Les opérateurs

différentiels
grad, div, rot

Une fois la lecture lancée (clique souris), utilisez les touches ↓ ou ↑ pour naviguer
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

10
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

M 25

10
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

M 25

10

x
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

TM = T (x, y)
M 25

10

x
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

TM = T (x, y)
un champ scalaire
M 25

10

x
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

10
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

10
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

M
y
10

x
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

M
y
 ⎛ q (x, y)⎞
x
qM = ⎜ ⎟ 10
⎜⎝ q (x, y)⎟⎠
y

x
Champs scalaires et champs vectoriels
scalar fields and vector fields
Quelques exemples

°C
40

25

M
y
 ⎛ q (x, y)⎞
x
qM = ⎜ ⎟ 10
⎜⎝ q (x, y)⎟⎠
y

un champ vectoriel
x
Champs scalaires et champs vectoriels
Quelques exemples

Vitesse et pression dans le coin

mantellique d’une zone de subduction
velocity and pression fields in the
mantellic wedge of a subduction zone

Mouvement d’un fluide autour

d’une bille en chute
fluid motion around a falling ball
MPa
Champs scalaires et champs vectoriels
Définitions

Champ vectoriel
 n p
v: →

Champ scalaire
n
f : → (ou )
Champs scalaires et champs vectoriels
Définitions

Champ vectoriel
 n p
v: →

(
Exemple : v(x, y, z) = z sin(x − y), xy, z + x
2
)
Champ scalaire
n
f : → (ou )
Champs scalaires et champs vectoriels
Définitions

Champ vectoriel
 n p
v: →

(
Exemple : v(x, y, z) = z sin(x − y), xy, z + x
2
)
Champ scalaire
n
f : → (ou )
2
Exemple : f (x, y, z) = 2xy − z log(1 + x )
Gradient et dérivée dans une direction

2
Soit f :  →  un champ dérivable. On sait que
(voir cours de L1)
donne le taux de variation de f au
∂f point (x,y) dans la direction des x
• (x, y)
∂x positifs
(rate of change of f when only x varies)

donne le taux de variation de f au

∂f point (x,y) dans la direction des y
• (x, y)
∂y positifs
(rate of change of f when only y varies)
Gradient et dérivée dans une direction

Exemple 1: f (x, y) = x + y

∂f si on avance de h selon x,
(x, y) = +1
∂x f augmentera de 1×h

fM = 1,9
Gradient et dérivée dans une direction

Exemple 1: f (x, y) = x + y

∂f si on avance de h selon x,
(x, y) = +1
∂x f augmentera de 1×h

fM = 1,9

h
Gradient et dérivée dans une direction

Exemple 1: f (x, y) = x + y

∂f si on avance de h selon x,
(x, y) = +1
∂x f augmentera de 1×h

fM = 1,9 + 1 × 0,5
= 2,4
fM = 1,9

h
Gradient et dérivée dans une direction

Exemple 2 : f (x, y) = sin(π x) cos(π y)

∂f
(x, y) = π cos(π x) cos(π y)
∂x

fM = 0 fM = 1,9

M
Gradient et dérivée dans une direction

Exemple 2 : f (x, y) = sin(π x) cos(π y)

∂f
(x, y) = π cos(π x) cos(π y)
∂x
fM = f (1.5, 0.4) ≈ −0,31
fM = 0 fM = 1,9

M
h
Gradient et dérivée dans une direction

Exemple 2 : f (x, y) = sin(π x) cos(π y)

∂f
(x, y) = π cos(π x) cos(π y)
∂x
fM = f (1.5, 0.4) ≈ −0,31
fM = 0 fM = 1,9 ≠ 0 + 0,5 × ∂f (1, 0,4)
∂x
M ≈ −0,48
h
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

Réponse :

n étant un vecteur unitaire dans cette direction il
suffit de calculer le produit scalaire
 
grad f (x, y) ⋅ n
 ⎛ ∂f ∂f ⎞
où grad f = ⎜ , ⎟
⎝ ∂x ∂y ⎠
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

Réponse :

n étant un vecteur unitaire dans cette direction il
suffit de calculer le produit scalaire
  Dérivée dans
Dfn (x, y) = grad f (x, y) ⋅ n la direction n
au point (x,y)
 ⎛ ∂f ∂f ⎞
où grad f = ⎜ , ⎟
⎝ ∂x ∂y ⎠
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

f (x, y) = x + y 
u
gradf = (1, 1)
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

f (x, y) = x + y 
u
gradf = (1, 1)


( )
u = 1,1
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

f (x, y) = x + y 
u
gradf = (1, 1)


( )
u = 1,1 ⇒

|| u ||= 2
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

f (x, y) = x + y 
 u
gradf = (1, 1)
n


( )
u = 1,1 ⇒

|| u ||= 2 ⇒

n= 1
2
(1, 1)
Gradient et dérivée dans une direction

Calculer le taux de variation de f dans une direction

quelconque Finding the rate of f in any direction

f (x, y) = x + y 
 u
gradf = (1, 1)
n


( )
u = 1,1 ⇒

|| u ||= 2 ⇒

n= 1
2
(1, 1)
1 1 2
Dfn (1,0) = 1 × +1× =
2 2 2
Gradient et dérivée dans une direction

Rappels

vector orthogonal to the level curve of f at (x,y)

the gradient vector points in the

direction of greatest increase

gives the maximum rate of change

that occurs at (x,y)
Gradient et dérivée dans une direction

Rappels

• grad f (x, y) est un vecteur orthogonal à l’équipoten-
tielle de f passant par (x,y)
vector orthogonal to the level curve of f at (x,y)

the gradient vector points in the

direction of greatest increase

gives the maximum rate of change

that occurs at (x,y)
Gradient et dérivée dans une direction

Rappels

• grad f (x, y) est un vecteur orthogonal à l’équipoten-
tielle de f passant par (x,y)
vector orthogonal to the level curve of f at (x,y)
• sa direction indique
la ligne de plus grande
pente au point (x,y)
the gradient vector points in the
direction of greatest increase

gives the maximum rate of change

that occurs at (x,y)
Gradient et dérivée dans une direction

Rappels

• grad f (x, y) est un vecteur orthogonal à l’équipoten-
tielle de f passant par (x,y)
vector orthogonal to the level curve of f at (x,y)
• sa direction indique
la ligne de plus grande
pente au point (x,y)
the gradient vector points in the
direction of greatest increase

• || grad f (x, y) || est le taux
de variation maximal au
point (x,y)
gives the maximum rate of change
that occurs at (x,y)
Gradient et dérivée dans une direction

Généralisation (1)
3
• f : → (champ scalaire)
Gradient et dérivée dans une direction

Généralisation (1)
3
• f : → (champ scalaire)
 ⎛ ∂f ∂f ∂f ⎞
grad f (x, y, z) = ⎜ , , ⎟ (champ vectoriel)
⎝ ∂x ∂y ∂z ⎠
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )

grad vx
( ∂x
∂vx ∂vx
∂y
∂vx
∂z
)
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )

( ∂x
∂vx ∂vx
∂y
∂vx
∂z
)

∂vy ∂vy ∂vy grad vy
( ∂x ∂y ∂z
)
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )

( ∂x
∂vx ∂vx
∂y
∂vx
∂z
)
∂vy ∂vy ∂vy
( ∂x ∂y ∂z
)

∂vz ∂vz ∂vz
( ∂x ∂y ∂z
) grad vz
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )

( ∂x
∂vx ∂vx
∂y
∂vx
∂z
)
∂vy ∂vy ∂vy
( ∂x ∂y ∂z
)
∂vz ∂vz ∂vz
( ∂x ∂y ∂z
)
Gradient et dérivée dans une direction

Généralisation (2)
 3 3
• v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )
∂vx ∂vx ∂vx
∂x ∂y ∂z
 ∂vy ∂vy ∂vy
grad v(x, y, z) =
∂x ∂y ∂z
∂vz ∂vz ∂vz
∂x ∂y ∂z
(champ matriciel)
Gradient et dérivée dans une direction

En notation indicielle
3
• f : →
(x1 , x2 , x3 )  f (x1 , x2 , x3 )

( )
gradf =
∂f
j ∂x j=1,2,3
j
Gradient et dérivée dans une direction

En notation indicielle
3
• f : →
(x1 , x2 , x3 )  f (x1 , x2 , x3 )

( gradf = )
∂f
j ∂x j=1,2,3
j
 3 3
• v: →
(
(x1 , x2 , x3 )  v1 (x1 , x2 , x3 ), v2 (x1 , x2 , x3 ), v3 (x1 , x2 , x3 ) )
∂vi
(grad v)ij = ∂x i=1,2,3
j=1,2,3
j
Gradient et dérivée dans une direction

Exercices

• Calculer le gradient de

3 2
f : (x, y, z)  x y − 2yz

• Calculer le gradient de

( 2 −y
F : (x, y, z)  ax + by + cz, x + sin z, xe − 1 )
Divergence

 3 3
v: → (champ vectoriel)

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )
un champ de vecteurs dérivable.

La divergence de v est le champ scalaire défini par

 ∂vx ∂vy ∂vz

div v = + + (champ scalaire)
∂x ∂y ∂z
Divergence

Exercice

Calculer la divergence de

( −y
F : (x, y, z)  ax + by + cz, x sin y, ze − x )
Divergence
y
Exemple 1


(
v(x, y, z) = x, y, 0 )
x
Divergence
y
Exemple 1


(
v(x, y, z) = x, y, 0 )
x
Divergence
y
Exemple 1


(
v(x, y, z) = x, y, 0 )

div v = 2
x
Divergence
y
Exemple 1


(
v(x, y, z) = x, y, 0 )

div v = 2
x
Quand en un point div v > 0,
on dit que c’est une « source ».
Divergence
y
Exemple 2


(
v(x, y, z) = −x, − y, 0 )
x
Divergence
y
Exemple 2


(
v(x, y, z) = −x, − y, 0 )

div v = −2
x
Divergence
y
Exemple 2


(
v(x, y, z) = −x, − y, 0 )

div v = −2
x
Quand en un point div v < 0,
on dit que c’est un « puits ».
Divergence
y
Exemple 3


(
v(x, y, z) = y, − x, 0 )
x
Divergence
y
Exemple 3


(
v(x, y, z) = y, − x, 0 )
x
Divergence
y
Exemple 3


(
v(x, y, z) = y, − x, 0 )

div v = 0
x
Divergence
y
Exemple 3


(
v(x, y, z) = y, − x, 0 )

div v = 0
x
Quand div v = 0, on dit que
le champ est incompressible.
Divergence

Remarque

La plupart des lois de conservation (bilan) font

intervenir la divergence d’une grandeur.
Exemple : exprimer la conservation de la masse d’un
élément de fluide incompressible de masse volumique ρ.
Divergence

dy  
v + δv

dz 
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
Divergence

dy  
v + δv
vx
dz 
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
Divergence

dy  
v + δv
vx
dz 
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
ρ dy dz dt vx
Divergence

dy  
v + δv
vx
 vx+δvx
dz
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
ρ dy dz dt vx
Divergence

dy  
v + δv
vx
 vx+δvx
dz
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
ρ dy dz dt vx ρ dy dz dt (vx + δ vx )
Divergence

dy  
v + δv
vx
 vx+δvx
dz
Au cours du temps dt, v
la masse de fluide qui
x x+dx

«rentre» par «sort» par

la «gauche» est la «droite» est
ρ dy dz dt vx ρ dy dz dt (vx + δ vx )
∂vx
avec δ vx = grad vx ⋅ (1,0,0) dx = dx
 ∂x
taux de variation selon Ox
Divergence
 
v + δv

z+dz
Au cours du temps dt, dx
la masse de fluide qui 
v dy
z
«rentre» par «sort» par
le «bas» le «haut»
ρ dx dy dt vz ρ dx dy dt (vz + δ vz )
Divergence
 
v + δv

z+dz
Au cours du temps dt, dx
la masse de fluide qui 
v dy
z
vz
«rentre» par «sort» par
le «bas» le «haut»
ρ dx dy dt vz ρ dx dy dt (vz + δ vz )
Divergence
vz+δvz  
v + δv

z+dz
Au cours du temps dt, dx
la masse de fluide qui 
v dy
z
vz
«rentre» par «sort» par
le «bas» le «haut»
ρ dx dy dt vz ρ dx dy dt (vz + δ vz )
Divergence
vz+δvz  
v + δv

z+dz
Au cours du temps dt, dx
la masse de fluide qui 
v dy
z
vz
«rentre» par «sort» par
le «bas» le «haut»
ρ dx dy dt vz ρ dx dy dt (vz + δ vz )
∂vz
avec δ vz = grad vz ⋅ (0,0,1) dz = dz
 ∂z
taux de variation selon Oz
Divergence

Finalement, en égalant la masse du fluide qui

est entrée à celle qui est sortie durant le temps
dt (conservation) on obtient :

( )
ρ dt dy dz δ vx + dx dz δ vy + dx dy δ vz = 0
Divergence

Finalement, en égalant la masse du fluide qui

est entrée à celle qui est sortie durant le temps
dt (conservation) on obtient :

(
ρ dt dy dz δ vx + dx dz δ vy + dx dy δ vz = 0)
∂vx ∂vy ∂vz
Mais δ vx = dx δ vy = dy δ vz = dz
∂x ∂y ∂z
Divergence

Finalement, en égalant la masse du fluide qui

est entrée à celle qui est sortie durant le temps
dt (conservation) on obtient :

(
ρ dt dy dz δ vx + dx dz δ vy + dx dy δ vz = 0 )
∂vx ∂vy ∂vz
Mais δ vx = dx δ vy = dy δ vz = dz
∂x ∂y ∂z

D’où ∂vy
∂vx ∂vz 
+ + = div v = 0
∂x ∂y ∂z
(conservation de la masse pour
un fluide incompressible)
Divergence

Exercice : établir de la même façon l’équation de

conservation de la chaleur en régime stationnaire

div q = r

où q est le vecteur flux de chaleur et r la
production de chaleur interne (volumique).
Divergence

Généralisation
Soit un champ matriciel (on dit aussi tensoriel)
⎡ A (x, y, z) A (x, y, z) A (x, y, z) ⎤
⎢ 11 12 13 ⎥
A : (x, y, z)  ⎢ A21 (x, y, z) A22 (x, y, z) A23 (x, y, z) ⎥
⎢ ⎥
⎢ A21 (x, y, z) A32 (x, y, z) A33 (x, y, z) ⎥
⎣ ⎦

Sa divergence est un champ vectoriel.

Divergence

En coordonnées cartésiennes, on a

⎛ ∂A ∂A ∂A ⎞
⎜
11
+ 12
+ 13
⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
div A = ⎜ 21 + 22 + 23 ⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
⎜ 31 + 32 + 33 ⎟
⎜⎝ ∂x ∂y ∂z ⎟⎠
Divergence

En coordonnées cartésiennes, on a
divergence du vecteur
⎛ ∂A ⎞ 1re ligne de A
∂A ∂A
⎜
11
+ 12
+ 13
⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
div A = ⎜ 21 + 22 + 23 ⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
⎜ 31 + 32 + 33 ⎟
⎜⎝ ∂x ∂y ∂z ⎟⎠
Divergence

En coordonnées cartésiennes, on a
divergence du vecteur
⎛ ∂A ⎞ 1re ligne de A
∂A ∂A
⎜
11
+ 12
+ 13
⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟ divergence du vecteur
div A = ⎜ 21 + 22 + 23 ⎟ 2e ligne de A
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
⎜ 31 + 32 + 33 ⎟
⎜⎝ ∂x ∂y ∂z ⎟⎠
Divergence

En coordonnées cartésiennes, on a
divergence du vecteur
⎛ ∂A ⎞ 1re ligne de A
∂A ∂A
⎜
11
+ 12
+ 13
⎟
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟ divergence du vecteur
div A = ⎜ 21 + 22 + 23 ⎟ 2e ligne de A
⎜ ∂x ∂y ∂z ⎟
⎜ ∂A ∂A ∂A ⎟
divergence du vecteur
⎜ 31 + 32 + 33 ⎟
⎜⎝ ∂x 3e ligne de A
∂y ∂z ⎟⎠
Gradient et dérivée dans une direction

Exercice

• Calculer la divergence de

⎡ x2 y −y 2z + x ⎤
⎢ ⎥
2
A : (x, y, z)  ⎢ −y y z −z ⎥
⎢ 2 ⎥
⎣ 2z + x −z z x ⎦
Divergence

À retenir

La divergence d'un champ vectoriel est un champ scalaire

the divergence of a vector field is a scalar field

La divergence d'un champ matriciel est un champ vectoriel

the divergence of a matrix field is a vector field
Rotationnel
Curl
 3 3
v: →

(
v(x, y, z) = vx (x, y, z), vy (x, y, z), vz (x, y, z) )
un champ vectoriel dérivable.

Le rotationnel de v est le champ vectoriel défini par
The curl of the vector field v is a vector field given by

 ⎛ ∂vz ∂vy ∂vx ∂vz ∂vy ∂vx ⎞

rot v = ⎜ − , − , − ⎟
⎜⎝ ∂y ∂z ∂z ∂x ∂x ∂y ⎟⎠
Rotationnel
y
Exemple 1


(
v(x, y, z) = x, y, 0 )
x
Rotationnel
y
Exemple 1


(
v(x, y, z) = x, y, 0 )

rot v = (0, 0, 0)
x
Rotationnel
y
Exemple 2


(
v(x, y, z) = y, − x, 0 )
x
Rotationnel
y
Exemple 2


(
v(x, y, z) = y, − x, 0 )

rot v = (0, 0, − 2) x
L’opérateur ∇

Les trois opérateurs grad, div et rot, peuvent

s’écrire à l’aide du seul symbole (« nabla »)

⎛ ∂⎞
⎜ ⎟
∂x
⎜ ⎟
⎜ ∂⎟
∇=⎜ ⎟
∂y
⎜ ⎟
⎜ ∂⎟
⎜⎝ ⎟⎠
∂z
L’opérateur ∇

⎛ ∂ ∂ ∂⎞ ⎛ ∂f ∂f ∂f ⎞
grad f = ∇f = ⎜ ⎟ f =⎜ ⎟
⎝ ∂x ∂y ∂z ⎠ ⎝ ∂x ∂y ∂z ⎠
L’opérateur ∇

⎛ ∂ ∂ ∂⎞ ⎛ ∂f ∂f ∂f ⎞
grad f = ∇f = ⎜ ⎟ f =⎜ ⎟
⎝ ∂x ∂y ∂z ⎠ ⎝ ∂x ∂y ∂z ⎠

 ⎛ ∂ ∂⎞

div v = ∇ ⋅ v = ⎜
⎝ ∂x
∂
∂y
(
⎟ ⋅ vx vy vz
∂z ⎠
)
produit scalaire
L’opérateur ∇

⎛ ∂ ∂ ∂⎞ ⎛ ∂f ∂f ∂f ⎞
grad f = ∇f = ⎜ ⎟ f =⎜ ⎟
⎝ ∂x ∂y ∂z ⎠ ⎝ ∂x ∂y ∂z ⎠

 ⎛ ∂ ∂⎞

div v = ∇ ⋅ v = ⎜
⎝ ∂x
∂
∂y
(
⎟ ⋅ vx vy vz
∂z ⎠
)
produit scalaire

 ⎛ ∂ ∂⎞

rot v = ∇ ∧ v = ⎜
⎝ ∂x
∂
∂y
(
⎟ ∧ vx vy vz
∂z ⎠
)
produit vectoriel
L’opérateur ∇

Exercice
f étant un champ scalaire de R3 et v un champ
vectoriel de R3 dans R3, les opérations suivantes
ont-elles du sens ? Si oui, quelle est la nature du
champ résultant (scalaire, vectoriel, etc.) :

1) ∇ ∧ ∇f (= rot(grad f ))
 
2) ∇ ∧ ∇ ⋅ v (= rot(div v))
3) ∇ ⋅ ∇f (= div(grad f ))
Remarques finales

grad, div, rot sont des opérateurs qui peuvent agir sur
des champs de différentes natures (scalaire, vectorielle,
matricielle).

grad augmente l’ordre tensoriel : un champ scalaire

devient vectoriel, un champ vectoriel devient matriciel,
etc.

div diminue l’ordre tensoriel : un champ matriciel

devient vectoriel, un champ vectoriel devient scalaire.

rot ne modifie pas l’ordre tensoriel.