Mathématique

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 29

Université Ibn Zohr

Ecole National des Sciences Appliquées, Agadir


Première année du cycle ingénieur

Cours de Mathématiques (pour l’ingénieur)


GEE1

Prof. Said TAARABTI

Année Universitaire : 2021-2022


Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Contenu du polycopié

Ce cours du Mathématiques (pour l’ingénieur) s’adresse aux élèves de la première année


du cycle ingénieur de la filière Génie Énergétique et Environnement de l’Ecole Nationale des
Sciences Appliquées d’Agadir (ENSAA).

Le cours traite le contenu des chapitres ci-dessous. Le programme officiel de ce cours, tel
qu’il figure sur le descriptif de la filière GEE de l’ENSAA est le suivant :

1. Compléments d’algèbre linéaire


Applications linéaires, Applications multilinéaires, Matrices, déterminants, Vecteurs et
valeurs propres.
2. Compléments sur les équations différentielles et aux dérivées partielles
Classification des équations aux dérivées partielles. Equations à variables séparables.
Equations différentielles linéaires.
3. Analyse fonctionnelle
Produit de convolution. Transformée de Fourier. Séries de Fourier, Transformée de La-
place.
4. Fonctions holomorphes
Fonctions usuelles, formules intégrales de Cauchy, zéros et singularités d’une fonction
holomorphe, théorème des résidus.

2 cycle ingénieur
TABLE DES MATIÈRES

1 Compléments d’algèbre linéaire 5


1.1 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Le dual d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Applications multilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Étude du cas L(E; F ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.1 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.2 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.3 Matrices symétrique et antisymétriques . . . . . . . . . . . . . . . . . . 9
1.6 Compléments sur les déterminants . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.1 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . 9
1.6.2 Déterminant d’une matrice triangulaire par blocs . . . . . . . . . . . . 10
1.7 Applications des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.1 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7.2 Résolution des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . 11
1.8 Valeurs propres - Vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Compléments sur les équations différentielles et aux dérivées partielles 15


2.1 Classification des équations aux dérivées partielles . . . . . . . . . . . . . . . 16
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Classification mathématique des EDP linéaires du second ordre (cas de
deux variables indépendantes) . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.3 Classification mathématique dans le cas général (n variables indépen-
dantes) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.4 Classification physique des EDP . . . . . . . . . . . . . . . . . . . . . 17
2.2 Équations à variables séparables . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Équations de la forme g(y)y ′ (= )f (x) . . . . . . . . . . . . . . . . . . . 19
2.2.2 Équations de la forme y ′ = g xy . . . . . . . . . . . . . . . . . . . . . 20
2.3 Modélisation-Application de la méthode de la séparation des variables aux pro-
blèmes physiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.1 Loi de Newton pour le refroidissement . . . . . . . . . . . . . . . . . . 21
2.4 Équations Différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.1 Méthode des équations exactes . . . . . . . . . . . . . . . . . . . . . . 22
2.4.2 Le facteur intégrant . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

2.4.3 Équationts Différentielles linéaires . . . . . . . . . . . . . . . . . . . . . 24


2.4.4 Application des équations linéaires aux circuits électriques simples . . . 26
2.4.4.1 Loi de Kirchoff pour les tensions . . . . . . . . . . . . . . . . 26

4 cycle ingénieur
CHAPITRE 1
COMPLÉMENTS D’ALGÈBRE LINÉAIRE

1.1 Applications linéaires

Définition 1. Soit K = R ou C.
Soient E et F deux K-ev et f une application de E vers F .

f linéaire ⇔, ∀(x, y) ∈ E2 , f(x + y) = f(x) + f(y) et ∀λ ∈ K, ∀x ∈ E, f(λx) = λf(x)


⇔ ∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E2 , f(λx + µy) = λf(x) + µf(y)

Si f est linéaire, on a toujours f (OE ) = OF .

Vocabulaire usuel.
Endomorphisme de E = application linéaire de E vers E.
Isomorphisme de E sur F = application linéaire bijective de E sur F.
Automorphisme de E = application linéaire bijective de E sur E = isomorphisme de E sur E.
Forme linéaire sur E = application linéaire de E vers K.

Exemple 1.
Notations :

1. L’ensemble des applicatons linéaires de E dans F est noté L(E, F )


2. L’ensemble des isomorphismes Iso(E, F ) et des endomorphismes de E, End(E).

Définition 2. Soient E et F deux espaces vectoriels sur K et f : E → F une application


linéaire.
On appelle noyau de f le sous-espace vectoriel de E

Ker(f ) = {x ∈ E tels que f (x) = 0}.

On appelle image de f le sous-espace vectoriel de F

Im(f ) = f (E) = {y ∈ E tels qu’il existe x ∈ E vérifiant f (x) = y}.

5
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Théorème 1. Soit f ∈ L(E, F ). Alors


1. f est injective si et seulement si Ker(f ) = {0}
2. f est surjective si et seulement si Im(f ) = F .

1.2 Le dual d’un espace vectoriel

Définition 3. Soit E un K -espace vectoriel. On appelle dual de E et on le note E ∗ le K-espace


vectoriel L(E, K).

Ainsi
E ∗ = {f : E → K, f linéaire }
Une application linéaire à valeurs dans K est appelée forme linéaire. Les éléments de E ∗ sont
donc les formes linéaires.

1.3 Applications multilinéaires


En algèbre linéaire, une application multilinéaire est une application à plusieurs variables
vectorielles et à valeurs vectorielles qui est linéaire en chaque variable. Une application multili-
néaire à valeurs scalaires est appelée forme multilinéaire. Une application multilinéaire à deux
variables vectorielles est dite bilinéaire.

Quelques exemples classiques :


1. le produit scalaire est une forme bilinéaire symétrique ;
2. le déterminant est une forme multilinéaire antisymétrique des colonnes (ou lignes) d’une
matrice carrée.

Définition 4. Soient k ∈ N∗ , E1 , . . . , Ek et F des R-espaces vectoriels, f : E1 × . . . Ek → F


une application.
f est dites k-linéaire (ou multilinéaire) si elle est R-linéaire par rapport à chacune de ses k
variables.

Remarque 1. 1. Autrement dit f est k linéaire si et seulement si


∀i ∈ J1, kK, ∀ (x1 , . . . , xn ) ∈ E1 × En , ∀yi ∈ Ei , ∀λ ∈ R,

f (x1 , . . . , xi−1 , λxi + yi , xi+1 , . . . , xn ) =


λf (x1 , . . . , xn ) + f (x1 , . . . , xi−1 , yi , xi+1 , . . . , xk )

2. Cette définition est généralisable à d’autre corps des scalaires, notamment C.


3. Pour k > 2, f n’est pas une application linéaire sur l’espace vectoriel produit E1 × · · · ×
Ek .
4. Nous noterons L (E1 , . . . , Ek ; F ) l’ensemble des applications k-linéaires de E1 × · · · × Ek
dans F .

6 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

5. Dans le cas particulier F = R nous dirons de l’application que c’est une forme n-linéaire.
6. Dans le cas E1 = ... = Ek = E nous noterons Lk (E; F ) l’ensemble des applications
k-linéaires de E1 × Ek dans F. Et de même nous noterons Lk (E) l’ensemble des formes
k-linéaires de E (dans R.
Exemples :
1. L’application nulle est k-linéaire.
2. Les applications linéaires sont des applications multilinéaires pour k = 1.
3. Un produit scalaire sur un R-espace vectoriel E est une forme 2 -linéaire mais nous
parlerons plutôt de forme bilinéaire.

1.4 Étude du cas L(E; F ).

Définition 5. Soient k ∈ N∗ , E et F des K-espaces vectoriels, f ∈ Lk (E; F ) =


L(E, E, ..., E; F ).
Nous dirons que l’application k-linéaire f est symétrique si ∀ (x1 , . . . , xk ) ∈ E k ,

∀(i, j) ∈ J1, kK2 , f (. . . , xi , . . . , xj , . . .) = f (. . . , xj , . . . , xi , . . .)

Définition 6. Soient k ∈ N∗ , E et F des K-espaces vectoriels, f ∈ Lk (E; F ).


Nous dirons que l’application k-linéaire f est antisymétrique si

∀ (x1 , . . . , xk ) ∈ E k , ∀(i, j) ∈ J1, kK2 ,


f (x1 , . . . , xi , . . . , xj , . . . xn ) = −f (x1 , . . . , xj , . . . , xi , . . . , xn )

Définition 7. Soient k ∈ N∗ , E et F des K-espaces vectoriels, f ∈ Lk (E; F ).


Nous dirons que l’application k-linéaire f est alternée si

∀ (x1 , . . . , xk ) ∈ E k , ∀(i, j) ∈ J1, kK2

[∃i ̸= j, xi = xj ] ⇒ f (x1 , . . . , xk ) = 0

Remarques.
1. Ainsi une application multilinéaire est alternée si elle s’annule dès lors que deux variables
sont égales.
2. Dans le cas F = R nous dirons que f est une forme k-linéaire alternée.
Exemple 2. 1. Le produit vectoriel classique de l’espace des vecteurs libres de R3 est bi-
linéaire alterné.
2. L’application de R2 × R2 dans R donnée par : ((a, b), (c, d)) → ad-bc est une forme
bilinéaire alternée.
3. L’application (u, v, w) → (u|v|w) (produit mixte = u.(v ∧ w)) est une forme trilinéaire
alternée sur R3

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Exercice 1. Soit f une fonction bilinéaire sur E. Montrer que si f est alternée alors f est
antisymétrique.
Correction. Si fest alternée, alors pour deux vecteurs x et y de E,
f (x + y, x + y) = 0 = f (x, x) + f (x, y) + f (y, x) + f (y, y) = f (x, y) + f (y, x)
ce qui montre que f (x, y) et f (y, x) sont opposés. Donc f est antisymétrique.

1.5 Matrices
1.5.1 Trace d’une matrice carrée

Définition 8. (Trace d’une matrice carrée)


La trace d’une matrice A ∈ Mn (K), notée Tr(A), est la somme de ses coefficients diagonaux,
i.e.
∑n
Tr(A) = ak,k
k=1

( )
a b
Exemple 3. Pour n = 2, on a Tr =a+d
c d
Proposition 1. La trace vérifie les propriétés suivantes.
— L’application Tr : Mn (K) → K est une application linéaire.
— Pour toutes matrices A, B ∈ Mn (K), on a Tr(AB) = Tr(BA).
Rappelons que deux matrices A, B ∈ Mn (K) sont dites semblables s’il existe une matrice
inversible P ∈ Mn (K) telle que A = P BP −1 .
Corollaire 1. Si deux matrices A, B ∈ Mn ( K) sont semblables, alors elles ont la même trace.

1.5.2 Transposée d’une matrice

Définition 9. (Transposée d’une matrice)


La matrice transposée (ou la transposée) d’une matrice A ∈ Mm,n (K) est la matrice notée
AT ∈ Mn,m (K) obtenue en échangeant les lignes et les colonnes de A.
 
( ) 1 4
1 2 3
Exemple 4. Si A = , alors AT =  2 5 .
4 5 6
3 6
Remarque 2. a) En notant B = AT , la définition se traduit sur les coefficients par
∀(i, j) ∈ J1, nK × J1, mK, bi,j = aj,i
( )T
b) La transposée de la matrice AT est A, i.e. AT = A.
Proposition 2. On a les propriétés suivantes.
(i) La transposition est linéaire :
∀(A, B) ∈ Mm,n (K)2 , ∀(λ, µ) ∈ K2 , (λA + µB)T = λAT + µB T .
(ii) Pour tout A ∈ Mm,n (K) et B ∈ Mn,p (K), on a (AB)T = B T AT .
(iii) Si A ∈ Mn (K) est inversible, alors la matrice AT est inversible et on a la relation
( T )−1
= (A−1 ) .
T
A

8 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

1.5.3 Matrices symétrique et antisymétriques

Définition 10. (Matrice symétrique ou antisymétrique)


Soit M ∈ Mn (K).
(i) On dit que M est symétrique si M T = M .
(ii) On dit que M est antisymétrique si M T = −M .

 
1 2 3
Exemple 5. a) La matrice A =  2 4 5  est symétrique.
 3 5 6
0 1 2
b) La matrice A =  −1 0 3  est antisymétrique.
−2 −3 0
Remarque 3. Les coefficients de la diagonale principale d’une matrice antisymétrique sont
nuls.

1.6 Compléments sur les déterminants


Montrer qu’une application linéaire est inversible n’est à prioris pas chose évidente. Le
déterminant permettra, dans certains cas, de montrer très facilement si une matrice est ou non
inversible. Il permettra aussi, toujours dans certains cas, d’obtenir facilement l’inverse d’une
matrice.

1.6.1 Déterminant d’une matrice carrée


Proposition 3. Règle de SARRUS
a c
Pour une matrice de taille 2, = ad − bc
b d
Pour une matrice de taille 3
a11 a12 a13 a11 a12
(a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
a21 a22 a23 a22 a22 =
− (a31 a22 a13 + a32 a23 a11 + a33 a21 a12 )
a31 a32 a33 a31 a32

Proposition 4. Règles de calcul

1. Si on intervertit deux colonnes de A, son déterminant est changé en son opposé.


2. S’il y a répétition dans les colonnes, son déterminant est nul
3. Si l’on multiplie une colonne de A par un scalaire λ, son déterminant est multiplié par
λ. En particulier det(λA) = λn det A
4. Le déterminant de A est inchangé si on ajoute à l’une de ses colonnes une combinaison
linéaire des autres.
5. Si l’une des colonnes de A nulle ou combinaison linéaire des autres, son déterminant
est nul.
6. Deux matrices A et B équivalentes par colonnes (resp. par lignes) ont le même déter-
minant.

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

7. Le déterminant est invariant par transposition : det (t A) = det A.


Conséquence : on peut remplacer colonne par ligne dans tout ce qui précède.
Proposition 5. Déterminant et produit
∀A, B ∈ Mn (K), det(AB) = det A · det B.
M ∈ Mn (K) est inversible ⇐⇒ det M ̸= 0.
( ) 1
Dans ce cas, det M−1 =
det M

1.6.2 Déterminant d’une matrice triangulaire par blocs


Pour rappel, le déterminant d’une matrice triangulaire est le produit de ses coefficients
diagonaux. Nous allons généraliser ce résultat aux matrices triangulaires par blocs.
Proposition 6. Déterminant d’une matrice triangulaire par blocs version 2 × 2.
Soient A ∈ Mp (K), B ∈ Mp,q (K) et D ∈ Mq (K)
( )
A B
On a : det = det(A) det(D).
0 D
Remarque 4. Remarque.Ce résultat peut être généralisé par récurrence aux matrices trian-
gulaires par blocs de taille quelconque.
Si M est une matrice triangulaire par blocs de la forme :
 
A1 ⋆ · · · ⋆
 ... ... .. 
 0 . 
M= . . . 
 .. .. .. ⋆ 
0 ··· 0 An
où les blocs ( A i )16i6n sont des matrices carrées, alors :
det(M) = det (A1 ) × · · · × det (An ) .
Bien entendu, le cas d’une matrice triangulaire inférieure par blocs donne le même résultat.

1.7 Applications des déterminants


1.7.1 Inverse d’une matrice

Définition 11. Soit A = (aij )1≤i,j≤n une matrice carrée. On appelle comatrice de A la matrice
notée Com(A) telle que le coefficient de la ii/me ligne et de la ji/me colonne soit exactement
le cofacteur ∆ij de A.
 
C11 C12 · · · C1n
 C21 C22 · · · C2n 
 
Com(A) = (Cij ) =  .. .. .. 
 . . . 
Cn1 Cn2 · · · Cnn

Nous donnons maintenant une relation entre une matrice et sa comatrice, ainsi qu’une
expression de l’inverse d’une matrice.

10 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Théorème 2. Soit A = (aij )1≤i,j≤n une matrice carrée. On a

A(t Com(A)) = det(A)In et t Com(A)A = det(A)In .


De plus si A est inversible (det(A) ̸= 0) alors on a
1 t
A−1 = Com(A)
det(A)
( )
a b
Exemple 6. Soit A = une matrice inversible c’est-à-dire telle que det(A) = ad −
c d
bc ̸= 0. Alors l’inverse de A est donné par
( )
−1 1 d −b
A =
ad − bc −c a

1.7.2 Résolution des systèmes linéaires

Définition 12. Soit n un entier naturel non nul. On appelle système d’équations linéaires de
n équations à n inconnues sur le corps K, le système :


 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a21 x1 + a22 x2 + · · · + a2n xn = b2
(S) ..

 .

 a x + a x + ··· + a x = b
n1 1 n2 2 nn n n

où les aij et bi sont des eléments de K pour i = 1, . . . , n et j = 1, . . . , n.

On peut écrire matriciellement ce système de la manière suivante. Soit


 
a11 · · · a1n
 .. 
A =  ... · · · . 
an1 · · · ann
la matrice du système. On pose encore
   
x1 b1
   
X =  ...  et B =  ... 
xn bn
Alors le système est équivalent à l’équation matricielle AX = B.
Définissons la matrice Aj ∈ Mn (K) par
 
a11 . . . a1,j−1 b1 a1,j+1 ... a1n
 a21 . . . a2,j−1 b2 a2,j+1 ... a2n 
 
Aj =  .. .. .. .. .. 
 . . . . . 
an1 . . . an,j−1 bn an,j+1 ... ann
Autrement dit, Aj est la matrice obtenue en remplaçant la j-ème colonne de A par le second
membre B. La règle de Cramer va nous permettre de calculer la solution du système dans le
cas où det A ̸= 0 en fonction des déterminants des matrices A et Aj .

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Théorème 3. (Règle de Cramer)


On dit qu’un système linéaire de n équations à n inconnues est de Cramer, si sa matrice est
inversible. Alors le système a une unique solution qui est

X = A−1 B.

De plus,
det A1 det A2 det An
x1 = x2 = ... xn =
det A det A det A
Preuve 1. Nous avons supposé que det A ̸= 0. Donc A est inversible. Alors X = A−1 B est
l’unique solution du système. D’autre part, nous avons vu que A−1 = det1 A C T où C est la
comatrice. Donc X = det1 A C T B. En développant,
      
x1 C11 . . . Cn1 b1 C11 b1 + C21 b2 + · · · + Cn1 bn
  1  . ..   ..  = 1  
X =  ...  =  .. .  .  
..
. .
det A det A
xn c1n . . . Cnn bn c1n b1 + C2n b2 + · · · + Cnn bn

C’est-à-dire
C11 b1 + · · · + Cn1 bn C1i b1 + · · · + Cni bn C1n b1 + · · · + Cnn bn
x1 = , xi = , xn = .
det A det A det A
Mais b1 C1i + · · · + bn Cni est le développement en cofacteurs de det Ai par rapport à sa i -ème
colonne. Donc
det Ai
xi = .
det A
Exemple 7. On souhaite résoudre le système :

 2x1 + 3x2 + x3 = 9
(S) x1 + 2x2 + 3x3 = 6

3x1 + x2 + 2x3 = 8
 
2 3 1
La matrice du système est A =  1 2 3  . Son déterminant est égal ȧ 18, c’est donc un
3 1 2
système de Cramer. La solution est donc

9 3 1 2 9 1 2 3 9
1 35 1 29 1 5
x1 = 18
6 2 3 = 18
, x2 = 18
1 6 3 = 18
, x3 = 18
1 2 6 = 18
8 1 2 3 8 2 3 1 8

1.8 Valeurs propres - Vecteurs propres


Soit E un espace vectoriel sur K et f un endomorphisme de E.

Définition 13. On appelle vecteur propre de f tout vecteur v, non nul de E, vérifiant : f (v) =
λv. (Les vecteurs propres sont donc les vecteurs dont la direction est inchangée par l’application
f ).
Le scalaire λ ∈ K est appelé valeur propre associée au vecteur x.

12 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Calcul des valeurs propres et vecteurs propres  


x2
• Si A = (aij ) est la matrice de l’application f dans une base B de E et X =  . . .  la
xn
matrice unicolonne du vecteur propre X dans B alors :

f (X) = λX ⇒ AX = λX ⇔ (A − λI)X = 0(I : matrice unité d’ordre n)

• Le système homogène ainsi obtenu :




 (a11 − λ) x1 + a12 x2 + . . . + a1n xn = 0

a21 x1 + (a22 − λ) x2 + . . . + a2n xn = 0

 ...

an1 x1 + an2 x2 + . . . + (ann − λ) xn = 0
à l’exclusion de la solution triviale X = 0, admettra des solutions si le déterminant de
(A − λI) = 0.
• Les valeurs propres de f (ou de A ) sont les scalaires λ tels que :

a11 − λ a12 ... a1n


a21 a22 − λ ... ···
det(A − λI) = =0
... ... ... ...
an1 ... . . . ann − λ
L’équation de degré n en λ ainsi obtenu est dite Equation caractéristique.
• Un vecteur propre X de composantes (x, x”, ...) associé à la valeur propre λ doit vérifier la
relation :  ′   
x 0
AX = λX ⇔ (A − λIn )  x”  =  0 
... ...
(In : matrice identité à l’ordre n).
Proposition 7. Si la matrice A admet p valeurs propres, distinctes deux à deux, les p vecteurs
propres associés sont linéairement indépendants et forment une base de l’espace vectoriel E.
Calcul de valeurs propres ( )
5 −3
Déterminer les valeurs propres de la matrice A = Les valeurs propres de A sont
6 −4
les scalaires l vérifiant :
5−λ −3
det (A − λI2 ) = 0 ⇔
6 −4 − λ
= −(5 − λ)(4 + λ) + 18
= λ2 − λ − 2
= (λ + 1)(λ − 2) = 0

d’où les valeurs propres : l1 = −1 et l2 = +2.


Calcul de vecteurs propres ( )
5 −3
Déterminer les vecteurs propres associés aux valeurs propres de la matrice A = .
6 −4
Les vecteurs propres obtenus forment-ils une base de R2 ?

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

En posant X1 et X2 les vecteurs propres associés respectivement à λ1 et λ2 , nous avons


• Pour λ1 = −1
( )( ′ )
6 −3 x1
(A + I2 ) · X1 = 0 ⇔ =0
6 −3 x”1
Le système est équivalent à : 6x′1 −(3x′′ 1)= 0.
1
Choix d’un vecteur propre : X1 = .
2
• Pour λ2 = +2 ( )( ′ )
3 −3 x2
(A − 2I2 ) X2 = 0 ⇔ =0
6 −6 x”2
( )
1
Le système est équivalent à : 3x′2 − 3x”2 = 0 Choix d’un vecteur propre : X2 = .
1
1 1
Comme le déterminant ̸= 0, la famille (x1 , x2 ) est une base de R2 .
2 1

14 cycle ingénieur
CHAPITRE 2
COMPLÉMENTS SUR LES ÉQUATIONS DIFFÉRENTIELLES
ET AUX DÉRIVÉES PARTIELLES

La compréhension de l’évolution des processus fondamentaux du l’univers se base en grande


partie sur des équations aux dérivées partielles (EDPs). Les exemples les plus connus sont les
vibrations des solides (cordes, membranes, plaques), l’écoulement des fluides (eau, pétrole), la
diffusion des produits chimiques, la propagation de la chaleur, la structure des molécules, les
interactions des photons et des électrons et le rayonnement des ondes électromagnétiques. Les
EDPs jouent également un rôle important dans les mathématiques modernes, notamment en
géométrie et en analyse.
Une équation aux dérivées partielles (EDP) est une relation reliant une fonction inconnue de
plusieurs variables u à ses dérivées partielles. Les EDPs se trouvent dans les applications de la
physique, l’ingénierie, la biologie, l’économie, etc. En effet, dans ces domaines, les phénomènes
se modélisent souvent par des systèmes mathématiques impliquant des EDPs. Les différents
processus du phénomène se décrivent en déterminant une relation entre u et ses dérivées par-
tielles.
( )
∂f ∂f
F x1 , . . . , x n , ,..., =0 (2.1)
∂x1 ∂xn

- Une EDP (équation aux dérivées partielles) est une équation dans laquelle figure une fonction
f de plusieurs variables indépendantes x1 , . . . , xn et des dérivées partielles de f par rapport
à ses variables.
- Une telle équation est dite d’ordre m quand elle contient au moins une dérivée d’ordre m
sans en contenir d’autres d’ordre supérieur.
- Toute fonction u = f (x1 , . . . , xn ) qui satisfait identiquement à cette équation (2.1) [dans un
sens à préciser] appelée solution de (2.1).
Motivation :
Les EDP (Equations aux Dérivées Partielles) les plus courantes de la science proviennent de
la modélisation de quelques phénomènes physiques (étendus en chimie, ingénierie, biologie,...)
comme :
- Le transport d’entités (convection de chaleur dans un liquide, convection d’un polluant dans
l’atmosphère) ;
- La diffusion (comme celle de la chaleur dans un solide) ;
- Les vibrations (son dans l’air ou dans les structures) ;
- L’équilibre (calcul de l’équilibre d’une structure soumise à des forces).

15
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

2.1 Classification des équations aux dérivées partielles


2.1.1 Définitions

Définition 14. Une équation aux dérivées partielles (EDP) est une relation faisant intervenir
les variables indépendantes x1 , x2 , . . . . . . . . . . . . xn , la fonction f et ses dérivées partielles.

Exemple 8. Si f est une fonction de deux variables, une EDP peut s’écrire par la relation :
( )
∂f ∂f ∂ 2 f ∂ 2 f ∂ 2 f ∂ 2 f ∂ 3 f ∂ 3 f ∂ 3 f ∂ 3f
F x, y, , , , , , , , , , , . . . .. = 0
∂x ∂y ∂x2 ∂y 2 ∂x∂y ∂y∂x ∂x3 ∂y 3 ∂x∂y 2 ∂x2 ∂y

Définition 15. On appelle ordre de l’EDP l’ordre le plus élevé des dérivées partielles interve-
nant dans l’EDP.

3 2 2
Exemple 9. ∂x∂ 2f∂y + 3 ∂∂xf2 + x ∂∂yf2 + ∂f +f +c=0 est d’ordre 3
( 2 2
) 2 ( ) 2
∂x
∂2f
∂ f
∂x2
− ∂∂yf2 + 4 ∂x∂y − c = 0 est d’ordre 2

Définition 16. L’EDP est dite linéaire si F est linéaire par rapport à ses arguments f et ses
dérivées partielles, et si les coefficients qui les lient ne dépendent que de (x, y); sinon elle est
non linéaire.

Exemple 10. l’EDP du second ordre :

∂ 2f ∂ 2f ∂ 2f ∂f ∂f
a1 2
+ a 2 2
+ a 3 + a4 + a5 + a6 f + a7 = 0 (2.2)
∂x ∂y ∂x∂y ∂x ∂y

est linéaire si les ai ne dépendent que de (x, y) .

2.1.2 Classification mathématique des EDP linéaires du second ordre


(cas de deux variables indépendantes)
De très nombreux phénomènes physiques se traduisent par les EDP linéaires du second
ordre du type (2.2) qui peuvent s’écrire sous la forme :

∂ 2f ∂ 2f ∂ 2f
a + 2b + c =d (2.3)
∂x2 ∂x∂y ∂y 2
( )
∂f ∂f
où a, b et c ne dépendent que de (x, y) et d est une fonction linéaire de x, y, f, ,
∂x ∂y
.

Il y a trois types d’équations aux dérivées partielles représentés par l’équation (2.3) :
1. Lorsque la quantité ∆ = (b2 − 4ac) < 0 l’équation (2.3) est dite du type elliptique.
2. Lorsque la quantité ∆ = (b2 − 4ac) = 0 l’équation (2.3) est dite du type parabolique.
3. Lorsque la quantité ∆ = (b2 − 4ac) > 0 l’équation (2.3) est dite du type hyperbolique.

16 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Cette appellation est faite par analogie avec l’équation générale du second ordre en géométrie
analytique :
ax2 + 2bxy + cy 2 = d (2.4)
Ainsi, selon le signe du discriminant ∆ = (b2 − 4ac), nous obtenons différentes formes géomé-
triques :
- ∆ = (b2 − 4ac) < 0 → ellipse.
- ∆ = (b2 − 4ac) = 0 → parabole.
- ∆ = (b2 − 4ac) > 0 → hyperbole.

2.1.3 Classification mathématique dans le cas général (n variables


indépendantes)
Si f est une fonction de n variables indépendantes, les EDP linéaires du second ordre sont
du type :

n
∂ 2f ∑
n
∂f
ai (x1 , . . . .xn ) 2 + bi (x1 , . . . .xn ) + c (x1 , . . . . . . xn ) f + d (x1 , . . . .xn ) = 0 (2.5)
i=1
∂xi i=1
∂xi

1. Si tous les ai sont non nuls et de même signe, l’EDP est de type elliptique.
2. Si tous les ai sont non nuls et sont ; à une exception près, de même signe, l’EDP est de
type hyperbolique.
3. Si un seul des ai est nul (noté ai0 ) et tous les autres de même signe et si bi0 est non nul,
l’EDP est de type parabolique.
Les fonctions ai et bi étant dépendantes des variables (x1 , . . . .xn ), la classification est évidem-
ment fonction du point (x1 , . . . . . . xn ) considéré. Une EDP peut donc être de différents types
suivant les points considérés : on dit qu’elle est de type mixte.

Exemple 11. soient f (x, y) une fonction de deux variables et g(x, y, t) une fonction de trois
variables.
∂ 2f ∂ 2f
+ = 0 est une EDP elliptique.
∂x2 ∂y 2
∂ 2g ∂ 2g ∂ 2g
= + est une EDP hyperbolique.
∂t2 ∂x2 ∂y 2
∂g ∂ 2g ∂ 2g
= + est une EDP parabolique.
∂t ∂x2 ∂y 2

∂ 2f ∂ 2f
x + =0 Elliptique pour x > 0
∂x2 ∂y 2
Hyperbolique pour x < 0
Parabolique pour x = 0

2.1.4 Classification physique des EDP


De nombreux phénomènes physiques se rangent dans l’une des classes suivantes :
- Les problèmes d’équilibre étudient l’état stationnaire d’un phénomène (champ, cha-
leur......) dans un domaine borné ou non. Ils sont gouvernés par l’EDP elliptiques.

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

- Les problèmes de valeurs propres sont en général des extensions des problèmes d’équi-
libre dans lesquels les valeurs critiques de certains paramètres doivent être déterminées.
C’est le cas par exemple de la résonance des circuits électriques.
- Les problèmes d’évolution étudient l’évolution avec le temps d’un phénomène (champ,
chaleur, vibration,....) à partir d’un état initial donné. Ils sont gouvernés par des EDP
hyperboliques ou des EDP paraboliques.
Exemple 12. Equation de la chaleur
La conduction thermique à l’intérieur d’un domaine D bidimensionnel provoque un changement
de la température (t, x, y), qui régi, en l’absence de source de chaleur par l’EDP :
( ) ( )
∂T ∂ ∂T ∂ ∂T
ρc = k + k
∂t ∂x ∂x ∂y ∂y
Où k, ρ, c sont respectivement la conductivité thermique, la masse volumique et la chaleur spé-
cifique du solide constituant le domaine D.
Lorsque k dépend seulement de la position (x, y), l’EDP est linéaire ; si k dépend de la tempé-
rature T, l’EDP est non linéaire.

Dans la majorité des cas rencontrés, on considère k comme constante et l’équation de la chaleur|
peut être sous la forme : ( )
∂T k ∂ 2T ∂ 2T
= + = α∆T
∂t ρc ∂x2 ∂y 2

∂ 2T ∂ 2T
∆T = + désigne le Laplacien de T
∂x2 ∂y 2
k
α= est le coefficient de diffusion thermique.
ρc
De manière générale, si T dépend de n variables d’espace (x1 , . . . . . . xn ) on a :

∂T ∑ ∂ 2T
i=n
=α 2
= α∆T
∂t i=1
∂x i

Tous les problèmes de diffusion sont régis par ce type d’équations.

2.2 Équations à variables séparables


On appelle équation différentielle à variables séparables une équation qui peut se mettre
sous la forme :
y ′ = g(t)h(y)
Ici on va supposer que g est continue sur l’intervalle I, et h est continue sur l’intervalle J.
Proposition 8. Si h(a) = 0, alors y(t) = a est une solution constante.
Proposition 9. On suppose que h ne s’annulle pas sur J. Si W est une primitive de h1 , et si
G est une primitive de g, alors l’équation : y ′ = g(t)h(y), t ∈ I et y ∈ J est équivalente à :
W (y) = G(t) + C, C ∈ R
Remarque 5. Si la fonction W admet une fonction réciproque : on pourra exprimer y comme
fonction, de t.
Exemple 13. Résoudre L’équation y ′ = 2y
t
,t >0

18 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

2.2.1 Équations de la forme g(y)y ′ = f (x)


Plusieurs équations différentielles du premier ordre peuvent se présenter sous la forme :
g(y)y ′ = f (x)
On parle alors d’une équation à variables séparables puisque toutes les expressions de la variable
indépendante sont d’un côté de l’égalité et toutes les expressions de l’inconnue de l’autre côté.
Puisque par définition :
dy
y′ =
dx
on peut alors récrire plus convenablement en séparant les termes différentiels :
g(y)dy = f (x)dx
Pour résoudre cette équation, il suffit alors d’intégrer des deux côtés :
∫ ∫
g(y)dy = f (x)dx + C

Les primitives G et F existent si les fonctions g et f sont continues et on obtient alors la


solution pour y en fonction de x.
Exemple 14. Soit à résoudre l’équation suivante : 9yy ′ + 4x = 0.
On commence par mettre l’équation sous forme à variables séparées :
9yy ′ = −4x
9ydy = −4xdx
∫ ∫
9ydy = −4xdx + C

d’où la forme implicite de la solution :


9 2
y = −2x2 + C
2
9 2
ou encore y + x2 = C ′
4
x2 y 2
ou encore + = C ′′
9 4
Graphiquement, et selon la valeur de la constante C (ou C’ou C"), il s’agit d’une famille d’ellipses.

Figure 2.1 – Une famille d’ellipses

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Exemple 15. Trouver la solution pour l’équation suivante : y ′ = 1 + y 2 .

(y)
2.2.2 Équations de la forme y ′ = g x
Certaines équations n’ont pas une forme à variables séparées évidente, mais peuvent s’y
ramener après un changement adéquat de la variable. C’est le cas des équations de type :
(y)
y′ = g
x
Pour cela, il suffit de poser u = xy ⇒ y = x.u ⇒ y ′ = u + xu′ , de sorte que l’équation
devient :
u + xu′ = g(u)
On peut dès lors appliquer la méthode des variables séparables :
du dx
=
g(u) − u x
Exemple 16. Soit à résoudre l’équation suivante : 2xyy ′ − y 2 + x2 = 0.
( )
D’abord, il s’agit de montrer qu’il s’agit d’une équation de la forme y ′ = g xy en divisant
le tout par x2 : (y) ( y )2
2 y′ − +1=0
x x
2
′ ( xy ) −1
Que l’on peut identifier sous la forme : y = 2 y . On voit alors qu’il s’agit bien d’une
(x)
équation de la forme souhaitée. Il suffit à présent de faire le changement de variable indiqué :
2u · (u + xu′ ) − u2 + 1 = 0
Soit encore :
2xuu′ + u2 + 1 = 0
La séparation des variables nous donne alors :
2udu dx ( )
=− e ⇒ 1 + u2 = C
⇒ ln 1 + u2 = − ln |x| + C
1+u 2 x x
Et en réintroduisant la variable originelle qu’on cherchait :
( y )2 C
1+ = ⇒ x2 + y 2 = Cx
x x
Ou encore : ( )2
C C2
x− + y2 =
2 4
Le résultat est une famille de cercles dont le bord est sur l’axe y.
Récapitulation de la méthode :
( )
1. Reconnaître la forme y ′ = g xy .
2. Poser u = xy .
du
3. Résoudre g(u)−u = dx
x
.
y
4. Substituer de nouveau tout ce qui est u par x
pour avoir la solution finale.

20 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

2.3 Modélisation-Application de la méthode de la sépa-


ration des variables aux problèmes physiques
Modéliser veut dire, traduire en une formule mathématique qui permette de rendre compte
de l’évolution du système physique. Pour sûr que vous allez vous occuper de systèmes phy-
siques, car c’est pour cela que sont vos études d’ingénieur..

Un modèle mathématique est une traduction d’une observation dans le but de lui appliquer
les outils, les techniques et les théories mathématiques, puis généralement, en sens inverse, la
traduction des résultats mathématiques obtenus en prédictions ou opérations dans le monde
réel.

2.3.1 Loi de Newton pour le refroidissement

La loi du refroidissement de Newton indique que la vitesse de refroidissement d’un corps est
proportionnelle à la différence entre la température T de ce corps à l’instant t et la tempéra-
ture Ta constante de l’air ambiant. Le coefficient de proportionnalité dépend de la surface S
de contact entre le corps et le milieu ambiant.
Application.
Une bille de cuivre est chauffée à 100◦ C (température d’ébullition de l’eau). À t = 0 secondes,
la bille est plongée dans une cuve d’eau à 30◦ C. On note qu’à t = 3mn. la température de la
bille est ramenée à T = 71◦ C. Au bout de combien de temps la température de bille sera-t-elle
ramenée à 31◦ C.

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Explications : L’expérience physique montre que la température de la bille subit une dé-
croissance proportionnelle à la différence instantanée de température entre le corps et la tem-
pérature ambiante.

Solution :
1. Poser l’équation : dT
dt
= k (T − Ta )
2. Trouver la solution complémentaire (solution homogène sans le second membre).
3. Trouver la solution singulière (solution avec le second membre).
4. Déterminer la solution générale qui est simplement la solution complémentaire + solu-
tion singulière.
Remarquons qu’encore une fois, la méthode de séparation des variables nous amènera
directement à la solution générale, sans passer par les étapes 2 et 3 :
dT
= k.dt ⇒ ln |T − Ta | = kt + C ′ ⇒ |T − Ta | = C.ekt
(T − Ta )
Comme la température de la bille est plus élevée que la température ambiante, nous
avons pour solution générale :
T − Ta = C.ekt ⇒ T (t) = C · ekt + Ta
5. Détermination de la solution particulière : puisque à t = 0 seconde, nous avons T =
100◦ C, donc :
T (t = 0) = C · ekt + 30◦ = 100◦ ⇒ C = 70◦
et la solution particulière est :
T (t) = 70.ekt + 30 Celcius
6. Déterminer la constante de refroidissement (à partir des constatations expérimentales) :
( ◦ )
◦ 1 71 − 30◦
T (t = 3mn) = 70·e k(t=3mn)
+30 = 71 Celcius ⇒ k = ln = −0, 1783mn−1
3 70◦
7. On peut, à présent, prédire le temps que prendra la bille pour atteindre la température
de 31◦ C :
( ◦ )
−0,1783t1 ◦ 1 31 − 30◦
T (t1 ) = 70.e + 30 = 31 Celcius ⇒ t1 = ln = 23, 83mn
−0, 1783 70◦

2.4 Équations Différentielles


2.4.1 Méthode des équations exactes

Définition 17. Dans le cas de fonctions à 2 variables u(x, y) possédant des dérivées partielles
continues, sachant que la différentielle totale ou exacte de u est :
∂u ∂u
du = dx + dy
∂x ∂y

Il s’ensuit que si u(x, y) = Cte, alors du = 0.

22 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

Soit une équation différentielle de la forme :

M (x, y)dx + N (x, y)dy = 0

Si on peut trouver une fonction u(x, y) qui vérifie :

∂u
M (x, y) =
∂x
∂u
et N (x, y) =
∂y

Alors on peut poser l’équation sous la forme d’une différentielle totale ou exacte :

∂u ∂u
du = dx + dy = 0
∂x ∂y

et alors u(x, y) est la solution cherchée sous forme implicite :

u(x, y) = Cte

Pour cela il faut prouver que les dérivées ∂M∂y (x,y)


et ∂N∂x
(x,y)
sont effectivement égales, puisque
dans le cas d’une fonction u(x, y) aux dérivées partielles continues, les dérivées secondes croisées
sont égales :

∂u(x, y) ∂u(x, y) ∂u2 (x, y) ∂u2 (x, y)


si et continues, alors =
∂x ∂y ∂y∂x ∂x∂y

Donc ici, une condition nécessaire et suffisante pour que l’équation M (x, y)·dx+N (x, y)·dy = 0
soit une équation exacte est de prouver que :

∂M (x, y) ∂N (x, y)
=
∂y ∂x
{ 2 (x,y)
∂M (x,y)
∂y
= ∂u∂y∂x
puisque ∂N (x,y) ∂u2 (x,y)
∂x
= ∂x∂y

Dès lors la fonction cherchée u(x, y) peut être devinée ou trouvée de façon systématique par :

u(x, y) = M (x, y) · dx + k(y)

Dans cette intégration par rapport à x, k(y) joue le rôle de constante. Il suffit de dériver par
la suite par rapport à y le u(x, y) trouvé pour déterminer k(y) :
} (∫ )
∂u(x, y) ′ ∂
N (x, y) = ⇒ k (y) + M (x, y) · dx = N (x, y) ⇒ k(y)
∂y ∂y

On obtiendrait le même résultat en intégrant d’abord à N (x, y) et dériver ensuite par rapport
à x.

Résumé de la procédure :

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

1. Vérifier si ∂M∂y
(x,y)
= ∂N∂x
(x,y)
, auquel cas on a bien affaire à une équation exacte, et on
peut aller à l’étape 2) de cette procédure.

2. Évaluer u(x, y) = N (x, y) · dy + l(x).
3. Dériver ensuite pour trouver l(x) :
(∫ )
∂u(x, y) ∂
= M (x, y) ⇒ l′ (x) + N (x, y) · dx = M (x, y) ⇒ l(x)
∂x ∂x

4. Vérifier que la solution finale en u(x, y) redonne bien M (x, y) et N (x, y).

Exemple 17. Soit à résoudre : (x3 + 3xy 2 ) dx + (3x2 y + y 3 ) dy = 0.

2.4.2 Le facteur intégrant


Dans le cas des équations de la forme :

P (x, y) · dx + Q(x, y) · dy = 0

mais dont : ∂P∂y


(x,y)
̸= ∂Q(x,y)
∂x
. C’est à dire lorsqu’il s’agit d’une équation non-exacte, on cherche
alors une fonction auxiliaire F (x, y) telle que :

F P (x, y) · dx + F Q(x, y) · dy = 0

soit une équation exacte. Cette fonction F (x, y) est alors appelé le facteur intégrant.
Le facteur intégrant est défini par :
∫ 1
( ∂P − ∂Q
∂x )
dx
F (x) = e Q ∂y


ou F (y) = e
1
P ( ∂Q
∂x
− ∂P
∂y )
dy

Exemple 18. Soit à résoudre le problème avec condition initiale :


{
(2xy) · dx + (4y + 3x2 ) · dy = 0
y(0.2) = −1.5

2.4.3 Équationts Différentielles linéaires

Définition 18. Une équation différentielle est dite linéaire si elle peut être écrite comme une
combinaison linéaire de la façon suivante :

y ′ + p(x) · y = r(x)

Lorsque r(x) = 0, on parle d’une équation linéaire homogène. Si r(x) ̸= 0, alors il s’agit d’une
équation linéaire non-homogène.

Méthode de la résolution :

24 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

1. En pratiquant la séparation des variables sur l’équation homogène :


∫ ∫
′ dy dy
y + p(x) · y = 0 ⇒ = −p(x) · dx ⇒ = −p(x) · dx + C̃
y y

⇒ ln |y| = − p(x) · dx + C̃

Et en prenant l’exposant des 2 membres :


∫ ∫ ∫
eln |y| = e− p(x)·dx+C̃
= e− p(x)dx
· eC̃ = C.e− p(x)dx

c’est à dire : ∫
yh (x) = C.e− p(x)·dx

On obtient la solution de l’équation homogène (d’où l’indice h ). On l’appelle alors en


plus bref, solution homogène ou encore fonction complémentaire.
2. Dans le cas d’une équation non-homogène, on la réécrit sous forme d’une différentielle
exacte (où a rendre exacte) :
(p(x) · y − r(x)) · dx + dy = 0
Il suffit alors de poser :
P (x, y) = (p(x) · y − r(x))
Q(x, y) = 1
Dès lors on applique la procédure de recherche du facteur intégrant :
}
∂P (x,y)
= p(x) ∂P (x, y) ∂Q(x, y)
∂y
∂Q(x,y) ⇒ ̸=
∂x
=0 ∂y ∂x
Donc : ∫ ∫ ∫
1
( ∂P − ∂Q
∂x )
dx 1
(p(x)−0)dx p(x)dx
F (x) = e Q ∂y =e 1 =e
Et l’équation rendue exacte est :

e p(x)dx
[(p(x) · y − r(x))dx + dy] = 0
On a donc :
∫ ∫ [ ∫ ]′ ∫
e p(x)dx
(y ′ + p(x) · y) = e p(x)dx
· r(x) ⇔ y · e p(x)dx = e p(x)·dx · r(x)

Soit : ∫
∫ ∫
y·e p(x)dx
= e p(x)dx
r(x) · dx + C

D’ou la solution de l’équation générale :



[∫ ∫ ]
− p(x)·dx
yg (x) = e e p(x)dx
r(x) · dx + C

On l’appelle en bref la solution générale car on voit qu’il s’agit d’une combinaison de 2
solutions, la solution homogène qu’on avait déjà trouvée si le second membre était nul
(r(x) = 0), et une solution singulière due au second membre (r(x) ̸= 0) :
ys
{ z ∫ ∫ }| {
yh
z }|
∫ ∫
yg (x) = Ce− p(x)dx + e− p(x)dx e p(x)dx r(x) · dx

Exemple 19. Soit à résoudre l’équation : y ′ − y = e2x .

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

2.4.4 Application des équations linéaires aux circuits électriques


simples
2.4.4.1 Loi de Kirchoff pour les tensions
"La somme des chutes de tension sur parcours fermé est nulle".
Ce qui se traduit par l’équation suivante :

vk (t) = 0
k

APPLICATION : Comportement d’un circuit R-L en régime continu


Le circuit R-L série est présenté en-dessous. Remarquez la convention moderne du symbole
pour désigner une source de tension.

Figure 2.2 – Circuit R-L série

Solution : La première chose à faire c’est de modéliser, c’est à dire dresser l’équation ma-
thématique qui corresponde le plus fidèlement possible à la réalité physique. Pour cela, nous
partons avec la loi de Kirchoff pour les voltages qui nous permet de dresser la relation :

di(t)
E(t) = VR (t) + VL (t) = R.i(t) + L
dt
C’est une équation différentielle du premier ordre en i(t) que nous allons remettre sous la forme
canonique étudiée ici en équations différentielles :

di(t) R E(t)
+ i(t) = ⇔ y ′ + p(x)y = r(x)
dt L L
Ce qui nous permet d’identifier nos variables :

 x = t , y(t)∫ = i(t)
p(t) = L → h(t) = p(t) · dt =
R R
t
 L
r(t) = E(t)
L

26 cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

et la forme de la solution (i.e. la solution générale) est alors :


[∫ ]
−R R E(t)
ig (t) = e L t
eL ·
t
· dt + C
L

Si la source de tension est un échelon ( E(t) = E0 pour tout t > 0 ), alors la solution générale
devient : [∫ ξ=t ] [ ]
−R R E0 − R E0 L R t
ig (t) = e L t
eL ·
ξ
· dξ + C = e L t
eL + C
ξ=0 L L R
c’est à dire :
E0
+ Ce− L t
R
ig (t) =
R
Si de plus, nous avons une condition initiale qui veut que le courant dans la self-inductance
soit nul juste avant l’application de l’échelon de tension :
E0 E0
+ Ce− L (0) = 0 ⇒ C = −
R
i(0) = 0 ⇒
R R
Ce qui nous permet d’obtenir une solution particulière au problème :
E0 ( )
1 − e− L t
R
ip (t) =
R
D’où le graphe :

Figure 2.3 – Courant dans la self-inductance

cycle ingénieur
Mathématiques (pour l’ingénieur) Prof.Said TAARABTI

28 cycle ingénieur
TABLE DES FIGURES

2.1 Une famille d’ellipses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19


2.2 Circuit R-L série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Courant dans la self-inductance . . . . . . . . . . . . . . . . . . . . . . . . . . 27

29

Vous aimerez peut-être aussi