j w k E j kl e l )
= E j kl u i v j w k (e i ∧ e l )
= E j kl E i l m u i v j w k e m

mais E i l m = −E i ml et l’identité δ-E donne :

−E i ml E j kl = δm j δi k − δmk δi j

Le triple produit vectoriel devient donc :

U ∧(V ∧ W ) = (δm j δi k − δmk δi j )u i v j w k e m

et compte tenu de :

δm j v j = v m
δi k w k = w i
δmk w k = w m
δi j v j = v i

on peut écrire :

U ∧(V ∧ W ) = ui w i v m e m − ui v i w m e m
= (U · W )V − (U · V )W

1.8 Champ tensoriel et différentiation d’un champ tensoriel

Un champ tensoriel associe à chaque position M (x i ), et à chaque instant t , un tenseur Ti j ···(M , t ). M
appartient à une région de l’espace 3D et t varie dans un intervalle de temps. Le champ est continu
et différentiable si toutes les composantes de Ti j ··· sont des fonctions de M et de t continues et diffé-
rentiables. Le champ tensoriel peut être de n’importe quel ordre.
La différentiation par rapport au temps sera notée :

∂Ti j ···
ou : Ṫ (1.15)
∂t

19
La différentiation spatiale par rapport à la coordonnée x p est notée :

∂Ti j ···
ou : ∂p Ti j ··· ou bien : Ti j ···,p (1.16)
∂x p

de même la dérivée partielle seconde par rapport à x p et x q est notée :

∂2 Ti j ···
ou : ∂pq Ti j ··· ou bien : Ti j ···,pq (1.17)
∂x p ∂x q

1.8.1 Différentiation d’un vecteur

Si V = Vi e i est un vecteur (tenseur d’ordre 1) dont les composantes sont des fonctions continues de t
alors :
∂V ∂V1 ∂V2 ∂V3
= e1 + e2 + e 3 = Vi ,t e i = V̇i e i (1.18)
∂t ∂t ∂t ∂t
Si λ est un tenseur d’ordre 0 (scalaire) et A et B sont des tenseurs dordre 1 (vecteurs), on a les règles
de calcul suivantes :

∂(λA) ∂λ ∂A
= A +λ
∂t ∂t ∂t
∂(A · B ) ∂A ∂B
= ·B + A ·
∂t ∂t ∂t
∂(A ∧ B ) ∂A ∂B
= ∧B + A ∧
∂t ∂t ∂t

1.8.2 Gradient d’un scalaire

On considère un tenseur d’ordre zéro (scalaire) φ fonction de la position : φ = φ(x 1 , x 2 , x 3 ), et s une
courbe dans l’espace s = s(x 1 , x 2 , x 3 ).

X3 u

∆
dx 3
ds

dx 2

X2
1
dx

X1

F IGURE 1.5 – Gradient

La variation de φ le long de s est donnée par :

dφ ∂φ ∂x 1 ∂φ ∂x 2 ∂φ ∂x 2
= + + (1.19)
ds ∂x 1 ∂s ∂x 2 ∂s ∂x 2 ∂s

mais ∂x i /∂s sont les cosinus directeurs du vecteur unitaire u tangent à ds (u i = x i ,s ) :

∂x 1 ∂x 2 ∂x 3
u =< > (1.20)
∂s ∂s ∂s

20
On introduit le vecteur des dérivées appelé operateur gradient :

∂ ∂ ∂
∇ =< > (1.21)
∂x 1 ∂x 2 ∂x 3

Lorsqu’il est appliqué à φ, la quantité ∇φ (aussi noté : gradφ) est appélée le Gradient de φ.
La différentielle de φ par rapport à ds peut donc s’écrire en fonction du produit scalaire entre le vec-
teur ∇ et le vecteur unité u comme suit :
dφ
= ∇φ · u (1.22)
ds

En utilisant la notation indicielle :

dφ
= ∂i φu i = φ,i u i (1.23)
ds
∇ =< ∂1 ∂2 ∂3 >= ∂i e i (1.24)

Remarque
Dans les équations d’élasticité que nous allons rencontrer dans ce cours, lorsque i est un indice libre
alors ∂i φ désigne le vecteur gradient de φ

Interprétation géométrique
Le produit scalaire ∇φ·u s’interprète comme la projection du gradient de φ sur la tangente à la courbe
s au point considéré :
dφ ¯ ¯
= ∇φ · u = ¯∇φ¯ |u| cos θ (1.25)
ds
avec θ est l’angle entre les deux vecteurs et |u| = 1. Ce qui donne la variation de φ le long de s la plus
grande lorsque s est parallèle au gradient de φ (θ = 0).
D’autre part, lorsque la courbe s est confondue avec l’une des courbes isovaleurs de φ (φ = C ste ) alors
la variation de φ est nulle :
dφ ∆φ
= lim =0
ds ∆s→0 ∆s
ce qui donne, compte tenu du produit scalaire ∇φ · u = 0 un angle θ de π/2 d’où ∇φ perpendiculaire
aux courbes isovaleurs de φ
Exemple 1
On cherche la dérivée de φ = x 12 x 2 + x 1 x 3 au point M (1, 2, −1) dans la direction donnée par le vecteur
A =< 2 − 2 1 >.
Le gradient de φ est :
 
 φ,1 = 2x 1 x 2 + x 3 
∇φ = φ, = x 12
 2 
φ,3 = x 1
il vaut au point M :
∇φ(1, 2, −1) =< 3 1 1 >

Le vecteur unitaire de même direction que A est :

A
u= =< 2/3 − 2/3 1 >
|A|

La dérivée vaut
dφ/ds = ∇φ · u = 5/3

21
Exemple 2
Cet exemple montre que le gradient d’une fonction bidimensionnelle est perpendiculaire à ces courbes
d’isovaleurs. On prends
1
φ(x 1 , x 2 ) = (x 12 + x 22 )
2
Soit en coordonnées cylindriques
1
φ(r ) = r 2
2
Les courbes isovaleurs de φ = C ste sont des cercles concentriques de rayon r = C ste et de centre (0, 0).
Le gradient de φ est ∇φ =< x 1 x 2 >, sa direction s’obtient en le normalisant :
< x1 x2 > x1 x2
=< q q >=< cos θ sin θ >
|< x 1 x 2 >| x 12 + x 22 x 12 + x 22

Il est donc perpendiculaire aux cercles d’isovaleurs de φ et on conclue que la variation la plus rapide
de φ s’effectue selon le rayon r .
X2
φ∆

∆ φ
φ=

∆ φ
C
ste

X1

F IGURE 1.6 – Isovaleurs et gradient d’une fonction scalaire

1.8.3 Divergence et rotationnel d’un vecteur

Si V est un tenseur d’ordre 1 (vecteur) alors :
Le produit scalaire :
 
∂ ∂ ∂ v 1 
∇·V = < > v2
∂x 1 ∂x 2 ∂x 3  
v3
∂v 1 ∂v 2 ∂v 3
= + + (1.26)
∂x 1 ∂x 2 ∂x 3
est appelé divergence de V et s’écrit en notation indicielle comme suit :

∇V = ∂i v i = v i ,i (1.27)

Le produit vectoriel :
¯ ¯
¯e 1 e 2 e 3 ¯
¯ ¯
∇∧V = ¯¯∂1 ∂2 ∂3 ¯¯
¯v
1 v2 v3
¯
¡ ∂v 3 ∂v 2 ¢ ¡ ∂v 1 ∂v 3 ¢ ¡ ∂v 2 ∂v 1 ¢
= − e1 + − e2 + − e3 (1.28)
∂x 2 ∂x 3 ∂x 3 ∂x 1 ∂x 1 ∂x 2

22
est appelé rotationnel de V et s’écrit en notation indicielle comme suit :

E i j k ∂i v j e k ou bien : E i j k v i , j e k (1.29)

Remarques
1. La divergence est un scalaire et le rotationnel est un vecteur. On trouve souvent dans la littéra-
ture les notations : rotV et divV .
2. Si U = ∇φ, on dit que le vecteur U dérive d’un potentiel φ et nécessairement : rotU = 0
3. Le rotationnel d’un gradient est nul :

∇ ∧(∇φ) = 0 ∀φ

4. La divergence d’un rotationel est nulle

∇ · (∇ ∧ V ) = 0 ∀V

1.8.4 Laplacien d’un scalaire

La divergence d’un gradient d’une fonction scalaire φ est le Laplacien de la fonction. Il est noté
comme suit :
∇∇T φ ou ∆φ ou bien ∇2 φ (1.30)

 
∂φ/∂x 1 
∆φ = < ∂/∂x 1 ∂/∂x 2 ∂/∂x 3 > ∂φ/∂x 2
 
∂φ/∂x 3
∂2 φ ∂2 φ ∂2 φ
= + + (1.31)
∂x 12 ∂x 22 ∂x 32

En notation indicielle :
∆φ = ∂i φi = ∂i i φ = φ,i i (1.32)

On dit d’une fonction φ qui satisfait l’équation de Laplace : ∆φ = 0, quelle est harmonique et on dit
qu’elle est bi-harmonique si ∆∆φ = 0.

1.8.5 Gradient d’un vecteur et divergence d’une matrice

Par extension des notions précédentes, on introduit le gradient d’un vecteur et la divergence d’une
matrice lorsque l’operateur ∇ agit sur ces entités.
On défini le gradient d’un vecteur (tenseur d’ordre 1) V la matrice A telle que :

A i j = Vi , j (1.33)

soit sous forme matricielle :

∂V1 /∂x 1 ∂V1 /∂x 2 ∂V1 /∂x 3

 

A = ∂V2 /∂x 1
 ∂V2 /∂x 2 ∂V2 /∂x 3  (1.34)
∂V3 /∂x 1 ∂V3 /∂x 2 ∂V3 /∂x 3

23
La divergence d’une matrice (ou tenseur dordre 2) T est un vecteur V tel que :

Vi = T i j , j (1.35)

soit sous forme matricielle :  ∂T11 ∂T12 ∂T13 

V1 = ∂x1 + ∂x2 + ∂x3 
 
∂T ∂T ∂T
V = V2 = ∂x211 + ∂x222 + ∂x233
V3 = ∂T + ∂T + ∂T
 
 31 32 33 
∂x ∂x 1 ∂x 2 3

1.9 Théorèmes intégrales de Gauss et de Stokes

Considérons un champ tensoriel Ti j k··· définit sur une région de l’espace 3D de volume V délimité
par une surface fermée S. On note n la normale sortante de la surface (figure 1.7).

X3
n

dS
X2

X1

F IGURE 1.7 – Theorem de divergence

1.9.1 Théorème de Gauss

Le théorème de divergence de Gauss établie une relation entre l’intégrale sur le volume V des dérivées
du tenseur T et l’intégrale sur la surface S de la projection de T sur la normale n.
Z Z
(Ti j k···)(n q )dS = Ti j k···,q dV (1.36)
S V

L’application de ce théorème pour les cas des tenseurs les plus courants (matrice, vecteur et scalaire)
s’écrit en utilisant les notations indicielle et matricielle comme suit :
un scalaire φ : Z Z Z Z
φn i dS = φi dV ou : φn dS = gradφ dV
S V S V
un vecteur T : Z Z Z Z
T j n j dS = T j , j dV ou T · n dS = divT dV
S V S V
et Z Z Z Z
E i j k n j Tk dS = E i j k Tk , j dV ou n ∧ T dS = rotT dV
S V S V
une matrice M : Z Z Z Z
M i j n j dS = M i j , j dV ou M n dS = divM dV
S V S V

24
1.9.2 Théorème de Stokes
Tandis que le théorème de divergence de Gauss relie l’intégrale de volume à l’intégrale de surface fer-
mée délimitant le volume, le théorème de Stokes lie l’intégrale sur une surface ouverte à une intégrale
curviligne sur la courbe délimitant la surface.
Ainsi si on nome S une surface ouverte avec C la courbe qui la délimite et on considère un élément
de courbe ds de vecteur unitaire u tel que dsu = d x i e i (figure 1.8), alors pour tout vcteur V :
Z Z
n · (∇ ∧ V ) dS = V ds (1.37)
S C

sous forme indicielle : Z Z

E i j k n i Vk , j dS = Vk dx k (1.38)
S C

X3
n

dS
X2

C u
ds
X1

F IGURE 1.8 – Surface ouverte

25