École de technologie supérieure

Service des enseignements généraux

Local B-2500 514-396-8938
Site internet : [Link]

MAT265
É QUATIONS DIFFÉRENTIELLES

N OTES DE COURS ET EXERCICES

V OLUME 2

PAR G ILLES P ICARD

V ERSION DU 28 MARS 2023.

Ce document est mis à disposition selon les termes de la licence Creative Commons
Attribution - Pas d’Utilisation Commerciale - Pas de Modification 4.0 International.

R ÉDIGÉ À L’ ÉTÉ 2017

Table des matières

Avant-propos v

5 Transformées de Laplace 1
5.1 Motivation et définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
5.2 Propriétés supplémentaires et transformées inverses . . . . . . . . . . . . . . . . . . . . . 15
5.3 Fonctions spéciales : fonctions échelon-unité et delta de Dirac . . . . . . . . . . . . . . . 31
5.4 La convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.5 Les systèmes d’équations différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

6 Applications des équations d’ordre 2 59

6.1 Mouvement harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6.1.1 Mouvement harmonique simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.1.2 Mouvement harmonique amorti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.1.3 Mouvement harmonique forcé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.1.4 La résonance mécanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2 Circuits électriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

7 Méthodes numériques et résolution par séries 95

7.1 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.2 Résolution par séries de puissances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2.1 Rappel sur les séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.2.2 Résolution d’équations différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2.3 Existence et convergence des séries solutions . . . . . . . . . . . . . . . . . . . . . 123
7.2.4 Exemples détaillés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.3 Exemple synthèse et compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.3.1 Exemple synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

iii
iv TABLE DES MATIÈRES

7.3.2 Formules de récurrence avec plus de 2 termes . . . . . . . . . . . . . . . . . . . . . 146

7.3.3 Méthode de Taylor (optionnel) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

8 Séries de Fourier 155

8.1 Définitions et préalables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.2 Calcul d’une série de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.3 Prolongements pairs ou impairs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
8.4 Utilisation de la table de séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187

Annexes 193
A.1 Formulaire mathématique : algèbre et trigonométrie . . . . . . . . . . . . . . . . . . . . . 193
A.2 Table de transformées de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
A.3 Méthode de décomposition en fractions partielles . . . . . . . . . . . . . . . . . . . . . . 201
A.4 Combinaison linéaire de sinus et cosinus de même fréquence . . . . . . . . . . . . . . . 205
A.5 Table de séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

Réponses 211
Chapitre 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
Chapitre 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Chapitre 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
Chapitre 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226

Bibliographie 243

Index 245
Avant-propos

Vous trouverez dans ce document une nouvelle version du volume 2 de mes notes de cours, soit le
chapitre 5 sur les transformées de Laplace, le chapitre 6 sur les applications physiques des équations
d’ordre 2, le chapitre 7 sur les méthodes numériques et la résolution par séries ainsi que de nouvelles
annexes et tables. De plus, cette nouvelle version contient le début du chapitre 8 portant sur les séries
de Fourier. La partie manquante sera disponible plus tard cette session au courant du mois de mars.

Remerciements

Je tiens en premier à remercier Chantal Trottier, chargée de cours au Service des enseignements
généraux, collaboratrice de tous les instants, qui a enseigné ce cours un très grand nombre de fois
depuis plus de 30 ans. Elle a lu et relu ce manuscrit, signalé mes erreurs, offert de nombreuses
suggestions et vérifié tous les exemples et tous les exercices du document.
Mon deuxième grand collaborateur est mon collègue Michel Beaudin. Merci Michel pour toutes
nos discussions sur les approches de l’enseignement où, comme tu le dis si bien, « en utilisant la
technologie pour enseigner des mathématiques, on finit par faire non pas moins mais plutôt plus de
mathématiques avec nos étudiants », abordant des sujets qu’on laissait de côté auparavant.
Merci également à tous mes collègues enseignants qui ont pris le temps de lire ce manuscrit
et de me faire part de leurs suggestions et/ou corrections. Je remercie à l’avance les enseignants et
étudiants qui voudront bien me faire part des corrections et/ou suggestions en vue de la prochaine
révision.
Gilles Picard,
Maître d’enseignement
École de technologie supérieure
28 mars 2023 1

1. Changements depuis la version initiale « Octobre 2017 » :

• février 2018 : correction de plusieurs coquilles et complétion de la section 6.1 sur le mouvement harmonique
• février 2020 : ajout de la section 6.2 sur les circuits électriques, corrections de coquilles et de mises en pages
• février 2021 : ajout de la section 7.1 sur la résolution numérique des équations, corrections de coquilles et de mises
en pages
• septembre 2022 : ajout de la résolution par séries de puissance (sections 7.2 et 7.3), complétant le chapitre 7.
• février 2023 : ajout du début du chapitre 8 (sections 8.1 et 8.2) sur les séries de Fourier.
• mars 2023 : ajout des sections 8.3 et 8.4 pour les séries de Fourier.

v
vi AVANT-PROPOS

Calculatrice symbolique

Comme nous l’indiquions dans le volume 1, l’utilisation optimale de ce texte se fait avec l’emploi
continu d’une calculatrice ou d’un logiciel de calcul symbolique. Les références que vous trouverez
dans ce document se rapporte à la calculatrice actuellement en usage à l’ÉTS, soit la TI-Nspire CX
CAS de Texas Instrument,version calculatrice ou logiciel avec, avant l’automne 2019, la version 4.5 de
l’OS. Depuis l’automne 2019, les étudiants se procurent le nouveau modèle, la TI-Nspire CX-II CAS
avec OS 5.1. Consultez le site de Texas Instruments 2 pour plus de détails sur cet outil.
Pour une introduction à la calculatrice symbolique TI-Nspire ou pour de l’aide sur son utilisation,
nous vous suggérons de visiter le site conçu spécialement pour les étudiants de l’ÉTS :
[Link]
Nous vous suggérons sur ce site de consulter, entre autres, la section « Liens » pour des informa-
tions de base et la documentation d’aide et la section « VUnETS » pour des vidéos d’apprentissage
disponible sur notre chaîne Youtube. Également sur ce site, dans la section « Cours à l’ÉTS » en MAT-
265, on retrouve de nombreux documents Nspire qui vous seront utiles pour cette matière.

Liens intéressants

Une version PDF de ce document, avec hyperliens et en couleurs, est disponible sur le site Moodle
du cours [Link] Si vous désirez une version papier, nous
vous conseillons de vous la procurer à la Coop ÉTS plutôt que d’imprimer la version PDF.
Sur le site Moodle du cours, on trouve également de nombreux documents de références pour
le cours ainsi que les solutionnaires détaillés des exercices des notes de cours (dans la section
« Documents », merci Chantal !).
L’ensemble du document a été rédigé avec l’éditeur de texte TeXnicCenter et le logiciel MikTex,
une version Windows du traitement de texte scientifique TEX (de Donald Knuth) et de son pré-
processeur LATEX (de Leslie Lamport). Ces logiciels sont gratuits. Voir le site suivant
[Link]
De nombreux sites sont disponibles pour offrir du support dans la rédaction et la production de
documents avec LATEX . J’en signale un, en français, que j’ai bien apprécié, surtout pour la clarté de la
présentation et des exemples présentés en code LATEX et en version compilée.
[Link]

2. [Link]
Chapitre 5

Transformées de Laplace

5.1 Motivation et définitions

Dans les chapitres précédents, nous avons vu comment résoudre des équations différentielles
linéaires et comment celles-ci peuvent régir ou modéliser le comportement de certaines situations
ou systèmes physiques (circuit électrique, mouvement rectiligne, problèmes de variation de tempé-
rature, etc.). Dans ce chapitre, nous allons de nouveau examiner ces équations différentielles mais
en se servant d’un outil très puissant, la transformée de Laplace d’une fonction, ainsi nommée en
l’honneur du marquis Pierre-Simon de Laplace 1 .
Il s’agit d’un cas particulier d’une transformation intégrale (on parle aussi d’opérateur intégral) 2 .
Considérant la nature appliquée des équations différentielles que l’on voudrait résoudre, on tra-
vaillera uniquement avec des fonctions où la variable indépendante t représente le temps et on ne
tiendra compte que du temps non négatif (t ≥ 0).
Au niveau des applications pratiques, on est confronté au problème suivant : on a à résoudre une
équation différentielle linéaire (à coefficients constants), c’est-à-dire une équation où apparaissent
une fonction inconnue et ses dérivées et possiblement d’autres fonctions du temps. Aux chapitres 2
et 4, on a vu des méthodes pour résoudre ces équations, méthodes basées sur le calcul différentiel et
intégral. On trouvait ainsi la solution générale de l’équation puis, à l’aide des conditions initiales, on
trouvait la solution désirée.
Les calculs impliqués pouvaient à l’occasion être lourds et on doit pouvoir, au besoin, calculer les
intégrales nécessaires. De plus, ces approches se prêtent moins bien aux situations faisant intervenir
des fonctions définies par morceaux. Considérons une équation où apparaît la fonction f (t ) suivante

5 0≤t <5



f (t ) = 10 − t 5 ≤ t < 10 (5.1)

0 t ≥ 10 ou t < 0


1. Pierre-Simon de Laplace (1749-1827), mathématicien, astronome et physicien français, s’intéressa entre autres
à la mécanique céleste, à la théorie des probabilités, à l’électromagnétisme et aux équations différentielles. Consultez
réf. Wikipedia ou réf. Bibm@[Link] pour plus de détails.
2. La transformée de Fourier en est un autre exemple. Consultez (en anglais) réf. Wikipedia

1
2 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Résoudre une telle équation demanderait d’appliquer séparément les méthodes vues pour
chaque intervalle où la fonction est différente.
La méthode basée sur la transformée de Laplace a les 3 avantages suivants :
1. L’équation différentielle est transformée en une équation algébrique ; la solution se trouvera
par manipulations algébriques et avec l’aide d’une table de transformées de Laplace. Même
la présence de fonctions définies par morceaux comme celle mentionnée conduira à résoudre
une seule équation algébrique.
2. Les conditions initiales sont intégrées au début du traitement du problème.
3. Cette méthode permet de pousser plus loin l’étude du comportement des systèmes physiques
linéaires. (voir section 6.3)
Voyons maintenant ce qu’on entend par transformée de Laplace.

Définition 5.1 La transformée de Laplace d’une fonction f (t ), notée L f (t ) , est la fonction F (s)
© ª

définie par Z∞
L f (t ) = f (t )e −s t d t = F (s)
© ª
0
si l’intégrale impropre converge. Celle-ci converge si la limite suivante existe
ZN
lim f (t )e −s t d t
N →∞ 0

On dit que la transformée de Laplace d’une fonction existe si l’intégrale impropre donnée 3
converge. On remarque que L f (t ) n’est pas un nombre mais une fonction de s, s étant une variable
© ª

complexe. La transformée de Laplace pourrait donc exister pour certaines valeurs de la variable s et
pas pour d’autres. Pour simplifier l’utilisation de cette définition, on peut considérer s comme une
variable réelle.
Remarquons également qu’on pourrait appliquer cette transformation à des fonctions f dé-
pendant d’une autre variable que t . Le résultat F serait cependant le même puisque la variable
d’intégration utilisée n’influence pas le résultat d’une intégrale définie. De plus, le résultat pourrait
donner une fonction F dépendant d’une autre variable que s ; on pourrait obtenir F (ω) si on utilisait
e −ω t dans la définition avec intégrale.
Dans ce chapitre, les lettres minuscules désignent les fonctions du temps et les lettres majuscules
les fonctions transformées, c’est-à-dire les fonctions de domaine s. Par exemple,

L L L
© ª © ª © ª
i (t ) = I (s) , x(t ) = X (s) et v(t ) = V (s)

3. La première occurrence d’une intégrale semblable à celle-ci remonte à des travaux d’Euler en 1744. Lagrange, en
1776, reprend ce type d’intégrales dans le cadre de travaux en théorie des probabilités (fonctions génératrices). Par la suite,
Laplace explore les sujets abordés par Euler et Lagrange où ce type d’intégrales représente la solution d’un problème donné.
Mais en 1785, il ira plus loin en utilisant une transformation intégrale pour transformer un problème complexe en un
problème algébrique plus simple à résoudre.
Aux 19e et 20e siècles, ce type de transformation fut étudié par plusieurs ingénieurs, physiciens et mathématiciens,
notamment Bromwich et Heaviside, ce dernier ayant développé une approche de calcul avec opérateurs, proche de celle
des transformées de Laplace, pour résoudre des équations différentielles linéaires appliquées. Ce n’est qu’à partir des
travaux de Doetsch en 1937 qu’on retrouve l’approche générale vue dans ce chapitre.
5.1. MOTIVATION ET DÉFINITIONS 3

Avant de continuer, calculons la transformée de Laplace de quelques fonctions usuelles.

Exemple 5.1

(a) Considérons la fonction constante f (t ) = 1 si t ≥ 0

Z∞ ZN
−s t
L1 = 1 · e −s t d t
© ª
1·e d t = lim
0 N →∞ 0
¯N
−e −s t ¯¯
µ −s N ¶
−e −1
= lim = lim −
N →∞ s ¯0 N →∞ s s

Cette limite n’existe que pour certaines valeurs de s. En effet, si s > 0

−e −s N
lim =0 ( la limite n’existe pas si s ≤ 0)
N →∞ s
1 1
µ ¶
L 1 = 0 − − = = F (s)
© ª
⇒ si s > 0
s s
On sait qu’évaluer une fonction f (t ) quand t vaut ∞ revient à prendre la limite de f (N ) quand
N tend vers ∞, comme indiqué précédemment, on peut alléger l’écriture des détails du calcul
de la transformée :
¯∞
−e −s t ¯¯
Z∞
1 1
µ ¶
⇒ L 1 = 1 · e −s t d t =
© ª
= 0 − − =
0 s ¯
0 s s
1
Donc si f (t ) = 1 alors F (s) = avec s > 0
s

(b) Considérons la fonction f (t ) = cos(t ) si t ≥ 0

sin(t ) s · cos(t ) −s t ¯¯∞

Z∞ µ ¶ ¯
−s t
L cos(t ) =
© ª
cos(t ) e d t = 2 − 2 e ¯ = ???
0 s +1 s +1 0

L’intégrale converge seulement si s > 0. En effet, pour une valeur donnée et positive de s

sin(t ) s · cos(t ) −s t
µ ¶
lim − 2 e = 0 si s > 0 ( et la limite n’existe pas si s ≤ 0)
t →∞ s 2 + 1 s +1

sin(t ) s · cos(t ) −s t ¯¯∞ s ´ s

µ ¶ ¯ ³
L
© ª
⇒ cos(t ) = 2 − 2 e ¯ = 0− − 2 = 2 = F (s)
s +1 s +1 0 s +1 s +1
s
Donc si f (t ) = cos(t ) alors F (s) = 2 avec s > 0
s +1

Il est important de noter, comme on le constate dans les 2 exemples précédents, que la transfor-
mée de Laplace d’une fonction du temps t est une fonction de la variable s. Ceci n’est pas surprenant
considérant la présence de la variable libre s dans l’intégrale définie donnée dans la définition 5.1 .
4 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Même en s’aidant d’un calculateur symbolique pour effectuer les intégrales, on devra faire une
hypothèse sur les valeurs possibles de s pour obtenir une intégrale impropre convergente (et donc
obtenir la transformée de Laplace cherchée). Dans la figure 5.1, on utilise la calculatrice Nspire CAS
pour effectuer rapidement le calcul des intégrales de l’exemple 5.1.

F IG . 5.1 Calcul de transformées de Laplace avec la définition.

On pourrait penser que la contrainte s > 0 fonctionne toujours pour le calcul de transformées de
Laplace. L’exemple suivant montre que ce n’est pas le cas.

Exemple 5.2
Considérons la fonction g (t ) = e 2t lorsque t ≥ 0
¯∞
−e −(s−2) t ¯¯
Z∞
© 2t ª 2t −s t
Le = e ·e dt = =???
0 s − 2 ¯0

Si t est positif et si s − 2 est négatif, alors e −(s−2)t prend des valeurs positives de plus en plus grandes
lorsque t tend vers l’infini. L’intégrale converge seulement si s − 2 > 0, c’est-à-dire s > 2. Donc

lim −e −(s−2) t = 0 si s − 2 > 0 ( et l’intégrale diverge si s − 2 ≤ 0)

t →∞
¯∞
−e −(s−2) t ¯¯ 1 1
µ ¶
2t
L
© ª
⇒ e = = 0− − = = G(s) si s > 2
s −2 ¯
0 s −2 s −2

On remarque que la transformée de Laplace existe seulement pour s > α, α variant selon la
fonction donnée. On aura en général toujours une condition de ce type lorsqu’on utilise la définition
de base mais on va omettre à partir de maintenant de mentionner le domaine de définition de F (s).
On considère que, lorsque la transformée existe, cela sera vrai pour des valeurs de s assez grandes...
On peut généraliser les exemples précédents en appliquant la définition à des fonctions conte-
nant une constante arbitraire.

Exemple 5.3
Considérons la fonction g (t ) = e −a t lorsque t ≥ 0 et où a est une constante réelle.
¯∞
−e −(s+a) t ¯¯
Z∞
© −a t ª −a t −s t 1
Le = e ·e dt = = si s + a > 0
0 s+a ¯
0 s+a
5.1. MOTIVATION ET DÉFINITIONS 5

1
Donc si g (t ) = e −a t , alors L g (t ) =
© ª
= G(s).
s+a
On peut utiliser ce résultat pour obtenir la transformée de Laplace de fonctions exponentielles sans
passer par la définition avec intégrale :

1 1
L e −4t = L e 3t =
© ª © ª
avec a = 4 ⇒ et, avec a = −3 ⇒
s +4 s −3

On peut maintenant commencer à construire une table de transformées de Laplace :

f (t ) F (s)

1
1 ou u(t ) 4
s
1
t
s2
1
e −a t
s+a
ω
sin(ω t )
s 2 + ω2
s
cos(ω t )
s 2 + ω2

Les 2 dernières lignes du tableau s’obtiennent en appliquant la définition de base, comme dans
l’exemple précédent, avec ω une constante réelle. Une table plus détaillée, disponible à l’annexe
A.2, sera utilisée couramment dans ce chapitre. En effet, il est inutile de refaire une intégrale pour
calculer la transformée de Laplace de la fonction sin(5t ). En consultant le tableau précédent (ou la
table disponible en annexe), avec ω = 5, on obtient

5
L
© ª
sin(5t ) =
s 2 + 25

Comme on le mentionnait au début du chapitre, on aura à travailler parfois avec des fonctions
définies par morceaux (voir équation 5.1, page 1). Utilisons la définition 5.1 pour calculer sa transfor-
mée de Laplace.

Exemple 5.4
Considérons la fonction
5 0≤t <5



f (t ) = 10 − t 5 ≤ t < 10

0 t ≥ 10 ou t < 0


4. u(t ) représente la fonction échelon-unité, on y reviendra en détails dans la section 5.3. On y verra que cette fonction
est définie par : u(t ) = 1 si t > 0 et u(t ) = 0 si t < 0.
6 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Comme la fonction varie selon l’intervalle considéré, on devra séparer l’intégrale de la définition en
plusieurs intégrales pour couvrir le domaine [0 ; ∞[.
Z∞ Z5 Z10 Z∞
L f (t )e −s t d t = 5 · e −s t d t + (10 − t ) · e −s t d t + 0 · e −s t d t
© ª
f (t ) =
0 0 5 10

La dernière intégrale définie est nulle puisqu’on intègre la fonction nulle. Pour les deux autres,
utilisons le logiciel (ou la calculatrice) Nspire CAS pour obtenir le résultat.

On remarque que la dernière commande utilisée propFrac( ) permet de simplifier la réponse obtenue.

e −5s e −10s 5
L
© ª
f (t ) = F (s) = − 2 + 2 +
s s s
Notons que la présence de termes e −a s dans la transformée indique que la fonction dans le domaine
du temps change en t = a. Dans cet exemple, les termes e −5 s et e −10 s indiquent des changements en
t = 5 et t = 10.

Nous verrons à la section 5.3 comment obtenir la transformée de Laplace de l’exemple précédent
sans avoir recours à la définition avec intégrale.
Bien que le calcul de la transformée de Laplace, à l’aide d’une intégrale, soit plus facile à faire
maintenant lorsqu’on dispose d’un calculateur symbolique (comme votre calculatrice TI Nspire CAS)
il serait souhaitable (et plus rapide) de se baser sur une table comme celle de la page 5 ou la table plus
complète en annexe A.2. Le théorème suivant facilitera ce travail.

Théorème 5.1 Linéarité de la transformée de Laplace

Considérons deux fonctions f 1 et f 2 qui ont une transformée de Laplace (pour s > α) et deux
constantes a et b. Alors

L a f 1 (t ) + b f 2 (t ) = a L f 1 (t ) + b L f 2 (t ) = a F 1 (s) + b F 2 (s)
© ª © ª © ª
5.1. MOTIVATION ET DÉFINITIONS 7

⊲ Démonstration
Essentiellement, ce théorème nous dit que la transformée de Laplace est un opérateur linéaire, ce
qui n’est pas surprenant considérant que celle-ci est définie par une intégrale. Or l’intégrale est aussi
un opérateur linéaire. On a
Z∞
L a f 1 (t ) + b f 2 (t ) = (a f 1 + b f 2 )e −s t d t
© ª
0
Z∞ Z∞
−s t
=a f1 e d t + b f 2 e −s t d t
0 0
= a F 1 (s) + b F 2 (s)

Ce résultat est vrai si les intégrales convergent, ce qui est le cas ici puisqu’on présume que les
fonctions f 1 et f 2 ont des transformées de Laplace (F 1 et F 2 ).
fin de la démonstration ⊳
La linéarité de cet opérateur nous permet d’utiliser facilement la table de transformées de Laplace
en annexe A.2 pour évaluer le transformée de combinaisons linéaires de fonctions de la table. Les
exemples suivants illustrent cette propriété en combinaison avec la transformée des fonctions de
base (les entrées P1 à P11 de cette table).

Exemple 5.5
Déterminez, en utilisant la table, la transformée de Laplace des fonctions suivantes
(a) f (t ) = 3t − 4 sin(10t ) + 5

L 3t − 4 sin(10t ) + 5 = 3L t − 4L sin(10t ) + 5L 1
© ª © ª © ª © ª

En utilisant les propriétés P2, P6 avec ω = 10 et P1, on obtient

1 10 1 3 40 5
µ ¶
L
© ª
3t − 4 sin(10t ) + 5 = 3 2 − 4 2 +5 = 2 − 2 + = F (s)
s s + 102 s s s + 100 s

(b) g (t ) = 2e −t cos(5t ) + 4t e −3t

© −t
L 2e cos(5t ) + 4t e −3t = 2L e −t cos(5t ) + 4L t e −3t
ª © ª © ª

En utilisant les propriétés P9 avec a = 1 et ω = 5 ainsi que P5 avec a = 3, on obtient

© −t s +1 1 2(s + 1) 4
L 2e cos(5t ) + 4t e −3t = 2
ª
2 2
+4 2
= + = G(s)
(s + 1) + 5 (s + 3) (s + 1) + 25 (s + 3)2
2

On peut développer le premier dénominateur, ou exprimer les 2 fractions avec un dénomina-

teur commun, pour trouver des versions équivalentes de cette réponse.

2 s 3 + 9s 2 + 19s + 61
¡ ¢
2(s + 1) 4
G(s) = 2 + =
s + 2s + 26 (s + 3)2 (s + 3)2 s 2 + 2s + 26
¡ ¢
8 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

e −2t + e 2t
(c) v(t ) = = cosh(2t ) (c’est un cosinus hyperbolique, consultez l’annexe A.1, page 196 )
2
En utilisant P4 avec un peu d’algèbre, on trouve

e −2t + e 2t 1 © −2t 1 1 1
½ ¾ µ ¶
2t
L = L e
ª
+e = + = V (s)
2 2 2 s +2 s −2

On peut également simplifier ce résultat

1 1 1 1 2s s
µ ¶ µ ¶
V (s) = + = = 2
2 s +2 s −2 2 s2 − 4 s −4

On remarquera la similitude entre la transformée du cosinus ordinaire et celle du cosinus

hyperbolique.
s s
L cos(2t ) = 2 L cosh(2t ) = 2
© ª © ª
et
s +4 s −4
(d) f (t ) = 5t sin(2t ) + (1 + 3t )2 .
Le premier terme est directement dans la table, mais le terme (1+3t )2 doit être développé pour
retrouver des éléments de la table.

L 5t sin(2t ) + (1 + 3t )2 = 5L t sin(2t ) + L 1 + 6t + 9t 2
© ª © ª © ª

= 5L t sin(2t ) + L 1 + 6L t + 9L t 2
© ª © ª © ª © ª

En utilisant les propriétés P10 avec ω = 2, P1, P2 et P3, on obtient

2·2·s 1 1 2!
L 5t sin(2t ) + (1 + 3t )2 = 5 2
© ª
2 2
+ + 6 2 + 9 2+1
(s + 2 ) s s s
20s 1 6 18
= + + + = F (s)
(s 2 + 4)2 s s2 s3

(e) i (t ) = (1 + 4 cos(3t ))2

Comme cette fonction n’apparaît pas dans notre table, on doit développer l’expression

i (t ) = (1 + 4 cos(3t ))2 = 1 + 8 cos(3t ) + 16 cos2 (3t )

1 + cos(6t )
µ ¶
= 1 + 8 cos(3t ) + 16
2
= 1 + 8 cos(3t ) + 8 + 8 cos(6t ) = 9 + 8 cos(3t ) + 8 cos(6t )

On a utilisé une identité trigonométrique (consultez l’annexe A.1 à la page 196 ) pour simplifier
le terme cos2 (3t ) afin de retrouver des éléments de notre table. En utilisant les propriétés P1 et
P7, on obtient
9 8s 8s
L i (t ) = I (s) = + 2 + 2
© ª
s s + 9 s + 36

Votre calculatrice Npsire peut effectuer pour vous plusieurs des calculs algébriques de cet exemple.
5.1. MOTIVATION ET DÉFINITIONS 9

On remarque sur cette figure l’utilisation de la commande comDenom( ) pour mettre sur un dé-
nominateur commun, la commande expand( ) pour « développer » une expression algébrique et la
commande tCollect( ) pour transformer le terme cos2 (3t ). Ces commandes sont disponibles dans le
menu « Algèbre » de votre calculatrice.

La transformée de Laplace associe à une fonction du temps t , une fonction équivalente du

domaine s. On peut également à l’aide de notre table, inverser ce processus. On calcule alors la
transformée de Laplace inverse, qu’on note L−1 .

2 4
½ ¾
L−1 − 2 = 2e −5t − 4t en utilisant P4 et P2
s +5 s

À moins d’indications contraires, dans ce chapitre les calculs de transformées de Laplace et de

transformées inverses devront se faire avec les propriétés de votre table.
Pour terminer cette section, on peut se demander si la transformée de Laplace existe toujours et
on peut se questionner sur l’unicité du résultat. En effet, peut-on donner des conditions qui nous
assurent de l’existence de la transformée de Laplace ? Deux fonctions différentes peuvent-elles avoir
la même transformée de Laplace ? Pour répondre à ces questions, donnons quelques définitions.
On sait qu’une fonction est continue en t = a si f (a) existe et si

lim f (t ) = f (a)
t →a

Définition 5.2 Fonction continue par morceaux

On dit qu’une fonction f (t ) est continue par morceaux sur un intervalle fermé [a ; b] si cet intervalle
peut être partitionné en un nombre fini de sous-intervalles adjacents où
10 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

• on aura continuité de f (t ) à l’intérieur de chaque sous-intervalle

• la limite de la fonction f (t ) existe quand t tend, par l’intérieur, vers les extrémités de chaque
sous-intervalle
On dit qu’une fonction f (t ) est continue par morceaux sur l’intervalle [0 ; ∞[ si, pour toute valeur
réelle positive T > 0, la fonction l’est sur l’intervalle [0; T ].

Pour satisfaire cette définition, il faut que, pour chaque point t = c dans l’intervalle ]a; b[ où la
fonction f (t ) n’est pas continue, les deux limites suivantes existent et prennent des valeurs différentes
(si ces deux limites prenaient la même valeur, la fonction serait continue en t = c).

lim f (t ) et lim f (t )
t →c − t →c +

En d’autres mots, f (t ) est continue par morceaux sur l’intervalle [a; b] si f (t ) est continue partout
sur l’intervalle sauf possiblement en un nombre fini de points où l’on retrouve des discontinuités de
type « saut ».
La fonction tan(t ) ayant des discontinuités de type infini en t = (2n+1) π2 (n entier), elle ne sera pas
continue par morceaux sur un intervalle englobant au moins une de ses discontinuités. La fonction
f (t ) = 1t a le même problème avec la discontinuité en t = 0. Par contre, les fonctions sinus, cosinus,
exponentielles et polynomiales sont continues partout et donc satisfont la définition précédente (tout
comme la somme ou le produit de ces fonctions).
Soit h(t ) une fonction continue par morceaux sur l’intervalle [a; b], alors l’intégrale définie
Zb
h(t ) d t
a

existe et prend une valeur réelle. En effet, l’intégrale définie précédente calcule une aire « signée » sur
un intervalle de largeur b − a. Comme la fonction continue par morceaux est bornée par définition,
l’aire cherchée existera nécessairement. On remarquera également qu’une discontinuité de type saut
n’affecte pas la valeur d’une intégrale définie.
Être continue par morceaux sur [0 ; ∞[ n’est pas suffisant pour assurer la convergence de l’in-
tégrale impropre donnée dans la définition 5.1, à la page 2, de la transformée de Laplace. Dans
l’intégrale Z ∞
f (t )e −s t d t = F (s),
0
pour avoir convergence, il faut que l’expression f (t )e −s t converge vers 0 à un « bon rythme » quand
t → ∞.

Définition 5.3 Fonction d’ordre exponentielle α

On dit 5 qu’une fonction f (t ) est d’ordre exponentielle α s’il existe deux constantes positives, T et M
telles que
¯ f (t )¯ ≤ Me α t
¯ ¯
∀t ≥ T
En d’autres mots, à partir d’un certain point positif T , la fonction donnée aura une croissance
inférieure à celle d’une fonction exponentielle (avec exposant linéaire).

5. Certains auteurs parlent plus simplement de fonctions d’ordre exponentielle. Il faut que la propriété soit vraie pour
5.1. MOTIVATION ET DÉFINITIONS 11

Exemple 5.6

(a) Les fonctions polynomiales sont d’ordre exponentielles 1. En effet, si p(t ) est un polynôme,
vous devriez avoir déjà vu dans un cours de calcul différentiel que
p(t )
lim =0
t →∞ et
donc la fonction e t « domine » éventuellement tout polynôme.
2
(b) La fonction e t n’est pas d’ordre exponentielle α. En effet,
2
et
lim α t = ∞ peu importe la valeur de α
t →∞ e

En utilisant les deux dernières définitions, nous allons pouvoir présenter un théorème qui déter-
mine l’existence ou pas de la transformée de Laplace des fonctions usuelles rencontrées en génie.

Théorème 5.2 Existence de la transformée de Laplace

Si une fonction f (t ) est continue par morceaux pour t ≥ 0 et si f (t ) est d’ordre exponentielle α alors
sa transformée de Laplace existe et peut être obtenue avec la définition intégrale donnée à la page
2. Donc sous les hypothèses de ce théorème, l’intégrale impropre suivante converge si s > α.
Z∞
L f (t ) = f (t )e −s t d t = F (s)
© ª
0

⊲ Démonstration
Pour démontrer 6 ce résultat, il faut montrer la convergence de l’intégrale donnée. On peut
séparer cette intégrale en 2 parties, où T est la constante positive mentionnée dans la définition de
fonction d’ordre exponentielle α.
Z∞ ZT Z∞
−s t −s t
f (t )e d t = f (t )e d t + f (t )e −s t d t
0 0 T

La première des deux intégrales à droite existe puisque la fonction f (t ), et par conséquent
la fonction f (t )e −s t , est continue par morceaux sur l’intervalle [0; T ]. Il ne reste qu’à montrer la
convergence de

Z∞
f (t )e −s t d t
T

Nous utiliserons le principe de comparaison pour les intégrales impropres :

au moins une valeur de α. La valeur de α utilisée n’a pas vraiment d’importance. On remarque que si une fonction satisfait
cette définition pour α = 1, cela sera nécessairement vrai aussi pour α = 2.
6. La démonstration qui suit n’est pas nécessaire pour effectuer les exercices qui viendront. Elle est donné par souci
d’offrir un cadre mathématique rigoureux. En général, en sciences et en génie, les fonctions rencontrées satisfont les
exigences du théorème et ont des transformées de Laplace.
12 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Z∞ Z∞
¯ ¯
si ¯ f (t )¯ < g (t ) alors g (t )d t converge ⇒ f (t )d t converge
T T

Comme f (t ) est d’ordre exponentielle α, on sait que

¯ f (t )¯ < Me α t
¯ ¯
si t > T
¯ f (t )e −s t ¯ = ¯ f (t )¯ e −s t ≤ Me α t · e −s t
¯ ¯ ¯ ¯
⇒

En intégrant de T à ∞, on obtient
Z∞ Z∞
¯ f (t )e −s t ¯ d t ≤ M e α t e −s t d t
¯ ¯
T
ZT∞
≤M e −(s−α) t d t
T
¯∞
−e −(s−α) t ¯¯
≤M
s − α ¯T

On sait que
−e −(s−α) t
(
0 si s − α > 0
lim =
t →∞ s −α diverge si s − α ≤ 0

Donc si s − α > 0 (ou s > α) et en se rappelant que M et T sont des constantes positives
Z∞ −(s−α) T
¯ f (t )e −s t ¯ d t ≤ M e
¯ ¯
T s −α

On sait de plus que Z∞ Z∞

−s t ¯ f (t )e −s t ¯ d t
¯ ¯
f (t )e dt ≤ M
T T

On peut donc conclure que, sous les hypothèses du théorème,

Z∞ Z∞
−s t
f (t )e d t et f (t )e −s t d t convergent,
T 0

et que la transformée de Laplace existe.

fin de la démonstration ⊳
Nous verrons à la section 5.3 une « fonction » particulière, la fonction delta de Dirac (ou fonction
impulsion), dont la transformée de Laplace existe même si elle ne satisfait pas les conditions du
théorème 5.2. Le théorème donne donc des conditions suffisantes, mais non nécessaires, pour
l’existence de la transformée de Laplace.
On peut aussi constater que, sous les hypothèses du théorème,
¯Z∞ ¯ Z∞
−s t
Me α t · e −s t d t
¯ ¯
¯ f (t )e d t ¯≤
0 0
¯ ¯
M
|F (s)| ≤ si s > α
s −α
⇒ lim F (s) = 0
s→∞
5.1. MOTIVATION ET DÉFINITIONS 13

Il en résulte que les fonctions de F (s) suivantes 1, s et e 2s ne peuvent être la transformée de

Laplace de fonctions continues par morceaux, et d’ordre exponentielles α. En effet, pour ces fonctions
de s, lim F (s) 6= 0.
s→∞

Heureusement les combinaisons linéaires de sommes et de produits de sinus, cosinus, exponen-

tielles (linéaires) et polynômes satisfont les hypothèse du théorème et ont donc des transformées de
Laplace.
Les conditions énoncées dans le théorème d’existence à la page 11 sont des conditions suffi-
1
santes mais non nécessaires. Par exemple, la fonction f (t ) = t − 2 cause problème puisqu’elle n’est
pas continue par morceaux en t = 0, mais sa transformée de Laplace existe (formule P12 de la table,
avec n = − 21 )
© − 1 ª Γ 12
¡ ¢ r
π
Lt 2 = 1 =
s2 s
7
où Γ représente la fonction gamma .
Considérant la définition avec intégrale de la transformée de Laplace, à la page 2, et en se
souvenant qu’une intégrale définie n’est pas influencée par la valeur en un point de la fonction
intégrée (pourquoi ?) on peut concevoir que deux fonctions aient la même transformée de Laplace.
Par exemple, les fonctions suivantes

5 0≤t <2 5 0<t ≤2

 

 

f (t ) = 2+t 2≤t <4 et g (t ) = 2+t 2<t ≤4 (5.2)
 
2 2
4−t t ≥4 4−t t >4
 

qui diffèrent en t = 0, t = 2 et t = 4 ont la même transformée de Laplace. Après calculs on trouve

1 1 18 9 2 5
µ ¶ µ ¶
F (s) = G(s) = 2 − e −2s + − − 2 − 3 e −4s +
s s s s s s
La figure suivante montre les calculs faits à l’aide de la définition avec intégrale.

7. Pour x > 0, la fonction gamma est définie par Γ(x) = 0∞ t x−1 e −t d t . La forme plus générale utilise une variable
R

complexe z au lieu de x et l’intégrale existe si la partie réelle de z est supérieure à 0 (Re(z) > 0), consultez Wikipedia. Pour
une valeur n entière, on a le résultat suivant Γ(n) = (n − 1)! . La fonction gamma est donc une généralisation de la fonction
factorielle.
14 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

On remarque qu’on a dans ce cas-ci deux fonctions qui diffèrent seulement à des points où l’on a
des discontinuités de type « saut » en t = 2 et t = 4 (ou en t = 0 où la fonction g (t ) n’est pas définie). On
constate, dans la transformée de Laplace obtenue, la présence des termes e −2s et e −4s correspondant
à ces deux sauts. On y reviendra plus en détails dans la section 5.3 en voyant la fonction échelon-unité
(fonction de Heaviside).

Exercices

5.1 Utilisez la définition avec intégrale (page 2) pour calculer la transformée de Laplace des
fonctions suivantes (faites les intégrales avec votre calculatrice symbolique en fournissant une borne
appropriée pour la variable s)

(a) f (t ) = t 2 − 1 (c) h(t ) = t sin(ω t )

(b) g (t ) = t e −a t

5.2 Même consigne qu’au numéro 1 avec les fonctions définies par morceaux suivantes

0 ≤ t < π2
( (
2 0≤t <3 1
(a) f (t ) = (c) f (t ) =
5−t t ≥3 sin(t ) t ≥ π2

 4−t 0 ≤ t < 4


(b) g (t ) = 3 4≤t <6

9−t t ≥6


5.3 Utilisez les propriétés P1 à P11 de votre table de transformées de Laplace (annexe A.2) ainsi que
la propriété de linéarité (voir théorème 5.1 à la page 6) pour calculer la transformée de Laplace des
fonctions suivantes

(a) 4 − 7t (h) (2 + 3t )2 − 1
(b) 2 sin(5t ) − 6 cos(5t ) (i) 1 + e t 1 − e −t
¡ ¢¡ ¢

(c) 2e −3t + 3t sin(4t )

(j) 2e 5t −1 + 4t cos(2t )
(d) 4e 2t − 2e −2t sin(3t )
(k) sin2 (3t ) − 3t
(e) 2t 3 − 4t e −3t + 5
(f ) e 2t − e −2t (l) 4 sin(2t ) cos(2t )
¢2
1 + et (m) 2 sin 8t − 3π
¡ ¡ ¢
(g) 2

5.4 En utilisant la définition du sinus hyperbolique (voir annexe A.1) et votre table, déterminez la
transformée de Laplace de
f (t ) = sinh(a t )

5.5 Considérons la fonction e a t où a prend la valeur complexe ω i au lieu d’une valeur réelle, donc
ici ω ∈ R et on s’intéresse à la fonction à valeur complexe e i ω t .
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 15

(a) Utilisez la propriété P4 de votre table pour trouver et simplifier

L eiω t
© ª

(b) Utilisez la célèbre formule d’Euler e i θ = cos(θ) + i sin(θ), la linéarité de l’opérateur et les
propriétés des nombres complexes pour démontrer, sans faire d’intégrales, les propriétés P6
et P7 de votre table de transformées de Laplace.

5.6 Appliquez la même démarche que l’exercice précédent avec la fonction complexe e (−a+ωi )t
pour retrouver, sans faire d’intégrales, les formules P8 et P9 de votre table de transformées de Laplace.

5.2 Propriétés supplémentaires et transformées inverses

Dans la première section nous avons vu la définition avec l’aide d’une intégrale impropre de la
transformée de Laplace et les propriétés P1 à P12 de la table de transformées de Laplace à l’annexe
A.2. Cela nous a permis de calculer la transformée de plusieurs fonctions usuelles que l’on rencontre
en génie. Voyons maintenant les propriétés P19 et P20 de la table. Cela nous permettra de calculer la
transformée de Laplace de fonctions plus complexes que celles vues jusqu’à maintenant.

Théorème 5.3 Translation dans le domaine s

Considérons une fonction f (t ) pour laquelle la transformée de Laplace existe (pour s > α), donc
L f (t ) = F (s). Alors
© ª

L e −a t f (t ) = F (s + a)
© ª
(P19 de votre table)

⊲ Démonstration Appliquons la définition intégrale de la transformée

Z∞
© −a t
L e f (t ) = e −a t f (t )e −s t d t
ª
0
Z∞
= e −(s+a) t f (t )d t
0
= F (s + a)

fin de la démonstration ⊳
−a t
Cette propriété indique que multiplier une fonction par e dans le domaine du temps produira
une translation de a unités dans le domaine s. Cela permet de calculer la transformée de Laplace
de fonctions qui ne sont pas dans notre table de transformées ou de démontrer certaines entrées de
cette table (par exemple, montrez P5 à partir de P4 ou P8 et P9 à partir de P6 et P7).

Exemple 5.7
Déterminez la transformée de Laplace de la fonction g (t ) = t 2 e −5t .

On doit appliquer la propriété P19 en considérant a = 5 et f (t ) = t 2

L t 2 e −5t = L f (t )e −a t f (t ) = t 2 et a = 5
© ª © ª
⇒
16 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

2! 2
En utilisant P3 pour f (t ) = t 2 , on trouve F (s) = =
s 2+1 s 3
Comme P19 l’indique on trouvera
2
L f (t )e −a t = F (s + a) L t 2 e −5t = F (s + 5) =
© ª © ª
⇒
(s + 5)3

Le théorème suivant nous montre l’impact, sur sa transformée de Laplace, de multiplier une
fonction f (t ) par t n (n entier positif ).

Théorème 5.4 Dérivation dans le domaine s

Considérons une fonction f (t ) satisfaisant les hypothèses du théorème d’existence 5.2, donc f (t ) est
continue par morceaux pour t ≥ 0 et est exponentielle d’ordre α. Sa transformée de Laplace existe
(pour s > α) ⇒ L f (t ) = F (s). Alors
© ª

dnF
L t n f (t ) = (−1)n n
© ª
(P20 de votre table)
ds

⊲ Démonstration Considérons la définition de base de la transformée de Laplace.

Z∞
L f (t ) = F (s) = f (t )e −s t d t
© ª
0
Dérivons par rapport à la variable s chaque côté de cette dernière égalité
d d ∞
Z
F (s) = f (t )e −s t d t
ds ds 0
Étant donné les hypothèses sur la fonction f (t ), la règle de Leibniz nous permet d’interchanger l’ordre
de dérivation et d’intégration dans cette expression

d d ∞
Z
F (s) = f (t )e −s t d t
ds ds 0
Z∞
d
= f (t )e −s t d t
d s
Z0∞
= f (t )(−t ) e −s t d t
0
Z∞
t f (t )e −s t d t = −L t f (t )
© ª
=−
0
On en déduit que
dF
L
© ª
t f (t ) = −
ds
Si on dérive 2 fois ou n fois, on trouvera

ª d 2F dnF
L t 2 f (t ) = L t n f (t ) = (−1)n n
© © ª
d s2 ds

fin de la démonstration ⊳
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 17

Exemple 5.8

(a) Reprenons le calcul de la transformée de Laplace de la fonction de l’exemple 5.7 mais en

utilisant la propriété P20 au lieu de P19. On veut calculer de nouveau L t 2 e −5t . En utilisant
© ª

P20 avec n = 2, on a
ª d 2F
L t 2 f (t ) = 2
©
ds
1
Ici, f (t ) = e −5t et donc F (s) = (en utilisant P4). On obtient
s +5
ª d2 1 2
µ ¶
L t 2 e −5t = 2
©
=
ds s +5 (s + 5)3

(b) Calculons la transformée de Laplace de la fonction g (t ) = 3t e −2t cos(4t )

Pour pouvoir utiliser P20, posons f (t ) = 3e −2t cos(4t ). En utilisant P9 avec ω = 4, on trouve

© −2t s +2 3(s + 2)
L
ª
3e cos(4t ) = 3 2 2
= 2 = F (s)
(s + 2) + 4 (s + 4s + 20)

On utilise P20 avec n = 1

dF d 3(s + 2) 3(s 2 + 4s − 12)

µ ¶
−2t
L L
© ª © ª
t f (t ) = − ⇒ 3t e cos(4t ) = − =
ds d s (s 2 + 4s + 20) (s 2 + 4s + 20)2

ª 3(s 2 + 4s − 12)
L 3t e −2t cos(4t ) = 2
©
= G(s)
(s + 4s + 20)2

On remarque de ces exemples que la transformée d’une fonction peut parfois être calculée en
utilisant différentes stratégies ou propriétés de votre table. La transformée du dernier exemple aurait
pu également être calculée en utilisant P19 et P11 car g (t ) = 3t e −2t cos(4t ) = e −2t · (3t cos(4t )).

On veut cependant utiliser cette technique pour la résolution d’équations différentielles. Il faut
donc savoir prendre la transformée de Laplace de la dérivée d’une fonction (inconnue).
Considérons une fonction f (t ), continue en t = 0, dont la transformée de Laplace existe, donc
L
© ª
f (t ) = F (s). En appliquant la définition de transformée de Laplace à la dérivée de cette fonction,
df
notée , on trouve
dt ¾ Z∞
df d f −s t
½
L = e dt
dt 0 dt

Pour évaluer cette intégrale, appliquons la technique d’intégration par parties. On obtient

u = e −s t ⇒ d u = −se −s t d t
df
dv = dt ⇒ v=f
dt

En substituant ces valeurs dans l’intégrale donnée, on obtient

18 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Z∞ ¯∞ Z∞
d f −s t
donc e dt = u v¯ − v du
¯
0 dt 0 0
¯∞ Z ∞
= f e −s t ¯ + s f e −s t d t
¯
0 0
= − f (0) + s F (s)

Ici on a utilisé le fait que si la transformée de Laplace de f (t ) existe alors

Z∞
−s M
lim f (M )e = 0 et par définition f (t )e −s t d t = F (s)
M →∞ 0

On obtient ainsi la propriété P16 de votre table

df
½ ¾
L = L f ′ (t ) = s F (s) − f (0)
© ª
dt

On peut laisser tomber les variables indépendantes dans cette écriture pour alléger le texte ; on se
rappelle que les fonctions dans le domaine du temps sont en lettres minuscules et les fonctions dans
le domaine s sont en majuscules. Cela donne

df
½ ¾
L = L f ′ = s F − f (0)
© ª
dt

Si la fonction n’est pas continue en t = 0, le terme f (0) serait remplacé par f (0+ ), le limite de la
fonction quand t tend vers 0 par la droite.
Par un raisonnement similaire, si f (t ) et f ′ (t ) sont continues en t = 0 et si f ′′ (t ) est continue par
morceaux pour t ≥ 0, en supposant de plus que toutes ces fonctions soient exponentielles d’ordre α,
alors on peut montrer la propriété P17 de votre table

d2 f
½ ¾
L = L f ′′ = s 2 F − s f (0) − f ′ (0)
© ª
dt2

On remarque que si les conditions initiales, en t = 0, sont nulles, dériver une fonction dans le
domaine du temps (t ) revient à la multiplier par s dans le domaine transformé et dériver deux fois
dans le domaine du temps revient à multiplier la fonction transformée par s 2 . La généralisation pour
une dérivée n ième est donnée par la propriété P18 de votre table.
Maintenant que nous savons prendre la transformée de Laplace de la dérivée d’une fonction,
voyons dans l’exemple suivant une application avec la résolution d’une équation différentielle.

Exemple 5.9
Résolvons l’équation différentielle suivante

dx
+ 3x = 2e −3t avec x(0) = 5
dt
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 19

Dans cette équation, x est la fonction solution cherchée qui dépend de la variable t , donc x(t ) mais
on écrit seulement x pour alléger l’écriture. Sa transformée de Laplace est la fonction X qui est une
fonction de la variable s, donc X (s) mais on écrit seulement X . Selon notre convention d’écriture, x
et X représentent la même solution (inconnue) mais sur deux domaines différents ; x est la solution
dans le domaine du temps t et X la solution équivalente dans le domaine s.
Prenons la transformée de Laplace de l’équation et résolvons-la par rapport à X

dx dx 1
½ ¾ ½ ¾
L + 3x = L 2e −3t ⇒ L + L 3x = 2 en utilisant la linéarité et P4
© ª © ª
dt dt s +3
2 2
⇒ (s X − x(0)) + 3X = ⇒ s X − 5 + 3X =
s +3 s +3
2
⇒ (s + 3)X = 5 +
s +3
5 2
⇒ X= +
s + 3 (s + 3)2

Cette dernière expression représente la solution de la transformée de Laplace de l’équation différen-

tielle. Il nous reste à revenir dans le domaine du temps t pour obtenir la solution x(t ). On procède
pour cela à la transformée inverse de cette réponse en s, voir l’exemple à la page 9.

5 1
½ ¾
−1 © ª −1
x =L X =L +2
s +3 (s + 3)2
1 1
½ ¾ ½ ¾
−1 −1
= 5L +2L
s +3 (s + 3)2
= 5e −3t + 2t e −3t en utilisant les formules P4 et P5 de la table.

Cet exemple illustre bien l’avantage de cette technique qui permet de résoudre des équations
différentielles sans effectuer de calculs de dérivées ou d’intégrales, comme on le faisait dans les
chapitres précédents.
Cette démarche demandant le calcul d’une transformée inverse, voyons plus en détails ce que
représente la transformée de Laplace inverse d’une fonction F (s). On se souviendra qu’avec la
définition 5.1 au début du chapitre, la transformée de Laplace était définie à l’aide d’une intégrale. De
façon similaire, il existe une définition analytique pour le calcul de la transformée inverse, mais celle-
ci fait intervenir une intégrale de contour dans le plan complexe nécessitant des notions avancées
en analyse complexe. Heureusement, comme on l’a vu dans l’exemple précédent, l’idée derrière
le concept est simple : la transformée inverse d’une fonction F (s) est une fonction f (t ) dont la
transformée de Laplace donne justement F (s). Il s’agit donc simplement d’inverser le processus déjà
vu.
La définition suivante formalise ce concept. On retiendra cependant que 2 fonctions identiques,
sauf possiblement en un nombre fini de points de discontinuités de type « saut », auront la même
transformée de Laplace (voir exemple page 13). Mais si deux fonctions continues ont la même
transformée de Laplace, elles seront identiques sur l’intervalle [0 ; ∞[.
20 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Définition 5.4 La transformée de Laplace inverse d’une fonction F (s) désigne l’unique fonction
continue f (t ) sur l’intervalle [0 ; ∞[ qui satisfait

L
© ª
f (t ) = F (s) (5.3)

cette inverse est notée

L−1
© ª
F (s) = f (t )
Si toutes les fonctions satisfaisant l’équation (5.3) sont des fonctions discontinues sur [0 ; ∞[, on en
choisira une, pour f (t ), qui est continue par morceaux.

Avec cette définition et la table de transformées de Laplace à l’annexe A.2, il est facile de calculer
certaines transformées inverses. On remarquera à cet effet que l’on doit alors lire la table de la droite
vers la gauche pour les propriétés P1 à P11. Par contre les propriétés P25 à P30 sont directement
utilisables pour calculer des transformées inverses.

Exemple 5.10

(a) En posant a = 3 dans la propriété P4, on trouve

1
½ ¾
−1
L = e −3t
s +3

(b) En posant ω = 5 dans P6, on trouve

5 5
½ ¾ ½ ¾
−1 −1
L =L = sin(5t )
s 2 + 25 s 2 + 52

En tenant compte de la définition précédente et de la linéarité de l’opérateur « transformée de

Laplace », on aura

Théorème 5.5 Linéarité de la transformée de Laplace inverse

Considérons deux fonctions F 1 et F 2 pour lesquelles une transformée de Laplace inverse existe

L−1 L−1
© ª © ª
F 1 (s) = f 1 (t ) et F 2 (s) = f 2 (t )

et deux constantes a et b. Alors

L−1 a F 1 (s) + b F 2 (s) = a L−1 F 1 (s) + b L−1 F 2 (s) = a f 1 (t ) + b f 2 (t )

© ª © ª © ª

En utilisant le théorème précédent, la table de transformées de Laplace et un peu d’algèbre au

besoin, on peut calculer un bon nombre de transformées inverses.
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 21

Exemple 5.11

(a)
5 2s + 4 5 −1 1 n s o 1
½ ¾ ½ ¾ ½ ¾
L−1 + = L + 2 L −1
+ 4 L −1
2s 2 s 2 + 9 2 s2 s2 + 9 s2 + 9
5 4
= t + 2 cos(3t ) + sin(3t )
2 3
en utilisant P2, P7 avec ω = 3 et P27 avec ω = 3
n ω o
Remarque : pour la dernière fraction, on aurait pu utiliser P6 : L−1 2 = sin(ωt )
s + ω2
4 4 3 4
½ ¾ ½ ¾
L−1 2 = L−1 2 = sin(3t ) , en ajustant pour respecter la forme de P6
s +9 3 s + 32 3
(b)
2+s 5 −1 2 −1 s 5
½ ¾ ½ ¾ n o ½ ¾
L−1 + = L + L + L −1
s2 (s + 4)3 s2 s2 (s + 4)3
2 1 1
½ ¾ ½ ¾ ½ ¾
= L−1 2 + L−1 + 5 L−1
s s (s + 4)3
t 3−1 e −4t 5
= 2t + 1 + 5 = 2t + 1 + t 2 e −4t
(3 − 1)! 2
en utilisant P2, P1 et P26 avec a = 4 et n = 3

(c)
( )
7s 3 7s 3
½ ¾ ½ ¾
L−1 2 + = L−1 + L−1 ¡p ¢2
(s + 25)2 (s + 2)2 + 5 (s 2 + 25)2 (s + 2)2 + 5
1 1 ³p ´
= 7· t sin(5t ) + 3 p e −2t sin 5t
2·5 5
p ³p ´
7 3 5 −2t
= t sin(5t ) + e sin 5t
10 5
p
en utilisant P10 ou P30 avec ω = 5 et P8 ou P28 avec ω = 5 et a = 2.
On remarque ici qu’il est plus simple d’utiliser P28 et P30 que d’utiliser P8 ou P10 où l’on doit
faire un ajustement numérique pour obtenir la concordance exacte avec la formule de la table.

3
Si on vous demandait de calculer la transformée inverse de l’expression s 2 +4s+9 , même en
regardant toutes les entrées de la table vous ne trouveriez rien permettant d’obtenir directement la
réponse. En effet, aucune des formules ne contient au dénominateur un polynôme général de degré
2 en s. Le même problème se produit lorsqu’on apprend à calculer des intégrales indéfinies. Mais en
remarquant qu’avec la complétion du carré du dénominateur on obtient s 2 + 4s + 9 = (s + 2)2 + 5 et
on retrouve ainsi le 2e terme de l’exemple (c) précédent.
Rappel : si le coefficient de s 2 est 1, alors on complète le carré en posant
³ m ´2 ³ m ´2
s2 + m s + n = s + +n − (5.4)
2 2
où m et n sont deux constantes réelles quelconques.
22 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Exemple 5.12

7
(a) Calculons la transformée inverse de . On complète le carré au dénominateur
s 2 + 2s + 5
7 7 7
= =
s 2 + 2s + 5 (s + 1)2 + 5 − 1 (s + 1)2 + 4
On obtient une expression au dénominateur du type (s + a)2 + ω2 avec une constante au
numérateur. On utilise donc P28 (ou P8), avec ω = 2, pour compléter le travail
7 7 7
½ ¾ ½ ¾
−1 −1
L 2
=L 2
= e −t sin(2t )
s + 2s + 5 (s + 1) + 4 2
(b) Qu’arrive-t-il si on a un terme en s au numérateur ? Considérons la transformée inverse
suivante
3s − 7
½ ¾
L−1 2
s + 2s + 5
Comme le dénominateur est le même qu’en a), on trouve
3s − 7 3s − 7 3s 7
= = −
s 2 + 2s + 5 (s + 1) + 4 (s + 1) + 4 (s + 1)2 + 4
2 2

Il est tentant de séparer la fraction en deux termes, comme on l’a fait ci-haut. En effet,
la dernière fraction est la même qu’en a). Mais le premier terme ne correspond à aucune
formule ou propriété de la table. En fait, la seule formule où l’on retrouve en même temps,
un dénominateur du type (s + a)2 + ω2 et un numérateur avec un terme en s, est la formule P9
où l’on constate qu’on doit aussi avoir un terme en s + a au numérateur.
On vous recommande dans ces situations de procéder à un ajustement du numérateur pour
pouvoir utiliser P9
3s − 7 3(s + 1) − 7 − 3
2
=
(s + 1) + 4 ((s + 1)2 + 4
3(s + 1) − 10
=
(s + 1)2 + 4
s +1 10
=3 −
(s + 1)2 + 4 (s + 1)2 + 4
On remarque que l’on a « séparé » l’expression en 2 fractions seulement après avoir procédé à
l’ajustement du numérateur.
On peut compléter maintenant l’exemple en utilisant P9 et P28
3s − 7 s +1 10
½ ¾ ½ ¾
L−1 2 = L−1 3 −
s + 2s + 5 (s + 1)2 + 4 (s + 1)2 + 4
3(s + 1) 1
½ ¾ ½ ¾
−1 −1
=L − 10L
(s + 1)2 + 4 (s + 1)2 + 4
10
= 3e −t cos(2t ) − e −t sin(2t )
2
−t
¡ ¢
= e 3 cos(2t ) − 5 sin(2t )

Si le coefficient de s 2 , au dénominateur, n’est pas 1, faites une mise en facteur de ce coefficient et

appliquez la formule (5.4) à la page 21. L’exemple suivant illustre cette situation.
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 23

Exemple 5.13
5
½ ¾
−1
On cherche L .
2s 2 + 6s + 8
Complétons le carré au dénominateur
¶2
3 9
·µ ¸
2s 2 + 6s + 8 = 2(s 2 + 3s + 4) = 2 s+ +4−
2 4
3 2 7
·µ ¶ ¸
=2 s+ +
2 4
3 2 7
µ ¶
=2 s+ +
2 2

Le menu « Algèbre » de votre calculatrice a une commande Compléter le carré pour obtenir directe-
ment ce dernier résultat. On obtient alors en utilisant la propriété P28
 
5 5
½ ¾  
L−1 2 = L−1
2 s + 3 2 + 7 
2s + 6s + 8
h¡ ¢ i
2 4
 
5 −1 1

 

= L ¡ ³ p ´2 
2 2
s + 23 + 27 
 ¢

5 1 −3t ³ p ´ 5p7 3 ³p ´
= ·p e 2 sin 27 t = e − 2 t sin 27 t
2 7 7
2

Pour obtenir des termes du type (s + a)2 + ω2 (attention au signe + avant le terme ω2 ) il faut que
les racines du polynôme de degré 2 soit des nombres complexes (pourquoi ?). Si ce n’est pas le cas et
qu’on a des racines réelles, on ne fera pas une complétion de carré mais plutôt une décomposition
en fractions partielles, donc une somme de termes plus simples (et qui eux seront dans la table).
Les figures suivantes illustrent certains des calculs précédents faits à l’aide de votre calculatrice
Nspire.

On remarque sur cette dernière figure que lorsque les racines du polynôme sont des nombres
réels, la complétion de carré donne une expression du type (s + a)2 − ω2 . La présence du signe
moins est problématique puisque ce type d’expression n’est pas dans votre table. Certains auteurs
24 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

mettent ce type d’expression dans leur table de transformées de Laplace, mais nous préférons
procéder comme avec l’exemple suivant, surtout en considérant que vous avez tous accès, via votre
calculatrice, à un calculateur symbolique.

Exemple 5.14
3
½ ¾
Calculons la transformée inverse L−1 2
s + 5s + 6

En utilisant la décomposition en fractions partielles

de la fraction rationnelle (voir la commande Nspire à
droite), on obtient en utilisant P4 dans la table

3 3 3
½ ¾ ½ ¾
−1 −1
L =L −
s 2 + 5s + 6 s +2 s +3
= 3e −2t − 3e −3t

On remarque dans la figure précédente qu’un léger changement dans une valeur peut influencer
grandement le résultat. La première expression correspond aux exemples habituels dans les bou-
quins, alors que vous ne trouveriez pas le deuxième dans un livre classique. Par contre, avec votre
calculatrice effectuant les calculs algébriques et en lui demandant de simplifier en point flottant (à 4
décimales) l’expression obtenue, on trouve aisément
( p p )
3 6 5 6 5
½ ¾
−1 −1
L =L p ¢− ¡ p
s 2 + 5s + 5
¡ ¢
5 2s − 5 + 5 5 2s + 5 + 5
1.3416 1.3416
½ ¾
= L−1 −
s + 1.3820 s + 3.6180
= 1.3416e −1.3820t − 1.3416e −3.6180t

Quoique la commande expand de votre calculatrice symbolique permet d’obtenir directement

une somme de termes plus simples pour utiliser votre table, on peut se questionner sur comment est
obtenu ce résultat. La technique de décomposition en fraction partielles (voir annexe A.3 pour plus
de détails) se base sur la factorisation du polynôme au dénominateur pour obtenir algébriquement
une somme équivalente de termes plus simples. L’exemple suivant illustre, en partie, les calculs faits
par votre calculatrice pour trouver les résultats de l’exemple précédent. Vous n’aurez pas à faire
manuellement ces types de calculs mais il peut être utile de comprendre d’où ils viennent.

Exemple 5.15
3
Décomposez la fraction en une somme de termes plus simples.
s 2 + 5s + 6
Le dénominateur se factorise aisément : s 2 + 5s + 6 = (s + 2)(s + 3). La technique décrite à l’annexe A.3
nous indique qu’il existe des coefficients réels uniques A et B , tels que

3 3 A B
= = + (5.5)
s 2 + 5s + 6 (s + 2)(s + 3) s + 2 s + 3
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 25

Si on multiplie chaque côté de l’égalité (5.5) par (s + 2), qu’on simplifie et qu’on pose s = −2 dans le
résultat obtenu 8 , on aura
3 s +2 3 −2 + 2
= A +B · ⇒ = A +B · ⇒ A=3
s +3 s +3 −2 + 3 −2 + 3
Multiplions maintenant l’équation (5.5) par (s + 3), simplifions et posons s = −3 dans le résultat
obtenu
3 s +3 3 −3 + 3
= A· +B ⇒ = A· +B ⇒ B = −3
s +2 s +2 −3 + 2 −3 + 2
On retrouve ainsi le même résultat que celui obtenu avec la commande expand dans l’exemple 5.14
précédent
3 3 3
= −
(s + 2)(s + 3) s + 2 s + 3
Important : vous n’avez pas à faire cette démarche pour vos exercices. Utilisez la commande expand
de votre calculatrice.

On peut utiliser plusieurs des techniques précédentes pour calculer des transformées inverses de
termes plus complexes.

Exemple 5.16
11s − 6
Évaluez la transformée inverse de l’expression suivante
s 3 + 4s 2 + 9s + 36
On factorise le dénominateur et on trouve un fac-
teur linéaire (racine réelle) et un facteur quadra-
tique (racines complexes) :
s 3 + 4s 2 + 9s + 36 = (s + 4)(s 2 + 9)
Comme l’indique la technique de décomposition
en fractions partielles (voir annexe A.3), on s’at-
tend à trouver
11s − 6 As + B C
= 2 +
(s + 4)(s 2 + 9) s +9 s +4
Avec la commande expand de Nspire, on trouve
11s − 6 2s + 3 2
= −
s 3 + 4s 2 + 9s + 36 s 2 + 9 s + 4
En utilisant les propriétés P7, P6 et P4,

11s − 6
½ ¾
−1
⇒L = 2 cos(3t ) + sin(3t ) − 2e −4t
s 3 + 4s 2 + 9s + 36

On peut avoir à appliquer la complétion de carré après avoir décomposé en fractions partielles
une expression. L’utilisation de Nspire pour nous aider dans la manipulation algébrique des ex-
pressions données permet de traiter rapidement des problèmes plus complexes. L’exemple suivant,
8. Un logiciel de calcul symbolique prendrait la limite quand s tend vers −2, ce qui revient au même ici.
26 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

où le dénominateur n’est pas factorisé et où la décomposition manuelle en fractions partielles

demanderait plusieurs étapes de calcul, illustre ceci. Attention, pour des étudiants ne pouvant s’aider
d’une calculatrice ou d’un logiciel de calcul symbolique, cet exemple serait très ardu.

Exemple 5.17
−11s 2 + 48s + 71
Évaluez la transformée inverse de l’expression suivante
s 4 − 2s 3 − 7s 2 − 12s + 72
On factorise le dénominateur et on trouve un fac-
teur linéaire (racine réelle double) et un facteur
quadratique (racines complexes) :

s 4 − 2s 3 − 7s 2 − 12s + 72 = (s − 3)2 (s 2 + 4s + 8)

Comme l’indique la technique de décomposition

en fractions partielles (voir annexe A.3), on s’at-
tend à trouver

−11s 2 + 48s + 71 A B Cs +D
= + +
(s − 3)2 (s 2 + 4s + 8) s − 3 (s − 3)2 s 2 + 4s + 8

Avec la commande expand de Nspire, on trouve

−11s 2 + 48s + 71 −2 4 2s − 1
2 2
= + 2
+ 2
(s − 3) (s + 4s + 8) s − 3 (s − 3) s + 4s + 8
En utilisant les propriétés P4, P5, P9 et P28, et en complétant le carré
4 2s − 1 2s − 1
½ ¾ ½ ¾
−2 3t 3t
L−1 + + = −2e + 4t e + L −1
s − 3 (s − 3)2 s 2 + 4s + 8 (s + 2)2 + 4
2(s + 2) − 5
½ ¾
= −2e 3t + 4t e 3t + L−1
(s + 2)2 + 4
2(s + 2) 1
½ ¾
= −2e 3t + 4t e 3t + L−1 − 5
(s + 2)2 + 4 (s + 2)2 + 4
5
= −2e 3t + 4t e 3t + 2e −2t cos(2t ) − e −2t sin(2t )
2

On peut maintenant combiner toutes les propriétés vues dans cette section pour résoudre, à l’aide
de transformées de Laplace, des équations différentielles. L’exemple suivant illustre cette approche
où l’on résoudra l’équation différentielle sans effectuer de dérivées ou d’intégrales, contrairement à
ce qu’on avait vu dans les chapitres précédents.

Exemple 5.18
d2y dy
Résolvons l’équation +4 + 20y = 4 sin(6t ) avec les conditions initiales y(0) = −1 et y ′ (0) = 3
dt2 dt
On prend la transformée de Laplace de l’équation et on utilise les propriétés P17, P16 et
P6. On rappelle la convention utilisée qui stipule que les fonctions inconnues dans le domaine du
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 27

temps sont en lettres minuscules et les fonctions équivalentes dans le domaine transformé s sont en
majuscules. Dans notre cas, L y = Y ou L y(t ) = Y (s) si on spécifie les variables indépendantes.
© ª © ª

d2y dy
½ ¾
L + 20y = L 4 sin(6t )
© ª
2
+4
dt dt

6
s 2 Y − s y(0) − y ′ (0) + 4 sY − y(0) + 20Y = 4
£ ¤ £ ¤
⇒
s 2 + 36
24
⇒ s 2 Y + s − 3 + 4(sY + 1) + 20Y =
s 2 + 36
24 24
⇒ (s 2 + 4s + 20)Y + s + (4 − 3) = ⇒ (s 2 + 4s + 20)Y = − (s + 1)
s 2 + 36 s 2 + 36
24 s +1
⇒ Y = −
(s 2 + 36)(s 2 + 4s + 20) s 2 + 4s + 20
−(s 3 + s 2 + 36s + 12)
⇒ Y = 2 avec un dénominateur commun
(s + 36)(s 2 + 4s + 20)

Remarque : on peut obtenir directement ce dernier résultat en résolvant, pour Y , avec Nspire la 2e
équation (voir écran sur la figure suivante). Si on applique, avec Nspire, la décomposition en fractions
partielles et qu’on complète le carré, on trouve

23 s 1 1 3 s 6 1
Y =− 2
− 2
− 2
− 2
26 s + 4s + 20 13 s + 4s + 20 26 s + 36 13 s + 36
23 (s + 2) − 2 1 1 3 s 6 1
=− − − −
26 (s + 2)2 + 16 13 (s + 2)2 + 16 26 s 2 + 36 13 s 2 + 36
23 s +2 23 1 1 3 s 6 1
µ ¶
=− 2
+ − 2
− 2
− 2
26 (s + 2) + 16 13 13 (s + 2) + 16 26 s + 36 13 s + 36

En appliquant les propriétés P9, P28, P7 et P27, on trouve finalement

23 22 1 −2t 3 6 1
L−1 Y = y(t ) = − e −2t cos(4t ) +
© ª
· ·e sin(4t ) − cos(6t ) − · sin(6t )
26 13 4 26 13 6
23 −2t 11 3 1
⇒ y(t ) = − e cos(4t ) + e −2t sin(4t ) − cos(6t ) − sin(6t )
26 26 26 13
Si on compare avec la technique des coefficients indéterminés du chapitre 4, on remarque dans
cette réponse la solution homogène y h , les deux premiers termes qui sont la solution de l’équation
homogène associée, donc l’équation différentielle sans le membre de droite 4 sin(6t ).
La deuxième partie de cette réponse est ce qu’on appelait la solution particulière

3 1
yp = − cos(6t ) − sin(6t )
26 13
On se souviendra également que les conditions initiales n’ont pas d’impact sur cette dernière partie.
La figure suivante montre quelques-uns des calculs précédents faits par Nspire
28 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Il existe un ensemble de commandes, un « package Laplace » 9 nommé ets_specfunc, que l’on

peut ajouter à Nspire et qui permet de calculer directement les différentes solutions des exemples de
cette section. En utilisant ces commandes, vous pourrez vérifier le résultat attendu.
Important : l’utilisation de ces commandes est permise uniquement pour des fins de vérifications.
On voit à la figure suivante une de ces commandes utilisée pour obtenir directement la solution
de l’équation différentielle précédente. On y voit également la vérification que la solution obtenue,
y(t ), est bien solution de l’équation différentielle ; on la substitue dans la partie gauche de l’équation
différentielle et Nspire simplifie le résultat en 4 sin(6t )

9. Consultez ce texte, disponible dans la section « Documents » du site Moodle du cours MAT265, pour plus de détails
sur l’installation et l’utilisation de ce package
5.2. PROPRIÉTÉS SUPPLÉMENTAIRES ET TRANSFORMÉES INVERSES 29

Directives pour les étudiants

En regardant les exemples de cette section, on peut voir ce qu’un étudiant devrait produire
comme travail pour résoudre les exercices qui suivront. Clairement, vous pourrez utiliser votre
calculatrice Nspire pour calculer des dérivées et des intégrales, pour résoudre des équations ou
des systèmes d’équations, pour effectuer certaines manipulations algébriques comme complé-
ter un carré, décomposer en fractions partielles.
Mais vous devez indiquer quelles opérations sont faites avec la calculatrice (quelle est l’inté-
grale faite, quelle est l’équation résolue etc.) et vous devez travailler avec la table de transformées
de Laplace. La seule exception sera, comme on l’avait fait au chapitre 3, que vous pourrez utiliser
les commandes du package Laplace pour résoudre directement les équations différentielles
rencontrées dans les applications physiques du chapitre 6.

La figure suivante illustre les commandes laplace et ilaplace qui sont utilisées pour vérifier les
réponses obtenues dans certains des exemples de cette section. On s’attend de vous, en examen ou
en devoir, que vous procédiez plutôt comme on l’a fait dans les solutions détaillées de ces exemples.
Mais ces commandes vous permettent de valider les réponses obtenues.

Exercices

5.7 Utilisez votre table de transformées de Laplace (en particulier les propriétés P19 et P20) pour
déterminer la transformée des fonctions suivantes

(a) f (t ) = 7t 2 e 4t (d) f (t ) = 4t e 5t cos(3t )

(b) g (t ) = e −2t (1 + t )2 (e) h(t ) = (2t + 1)2 cos(5t )
(c) h(t ) = 2t 3 sin(4t ) + 2
30 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

5.8 Utilisez votre table de transformées de Laplace pour déterminer la transformée inverse des
expressions suivantes

4 3 4 2 2s − 1
(a) − (e) 3
+ 2 (i)
s +2 s +3 (s − 5) (s + 25)2 4s 2 + 4s + 5
3s + 1 6s − 10 3 3s
(b) 2 (f ) − (j)
s +9 2
s +4 (s + 7)2 (s 2 + 8)2
2−s 4 3s + 1 4 4
(c) 2
− (g) 2 (k) −
5+s s − 10 s − 6s + 13 s2 + 4 (s 2 + 4)2
2 + 3s − s 2 s −1 1
(d) (h) 2 −
s3 s + 2s + 2 s 2 + s + 1

5.9 Déterminez la transformée inverse des expressions suivantes en utilisant la commande expand
de Nspire pour effectuer la décomposition en fractions partielles et en utilisant votre table de
transformées de Laplace.

3s − 8 2s 2 + 24s − 8
(a) (g)
s 2 − 16 s 3 + 8s 2 + 8s + 64
5s + 4
(b) 5 − 12s + 4s 2
2s 2 − s − 1 (h)
2s 2 − 4 1 − 3s + 4s 2 − 12s 3
(c)
3s 2 (s 2 + 4) 4s s +3
(i) + 2
2s 2 + 15s + 5 2
4s − 4s − 15 6s + s − 1
(d)
(s + 1)2 (s − 2) 2s 3 − 2s 2 − 2s + 1 3
9 (j) −
(e) s 2 (s − 1)2 (s − 1)2
(s 4 − 2s 2 − 8)(2s + 1)
s +1 s 1 + s + 3s 3 − 3s 4
(f ) − (k)
s + 5s + 4 (s − 1)4
4 2 (s + 1)(2s 4 + s 2 )

5.10 Résolvez, par transformées de Laplace, les équations différentielles suivantes.

d 2x dx
(a) 2
−4 + 3x = 0 avec x(0) = 3 et x ′ (0) = 5
dt dt
d 2x
(b) + 9x = 20e −t avec x(0) = 0 et x ′ (0) = 1
dt2
d2y dy
(c) 2
−2 + y = 6t avec y(0) = 4 et y ′ (0) = 1
dt dt
(d) y ′′ − 4y ′ + 4y = 25t 2 e −3t avec y(0) = 0 et y ′ (0) = 2
d 2x dx
(e) 2
+4 + 20x = 0 avec x(0) = 2 et x ′ (0) = 1
dt dt
(f ) x ′′ + 4x ′ + 10x = 2e −5t avec x(0) = 2 et x ′ (0) = 1
(g) y ′′′ − 2y ′′ + y ′ − 2y = 4t + 1 avec y(0) = 3, y ′ (0) = −1 et y ′′ (0) = 2

5.11 Utilisez les propriétés P6 et P16 pour montrer la propriété P7.

5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 31

5.12 Démontrez la propriété P17 en vous servant de P16.

5.3 Fonctions spéciales : fonctions échelon-unité et delta de Dirac

En sciences et en génie, on doit pouvoir utiliser des fonctions qui ont des discontinuités de
type « saut ». Par exemple, en électricité, on veut mettre un commutateur en position « ouvert »
ou « fermé ». En mécanique, on veut appliquer une force pendant 3 secondes seulement. Dans un
réservoir, on ferme l’entrée d’eau après 10 secondes. Pour nous aider à représenter mathématique-
ment ces situations, on va utiliser une fonction très simple, la fonction échelon-unité qu’on nomme
également la fonction d’Heaviside (unit step function, en anglais). Cette fonction permet d’indiquer
un changement d’état en t = 0 ou, par déphasage, en t = a avec a > 0. Par définition,
( (
0 t <0 0 t <a
u(t ) = u(t − a) = où a > 0.
1 t >0 1 t >a

u(t) u(t-a)

1 1

0 1 2 3 4 t 0 a t

F IG . 5.2 Fonction échelon-unité, en t = 0 et en t = a

On remarque de la définition précédente que nous avons fait le choix de ne pas indiquer la valeur
de la fonction échelon-unité en t = 0 ou plus généralement en t = a. Certains auteurs préfèrent
indiquer que cette fonction vaut 1 en t ≥ a. On en voit d’autres en sciences appliquées donner la
valeur 12 (la mi-hauteur) en t = a. C’est un peu comme si on nous demandait en t = a, est-ce que le
commutateur est ouvert ou fermé ? Nous avons choisi de laisser cette valeur indéterminée. Pour nos
besoins, en transformées de Laplace, cela n’aura pas d’impact. Il est vrai qu’en génie et en physique,
on rencontre plutôt des changements se produisant dans un très petit laps de temps et non pas de
façon instantanée.
Pour le reste de la discussion, on considère le cas général u(t − a) de cette fonction, en posant
a = 0 au besoin si on a un changement en t = 0. Cette fonction échelon-unité peut être vue comme le
cas limite de la fonction continue suivante
0 t <a



1

h ǫ (t − a) = (t − a) a ≤ t ≤ a + ǫ
 ǫ


1 t > a +ǫ

On passe ainsi de la hauteur 0 à la hauteur 1 en un temps (petit) de valeur ǫ. Et si cette valeur ǫ

tend vers 0, on retrouve la fonction échelon-unité

u(t − a) = lim+ h ǫ (t − a)
ǫ→0
32 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

hε(t-a) u(t-a)

1 1

0 a a+ε t 0 a t

F IG . 5.3 Fonction échelon-unité en t = a, la limite quand ǫ → 0

La figure 5.3 illustre cette situation.

On remarque, dans le graphe de u(t − a) de cette figure, le trait vertical en t = a, qu’on retrouve
parfois chez certains auteurs pour indiquer le changement d’état entre les valeurs 0 et 1. Cette
définition n’est pas compatible cependant avec la notion mathématique classique de fonction, et
nous conserverons l’approche décrite avec la figure 5.2.
Comme on le mentionnait, cette fonction peut être utilisée pour indiquer un changement d’état
dans une fonction f (t ). Par exemple, f (t )u(t ) représente une fonction qui vaut 0 si t < 0 et qui vaut
f (t ) si t > 0. De façon analogue, la fonction g (t ) = f (t )u(t − a) est une forme compacte ou abrégée
pour (
0 t <a
g (t ) = f (t )u(t − a) =
f (t ) t > a

π
Les 2 figures suivantes illustrent cette situation pour f (t ) = sin(t ) avec a = 0 et a = 2

f(t)u(t) g(t)
1 1

− 3π −π π 3π 5π t − 3π −π π 3π 5π t
2 2 2 2 2 2 2 2 2 2
-1 -1

F IG . 5.4 la fonction sin(t )u(t ) F IG . 5.5 la fonction g (t ) = sin(t )u(t − π2 )

Plus loin dans cette section, on rencontrera fréquemment des expressions du type f (t −a)u(t −a)
avec a > 0. Cela représente une translation vers la droite de a unités par rapport à la fonction f (t )u(t ).
Considérons par exemple la fonction h(t ) = sin(t − π/2)u(t − π/2). Les figures suivantes comparent le
graphe avant et après le déphasage de π/2 unités.
On a mentionné au début du chapitre que l’on ne s’intéressait qu’aux fonctions qui prennent une
valeur nulle si t < 0. En d’autres mots, l’étude des phénomènes physiques par les transformées de
Laplace ne débute qu’au temps t = 0. Le calcul, par définition, de la transformée traduit cette idée
en effectuant l’intégrale à partir de t = 0. En considérant les formules P2 à P12 de la table, on doit
comprendre des fonctions f (t ) indiquées que l’on pourrait ajouter u(t ) après chacune d’elles. Ainsi
la formule P6 pourrait se lire
ω ω
L L
© ª © ª
sin(ωt )u(t ) = au lieu de sin(ωt ) =
s 2 + ω2 s 2 + ω2
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 33

f(t)u(t) h(t)
1 1

− 3π −π π 3π 5π t − 3π −π π 3π 5π t
2 2 2 2 2 2 2 2 2 2
-1 -1

F IG . 5.6 la fonction sin(t )u(t ) F IG . 5.7 la fonction h(t ) = sin(t − π2 )u(t − π2 )

Du point de vue du calcul de la transformée de Laplace, sin(ω t )u(t ) et sin(ω t ) ont la même
transformée. Lorsqu’on doit résoudre des équations différentielles et que l’on doit calculer des trans-
formées inverses, il est préférable de choisir le premier résultat puisque l’approche par transformées
de Laplace ne considère pas ce qui se passe si t < 0. Par exemple,

1
½ ¾
L−1 2 = sin(t )u(t ) au lieu de simplement donner sin(t )
s +1

On évite ainsi de spéculer sur ce qui se passe avant t = 0. Pour ne pas alourdir les textes et la table,
on ne mentionnera pas en général cette restriction mais vous devriez toujours vous souvenir que vos
résultats dans le domaine du temps sont valables quand t ≥ 0. Ainsi, si vous devez produire le graphe
de la solution, on ne devrait pas voir de courbes si t < 0.
La fonction échelon-unité peut également être utilisée pour représenter en une seule expression
des fonctions définies par morceaux, comme celle de l’exemple 5.4 à la page 5

Exemple 5.19
Utilisez la fonction échelon-unité pour exprimer les fonctions suivantes en une seule expression
mathématique (et non une description par morceaux).
(a)
5 0≤t <5



f (t ) = 10 − t 5 ≤ t < 10

0 t ≥ 10 ou t < 0


On voit que des changements se produisent dans l’expression de la fonction en t = 0, t = 5

et t = 10, ce qui nous amène à utiliser les fonctions u(t ), u(t − 5) et u(t − 10). À chaque
changement, on élimine la fonction courante et on introduit la nouvelle expression.
£ ¤ £ ¤
f (t ) = 5u(t ) + −5 + (10 − t ) u(t − 5) + −(10 − t ) + 0 u(t − 10)
= 5u(t ) + (5 − t )u(t − 5) + (t − 10)u(t − 10)

(b)
t 0 < t < π/2



g (t ) = sin(t ) π/2 < t < π

t −π t >π


On voit que des changements se produisent dans l’expression de la fonction en t = 0, t = π/2

34 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

F IG . 5.8 Utilisation de Nspire pour travailler avec une fonction par morceaux.

et t = π, ce qui nous amène à utiliser les fonctions u(t ), u(t − π/2) et u(t − π). À chaque
changement, on élimine la fonction courante et on introduit la nouvelle expression.
£ ¤ £ ¤
g (t ) = t u(t ) + −t + sin(t ) u(t − π/2) + − sin(t ) + (t − π) u(t − π)
£ ¤ ³ π´ £ ¤
= t u(t ) + sin(t ) − t u t − + t − π − sin(t ) u(t − π)
2

Comme on le voit dans la figure 5.8 on a dû utiliser une description par morceaux de la fonction
g (t ) pour produire son graphe avec la calculatrice Nspire. Comme on vient de voir qu’en utilisant la
fonction échelon-unité on peut exprimer la même fonction en une seule expression mathématique,
on peut se questionner sur l’impact de cette notation dans l’utilisation moderne des outils de calculs
mathématiques.
La fonction échelon-unité est intégrée dans la plupart des logiciels de calcul symbolique ou
numérique. Par exemple, avec Maple on utilise la fonction Heaviside(t ), avec Mathematica on utilise
UnitStep(t ) et avec Matlab on utilise la fonction heaviside(t ). Mais cette fonction n’est pas intégrée à
votre calculatrice Nspire.
On peut cependant utiliser une autre commande de ce système symbolique, la fonction sign(t ) 10 ,
pour créer notre version de la commande échelon-unité. Comme la fonction sign(t ) prend la valeur
1 ou −1 selon que t est positif ou négatif, on peut créer une fonction, nommons-la step(t ), pour
représenter u(t ) avec le logiciel ou la calculatrice Nspire.
(
−1 t < 0 1 + sign(t )
sign(t ) = ⇒ step(t ) =
1 t >0 2

La figure 5.9 illustre la création de cette fonction avec Nspire et son utilisation pour représenter et
tracer le graphe de la fonction g (t ) de l’exemple précédent. On a utilisé le nom « step(t ) » pour cette
commande au lieu de prendre la même notation u(t ) que dans le texte pour éviter des problèmes
d’utilisation avec Nspire lorsqu’on se servira des fonctions pré-programmées du package Laplace 11 .
10. On a déjà rencontré la fonction sign(t ) dans l’annexe A.4 portant sur la combinaison linéaire de sinus et cosinus de
même fréquence.
11. Consultez ce texte disponible dans la section « Documents » du site Moodle du cours MAT265 pour plus de détails
sur l’installation et l’utilisation de ce package
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 35

F IG . 5.9 Utilisation avec Nspire de la fonction échelon-unité.

Comment sont reliées l’introduction et l’utilisation de la fonction échelon-unité à la notion de

transformée de Laplace ? Les propriétés P13, P21 et P22 de votre table répondent à cette question.
Évidemment, pour ce qui est de la transformée de Laplace, la fonction u(t ) est la même que la
fonction constante f (t ) = 1, d’où la propriété P1 de la table.
Pour la propriété P13, il est facile de montrer, en utilisant la définition intégrale de la transformée
et la définition de la fonction échelon-unité, que
Z∞
L u(t − a) = f (t )e −s t d t
© ª

Z0∞
= 1 · e −s t d t
a
¯∞
−e −s t ¯¯
µ −a s ¶
e e −a s
= = 0 − − = en supposant que s > 0
s ¯
a s s

On retrouve donc aisément la propriété P13 de la table

ª e −a s
L
©
u(t − a) =
s

Si on veut maintenant calculer, sans avoir recours à l’intégrale de la définition, la transformée de

Laplace d’expressions du type g (t ) u(t − a), comme sin(t ) u(t − π/2), on utilisera la propriété P21.

L g (t ) u(t − a) = e −a s L g (t + a)
© ª © ª

Cette propriété se démontre aisément, à partir de la définition intégrale, à l’aide d’un changement de
variables. La démonstration est laissée au lecteur (voir l’exercice 5.17 à la page 45).
36 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Exemple 5.20
Utilisez la propriété P21 et les autres propriétés de la table pour calculer la transformée de Laplace
des fonctions données.
(a) h(t ) = (t 2 − 4)u(t − 2) ici on aura, pour l’application de P21, g (t ) = t 2 − 4 et a = 2

L (t 2 − 4)u(t − 2) = e −2s L g (t + 2)
© ª © ª

= e −2s L (t + 2)2 − 4 = e −2s L t 2 + 4t

© ª © ª

−2s 2! 4
µ ¶
=e + en utilisant P3 et P2
s3 s2
2 4
µ ¶
= e −2s 3 + 2
s s

(b) h(t ) = sin(t )u t − π2 ici on aura, pour l’application de P21, g (t ) = sin(t ) et a = π2

¡ ¢

³ π ´ª π π ª
L sin(t )u t − = e − 2 s L g (t + )
© ©
2 2 ´
− π2 s
© ³ π ª π
L sin t + = e − 2 s L cos(t )
© ª
=e
2
− π2 s s
=e
s2 + 1
(c) utilisons la fonction de l’exemple 5.19 (b)
£ ¤ ³ π´ £ ¤
h(t ) = t u(t ) + sin(t ) − t u t − + t − π − sin(t ) u(t − π)
2
Calculons séparément la transformée de Laplace de chaque section de cette fonction.
© ª 1
1. L t u(t ) = L t = 2 avec P2
© ª
s
¤ ³ π ´ª
2. L sin(t ) − t u t −
©£
2
Pour utiliser P21, on a ici g (t ) = sin(t ) − t et a = π2
¤ ³ π ´ª π π ª
L sin(t ) − t u t − = e − 2 s L g (t + )
©£ ©
2 2 ´ ³
− π2 s
© ³ π π ´ª π πª
L sin t + − t + = e − 2 s L cos(t ) − t −
©
=e
2 ¶ 2 2
s 1 1
µ
π π
= e− 2 s 2 − − en utilisant P7, P2 et P1
s + 1 s2 2 s

3. L t − π − sin(t ) u (t − π)
©£ ¤ ª

Pour utiliser P21, on a ici g (t ) = t − π − sin(t ) et a = π

L t − π − sin(t ) u (t − π) = e −πs L g (t + π)
©£ ¤ ª © ª

= e −πs L (t + π) − π − sin (t + π) = e −πs L t + sin(t )

© ª © ª

−πs 1 1
µ ¶
=e + en utilisant P2 et P6
s2 s2 + 1
La réponse finale est
1 s 1 −πs 1 1
µ ¶ µ ¶
− π2 s π
H (s) = + e − − + e +
s2 s 2 + 1 s 2 2s s2 s2 + 1
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 37

Dans cette section, on rencontrera fréquemment des expressions ou solutions d’équations dif-
férentielles du type f (t − a)u(t − a) où a > 0. On sera amené à utiliser la propriété P22 de la table.
Celle-ci sera utilisée pour le calcul de certaines transformées de Laplace inverses lorsque la fonction
e −a s sera présente.
L−1 e −a s F (s) = f (t − a)u(t − a)
© ª

La propriété P22 se démontre aisément, à partir de la définition intégrale, à l’aide d’un changement
de variables. La démonstration est laissée au lecteur.

Exemple 5.21
s
On sait par la propriété P7 que si F (s) = alors f (t ) = cos(3t ). Quel est l’impact dans le domaine
s2 + 9
du temps t si on multiplie la fonction dans le domaine s, F (s), par disons e −2s ?
© −2 s s
L−1
ª ¡ ¢
e = f (t − 2)u(t − 2) = cos 3(t − 2) u(t − 2)
s2 + 9
= cos(3t − 6)u(t − 2)

Le résultat obtenu, à l’aide de P22, représente la fonction cos(3t )u(t ), translatée de 2 unités vers la
droite. Ceci est illustré avec les deux graphes suivants.

Voyons maintenant une fonction spéciale qui, en fait, n’est pas vraiment une fonction au sens
mathématique classique. Considérons une situation où l’on veut appliquer une grande force pour un
très court laps de temps. Pour bien mesurer l’impact de l’application d’une force (constante) il faut
considérer pendant combien de temps elle est appliquée.
En effet, appliquer une force de 1 N pendant une seconde produira le même effet qu’appliquer
1 1
une force de 10 N pendant t = 10 s, ou appliquer un force de 1000 N pendant t = 1000 s.
Dans un contexte électrique, on retrouve ce même type de situation. En effet, appliquer une
tension de 1 V pendant une seconde produira le même effet qu’appliquer une tension de 10 V pendant
1 1
t = 10 s, ou appliquer un tension de 1000 V pendant t = 1000 s.
Dans toutes ces situations, on examine, sous certaines conditions, une force extérieure sur un
objet, système ou circuit électrique, qui mène, dans le cas mécanique, à une variation sur la quantité
38 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

de mouvement. On peut quantifier cette variation en calculant l’intégrale de la force en question sur
un laps de temps donné. On nomme le résultat « impulsion ».
Les 3 graphes de la figure 5.10 montrent trois versions semblables d’une fonction d ǫ (t − a)
illustrant une force appliquée (en N) à, ou autour de, t = a (en secondes). Dans les 3 cas, l’intégrale de
la force sur un intervalle englobant la portion non nulle de celle-ci donne à chaque fois un résultat de
1 N·s. On peut créer d’autres versions de cette situation avec une impulsion totale de 1 N·s, avec un
temps d’application dépendant de ǫ. On peut construire un classeur Nspire qui contient, par exemple,
une densité de probabilité gaussienne (loi Normale) où, avec des curseurs, on peut choisir le moment
t = a où la distribution est centrée et où on peut jouer sur l’écart-type (l’équivalent de notre ǫ) pour
concentrer la surface totale de 1 sous la courbe autour du point central 12 . La fonction force est alors

1 1 t −a 2
f (t ) = p e − 2 ( ǫ )
ǫ 2π

Dans la figure 5.10, on remarque sur les 2 premiers exemples que la force passe instantannément
de la valeur 0 à la valeur constante donnée, ce qui peut sembler irréaliste d’un point de vue physique.
La 3e version pourrait être vue comme plus réaliste. Cela nous ramène à notre discussion précédente
sur la fonction échelon-unité. Nous montrons nos exemples centrés en t = a, donc des fonctions
forces déphasées de a unités vers la droite. On peut évidemment poser a = 0 et avoir des forces f (t )
qui s’appliquent à partir de t = 0.

dε(t-a) dε(t-a)

1 1
ε 2ε

0 a a+ε t 0 a-ε a a+ε t

dε(t-a)

1
ε

0 a-ε a a+ε t

F IG . 5.10 Trois illustrations d’une force appliquée pendant un court laps de temps.

Quoique l’on pourrait analyser des problèmes physiques avec ce type de fonctions où ǫ est petit
mais fixe, le traitement mathématique deviendrait lourd. On aimerait pouvoir travailler avec le cas
limite où ǫ tend vers 0 mais en conservant l’impulsion totale constante, donc conserver
Zt =a+ǫ
f (t − a)d t = 1 ∀ǫ > 0
t =a−ǫ

Cela permettrait de modéliser par exemple la force produite par un coup de marteau. La fonction

12. Consultez ce classeur Nspire pour une illustration de cette densité de probabilité (le résultat est plus satisfaisant avec
la version ordinateur de Nspire)
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 39

delta de Dirac 13 notée δ(t ), ou δ(t −a) si on est centré en t = a, permettra de modéliser ces situations.
Si on regarde comment obtenir celle-ci en t = a, on veut avoir

δ(t − a) = lim+ d ǫ (t − a)
ǫ→0

dε(t-a) δ (t-a)
1
1 ǫ → 0+
ε ⇒

0 a a+ε t 0 a t

F IG . 5.11 La fonction delta de Dirac comme cas limite de la fonction d ǫ (t − a).

On constate ainsi sur la figure 5.11 que plus ǫ s’approche de 0 plus la hauteur 1ǫ sera élevée, tout
en maintenant une surface totale de 1. Quand ǫ → 0, on peut considérer que la hauteur vaut l’infini.
On remarque sur le graphe de droite une flèche vers le haut pour illustrer ce comportement infini. Par
contre, la hauteur de la flèche, avec une valeur de 1, indique une impulsion totale de 1 pour δ(t − a).
Ainsi, si on illustrait sur un graphe 3δ(t − 4), on ferait une flèche vers le haut, d’une hauteur de 3
unités, à t = 4.
On retrouve souvent la fonction delta de Dirac définie à l’aide des équations
(
∞ t =a
δ(t − a) = (5.6)
0 t 6= a
Z∞ Za+ǫ
δ(t − a)d t = δ(t − a)d t = 1 (5.7)
−∞ a−ǫ
On constate que cette dernière intégrale est vraie pour tout intervalle d’intégration incluant le point
t = a. Si on utilisait seulement (5.6) pour définir la fonction delta de Dirac, on rencontrerait un
problème avec la notion d’intégrale. En effet, une fonction prenant une valeur nulle sauf en un point
aurait également une intégrale définie nulle. Cette fonction ne peut donc être considérée comme une
fonction classique au sens mathématique usuel, on parle plutôt d’une « distribution ».
La fonction delta de Dirac ne peut exister sans sa présence dans une intégrale comme dans (5.7).
On rencontre aussi fréquemment l’équation suivante comme définition ou comme propriété de cette
distribution
Za+ǫ Z∞
f (t ) δ(t − a)d t = f (t ) δ(t − a)d t = f (a) (5.8)
a−ǫ −∞

ou, si on est à t = 0
Z+ǫ Z∞
f (t ) δ(t )d t = f (t ) δ(t )d t = f (0) (5.9)
−ǫ −∞

13. Paul Dirac 1902-1984, physicien et mathématicien britannique, colauréat du prix Nobel de physique en 1933, on lui
doit d’importantes contributions en mécanique quantique. (réf. Wikipedia)
40 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

Remarques historiques 1
On peut retracer les premières occurences de ce type de fonctions dans les travaux de
Fourier 2 au début des années 1820 lorsqu’il travaillait sur les principes du transfert de chaleur.
Quelques années plus tard, Green 3 reprend cette idée en travaillant sur le potentiel électrosta-
tique généré par une distribution de charges en remarquant qu’on peut travailler avec la notion
de charges ponctuelles unitaires. Plus tard, ces notions furent utilisées également lors de travaux
par Kirchhov et Heaviside. Ce dernier, de même que plusieurs ingénieurs en électricité, utilisait
couramment le concept derrière cette fonction, dans le cadre du calcul opérationnel mais sans
que ces éléments soient appuyés par des structures mathématiques rigoureuses.
Paul Dirac, dans son traité « Principles of Quantum Physics » en 1930, a présenté pour la
première fois la notation moderne δ(x − y) comme un analogue continu de la fonction delta de
Kronecker. Cette dernière fonction permet de choisir un élément dans une liste de termes. La
fonction delta de Dirac peut permettre de choisir une valeur en t = a d’une fonction continue
f (t ), comme on peut le voir avec l’équation (5.8). Cette utilisation rencontrait cependant de
la résistance dans le domaine de la physique quantique. John von Neumann 4 affirmait que la
fonction delta de Dirac est une fiction, que la mécanique quantique n’a pas besoin de ce concept.
En 1950, Laurent Schwartz 5 a commencé la publication de son oeuvre la plus célèbre
« Théorie des distributions », qui a rendu un formalisme mathématique nécessaire à cette
fonction qu’il nomme plutôt « distribution » ou « fonction généralisée », un nouveau type d’objet
mathématique qui ne vit qu’à travers une définition dans une intégrale. Quand on considère
l’équation (5.8) on peut voir que toute la densité de la distribution est concentrée en t = a,
ou en t = 0 pour l’équivalent avec δ(t ) dans l’équation (5.9). Malgré l’importance du travail
de Schwartz, celui-ci demeurait plutôt ardu à comprendre. Des publications de G. Temple en
1955 et de M. J. Lighthill en 1958 ont permis de mieux expliquer ces nouveaux concepts et ont
contribué à promouvoir ceux-ci sous la forme connue aujourd’hui.
1. Pour plus d’informations, consultez ce document de Nicholas Wheeler, professeur émérite, Reed College
Physics Department.
2. Joseph Fourier 1768-1830, physicien et mathématicien français, on verra de lui au chapitre 8 les séries
trigonométriques, appelées les séries de Fourier. (réf. Wikipedia)
3. George Green 1793-1841, physicien et mathématicien autodidacte britannique. Le théorème de Green
montrant le lien entre l’intégrale de ligne et l’intégrale double dans le plan est ainsi nommé en son honneur.
(réf. Wikipedia)
4. John von Neumann 1903-1957, physicien et mathématicien hongro-américain, on lui doit de nombreuses
contributions en mécanique quantique et en mathématiques appliquées. On peut mentionner également sa par-
ticipation active au développement du nucléaire américain. (réf. Wikipedia)
5. Laurent Schwartz 1915-2002, célèbre mathématicien français, on lui doit de nombreuses contributions en
analyse mathématique et en probabilités. (réf. Wikipedia)

Comme on dispose d’une nouvelle fonction pour décrire certaines situations physiques, on doit
également pouvoir prendre la transformée de Laplace de celle-ci. On reprend l’équation (5.8) en
considérant f (t ) = e −s t , avec a > 0. On obtient
Z∞ Z∞
e −s t δ(t − a)d t = e −s t δ(t − a)d t = f (a) = e −s a
−∞ 0
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 41

Donc on retrouve ainsi les propriétés P14 et P15 de la table

L δ(t − a) = e −a s L
© ª © ª
et, avec a = 0 δ(t ) = 1

Mentionnons finalement le lien entre la fonction échelon-unité et la fonction delta de Dirac.

Reprenons la représentation géométrique de la fonction échelon-unité vue à la page 32

hε(t-a)

0 a a+ε t

On a vu que
u(t − a) = lim+ h ǫ (t − a)
ǫ→0

Quelle est la dérivée de la fonction h ǫ (t − a) ? En se rappelant la définition géométrique de la

dérivée, on constate qu’on aura
(
d 0 t < a ou t > a + ǫ
h ǫ (t − a) = 1
dt ǫ a < t < a +ǫ

Et ce dernier résultat deviendra si ǫ → 0+

(
d 0 t 6= a
u(t − a) = δ(t − a) =
dt ∞ t =a

Considérons maintenant de nouveau la résolution d’équations différentielles, avec la présence de

ces fonctions spéciales, soit u(t − a) ou δ(t − a).

Exemple 5.22

d 2x
Résolvons l’équation différentielle 2
+ 4x = f (t ) avec x(0) = 2 et x ′ (0) = 0.
( d t
2 0<t <4
Considérons ici que f (t ) =
0 t >4
Exprimons la fonction f (t ) à l’aide de fonctions échelon-unité et prenons la transformée de Laplace,
en utilisant les propriétés P1, P13 et P17

d 2x
½ ¾
L L
© ª
+ 4x = 2 − 2u(t − 4)
dt2
42 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

2 2
s 2 X − sx(0) − x ′ (0) + 4X = − e −4s
£ ¤
⇒
s s
2 2
⇒ s 2 X − 2s + 4X = (s 2 + 4)X − 2s = − e −4s
s s
2 2 −4s 2s
⇒ X= − e + 2
s(s 2 + 4) s(s 2 + 4) s +4
En décomposant en fractions partielles les 2 premiers termes, on obtient
1 1 1 s 1 1 1 s 2s
µ ¶ µ ¶
⇒ X= · − · − · − · 2 e −4s + 2
2 s 2 s2 + 4 2 s 2 s +4 s +4
1 1 3 s 1 1 1 s
µ ¶ µ ¶
⇒ X= · + · − · − · 2 e −4s
2 s 2 s2 + 4 2 s 2 s +4
On peut obtenir directement ce dernier résultat en demandant à Nspire de résoudre (solve) pour X la
première équation et en appliquant la décomposition en fractions partielles (expand) au résultat.
En utilisant P1 et P7, on inverse facilement les deux premiers termes
1 3 1 1 1 s
½µ ¶ ¾
x(t ) = + cos(2t ) − L−1 · − · 2 e −4s
2 2 2 s 2 s +4
Pour terminer la solution, on utilisera P22 en posant
1 1 1 s
F (s) = · − · 2 et a = 4.
2 s 2 s +4
On doit alors évaluer f (t − 4)u(t − 4). Ici on a
1 1
f (t ) = − cos(2t )
2 2

1 1 1 s
½µ ¶ ¾
⇒ L−1 · − · 2 e −4s = f (t − 4)u(t − 4)
2 s 2 s +4
1 1
· ¸
¡ ¢
= − cos 2(t − 4) u(t − 4)
2 2
La solution finale de l’équation différentielle sera
1 3 1 1
· ¸
x(t ) = + cos(2t ) − − cos(2t − 8) u(t − 4)
2 2 2 2
En considérant la définition de la fonction échelon-unité, cette solution peut aussi s’écrire
1 3


 + cos(2t ) 0<t <4
x(t ) = 2 2
3 1
 cos(2t ) + cos(2t − 8)

t >4
2 2
On peut également montrer que si t > 4, la solution peut s’écrire en arrondissant à 4 décimales
3 1
cos(2t ) + cos(2t − 8) = 1, 5106 sin(2t + 1, 2372)
2 2
Donc après 4 secondes, la solution est essentiellement sinusoïdale avec une amplitude de 1,5106. Le
graphe suivant, à la figure 5.12, illustre la solution x(t ) obtenue. On doit noter que pour produire ce
graphe avec Nspire, on a utilisé la fonction step(t − 4) et non la fonction u(t − 4). Consultez la page 34
pour plus de détails, ainsi que la figure 5.9 à la page 35.
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 43

F IG . 5.12 La solution de l’exercice 5.22 tracée avec Nspire.

Regardons un exemple où intervient la fonction delta de Dirac.

Exemple 5.23
d2y dy
Résolvons l’équation différentielle +4 + 4y = 2δ(t − 3) avec y(0) = −1 et y ′ (0) = 2.
dt2 dt
Prenons la transformée de Laplace, en utilisant les propriétés P16, P17 et P15
£ 2
s Y − s y(0) − y ′ (0) + 4 sY − y(0) + 4Y = 2e −3s
¤ £ ¤
⇒
⇒ s 2 Y + s − 2 + 4(sY + 1) + 4Y = 2e −3s
⇒ (s 2 + 4s + 4)Y + s + 2 = 2e −3s
⇒ (s 2 + 4s + 4)Y = 2e −3s − (s + 2)
2e −3s s +2
⇒ Y = 2
− 2 mais s 2 + 4s + 4 = (s + 2)2
(s + 4s + 4) (s + 4s + 4)
2e −3s s +2 2 1
⇒ Y = 2
− 2
= 2
e −3s −
(s + 2) (s + 2) (s + 2) s +2
En posant, pour utiliser P22,
2
F (s) = et a = 3
(s + 2)2
on obtient avec P5 f (t ) = 2t e −2t .
2 1
½ ¾
−1
y(t ) = L 2
e −3s −
(s + 2) s +2
= f (t − 3)u(t − 3) − e −2t
= 2(t − 3)e −2(t −3) u(t − 3) − e −2t
44 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

On remarque de la solution obtenue que si 0 < t < 3, il n’y aura que le terme e −2t qui tend vers la
valeur 0 rapidement. Si t > 3, alors la solution peut s’écrire

(2t − 6)e 6−2t − e −2t

Comme les deux exponentielles tendent vers 0 quand t augmente (avec t>3) on remarque que
l’expression précédente tendra aussi vers 0. Le graphe suivant illustre la solution de cette équation
différentielle, valable pour t ≥ 0 (d’où l’ajout de la fonction u(t ) au terme e −2t ). On y constate que la
présence à droite de l’équation différentielle du terme 2δ(t −3) signifie un impact à ce moment (t = 3)
et une influence ponctuelle sur la solution.

Exercices

5.13 Utilisez votre table de transformées de Laplace (en particulier les propriétés P13, P14, P15 et
P21) pour déterminer la transformée des fonctions suivantes
π
(a) f (t ) = t u(t − 1) (e) h(t ) = cos(2t )u(t − ) + 3 cos(2t )
2
(b) g (t ) = (t − 3)2 u(t − 3)
(f ) f (t ) = 2δ(t − 3) − δ(t )
(c) h(t ) = (t + 1)u(t − 5)
(d) f (t ) = e 2t u(t − 3) − e −3t u(t − 2) (g) p(t ) = 2 − 2u(t − 1) − 2δ(t − 1)

5.14 Utilisez la fonction échelon-unité pour exprimer les fonctions suivantes en une seule expres-
sion mathématique. Utilisez ensuite P21 et les autres formules de la table pour calculer la transformée
de Laplace de ces fonctions.
( (
2 0≤t <1 3 0≤t <2
(a) g (t ) = (b) f (t ) =
−1 t ≥1 t t ≥2
5.3. FONCTIONS SPÉCIALES : FONCTIONS ÉCHELON-UNITÉ ET DELTA DE DIRAC 45

1− t2 π
( (
0≤t <1 1 0≤t < 2
(c) g (t ) = (e) h(t ) = π
1 t ≥1 sin(t ) t≥ 2
5 0≤t <2  4−t 0 ≤ t < 4
 

 
(d) q(t ) = 2+t 2≤t <4 (f ) f (t ) = 3 4≤t <6
 
2
4−t t ≥4 9−t t ≥6
 

5.15 Utilisez votre table de transformées de Laplace pour déterminer la transformée inverse des
expressions suivantes

e −2s 1 s π s
(a) + (c) e− 2 s +
(s + 4) 2 s +4 s2 + 1 s2 + 2
e −5s 5s − 1 −4s 3s 2 − 12
µ ¶
(b) + e (d) e −3s
s3 s2 + 4 (s 2 − 16)(s + 5)

5.16 Résolvez, par transformées de Laplace, les équations différentielles suivantes.

di
(a) + 2i = 5 δ(t − 1) avec i (0) = 2
dt
(b) x ′′ + 4x ′ + 4x = 6 δ(t − 2) avec x(0) = 0 et x ′ (0)
( = −3
dy 2 0≤t <3
(c) + 2y = g (t ) avec y(0) = 0 où g (t ) =
dt 1 t ≥3
(
1 0≤t <2
(d) y ′′ − 3y ′ + 2y = g (t ) avec y(0) = 1 et y ′ (0) = 0 où g (t ) =
−1 t ≥2
(e) x ′′ + x = u(t − 3) avec x(0) = 0 et x ′ (0) = 1
d2y
(f ) + y = t − t u(t − 2) avec y(0) = 0 et y ′ (0) = 1
dt2
(g) y ′′ + y = δ(t − π) avec y(0) = 3, y ′ (0) = −1
d2y dy
(h) 2
+2 − 3y = δ(t − 1) − δ(t − 2) avec y(0) = 2 et y ′ (0) = −2
dt dt (
sin(2t ) 0 ≤ t < π
(i) y ′′ + 4y = h(t ) avec y(0) = 0, y ′ (0) = 1 où h(t ) =
0 t ≥π

5.17 Démontrez la propriété P21 en utilisant la définition intégrale de la transformée de Laplace.

Supplément sur les fonctions périodiques.

Vous connaissez déjà des fonctions périodiques. Les fonctions sin(t ) et cos(t ) sont périodiques de
période P = 2π. On dit qu’une fonction est périodique de période P si la fonction se répète à toutes
les P unités, donc si f (t + P ) = f (t ), ∀t ∈ R.
On dit que P est la période (ou la période fondamentale) si P est la plus petite valeur positive
avec cette propriété. Considérons par exemple, f (t ) = 2t + 1 si 0 ≤ t < 2. Rendons cette fonction
périodique en la prolongeant (répétant) avec une période P = 2. Le graphe suivant illustre cette
fonction périodique.
46 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

fP(t)
5

−4 −2 0 2 4 6 8 t

Nous reviendrons plus en détails sur ce type de fonctions au chapitre 8, avec les séries de Fourier.
On rencontre fréquemment ce type de fonctions en génie. On peut calculer la transformée de Laplace
de ces fonctions périodiques à l’aide de la formule suivante, où P est la période de la fonction.
RP
0
e −s t f P (t )d t
L
© ª
f P (t ) =
1 − e −s P

On remarque de cette formule qu’on n’a qu’à intégrer sur une période complète, et non de 0 à l’infini.
De plus, comme partout dans ce chapitre, on ne considère que ce qui se passe à partir de t = 0. Cette
formule se retrouve également à la page 2 de votre table de transformées de Laplace. Pour les curieux
qui voudraient voir d’où vient celle-ci, il faut partir de la définition intégrale de la transformée et bien
se souvenir de son cours de calcul intégral, en particulier des notions de changements de variables et
de séries infinies. Ici, avec l’exercice qui suit, on ne vous demande que d’appliquer cette formule.

5.18 Déterminez la transformée de Laplace des fonctions périodiques suivantes

(a) la fonction périodique illustrée dans l’exemple précédent, soit

f (t ) = 2t + 1 si 0 ≤ t < 2 avec f (t + 2) = f (t )

(b) la valeur absolue de la fonction sin(t ), soit

f (t ) = |sin(t )| qui est de période P = π

(c) la fonction périodique illustrée par le graphe suivant

f(t)

−a 0 a 2a 3a 4a 5a t

−1

(d) la fonction périodique illustrée par le graphe suivant

5.4. LA CONVOLUTION 47

f(t)

−a 0 a 2a 3a 4a 5a t

5.4 La convolution

Considérons l’équation différentielle suivante, avec conditions initiales nulles

y ′′ + 4y = g (t ) avec y(0) = 0, y ′ (0) = 0 (5.10)

Utilisons la notation habituelle où L y(t ) = Y (s), ou plus simplement L y = Y , et où L g (t ) =

© ª © ª © ª

G(s). En prenant la transformée de Laplace de l’équation, on trouvera

s 2 Y + 4Y = G(s)

La solution, dans le domaine s, sera donc

1
Y = G(s)
s2 + 4
On a vu dans les sections précédentes que lorsqu’on connaît la fonction g (t ), on peut procéder
algébriquement, avec la table, pour inverser et trouver la solution cherchée. Mais on peut se deman-
der s’il ne serait pas possible d’avoir une approche unique simple pour résoudre ce problème. En
effet, la solution dans le domaine du temps est la transformée inverse du produit de la transformée
de 21 sin(2t ) avec la transformée de g (t ).
Malheureusement, comme c’est le cas pour la dérivée et l’intégrale, la transformée d’un produit
de fonctions n’est pas le produit des transformées.

L L−1
© ª © ª
f (t ) · g (t ) 6= F (s) · G(s) et F (s) · G(s) 6= f (t ) · g (t )

Mais on peut définir une opération mathématique sur deux fonctions f (t ) et g (t ) qui nous aidera
à apporter une réponse à cette problématique.

Définition 5.5 La convolution de deux fonctions

Considérons deux fonctions f (t ) et g (t ), toutes deux continues par morceaux sur l’intervalle [0 ; ∞[.
La convolution de ces deux fonctions, aussi appelée produit de convolution, est notée f ∗ g et est
définie par Z t
( f ∗ g )(t ) = f (w)g (t − w) d w (5.11)
0
Notons également que le produit de convolution est commutatif, donc f ∗ g = g ∗ f .
48 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

On remarque de l’intégrale de cette définition, que la borne supérieure d’intégration étant la va-
riable t , le résultat sera également une fonction du temps t . La variable w est la variable d’intégration.
Pour effectuer un produit de convolution, il faut pouvoir calculer l’intégrale résultante. Comme vous
pouvez utiliser votre calculatrice pour cela, cela ne devrait pas être un obstacle...

Exemple 5.24

(a) Soit f (t ) = e −2t et g (t ) = e −5t

Zt
e −2t e −5t
( f ∗ g )(t ) = e −2t ∗ e −5t = e −2w e −5(t −w) d w = −
0 3 3

(b) Soit f (t ) = t et g (t ) = sin(3t )

Zt
¡ ¢ t sin(3t )
( f ∗ g )(t ) = t ∗ sin(3t ) = w sin 3(t − w) d w = −
0 3 9

(c) Soit f (t ) = e −2t et g (t ) = sin(3t )

Zt
−2t
e −2w sin 3(t − w) d w
¡ ¢
( f ∗ g )(t ) = e ∗ sin(3t ) =
0
p
3 −2t 13 2
µ µ ¶¶
= e − cos 3t + tan−1
13 13 3

On voit dans cette dernière expression que Nspire, en simplifiant le résultat de l’intégrale, a
combiné un sinus et un cosinus de même fréquence pour obtenir un cosinus avec un angle de
phase. On a déjà rencontré cette manipulation dans le chapitre 3 (voir annexe A.4).
En utilisant les commandes tExpand et propFrac de Nspire, on peut défaire cette combinaison
et obtenir une réponse équivalente
p
3 −2t 13 2 3 3 2
µ µ ¶¶
( f ∗ g )(t ) = e − cos 3t + tan−1 = e −2t − cos(3t ) + sin(3t )
13 13 3 13 13 13

Il faut maintenant voir le lien avec les transformées de Laplace. Le théorème suivant nous
permettra de recourir au produit de convolution pour calculer une transformée de Laplace inverse.

Théorème 5.6 Théorème de convolution

Considérons deux fonctions f (t ) et g (t ), toutes deux continues par morceaux sur l’intervalle [0 ; ∞[.
Considérons également que la transformée de Laplace de chacune de ces fonctions existe, donc

L L
© ª © ª
f (t ) = F (s) et g (t ) = G(s)

Alors, la transformée de Laplace du produit de convolution sera égale au produit des transformées
de Laplace
L ( f ∗ g )(t ) = F (s) · G(s)
© ª
5.4. LA CONVOLUTION 49

Plus important pour nous est le résultat équivalent suivant

Zt
L−1
© ª
F (s) · G(s) = f (w)g (t − w) d w = ( f ∗ g )(t ) (5.12)
0

On retrouve alors la propriété P24 de la table de transformées de Laplace.

(où l’on utilise la variable d’intégration τ au lieu de w)

Si on revient à l’équation différentielle (5.10) du début de cette section, on avait vu que sa solution,
dans le domaine s était
1
Y = 2 G(s)
s +4
où G(s) est la transformée de la fonction g (t ) apparaissant à droite du signe égal dans l’équation
différentielle. En posant F (s) = s 21+4 , donc f (t ) = 21 sin(2t ), et en utilisant la formule de l’équation
(5.12) du théorème de convolution, on trouve
¾ Zt
1 1
½
−1
y(t ) = L 2
G(s) = sin(2w)g (t − w) d w
s +4 0 2

On obtient ainsi une formule unique permettant de résoudre directement l’équation en fonction de
la fonction g (t ). Si la fonction g (t ) = sin(t ), alors
Zt
1 1 1
y(t ) = sin(2w) sin(t − w) d w = sin(t ) − sin(2t )
0 2 3 6

Si on a plutôt la fonction g (t ) = 3t , on trouve

Zt
1 3 3
y(t ) = sin(2w) · 3(t − w) d w = t − sin(2t )
0 2 4 8

On peut évidemment se servir de ce résultat pour calculer la transformée inverse d’un produit de
deux fonctions de s.

Exemple 5.25

(a) Évaluons
1 1 1
½ ¾ ½ ¾
−1 −1
L =L ·
(s 2 + 1)2 (s 2 + 1) (s 2 + 1)
1 1
Posons F (s) = et G(s) = . Avec P6 on trouve f (t ) = g (t ) = sin(t ).
s2 + 1 s2 + 1
En appliquant la convolution, on obtient
¾ Zt
1
½
−1
L = sin(w) sin(t − w) d w
(s 2 + 1)2 0
1 1
= sin(t ) − t cos(t )
2 2
Remarquez que l’on aurait pu obtenir directement ce résultat avec la propriété P29
50 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

(b) Évaluons
3 1 3
½ ¾ ½ ¾
−1 −1
L =L · 2
s 2 (s 2 + 9) 2
(s ) (s + 9)
1 3
Posons F (s) = et G(s) = 2 . Avec P2 et P6 on trouve f (t ) = t et g (t ) = sin(3t ).
s2 s +9
En appliquant la convolution, on obtient
¾ Zt
3
½
−1
L
¡ ¢
2 2
= w sin 3(t − w) d w
s (s + 1) 0
t sin(3t )
= −
3 9
On avait déjà obtenu ce résultat à l’exemple 5.24 de la page 48. Remarquez qu’avec la com-
mande expand de Nspire, on trouverait directement
3 1 1 1 1
= · − ·
s 2 (s 2 + 1) 3 s 2 3 s 2 + 9
et que l’on obtiendrait la même réponse en utilisant les propriétés P2 et P27.

Comme on a pu le constater avec l’exemple précédent, il n’est en général pas nécessaire d’utiliser
la convolution pour calculer des transformées inverses. Si, malgré l’utilisation de la décomposition en
fractions partielles, on reste avec des termes qui ne sont pas dans la table alors il peut être nécessaire
de recourir à cette technique. C’est le cas par exemple de

1 1 1
½ ¾ ½ ¾
L−1 2 3 = L−1 2 2 · 2
(s + 1) (s + 1) (s + 1)

Un cas intéressant à mentionner est celui qu’on retrouve avec la propriété P23 de la table. En
effet, considérons cette situation

−1 F (s) 1
½ ¾ ½ ¾
−1
L =L F (s) ·
s s
1
En posant G(s) = , on trouve g (t ) = 1, une fonction constante. À ce moment, comme la fonction est
s
constante, g (t − w) = 1 également. Le théorème de convolution donne alors
¾ Zt
−1 F (s)
½
L = f (w) d w
s 0

Diviser par s une fonction dans le domaine s équivaut à intégrer de 0 à t la fonction correspondante
dans le domaine du temps.
1
Comme L t e 4t = (voir P5), on aura
© ª
(s − 4)2
¾ Zt
1
½
L −1
= we 4w d w
s(s − 4)2 0
4t − 1 4t 1
= e +
16 16
5.4. LA CONVOLUTION 51

Les dernières remarques de cette section pourraient intéresser ceux parmi vous qui auront, dans
d’autres cours, à approfondir l’analyse des systèmes linéaires. Il s’agit donc d’une partie optionnelle.
Considérons l’équation différentielle suivante où les conditions initiales sont nulles et où les
coefficients a, b et c sont des valeurs réelles non négatives.

a y ′′ + b y ′ + c y = g (t ) avec y(0) = 0, y ′ (0) = 0

Prenons la transformée de Laplace de cette équation. On trouvera

1
(as 2 + bs + c)Y = G(s) ⇒ Y (s) = · G(s)
as 2 + bs + c
Vous remarquerez la similitude d’écriture avec la notation utilisée au chapitre 4. En notation d’opé-
rateur, cette équation s’écrirait
(aD 2 + bD + c)y = g (t )
1
Pour simplifier l’écriture, posons H (s) = . Ainsi, la solution dans le domaine s de l’équa-
as 2 + bs + c
tion différentielle est
Y (s) = H (s) · G(s) (5.13)
Cette écriture nous rappelle le théorème de convolution. En effet, en vertu du théorème 5.6 à la page
48, on peut trouver la solution en prenant la convolution de l’inverse de la fonction H (s) avec la
fonction g (t ). Zt
où L−1 H (s) = h(t )
© ª
y(t ) = h(w)g (t − w) d w
0

Cette équation différentielle peut être vue comme représentant une situation physique où la
fonction g (t ) représente l’entrée (l’input ou la force extérieure) et la solution y(t ) représente le
résultat (l’output ou la résultante). On verra ce type de situation dans le chapitre suivant portant
sur les applications physiques des équations différentielles d’ordre 2.
La fonction H (s) est une caractéristique du système étudié, elle ne dépend pas de l’input appli-
qué. Cette fonction H (s) se nomme une fonction de transfert, elle représente le ratio de l’output sur
l’input.
Y (s)
H (s) =
G(s)
Si la fonction g (t ) = δ(t ), donc une impulsion unitaire en t = 0, alors par la propriété P14, on aura
G(s) = 1. La solution y(t ) est alors simplement l’inverse de la fonction de transfert. On nomme cette
solution la réponse impulsionnelle.

Exercices

5.19 Utilisez la définition (5.11) à la page 47 pour calculer le produit de convolution des fonctions
données

(a) f (t ) = t g (t ) = 2 (c) f (t ) = 1 g (t ) = sin(t )

(b) f (t ) = t g (t ) = e −5t
52 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

5.20 Utilisez le théorème de convolution (le théorème 5.6) à la page 48 pour calculer la transformée
inverse des expressions suivantes
5s s 2
(a) ¡ ¢2 (b) ¡ ¢3 (c)
s2 + 4 s2 + 1 s 2 (s + 3)2

5.21 Utilisez le théorème de convolution (le théorème 5.6) à la page 48 pour exprimer la solution
des équations différentielles suivantes en fonction de g (t )
d2y
(a) + 9y = g (t ) avec y(0) = 0 et y ′ (0) = 0
dt2
d 2x dx
(b) 2
+2 + 5x = g (t ) avec x(0) = 0 et x ′ (0) = 0
dt dt

5.22 Si g (t ) = 2e −t , quelles seront les 2 solutions de l’exercice précédent ?

5.5 Les systèmes d’équations différentielles

Jusqu’à maintenant, l’analyse des systèmes physiques nous amenait à résoudre une équation
différentielle pour obtenir la fonction inconnue cherchée. On utilisait pour cela les techniques vues
aux chapitres 2 et 4, et on peut dorénavant ajouter la technique de résolution à l’aide de transformées
de Laplace vue dans ce chapitre.
Mais on rencontre également des situations ou il peut y avoir deux fonctions inconnues ou plus
dans la modélisation d’un système physique qui est alors représenté par un système d’équations
différentielles.
L’exemple suivant reprend le contexte vu à la section 3.3.1 portant sur des problèmes de mélange.
On va encore s’intéresser à la quantité d’un produit (du sel par exemple) dissous dans l’eau d’un ré-
servoir. Mais nous obtiendrons un système d’équations différentielles si on considère deux réservoirs
connectés entre eux. Nous vous rappelons que si q(t ) représente la quantité de sel (en kg) dans un
dq
réservoir, alors d t représente le taux de variation de cette quantité.

Exemple 5.26

Pour cet exemple, on va considérer deux réservoirs, reliés entre eux selon le diagramme suivant. On y
retrouve également les débits entrants et sortants de chaque réservoir. On considère initialement que
chaque réservoir contient 500 litres d’eau pure. Au temps t = 0, on commence à alimenter le réservoir
1 avec une solution saline contenant 0,20 kg de sel par litre et on maintient les mélanges uniformes
par brassage.
En nommant q 1 (t ) et q 2 (t ) la quantité de sel dans chaque réservoir et en analysant les entrées-sorties
de chacun d’eux on obtient
d q1 q2 q1
= 0, 2 · 12 + ·8− · 20 pour le bilan du réservoir 1
dt 500 500
d q2 q1 q2 q2
= · 20 − · 12 − ·8 pour le bilan du réservoir 2
dt 500 500 500
5.5. LES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES 53

12 L/min

8 L/min

sortie
12 L/min
1 20 L/min 2

F IG . 5.13 Étude du contenu en sel de 2 réservoirs.

En simplifiant, on obtient le système d’équations différentielles

d q 1 12 2q 2 q 1
= + −
dt 5 125 25
d q2 q1 q2
= −
dt 25 25
Avec les conditions initiales q 1 (0) = 0 et q 2 (0) = 0.
On constate que l’on a obtenu un système de deux équations différentielles linéaires (et indépen-
dantes) avec deux inconnues, les fonctions q 1 (t ) et q 2 (t ).

Exemple 5.27

Voici un autre exemple d’un système d’équations différentielles où x(t ) et y(t ), ou plus simplement x
et y, sont deux fonctions inconnues
dx
− 2y = 4t (5.14)
dt
dy
+ 2y − 4x = −4t − 2 (5.15)
dt
avec les conditions initiales x(0) = 4 et y(0) = −5.
Résoudre ce système demande de trouver deux fonctions x et y qui satisfont simultanément chacune
des équations, et les conditions initiales données.

Voyons maintenant comment résoudre ce type de systèmes d’équations. On pourrait s’inspirer

de ce que vous connaissez déjà comme approche pour résoudre des systèmes d’équations linéaires
ordinaires. Dans l’exemple précédent, on peut isoler la variable y dans l’équation (5.14). On obtient
1 dx
y= − 2t
2 dt
Si on substitue ce résultat dans l’équation (5.15), on aura
1 d 2x 1 dx d 2x dx
µ ¶
2
− 2 + 2 − 2t − 4x = −4t − 2 ⇒ 2
+2 − 8x = 0 après simplifications
2 dt 2 dt dt dt
54 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

On pourrait résoudre cette dernière équation (en ajustant la condition initiale donnée pour y) et
ainsi résoudre le système.
On ne favorisera pas cette approche, qui peut s’avérer ardue si les fonctions et leurs dérivées
apparaissent dans chacune des équations. On utilisera plutôt la technique des transformées de
Laplace 14 .

Procédure de résolution d’un système d’équations différentielles

1. Prenez la transformée de Laplace de chaque équation. Vous obtiendrez ainsi un système
d’équations où les inconnues à déterminer (X , Y , · · · ) sont les transformées de Laplace des
fonctions du temps cherchées (x(t ), y(t ), · · · ).
2. Résolvez algébriquement le système obtenu, en vous aidant de votre calculatrice pour
simplifier les calculs (voir exemple suivant).
3. Prenez la transformée inverse de la solution obtenue.

Appliquons cette procédure à l’exemple 5.27.

Exemple 5.28
On veut résoudre le système
dx dy
− 2y = 4t et + 2y − 4x = −4t − 2
dt dt
avec les conditions initiales x(0) = 4 et y(0) = −5. Prenons la transformée de Laplace de chacune des
équations.
4 4
 

 s X − x(0) − 2Y = 2 
 s X − 4 − 2Y = 2
s ⇒ s
4 2 4 2
 sY − y(0) + 2Y − 4X = − −
  sY + 5 + 2Y − 4X = − −

s 2 s s2 s
En ne conservant à gauche de l’égalité que les termes en X et Y , nos inconnues, on obtient
4


 s X − 2Y = 2 + 4
s (5.16)
4 2
 −4X + sY + 2Y = − − − 5

s2 s
En résolvant ce système avec Nspire, on trouve
2(2s − 1) 3 1
X= = +
s 2 + 2s − 8 s + 4 s − 2
−(5s 3 − 14s 2 + 4s − 16) −6 1 2
Y = = + −
s 2 (s 2 + 2s − 8) s + 4 s − 2 s2
En prenant la transformée inverse de chaque résultat, on trouve la solution

x(t ) = 3e −4t + e 2t et y(t ) = −6e −4t + e 2t − 2t

La figure 5.14 montre les calculs faits avec Nspire.

14. On verra également au chapitre 7 comment résoudre numériquement, avec la technique de Runge-Kutta, un système
d’équations différentielles d’ordre 1. Cette approche permettra de résoudre également des systèmes non linéaires, ce qui
serait difficile avec les transformées de Laplace.
5.5. LES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES 55

F IG . 5.14 Solution du système avec Nspire et développement en fractions partielles.

Comme pour tous les systèmes d’équations linéaires, on remarquera que le système 5.16 peut
également s’écrire sous forme matricielle. Cela donnerait

4
 
4
" # " #
s −2 X +
· =
 s2 
−4 s + 2 Y 4 2 
− 2 − −5
s s
Pour un système de deux équations différentielles linéaires (et indépendantes), avec deux inconnues,
on peut toujours exprimer celui-ci de la façon suivante après avoir pris la transformée de Laplace des
équations " # " # " #
f 1 (s) g 1 (s) X h 1 (s)
· =
g 2 (s) g 2 (s) Y h 2 (s)
Notons par A la matrice, à gauche, des coefficients du système et notons par K la matrice des termes
à droite du signe égal. La solution de ce système peut s’obtenir, à l’aide de l’inverse de la matrice A,
en effectuant le produit
" # " #−1 " #
X −1
f 1 (s) g 1 (s) h 1 (s)
sol = =A ·K = ·
Y g 2 (s) g 2 (s) h 2 (s)

Nous vous montrons cette notation car on la rencontre fréquemment dans la littérature. Comme
vous utiliserez votre calculatrice pour effectuer les calculs matriciels, c’est à peine plus long que
l’utilisation de la commande solve de Nspire.
La figure 5.15 suivante illustre cette approche pour l’exemple précédent. On remarquera qu’on
peut demander le développement en fractions partielles de la matrice solution et avoir les termes
cherchés en une seule étape.
Avec un système de 3 équations ou plus, l’approche serait la même. Le fait d’avoir accès à un
calculateur symbolique devient alors plus essentiel considérant la lourdeur des calculs à effectuer.
56 CHAPITRE 5. TRANSFORMÉES DE LAPLACE

F IG . 5.15 Solution du système avec Nspire en utilisant des matrices.

Exercices

5.23 Utilisez la transformée de Laplace pour résoudre les systèmes suivants.

dx dy
(a) =y = −x avec x(0) = 2 et y(0) = −1
dt dt
d i1 d i2
(b) + i 1 − 5i 2 = 0 + 4i 1 + 5i 2 = 0 avec i 1 (0) = −1 et i 2 (0) = 2
dt dt
dx dy dy
(c) +3 + y = et −x = y avec x(0) = 0 et y(0) = 1
dt dt dt
dx dx dy
(d) − 3x − 6y = 27t 2 + − 3y = 5e t avec x(0) = 5 et y(0) = −1
dt dt dt
(e) x ′′ = −2y y ′ = y − x′ avec x(0) = 0, x ′ (0) = 10 et y(0) = 5
2 2
d y d x
(f ) 2
= x −2 = y +2 avec x(0) = 0, x ′ (0) = 1, y(0) = 2 et y ′ (0) = −3
dt dt2
dx d2y d 2x dy
(g) − 2 = 4e −2t 2
+3 − 4x = 2 avec x(0) = 2, x ′ (0) = −1, y(0) = −1 et y ′ (0) = 0
dt dt dt dt

5.24 Considérons la situation décrite à l’exemple 5.26 de la page 52 .

(a) Résolvez le système d’équations différentielles pour déterminer q 1 (t ) et q 2 (t ), les quantités de
sel présentes dans chaque réservoir.
(b) À la limite, combien y aura-t-il de sel dissous dans chaque réservoir ?
(c) Après combien de temps le réservoir 2 contiendra-t-il 40 kg de sel dissous ?

5.25 Résolvez le système suivant

dx dy d2y 1
+ = cos(t ) x+ =2 avec x(π) = 2 , y(0) = 0 et y ′ (0) =
dt dt dt2 2
5.5. LES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES 57

Conseil : comme la condition initiale pour x est donnée en t = π et non en t = 0, vous devriez poser
x(0) = C et résoudre avec les transformées de Laplace. La solution contiendra évidemment cette
constante C . Utilisez ensuite la condition donnée, x(π) = 2, pour déterminer la valeur de C .

5.26 Résolvez le système d’équations différentielles suivant

dx dz
−x + = 4e −2t
dt dt
dy dz
+ 2y + =0
dt dt
dy
2x + +y +z =2
dt
avec les conditions initiales x(0) = 2, y(0) = −1 et z(0) = 0.
Chapitre 6

Applications des équations d’ordre 2

Ce chapitre sera consacré aux applications physiques des équations différentielles d’ordre 2, comme
le chapitre 3 avait traité des applications des équations d’ordre 1. Nous verrons deux contextes
physique soit le mouvement harmonique (oscillatoire) et les circuits électriques. Une troisième
section, optionnelle, traitera plus en profondeur l’utilisation de la transformée de Laplace dans
l’étude des systèmes linéaires.
Pour résoudre les équations différentielles obtenues, nous utiliserons parfois les techniques et
concepts du chapitre 4 (solutions homogènes et particulières, méthode des coefficients indétermi-
nés), parfois la transformée de Laplace, ce qui sera obligatoire lorsqu’on aura présence de fonctions
définies par morceaux ou présence de fonctions delta de Dirac. Comme on l’avait vu au chapitre 3,
vous pourrez utiliser les commandes appropriées de votre calculatrice pour résoudre directement les
équations différentielles modélisant les situations physiques.

6.1 Mouvement harmonique

Dans cette section, nous nous intéressons à des systèmes mécaniques générant des vibrations ou
des mouvements oscillatoires. L’étude de ce type de systèmes est fondamentale en génie. Vous n’avez
qu’à penser à tout ce qui produit ou contrôle des vibrations (amortisseurs d’autos, par exemple), à des
problèmes de rigidité de structures, etc. Nous avons choisi, pour illustrer ces systèmes, un modèle de
base très simple, celui de la masse suspendue à un ressort. L’étude de ce modèle, dans son cas le plus
général, nous amènera à résoudre l’équation différentielle suivante où y est la position d’un objet et
où f (t ) est une force extérieure appliquée sur celui-ci :

d2y dy
m 2
+b + k y = f (t ) où m, b et k sont des constantes positives
dt dt
Considérons, pour commencer, le cas le plus simple soit celui du mouvement harmonique simple où
il n’y a ni force extérieure, ni amortissement.

59
60 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

6.1.1 Mouvement harmonique simple

Considérons un ressort de masse négligeable, suspendu à un support fixe, et un objet de masse

m, accroché à l’extrémité libre du ressort. La figure 6.1 illustre cette situation. À gauche, on voit
seulement le ressort suspendu. Au milieu, à la partie (b), on voit l’objet de masse m suspendu au
bout du ressort, qui s’étire alors d’une longueur s, et on considère le tout en équilibre, donc sans
mouvement. Au repos, la position de l’objet est appelée le point d’équilibre. On voit un référentiel
tracé à droite de la figure, où y représente la position de l’objet, avec y = 0 la position d’équilibre. On
remarque que y représente également l’étirement (si positif ) ou la compression (si négatif ) du ressort
par rapport à sa valeur à l’équilibre.

}s 0
m
} y0

(a) (b) (c) + y

F IG . 6.1 Le mouvement harmonique avec un référentiel pour la position

Si on abaisse l’objet y 0 unités sous le point d’équilibre et qu’on le libère, il en résultera un

mouvement oscillatoire autour du point d’équilibre, le ressort tendant à ramener l’objet à ce point.
Cette propriété du ressort s’appelle la force de rappel et la loi de Hooke 1 permet de décrire son
comportement.

Définition 6.1 Loi de Hooke

La force de rappel d’un ressort, force qui tend à ramener l’objet à son point d’équilibre, est
proportionnelle à l’élongation du ressort (donc à la distance qui sépare l’objet du point d’équilibre).
Notons cette force F R . Si on note par y, l’étirement d’un ressort, cette loi nous indique que

F R = −k y (6.1)

où k est une constante de proportionnalité positive caractérisant chaque ressort.

Remarque : l’étirement y du ressort ne doit pas être trop grande si on veut conserver cette propriété
et éviter une déformation du ressort. De plus, si on a étirement du ressort lorsque y est positif, on
aura compression du ressort quand y est négatif. Dans les deux cas, la force de rappel veut retourner
le ressort à sa position d’équilibre.
1. Robert Hooke (1635-1703), scientifique britannique qui s’intéressa à de nombreux domaines, la biologie, l’astrono-
mie, la mécanique, l’optique, etc. Consultez ce document Wikipedia pour plus de détails.
6.1. MOUVEMENT HARMONIQUE 61

Le lecteur aurait avantage à relire les premières pages du chapitre 3, pour revoir les notions de
base de mécanique, notamment les notions de référentiel, les systèmes d’unités, la deuxième loi de
Newton de même que la notion de diagramme de forces s’appliquant sur un corps. Nous utiliserons
dans ce chapitre ces notions sans autres explications.
Si on se réfère à la figure 6.1, on constate que la direction positive de l’axe y est vers le bas. La
force de rappel est toujours dirigée vers le point d’équilibre. Si l’objet est sous le point d’équilibre, la
force de rappel est négative, puisque dirigée vers le haut. Si l’objet est au dessus du point d’équilibre,
la force de rappel est dirigé vers le bas, donc positive. Dans les deux cas, l’expression donnée à la
définition 6.1, soit F R = −k y avec k > 0, représente bien la force de rappel (en tenant compte du
signe de y).
On peut déterminer expérimentalement la valeur de la constante de proportionnalité k, pour un
ressort donné, de la façon suivante : on suspend un objet au ressort et celui-ci s’étire d’une longueur s.
Au repos, deux forces opposées sont en équilibre : le poids (notons le P et on sait que P = mg ) dirigé
vers le bas et la tension (force de rappel) du ressort dirigée vers le haut. La somme des 2 forces est
nulle puisque l’objet est au repos. On a donc

P + FR = 0 ⇒ mg − ks = 0 ⇒ mg = ks
mg (6.2)
⇒ k= où k est la constante de rappel
s

Dans le mouvement harmonique simple, on ne considère que la force de rappel du ressort pour
expliquer le mouvement de l’objet suspendu à celui-ci, comme à la figure 6.1. Appliquons la deuxième
loi de Newton, F = ma où m est la masse de l’objet, F est la somme algébrique des forces s’exerçant
sur lui et a est l’accélération de l’objet. Avec y représentant la position de l’objet par rapport au point
d’équilibre, on obtient alors l’équation différentielle suivante

d2y d2y
ma = F ⇒ m = −k y ⇒ m +ky = 0 (6.3)
dt2 dt2

On pourrait se demander pourquoi le poids ne semble pas être présent dans notre bilan de forces.
Cela s’explique par le fait que notre référentiel est défini avec y = 0 au point d’équilibre, après avoir
suspendu l’objet au ressort. Pour une position quelconque y de l’objet en mouvement, le ressort est
en réalité étiré d’une longueur de y + s unités par rapport à sa longueur initiale. L’application de la
deuxième loi de Newton nous donnerait
d2y d2y
ma = F = P + F R ⇒ m = mg − k(y + s) ⇒ m = mg − ks − k y
dt2 dt2

Cependant, comme on l’a vu plus haut, mg − ks = 0. On retrouve donc notre résultat pour le
mouvement harmonique simple.
Signalons qu’on utilisera pendant toute cette section sur le mouvement harmonique le référentiel
montré à la figure 6.1 où y désigne la position de l’objet, la direction positive étant vers le bas. La
vitesse de l’objet sera bien sûr donné par

dy
v(t ) = = y ′ (t )
dt
62 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

avec une vitesse positive désignant un mouvement vers le bas et une vitesse négative désignant un
mouvement vers le haut. On note ici que l’on considère que la force de rappel du ressort est la seule
agissant sur l’objet, ce qui n’est pas très réaliste d’un point de vue physique. On verra aux prochaines
sections à ajouter de l’amortissement et une force externe. On notera finalement que l’on considère
qu’il n’y a pas de mouvement avant t = 0, le mouvement débutant à ce moment sous l’effet d’une
position initiale y 0 , et/ou d’une vitesse initiale v 0 .

Mouvement harmonique simple

Un objet de masse m est suspendu à un ressort ayant une constante (positive) de rappel k. La
position y = 0 désigne la position d’équilibre et y la position pendant le mouvement oscillatoire.
L’équation générale sera
d2y
m 2 +ky = 0
dt
avec la position initiale y 0 = y(0) et la vitesse initiale v 0 = v(0) = y ′ (0)

Exemple 6.1

Un objet ayant une masse de 200 g est suspendu à un ressort qui s’étire alors de 10 cm. On descend
l’objet 50 cm sous le point d’équilibre et on le relâche. Déterminons les équations de la position et de
la vitesse de cet objet. Où est l’objet après 2 secondes ; est-ce qu’il monte ou descend ?

Nous devons traduire nos unités pour utiliser celles de base dans le système SI, on veut donc des
forces en newtons (N), des longueurs en mètres (m), des masses en kilogrammes (kg) et le temps en
secondes (s). Pour simplifier les calculs on utilisera g = 10 m/s2 comme valeur pour l’accélération due
à l’attraction gravitationnelle 2 . La valeur de g , à Montréal 3 , est en réalité 9,809 m/s2 (ou N/kg).
Dans notre exemple, on a m = 51 kg, l’étirement initial s = 10 1
m, la position initiale y(0) = 1
2 m et une
′
vitesse initiale y (0) = 0 m/s puisqu’on relâche l’objet à t = 0.
Avec les données fournies on peut déterminer la constant de rappel k du ressort en utilisant l’équa-
tion 6.2 à la page 61. on obtient

1 1
mg = ks ⇒ · 10 = k · ⇒ k = 20
5 10

L’équation différentielle de ce mouvement est

1 d2y d2y 1 ′
+ 20y = 0 ou + 100y = 0 avec y(0) = , y (0) = 0 (6.4)
5 dt2 dt2 2

Pour résoudre celle-ci, plusieurs approches sont possibles.

2. Certains auteurs parlent de l’accélération ou de l’intensité de la gravité, d’accélération gravitationnelle, en anglais on

retrouve souvent le terme « gravity of earth »
3. Cette valeur va varier un peu selon l’emplacement, la latitude et la hauteur sur terre. À l’équateur, on parle d’environ
9,78 alors qu’aux pôles on aurait 9,83 (la terre n’est pas une sphère parfaite, l’important est la distance au centre de la
terre). En altitude, cette valeur diminue légèrement, on parle de 9,77 au sommet de l’Everest. La valeur nominale moyenne
pour g est de 9,81 m/s2 ou 32,2 pi/s2 en système impérial. Cette valeur nominale moyenne, g = 9,806 65 m/s2 avec plus de
précision, fut établie à Paris en 1901 par la 3e « Conférence générale des poids et mesures ».
6.1. MOUVEMENT HARMONIQUE 63

1. On peut utiliser les techniques du chapitre 4. En notation d’opérateur, l’équation s’écrit

¡ 2 ¢
D + 100 y = 0

L’équation caractéristique m 2 +100 = 0 ayant comme racines m = ±10i , on a la solution générale

y = C 1 sin(10t ) + C 2 cos(10t )

En appliquant les deux conditions initiales et en dérivant la position on trouve

1 dy
y= cos(10t ) et v(t ) = = −5 sin(10t )
2 dt

2. On peut également résoudre l’équation 6.4 à l’aide de transformées de Laplace.

d2y 1
½ ¾
L + 100y = 0 ⇒ s 2 Y − s + 100Y = 0
dt2 2
¡ 2 ¢ 1
⇒ s + 100 Y = s
2
1 s
⇒ Y =
2 s 2 + 100
On retrouve ainsi la réponse précédente

1 −1 n s o 1
y(t ) = L = cos(10t )
2 s 2 + 100 2

3. Comme il s’agit d’un chapitre traitant d’applications physiques, vous pouvez utiliser les com-
mandes appropriées de votre calculatrice pour obtenir directement la solution de l’équation
différentielle posée. On utilise ici la commande solved de la librairie ets_specfunc (voir page 28)

La syntaxe est ets_specfunc\solved équation,{ y(t ), y(0), y ′ (0)} si y(t ) est la fonction inconnue
¡ ¢

cherchée. De plus, dans l’équation, on doit toujours utiliser y(t ) et non seulement y.
La commande deSolve de Nspire, vue plus tôt cette session, peut également être utilisée pour ré-
soudre l’équation différentielle. Nous préférons cependant utiliser la commande solved, comme
dans l’exemple, puisque cette commande permet également de travailler avec des fonctions
échelon-unité et delta de Dirac.
En évaluant les fonctions position et vitesse pour t = 2 secondes, on trouve

y(2) = 0, 204041 m et v(2) = −4, 56473 m/s

64 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Après 2 secondes, l’objet est 20,4 cm sous le point d’équilibre et il remonte à une vitesse de 4,56 m/s.
Notons également que l’accélération de l’objet est
dv d2y
a(t ) = = = −50 cos(10t )
dt dt2
À t = 2 secondes, on a une accélération de a(2) = −20, 4 m/s2. La vitesse et l’accélération étant toutes
deux négatives, on peut conclure que la grandeur de la vitesse augmente à t = 2 secondes.
Traçons le graphe de la solution y(t ).

y(t) =π
5 amplitude = 1
2
1
2

0 π 2π 3π 4π π 6π t
5 5 5 5 5

1
2

On constate avec l’exemple précédent, qu’un mouvement harmonique simple est caractérisé par
des oscillations sans fin autour du point d’équilibre. Le fait de ne considérer aucune autre force, de
friction ou d’amortissement par exemple, ce qui n’est pas très réaliste d’un point de vue physique,
nous conduit à ce cas idéalisé de mouvement perpétuel ou rien ne vient dissiper l’énergie du système
mis en marche avec nos conditions initiales (position et vitesse à t = 0). On verra plus loin à considérer
des facteurs d’amortissement.
Le mouvement harmonique simple est caractérisé par une solution du type
q
y = C 1 sin(ωt ) + C 2 cos(ωt ) ou y = C 12 + C 22 sin(ωt + φ) = A sin(ωt + φ)

• son amplitude A ; par définition c’est l’éloignement maximal par rapport au point d’équilibre.
1
Pour l’exemple précédent, comme on le voit sur le graphe, l’amplitude A = 2 m ou 50 cm.
• sa période P ; c’est le temps nécessaire pour que l’objet effectue un cycle complet. En général,
si on a des termes sin(ωt ) ou cos(ωt ), la période est

2π 2π π
P= , dans notre exemple, on a P = = = 0,628 319 seconde
ω 10 5
• la fréquence f des oscillations 4 ; c’est le nombre de cycles par seconde et l’inverse de la
période.
1 ω 5
f = = , dans notre exemple, on a f = = 1,591 55 cycles par seconde
P 2π π
4. On utilise également le terme fréquence (vitesse) angulaire pour désigner la valeur de ω. La fréquence f , en cycles
par secondes s’obtient en divisant la fréquence angulaire ω qui est en rad/s par 2π qui est en rad/cycle.
6.1. MOUVEMENT HARMONIQUE 65

Considérons de nouveau l’exemple précédent en conservant les mêmes données, mais en y

ajoutant une vitesse initiale 4 m/s vers le bas.

Exemple 6.2

Reprenons les données de l’exemple 6.1, page 62. On a une masse de m = 15 kg, une constante de
rappel k = 20, une position initiale y(0) = 12 m. On avait également une vitesse initiale nulle, qu’on
remplace ici par une vitesse initiale de 4 m/s vers le bas, donc
v(0) = y ′ (0) = 4 m/s.
La vitesse initiale est positive puisque dirigée vers le bas, qui est la direction positive de la position.
On remarque ici que puisqu’on descend l’objet 50 cm sous le point d’équilibre et qu’on lui donne
une vitesse initiale de 4 m/s vers le bas, on s’attend à ce que l’objet descende plus bas que la position
initiale de 50 cm.
On a l’équation différentielle suivante pour cette situation
1 d2y d2y 1
2
+ 20y = 0 ou 2
+ 100y = 0 avec y(0) = , y ′ (0) = 4 (6.5)
5 dt dt 2
Considérant l’exemple précécdent, pour résoudre on peut
1. appliquer les 2 conditions initiales à la solution générale
y = C 1 sin(10t ) + C 2 cos(10t )
2. utiliser la condition y ′ (0) = 4 en appliquant la méthode des transformées de Laplace, on trouve
alors
1
s +4
Y = 22
s + 100
3. ou plus simplement utiliser la commande solved sur votre calculatrice, pour trouver la solution

1 2
y(t ) = cos(10t ) + sin(10t ) et v(t ) = 4 cos(10t ) − 5 sin(10t )
2 5

y(t) =π
5
amplitude = 0,64

1
2

0 π 2π 3π 4π π 6π t
5 5 5 5 5

1
2
66 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

On constate sur le graphique de la solution que l’objet va descendre jusqu’à 64 cm sous le point
d’équilibre, ce qui correspond à l’amplitude du mouvement. On voit également que la période est
encore P = 2π/10 = π/5, ce qui est normal puisqu’on additionne deux fonctions trigonométriques
avec cette période. Où est l’objet après 4 secondes ? Quelle est alors sa vitesse ? Après calculs, on trouve

y(4) = −0,035 424 m et v(4) = −6,393 32 m/s.

Après 4 secondes de mouvement, l’objet est 3,54 cm en haut du point d’équilibre et il remonte avec
une vitesse de 6,39 m/s.

On remarque que la courbe solution est du type sinusoïdale, mais déphasé par rapport à un sinus
ou à cosinus de base, qui à t = 0 aurait une valeur nulle ou un maximum. On a déjà rencontré cette
situation au chapitre 3, à la section 3.2 sur les circuits électriques. On avait vu le résultat suivant.
En utilisant une identité trigonométrique pour transformer une combinaison linéaire de sinus et
cosinus de même fréquence, on peut montrer que
p
A cos(ωt ) + B sin(ωt ) = A 2 + B 2 sin(ωt + φ) (6.6)

A B A
µ ¶
où sin(φ) = p et cos(φ) = p ⇒ φ = arctan
A2 + B 2 A2 + B 2 B
Considérant les limites de la fonction arctan, cette identité n’est valable que si la valeur de B
est positive. Consultez l’annexe A.4 pour plus d’explications sur cette transformation et pour voir
une version plus générale de cette identité. Votre calculatrice possède une commande, tcollect( ),
permettant d’effectuer cette transformation. Pour les données de notre exemple, on peut vérifier que

5
p p µ ¶
A 2 + B 2 = (0, 5)2 + (0, 4)2 = 0,640 312 et φ = arctan = 0,896 055
4

La solution y(t ) peut ainsi s’écrire

1 2
y(t ) = cos(10t ) + sin(10t ) = 0,640 312 sin(10t + 0,896 055)
2 5
Comme on le constate sur la figure suivante, où l’on utilise la commande tcollect en mode « exact »
ou en mode « approché » (avec ctrl enter), cette réponse peut aussi s’exprimer à l’aide d’un cosinus
déphasé
y(t ) = 0,640 312 cos(10t − 0,674 741)
6.1. MOUVEMENT HARMONIQUE 67

Tout mouvement harmonique simple aura un résultat semblable à celui des deux derniers
exemples. On peut même en faire un cas général.
On suspend un objet de masse m à un ressort ayant une constante de rappel k. Avec un référentiel
comme celui indiqué à la figure 6.1, page 60, et considérant une position initiale y(0) = y 0 et une
vitesse initiale v(0) = y ′ (0) = v 0 , on obtient l’équation suivante à résoudre

d2y d2y k
m +ky = 0 ou + y =0
dt2 dt2 m
r
2k k
En posant ω = ou ω = , l’équation à résoudre devient
m m

d2y
+ ω2 y = 0 avec y(0) = y 0 et y ′ (0) = v(0) = v 0
dt2
Il est facile de montrer (faites-le) que la solution de cette équation est
v0
y(t ) = sin(ωt ) + y 0 cos(ωt )
ω
En utilisant l’identité trigo 6.6, cette solution peut aussi s’écrire (si v 0 ≥ 0)
s
v 02
µ ¶
ωy 0
y(t ) = A sin(ωt + φ) avec A= + y 02 et φ = tan −1
ω2 v0

6.1.2 Mouvement harmonique amorti

Comme on le mentionnait à la page 64, le mouvement har-

monique simple n’est pas très réaliste. On sait que tout mou-
vement oscillant finit par s’arrêter. Naturellement, la friction
ou la résistance de l’air devrait nous donner un amortisse-
ment dans le mouvement, une diminution dans l’amplitude
des oscillations et un retour éventuel au point d’équilibre pour
m 0
s’arrêter.
On peut même amplifier l’amortissement du mouvement en
ajoutant, comme sur la figure ci-contre, un mécanisme amor-
tisseur. Si le piston montré à droite est dans un milieu assez
visqueux, il pourrait même ne pas y avoir d’oscillation autour
du point d’équilibre mais plutôt un lent retour à ce point. + y

Nous allons maintenant considérer qu’en plus de la force de rappel, il y aura une force d’amor-
tissement qui s’applique sur l’objet en mouvement. De par sa nature, cette force s’oppose toujours
au mouvement, que l’objet monte ou descende. Cette nouvelle force, notée F a , est toujours dirigée à
l’opposé du mouvement. On considère également que celle-ci est proportionnelle à la vitesse, comme
on l’avait vu au chapitre 3.

dy
F a = −b v ⇒ F a = −b avec b > 0
dt
68 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Si on intègre cette nouvelle composante à l’équation 6.3 de la page 61 qui résulte de l’application de
la deuxième loi du mouvement de Newton, on obtient

d2y dy d2y dy
ma = F ⇒ m = −k y − b ⇒ m +b +ky = 0 (6.7)
dt2 dt dt2 dt

Dans l’équation précédente, le coefficient positif b est parfois nommé la constante d’amortissement
ou le coefficient d’amortissement.
Mouvement harmonique amorti (sans force extérieure)
Un objet de masse m est suspendu à un ressort ayant une constante (positive) de rappel k.
On considère de plus une force d’amortissement proportionnelle à la vitesse avec un coefficient
(positif ) d’amortissement b. La position y = 0 désigne la position d’équilibre et y la position
pendant le mouvement oscillatoire. L’équation générale sera

d2y dy
m 2
+b +ky = 0
dt dt

avec la position initiale y 0 = y(0) et la vitesse initiale v 0 = v(0) = y ′ (0)

Exemple 6.3

Reprenons les données de l’exemple 6.2, page 65. On a une masse de m = 15 kg, une constante de
rappel 5 k = 20 kg/s2, une position initiale y(0) = 21 m. On a aussi une vitesse initiale de 4 m/s vers le
bas, donc
v(0) = y ′ (0) = 4 m/s.
La vitesse initiale est positive puisque dirigée vers le bas, qui est la direction positive de la position.
Ajoutons à cette situation une force d’amortissement, avec un coefficient d’amortissement
12
b= kg/s (les unités peuvent s’écrire N-s/m ou N-sec/m)
5
On a l’équation différentielle suivante pour cette situation
1 d 2 y 12 d y
+ + 20y = 0 ou, en multipliant l’équation par 5
5 dt2 5 dt (6.8)
d2y dy 1
2
+ 12 + 100y = 0 avec y(0) = , y ′ (0) = 4
dt dt 2
En solutionnant cette équation avec la commande deSolve( ) ou la commande solved( ) de la
calculatrice, on trouve la solution

1 7
µ ¶
−6t
y(t ) = e cos(8t ) + sin(8t )
2 8
p
65 −6t 4
µ µ ¶¶
= e sin 8t + arctan
8 7
5. On utilise ici comme unités pour la constante k des kg/s2. On aurait pu aussi utiliser des N/m. L’important est
d’obtenir des newtons en multipliant par une longueur en mètres.
6.1. MOUVEMENT HARMONIQUE 69

La présence du terme e −6t nous confirme que la valeur de y retourne à 0 rapidement, ce qui
est normal d’un point de vue physique. On remarque aussi la présence de fonctions sinusoïdales,
ce qui suppose que l’objet devrait osciller de chaque côté du point d’équilibre. Si on diminue la
force d’amortissement, on pourrait s’attendre à un retour plus lent au point d’équilibre avec plus
d’oscillations. Si on reprenait nos données actuelles mais avec un coefficient d’amortissement deux
fois plus petit, donc b = 65 kg/s, on trouverait la solution suivante :
y(t ) = 0, 763e −3t sin (9, 539t + 0, 714)
Dans cette dernière réponse, on constate un terme amortisseur e −3t plus faible que dans la première
réponse. La figure suivante illustre les deux fonctions position obtenues.

On peut penser qu’avec un amortissement encore plus faible, le retour à l’équilibre serait plus
long. Considérons encore les mêmes données que l’exemple précédent mais avec maintenant un
coefficient d’amortissement b = 25 kg/s, soit 6 fois moins que notre valeur initiale à l’exemple 6.3 à la
page 65. Résolvons l’équation différentielle du mouvement
1 d2y 2 d y 1
+ + 20y = 0 avec y(0) = m et y ′ (0) = v(0) = 4 m/s
5 dt2 5 dt 2
En utilisant Nspire pour résoudre celle-ci, on trouve
70 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Voici le graphe de cette solution

Les 3 derniers exemples illustrent ce qu’on nommera un mouvement harmonique sous-amorti. Les
solutions sont de la forme

y(t ) = Ae −r t sin(ωt + φ) ou y(t ) = e −r t (C 1 sin(ωt ) + C 2 cos(ωt )) (6.9)

où A, r et ω sont des constantes positives.

Cette solution est un signal sinusoïdal, « enveloppé » par une fonction exponentielle décroissante
qui ramène la position y vers le point d’équilibre. Le résultat n’est pas à proprement parler une
fonction périodique (la fonction ne reprend pas les mêmes valeurs à chaque période), mais la
présence d’une fonction sinus indique une périodicité dans le passage par le point d’équilibre (ou par
le maximum ou le minimum). Une telle fonction est dite pseudo-périodique et la pseudo-période est
définie par le temps entre deux passages successifs à un maximum (ou un minimum). Ici, avec notre
notation, la pseudo-période est
2π
pseudo-période P =
ω

On remarquera, en comparant les résultats précédents avec ceux du mouvement harmonique

simple (sans amortissement) à la page 64, que les valeurs de ω observées dans le mouvement
amorti sont inférieures à la valeur obtenue (ω = 10) avec le mouvement sans amortissement. Cela
signifie que la pseudo-période sera un peu plus longue illustrant le fait que l’amortissement allonge
légèrement le temps nécessaire pour passer par 2 maximums successifs ou pour effectuer un cycle
complet. Par conséquent la fréquence du mouvement amorti sera légèrement plus faible que la
fréquence naturelle du système oscillant. On définit ainsi la fréquence naturelle d’un mouvement
harmonique comme la fréquence du mouvement en considérant qu’il n’y a que la force de rappel du
ressort agissant sur l’objet.
Il peut arriver cependant que la force d’amortissement soit trop importante pour permettre
des oscillations et générer une solution ou un mouvement « sous-amorti ». Considérons toujours
6.1. MOUVEMENT HARMONIQUE 71

les mêmes données traitées dans cette section mais avec une force d’amortissement valant 5 fois
la vitesse. Pour être plus précis, il faudrait dire que la force est F a = −5 v ou que le coefficient
d’amortissement est b = 5 kg/s.

Exemple 6.4

Reprenons les données de l’exemple 6.2, page 65. On a une masse de m = 15 kg, une constante de
rappel k = 20 kg/s2, une position initiale y(0) = 12 m et une vitesse initiale de 4 m/s vers le bas,
donc v(0) = y ′ (0) = 4 m/s. Considérons de plus une force d’amortissement, avec un coefficient
d’amortissement b = 5 kg/s.
On obtient l’équation différentielle suivante pour cette situation

1 d2y dy 1
2
+5 + 20y = 0 avec y(0) = et y ′ (0) = 4 (6.10)
5 dt dt 2
En résolvant cette équation, on trouve la solution

14 −5t 13 −20t
y(t ) = e − e
15 30
La figure suivante montre la solution obtenue (courbe en bleu). On a ajouté également (en rouge) une
autre solution obtenue en variant les conditions initiales.

On constate des solutions constituées de deux fonction exponentielles décroissantes, ramenant

rapidement l’objet au point d’équilibre. Il n’y a plus présence d’une fonction sinusoïdale, on ne peut
plus parler d’oscillations autour du point d’équilibre. Il peut arriver, selon les conditions initiales,
que l’objet traverse une fois le point d’équilibre. Cependant, le comportement général est le retour au
point d’équilibre, sans oscillations.
72 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Dans l’exemple précédent, on constate qu’en augmentant suffisamment la force d’amortisse-

ment on obtient une situation où l’objet retourne à son point d’équilibre sans oscillations. On parle
dans ce cas d’un mouvement harmonique sur-amorti. La réponse se présente alors sous la forme

y(t ) = C 1 e −r 1 t + C 2 e −r 2 t où r 1 et r 2 sont deux constantes positives

On a vu à l’exemple 6.3, page 68, la même situation que précédemment mais avec un coefficient
d’amortissement b = 12 5 kg/s donnant un mouvement sous-amorti. Avec l’exemple précédent, page
71, avec un bien plus important coefficient d’amortissement b = 255 = 5 kg/s, on obtient un mouve-
ment sur-amorti.
On peut se douter qu’il doit exister une valeur du coefficient d’amortissement, valeur située entre
les deux valeurs précédentes, où se produit le passage d’un mouvement sur-amorti à un mouvement
sous-amorti. Cette situation correspondra à un mouvement avec amortissement critique.

Exemple 6.5

Reprenons encore les données de l’exemple 6.2, page 65. On a une masse de m = 15 kg, une constante
de rappel k = 20 kg/s2, une position initiale y(0) = 12 m et une vitesse initiale de 4 m/s vers le bas.
Considérons de plus une force d’amortissement, avec une coefficient d’amortissement

b = 4 kg/s

On obtient l’équation différentielle suivante pour cette situation

1 d2y dy 1
2
+4 + 20y = 0 avec y(0) = et y ′ (0) = 4 (6.11)
5 dt dt 2
En résolvant cette équation, on trouve la solution

1 −10t
µ ¶
y(t ) = 9t + e
2

On obtient une solution constituée d’une droite multipliée par une fonction exponentielle décrois-
sante. Il en résulte un retour rapide vers le point d’équilibre. En diminuant le coefficient d’amor-
tissement (b = 4 kg/s) par rapport à la valeur utilisée dans l’exemple précédent pour le cas sur-
amorti (b = 5 kg/s), on s’attend à un retour plus rapide au point d’équilibre. En effet, plus la force
d’amortissement augmente, plus l’opposition au déplacement sera grande...
On constate en évaluant la réponse qu’après 1 seconde, on sera pour ainsi dire revenu au point
d’équilibre (y(1) = 0, 000431 m). Même après 21 seconde, on est déjà à 3,37 cm seulement au-dessous
du point d’équilibre.
Dans certaines applications physiques, cette propriété sera recherchée. On peut mentionner les
amortisseurs d’une auto, ou le mécanisme de fermeture automatique des portes qui assure le retour
graduel de celles-ci à leur position normale fermée.
La figure suivante montre la solution obtenue (courbe en bleu). On a ajouté également (en rouge) la
solution de l’exemple précédent où le mouvement est sur-amorti.
6.1. MOUVEMENT HARMONIQUE 73

Le tableau qui suit résume les différentes situations possibles lorsqu’on analyse un mouvement
harmonique amorti (sans force extérieure).

Mouvement harmonique amorti : analyse des types d’amortissement

L’équation générale du mouvement harmonique amorti est

d2y dy
m 2
+b + k y = 0 avec position initiale y 0 = y(0) et vitesse initiale v 0 = v(0) = y ′ (0)
dt dt
Si on utilise la notation « opérateur » vue au chapitre 4, cette équation différentielle peut aussi
s’écrire
m D2 + b D + k y = 0
¡ ¢

En considérant les racines du polynôme m D 2 + b D + k, trois situations peuvent se produire.

• Si b 2 − 4k m < 0, on a 2 racines complexes et on obtient un mouvement sous-amorti avec
une solution ayant la forme (où r et ω sont deux constantes positives)

y(t ) = Ae −r t sin(ωt + φ) ou y(t ) = e −r t (C 1 sin(ωt ) + C 2 cos(ωt ))

• Si b 2 − 4k m > 0, on a 2 racines réelles distinctes et on obtient un mouvement sur-amorti

avec une solution ayant la forme

y(t ) = C 1 e −r 1 t + C 2 e −r 2 t où r 1 et r 2 sont deux constantes positives

• Si b 2 − 4k m = 0, on a une racine réelle double et on obtient un mouvement où l’on a un

amortissement critique avec une solution ayant la forme

y(t ) = (C 1 + C 2 t )e −r t où r est une constante positive

74 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

6.1.3 Mouvement harmonique forcé

Jusqu’à maintenant, nous avons considéré un système mécanique oscillant où interviennent une
force de rappel et une force d’amortissement. On a pu constater à la section précédente que le
mouvement résultant implique toujours un retour au point d’équilibre. Regardons maintenant ce
qui se produira si on ajoute une 3e force qui elle contribue (encourage) au mouvement. En premier,
considérons une force extérieure contributive de la forme f (t ) = A sin(ωt ) ou f (t ) = A cos(ωt ). On
peut obtenir ce type de force externe en reprenant le système harmonique précédent et en donnant
au support de notre ressort un mouvement oscillant (sinusoïdal) vertical de période P = 2π ω . Cela
transmettra à notre objet suspendu un force f (t ) de même fréquence. On verra plus loin d’autres
situations faisant appel, entre autres, aux fonctions spéciales vues au chapitre 5 (voir page 31).
En appliquant la deuxième loi de Newton, comme on l’avait fait à la page 68 pour le mouvement
amorti, mais en y ajoutant une force externe f (t ), on obtient

d2y dy d2y dy
ma = F ⇒ m 2
= −k y − b + f (t ) ⇒ m 2
+b + k y = f (t ) (6.12)
dt dt dt dt

Dans l’équation précédente, la force f(t) est considérée positive car elle contribue au mouvement.
En réalité, si elle est du type f (t ) = A sin(ωt ), elle sera positive sur une demi-période et négative sur
la demi-période suivante. En général, cette force externe vous sera donnée et vous pourrez l’utiliser
directement dans l’équation du mouvement.

Mouvement harmonique forcé (avec amortissement)

Un objet de masse m est suspendu à un ressort ayant une constante (positive) de rappel k.
On considère une force d’amortissement proportionnelle à la vitesse avec un coefficient (positif )
d’amortissement b. On a de plus une force externe f (t ) qui contribue au mouvement. La
position y = 0 désigne la position d’équilibre et y la position pendant le mouvement oscillatoire.
L’équation générale sera
d2y dy
m 2 +b + k y = f (t )
dt dt
avec la position initiale y 0 = y(0) et la vitesse initiale v 0 = v(0) = y ′ (0)

Exemple 6.6

Reprenons les données de l’exemple 6.3, page 68. On a une masse de m = 15 kg, une constante de
rappel k = 20 kg/s2, une position initiale y(0) = 12 m et une vitesse initiale de 4 m/s vers le bas,
donc v(0) = y ′ (0) = 4 m/s. Considérons de plus une force d’amortissement, avec un coefficient
d’amortissement b = 25 kg/s. Sans force extérieure, le mouvement résultant est celui du graphe de
la page 70.
Ajoutons maintenant une force extérieure f (t ) = 10 sin(5t ) N. L’équation du mouvement devient

1 d2y 2 d y 1
+ + 20y = 10 sin(5t ) avec y(0) = et y ′ (0) = 4 (6.13)
5 dt2 5 dt 2
6.1. MOUVEMENT HARMONIQUE 75

En résolvant cette équation, on trouve la solution

−t 269
p 601 p 20 150
µ ¶
y(t ) = e cos(3 11t ) + sin(3 11t ) − cos(5t ) + sin(5t )
458 15114 229 229
= e −t 0, 5873 cos(9, 9499t ) + 0, 1319 sin(9, 9499t ) − 0, 0873 cos(5t ) + 0, 6550 sin(5t )
£ ¤

Cette solution est constituée de deux parties distinctes. La première composante

e −t 0, 5873 cos(9, 9499t ) + 0, 1319 sin(9, 9499t )

£ ¤

représente la partie transitoire. L’exponentielle négative e −t fera éventuellement disparaître l’impact

de cette composante, ici après environ 5 secondes 6 . La deuxième partie représente le régime
permanent de la solution (y perm ). Dans cet exemple,

y perm = −0, 0873 cos(5t ) + 0, 6550 sin(5t )

ou, en utilisant les identités de la page 66

y perm = 0, 6608 sin(5t − 0, 1326)

La partie transitoire de la solution correspond à la solution homogène vue au chapitre 4 et ici

correspond au type de réponse obtenue pour le mouvement amorti (voir à la page 69). Les conditions
initiales n’affectent que cette partie de la solution, donc que le début du mouvement. Le régime
permanent (la solution particulière vue au chapitre 4) résulte uniquement de la force (source) externe
appliquée. On obtient une solution sinusoïdale de même fréquence que la force externe mais avec
une amplitude différente et un déphasage par rapport à cette source. La figure suivante montre la
solution obtenue (courbe en bleu). On a ajouté également (en rouge) le régime permanent.

6. Mathématiquement, cette partie transitoire ne devient pas nulle, il serait plus juste de dire que sa valeur devient
négligeable. Ici, après t = 5 secondes, e −5 = 0.0067 et cette partie de la solution est inférieure à 0, 0038.
76 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

On constate au début un comportement plus aléatoire, dépendant de la partie transitoire et des

conditions initiales en plus du régime permanent. On voit bien qu’après quelques secondes, les
deux courbes se confondent. Si on modifie seulement les conditions initiales, on verra une différence
seulement pour les premières secondes, le régime permanent reste le même.
Il est courant dans ces types de problèmes de poser certaines questions sur le résultat obtenu. Par
exemple,
(a) Quel est l’écart maximal de l’objet par rapport au point d’équilibre ?
On a vu à la page précédente que la position de l’objet est

y(t ) = e −t 0, 5873 cos(9, 9499t ) + 0, 1319 sin(9, 9499t ) − 0, 0873 cos(5t ) + 0, 6550 sin(5t )
£ ¤

Il est très difficile de répondre à cette question sans considérer le graphe de la solution. En effet,
dériver la position y(t ) et résoudre en posant cette dérivée égale à 0 conduit à de nombreuses
solutions correspondant à des minimums ou des maximum locaux. Utiliser la commande
fMax de Nspire comporte son lot de difficultés, par exemple la sensibilité au domaine (dans
cet exemple, si on spécifie 0 < t < 8 on obtient une réponse différente de celle obtenue avec
5 < t < 8, et pourtant les 2 réponses obtenues sont entre t = 5 et t = 8). De plus un simple
coup d’oeil au graphe de la figure précédente nous apprend qu’on cherche plutôt un minimum
absolu.
En sachant qu’on cherche une position autour de t = 1 seconde on trouve que l’écart maximal
par rapport au point d’équilibre sera après t = 0, 9634 seconde. L’objet est alors à 88,985 cm
en haut du point d’équilibre (puisque la position est négative).
(b) Quelle est l’amplitude du mouvement en régime permanent ? Quel est l’angle de phase ?
Le régime permanent de cette solution est

20 150
y perm = −0, 0873 cos(5t ) + 0, 6550 sin(5t ) = − cos(5t ) + sin(5t )
229 229
p
10 229 2
µ ¶
= 0, 6608 sin(5t − 0, 1326) = sin 5t − arctan( )
229 15

Dans une expression du type A sin(ω t + φ), A représente l’amplitude de l’onde sinusoïdale et
φ est l’angle de phase, en radians.
L’amplitude du mouvement en régime permanent est, dans cet exemple, de 66,08 cm et l’angle
de phase est de 0,1326 radians.
6.1. MOUVEMENT HARMONIQUE 77

Pour terminer cette section, nous allons considérer un exemple de force externe non sinusoïdale
en utilisant les fonctions spéciales présentées à la section 5.3 du chapitre sur les transformées de
Laplace, à la page 31. On utilisera des fonctions échelon-unité et une fonction delta de Dirac.

Exemple 6.7
Considérons un mouvement harmonique avec une masse de
m = 1 kg, une constante de rappel k = 10 kg/s2 et une force
d’amortissement, avec un coefficient d’amortissement b = 2
kg/s. Au temps t = 0 l’objet est descendu 25 cm sous le point
d’équilibre et on lui donne une vitesse initiale de 2 m/s vers le
bas, donc une position initiale y(0) = 14 m et v(0) = y ′ (0) = 2
m/s.
m 0
On va également considérer une force extérieure, f (t ), com-
posée de deux parties : on applique une force constante (vers
le bas) de 2 N pendant les 5 premières secondes et après f(t)
8 secondes, on donne un coup de marteau, vers le bas, sur
notre objet suspendu, ce qu’on représente par une force, une
impulsion de 2δ(t − 8) N. + y
La force extérieure de cet exemple sera représentée par la fonction

f (t ) = 2u(t ) − 2u(t − 5) + 2δ(t − 8)

L’équation différentielle à résoudre est

d2y dy 1
+2 + 10y = 2u(t ) − 2u(t − 5) + 2δ(t − 8) avec y(0) = et y ′ (0) = 2 (6.14)
dt2 dt 4
(a) Résolvez cette équation pour trouver la position y(t ).
En utilisant la table de transformées de Laplace, on trouve que la solution dans le domaine s
est
s +2 1 −5s 2e −8s 1 s + 42 1
µ ¶
Y = 2
− e + 2 + 2
+
5(s + 2s + 10) 5s s + 2s + 10 20 s + 2s + 10 5s
On utilise ensuite la table et les techniques vues au chapitre 5 pour trouver la solution
1 ¢ 1 ¢ −(t −5) 1 2
·µ ¶ ¸
u(t − 5) + e −(t −8) sin 3(t − 8) u(t − 8) + · · ·
¡ ¡ ¡ ¢
y(t ) = cos 3(t − 5) + sin 3(t − 5) e −
5 15 5 3
1 41 1
· µ ¶ ¸
+ e −t cos(3t ) + sin(3t ) + u(t )
20 60 5
On peut évidemment plus simplement utiliser la commande solved de Nspire pour obtenir
78 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

(b) Tracez le graphe de cette solution sur un intervalle montrant bien les différents comporte-
ments de la position de l’objet.

Au début du mouvement, on remarque sur le graphe un comportement semblable à un

mouvement sous-amorti avec des oscillations autour d’une valeur qui semble être y = 0, 2 m.
L’objet oscille autour d’une hauteur de 20 cm sous le point d’équilibre. On peut se questionner
sur ce comportement pendant les 5 premières secondes.
Comme la force appliquée est constante et vaut 2 N vers le bas, c’est comme si on ajoutait
un « poids » de 2 N sur l’objet déjà suspendu au ressort. Comme on sait que P = k s où P
est le poids, k la constante de rappel du ressort et s est l’étirement du ressort dû au poids P
suspendu, on peut calculer qu’appliquer une force constante de 2 N implique un étirement
supplémentaire de 20 cm du ressort, et par conséquent une déplacement vers le bas du point
d’équilibre de l’objet avec ce poids supplémentaire.
Entre t = 5 et t = 8 secondes, aucune force externe n’agit sur le mouvement, on retrouve donc
un mouvement sous-amorti classique. À t = 8 secondes, on voit l’impact ponctuel du coup
de marteau vers le bas. Comme cette force n’agit qu’à t = 8, elle communique une nouvelle
vitesse vers le bas à notre objet qui était presque revenu immobile au point d’équilibre. Après
cet impact, on retrouve le même type de comportement sous-amorti qu’après t = 0 ou après
t = 5 secondes.

6.1.4 La résonance mécanique

Dans un mouvement harmonique, si l’amplitude du mouvement décrit par la masse, au lieu de

diminuer ou de se stabiliser à une certaine valeur, se met à augmenter jusqu’à ce qu’on ait un bris
mécanique, alors on est en présence du phénomène de résonance mécanique. Lorsqu’aucune force
extérieure n’est appliquée au système masse-ressort, on aura en général des oscillations autour du
point d’équilibre. C’est le comportement naturel du système. Si on néglige la force d’amortissement,
on parle alors de la fréquence naturelle du mouvement pour décrire la fréquence des oscillations
autour du point d’équilibre.
Si on applique une force extérieure sinusoïdale qui a la même fréquence (ou une fréquence sem-
blable pour le mouvement amorti) que la fréquence naturelle, il se produira le phénomène suivant : si
6.1. MOUVEMENT HARMONIQUE 79

l’objet est naturellement en train de descendre, alors la force extérieure va accentuer cette tendance
et l’objet descendra plus bas qu’il ne le ferait naturellement. Même remarque lorsqu’il monte. Il en
résulte, dans le cas non amorti, que d’une oscillation à l’autre, l’amplitude du mouvement augmente
jusqu’au bris mécanique. On dit alors qu’on a un mouvement en résonance. L’exemple suivant
illustre cette situation.

Exemple 6.8

Considérons un mouvement harmonique avec une masse de m = 15 kg, une constante de rappel k =
20 kg/s2 et négligeons les forces d’amortissement. Au temps t = 0 l’objet est descendu 50 cm sous le
point d’équilibre et on lui donne une vitesse initiale de 4 m/s vers le bas, donc une position initiale
y(0) = 21 m et v(0) = y ′ (0) = 4 m/s. Appliquons de plus une force externe f (t ) = 2 cos(10t ) N.
L’équation différentielle à résoudre est

1 d2y 1
+ 20y = 2 cos(10t ) avec y(0) = et y ′ (0) = 4 (6.15)
5 dt2 2

Sans force extérieure, ce problème avait été résolu à l’exemple 6.2 à la page 65. On avait trouvé la
solution
1 2
y(t ) = cos(10t ) + sin(10t ) = 0,640 312 cos(10t − 0,674 741)
2 5
10
La fréquence naturelle de ce mouvement harmonique simple est de f = 2π . En appliquant une force
externe de même fréquence, f (t ) = 2 cos(10t ), on devrait obtenir un phénomène de résonance. En
résolvant l’équation 6.15 on trouve

1 t 2
y(t ) = cos(10t ) + ( − ) sin(10t )
2 2 5
Comme on le constate sur le graphe suivant, l’amplitude des oscillations augmente constamment.
Cela est causé par la présence du terme linéaire devant sin(10t ). Considérant les limites physiques du
ressort, il se produira assurément une déformation de celui-ci ou un bris.

En général, on cherche à éviter le phénomène de résonance 7 lorsqu’on construit des systèmes

ou des structures mécaniques. Plusieurs cas célèbres existent pour illustrer ces problématiques. Le
7. Consultez le site de Wikipédia pour plus de détails sur la résonance, ses cause et ses applications.
80 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

désastre du pont de Tacoma en 1940 8 est un de ces cas qui a modifié les approches de conception de
structures. On a longtemps attribué à un problème de résonance la chute de ce pont. Aujourd’hui on
parle plutôt d’un problème d’instabilité aéroélastique. Plus récemment, mentionnons les problèmes
du Millennium Bridge 9 à Londres inauguré en l’an 2000 et fermé 2 jours après son ouverture au
public. Il a fallu presque deux ans de travaux pour corriger les problèmes d’oscillations excessives de
ce pont piétonnier. En électronique par contre, on peut rechercher cet effet pour amplifier certains
signaux.
Lorsqu’on a une force d’amortissement, l’amplitude du mouvement ne peut augmenter sans
limite. Mais cette amplitude peut cependant devenir assez grande pour qu’il y ait bris mécanique.
Dans cette situation, la fréquence de la force extérieure doit être légèrement inférieure à la fréquence
naturelle du système. C’est d’ailleurs ce qu’on a observé dans les exemples de mouvement sous-
amorti de la section 6.1.2 à la page 67. Plus le coefficient d’amortissement était faible, plus la
fréquence du mouvement sous-amorti se rapprochait de la fréquence naturelle du système.
Si on applique, à partir de t = 0, une force extérieure

f (t ) = A cos(ω t )

sur un objet ayant une masse de m kg, suspendu à un ressort ayant une constante de rappel de k
kg/s2 et une force d’amortissement proportionnelle à la vitesse, avec un coefficient d’amortissement
de b kg/s, l’équation différentielle du mouvement sera

d2y dy
m 2
+b + k y = A cos(ω t )
dt dt
On peut démontrer que le régime permanent de ce système sera

A
y=p cos(ω t + φ)
(mω2 − k)2 + b 2 ω2

On peut également démontrer que l’amplitude maximale de ce mouvement en régime permanent,

donc la résonance, se produira si ω est choisi tel que
s
k b2
ω= − pourvu que b 2 < 2km
m 2m 2

8. Consultez cette page (en anglais) pour des explications détaillées sur ce désastre et ses causes. Cette vidéo permet
également de bien voir les oscillations jusqu’à l’écrasement du pont.
9. Consultez cette page Wikipedia pour des renseignements de base sur cet ouvrage. Ce document détaille technique-
ment la problématique au niveau de la conception, les analyses techniques et les solutions trouvées. Cette vidéo permet
de voir la problématique des oscillations latérales (remarquez le mouvement de la foule vers la 45e seconde).
6.1. MOUVEMENT HARMONIQUE 81

Exercices

Dans les exercices suivants, utilisez g = 9, 8 m/s2 ou g = 32, 2 pi/s2 selon le système d’unités utilisé.

6.1 Lorsqu’on suspend un objet de 10 kg à un ressort, ce dernier s’étire de 50 cm. Cet objet est
amené 10 cm sous le point d’équilibre puis relâché. On néglige l’amortissement.
(a) Trouvez la vitesse et la position de l’objet en fonction du temps.
(b) Déterminez l’amplitude, la période et la fréquence du mouvement.
(c) Déterminez la position, la vitesse et l’accélération de l’objet 0,25 seconde après le début du
mouvement.

6.2 Un objet de 2 kg étire un ressort d’une longueur de 40 cm. Lorsque l’objet est au point
d’équilibre, on le frappe vers le bas, lui donnant une vitesse initiale de 1 m/s. L’impact a lieu au temps
t = 0.
(a) Trouvez la vitesse et la position de l’objet en fonction du temps.
(b) Déterminez l’amplitude, la période et la fréquence du mouvement.
(c) Déterminez la vitesse et l’accélération de l’objet lorsqu’il est à 10 centimètres au-dessus du
point d’équilibre et qu’il se dirige vers le haut.

6.3 Lorsqu’on suspend un objet de 20 kg à un ressort, ce dernier s’étire de 98 cm. L’objet est
descendu 10 centimètres sous le point d’équilibre, et on lui donne une vitesse de 1 m/s, vers le haut.
La constante d’amortissement pour ce système vaut 140 N-sec/m.
(a) Déterminez la valeur de la constante de rappel k, posez l’équation différentielle de ce mou-
vement et trouvez la position de l’objet en fonction du temps. S’agit-il d’un mouvement sur-
amorti ou sous-amorti ?
(b) Quand cet objet repassera-t-il au point d’équilibre ?
(c) Résolvez de nouveau ce mouvement mais en supposant que le ressort s’étire plutôt de 9,8 cm
lorsqu’on suspend la masse de 20 kg. Quel type d’amortissement obtenez-vous ? S’agit-il d’un
mouvement sur-amorti, sous-amorti ou bien d’un amortissement critique ?
(d) De combien le ressort devrait-il s’étirer, en suspendant la masse de 20 kg, pour que l’on
obtienne une situation d’amortissement critique ?

6.4 Un objet dont le poids est de 4 livres étire un ressort de 3 pouces. L’objet est descendu 6 pouces
sous le point d’équilibre, puis relâché. En supposant une force d’amortissement égale à 2v (où v est
la vitesse au temps t, exprimée en pieds par seconde), trouvez la position de l’objet en fonction du
¡ ¢
temps. Donnez le résultat sous la forme A (t ) sin ωt + φ .

6.5 Une masse de 8 kg est attachée à un ressort ; ce dernier s’étire alors de 1,96 mètres pour atteindre
l’équilibre. Le coefficient d’amortissement vaut 3 N-sec/m. Au temps t = 0 alors que le système
est à l’équilibre, une force externe f (t ) = cos (3t ) est appliquée au système. Déterminez le régime
permanent du système.
82 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

6.6 Une masse de 8 kg est attachée à un ressort. La constante de rappel vaut 0,625 N/m. Le
coefficient d’amortissement vaut 3 N-sec/m. Au temps t = 0, le système est à l’équilibre. Une force
externe est appliquée : f (t ) = δ (t ) + δ (t − π).
(a) Trouvez la position de l’objet en fonction du temps.
(b) Tracez le graphe de la position pour bien faire ressortir le mouvement et l’effet des impulsions.

6.7 Déterminez l’équation du mouvement et celle de la vitesse pour un système non amorti, régi
par l’équation
d2y
+ 4y = 3 cos (2t ) avec y (0) = 1 et y ′ (0) = 0
dt2
Tracez le graphe de la position.

6.8 On suspend une masse de 1 kg à un ressort ayant une constante de rappel de 100 N/m. On
néglige la force d’amortissement et on applique une force extérieure de 36 cos(8t ) N. Les conditions
initiales sont nulles, donc y(0) = 0 et v(0) = y ′ (0) = 0
(a) Montrez que la solution de ce mouvement harmonique peut s’écrire comme suit

y(t ) = 2 sin(t ) sin(9t )

(b) Montrez que le graphique de cette solution sera celui qui suit

Remarque : ce problème illustre un type d’ondes vibratoires important en acoustique et en

optique.

6.9 On suspend un objet de 1 kg à un ressort. L’objet est descendu 50 centimètres sous le point
d’équilibre et on le relâche. On considère une constante de rappel valant 29 N/m et une constante
d’amortissement de 4 N-sec/m. On applique de plus une force extérieure de 6 sin(3t ) mais seulement
à partir de t = π secondes, donc (
0 si t < π
f (t ) =
6 sin(3t ) si t ≥ π
(a) Exprimez la force extérieure f (t ) en termes de fonctions échelon-unité, posez l’équation
différentielle et déterminez la position de l’objet en fonction du temps.
6.2. CIRCUITS ÉLECTRIQUES 83

(b) Faites le graphe de la solution pour 0 ≤ t ≤ 10

(c) Quel est le régime permanent de ce mouvement ? Quelle est l’amplitude en régime permanent ?

6.2 Circuits électriques

Nous avons déjà commencé l’étude des circuits électriques au chapitre 3. Maintenant que nous
savons résoudre une équation différentielle linéaire d’ordre 2, nous pouvons regarder ce qui se passe
dans un circuit RLC de base. Considérons le circuit de la figure suivante :

i(t)
R
e(t)
vC(t)
S

Le tableau suivant (vu au chapitre 3) résume les principales notions nécessaires à l’analyse de ce
circuit.

Élément Quantité Symbole Unités Représentation visuelle

source voltage V ou e(t ) volt (V) ou

résistance résistance R ohm (Ω)

bobine inductance L henry (H)

condensateur capacitance C farad (F) ou

courant i ampère (A)

charge q coulomb (C)

Relations importantes
di q
vR = R i vL = L vC =
dt C
v R + v L + vC = e(t ) ou =V (si la source est constante)
dq dv
=C C
R
i= q = i dt
dt dt

Dans l’analyse de ce circuit, i (t ) représente le courant électrique circulant dans le circuit et vC (t )

la tension électrique (la différence de potentiel) aux bornes du condensateur. Au chapitre 3, on se
84 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

limitait à l’étude des circuits RL ou RC car on ne pouvait résoudre que des équations différentielles
d’ordre 1. En sachant résoudre des équations d’ordre 2, on peut maintenant analyser le circuit RLC.
Après application des lois physiques appropriées, le circuit précédent se modélise par

di q di
L + R i + = e(t ) ⇒ L + R i + vC = e(t )
dt C dt

d vC
En notant que i = C on obtient, par substitution, l’équation suivante avec laquelle on
dt
travaillera dans cette section

d 2 vC d vC
LC +RC + vC = e(t ) (6.16)
dt2 dt

Pour la résolution de cette équation différentielle, je dois avoir 2 conditions initiales

vC (0) = la tension initiale aux bornes du condensateur.
′ i (0)
vC (0) = qui est fonction du courant initial à t = 0.
C
On peut considérer que i (0) = 0 si on ferme l’interrupteur S de la figure précédente à t = 0 (ce sera
toujours le cas dans cette section). En effet, le circuit étant ouvert si t < 0, le courant électrique ne
′
peut circuler et doit forcément être nul. On peut donc considérer à ce moment que vC (0) = 0.

Exemple 6.9
Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 21 H, une
1
résistance de R = 6 Ω, un condensateur de C = 50 F et une source de e(t ) = 24 sin(10t ) volts. À t = 0
on ferme l’interrupteur et le courant commence à circuler. On considère que le condensateur a une
′
tension initiale de 5 volts, donc vC (0) = 5 V et que vC (0) = 0.
En utilisant la forme générale de l’équation du circuit RLC (voir l’équation 6.16 dans l’encadré ci-
dessus), on obtient l’équation suivante à résoudre

2
1 1 d vC 1 d vC
· 2
+6· + vC = 24 sin(10t )
2 50 d t 50 d t

d 2 vC d vC
⇒ + 12 + 100vC = 2400 sin(10t ) (6.17)
dt2 dt
′
avec les conditions initiales vC (0) = 5 et vC (0) = 0
Pour résoudre cette équation, on peut utiliser différentes approches comme on l’a fait à la page
63 pour le mouvement harmonique. Comme il s’agit d’une application physique, après ce premier
exemple on utilisera la résolution directe avec Nspire de l’équation différentielle obtenue (voir point
3 plus bas).

1. On peut utiliser les techniques du chapitre 4. En notation d’opérateur, l’équation s’écrit

¡ 2 ¢
D + 12D + 100 vC = 2400 sin(10t )
6.2. CIRCUITS ÉLECTRIQUES 85

L’équation homogène associée est D 2 + 12D + 100 vC = 0.

¡ ¢

L’équation caractéristique m 2 + 12m + 100 = 0 a comme racines m = −6 ± 8i .

La solution générale homogène sera

vC (t ) = e −6t (C 1 sin(8t ) + C 2 cos(8t ))

Le candidat pour la solution particulière sera

vC p (t ) = A sin(10t ) + B cos(10t )

En résolvant et en utilisant les conditions initiales, on trouve la solution suivante

−6t 75
µ ¶
vC (t ) = e sin(8t ) + 25 cos(8t ) − 20 cos(10t )
4
2. On peut également résoudre l’équation 6.17 à l’aide de transformées de Laplace.
( 2 )
d vC d vC
L + 12 + 100vC = 2 400 sin(10t )
dt2 dt
10
⇒ s 2VC − 5s + 12 sVC − 5 + 100VC = 2 400 · 2
¡ ¢
s + 100
5 s 3 + 12s 2 + 100s + 6000
¡ ¢
⇒ VC = ¡ 2
s + 100 s 2 + 12s + 100
¢¡ ¢

25s + 300 20s 25(s + 6) + 150 20s

⇒ VC = ¡ 2 ¢− 2 = − 2
s + 12s + 100 s + 100 (s + 6)2 + 82 s + 100
En prenant la transformée inverse de ce résultat, on retrouve la réponse précédente
75
µ ¶
vC (t ) = e −6t sin(8t ) + 25 cos(8t ) − 20 cos(10t )
4
3. Comme il s’agit d’un chapitre traitant d’applications physiques, vous pouvez utiliser les com-
mandes appropriées de votre calculatrice pour obtenir directement la solution de l’équation
différentielle posée. On utilise ici la commande solved de la librairie ets_specfunc (voir page 28)

La syntaxe est ets_specfunc\solved équation,{ y(t ), y(0), y ′ (0)} si y(t ) est la fonction inconnue
¡ ¢

cherchée. De plus, dans l’équation, on doit toujours utiliser y(t ) et non seulement y.
La commande deSolve de Nspire, vue plus tôt cette session, peut également être utilisée pour
résoudre l’équation différentielle. Nous préférons cependant éviter celle-ci. Cette commande ne
permet pas de travailler avec des sources e(t ) continues par morceaux ou avec des impulsions.
Elle peut également donner des résultats étonnants ; résolvez l’équation de cet exemple avec
la commande deSolve de votre calculatrice. Notez que la solution obtenue (avec OS 5.1) sera
équivalente à la réponse précédente 10 .
10. Pour comprendre cette équivalence entre les deux réponses, il faut regarder du côté des identités trigonométriques
qui transforment le terme −20 cos(10t ) en une combinaison linéaire de puissances de sin(t ) et de cos(t )
86 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Reprenons la solution obtenue pour notre circuit électrique

−6t 75
µ ¶
vC (t ) = e sin(8t ) + 25 cos(8t ) − 20 cos(10t ) (6.18)
4

On remarque dans cette solution deux parties distinctes :

La partie transitoire e −6t 75
¡ ¢
4 sin(8t ) + 25 cos(8t ) qui correspond à la solution homogène (en tenant
compte des conditions initiales) et qui tend vers 0. On a également le terme −20 cos(10t ) qui
correspond à la solution particulière et qui représente le régime permanent pour ce circuit. Après
2 ou 3 secondes, il ne reste que ce terme, la partie transitoire devenant négligeable. On remarquera
également que les conditions initiales du circuit n’ont un impact que sur la partie transitoire de la
réponse. Le régime permanent ne dépend que de la source appliquée et des composantes du circuit.
dv
Considérant la relation i = C C , on trouvera pour ce circuit
dt
1 d −6t 75 25
µ µ ¶ ¶
i (t ) = e sin(8t ) + 25 cos(8t ) − 20 cos(10t ) = 4 sin(10t ) − e −6t sin(8t )
50 d t 4 4

Voici, sous forme graphique, les deux solutions

S’il n’y a pas de source extérieure dans notre circuit RLC, donc si e(t ) = 0, on dit que le circuit est
en régime libre. Il y aura alors une solution non nulle seulement s’il y a une forme d’énergie dans
le circuit au temps t = 0. En général, cela se produit en ayant une tension initiale aux bornes du
condensateur, donc avec un condensateur ayant une charge initiale non nulle (vC (0) 6= 0). L’équation
est alors
d 2 vC dv
+ R C C + vC = 0
′
LC 2
avec vC (0) = v 0 vC (0) = 0 (6.19)
dt dt
On suppose ici comme précédemment (voir page 84) que le courant initial à t = 0 est nul. La solution
de l’équation 6.19 donnera la réponse naturelle du circuit. Comme on l’avait vu avec le mouvement
6.2. CIRCUITS ÉLECTRIQUES 87

harmonique (voir page 73), cette réponse naturelle pourra se rencontrer sous 3 formes selon les
valeurs combinées de R, L et C .
En utilisant la notation opérateur vue au chapitre 4, l’équation 6.19 devient
LC D 2 + RC D + 1 vC = 0 avec l’équation caractéristique associée LC m 2 + RC m + 1 = 0
¡ ¢

Les racines de cette équation quadratique sont

p s s
−RC ± R 2C 2 − 4LC R R 2C 2 − 4LC 1R R2 1
m= =− ± 2 2
= − ± 2
−
2LC 2L 4L C 2L 4L LC

Selon les valeurs des racines m, 3 scénarios sont possible. Posons

R2 1 R
q
β2 = 2
− α=− ⇒ les racines sont m = α ± β2
4L LC 2L

Circuit électrique en régime libre : analyse des types de réponses

L’équation générale du circuit RLC en régime libre est

d 2 vC d vC ′
LC +RC + vC = 0 avec vC (0) = v 0 vC (0) = 0
dt2 dt
Si on utilise la notation « opérateur » vue au chapitre 4, cette équation différentielle peut aussi
s’écrire
LC D 2 + RC D + 1 vC = 0
¡ ¢

En considérant les racines de l’équation caractéristique, trois situations peuvent se produire.

• Si β2 < 0, on a 2 racines complexes etpon obtient une réponse sous-amortie avec une
solution ayant la forme (en posant ω = −β2 )

vC (t ) = Ae α t sin(ωt + φ) ou vC (t ) = e α t (C 1 sin(ωt ) + C 2 cos(ωt ))

• Si β2 > 0, on a 2 racines réelles distinctes et on obtient une réponse sur-amortie avec une
solution ayant la forme

vC (t ) = C 1 e r 1 t + C 2 e r 2 t où r 1 = α + β et r 2 = α − β

• Si β2 = 0, on a une racine réelle double (m = α) et on obtient un réponse où l’on a un

amortissement critique avec une solution ayant la forme
−R
vC (t ) = (C 1 + C 2 t )e α t vC (t ) = (C 1 + C 2 t )e 2L t

Les valeurs des constantes C 1 et C 2 sont ensuite obtenues en appliquant les conditions initiales.

On remarque que pour chacune des 3 situations précédentes, vC (t ) → 0 puisque α, r 1 et r 2

prennent des valeurs négatives. Donc chaque terme en exponentielle converge vers 0 quand t aug-
mente. Dans le contexte du circuit électrique, cela signifie que si aucune source extérieure d’énergie
n’alimente le circuit, la réponse tombera rapidement à 0.
88 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Exemple 6.10
Reprenons les données de l’exemple 6.9 à la page 84, mais en considérant que la source est nulle
donc e(t ) = 0.
(a) On a donc un circuit RLC où sont branchés en série une bobine (inducteur) de L = 12 H, une
1
résistance de R = 6 Ω et un condensateur de C = 50 F mais avec une source de e(t ) = 0 volts.
Comme à l’exemple précédent, on considère que le condensateur a une tension initiale de 5
′
volts, donc vC (0) = 5 V et que vC (0) = 0. En substituant ces valeurs dans l’équation générale
6.19, on obtient

2
1 1 d vC 1 d vC ′
· 2
+6· + vC = 0 avec vC (0) = 5 et vC (0) = 0
2 50 d t 50 d t
En se référant au cas général dans le tableau précédent, on constate que

R2 1 62 1 p
β2 = − = ¡ ¢ − = −64 < 0 avec ω = 64 = 8
4L 2 LC 4 · 1 2 1
2 · 1
50
2

On aura une réponse sous-amortie puisque β2 < 0. En résolvant l’équation différentielle avec
la commande solved de la librairie ets_specfunc (voir page 28), on trouve comme solution

15
µ ¶
vC (t ) = e −6t sin(8t ) + 5 cos(8t )
4

Comme on l’a vu à la page 66 (consultez également l’annexe A.4), cette dernière réponse peut
aussi s’écrire
25 3 25
µ µ ¶¶
vC (t ) = e −6t cos 8t − arctan ou vC (t ) = e −6t sin(8t + 0,927 295)
4 4 4

(b) Modifions maintenant la valeur de la résistance et de la capacitance, en laissant les autres

valeurs intactes. Considérons que R = 3 Ω et que C = 41 F. L’équation devient
2
1 1 d vC 1 d vC ′
· 2
+3· + vC = 0 avec vC (0) = 5 et vC (0) = 0
2 4 dt 4 dt
En se référant au cas général dans le tableau précédent, on constate que

R2 1 32 1
β2 = 2
− = ¡ 1 ¢2 − 1 1 = 1 > 0
4L LC 4 · 2·4
2

On aura une réponse sur-amortie puisque β2 > 0. En résolvant l’équation différentielle avec la
commande solved, on trouve comme solution

vC (t ) = 10e −2t − 5e −4t

Comme nous l’avons déjà mentionné, un des avantages du traitement des équations différen-
tielles par les transformées de Laplace réside dans la facilité avec laquelle on peut traiter des fonctions
définies par morceaux. Nous verrons cette situation dans le prochain exemple, avec une source
constante appliquée seulement pendant un certain temps.
6.2. CIRCUITS ÉLECTRIQUES 89

Exemple 6.11
1
Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 10 H, une
11 −3 5
résistance de R = 4 Ω, un condensateur de C = 5 mF (donc C = 5 · 10 = 1000 ) et une source de
e(t ) = 4 volts. À t = 0 on ferme l’interrupteur et le courant commence à circuler. On considère que le
′
condensateur a une tension initiale de 2 volts, donc vC (0) = 2 V et que vC (0) = 0. Après t = 1 seconde,
on coupe la source de 4 V, donc (
4 0≤t <1
e(t ) =
0 t ≥ 1 ou t < 0
Avec la la notion de fonction échelon-unité, on peut décrire plus simplement la source :

e(t ) = 4u(t ) − 4u(t − 1)

En utilisant la forme générale de l’équation du circuit RLC (voir 6.16), on obtient l’équation suivante
à résoudre
2
1 5 d vC 5 d vC
· + 4 · + vC = 4u(t ) − 4u(t − 1)
10 1000 d t 2 1000 d t
′
avec les conditions initiales vC (0) = 2 et vC (0) = 0
La solution obtenue avec la commande solved de Nspire nous donne

vC (t ) = e 20−20t 4 cos(40t −40)+2 sin(40t −40) u(t −1)−e −20t 2 cos(40t )+sin(40t ) u(t )+4u(t )−4u(t −1)
£ ¤ £ ¤

Voici, sous forme graphique, la solution obtenue

11. Rappel : comme on l’avait vu à la section 3.2.1 dans le volume 1, le préfixe m (milli) représente 10−3 et le préfixe µ
(micro) représente 10−6 .
90 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

On remarque qu’après un départ avec une tension initiale de 2 V aux bornes du condensateur,
celui-ci atteint rapidement une tension égale à celle de la source constante de 4 V. Le circuit est
alors en équilibre, aucun courant électrique n’y circule. Après 1 seconde, en coupant la source, le
condensateur se décharge et la tension retourne rapidement à 0 V.

Pour terminer cette section, soulignons que nous avons toujours travaillé avec la même équation
générale du circuit RLC, à savoir l’équation 6.16

d 2 vC d vC
LC +RC + vC = e(t )
dt2 dt

Conne nous l’avons fait dans les exemples précédents, tous les exercices à la fin de la section peuvent
se résoudre à l’aide de celle-ci. Il est possible d’étudier ce circuit avec d’autres formes équivalentes
d’équations différentielles. Par exemple, en divisant l’équation précédente par L C , on obtient

d 2 vC R d vC 1 e(t )
+ + vC =
dt2 L dt LC LC
En se référant au tableau des relations dans nos circuits électriques, à la page 83, on pourrait
également représenter notre circuit RLC par l’équation suivante

di
L + R i + vC = e(t ) (6.20)
dt
En dérivant par rapport à t de chaque côté de cette équation et en utilisant le fait que le courant i (t )
dv
peut s’obtenir par la relation i = C C on obtient une nouvelle équation différentielle
dt

d 2i di 1 d
L 2
+R + i= e(t ) (6.21)
dt dt C dt
Comme le courant électrique i est fonction de la dérivée de la tension vC , on peut retrouver cette
dernière en intégrant la solution i (t ) de cette dernière équation différentielle
Zt
1 1
Z
vC (t ) = i dt ⇒ vC (t ) = vC (0) + i dt (6.22)
C C 0

Pour résoudre l’équation 6.21 précédente, nous aurons besoin du courant initial i (0) et de la dérivée
du courant en t = 0 soit la valeur de i ′ (0). Comme on l’a déjà mentionné, on considère en général que
le courant initial est nul. Mais ce ne sera pas nécessairement le cas pour i ′ (0). L’équation 6.20 nous
permet cependant de calculer cette valeur

di 1¡ 1¡
i ′ (0) =
¢ ¢
= e(t ) − R i − vC ⇒ e(0) − R i (0) − vC (0) (6.23)
dt L L

Reprenons les données de l’exemple 6.9 à la page 84 mais en le traitant avec les équations 6.21 et
6.23.
6.2. CIRCUITS ÉLECTRIQUES 91

Exemple 6.12
Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 21 H, une
1
résistance de R = 6 Ω, un condensateur de C = 50 F et une source de e(t ) = 24 sin(10t ) volts. À t = 0
on ferme l’interrupteur et le courant commence à circuler. On considère que le condensateur a une
tension initiale de 5 volts, donc vC (0) = 5 V, et que i (0) = 0.
En utilisant l’équation différentielle 6.21, on devra résoudre

1 d 2i di 1 d 1 d 2i di
+6 + i= (24 sin(10t )) ⇒ +6 + 50i = 240 cos(10t )
2 dt2 d t 1/50 dt 2 dt2 dt
On sait déjà que i (0) = 0 (car l’interrupteur est ouvert si t < 0). Pour déterminer i ′ (0), utilisons
l’équation 6.23
1¡ 1
i ′ (0) =
¢
e(0) − R i (0) − vC (0) = (0 − 6 · 0 − 5) = −10
L 1/2
En résolvant l’équation différentielle avec Nspire on retrouve bien la réponse obtenue pour i (t ) dans
l’exemple 6.9.
25
i (t ) = 4 sin(10t ) − e −6t sin(8t )
4

Pour retrouver la tension aux bornes du condensateur vC (t ) à partir du courant électrique i (t ), on

utilise l’équation 6.22

1 t
Zt ·
1 25
Z ¸
vC (t ) = vC (0) + i dt = 5+ 4 sin(10t ) − e −6t sin(8t ) d t
C 0 1/50 0 4
75 −6t
⇒ e
vC (t ) = sin(8t ) + 25e −6t cos(8t ) − 20 cos(10t )
4
Comme on l’a déjà vu (voir exemple 6.10, page 88), la combinaison linéaire précédente de sinus et
cosinus peut également s’écrire sous forme compacte avec un angle de déphasage.
92 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

Vous remarquerez dans l’écran précédent l’utilisation de la commande propFrac, qui permet de
simplifier l’expression obtenue, et de la commande tExpand, qui remet en combinaison linéaire de
sinus et cosinus une expression avec un angle de phase. Vous noterez dans ce dernier cas que l’on
a travaillé avec (w · t ) au lieu de (8t ) pour éviter que la commande tExpand nous donne un résultat
avec des puissances de sin(t ) et de cos(t ).

Exercices
′
Dans les exercices suivants, on considère que le courant initial est nul, donc vC (0) = 0

6.10 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 15 H, une
1
résistance de R = 2 Ω, un condensateur de C = 10 F et une source de e(t ) volts. On considère que le
condensateur a une tension initiale de 6 volts, donc vC (0) = 6 V.
(a) Si la source est nulle, posez et résolvez l’équation différentielle de ce circuit en régime libre
pour déterminer la tension vC (t ) aux bornes du condensateur. Quel type de réponse obtenez-
vous ? (voir page 87)
(b) Supposons maintenant une source non-nulle e(t ) = 3 sin(t ) volts.
i) Posez et résolvez l’équation du circuit. Quel est le régime permanent pour vC (t ) ?
ii) Quel est le courant électrique i (t ) pour ce circuit ? Fournissez un graphe montrant la tension
aux bornes du condensateur et le courant électrique, pour un intervalle où l’on voit bien le
régime permanent.
iii) À quel moment aura-t-on le maximum (en valeur absolue) du courant électrique ? Quel est
alors ce courant ?

6.11 Considérez de nouveau les données de l’exercice 6.10 mais avec une source e(t ) = 12e −2t V. On
1
travaille donc avec inductance de L = 15 H, une résistance de R = 2 Ω, un condensateur de C = 10 F et
une tension initiale vC (0) = 6 V.
(a) Posez et résolvez l’équation du circuit. Décrivez brièvement comment se comporte la réponse
vC (t ).
(b) Déterminez le courant i (t ).
(c) Sur un même graphique, tracez les solutions vC (t ) et i (t ).
(d) Quelle sera la tension maximale aux bornes du condensateur ? Après combien de temps
obtient-on ce maximum ? Quel est le courant à ce moment ?

1
6.12 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 10 H, une
résistance de R = 20 Ω, un condensateur de C = 800 µF et une source de e(t ) volts. On considère que
le condensateur a une tension initiale de 2 volts, donc vC (0) = 2 V.
(a) On considère que la source est nulle, donc e(t ) = 0 V.
i)Posez et résolvez l’équation différentielle de ce circuit en régime libre pour déterminer la
tension vC (t ) aux bornes du condensateur. Donnez également le courant i (t ).
ii)Faites un graphe de votre solution, avec une échelle du temps permettant de bien voir le
comportement de celle-ci. Comment ce comporte vC (t ) ?
6.2. CIRCUITS ÉLECTRIQUES 93

iii)Après combien de temps obtient-on (en valeur absolue) la plus grande valeur de i (t ) ?
(b) Mêmes questions qu’en (a) mais avec une source constante de e(t ) = 12 volts.
(c) Considérons maintenant une source constante de 12 volts, à partir de t = 0, pendant 2/10 de
2
¡ ¢
seconde seulement. On a alors e(t ) = 12 − 12u t − 10

1
6.13 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 100 H,
une résistance de R = 40 Ω, un condensateur de C = 25 µF et une source de e(t ) volts. On considère
que le condensateur a une tension initiale de 8 volts, donc vC (0) = 8 V.
(a) Si la source est nulle, posez et résolvez l’équation différentielle de ce circuit en régime libre
pour déterminer la tension vC (t ) aux bornes du condensateur. Quel type de solution avons-
nous ? (voir page 87) Donnez également le courant i (t ).
(b) Considérant que la source est nulle, on aura une tension vC (t ) qui ira (rapidement) à 0 V (en
partant de la tension initiale de 8 V). À quelle vitesse cela se produit-il ? Considérons que la
tension est nulle si vC ≤ 0, 0001. Combien de temps est nécessaire pour arriver à ce point ?
(c) Faites les graphes de vC (t ) et de i (t ) en choisissant un intervalle adéquat pour la variable t .
Donnez le courant maximal (en valeur absolue) et le moment où cela se produit.
(d) Considérons maintenant une source de e(t ) = 4 sin(8t ) volts. Déterminez la solution vC (t ) et le
régime permanent de cette solution.
Faites un graphe de la solution où l’on voit bien le régime permanent. Trouvez la tension
maximale et le moment où cela se produit. Voyez-vous ce maximum sur votre graphe ?

1
6.14 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 10 H, une
résistance de R = 1 Ω, un condensateur de C = 250 µF et une source constante de e(t ) = 100 volts. On
considère que le condensateur est vide à t = 0 donc vC (0) = 0 V.
(a) Posez et résolvez l’équation différentielle de ce circuit. Donnez également le courant i (t ).
(b) i) Faites un graphe de la solution vC (t ) où l’on voit bien le comportement de celle-ci. Trouvez
la tension maximale et le moment où cela se produit.
ii)Faites un graphe du courant i (t ) où l’on voit bien le comportement de celui-ci. Trouvez la
courant maximal et le moment où cela se produit.

2
6.15 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 10 H,
une résistance de R = 2 Ω, un condensateur de C = 20 µF et une source de e(t ) = 20 sin(500t ) volts.
On considère que le condensateur est vide à t = 0 donc vC (0) = 0 V.
(a) Posez et résolvez l’équation différentielle de ce circuit. Donnez le courant i (t ) et son régime
permanent.
(b) Tentez de faire un graphe de i (t ) illustrant bien le comportement de cette solution. Quelle(s)
difficulté(s) rencontrent-on ?

6.16 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 2 H, une
résistance de R = 50 Ω, un condensateur de C = 0, 005 F et une source constante de e(t ) = 40 volts. On
considère que le condensateur a une tension de 800 V à t = 0 donc vC (0) = 800 V.
94 CHAPITRE 6. APPLICATIONS DES ÉQUATIONS D’ORDRE 2

(a) i) Posez et résolvez l’équation différentielle de ce circuit pour obtenir la tension vC (t ). Donnez
également le courant i (t ).
ii) Décrivez le comportement dans le temps de ces deux solutions. Quel est la tension aux
bornes du condensateur et le courant à t = 1, 5 secondes ?
(b) Fournissez un graphe pour chaque solution où l’on voit bien le comportement de celles-ci.

6.17 Considérons un circuit RLC où sont branchés en série une bobine (inducteur) de L = 2 H, une
résistance de R = 50 Ω, un condensateur de C = 0, 005 F et une source appliquée seulement à t = 1
seconde, soit une impulsion e(t ) = 2δ(t −1) volts. On considère que le condensateur a une tension de
10 V à t = 0 donc vC (0) = 10 V.
(a) Posez et résolvez l’équation différentielle de ce circuit pour obtenir la tension vC (t ).
(b) Fournissez un graphe pour cette solution où l’on voit bien le comportement de celle-ci.
Chapitre 7

Méthodes numériques et résolution par

séries

Au chapitre 1, nous avons résolu numériquement une équation différentielle d’ordre 1 à l’aide de
la méthode d’Euler. Dans ce chapitre nous revenons sur ce sujet en voyant des approches plus
performantes que la méthode d’Euler et des méthodes numériques pouvant également s’appliquer
aux équations d’ordre 2. Nous verrons de plus comment résoudre certaines équations différentielles
à coefficients variables à l’aide de séries de puissances.

7.1 Méthodes numériques

Comme on l’a vu au début de la session (voir chapitre 1, pages 25 à 28), lorsqu’on résout une
équation différentielle d’ordre 1 avec une condition initiale donnée, on peut s’intéresser seulement
au comportement numérique de la solution autour de cette valeur initiale. On a également vu que
pour certaines équations, il n’existe pas de solution algébrique en termes de fonctions élémentaires.
L’approche numérique est alors essentiellement la seule possible . C’est le cas par exemple avec
l’équation suivante (vue à la page 29, chapitre 1) qui est un cas particulier de l’équation de Ricatti 1 .
dy
= x 2 + y 2 avec y(0) = 0 (7.1)
dx
Un logiciel mathématique de haut niveau donnera une solution pour cette équation, mais celle-ci
contiendra des fonctions spéciales non élémentaires. Pour cet exemple, le logiciel Maple (version 14)
donne une solution contenant des fonctions de Bessel 2 de première espèce (voir figure 7.1 à la page
suivante).
Dans cet exemple, si on s’intéresse seulement à la solution entre x = 0 et x = 1, il est clairement
plus facile de travailler avec la solution numérique, comme on l’avait fait dans le chapitre 1, plutôt
que d’utiliser la solution obtenue avec Maple.
1. Jacopo Riccati (1676-1754), physicien et mathématicien italien, connu pour ses travaux en hydraulique et en
acoustique. Il a étudié les solutions de l’équation portant son nom, y ′ = a(x)y 2 + b(x)y + c(x) (réf. Wikipedia)
2. Friedrich Wilhelm Bessel (1784-1846), physicien, astronome et mathématicien allemand, connu pour ses travaux
en mécanique céleste. Il a généralisé des résultats de Daniel Bernoulli pour résoudre l’équation x 2 y ′′ + x y ′ + (x 2 − α2 )y = 0.
(réf. Wikipedia)

95
96 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

F IG . 7.1 La solution de l’équation 7.1 avec Maple

Dans le chapitre 1, on avait appris à utiliser la méthode d’Euler pour la solution numérique
de l’équation différentielle d’ordre 1. Cette méthode très simple, basée sur l’approximation d’une
fonction en un point donné par sa droite tangente, n’est pas très précise ou performante.

Méthode d’Euler

dy
Pour résoudre numériquement = f (x, y) avec la condition initiale y(a) = y 0 , si on
dx
cherche une approximation de y(b) et que l’on sait qu’une solution unique existe dans un
intervalle incluant les valeurs x = a et x = b,

• décidez une valeur de n

b−a
• calculez le pas h =
n
• posez x 0 = a, x 1 = a + h, x 2 = a + 2h, · · · , x n = a + n h = b.

Utilisez la formule suivante pour calculer les n approximations successives :

¡ ¢
y m+1 = y m + h f x m , y m pour m = 0 , 1 , 2 , ··· , n −1 (7.2)

On avait vu à l’exemple 1.15 du chapitre 1 qu’en utilisant cette technique pour estimer y(1) avec
dy
n = 5 étapes pour l’équation d x = x + y avec y(0) = 1, on obtenait l’estimé y(1) ≈ 2, 97664. La vraie
valeur de la solution est y(1) = 3, 43656. Si on voulait plus de précision, on devait augmenter le
nombre n d’étapes (donc un pas h plus petit). Même en utilisant n = 100 étapes, on obtenait un
estimé 3, 4096 peu précis, malgré les 100 calculs avec la formule itérative 7.2.
Pour parler de précision et d’erreurs avec ce type d’algorithme, reprenons la méthode d’Euler
dans le contexte où on l’applique une seule fois avec un pas de h. On veut résoudre numériquement
dy
= f (x, y) avec la condition initiale y(a) = y 0 on veut estimer y(a + h). Considérons qu’une
dx
solution (inconnue) existe, donc qu’il existe une fonction explicite ou implicite où y dépend de x.
Le développement en série de Taylor 3 autour de x = a de la solution, évalué en x = h donnera

h2 h3 h4
y(a + h) = y(a) + y ′ (a)h + y ′′ (a) + y ′′′ (a) + y (4) (a) + · · · (7.3)
2! 3! 4!

3. Consultez le chapitre 6 des notes de cours en MAT145, ou tout autre cours de calcul intégral à 1 variable. Pour simpli-
fier, on considère ici que les conditions adéquates sont satisfaites pour nous assurer de l’existence de ce développement.
7.1. MÉTHODES NUMÉRIQUES 97

Si on tronque la série après le terme linéaire en h, on voit que tous les termes éliminés sont multipliés
par au moins h 2 .
y(a + h) ≈ y(a) + y ′ (a)h ⇒ y(a + h) ≈ y 0 + h f (a, y 0 )
En effet, utilisant l’équation différentielle et sa condition initiale, on remarque que y ′ (a) = f (a, y 0 ).
On retrouve ainsi la formule d’Euler appliquée en 1 étape.
Si h est petit (si 0 < h < 1), on constate que les termes négligés après le terme en h 2 dans l’équation
7.3 sont d’un ordre de grandeur moins important puisque multipliés par h n avec n > 2. En effet, si
0 < h < 1 alors h 2 > h 3 > h 4 · · · . On dit alors que l’approximation numérique y(a + h) ≈ y 0 + h f (a, y 0 )
est d’ordre h 2 , on écrit O(h 2 ). En utilisant la méthode d’Euler avec une étape (donc avec un pas h) on
aura une erreur locale 4 proportionnelle à h 2 .
Comme en général on applique cette méthode n fois pour estimer y(b) à partir de la condition
initiale y(a), on a
b−a b−a
h= ⇒ n=
n h
Pour des valeurs a et b fixes, on note que le nombre d’étapes est proportionnel à h1 . On peut s’attendre
à ce que la précision globale de l’algorithme d’Euler soit O(h 2 ) · O(1/h) = O(h). On dit que cette
méthode est d’ordre 1 puisque l’erreur globale en estimant y(b) en n étapes à partir de la valeur
connue y(a) est proportionnelle à h. Pour plus de détails sur les méthodes numériques en équations
différentielles et l’analyse des erreurs de calculs associées, consultez Boyce-DiPrima [2, p. 440-443].
En fait tout le chapitre 8 de ce bouquin traite en détails des méthodes numériques en équations
différentielles.
Voyons maintenant d’autres algorithmes numériques plus performants pour effectuer cette
tâche.
Une idée assez simple permet d’améliorer la méthode d’Euler présentée à la page précédente. La
¡ ¢
formule 7.2 utilise la pente de la droite tangente au début de l’intervalle, f x m , y m , pour estimer la
¡ ¢
valeur de y en x m+1 = x m + h. Avec le résultat obtenu y m+1 , si on calcule f x m+1 , y m+1 on obtient
£ ¤
un estimé de la pente à la fin de l’intervalle x m ; x m+1 . La moyenne de ces deux pentes donnera une
meilleure estimation de la variation de la solution sur cet intervalle. La méthode d’Euler améliorée
remplace donc la formule 7.2 par celle-ci

k1 + k2
µ ¶
y m+1 = y m + h pour m = 0 , 1 , 2 , ··· , n −1 (7.4)
2
¡ ¢ ¡ ¢
k1 = f xm , y m et k 2 = f x m + h, y m + h k 1
L’erreur locale de cette version améliorée est proportionnelle à h 3 et l’erreur globale sur un intervalle
fini, en l’appliquant n fois, sera d’ordre 2. On obtient plus de précision mais au prix d’un plus grand
nombre de calculs. On suppose évidemment ici que la solution existe sur l’intervalle en question (on
ne doit pas avoir par exemple d’asymptotes verticales pour l’intervalle donné).
4. Pour être plus précis, on parle ici d’une erreur de troncature puisqu’elle provient d’une série tronquée où l’on utilise
les deux premiers termes. On néglige les erreurs d’arrondissement provenant des limites de la représentation en point
flottant des nombres réels pour les calculatrices et les ordinateurs, erreurs qui s’accumulent à chaque calcul numérique de
la procédure. Par exemple, la calculatrice TI-Nspire CX CAS a un maximum de 14 chiffres significatifs pour représenter un
nombre en mémoire (la valeur de π est arrondie avec 13 décimales). Consultez les chapitres 19 et 21 de Kreyszig [1] pour
un traitement détaillé de ces points. Pour plusieurs ingénieurs, ce livre fait office de bible sur les notions mathématiques
en génie.
98 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Malgré cette amélioration de la précision des résultats, on peut faire beaucoup mieux avec un
nombre raisonnable de calculs en utilisant la méthode de Runge-Kutta 5 . En réalité il existe de
nombreuses variantes de cette méthode 6 , la plus connue étant la méthode de Runge-Kutta d’ordre
4, aussi nommée Runge-Kutta classique. Avec celle-ci, l’erreur globale après n étapes d’applications
(pour estimer y(b) à partir de la condition initiale connue y(a)) est proportionnelle à h 4 .

Méthode de Runge-Kutta d’ordre 4 (RK4)

dy
Pour résoudre numériquement = f (x, y) avec la condition initiale y(a) = y 0 , si on
dx
cherche une approximation de y(b) et que l’on sait qu’une solution unique existe dans un
intervalle incluant les valeurs x = a et x = b,

• décidez une valeur de n (nombre de pas entre x = a et x = b)

b−a
• calculez le pas h =
n
• posez x 0 = a, x 1 = a + h, x 2 = a + 2h, · · · , x n = a + n h = b.

Utilisez la formule suivante pour calculer les n approximations successives :

k 1 + 2k 2 + 2k 3 + k 4
µ ¶
y m+1 = y m + h pour m = 0 , 1 , 2 , ··· , n −1 (7.5)
6
³ ´
k 2 = f x m + h2 , y m + h2 k 1
¡ ¢
k1 = f xm , y m
avec ³ ´
k 3 = f x m + h2 , y m + h2 k 2
¡ ¢
k 4 = f x m + h, y m + h k 3

£ ¤
Dans ces formules, k 1 représente la pente au début de l’intervalle x m ; x m+1 comme avec la
méthode d’Euler et k 2 est la pente au milieu de l’intervalle, comme avec la méthode d’Euler améliorée
mais appliquée en x = x m + h2 . En utilisant la pente k 2 pour estimer la valeur de y au centre de
l’intervalle on obtient un 2e estimé de la pente en x = x m + h2 et en utilisant k 3 on estime une pente à
la fin de l’intervalle. On trouve avec la formule 7.5 une nouvelle valeur de y en utilisant une moyenne
pondérée des 4 pentes précédentes, et on associe un poids plus important aux deux pentes à mi-
intervalle.

Exemple 7.1
Utilisons la méthode classique de Runge-Kutta (RK4) pour estimer, en 1 étape, y(1) avec l’équation

dy
=x+y avec y(0) = 1
dx

5. Carl Runge (1856-1927), physicien et mathématicien allemand, connu pour ses travaux en spectroscopie. En 1895,
il publie un article énonçant une nouvelle approche pour la solution numérique d’équations différentielles, développant
le concept de la méthode d’Euler. Il formalise les méthodes d’ordre 1 et d’ordre 2 (Euler et Euler améliorée) qu’on nomme
souvent aujourd’hui les méthodes de Runge-Kutta d’ordre 1 et 2. (réf. Wikipedia)
Martin Wilhelm Kutta (1867-1944), mathématicien allemand, a publié un article en 1901 où il complète le travail
amorcé par Runge en énonçant la règle de la méthode de Runge-Kutta classique et en appliquant ces méthodes à des
systèmes d’équations différentielles d’ordre 1. (réf. Wikipedia)
6. Pour plus de détails sur cette famille de méthodes, consultez, en anglais, (Wikipedia)
7.1. MÉTHODES NUMÉRIQUES 99

(a) À partir de cette équation, on veut estimer la valeur de la solution en x = 1 en utilisant n = 1

étape.
On pose ici f (x, y) = x + y, n = 1 et h = 1. En appliquant la formule 7.5 on obtient
conditions initiales : x = x 0 = 0 et y(0) = y 0 = 1
0 + 21 , 1 + 12 = 2
¡ ¢
k1 = f (0, 1) = 1 k2 = f
on calcule 1 1
¢ 5
0 + 1, 1 + 52 = 29
¡ ¡ ¢
k3 = f 0+ 2,1+ 2 ·2 = 2 k4 = f

1 + 2 · 2 + 2 · 25 + 29
à !
41
y(1) = y 1 ≈ 1 + 1 · = = 3, 41667 en arrondissant à 5 décimales
6 12

Il est facile ici d’obtenir la réponse exacte 7 à ce problème, y = 2e x − x − 1, qui donne la valeur
précise y(1) = 3, 43656 (à 5D). On constate que le résultat obtenu avec 1 seule étape de la
méthode de Runge-Kutta classique (3, 41667) est plus précis que les résultats obtenus avec la
méthode d’Euler, même avec 100 étapes de celle-ci (voir page 96). Avec RK4, on obtient ici une
erreur de ǫ = 3, 43656 − 3, 41667 = 0, 01989.
(b) Appliquons maintenant de nouveau la méthode de Runge-Kutta classique, mais avec n = 5
étapes, donc avec h = 0, 2. On peut programmer aisément la formule 7.5 ou on peut utiliser
un tableur. On peut même obtenir les résultats directement sur Internet 8 . Le tableau suivant
donne, arrondies à 5 décimales 9 , les valeurs obtenues en appliquant la méthode ainsi que les
vraies valeurs obtenues de la solution mentionnée plus haut avec les erreurs résultantes (en
valeur absolue).

Runge-Kutta vraies valeurs |erreur|

x y
0 1 1 0
0, 2 1, 24280 1, 24281 0, 00001
0, 4 1, 58364 1, 58365 0, 00001
0, 6 2, 04421 2, 04424 0, 00002
0, 8 2, 65104 2, 65108 0, 00004
1, 0 3, 43650 3, 43656 0, 00006

On constate qu’avec 5 itérations de la méthode RK4 on obtient une bien plus grande précision
en x = 1, avec une erreur globale de 0, 00006 contre une erreur de 0, 01989 avec 1 seule étape. Le
tableau précédent permet également de constater une erreur cumulative croissante en itérant
la méthode (ce qui est normal puisque chaque itération utilise des valeurs contenant elle-
même des erreurs).
Autre avantage, on obtient du processus une table de valeurs estimées pour y et non seulement
un estimé de y(1).

7. En utilisant les techniques des chapitres 2 ou 4.

8. Consultez par exemple ce site [Link]
9. Même si les résultats sont arrondis à 5 décimales, les calculs sont faits avec toute la précision du calculateur utilisé.
100 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Remarque importante
Comme vous pouvez le constater, si on doit faire les calculs manuellement, la tâche s’alour-
dit rapidement. Les logiciels et calculateurs font ces calculs sans difficulté. Cependant, il de-
meure intéressant pour l’utilisateur de comprendre le fonctionnement de ces méthodes à l’aide
d’exemples simples. Mais, comme on l’a vu au chapitre 1, si le nombre de calculs devient
grand, on vous demandera d’utiliser un calculateur plutôt que de procéder manuellement.
La calculatrice TI-Nspire CX CAS permet par exemple d’obtenir rapidement les résultats de la
méthode d’Euler avec n = 100 étapes.

Pendant de nombreuses années l’algorithme de Runge-Kutta classique (RK4) fut la version la plus
utilisée dans les calculateurs et logiciels. Les méthodes que nous venons de voir sont toutes du type
à pas h fixe et ont le désavantage que pour mesurer la précision des résultats, on doive reprendre
tous les calculs en utilisant un pas plus petit 10 . Cependant, pour un problème donné, il peut arriver,
par exemple, que près de x = a, le comportement de la solution soit très variable et demande un
pas h très petit pour obtenir une certaine précision alors que près de x = b, la solution soit plus
stable permettant d’utiliser un pas h plus grand. Pour ces raisons, les calculateurs et logiciels utilisent
maintenant de plus en plus des algorithmes à pas variable (adaptatif ). Depuis les années 1970, le
développement d’algorithmes plus performants a suivi la progression de la capacité de calcul des
ordinateurs et calculatrices. Voyons quelques-unes de ces méthodes à pas adaptatif.
Ces algorithmes à pas adaptatif sont construits selon le schéma de Runge-Kutta mentionné
précédemment. Mais en franchissant un pas h donné, on applique pour l’estimé suivant y m+1 deux
calculs ; un sera d’ordre p − 1 et l’autre d’ordre p 11 . L’écart entre les deux estimés servira à obtenir un
estimé de l’erreur locale du résultat. Si cet estimé de l’erreur est inférieur à une tolérance donnée, on
accepte l’estimé de y m+1 et on continue avec ce pas pour le calcul de la prochaine valeur de y. Si la
tolérance est dépassée, on calcule un nouveau pas plus petit et on reprend les calculs pour l’estimé
de y m+1 .
Il existe de nombreuses variantes de cette approche. Mentionnons la méthode de Runge-Kutta-
Fehlberg (RKF45) où les deux estimés sont produits avec des variantes de Runge-Kutta d’ordres 4 et 5.
À la fin des années 1960, Erwin Fehlberg introduit celle-ci et le concept de pas adaptatif dans plusieurs
écrits, notamment en 1969 dans une note technique à la NASA où il discute également d’application
à des problèmes de transfert de chaleur. Avec la méthode classique de Runge-Kutta (voir page 98), on
calcule à chaque étape 4 estimés de pente (k 1 à k 4 ). Avec RKF45 on aura besoin plutôt de 6 évaluations
de pente. Consultez Kreyszig [1, section 21.1] pour le détail des formules utilisées 12 .
On obtient avec cette méthode une erreur locale proportionnelle à h 6 et l’erreur globale 13
10. On considère ici que l’on ne peut pas trouver la solution exacte par des méthodes algébriques, ce qui est la motivation
pour l’utilisation de méthodes numériques de résolution. Dans les exemples précédents, on compare avec la solution
exacte pour donner au lecteur une appréciation des erreurs commises
11. Comme on l’a vu précédemment, la méthode d’Euler est d’ordre p = 1, celle d’Euler améliorée est d’ordre p = 2 et
la méthode de Runge-Kutta à la page 98 est d’ordre p = 4. Plusieurs autres variantes de la méthode de Runge-Kutta existe,
combinant différents estimés de la pente sur un intervalle donné. Avec plus de pentes en combinaison linéaire, on peut
atteindre des variantes de cette méthode avec un ordre p > 4 mais au prix d’un plus grand nombre de calculs.
12. Ce lien Internet (en anglais), [Link] vous permet égale-
ment de voir les formules utilisées dans l’algorithme de Runge-Kutta-Fehlberg. Il s’agit d’un extrait de Mathews [3, section
9.5], une bonne référence en analyse numérique.
13. On présume ici qu’une solution continue et dérivable existe sur l’intervalle [a; b].
7.1. MÉTHODES NUMÉRIQUES 101

après n étapes d’applications (pour estimer y(b) à partir de la condition initiale connue y(a)) est
proportionnelle à h 5 . L’algorithme RKF45 est donc un algorithme d’ordre 5, soit O(h 5 ).
Plus récemment, une variation de la méthode de RKF45 nommée la méthode de Dormand-
Prince introduite en 1980 14 est souvent utilisée par défaut dans les logiciels courants utilisés en
mathématiques, en physique et en génie. Cette approche calcule 7 pentes (au lieu de 6) par étape,
mais en utilise seulement 6 pour les calculs, la 7e devient la première de l’étape suivante. Un
inconvénient de ces méthodes (à pas adaptatif ) très précises est qu’on n’a pas besoin d’un pas
h très petit pour respecter une précision globale donnée. Il en résulte des points intermédiaires
possiblement trop espacés.
Bogacky et Shampine ont présenté en 1989 15 une version plus simple (BS23) de ces dernières
méthodes, demandant bien moins de calculs et permettant de produire efficacement une solution
numérique sur un intervalle donné. Elle est basée sur le calcul de 4 pentes, quoique la dernière
qui serait la première de l’étape suivante ne sert qu’à l’estimation de l’erreur locale. Cette méthode
est disponible avec plusieurs logiciels (la commande ODE23 sur Matlab) et même sur le logiciel ou
les calculatrices TI-Nspire CX CAS où on lui donne le nom très simple de Runge-Kutta (à ne pas
confondre avec Runge-Kutta d’ordre 4). Voici les détails des calculs.

Méthode de Bogacky-Shampine d’ordre 3 (BS23)

dy
On veut résoudre numériquement = f (x, y) avec la condition initiale y(a) = y 0 . On a un
¡ ¢ dx
estimé x m , y m obtenu par cette méthode. Le point suivant en considérant un pas h sera
obtenu en calculant ³ ´
k 2 = f x m + h2 , y m + h2 k 1
¡ ¢
k1 = f xm , y m
³ ´
k 3 = f x m + 3h 3h
4 , y m + 4 k2
2 1 4
µ ¶
y m+1 = y m + h k1 + k2 + k3 estimé avec RK2 (7.6)
9 3 9
et en posant x m+1 = x m + h
¡ ¢
k 4 = f x m+1 , y m+1
En utilisant cette dernière valeur, on calcule un 2e estimé de la solution en x = x m+1 avec
une méthode Runge-Kutta d’ordre 3 (RK3)

7 1 1 1
µ ¶
z m+1 = y m + h k1 + k2 + k3 + k4 estimé avec RK3
24 4 3 8

On estime l’erreur ǫm de cette étape de la méthode en calculant la différence entre les deux
estimés précédents

5 1 1 1
µ ¶
ǫm = z m+1 − y m+1 = h k1 − k2 − k3 + k4
72 12 9 8

14. Consultez (en anglais)(Wikipedia) pour plus de détails sur la méthode de Dormand-Prince.
15. Consultez (en anglais) (Wikipedia) pour des détails sur la méthode de Bogacky-Shampine, qui utilise à chaque étape
un estimé par des méthodes de Runge-Kutta d’ordre 2 et d’ordre 3.
102 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

L’estimé de l’erreur locale absolue ǫm est utilisé pour contrôler automatiquement le pas de
chaque étape. Posons t ol la tolérance spécifiée par l’utilisateur pour l’erreur locale, si |ǫm | ≤ t ol ,
l’étape est un succès et on accepte l’estimé y m+1 pour passer à l’étape suivante (k 4 devient k 1 de la
prochaine étape).
Si par contre |ǫm | > t ol , on reprendra l’étape avec une valeur de h plus petite. 16 La tolérance
par défaut, pour l’erreur relative, de la commande ODE23 de Matlab ainsi que celle de la version
utilisée par TI-Nspire CAS CX est 10−3 . Mentionnons en terminant que plusieurs variantes sont
possibles lorsqu’on programme ces méthodes. On pourrait vouloir s’assurer d’un minimum d’étapes
pour se rendre à l’estimé de y(b) en partant de la valeur initiale en x = a ou, au contraire, on
pourrait vouloir atteindre l’estimé de la solution en x = b avec le moins d’étapes possibles, donc en
augmentant le pas si l’erreur locale est moindre que la tolérance spécifiée. Pour les calculatrices et
le logiciel TI-Nspire CAS CX, c’est cette dernière approche qui est utilisée. Si ce logiciel doit afficher
¡ ¢
des points intermédiaires entre deux points résultants de cette méthode, disons les points x m , y m et
¡ ¢
x m+1 , y m+1 , il utilisera une interpolation cubique basée sur ces 2 points et les deux estimés de pente
correspondants de la solution, soit k 1 et k 4 .
Notez bien que les méthodes mentionnées dans les dernières pages le sont à titre informatif
pour vous donner un aperçu de ce que les logiciels et calculateurs font lorsqu’on demande une
solution numérique d’une équation différentielle. Vous n’aurez pas à programmer ou utiliser celles-
ci manuellement. Dans l’exemple suivant, on reprendra le problème mentionné en début de chapitre
(équation 7.1 page 95) pour le résoudre numériquement avec le logiciel ou la calculatrice TI-Nspire
CX CAS. On utilisera la méthode BS23 que Nspire nomme simplement Runge-Kutta.

Exemple 7.2
On veut résoudre numériquement l’équation

dy
= x2 + y 2 avec y(0) = 0
dx
On cherche à estimer la valeur de y(1) et à obtenir un estimé de la solution quand x varie entre x = 0
et x = 1. On utilisera l’environnement graphique de Nspire, en mode « Éq. diff. ». Les écrans suivants
montrent la saisie du problème et le résultat obtenu. Au besoin, retournez consulter le chapitre 1 où
nous avons tracé des champs de pentes et où nous avons résolu des équations différentielles d’ordre
1 avec la méthode d’Euler. On se souviendra que le nom de la variable dépendante du problème y
devra être remplacé par y1 et que la variable indépendante doit être x, ce qui est le cas ici.

On a également saisi la condition initiale sur la 2e ligne. On remarque à droite de la ligne de saisie
de l’équation le bouton avec 3 points permettant d’accéder aux options de la résolution. La figure
16. Pour une discussion détaillée sur la façon de contrôler le pas de ces méthodes consultez Shampine [4].
Ce document (en anglais), sur le site de MathWorks (compagnie derrière Matlab et Simulink), discute également de cette
méthode avec des exemples de code en Matlab. Pour faire une histoire courte, on pourrait, par exemple, corriger la taille h
t ol 1/3
µ ¶
du pas en utilisant comme nouvelle valeur h cor ≈ 0, 8h .
|ǫm |
7.1. MÉTHODES NUMÉRIQUES 103

suivante montre les options choisies pour cette résolution et la solution graphique résultante. On
choisit pour la méthode de résolution l’option « Runge-Kutta » (l’option par défaut est « Euler »). La
tolérance d’erreur (valeur par défaut de 0,001) est une mesure de la tolérance pour l’erreur locale en
appliquant une étape de la méthode de Bogacky-Shampine (BS23) décrite à la page précédente 17 .

On choisit l’option « Aucun » pour le champ puisqu’on ne s’intéresse pas ici au champ de pentes d’une
équation, comme dans le chapitre 1. On veut plutôt ici obtenir uniquement la solution numérique
correspondant à la condition initiale donnée. Dans le 2e écran, on indique un début de tracé en x = 0,
une fin de tracé en x = 1 et on indique un pas théorique d’application h = 0, 1. Comme nous l’avions
indiqué avant le début de l’exemple, comme on applique une méthode à pas adaptatif, on ne peut
savoir si ce pas sera réellement utilisé.
Pour l’affichage de la solution, une interpolation cubique sera utilisée pour calculer les estimés de
la solution numérique si ceux-ci ne correspondent pas à des points calculés par la méthode. Il est
important de spécifier une fin de tracé correspondant à nos besoins, le logiciel tient compte de cette
valeur et de la tolérance relative d’erreur spécifiée dans la détermination du pas adaptatif.
En plus de la solution graphique précédente, on peut afficher une table de valeurs de cette solution.
La figure suivante illustre cette table (avec la version logicielle de Nspire).

17. L’erreur locale réelle pourrait varier selon le comportement de la solution. Dans la situation où les valeurs de la
variable estimée deviennent grandes on pourrait considérer l’erreur relative plutôt que l’erreur absolue.
104 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Avec cette solution numérique, on obtient l’estimé y(1) ≈ 0, 350222 alors qu’en utilisant la solution
obtenue avec Maple, qui contient des fonctions de Bessel (voir page 96), on obtient y(1) = 0, 350232.
Notre estimé, en x = 1 est donc très précis. Mais avant de conclure que cette méthode numérique
donne nécessairement des résultats très proches de la solution réelle, tentez de trouver un estimé
pour y(2). La valeur réelle donnée par Maple est y(2) = 317, 722. Voici d’ailleurs le graphe de cette
solution réelle

On y constate un comportement asymptotique en approchant x = 2, ce qui rendra difficile l’estima-

tion de y(2), peu importe la méthode numérique utilisée.
Pour trouver la valeur équivalente avec Nspire, on ne modifie que l’élément « Fin de tracé » dans les
options de la page précédente. On inscrira x = 2 au lieu de x = 1. La figure suivante montre la solution
obtenue

Considérant le comportement de la solution en approchant de x = 2, on peut mettre en doute la

précision du résultat obtenu à ce point, y(2) ≈ 261.966. Dans la table de la figure ci-dessus, on a choisi
d’afficher des points avec un pas de 0,25. Le graphe affiche des points avec le pas de 0,1 comme
demandé dans les options de la procédure (le pas de 0,25 dans la table n’a rien à voir avec les calculs
faits par la calculatrice, au besoin Nspire utilisera de l’interpolation pour afficher des valeurs dans la
table).
On remarque finalement que la valeur de l’estimé y(1) a varié légèrement de 0,35022 à 0,350193
montrant que le choix de « Fin de tracé » a un léger impact sur les valeurs estimées. Dans les exercices
7.1. MÉTHODES NUMÉRIQUES 105

à la fin de cette section, vous devrez bien spécifier cette valeur si vous voulez valider les réponses
obtenues avec votre calculatrice Nspire.

Les méthodes vues dans cette section peuvent également être utilisées pour résoudre numéri-
quement des systèmes 18 d’équations différentielles d’ordre 1. Dans un système d’équations différen-
tielles d’ordre 1, on aura plus d’une variable dépendante. Dans une situation où l’on a deux variables
(ou fonctions) inconnues, disons y 1 et y 2 dépendant de la variable x, on aura besoin d’un système
de 2 équations différentielles pour déterminer la solution y 1 et y 2 . On remplace alors l’écriture d’une
équation générale d’ordre 1, y ′ = f (x, y) avec y(a) = c par

y 1′ = f 1 (x, y 1 , y 2 )
avec y 1 (a) = c 1 et y 2 (a) = c 2 (7.7)
y 2′ = f 2 (x, y 1 , y 2 )

Voici un exemple d’un tel système

y 1′ = 2x − y 1 − 2y 22
avec y 1 (0) = 4 et y 2 (0) = −3 (7.8)
y 2′ = 5 + 3y 1

Ce système ne pourrait se résoudre par transformées de Laplace (comme dans la section 5.5) puisque
la première équation n’est pas linéaire en y 2 . Le système d’équations 7.7 pourrait s’écrire plus
facilement en utilisant une notation avec vecteurs. En notant par des lettres en caractères gras les
vecteurs, ce système pourrait s’écrire
" # " # " #
′
y1 f 1 (x, y 1 , y 2 ) c1
y = f(x, y) avec y(a) = c où y = f(x, y) = c=
y2 f 2 (x, y 1 , y 2 ) c2

Avec cette convention d’écriture simplifiée, l’équation 7.2 (page 96) pour le calcul d’une étape de la
méthode d’Euler devient pour un système de 2 équations d’ordre 1

ym+1 = ym + h f x m , ym
¡ ¢

ce qui est nettement plus simple que

" # " # " #
y 1,m+1 y 1,m f 1 (x, y 1,m , y 2,m )
= +h
y 2,m+1 y 2,m f 2 (x, y 1,m , y 2,m )

Rassurez-vous, vous n’aurez pas à utiliser manuellement ces formules. Les logiciels et votre calcu-
latrice Nspire peuvent se charger aisément des calculs en question. Vous devez cependant savoir
comment soumettre le problème à ces outils. Résolvons le système 7.8 précédent avec Nspire.

Exemple 7.3
On veut résoudre numériquement le système d’équations suivants en utilisant la calculatrice Nspire
CAS CX (ou la version logicielle) et avoir une solution entre x = 0 et x = 2.

y 1′ = 2x − y 1 − 2y 22
avec y 1 (0) = 4 et y 2 (0) = −3
y 2′ = 5 + 3y 1

18. On a vu de tels systèmes dans la section 5.5 de ce manuel. On se limitera ici à des systèmes d’ordre 1, mais on verra
des équations non linéaires qu’on ne pourrait pas résoudre par transformées de Laplace.
106 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Comme on l’a fait à l’exemple précédent, page 102, on doit saisir dans l’environnement Nspire les
deux équations et les conditions initiales données. Dans une nouvelle activité (pour ne pas créer
de conflits avec des exercices précédents), sur une page graphique en mode « Éq. diff », on saisit la
première équation et, en descendant à l’aide de la flèche vers le bas, on saisit la 2e sur la ligne d2.

On utilise les mêmes options que celles de l’exemple précédent (voir page 103) mais en posant x = 2
comme « Fin du tracé » et on s’assure de cocher les deux équations pour voir la solution pour y1 et
y2. En effet, on s’intéresse ici à deux courbes solutions et on peut vouloir estimer par exemple ces
solutions en x = 2 donc avoir un estimé pour y 1 (2) et y 2 (2).

Sur le graphique obtenu, on a demandé, en utilisant « Attributs » dans les options de chaque courbe,
de relier les points des solutions sur le graphe pour mettre de l’emphase sur la concept de courbes-
solutions. Et dans le tableau on a choisi d’afficher la solution avec un incrément de 0,2 dans la table
(pour faciliter l’affichage) même si on a choisi un « Pas de tracé » de 0,1 dans les options de la solution
(on voit sur le graphe des points à tous les 0,1).
On peut conclure avec ces résultats qu’en x = 2 on a y 1 ≈ 0, 240655 et y 2 ≈ 1, 018075.

On vient de passer en revue différentes options pour résoudre numériquement des équations (ou
des systèmes d’équations) différentielles d’ordre 1. Qu’en est-il des équations différentielles d’ordre
2 et plus ? En général, une équation d’ordre 2 avec conditions initiales peut s’écrire ou se ramener à la
forme 19 suivante

y ′′ = f (x, y, y ′ ) avec y(0) = a et y ′ (0) = b

19. On considère ici que y est la variable dépendante et que x est la variable indépendante. De plus, on notera des
conditions initiales données en x = 0. Au besoin, adaptez l’approche mentionnée en utilisant les bonnes variables et la
bonne valeur initiale pour la variable indépendante.
7.1. MÉTHODES NUMÉRIQUES 107

Exemple 7.4

(a)
y ′′ + 2x y ′ + 5y = 2e x avec y(0) = 2 et y ′ (0) = −1
Cette équation peut se ramener à la forme

y ′′ = 2e x − 2x y ′ − 5y avec y(0) = 2 et y ′ (0) = −1

(b)
x y ′′ + 3y ′ + (x + 1)y = 0 avec y(1) = 5 et y ′ (1) = 2
Cette équation peut se ramener à la forme

−3y ′ − (x + 1)y
y ′′ = avec y(1) = 5 et y ′ (1) = 2
x

De façon similaire, une équation d’ordre 3 peut s’écrire sous la forme

y (3) = f (x, y, y ′ , y ′′ ) avec y(0) = a y ′ (0) = b y ′′ (0) = c

et une équation d’ordre n peut s’écrire sous la forme

y (n) = f (x, y, y ′ , y ′′ · · · , y n−1 ) avec y(0) = a 0 y ′ (0) = a 1 y ′′ (0) = a 2 · · · y n−1 (0) = a n−1

On peut toujours plonger, d’une façon canonique, de telles équations dans un systèmes d’équations
d’ordre 1. Pour une équation d’ordre 2, on effectue le changement de variables suivant

y = y1 y ′ = y2 ⇒ y ′′ = y 2′ et y 1′ = y 2 (7.9)

Par ce changement de variables, l’équation d’ordre 2

y ′′ = f (x, y, y ′ ) avec y(0) = a et y ′ (0) = b

devient le système d’équations différentielles d’ordre 1 suivant

y 1′ = y 2
avec y 1 (0) = a y 2 (0) = b (7.10)
y 2′ = f (x, y 1 , y 2 )

Résolvons avec Nspire les deux équations d’ordre 2 de l’exemple précédent.

Exemple 7.5

(a) Considérons l’équation suivante. On cherche à estimer la valeur de y(3), donc une solution
numérique entre x = 0 et x = 3.

y ′′ + 2x y ′ + 5y = 2e x ⇒ y ′′ = 2e x − 2x y ′ − 5y avec y(0) = 2 et y ′ (0) = −1

108 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

En utilisant le changement de variables 7.9 et le système d’équations 7.10 qui en résulte, cette
équation d’ordre 2 peut s’écrire sous forme d’un système de 2 équations d’ordre 1

y 1′ = y 2
avec y 1 (0) = 2 y 2 (0) = −1
y 2′ = 2e x − 2x y 2 − 5y 1

Pour la résolution avec Nspire, on choisit la méthode Runge-Kutta 20 avec une tolérance
d’erreur de 0,001 et on enlève l’option pour le champ de pentes. Comme on veut estimer y(3)
à partir de la valeur initiale en x = 0, on choisit un début de tracé en 0 et une fin de tracé en 3.
Les figures suivantes montrent ces options avec en dernier la solution obtenue.

On peut estimer à 3,72685 la valeur de y en x = 3. On voit également afficher la solution pour

y 2 (donc la solution pour y ′ ) même si ce n’est pas utile ou demandé dans cet exemple. Par
contre, si dans ce problème y représentait la position d’un objet alors y ′ serait sa vitesse et cela
pourrait nous intéresser.
(b) Considérons l’équation suivante. On cherche à estimer la valeur de y(2), donc une solution
numérique entre x = 1 et x = 2.

−3y ′ − (x + 1)y
x y ′′ + 3y ′ + (x + 1)y = 0 ⇒ y ′′ = avec y(1) = 5 et y ′ (1) = 2
x
En utilisant le changement de variables 7.9 et le système d’équations 7.10 qui en résulte, cette
équation d’ordre 2 peut s’écrire sous forme d’un système de 2 équations d’ordre 1

y 1′ = y 2
−3y 2 − (x + 1)y 1 avec y 1 (1) = 5 y 2 (1) = 2
y 2′ =
x
On remarque que les conditions initiales sont données en x = 1 plutôt qu’en x = 0, il faudra en
tenir compte dans la saisie des données du système. On peut s’attendre à un problème dans
la solution si on cherche à voir ce qui se passe en x = 0 ; dans l’évaluation de la valeur de y ′′ ,
on aurait une division par 0 ce qui serait problématique. On utilise pour la solution les mêmes
options qu’en (a) mais en posant le début du tracé en x = 1 et la fin du tracé en x = 2. Voici les
écrans correspondants de la calculatrice Nspire
20. Comme nous le mentionnions à la page 101, même si Nspire nomme la méthode Runge-Kutta, il s’agit en réalité de
la méthode de Bogacky-Shampine d’ordre 3 qui est utilisée dans les calculs.
7.1. MÉTHODES NUMÉRIQUES 109

On a choisi ici de n’afficher que la solution pour y 1 , donc pour y. En x = 2, on estime que
y ≈ 3, 395 en arrondissant à 3 décimales.

Les deux équations précédentes ont été résolues numériquement car aucune des techniques
algébriques vues dans ce cours ne permettait de les résoudre. C’est une des difficultés liées aux
équations linéaires d’ordre 2 et plus qui ne sont pas à coefficients constants. Notons également que
la technique précédente, qui plonge une équation différentielle d’ordre 2 dans un système de deux
équations différentielle d’ordre un, peut se généraliser à des équations d’ordre supérieur.
Considérons, par exemple, une équation différentielle d’ordre 3 qui peut s’écrire sous la forme
générale
y (3) = f (x, y, y ′ , y ′′ ) avec y(0) = a y ′ (0) = b y ′′ (0) = c (7.11)
Avec le changement de variables

y = y1 y ′ = y2 y ′′ = y 3 ⇒ y ′′′ = y 3′ y 1′ = y 2 et y 2′ = y 3 (7.12)

transformera l’équation 7.11 en un système de trois équations d’ordre 1.

y 1′ = y 2
y 2′ = y 3 avec y 1 (0) = a y 2 (0) = b y 3 (0) = c (7.13)
y 3′ = f (x, y 1 , y 2 , y 3 )
110 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Remarque importante
Les exercices 7.1 et 7.2 dans la section suivante se rapportent à la méthode de Runge-Kutta
d’ordre 4 (RK4). Ils sont donnés pour illustrer une amélioration de la méthode d’Euler vue au
chapitre 1. La méthode RK4 n’est pas très lourde ou complexe à appliquer et peut aisément
se programmer pour un utilisateur désirant plus de précision dans ses estimés numériques,
mais n’ayant pas accès à des outils plus modernes et performants. Considérant qu’à l’ÉTS tous
les étudiants ont une calculatrice symbolique TI-Nspire CX CAS, il est souhaitable que ceux-ci
utilisent plutôt la version à pas adaptatifs déjà programmée dans le mode « Éq. diff. » de Nspire
(voir exemple 7.2 à la page 102). Les exercices 7.3 à 7.5 devraient donc être faits en priorité. Les
2 premiers exercices sont intéressants pour illustrer la mécanique de calcul d’une version, à pas
fixe, d’un algorithme (RK4) de la famille des méthodes de Runge-Kutta.

Exercices

7.1 Utilisez la méthode de Runge-Kutta d’ordre 4 (voir page 98) pour résoudre numériquement les
équations différentielles suivantes. (Procédez comme dans l’exemple 7.1 à la page 98). Appliquez une
seule étape (n = 1), fournissez les calculs intermédiaires (k 1 , k 2 , k 3 et k 4 ) et comparez l’estimé obtenu
avec la vraie valeur obtenue avec deSolve( ).
(a) y ′ = 2x + y avec y(0) = 0. On cherche à évaluer y(1).
y +1
(b) y ′ = 2 avec y(2) = 3. On cherche à évaluer y(4).
px
(c) y ′ = x + y avec y(5) = 4. On cherche à évaluer y(4).

7.2 Utilisez un calculateur en ligne 21 ou une page « Tableur & listes » 22 sur Nspire pour calculez
5 étapes de Runge-Kutta d’ordre 4 pour chacun des exercices du numéro 7.1. Donnez seulement le
tableau des valeurs estimées, comme dans l’exemple 7.1b) à la page 99, avec la comparaison avec les
valeurs exactes.

Pour les exercices 7.3, 7.4 et 7.5 qui suivent, vous utiliserez le mode graphique « Eq. diff. » de votre
calculatrice TI-Nspire CX CAS (ou la version logicielle) pour résoudre numériquement les équations
données. Dans les options de la fenêtre (voir l’exemple 7.2 à la page 102), vous choisirez « Méthode de
résol = Runge-Kutta » (en fait, comme on l’a vu dans le texte, Nspire utilisera la méthode de Bogacky-
Shampine d’ordre 3 BS23). Vous laisserez les options « Tolérance d’erreur » et « Pas de tracé » à leurs
valeurs par défaut, soit 0.001 et 0.1 respectivement. Vous choisirez pour l’option « Champ » la valeur
« aucun » et vous ajusterez les options »Début de tracé » et « Fin de tracé » pour correspondre aux
valeurs initiales et finales de la variable x.

7.3 Refaites les exercices du numéro 1 en utilisant la méthode de Bogacky-Shampine, dans le mode
graphique « Eq. diff. » de Nspire. Donnez l’estimé cherché et fournissez une table de valeurs estimées.
(a) y ′ = 2x + y avec y(0) = 0. On cherche à évaluer y(1).

21. Faites une recherche avec « Runge-Kutta online calculator » pour trouver de nombreuses options, voici un lien vers
une de celles-ci.
22. Voici un lien vers un fichier (classeur) Nspire illustrant ces calculs.
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 111

y +1
(b) y ′ = avec y(2) = 3. On cherche à évaluer y(4).
px2
(c) y ′ = x + y avec y(5) = 4. On cherche à évaluer y(4).

7.4 En utilisant les directives données avant le numéro 3, résolvez les systèmes d’équations diffé-
rentielles suivants. Donnez les estimés cherchés, un graphe de la solution numérique et fournissez
une table de valeurs estimés (voir exemple 7.3 à la page 105).
d y1 d y2
(a) = y 2 e −x − 2x y 1 et = y 12 + 3x y 2 + 3 − x 2
dx dx
avec les conditions initiales y 1 (0) = 2 et y 2 (0) = −3
On souhaite estimer les solutions y 1 (x) et y 2 (x) lorsque x = 2.
dy dx
(b) = t · y + e −x et = sin(y) − t · x
dt dt
avec les conditions initiales x(0) = 0 et y(0) = −1
On souhaite estimer les solutions x(t ) et y(t ) lorsque t = 1.

7.5 Pour les équations différentielles d’ordre 2 suivantes, plonger chacune dans un système d’équa-
tions différentielles d’ordre 1 équivalent et utilisez le mode « Runge-Kutta » (BS23) de Nspire pour
obtenir les estimés demandés (voir exemple 7.5 page 107).
(a) x 2 y ′′ + 5x y ′ + 3y = 0 avec y(1) = 3 et y ′ (1) = 6. On cherche à évaluer y(2).
(b) (x 2 − 9)y ′′ + 2x y ′ − 5y = 0 avec y(0) = 2 et y ′ (0) = −3. On cherche à évaluer y(1) et y ′ (1).
(c) y ′′ + x y ′ + (2x 2 + 1)y = 0 avec y(0) = 1 et y ′ (0) = −1. On cherche à évaluer y(0, 5).
(d) (x 2 + 2)y ′′ + 2x y ′ + 3y = 0 avec y(0) = 1 et y ′ (0) = 2. On cherche à évaluer y(1).

7.2 Résolution par séries de puissances

Dans la section précédente, nous avons considéré des méthodes numériques pour résoudre des
équations différentielles. Ces méthodes sont pertinentes lorsqu’on ne peut utiliser les méthodes
algébriques vues aux chapitres 2 et 4 pour obtenir une solution en termes de fonctions élémentaires.
Si on consulte les 2 équations de l’exemple 7.4 à la page 107, on remarque qu’il s’agit pourtant
d’équations linéaires, mais à coefficients non constants. Au chapitre 4, on ne résolvait que des
équations linéaires à coefficients constants, en commençant par trouver une solution de l’équation
homogène associée. Quoique les méthodes de la section 7.1 permettent d’estimer une solution
numérique (et donc d’obtenir un tableau de valeurs), ceci peut être insatisfaisant si on veut plutôt
une solution sous forme d’une fonction qu’on peut manipuler, en la dérivant ou en l’intégrant par
exemple.
Mentionnons également que plusieurs phénomènes physiques ou scientifiques s’analysent en
passant par des équations différentielles linéaires d’ordre 2, mais à coefficients variables. L’équation
de Bessel
x 2 y ′′ + x y ′ + (x 2 − α2 )y = 0 (7.14)
déjà mentionnée au début de ce chapitre en est un exemple. Le terme α est l’ordre de cette équation.
Les solutions de cette équation se nomment des fonctions de Bessel. On les retrouve dans une foule
de domaines : la théorie du potentiel dans un référentiel cylindrique, la vibration de membranes, la
112 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

conduction de chaleur ainsi que dans l’analyse et la solution de plusieurs équations aux dérivées
partielles.
Un autre exemple est l’équation de Legendre 23 qu’on rencontre en analysant des contextes
physiques en coordonnées sphériques

1 − x 2 y ′′ − 2x y ′ + n(n + 1)y = 0
¡ ¢
(7.15)

où n est un entier. On remarque dans ces deux exemples des équations différentielles linéaires et
homogènes, avec des coefficients variables polynomiaux. Le reste de la section se concentrera sur ce
type d’équations. Mais avant, revenons sur le concept de séries de puissances que vous avez déjà vues
dans un cours de calcul différentiel et intégral.

7.2.1 Rappel sur les séries

Au début de la session, on a mentionné que l’on pouvait « linéariser » l’équation du pendule en

remplaçant sin(θ) par θ dans l’équation suivante, si θ est près de 0 :
d 2θ g
+ sin(θ) = 0
dt2 l

Dans le chapitre 4 des notes de cours, lors de la résolution de l’équation homogène (section 4.4)
avec des racines complexes pour l’équation caractéristique, nous avions utilisé le développement
en séries de Taylor (autour de x = 0) des fonctions e x , sin(x) et cos(x). Dans votre cours de calcul
différentiel et intégral, vous avez vu que
x2 x3 x3 x5 x2 x4
ex = 1 + x + + + ··· sin(x) = x − + + ··· cos(x) = 1 − + + ··· (7.16)
2! 3! 3! 5! 2! 4!

On peut obtenir ces développements de fonctions en séries, pour une fonction f (x) donnée en
utilisant cette formule, où le développement est autour de x = a
∞ f (n) (a) f ′′ (a) f (n) (a)
(x − a)n = f (a) + f ′ (a)(x − a) + (x − a)2 + · · · + (x − a)n + · · ·
X
f (x) = (7.17)
n=0 n! 2! n!

Si le développement ne se fait pas jusqu’à l’infini et qu’on arrête après n étapes, on obtient un
polynôme de Taylor d’ordre n. Une série de puissances peut être vue comme un polynôme de degré
infini. En pratique, si on veut utiliser une série pour évaluer numériquement la valeur d’une fonction,
on utilisera plutôt une somme partielle pour celle-ci.

Exemple 7.6
On veut évaluer la valeur de sin(x) avec x = 0, 25.
Avec votre calculatrice, vous pouvez vérifier que sin(0, 25) = 0, 247404 en arrondissant le résultat à 6
décimales. Si on utilise la série de Taylor avec les 3 premiers termes non nuls (donc le polynôme de
degré 5), on trouve
0, 253 0, 255
sin(0, 25) ≈ 0, 25 − + = 0.247404
3! 5!
23. Adrien-Marie Legendre (1752-1833), mathématicien français, connu pour ses travaux sur les intégrales elliptiques
et ses nombreuses contributions à la mathématique physique. (réf. Wikipedia) ou (réf. Bibm@[Link])
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 113

Quoique le polynôme précédent semble avoir calculé avec exactitude la valeur de sin(0, 25), en
affichant plus de chiffres significatifs on verrait que ce n’est pas le cas. Dans la figure suivante on
affiche les calculs faits sur votre calculatrice mais avec l’option « Flottant 12 » pour l’affichage (donc
avec 12 décimales pour cet exemple).

On remarque dans cette figure qu’en utilisant un polynôme de Taylor d’ordre 9 pour sin(x), on obtient
le même résultat que la valeur affichée pour sin(0, 25). Cela nous amène à discuter de la notion de
convergence pour une série de Taylor et plus généralement pour une série de puissances.

La série précédente pour sin(x), tout comme les 2 autres séries de Taylor mentionnées en 7.16,
vont converger pour toute valeur réelle de la variable x. Cela signifie que ∀x 0 ∈ R, la limite suivante
n
existe et représente la valeur S de la série ∞n=0 C n x évaluée en x = x 0
P

∞ N
C n x 0n C n x 0n = lim S N
X X
S= ⇔ S = lim
n=0 N →∞ n=0 N →∞

Pour obtenir plus de précision dans l’estimé de la valeur numérique d’une série convergente,
PN
on utilise plus de termes de la somme partielle S N = n=0 C n x 0n , comme on l’a fait plus haut avec
l’évaluation de sin(0, 25). Si on nomme E N l’erreur commise en arrêtant la sommation à n = N dans
n
une série convergente, donc E N = ∞ n=N +1 C n x , alors cette erreur E N tend vers 0 si N → ∞.
P

Notons qu’une série de puissances développée autour de x = a prendra la forme générale

suivante, où les termes C n sont les coefficients réels de la série
∞
C n (x − a)n = C 0 + C 1 (x − a) + C 2 (x − a)2 + C 3 (x − a)3 + · · ·
X
S(x) = (7.18)
n=0

On dit que la série précédente est développée autour de x = a et on remarque que celle-ci
converge nécessairement à cette valeur car S(a) = C 0 , tous les autres termes de 7.18 s’annulant
en x = a. Pour toute série de puissance du type 7.18, on peut montrer qu’il existe un nombre ρ
(0 ≤ ρ ≤ ∞), qu’on appelle rayon de convergence, tel que la série de puissance converge si |x − a| < ρ
et diverge si |x − a| > ρ. L’intervalle de convergence peut aussi s’écrire sans valeurs absolues

|x − a| < ρ ⇒ −ρ < x − a < ρ ou a −ρ < x < a +ρ

Si, comme la série de Taylor de sin(x), on a convergence ∀x ∈ R, on dit alors que le rayon de
convergence ρ est infini. Notons que la série de Taylor d’une fonction f (x) en 7.17 est un cas
114 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

particulier de l’expression générale d’une série de puissances en 7.18. Dans le cours d’équations
différentielles, nous utiliserons la forme générale d’une série de puissances et nous travaillerons prin-
cipalement avec des séries développées en x = 0 puisqu’en général, dans les applications physiques,
les conditions initiales sont données en x = 0 (ou en t = 0).
Plusieurs séries connues ont des intervalles de convergence plus restreints qu’avec l’exemple
précédent.

Exemple 7.7

(a) Considérons une série bien connue, la série géométrique

∞
1 + x + x2 + x3 + · · · = xn
X
n=0

Vous avez déjà vu dans un cours de calcul différentiel et intégral que cette série converge vers
1
1−x si |x| < 1 (ou si −1 < x < 1) et diverge autrement. La série étant développée autour de x = 0,
on a ici un rayon de convergence de ρ = 1. On peut donc écrire
∞ 1
xn =
X
si −1 < x < 1
n=0 1−x
(b) Considérons un cas particulier de la série générale donné à l’équation 7.18 de la page 113
1 1 1 ∞ (−1)n+1
(x − 1) − (x − 1)2 + (x − 1)3 − (x − 1)4 + · · · = (x − 1)n
X
2 3 4 n=1 n
On a ici une série développée autour de x = 1 et, par rapport à l’équation 7.18, on a C 0 = 0
n+1
et C n = (−1)n . La série converge évidemment en x = 1 et on peut montrer que le rayon de
convergence est ρ = 1.

|x − a| < ρ ⇒ |x − 1| < 1 ou 0<x <2

Connaissant le terme général de cette série, vous avez déjà vu dans un cours précédent le test
du rapport qui permet de déterminer cet intervalle de convergence. Notons de plus que cette
série peut s’obtenir en appliquant le développement en série de Taylor (voir l’équation 7.17,
page 112) de la fonction ln(x) autour de x = 1. On peut donc écrire
∞ (−1)n+1
(x − 1)n = ln(x)
X
si 0<x <2
n=1 n
Calculons la somme partielle de la série précédente en x = 1, 5. On obtient
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 115

On constate que 20 termes de la somme partielle donnent (à 6 décimales) la valeur de

ln(1, 5). Par contre, avec 10 termes on aura une précision de seulement 3 décimales (car en
arrondissant à 4 décimales on compare 0, 4054 avec 0, 4055).

7.2.2 Résolution d’équations différentielles

On a vu à la section précédente que le développement en série de Taylor d’une fonction, et

plus généralement les séries de puissances (voir 7.18, page 113) sont des outils intéressants pour
évaluer numériquement certaines valeurs. Pour voir comment on peut utiliser ces concepts dans la
résolution d’équations différentielles, on va admettre (sans preuve pour le moment) que la solution
de l’équation puisse s’exprimer sous forme d’une série de puissances.
Considérons par exemple

d2y
y ′′ + y = 0 ou +y =0 avec y(0) = 1 et y ′ (0) = 0 (7.19)
d x2
On a vu aux chapitres 4 et 5 de nombreuses techniques algébriques pour obtenir la solution de
cette équation. On utilise cette équation très simple pour introduire le sujet. En réalité on voudra
plutôt résoudre avec cette technique des équations comme celle en 7.14 ou celles du numéro 7.5 des
exercices à la page 111. Dans ces cas, on n’a pas de méthodes algébriques de résolution.
Comme les conditions initiales sont données en x = 0 dans l’équation 7.19, on cherchera une série
développée autour de cette valeur. La solution y(x) ou plus simplement y qui dépend de x pourra
s’écrire sous forme d’une série de puissancess autour de x = 0
∞
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + · · · = an x n
X
(7.20)
n=0

Résoudre l’équation 7.19 signifie trouver les valeurs des coefficients a 0 , a 1 , a 2 , a 3 , · · · pour que
la série 7.20 soit solution de celle-ci. Pour y arriver on va substituer le candidat série-solution dans
l’équation différentielle. On doit ainsi calculer les deux premières dérivées de la série (une série de
puissances peut être dérivée terme à terme à l’intérieur de son intervalle de convergence).

y ′ = a 1 + 2a 2 x + 3a 3 x 2 + 4a 4 x 3 + 5a 5 x 4 + · · ·

y ′′ = 2a 2 + 3 · 2a 3 x + 4 · 3a 4 x 2 + 5 · 4a 5 x 3 + · · ·
Un des avantages de travailler avec des polynômes ou des séries est la facilité du calcul des dérivées,
par exemple
d 3 d 4
x = 3x 2 x = 4x 3
dx dx
Remarquons que si l’on utilise la condition initiale y(0) = 1 dans la série-solution 7.20, on obtient

1 = a0 + a1 · 0 + a2 · 0 + a3 · 0 + a4 · 0 + · · · ⇒ a0 = 1

Et si on utilise la 2e condition initiale y ′ (0) = 0 dans la dérivée y ′ de la série-solution, on obtient

0 = a 1 + 2a 2 · 0 + 3a 3 · 0 + 4a 4 · 0 + 5a 5 · 0 + · · · ⇒ a1 = 0
116 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

On constate ici que nos conditions initiales nous donnent les deux premiers coefficients de la série-
solution. Plus généralement, en utilisant la série générale développée autour de x = 0
∞
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + · · · = an x n
X
n=0

on aura toujours y(0) = a 0 et y (0) = a 1 . Avec notre exemple, pour l’équation y ′′ + y = 0 avec les
′

conditions initiales y(0) = 1 et y ′ (0) = 0, on sait maintenant que la solution peut s’exprimer sous
forme de série comme étant

y = 1 + 0 · x + a2 x 2 + a3 x 3 + a4 x 4 + · · ·

Pour trouver les autres coefficients de la série, on va substituer y et ses dérivées dans l’équation
différentielle, donc substituer

y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + · · ·
y ′ = a 1 + 2a 2 x + 3a 3 x 2 + 4a 4 x 3 + 5a 5 x 4 + · · · (7.21)
y ′′ = 2a 2 + 3 · 2a 3 x + 4 · 3a 4 x 2 + 5 · 4a 5 x 3 + · · ·

dans l’équation différentielle y ′′ + y = 0

y ′′ = 2a 2 + 3 · 2a 3 x + 4 · 3a 4 x 2 + 5 · 4a 5 x 3 + ···
+y = a0 + a1 x + a2 x 2 + a3 x 3 + ···
2 3
0 = (2a 2 + a 0 ) + (3 · 2a 3 + a 1 )x + (4 · 3a 4 + a 2 )x + (5 · 4a 5 + a 3 )x + ···

On voit dans le tableau précédent que pour faciliter le regroupement des termes ayant la même
puissance de x, on a écrit ceux-ci en colonnes, chaque colonne correspondant à une puissance de x.
Pour que l’égalité sur la dernière ligne soit vraie peu importe la valeur donnée à la variable x, il faut
que tous les coefficients des puissances de x soient nuls.
⇒ 2a 2 + a 0 = 0 ⇒ 2a 2 = −a 0
⇒ a 2 = − 21 a 0 = − 21 puisque a 0 = 1
1
⇒ a2 = −
2
⇒ 3 · 2a 3 + a 1 = 0 ⇒ 3 · 2a 3 = −a 1
1
⇒ a 3 = − 3·2 a1 = 0 puisque a 1 = 0
⇒ a3 = 0
⇒ 4 · 3a 4 + a 2 = 0 ⇒ 4 · 3a 4 = −a 2
1 1
⇒ a 4 = − 4·3 a 2 = − 4·3 (− 21 ) = 1
4! puisque a 2 = − 12
1
⇒ a4 = et, par définition 4 · 3 · 2 · 1 = 4!
4!
⇒ 5 · 4a 5 + a 3 = 0 ⇒ 5 · 4a 5 = −a 3
1 1 1 1
⇒ a 5 = − 5·4 a 3 = − 5·4 (− 3·2 a1 ) = 5! a 3 =0 puisque a 3 = 0
⇒ a5 = 0
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 117

On remarquera des calculs précédents que même si on ne connaissait pas les valeurs des
conditions initiales en x = 0, on aurait pu exprimer chaque coefficient a n en fonction de a 0 et a 1 .
On aurait alors trouvé
1 1 1 1
a2 = − a0 , a3 = − a1 , a4 = a0 , a5 = a1 , . . .
2! 3! 4! 5!

On utilise la notation factorielle dans les résultats précédents pour faciliter la reconnaissance de
la série de la solution trouvée pour cet exemple très simple. En général on donnera plutôt les valeurs
numériques (par exemple 6 au lieu de 3 !).
À partir des résultats précédents, on peut conclure que la solution de l’équation y ′′ + y = 0 avec
y(0) = 1 et y ′ (0) = 0 sera

1 2 1 4
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 · · · ⇒ y = 1− x + x +···
2! 4!

En consultant les séries données en 7.16 à la page 112, on constate que la série-solution obtenue
correspond à la fonction cos(x), solution qu’on peut vérifier aisément avec les techniques vues au
chapitre 4. Si on veut la valeur de la solution en x = 0, 1, donc si on veut calculer cos(0, 1), on peut
utiliser une somme partielle de cette série (en prenant les 3 premiers termes dans l’encadré)
2 4
cos(0, 1) ≈ 1 − (0,1) (0,1)
2! + 4!
≈ 0, 995504 arrondi à 6 D

Comme la série de cos(x) est une série alternée, vous avez déjà vu dans un cours de calcul que l’erreur
commise par la somme partielle sera inférieure en grandeur au terme suivant qui est négligé dans
6
la série (soit x6! ). Donc dans cet exemple, l’erreur en valeur absolue dans le calcul de cos(0, 1) sera
inférieure à
(0, 1)6
= 0, 000000001389
6!
2 4
On constate ici que le polynôme de degré 4 utilisé ci-haut, 1 − x2! + x4! , peut bien approximer la
solution cos(x) de cette équation différentielle si x est près de 0. Et si on veut plus de précision ou si
on n’est pas au voisinage de x = 0, on n’a qu’à utiliser un polynôme de degré plus élevé.
L’inconvénient de l’approche et de la notation utilisée pour résoudre ce problème est le grand
nombre de termes à manipuler si on voulait obtenir plus de termes de la série-solution. Il faut aussi
tenir compte du fait que les équations que l’on voudra résoudre auront plus de termes que y ′′ + y = 0.
Si nous voulions une solution allant jusqu’à x 10 , il faudrait commencer avec

y = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4 + a 5 x 5 + a 6 x 6 + a 7 x 7 + a 8 x 8 + a 9 x 9 + a 10 x 10 + a 11 x 11 + a 12 x 12 · · ·

On devrait ensuite calculer y ′ et y ′′ , cela représente beaucoup de calculs semblables, on calculerait

en général la dérivée de a n x n , pour n = 1, 2, 3, . . .
Pour éviter ces longs calculs répétitifs, on travaillera pour la suite avec la solution sous forme
de sommation. Et ce sont ces sommations que l’on substituera dans l’équation différentielle. On
avait introduit cette notation avec l’équation 7.20 à la page 115. On aura alors pour la série-solution
générale y et ses dérivées
118 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

∞
a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + · · · an x n
X
y = =
n=0
∞
y′ a 1 + 2a 2 x + 3a 3 x 2 + 4a 4 x 3 + 5a 5 x 4 + · · · na n x n−1
X
= = (7.22)
n=1
∞
y ′′ = 2a 2 + 3 · 2a 3 x + 4 · 3a 4 x 2 + 5 · 4a 5 x 3 + · · · = n(n − 1)a n x n−2
X
n=2

On remarque que les sommations pour y ′ et y ′′ ne débutent pas avec n = 0. Cela peut représenter
une difficulté quand vient le temps de regrouper plusieurs sommations ensemble. Il est toujours pos-
sible de faire un changement d’indice dans un sommation sans changer la série qui est représentée.
Par exemple, si on pose m = n + 1 (donc m = n − 1) dans la 2e sommation, on aura
∞ ∞
na n x n−1 y′ = (m + 1)a m+1 x m
X X
remplaçons n par m + 1 ⇒
n=1 m=0

Et si on remplace de nouveau m par n, on se retrouve avec 2 façons de noter la dérivée y ′

∞ ∞
y′ = na n x n−1 = (n + 1)a n+1 x n
X X
n=1 n=0

Une façon élégante de ne pas avoir à trop s’occuper du début d’indice des sommations vient du
constat que la borne supérieure infini reste l’infini après dérivation dans l’équation précédente. Pour
simplifier les manipulations à venir, nous allons considérer que le candidat-solution (autour de x = 0)
s’écrira
∞
an x n
X
y= avec la condition que a n = 0 si n < 0
n=−∞

Cela représente clairement la même série qu’en 7.22, mais avec l’avantage que pour les dérivées on
trouve
∞ ∞
y′ = na n x n−1 et y ′′ = n(n − 1)a n x n−2
X X
avec a n = 0 si n < 0
n=−∞ n=−∞

Comme les 3 séries pour y et ses deux dérivées ont toujours le même indice de sommation, ici allant
de n = −∞ à n = ∞, on négligera de l’écrire à partir de maintenant pour ne pas alourdir l’écriture
mais on se souviendra que les résultats seront à considérer pour des valeurs de a n où n ≥ 0 puisque
a n = 0, ∀n < 0. Nos trois sommations de base pour résoudre une équation d’ordre 2 seront

an x n y′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X
y= (7.23)

Si, dans une équation différentielle, les conditions initiales ne sont pas données en x = 0 mais
plutôt en x = a avec a 6= 0, le développement en série de la solution prendra la forme suivante
∞
y = a 0 + a 1 (x − a) + a 2 (x − a)2 + a 3 (x − a)3 + a 4 (x − a)4 + · · · = a n (x − a)n
X
(7.24)
n=0

Ainsi, si on a une équation différentielle d’ordre 2, avec les conditions initiales y(a) = k 1 et y ′ (a) =
k 2 , la substitution de x = a dans dans 7.24 et dans sa dérivée y ′ nous donnera les deux premiers
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 119

coefficients de la série, comme dans le cas où les conditions sont en x = 0. On trouvera ainsi a 0 = k 1
et a 1 = k 2 . On verra dans un exemple plus tard ce type de situation, où pour éviter de manipuler des
termes en (x − a)n , on fera le changement de variables v = x − a pour travailler avec un candidat-
solution y = a n v n . Le changement de variables permet de ramener les conditions initiales en v = 0,
P

plutôt qu’en x = a.
Mentionnons finalement deux propriétés importantes en rapport avec la notation de sommation.
s
X s
X s
X
1− un + vn = (u n + v n )
n=r n=r n=r
Xs s
X
2− k un = k · un
n=r n=r
si k est un terme indépendant de n

La première propriété indique qu’on peut combiner deux sommations en une seule, en combinant
les deux termes généraux u n et v n (si les deux sommations sont sur le même ensemble d’indices). La
deuxième propriété montre qu’on peut distribuer sur le terme général un terme k qui est devant la
sommation. Avec les différents résultats des dernières pages, nous allons refaire l’exemple présenté
au début de cette section à la page 115.

Exemple 7.8
Résolvons de nouveau l’équation suivante

d2y
y ′′ + y = 0 ou +y =0 avec y(0) = 1 et y ′ (0) = 0
d x2

On utilise les sommations suivantes pour la résolution

y = an x n y ′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X

La solution y peut aussi s’écrire y = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + a 4 x 4 + a 5 x 5 + · · · . Donc y(0) = a 0 = 1 et

y ′ (0) = 0 = a 1 comme on l’avait vu dans les pages précédentes. On substitue les sommations dans
l’équation
y ′′ + y = 0 n(n − 1)a n x n−2 + a n x n = 0
X X
⇒
On a vu qu’on peut combiner deux sommations en une seule, mais on doit s’assurer qu’on combine
des termes généraux semblables. Ici on a une sommation avec x n−2 et l’autre avec x n . Pour les
combiner ensemble on doit changer l’indice de la première pour qu’elle soit aussi en x n . Pour y
arriver, on doit remplacer n par n + 2 dans celle-ci (car n − 2 devient alors n + 2 − 2 = n).

n(n − 1)a n x n−2 (n + 2)(n + 2 − 1)a n+2 x n+2−2 = (n + 2)(n + 1)a n+2 x n
X X X
n → n +2 ⇒

Après ce changement d’indice on obtient

(n + 2)(n + 1)a n+2 x n + a n x n = 0 (n + 2)(n + 1)a n+2 + a n x n = 0

X X X£ ¤
⇒

Pour que cette dernière sommation soit identiquement égale à 0 peut importe la valeur de x (donc
pour que ce soit une solution de l’équation initiale), il faut que tous les coefficients de x n soient nuls
quand n ≥ 0.
(n + 2)(n + 1)a n+2 + a n = 0 ∀n ≥ 0
120 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Comme on connaît déjà les valeurs a 0 et a 1 , on veut avec l’équation précédente trouver les prochaines
valeurs en fonction des précédentes. On va résoudre cette équation en isolant le terme a n+2

−a n
a n+2 =
(n + 2)(n + 1)

On utilise cette formule de récurrence en substituant successivement n = 0, 1, 2, 3, . . .

−a 0 1
n=0 ⇒ a2 = =− car a 0 = 1
(2)(1) 2
−a 1 1
n =1 ⇒ a3 = = − a1 = 0 car a 1 = 0
(3)(2) 3!
−a 2 1 1 1
n =2 ⇒ a4 = =− a2 = car a 2 = −
(4)(3) 4·3 4! 2
−a 3 5
n=3 ⇒ a5 = =− a3 = 0 car a 3 = 0
(5)(4) 5·4
−a 4 1 1 1
n =4 ⇒ a6 = =− a4 = − car a 4 =
(6)(5) 6·5 6! 4!
En remplaçant ces valeurs dans la série générale, on retrouve la même solution que celle trouvée à la
page 117
1 1 1
y = 1 − x2 + x4 − x6 · · ·
2! 4! 6!
Et on pourrait aisément calculer avec la formule de récurrence plus de termes de la série-solution.

Il est intéressant de noter que dans l’exemple précédent, si on ne connaissait pas les conditions
initiales, on n’aurait pas les valeurs de a 0 et de a 1 , mais on pourrait quand même déterminer, à l’aide
de la formule de récurrence, la solution en termes de a 0 et de a 1 . On trouverait alors
a0 a1 a2 1 a3 1 a4 1
a2 = − a3 = − a4 = − = a0 a5 = − = a1 a6 = − = − a0 . . .
2! 3! 4 · 3 4! 5 · 4 5! 6·5 6!
Et la solution serait
a0 2 a1 3 a0 4 a1 5 a0 6
y = a0 + a1 x − x − x + x + x − x +···
2! 3! 4! 5! 6!
En réorganisant les termes et en mettant en facteurs a 0 et a 1 , on obtient

³ a0 a0 a0 ´ ³ a1 a1 ´
y = a0 − x 2 + x 4 − x 6 + · · · + a1 x − x 3 + x 5 + · · ·
2! 4! 6! 3! 5!
2 4 6 3 5
x x x x x
µ ¶ µ ¶
⇒ y = a0 1 − + − + · · · + a1 x − + + · · · = a 0 cos(x) + a 1 sin(x)
2! 4! 6! 3! 5!

Dans ce dernier résultat, on reconnaît les développements en séries pour cos(x) et sin(x) men-
tionnées à l’équation 7.16 de la page 112, au début de la section. On obtient alors la solution générale
de l’équation différentielle y ′′ + y = 0, comme on l’avait vu au chapitre 4. Cependant, pour le reste
de cette section, nous travaillerons avec des équations différentielles linéaires et homogènes où
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 121

l’on connaît les conditions initiales et nous ne considérerons que des équations d’ordre 2, avec des
coefficients variables polynomiaux (le cas où les coefficients sont constants a été traité au chapitre 4).
L’exemple suivant illustrera le type d’équations que l’on cherche à résoudre par la méthode des
séries de puissances. On remarquera que ces équations ne peuvent se résoudre par les méthodes
algébriques vues jusqu’à maintenant.

Exemple 7.9
Considérons l’équation différentielle suivante

d2y dy
y ′′ + 2x y ′ + 3y = 0 ou 2
+ 2x + 3y = 0 avec y(0) = 2 et y ′ (0) = 1
dx dx
Résolvez cette équation par la méthode des séries de puissances, indiquez la formule de récurrence
utilisée pour générer les coefficients et donnez les 5 premiers termes non nuls de la solution. Avec
votre solution, estimez la valeur de y(0, 5).
Les conditions initiales étant données en x = 0, la solution y peut s’écrire
∞
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 + · · · = an x n
X
n=0

Comme on l’avait vu dans les pages précédentes, les valeurs des conditions initiales nous donnent
les deux premiers coefficient de la série-solution, donc

y(0) = a 0 = 2 y ′ (0) = a 1 = 1.

Comme pour l’exemple précédent, nous utiliserons les sommations indiquées à l’équation 7.23, page
118 pour la substitution dans l’équation différentielle

y = an x n y ′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X

On substitue y et ses dérivées dans l’équation

y ′′ + 2x y ′ + 3y =0
n−2
+ 2x na n x n−1 + 3 an x n
X X X
n(n − 1)a n x =0

On doit ensuite distribuer dans les sommations les termes devant celles-ci. On remarquera avec la 2e
sommation que 2x · na n x n−1 = 2na n x n

n(n − 1)a n x n−2 + 2na n x n + 3a n x n = 0

X X X

On doit avoir toutes les sommations avec le même terme général. Les 2 dernières sont en x n , mais la
première est en x n−2 . Comme avec l’exemple précédent, on remédie à ce problème en remplaçant n
par n + 2 dans la première sommation n → n + 2.

(n + 2)(n + 2 − 1)a n+2 x n+2−2 + 2na n x n + 3a n x n = 0

X X X

(n + 2)(n + 1)a n+2 x n 2na n x n + 3a n x n = 0

X X X
+

Comme nous l’avions vu à la page 119, on peut réunir ces trois sommations en une seule, avec un
seul coefficient fois x n , ici on combinera également les deux termes en a n .

(n + 2)(n + 1)a n+2 + (2n + 3)a n x n = 0

X£ ¤
122 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Pour que cette série soit nulle, il faut que tous les coefficients de x n soient nuls.

⇒ (n + 2)(n + 1)a n+2 + (2n + 3)a n = 0 ∀n ≥ 0

En isolant le terme avec le plus grand indice pour a, on trouve

−(2n + 3)a n
(n + 2)(n + 1)a n+2 = −(2n + 3)a n ⇒ a n+2 = ∀n ≥ 0
(n + 2)(n + 1)

On obtient ainsi la formule de récurrence permettant de calculer les coefficients de la série-solution.

On sait déjà, par les conditions initiales, que a 0 = 2 et que a 1 = 1. Calculons les coefficients suivants à
l’aide de la formule de récurrence.
−(2 · 0 + 3) 3 3
n=0 ⇒ a2 = a0 = − a0 = − · 2 ⇒ a 2 = −3
2·1 2 2
−(2 · 1 + 3) 5 5 5
n=1 ⇒ a3 = a1 = − a1 = − · 1 ⇒ a3 = −
3·2 6 6 6
−(2 · 2 + 3) 7 7 7
n=2 ⇒ a4 = a 2 = − a 2 = − · (−3) ⇒ a4 =
4·3 12 12 4
−(2 · 3 + 3) 9 9 5 3
n=3 ⇒ a5 = a3 = − a3 = − · − ⇒ a5 =
5·4 20 20 6 8
..
.

On pourrait continuer de calculer autant de termes que nécessaire, en comprenant que si la série
converge, on aura plus de précision dans les résultats obtenus avec la somme partielle. Comme au
début de l’exemple, on demandait de donner les 5 premiers termes non nuls de la série-solution, on
aura
5 7
y = 2 + x − 3x 2 − x 3 + x 4 + · · ·
6 4
Estimons la valeur de la solution en x = 0, 5, donc y(0, 5)

5 7
y(0, 5) ≈ 2 + 0, 5 − 3(0, 5)2 − (0, 5)3 + (0, 5)4 ⇒ y(0, 5) ≈ 1, 755208
6 4
En utilisant plus de termes de la série-solution, on obtiendrait un estimé plus précis de la solution en
x = 0, 5.

Pour ce dernier résultat de l’exemple précédent, on a présumé, sans explications, que la série-
solution obtenue converge en x = 0, 5. Pourtant, on a vu dans la section 7.2.1, page 112, que chaque
série possède un intervalle de convergence. On aurait dû vérifier si x = 0, 5 appartient à l’intervalle de
convergence de la série-solution de cet exemple. Quoiqu’il puisse être ardu de déterminer de façon
générale un intervalle de convergence d’une série, il sera assez simple de le faire dans notre contexte
de résolution d’équations différentielles, pour le type d’équations qui nous intéresse. Ce sera d’autant
plus important que nous n’aurons pas la plupart du temps le terme général explicite de la série (a n en
fonction de n seulement) ; on n’a qu’une formule de récurrence permettant de calculer récursivement
les coefficients en fonction des termes précédents.
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 123

7.2.3 Existence et convergence des séries solutions

Comme nous le mentionnions juste avant l’exemple 7.9 à la page 121, nous ne regarderons qu’un
type d’équations différentielles à coefficients variables, soit l’équation homogène linéaire d’ordre 2 à
coefficients polynomiaux ou constants. On aura l’équation générale suivante

p(x)y ′′ + q(x)y ′ + r (x)y = 0 où p, q, r sont des polynômes ou des constantes (7.25)

On remarquera que cette équation peut aussi s’écrire, après division par p(x)
−q(x)y ′ − r (x)y
y ′′ =
p(x)
On considère alors que p(x) 6= 0, en fait on suppose des valeurs de x telles qu’on ne divisera pas par 0.

Définition 7.1 Point singulier ou singularité

Dans l’équation 7.25 ci-dessus, on dit que x = b est un point singulier ou une singularité de
l’équation si p(b) = 0. Un point non singulier se nomme un point régulier.

Pour être mathématiquement plus précise, la définition précédente devrait aussi mentionner que
x = b est un point singulier si en plus q(b) 6= 0 et r (b) 6= 0. En effet, si x = b est un point singulier
alors (x − b) est un facteur de p(x). Mais si (x − b) est aussi un facteur de q(x) et de r (x), on pourrait
diviser toute l’équation par ce facteur pour en simplifier l’écriture. On considère pour la suite que les
polynômes p(x), q(x) et r (x) n’ont aucun facteur commun.
Les points singuliers correspondent aux valeurs problématiques pour la division de l’équation
par p(x). Pour trouver les points singuliers d’une équation, on n’a qu’à trouver les racines réelles ou
complexes de p(x). Au besoin, utilisez les commandes csolve ou czeros de votre calculatrice.

Exemple 7.10
Déterminez les points singuliers des équations suivantes
(a)
x 2 − 4 y ′′ + 2x y = 0
¡ ¢

Les zéros de p(x) = x 2 −4 sont x = 2 et x = −2. Il y a deux points singuliers pour cette équation.
(b)
y ′′ + 2x y ′ + 3y = 0
Le polynôme p(x) est ici la constante 1. Il n’y a donc pas de points singuliers pour cette
équations.
(c)
x 2 + 9 y ′′ + 2x y = 0
¡ ¢

Le polynôme p(x) = x 2 + 9 n’a pas de racines réelles, mais a deux racines complexes conju-
guées (utilisez au besoin la commande czeros de votre calculatrice). On trouve alors les points
singuliers x = 3i et x = −3i .
124 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Théorème 7.1 Existence et convergence d’une série-solution

Considérons l’équation différentielle

p(x)y ′′ + q(x)y ′ + r (x)y = 0 où p, q, r sont des polynômes ou des constantes (7.26)

et soit x = a un point non singulier de l’équation (donc p(a) 6= 0). Si la valeur x = a correspond à la
valeur de x pour laquelle les conditions initiales sont données. Alors
1. La solution de l’équation différentielle peut s’obtenir en substituant dans l’équation différen-
tielle
∞
y = a 0 + a 1 (x − a) + a 2 (x − a)2 + a 3 (x − a)3 + a 4 (x − a)4 + · · · = a n (x − a)n
X
n=0

2. La série-solution obtenue converge pour tout x tel que |x − a| < R où R est la distance entre
le point de développement x = a et la plus proche singularité de l’équation. R est le rayon de
convergence de la série-solution.
On peut aussi écrire que la série-solution converge

a −R < x < a +R

Le théorème précédent 24 nous permet de savoir qu’une solution du type série existe pour
l’équation 7.26 en autant qu’elle soit développée autour d’un point non singulier. Ce sera le cas
lorsque les conditions initiales sont données en un point x = a régulier.
Dans les exemples suivants, on ne résoudra pas les équations différentielles, on ne trouvera que
l’intervalle de convergence de la série-solution potentielle.

Exemple 7.11

(a) Considérons l’équation différentielle (x 2 − 4)y ′′ + 2x y = 0 avec les conditions initiales y(0) = 2
et y ′ (0) = 3. Les racines de p(x) = x 2 −4 sont x = 2 et x = −2. On a donc 2 points singuliers. Les
conditions initiales sont données en x = 0 qui est un point régulier.
La distance entre x = 0 et le point singulier x = 2 est R = 2. C’est la même distance si on
choisit l’autre point singulier x = −2. En vertu du théorème, cette équation peut se résoudre,
n
par substitution, avec le candidat série suivant y = ∞ n=0 a n x et la série-solution convergera
P

si |x| < 2 (ou −2 < x < 2).

On peut aussi visualiser graphiquement l’intervalle de convergence. Dans l’image qui suit, sur
l’axe réel des valeurs de x, on indique par un point bleu la valeur de x = 0 autour de laquelle
la série est développée et on indique les points singuliers x = −2 et x = 2 par des x bleus.

R=2 R=2

−2 −1 0 1 2 3 4 x −2 −1 0 1 2 3 4 x

24. Pour être plus rigoureux, le théorème devrait spécifier que le rayon de convergence est au moins égal à R, qui est
la distance entre le point de développement et la plus proche singularité. Le théorème nous assure que la série-solution
converge dans l’intervalle |x − a| < R mais ne nous permet pas de statuer sur ce qui se passe à l’extérieur de celui-ci.
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 125

En partant de x = 0, on peut s’éloigner de ce point de façon symétrique tant que l’on ne

rencontre pas de points singuliers. On doit ici évidemment arrêter après avoir parcouru une
distance de R = 2. On voit sur le 2e graphique l’intervalle de convergence pour cet exemple.
On peut également visualiser le concept d’intervalle de convergence en considérant des
cercles concentriques centrés en x = 0, le point de développement de la série-solution. On
prend des cercles avec des rayons de plus en plus grands, tant qu’on ne rencontre pas de
points singuliers. Le rayon du plus grand cercle possible en suivant cette règle sera le rayon
de convergence de la série-solution de l’équation différentielle. On voit sur l’image suivante
que le plus grand cercle possible sera de rayon R = 2.

R=2

−2 −1 0 1 2 3 4 x

(b) Considérons l’équation différentielle déjà résolue à l’exemple 7.9 page 121.

y ′′ + 2x y ′ + 3y = 0 avec y(0) = 2 et y ′ (0) = 1

La série-solution est développée autour de x = 0 et il n’y a pas de points singuliers puisque

p(x), le terme devant y ′′ est ici la constante 1. S’il n’y a pas de points singuliers, on peut
commencer à x = 0 et s’éloigner jusqu’à l’infini sans rencontrer de points singuliers. Le rayon
de convergence est alors R =∝ et la série-solution obtenue sera convergente ∀x ∈ R.
(c) Considérons l’équation différentielle suivante

(x 2 − 16)y ′′ + 5x y = 0 avec y(1) = 0 et y ′ (1) = 4

Les conditions initiales sont données en x = 1. Les points singuliers sont les zéros de x 2 − 16,
soit x = 4 et x = −4. En se référant au théorème 7.1, à la page 124, on a bien que le point de
développement x = 1 n’est pas un point singulier et que la solution de cette équation peut
s’obtenir avec la série suivante
∞
y = a 0 + a 1 (x − 1) + a 2 (x − 1)2 + a 3 (x − 1)3 + a 4 (x − 1)4 + · · · = a n (x − 1)n
X
n=0

Le rayon de convergence de la série-solution est la distance entre x = 1 et le plus proche point

singulier, qui sera dans cet exemple x = 4.

−4 −3 −2 −1 0 1 2 3 4 x

R=3 R=3

−4 −3 −2 −1 0 1 2 3 4 x
126 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

La série-solution convergera alors si |x − 1| < 3 (ou −2 < x < 4).

On aurait pu aussi visualiser l’intervalle en considérant le plus grand cercle centré en x = 1,
qui rencontre en premier un point singulier. Les valeurs de x qui feront converger la série-
solution seront celles à l’intérieur du cercle le plus grand, donc les valeurs de x entre x = −2
et x = 4.

R=3

−4 −3 −2 −1 0 1 2 3 4 x

Comme on l’a vu à l’exemple 7.10 page 123, les points singuliers peuvent aussi être des nombres
complexes. Pour pouvoir représenter visuellement les points singuliers complexes, on a besoin du
plan complexe. Si on considère un nombre complexe général, sous la forme rectangulaire z = x + yi ,
où x et y sont des nombres réels, la coordonnée x est la partie réelle du nombre z et la coordonnée
y est la partie imaginaire de z. La partie réelle sera représentée par l’axe x du graphe. Pour la partie
imaginaire, on utilise l’axe vertical d’un plan cartésien.

y axe imaginaire
3 z2 = 3i

2 z1 = 3+2i

1
axe
−3 −2 −1 0 1 2 3 4 x

−1

−2

−3

On voit sur le graphe les nombres complexes z 1 = 3 + 2i et z 2 = 3i . Considérons maintenant un

exemple où les points singuliers sont des nombres complexes.
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 127

Exemple 7.12
Considérons l’équation différentielle (x 2 + 4)y ′′ + 2x y ′ + 5y = 0 avec les conditions initiales y(1) = −1
et y ′ (1) = 0. Les racines de p(x) = x 2 + 4 sont x = 2i et x = −2i . On a donc 2 points singuliers. Les
conditions initiales sont données en x = 1 qui est un point régulier.
En se référant au théorème 7.1, à la page 124, on a bien que le point de développement x = 1 n’est pas
un point singulier et que la solution de cette équation peut s’obtenir avec la série suivante
∞
y = a 0 + a 1 (x − 1) + a 2 (x − 1)2 + a 3 (x − 1)3 + a 4 (x − 1)4 + · · · = a n (x − 1)n
X
n=0

Le rayon de convergence de la série-solution est la distance entre x = 1 et le plus proche point

singulier, x = 2i ou x = −2i .

y axe imaginaire
3

2
R= 12+22 = 5

1
axe
−3 −2 −1 0 1 2 3 4 x

−1

−2

−3

Le plus grand cercle centrée en x = 1 que l’on peut tracer avant de rencontrer un point singulier sera
celui où le rayon R est la distance entre le point de développement x = 1 et le nombre complexe 2i
(avec −2i on obtient le même rayon). En appliquant Pythagore au triangle avec une base de 1 unité
p
et un côté latéral de 2 unités, on trouve R = 5. La série-solution sera convergente 25 pour
p p p
1− 5 < x < 1+ 5 ou pour |x − 1| < 5

Dans ce dernier exemple, on a calculé la distance entre x = 1 et le point singulier b = 2i . De façon

générale, on peut calculer la distance d entre deux points a et b réels en utilisant la valeur absolue
de la différence entre les 2 points. On obtient d = |a − b|. Cette formule est aussi valable si les points
sont des nombres complexes. On dit alors que |a − b| donne le module du nombre complexe obtenu
en soustrayant a et b.
Votre calculatrice, comme bien d’autres modèles maintenant, permet ce calcul directement en
utilisant le modèle pour la valeur absolue ou en utilisant le menu des nombres complexes. On
25. On peut étendre plusieurs concepts vus jusqu’à maintenant en travaillant avec des fonctions à variables
complexes(C), au lieu de travailler avec le support classique des nombres réels(R). Le calcul différentiel et intégral et même
le concept de série y trouvent des généralisations importantes. Par exemple en considérant z une variable pouvant prendre
1
des valeurs complexes (z ∈ C), la série suivante 1 + z + z 2 + z 3 + · · · converge vers 1−z si |z| < 1 ce qui correspond, dans le
plan complexe, à l’intérieur du cercle de rayon 1 centré à l’origine. (réf. Wikipedia) ou (Nombres complexes à l’ÉTS)
128 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

obtient celui-ci en appuyant sur les touches « menu–> Nombre–> Complexe ». Sur la figure suivante,
on voit ce menu particulier et on voit les calculs pour l’exemple précédent en utilisant le point de
développement a = 1 et le point singulier b = 2i .

Terminons cette section sur la résolution d’équations différentielles à l’aide de séries de puis-
sances avec quelques exemples détaillés. On verra en particulier un exemple où les conditions
initiales ne sont pas en x = 0 et on regardera également comment utiliser votre calculatrice Nspire
pour effectuer une partie des calculs nécessaires à la résolution de ces équations.

7.2.4 Exemples détaillés

Pour les exemples suivants, on devra déterminer l’intervalle de convergence de la série-solution,

la formule de récurrence permettant de calculer les coefficients de cette série, la série-solution avec le
nombre de termes demandés et l’estimé de la solution en un point x donné. Pour ce premier exemple,
les conditions initiales sont données en x = 0.

Exemple 7.13
Considérons l’équation différentielle suivante

¢ d2y dy
x 2 − 1 y ′′ + 3y ′ + 2y = 0 ou x2 − 1 y(0) = 3 et y ′ (0) = −2
¡ ¢ ¡
+3 + 2y = 0 avec
d x2 dx
Résolvez cette équation par la méthode des séries de puissances. Déterminez l’intervalle de conver-
gence (IC) de la série-solution, indiquez la formule de récurrence utilisée pour générer les coefficients
et donnez les 6 premiers termes non nuls de la solution. Tracez le graphe de votre solution pour x ∈ IC
et avec votre solution, estimez la valeur de y(0, 5).

(a) Déterminons l’intervalle de convergence de la série-solution que nous trouverons par la suite.
En se référant au théorème 7.1 à la page 124, on sait que les conditions initiales étant données
en x = 0, la solution y peut aussi s’écrire
∞
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 + · · · = an x n
X
n=0

Le polynôme devant y ′′ est p(x) = x 2 − 1. Les zéros de p(x) sont x = 1 et x = −1 qui sont deux
points singuliers. Le rayon de convergence R est la distance entre le point de développement
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 129

x = 0 et le plus proche point singulier. Donc on doit considérer la distance entre x = 0 et x = 1

ou x = −1. Dans les deux cas on obtient une distance de 1. La série convergera si |x| < 1 donc
si −1 < x < 1 .
(b) Déterminons la série-solution avec les 6 premiers termes non nuls et la formule de récurrence
pour générer les coefficients de la série.
Nous utiliserons les sommations indiquées à l’équation 7.23, page 118 pour la substitution
dans l’équation différentielle

y = an x n y ′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X

On substitue y et ses dérivées dans l’équation

x 2 − 1 y ′′ 3y ′
¡ ¢
+ + 2y =0
¡ 2
n(n − 1)a n x n−2 n−1
+ 2 an x n
¢X X X
x −1 + 3 na n x =0

Si on distribue x 2 − 1 sur la première sommation, on obtient

x 2 n(n − 1)a n x n−2 − n(n − 1)a n x n−2 + 3 na n x n−1 an x n

X X X
+ 2 =0
P

On doit ensuite distribuer dans les sommations les termes devant celles-ci. On remarquera
avec la 1ere sommation que x 2 · n(n − 1)a n x n−2 = n(n − 1)a n x n . On obtient alors

n(n − 1)a n x n −n(n − 1)a n x n−2 3na n x n−1 2a n x n

X X X
=0
P
+ + +

Si on réunit ensemble les deux sommations en x n , en notant que n(n − 1) = n 2 − n

n 2 − n + 2 an x n −n(n − 1)a n x n−2 3na n x n−1

X¡ ¢ X
=0
P
+ +

On doit avoir toutes les sommations avec le même terme général, ici on choisit des termes
en x n . La première est en x n , mais on doit procéder à un changement d’indice pour les deux
dernières sommations. On remplace n par n + 2 (n → n + 2) dans la deuxième sommation et
on remplace n par n + 1 (n → n + 1) dans la dernière sommation. On obtient

n 2 − n + 2 an x n −(n + 2)(n + 2 − 1)a n+2 x n+2−2 3(n + 1)a n+1 x n+1−1

X¡ ¢ X
=0
P
+ +
X¡ 2
n − n + 2 an x n −(n + 2)(n + 1)a n+2 x n 3(n + 1)a n+1 x n
¢ X
=0
P
+ +

Comme nous l’avions vu à la page 119, on peut réunir ces trois sommations en une seule, avec
un seul coefficient fois x n .
X £¡ 2
n − n + 2 a n − (n + 2)(n + 1)a n+2 + 3(n + 1)a n+1 x n = 0
¢ ¤

Pour que cette série soit nulle, il faut que tous les coefficients de x n soient nuls.
¡ 2 ¢
⇒ n − n + 2 a n − (n + 2)(n + 1)a n+2 + 3(n + 1)a n+1 = 0 ∀n ≥ 0 (7.27)

Comme on veut une formule permettant de calculer les coefficients de la série en fonction des
coefficients précédents déjà connus ou calculés on va isoler dans cette dernière expression le
terme avec le plus grand indice pour a. On trouve avec un peu d’algèbre

(n + 2)(n + 1)a n+2 = n 2 − n + 2 a n + 3(n + 1)a n+1

¡ ¢
130 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

n 2 − n + 2 a n + 3(n + 1)a n+1

¡ ¢
⇒ a n+2 = (7.28)
(n + 2)(n + 1)

On obtient ainsi la formule de récurrence permettant de calculer les coefficients de la série-

solution. On sait déjà, par les conditions initiales, que a 0 = 3 et que a 1 = −2 . Calculons les
coefficients suivants à l’aide de la formule de récurrence.
2a 0 + 3a 1 6 − 6
n=0 ⇒ a2 = = =0 ⇒ a2 = 0
2·1 2
(1 − 1 + 2)a 1 + 3(1 + 1)a 2 2a 1 + 6a 2 −4 2 2
n=1 ⇒ a3 = = = =− ⇒ a3 = −
3·2 6 6 3 3
4a 2 + 9a 3 1 1 1 1
n=2 ⇒ a4 = = · 9a 3 = · (−6) = − ⇒ a4 = −
4·3 12 12 2 2
8a 3 + 12a 4 1 17 17
· µ ¶ µ ¶¸
−2 −1
n=3 ⇒ a5 = = 8· + 12 · =− ⇒ a5 = −
5·4 20 3 2 30 30
14a 4 + 15a 5 −7 − 17/2 31 31
n=4 ⇒ a6 = = =− ⇒ a6 = −
6·5 30 60 60
..
.

La série-solution de cette équation différentielle est, avec l’affichage de 6 termes non nuls,

2 1 17 31
y = 3 − 2x − x 3 − x 4 − x 5 − x 6 + · · ·
3 2 30 60
et cette série converge si −1 < x < 1.
Pour obtenir des estimés de la solution lorsque −1 < x < 1, on utilisera le polynôme

2 1 17 31
sol(x) = 3 − 2x − x 3 − x 4 − x 5 − x 6
3 2 30 60
Ce polynôme sera également utilisé pour tracer en (c) un estimé du graphe de la série-
solution.
On se rend compte que le calcul des coefficients peut devenir lourd, surtout si on cherche
une solution avec un grand nombre de termes, pour obtenir plus de précision dans un estimé
numérique. On peut vouloir automatiser les calculs de la formule 7.28 avec votre calculatrice,
ou avec le logiciel Nspire 26 .
Nous verrons dans l’exemple suivant comment utiliser ces outils pour faciliter grandement les
calculs ce qui permettra également d’augmenter la précision des estimés requis. Terminons
maintenant de répondre aux questions mentionnées au début de cet exemple.
(c) Voici le graphe de l’estimé sol(x) de la solution pour x dans l’intervalle de convergence

26. Plusieurs logiciels permettent d’obtenir directement la série-solution, en fait un polynôme-solution, d’une équation
différentielle. Nspire ne donne pas directement la solution mais peut aider grandement à effectuer plusieurs des calculs et
opérations.
Voici un fichier Nspire (et la version PDF de celui-ci ) pour illustrer toutes les étapes de ce type de problèmes, avec un
exemple semblable à celui de l’exemple en cours. Ces fichiers sont aussi disponibles dans la section « Calculatrice » de mon
site de support en MAT265 [Link]
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 131

(d) Pour estimer la valeur de y(0, 5), on calcule sol(0, 5)

2 1 17 31
y(0, 5) ≈ sol(0, 5) = 3 − 2(0, 5) − (0, 5)3 − (0, 5)4 − (0, 5)5 − (0, 5)6 = 1, 85964
3 2 30 60
On peut estimer la solution lorsque x = 0, 5 à y(0, 5) ≈ 1.85964

On pourrait se questionner sur la précision de l’estimé précédent. On sait par la convergence de

la série-solution de l’équation différentielle précédente que si on utilisait plus de termes de la série
on augmenterait la précision de l’estimé. Si au lieu de prendre le polynôme de degré 6 sol(x), on avait
généré une solution avec plus de termes (disons jusqu’à x 20 ) on aurait un estimé plus précis. Comme
les calculs précédents étaient déjà longs et lourds pour obtenir sol(x), pour explorer plus de termes
nous aurons besoin du support de Nspire. Dans l’exemple qui suit, nous reprenons la même équation
différentielle que l’exemple 7.13 précédent en voyant comment s’aider de Nspire pour les calculs. On
voudra également juger de la précision des estimés obtenus.

Exemple 7.14
Considérons de nouveau l’équation différentielle suivante

¢ d2y dy
x 2 − 1 y ′′ + 3y ′ + 2y = 0 ou x2 − 1 y(0) = 3 et y ′ (0) = −2
¡ ¢ ¡
2
+3 + 2y = 0 avec
dx dx
On ne reprendra pas ici tous les calculs de l’exemple précédent, mais on se concentre sur le calcul des
coefficients de la série-solution. Après substitution dans l’équation différentielle du candidat série-
solution et de ses dérivées, on avait trouvé la relation suivante pour les coefficients de la série (voir
l’équation 7.27 à la page 129)

¡ 2 ¢
n − n + 2 a n − (n + 2)(n + 1)a n+2 + 3(n + 1)a n+1 = 0 ∀n ≥ 0 (7.29)
Pour travailler avec la calculatrice ou le logiciel Nspire, il faut modifier la notation de l’équation
précédente. En effet, Nspire ne peut manipuler les indices des coefficients a n , a n+1 et a n+2 . On fait le
choix de les remplacer par une notation fonctionnelle qui nous permettra ensuite de faire varier ces
indices. Donc on remplace a n par a(n), a n+1 par a(n + 1) et a n+2 par a(n + 2). L’équation sera alors
¡ 2 ¢
n − n + 2 a(n) − (n + 2)(n + 1)a(n + 2) + 3(n + 1)a(n + 1) = 0 ∀n ≥ 0 (7.30)

Sur la figure suivante on constate les opérations avec Nspire, avec cette équation, pour obtenir la
formule de récurrence de la série-solution. Comme on veut résoudre pour le terme avec le plus haut
132 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

indice, soit a(n + 2), on doit remplacer ce terme par une variable pour pouvoir utiliser la commande
solve( ). Avec Nspire, on ne peut résoudre une équation que pour une variable (on prend ici la variable
w).

Certaines des approches avec Nspire 27 demandent une formule de récurrence en terme de n et non
de n + 2. On veut donc une formule a(n) = ..., ce qu’on peut obtenir facilement en remplaçant n
par n − 2 dans la formule obtenue. Avec Nspire, on utilise une variable de transition pour éviter une
définition circulaire. On remplace n par m − 2.

La formule de récurrence précédente est valide pour n ≥ 2. On utilisera ici la commande seqGen( ) de
Nspire pour calculer les coefficients de la série-solution. Le résultat de cette commande est une liste
des coefficients cherchés.

On voit avec la figure précédente que l’on met en mémoire, dans la variable c, la liste obtenue. Cela
nous permet d’interroger la liste avec une commande c[n], où n est la position dans la liste. Par

27. Dans ce fichier Nspire (ou dans la version PDF de celui-ci ) vous trouverez les détails des opérations faites avec
Nspire pour cet exemple.
Voir également dans ce fichier Nspire (ou dans la version PDF de celui-ci ) toutes les étapes de ce type de problèmes
incluant 3 approches différentes pour le calcul des coefficients de la série-solution, avec un exemple semblable à celui de
l’exemple en cours. Ces fichiers sont aussi disponibles dans la section « Calculatrice » de mon site de support en MAT265
[Link] . Vous pouvez également consulter l’exemple 7-16b) à la page 142 pour illustrer ces
3 approches.
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 133

exemple, on voit que c[1] = 3 correspond à la valeur de a 0 , c[2] = −2 correspond à la valeur de a 1 ,

c[4] = − 23 correspond à la valeur de a 3 etc.
On peut maintenant terminer l’exercice en demandant à Nspire de créer la somme partielle voulue
(qu’on avait déjà trouvée à l’exemple précédent) et faire l’estimé demandé en x = 0, 5.

Comme la calculatrice Nspire ou le logiciel fait l’essentiel des calculs, il est facile d’obtenir plus de
précision dans un estimé comme la valeur obtenue dans la figure précédente avec un polynôme de
degré 6. Demandons à Nspire le même estimé en x = 0, 5 mais avec un polynôme de degré 15 ou
même de degré 30 :

Si on arrondit ces résultats à 4 décimales, on obtient y(0, 5) = 1, 8519 dans les 2 cas. On peut donc
avoir confiance que la vraie valeur de la solution y en x = 0, 5 est bien 1, 8519

Les exemples de résolution d’équations par séries de puissances vus jusqu’à maintenant compor-
taient tous des conditions initiales en x = 0. Il peut arriver qu’on ait des conditions initiales données
en un autre point.
Comme on l’avait mentionné dans le théorème 7.1, à la page 124, et dans les exemples aux pages
125 à 127 , si les conditions initiales sont fournies en x = a avec a 6= 0 (par exemple, y(a) = 7 et
y ′ (a) = −2 pour une équation d’ordre 2) alors la série-solution prendra la forme

∞
y = a 0 + a 1 (x − a) + a 2 (x − a)2 + a 3 (x − a)3 + a 4 (x − a)4 + · · · = a n (x − a)n
X
(7.31)
n=0

De cette façon, on s’assure que l’on trouvera à l’aide de l’équation 7.31 ci-dessus y(a) = a 0 et
′
y (a) = a 1 . On retrouve ainsi le résultat constaté dans les exemples précédents où les 2 conditions
initiales nous donnent les 2 premiers coefficients de la série-solution, soit a 0 = 7 et a 1 = −2 avec les
valeurs mentionnées plus haut.
134 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Pour résoudre une telle équation différentielle on utilise un simple changement de variables.
L’idée est de déplacer les conditions initiales de x = a à v = 0. En posant v = x − a (ou l’équivalent
x = v + a), on ne cherche pas directement la solution y(x) mais on cherchera plutôt une solution y(v)
avec des conditions initiales en v = 0. La série-solution générale en 7.31 devient

∞
y = a0 + a1 v + a2 v 2 + a3 v 3 + a4 v 4 + · · · = an v n y(0) = a 0 et y ′ (0) = a 1
X
avec
n=0
L’exemple suivant illustre l’ensemble de cette démarche.

Exemple 7.15
Soit l’équation différentielle suivante, où les conditions initiales sont données en x = 2

d2y dy
(x + 1) 2
+ 3x − 3y = 0 avec y(2) = 4 et y ′ (2) = 3
dx dx
Résolvez cette équation par la méthode des séries de puissances. Déterminez l’intervalle de conver-
gence (IC) de la série-solution, indiquez la formule de récurrence utilisée pour générer les coefficients
et donnez les 6 premiers termes non nuls de la solution. Estimez la valeur de y(3) avec le polynôme
obtenu.
La série-solution cherchée aura la forme
∞
y = a 0 + a 1 (x − 2) + a 2 (x − 2)2 + a 3 (x − 2)3 + a 4 (x − 2)4 + · · · = a n (x − 2)n
X
n=0

De cette façon, on sait que a 0 = 4 et a 1 = 3, nos conditions initiales nous donnant les 2 premiers
coefficients de la série.

(a) Déterminons l’intervalle de convergence de la série-solution que nous trouverons par la suite.
En se référant au théorème 7.1 à la page 124, on sait que la série-solution convergera pour
|x − 2| < R où R est la distance entre x = 2 et le plus proche point singulier.
Le polynôme devant y ′′ est x + 1 et il n’y a qu’un zéro x = −1, cette équation n’a qu’un point
singulier soit x = −1. La distance entre x = 2 et x = −1 est 3 ce qui nous donne notre rayon de
convergence. La série-solution convergera si |x − 2| < 3 donc si −1 < x < 5.
(b) Posons v = x − 2. Alors x = v + 2 et ainsi lorsque x = 2, on a v = 0.
Les dérivées de l’équation différentielle se calculent comme suit :

dy dy dv dy dy d2y d dy d dy d dy d2y
µ ¶ µ ¶ µ ¶
= · = ·1 = et = = = =
dx dv dx dv dv d x2 d x d x dx dv dv dv dv2

Le problème
d2y dy
(x + 1)+ 3x − 3y = 0 avec y(2) = 4 et y ′ (2) = 3
d x2 dx
est donc remplacé par celui-ci

d2y dy
(v + 2 + 1) 2
+ 3(v + 2) − 3y = 0 avec y(0) = 4 et y ′ (0) = 3
dv dv
d2y dy
⇒ (v + 3) 2
+ (3v + 6) − 3y = 0
dv dv
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 135

La solution devient
∞
an v n
X
y(v) =
n=0

On substitue dans l’équation les sommations

y = an v n y ′ = na n v n−1 y ′′ = n(n − 1)a n v n−2

X X X

On obtient
n(n − 1)a n v n−2 + (3v + 6) na n v n−1 − 3 an v n = 0
X X X
(v + 3)
En distribuant les termes devant les sommations on obtient

v n(n − 1)a n v n−2 + 3 n(n − 1)a n v n−2 + 3v na n v n−1 + 6 na n v n−1 − 3 a n v n = 0

X X X X X

On distribue dans les sommations les termes qui sont devant

n(n − 1)a n v n−1 + 3n(n − 1)a n v n−2 + 3na n v n + 6na n v n−1 + −3a n v n = 0
X X X X X

On regroupe les sommations qui ont le même terme général en v

n(n − 1)a n + 6na n v n−1 + 3n(n − 1)a n v n−2 + 3na n − 3a n v n = 0

X£ ¤ X X£ ¤

On doit avoir toutes les sommations avec le même terme général, ici on choisit d’avoir des
termes en v n . La dernière est en v n , mais on doit procéder à un changement d’indice pour
les deux premières sommations. On remplace n par n + 2 (n → n + 2) dans la deuxième
sommation et on remplace n par n + 1 (n → n + 1) dans la première sommation. On obtient

(n+1)(n+1−1)a n+1 +6(n+1)a n+1 v n+1−1 + 3(n+2)(n+2−1)a n+2 v n+2−2 + 3na n −3a n v n = 0
X£ ¤ X X£ ¤

En simplifiant

n(n + 1) + 6(n + 1) a n+1 v n + 3(n + 2)(n + 1)a n+2 v n + (3n − 3)a n v n = 0

X£ ¤ X X

On peut maintenant convertir les 3 sommations en une seule puisqu’elles sont toutes en v n .
En remarquant aussi que n(n + 1) + 6(n + 1) = n 2 + 7n + 6
X£¡ 2
n + 7n + 6 a n+1 + 3(n + 2)(n + 1)a n+2 + (3n − 3)a n v n = 0
¢ ¤

Cette dernière expression sera vraie si tous les coefficients sont nuls
¡ 2 ¢
⇒ n + 7n + 6 a n+1 + 3(n + 2)(n + 1)a n+2 + (3n − 3)a n = 0 ∀n entier

On obtient la formule de récurrence 28 en isolant le terme avec le plus grand indice pour a

− n 2 + 7n + 6 a n+1 − 3(n − 1)a n

¡ ¢
a n+2 = ∀n ≥ 0
3(n + 2)(n + 1)

On a vu avec l’exemple précédent qu’il peut être nécessaire d’avoir une récurrence pour a n et
non a n+2 pour utiliser Nspire. Il faut donc remplacer n par n − 2 dans la formule précédente.
En s’aidant du logiciel ou de la calculatrice Nspire, on obtient
28. Comme c’était le cas avec l’exemple précédent, la formule de récurrence obtenue donne le calcul d’un nouveau
terme en fonction des 2 précédents, a(n + 2) en fonction de a(n + 1) et a(n). Pour certaines équations, il peut arriver que
la formule de récurrence dépende plutôt des 3 termes précédents (ou plus). Consultez ce document pour voir comment
adapter l’approche de calcul avec Nspire dans cette situation. Vous pouvez aussi consulter la section 7.3.2 qui explique ce
cas avec un exemple détaillé (page 147).
136 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

La formule de récurrence peut donc aussi s’écrire

− n 2 + 3n − 4 a n−1 − 3(n − 3)a n−2

¡ ¢
an = ∀n ≥ 2
3n(n − 1)

On pourrait manuellement calculer à l’aide de l’une ou l’autre des formules de récurrence les
coefficients de la série-solution, en se souvenant que les 2 premiers coefficients sont donnés
par les conditions initiales. On a a 0 = 4 et a 1 = 3. Si on doit calculer de nombreux termes, il
est préférable d’utiliser Nspire. Utilisons de nouveau la commande seqGen( )

On obtient ainsi la série-solution suivante, en terme de la variable v

7 47 4 11 5
y(v) = 4 + 3v − v 2 + v 3 − v + v +···
9 108 60
Comme dans la question initiale la variable indépendante est x, on refait le changement de
variables v = x − 2 dans cette solution pour obtenir la solution finale où l’on affiche les 6
premiers termes non nuls de la série.

7 47 11
y(x) = 4 + 3(x − 2) − (x − 2)2 + (x − 2)3 − (x − 2)4 + (x − 2)5 + · · ·
9 108 60

(c) On demande finalement d’estimer la solution de l’équation différentielle quand x = 3.

Comme cette valeur est dans l’intervalle de convergence de la série-solution, on peut utiliser
le résultat précédent pour faire l’estimé. Utilisons le polynôme comprenant les 6 premiers
termes non nuls
7 47 11
y(x) ≈ p(x) = 4 + 3(x − 2) − (x − 2)2 + (x − 2)3 − (x − 2)4 + (x − 2)5
9 108 60
881
On obtient y(3) ≈ p(3) = 6, 525926 ou en mode exact y(3) ≈ .
135
Avec Nspire, on peut facilement considérer plus de termes de cette solution pour apprécier
la précision de cette dernière valeur. Avec la commande seqGen( ) on peut générer un plus
grand nombre de coefficients qu’on met en mémoire et ainsi obtenir un polynôme de degré
supérieur pour mieux estimer la valeur y(3), puisque la série-solution converge vers la vraie
solution. Par exemple, avec un polynôme de degré 50 et un autre de degré 80, on obtient les
7.2. RÉSOLUTION PAR SÉRIES DE PUISSANCES 137

deux fois y(3) ≈ 6, 47913. On peut avoir confiance que cette valeur représente, à 5 décimales,
la vraie solution en x = 3.
Et on constate que le petit polynôme de degré 5 plus haut ne nous donnait qu’un estimé ayant
1 décimale de précision (soit y(3) ≈ 6, 5).

Cette figure illustre les calculs faits par Nspire pour obtenir plus de précision. On évalue en
v = 1, ce qui est équivalent à x = 3 via le changement de variables v = x − 2 utilisé dans cet
exemple.

Exercices

7.6 Pour les équations suivantes, en utilisant le théorème 7.1 de la page 124, déterminez seulement
l’intervalle de convergence de la série-solution développée autour du point non-singulier indiqué.
Vous n’avez pas à résoudre l’équation différentielle.
(a) y ′′ + (3 + x)y ′ + 2y = 0 en a = 0.
¡ 2 ¢ ′′
(b) x − 6x + 8 y + 2x y = 0 en a = 0.
¡ 2 ¢ ′′ ′
(c) x + 9 y − x y + y = 0 en a = 1.
¡ 2 ¢ ′′ ′
(d) x + 2x + 5 y + 3y + y = 0 en a = 0.
¡ 2 ¢ ′′
(e) x + x y + (x − 2)y = 0 en a = 3.

7.7 Résolvez par séries de puissances les équations suivantes. Donnez l’intervalle de convergence
de la série-solution, la formule de récurrence et la solution avec au moins 5 termes non nuls.
Pour le calcul des coefficients, consultez les exemples de cette section ou une des 3 approches
mentionnées dans les documents de la note en bas de la page 132.
En a) et b), ces calculs peuvent aussi être faits « manuellement », comme dans l’exemple 7.13 à la page
130.
(a) y ′′ + 2x y ′ + 3y = 0 avec y(0) = 2 et y ′ (0) = 1.
Estimez également la valeur de y(0, 4) avec votre solution.
(b) 1 − x 2 y ′′ + y = 0 avec y(0) = 1 et y ′ (0) = −2.
¡ ¢
138 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

x 2 + 1 y ′′ − 5y ′ + 2y = 0 y(0) = 3 et y ′ (0) = 0.
¡ ¢
(c) avec
′′ ′
(d) x y − y = 0 avec y(2) = 0 et y (2) = 3.
Estimez également la valeur de y(3) avec votre solution.
Reprenez l’estimé de y(3), mais en utilisant un polynôme de degré 15 et un de degré 25.
Commentez la précision des estimés obtenus.
(e) x y ′′ + (1 − x)y ′ − 2y = 0 avec y(1) = 2 et y ′ (1) = 0.
Estimez également la valeur de y(0, 3) avec votre solution.
Reprenez l’estimé de y(0, 3), mais en utilisant un polynôme de degré 15 et un de degré 25.
Commentez la précision des estimés obtenus.
(f ) y ′′ − x y = 0 avec y(0) = 2 et y ′ (0) = 5. Attention ici à la récurrence à 3 termes 29 .
Estimez également la valeur de y(0, 8) avec votre solution.
Reprenez l’estimé de y(0, 8), mais en utilisant un polynôme de degré 10 et un de degré 20.
Commentez la précision des estimés obtenus.

7.8 Résolvez l’équation suivante à l’aide de séries de puissances. Donnez l’intervalle de conver-
gence, la formule de récurrence et au moins 5 termes explicites de la série-solution. Donnez égale-
ment la valeur précise, arrondie à 4 décimales, pour y(1).

(x + 4)y ′′ − 2x y ′ + 5y = 0 y(0) = 3 et y ′ (0) = 0

7.9 Les équations précédentes étaient toujours accompagnées de conditions initiales permettant
de calculer numériquement les coefficients de la série-solution. On peut cependant, dans certains
cas, procéder à la résolution par séries de puissances sans connaître les conditions initiales. On
obtient alors, comme on l’avait vu au chapitre 4, la solution générale de l’équation différentielle
homogène. Pour les 2 équations suivantes, résolvez à l’aide d’une série de puissances centrée en
x = 0. Vous poserez y(0) = a 0 et y ′ (0) = a 1 . Les autres coefficients seront évidemment fonction de
a 0 et a 1 .
(a) y ′′ + y = 0
(b) Reprenons l’exemple 7.13 fait à la page 128 mais en oubliant les conditions initiales. On veut
donc résoudre l’équation x 2 − 1 y ′′ + 3y ′ + 2y = 0 autour de x = 0.
¡ ¢

Utilisez la formule de récurrence donnée à l’équation 7.28 à la page 130 pour trouver manuel-
lement les coefficients a 2 , a 3 et a 4 , en termes de a 0 et a 1 . Donnez la série-solution avec au
moins les termes jusqu’à x 4 .

7.3 Exemple synthèse et compléments

Dans ce chapitre, nous avons vu la résolution numérique d’équations différentielles (section 7.1)
et la résolution par substitution d’une série de puissances (section 7.2). Dans ce dernier cas, on
utilisait la série tronquée (un polynôme) pour faire des estimés de la solution en un point donné (à
l’intérieur de l’intervalle de convergence). Voyons maintenant un exemple détaillé où l’on compare
les deux approches en se préoccupant de la précision des estimés obtenus.

29. Consultez au besoin l’exemple 7.17 à la page 147 de la prochaine section.

7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 139

7.3.1 Exemple synthèse

Exemple 7.16

Considérons l’équation différentielle suivante

¡ 2
x + 9 y ′′ + 2y ′ + 5y = 0 y(0) = −3 et y ′ (0) = 3
¢
avec

On s’intéresse à la valeur de la solution y en x = 1, 5. On aimerait une précision de 4 décimales dans

cet estimé. Utilisez les méthodes de la section 7.1 pour trouver la valeur cherchée.
Résolvez également cette équation par la méthode des séries de puissances en utilisant suffisamment
de termes de la série-solution pour obtenir la précision demandée.
Comme nous cherchons des résultats numériques avec une bonne précision, on devra utiliser la
calculatrice symbolique Nspire (ou la version logicielle) 30 pour effectuer les calculs nécessaires.
Plusieurs autres logiciels permettent de faire ce type de calculs. On peut aisément trouver sur
Internet 31 des solveurs interactifs pour résoudre ces types de problèmes.

(a) Méthodes numériques (section 7.1)

Il faut transformer notre équation d’ordre 2 en un système d’équations différentielles d’ordre
1. On peut isoler y ′′ dans l’équation donnée pour obtenir
−2y ′ − 5y
y ′′ =
x2 + 9
En utilisant le changement de variables suivant, comme on l’a vu après l’exemple 7.4, page
107
y = y1 y ′ = y 2 ⇒ y ′′ = y 2′ et y 1′ = y 2
On obtient le système d’équations

y 1′ = y 2
−2y 2 − 5y 1 avec y 1 (0) = −3 y 2 (0) = 3
y 2′ =
x2 + 9
Comme on cherche à obtenir 4 décimales de précision, on arrondira les résultats obtenus
à 4 décimales. Attention on parle d’arrondir les résultats obtenus, pas de les tronquer à 4
décimales.
Avec la méthode d’Euler, en utilisant 15 étapes (donc un pas h de 0,1 pour aller de x = 0 à
x = 1, 5), on obtient un estimé de y(1, 5) ≈ 1, 7196. Avec 10 fois plus d’étapes (pas de 0,01), on
trouve y(1, 5) ≈ 1, 6314.
Ces résultats peuvent être obtenus avec Nspire, dans une page graphique en mode « Éq. diff. ».
On suit ensuite les indications vues au début de la session pour les contrôles associés à la
méthode d’Euler avec Nspire. On saisit le système d’équations dans l’éditeur en haut de la
page graphique
30. Dans ce fichier Nspire (ou dans la version PDF de celui-ci ) vous trouverez les détails des opérations faites avec le
logiciel Nspire pour cet exemple.
31. Plusieurs sites hébergent de telles applications. Voici un lien vers une fenêtre interactive du site de MathTools où l’on
peut faire tous les calculs des méthodes de Runge-Kutta (cela inclut la méthode d’Euler). Il faut cependant utiliser le système
d’équations d’ordre 1 donné dans l’exemple. Sur cette page de WolframAlpha, on peut résoudre l’équation différentielle par
la méthode de séries de puissances.
140 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Dans les paramètres de la méthode, on choisit « Euler » comme méthode et on indique le pas
ainsi que les points de début de tracé (x = 0) et de fin de tracé (x = 1, 5).

On obtient alors notre premier estimé pour y(1, 5), soit la valeur 1,7196 lorsqu’on arrondit à 4
décimales.

Avec la méthode de Runge-Kutta d’ordre 4 (RK4), voir à la page 98, si on utilise 3 étapes (pas de
0,5) on trouve y(1, 5) ≈ 1, 6208. Avec n = 15 et n = 50 étapes, on trouve le même estimé y(1, 5) ≈
1, 6213 arrondi à 4 décimales. Ces résultats sont obtenus avec un autre logiciel ou avec une
page Internet appropriée. Nous fournissons ces valeurs car cette méthode est d’utilisation
courante et est différente de ce que Nspire appelle méthode de Runge-Kutta.
Cependant, comme on l’a vu à la section 7.1, en ayant Nspire sous la main, il est plus pratique
de l’utiliser pour obtenir l’estimé cherché. En choisissant comme méthode de résolution
« Runge-Kutta » plutôt que la méthode « Euler », nous obtiendrons facilement, et avec plus
de précision, l’estimé de la valeur de y(1, 5). Nspire utilisera alors l’algorithme de Bogacky-
Shampine d’ordre 3. La précision des résultats dépend principalement de la valeur attribuée
dans les paramètres à la variable « Tolérance d’erreur » que nous nommerons « tol ». Dans
cette méthode à pas adaptatifs, cette valeur donne une indication sur l’erreur locale en
appliquant une étape de l’algorithme. Attention, on parle de l’estimé de l’erreur car la vraie
valeur est inconnue.
À ce niveau, avec la valeur par défaut de t ol = 0, 001, on peut s’attendre à obtenir 2 décimales
de précision. Cela signifie que l’estimé, arrondi à 2 décimales, sera probablement bon. Mais
il pourrait arriver que la 2e décimale soit dans l’erreur d’une unité.
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 141

Par exemple, supposons qu’un calcul nous donne un résultat de 1,3452. Si la vraie valeur est
0,001 de moins, cela donne 1,3442. Le premier résultat arrondi à 2 décimales donne 1,35 alors
que le vrai résultat arrondi à 2 décimales donne 1,34. Il est plus courant dans la pratique de
parler plutôt de l’erreur d’un estimé au lieu de son nombre de décimales de précision. Cela
est vrai même si en général on ne connaît pas la vraie valeur cherchée. On parle alors d’un
estimé de l’erreur commise. Par exemple, si un estimé de 1,34 est précis à 2 décimales, cela
signifie que la vraie valeur χ est dans l’intervalle 1, 34 ± 0.005 soit 1, 335 < χ < 1, 345. L’erreur
1
commise est inférieure à · 10−2 = 0, 005
2
Voici les résultats de l’estimé pour y(1, 5), arrondis à 4 décimales, obtenus en faisant varier,
avec Nspire 32 , le facteur t ol :
avec t ol = 0, 001 on a y(1, 5) = 1, 6205 avec t ol = 0, 0001 on a y(1, 5) = 1, 6212
avec t ol = 0, 00001 on a y(1, 5) = 1, 6213 avec t ol = 0, 000001 on a y(1, 5) = 1, 6213

On peut conclure que la vraie valeur (à 4 décimales) de la solution en x = 1, 5 est y(1, 5) =

1, 6213. Il n’est pas nécessaire de faire toutes les démarches numériques précédentes pour
arriver à ce résultat. Avec Nspire, vous pouvez utiliser directement la méthode de résolution
Runge-Kutta dans une fenêtre graphique, comme on l’a fait pour obtenir les résultats précé-
dents. Prenez des valeurs de t ol de plus en plus petites jusqu’à obtenir la précision souhaitée.
Remarque importante :
Il faut être prudent lorsqu’on parle de résultats arrondis à 4 décimales. Avec une tolérance
de 0,000001 on voit à la figure suivante que Nspire donne une valeur estimée pour x = 1, 5
de 1, 62135. Il faut résister à la tentation d’arrondir cette valeur à 1, 6214. En réalité, si vous
choisissez cette case et regardez en bas de l’écran, vous verrez que la valeur est plutôt
1, 621346103941

La valeur affichée dans la table est cette dernière valeur arrondie à 5 décimales. C’est ce que
vous verrez si vous utilisez l’affichage par défaut des classeurs Nspire, « Flottant 6 », c’est à dire

32. Les paramètres appliqués pour les calculs avec Nspire seront toujours ceux affichés dans l’écran gauche ci-dessus.
On ne fera varier que la tolérance d’erreur (t ol ) ainsi que le début et la fin du tracé pour correspondre à la valeur initiale de
x et à la valeur pour laquelle on veut un estimé. Il peut arriver que vous deviez prendre une valeur légèrement supérieure
pour la fin du tracé pour avoir une valeur affichée dans le tableau au lieu de « UNDEF » (voir exercice 7.12 à la page 150).
142 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

un affichage en point flottant avec 6 chiffres significatifs, Si on prend la valeur plus complète
et qu’on l’arrondit à 4 décimales, on obtient bien 1, 6213.
(b) Résolution par série de puissances (section 7.2)
Considérons de nouveau l’équation différentielle
¡ 2
x + 9 y ′′ + 2y ′ + 5y = 0 y(0) = −3 et y ′ (0) = 3
¢
avec

On s’intéresse à la valeur de la solution y en x = 1, 5. On veut résoudre à l’aide d’une série de

puissances. Les conditions initiales sont données pour x = 0, on sait que la solution cherchée
prendra la forme
∞
y = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 + · · · = an x n
X
n=0

Pour résoudre, on substitue cette solution et ses dérivées dans l’équation initiale. On rappelle
que a n = 0 si n < 0 ce qui nous permet de sommer de −∞ à ∞ ; on peut alors négliger les
indices de sommation et travailler avec

y = an x n y ′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X

De plus les points singuliers de cette équation (les zéros de x 2 + 9) sont ±3i . En se référant
au théorème 7.1, à la page 124, on constate que le point de développement x = 0 n’est pas
un point singulier et le rayon de convergence (la distance entre x = 0 et x = ±3) est R = 3. La
série-solution convergera pour −3 < x < 3. Cela nous assure qu’on peut chercher avec une
série la solution en x = 1, 5.
Après substitution de la série-solution y et de ses dérivées dans l’équation différentielle,
comme dans les exemples 7.9 à la page 121 ou 7.13 à la page 128, on trouvera (vérifiez ce
résultat)
n · (n − 1)a n + 9(n + 2)(n + 1)a n+2 + 2(n + 1)a n+1 + 5a n = 0 ∀n ≥ 0
En résolvant cette équation, on obtient la formule de récurrence

−2(n + 1)a n+1 − n 2 − n + 5 a n

¡ ¢
a n+2 = ∀n ≥ 0
9(n + 2)(n + 1)

Pour l’utiliser avec Nspire, il peut être préférable de travailler avec la formule en terme de a(n)
au lieu de a(n + 2). En remplaçant n par n − 2 dans cette formule on trouve

−2(n − 1)a n−1 − n 2 − 5n + 11 a n

¡ ¢
an = ∀n ≥ 2
9n · (n + 1)
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 143

1er approche : on utilise la commande seqGen( ) de Nspire, en générant un grand nombre de

coefficients pour produire une somme partielle avec un polynôme de degré élevé (on veut
une grande précision)

La série-solution est
1 17 29 4 1741 5 191 78727
y = −3 + 3x + x 2 − x 3 − x + x + x6 − x7 + · · ·
2 54 1944 87480 944784 59521392
Avec la sommation jusqu’à n = 10, on trouve y(1, 5) ≈ 1, 62184.
Avec n = 20, on trouve y(1, 5) ≈ 1, 62134742 et avec n = 50, on trouve y(1, 5) ≈ 1, 62134753.
Dans ces 2 derniers résultats, nous avons indiqué plus de décimales dans l’affichage pour
mieux apprécier la précision des résultats. La série est convergente, le résultat avec n = 50
est plus précis. On peut sûrement affirmer que la valeur précise, arrondie à 4 décimales est
1, 6213. En comparant les résultats avec n = 20 et n = 50 on pourrait même affirmer que la
valeur précise arrondie à 6 décimales est 1.621348. En fait, comme vous pourriez le confirmer
en calculant avec par exemple n = 90, la valeur exacte à 8 décimales est 1, 62134753.
Vous avez remarqué qu’avec cette approche, les coefficients de la série sont des nombres
rationnels (fractions d’entiers) et ceux-ci occupent de plus en plus d’espace, les entiers au
numérateur et au dénominateur devenant de plus en plus gros. Si on doit écrire la somme
partielle avec beaucoup de termes cela peut devenir lourd. Nspire n’a aucun problème à
manipuler ces types d’expression, mais d’un point de vue pratique, il peut être parfois plus
utile de travailler non pas en arithmétique exacte, mais plutôt avec des expressions en point
flottant.
Dans les valeurs précédentes calculées, Nspire a répondu en point flottant car on demandait
d’évaluer en x = 1, 5 qui est déjà en point flottant. Mais si on avait fait le calcul avec x = 32 ,
Nspire aurait fait tous les calculs en mode exact, incluant la mise sur dénominateur commun
des fractions obtenues. Dans la figure suivante, on a choisi la fraction « monstrueuse » et
demandé à Nspire de la convertir en point flottant, reconnaissant la valeur déjà trouvée.

Comme avec Nspire, dans cet exemple, on a généré et mis en mémoire dans une variable c
les coefficients de la série-solution jusqu’à n = 100, on peut même créer une fonction somme
partielle qui dépend de x et de m qui est la borne supérieure de la sommation. On peut alors
plus aisément explorer la précision en augmentant la valeur de la variable m.
144 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

2e approche : on peut également faire tous ces calculs avec le mode graphique « suite » de
Nspire. Dans ce mode, les coefficients seront toujours calculés en point flottant directement,
éliminant ainsi le problème des grosses fractions obtenues en travaillant avec la commande
seqGen( ). Autre avantage, on peut travailler avec la formule de récurrence initiale trouvée
en termes de a(n + 2), évitant la 2e forme de la formule de récurrence en termes de a(n). On
économise ainsi une opération de transformation.
Pour utiliser cette approche avec Nspire, on insère une nouvelle page graphique et dans
les options du menu, on choisit pour « Entrée/Modification graphique » l’option « suite ».
Il faut ensuite saisir la formule de récurrence mais on devra utiliser les nom de variable
u1 au lieu de a. On saisira alors u1(n + 2) et non pas a(n + 2). Sur la figure suivante, on
montre la ligne de saisie graphique, avec les valeurs initiales (nos 2 conditions initiales) et
la demande pour calculer des coefficients allant de n = 0 à n = 99. Sur le graphe, la hauteur
des points correspond à la valeur des coefficients de la série-solution, par exemple le point
vis-à-vis x = n = 1 correspond à la valeur de u1(1) = 3. On voit également une table de valeurs
contenant ces coefficients.

Les valeurs des coefficients u1(n) étant en mémoire, on peut s’en servir pour créer des
sommes partielles de la série-solution comme avec l’approche précédente utilisant la com-
mande seqGen( ). Les deux écrans suivants illustrent ce travail avec la calculatrice Nspire. On
retrouve les valeurs déjà calculées précédemment.
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 145

Nous avons choisi ici d’afficher les résultats avec un affichage « Flottant 8 » pour Nspire. Pour
répondre aux questions du début de l’exemple, on doit arrondir ceux-ci à 4 décimales. À la
fin du second écran on s’intéresse à la différence entre 2 estimés pour se donner une idée de
la précision des résultats. On constate qu’entre n = 50 et n = 20, il n’y a qu’une différence de
0,00000011 ou 1, 1 · 10−7 .
3e approche : pour effectuer les mêmes calculs que précédemment, en utilisant la création
sur Nspire d’une fonction récursive à l’aide de la définition par morceaux. Cette approche
ne devrait pas être utilisée si on doit calculer de nombreux termes de la somme partielle.
Contrairement aux 2 approches précédentes, cette approche n’a pas de mémoire. Quand on
voudra calculer par exemple a(20), on évaluera la formule en fonction de a(19) et de a(18),
mais ces deux valeurs n’étant pas en mémoire, on doit appliquer de nouveau la même formule
de façon récursive. La figure suivante illustre cette fonction

On peut s’en servir pour créer une somme partielle, cela fonctionne bien si le polynôme n’est
pas de degré élevé. Si vous devez mettre en mémoire une somme partielle, comme nous
l’avons fait précédemment, prenez le résultat de la sommation et non la sommation elle-
même. Cela évitera les lourds calculs des coefficients à chaque fois que vous désirez évaluer
le polynôme, ou en faire tracer le graphe.
En effet, la nature récursive de cette fonction rend les calculs très lourds si on veut beaucoup
de termes. Sur notre ordinateur, nous avons dû interrompre les calculs pour la commande
demandant les 51 premiers coefficients de la série (sur une calculatrice, cela peut « geler »
celle-ci avec bien moins de termes que 51).
146 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Il n’est pas demandé de refaire des exercices en reprenant tous les calculs faits dans cette section.
Vous devriez savoir comment, avec une équation différentielle d’ordre 2, la plonger dans un système
d’équations d’ordre 1 et utiliser ensuite la méthode « Runge-Kutta » dans une fenêtre graphique
Nspire.
Pour la résolution par séries de puissances, vous devriez savoir trouver son intervalle de convergence,
la formule de récurrence des coefficients, les calculs de ceux-ci de préférence avec seqGen( ) ou une
page graphique « Suite » pour ensuite produire des estimés de la solution avec une précision stipulée.

7.3.2 Formules de récurrence avec plus de 2 termes

L’approche de résolution par séries de puissances demande d’obtenir une formule de récurrence
pour le calcul des coefficients de la série-solution. On a vu plusieurs exemples de résolution dans la
section 7.2 où cette formule de récurrence montrait le calcul d’un nouveau terme en fonction des 2
termes précédents. C’était également le cas de l’exemple traité dans la section 7.3.1 où l’on montrait
3 approches différentes pour le calcul des coefficients avec cette formule de récurrence.
Selon les termes de l’équation différentielle à résoudre, il peut cependant arriver que cette
formule de récurrence dépende de plus que les 2 termes précédents. Pour des conditions initiales
n
en x = 0, on cherche une solution y = ∞n=0 a n x . Comme nous l’expliquions à la page 118, il est plus
P

pratique, pour ne pas s’embourber dans les indices de sommation, d’utiliser plutôt
∞
an x n
X
y= avec la condition que a n = 0 si n < 0
n=−∞

Dans ce dernier cas, puisque les indices ne changent pas en dérivant l’expression, on peut les négliger
mais en se rappelant que a n = 0 si n < 0. On utilise ce fait, au besoin, dans le calcul des coefficients à
l’aide d’une formule de récurrence.
Cette condition est directement intégrée dans la 3e approche vue à la section précédente lors-
qu’on utilisait la création d’une fonction récursive (voir page 145). Par contre, avec les deux autres
approches on ne peut intégrer cette condition (a n = 0 si n < 0) dans les calculs faits par Nspire. On
doit alors, dans cette situation, calculer manuellement à l’aide de la formule de récursion un ou des
termes du début de la suite pour permettre à la commande seqGen( ) ou au mode graphique « Suite »
de fonctionner adéquatement.
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 147

L’exemple suivant illustrera cette situation. 33

Exemple 7.17
Considérons l’équation différentielle suivante

y ′′ − 3x y ′ + x 2 y = 0 y(0) = 2 et y ′ (0) = 1

On substitue les sommations suivantes dans l’équation

an x n y′ = na n x n−1 y ′′ = n(n − 1)a n x n−2

X X X
y=

On obtient
y ′′ − 3x y ′ + x2 y =0
n−2
− 3 na n x n n+2
X X X
n(n − 1)a n x + an x =0
On doit avoir toutes les sommations avec le même terme général, ici on choisit des termes en x n .
La deuxième est déjà en x n , mais on doit procéder à un changement d’indice pour les deux autres
sommations. On remplace n par n + 2 (n → n + 2) dans la première sommation et on remplace n par
n − 2 (n → n − 2) dans la dernière sommation. On obtient

(n + 2)(n + 1)a n+2 x n − 3na n x n + a n−2 x n = (n + 2)(n + 1)a n+2 − 3na n + a n−2 x n = 0
X X X X£ ¤

On doit donc avoir

(n + 2)(n + 1)a n+2 − 3na n + a n−2 = 0 ∀n ≥ 0
En isolant le terme avec l’indice le plus élevé, on trouve

3na n − a n−2
a n+2 = ∀n ≥ 0
(n + 2)(n + 1)

En remplaçant n par n − 2 dans cette formule, on obtient la forme équivalente

3(n − 2)a n−2 − a n−4

an = ∀n ≥ 2
n · (n − 1)

Ces deux dernières formules dépendent des 4 termes précédents. On sait déjà avec les conditions
initiales de l’équation différentielle que a 0 = 2 et que a 1 = 1. Si on désire utiliser les deux premières
approches de l’exemple précédent, soit seqGen( ) ou le mode graphique « Suite », on devra calculer
manuellement les coefficients a 2 et a 3 en utilisant le fait que a n = 0 si n < 0.
En posant n = 0 dans la première formule de récurrence (ou n = 2 dans la 2e) on trouve

3 · 0 · a 0 − a −2 a −2
n=0 ⇒ a2 = =− = 0 car a −2 = 0 ⇒ a2 = 0
2·1 2
On calcule le terme suivant

3 · a 1 − a −1 3a 1 1 1
n=1 ⇒ a3 = = = car a −1 = 0 ⇒ a3 =
3·2 6 2 2

33. Dans ce fichier Nspire , vous trouverez les détails des opérations faites avec le logiciel Nspire pour cet exemple.
Consultez également ce document pour voir comment adapter l’approche de calcul avec Nspire dans cette situation.
148 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Connaissant les 4 premiers termes, on peut maintenant utiliser Nspire pour générer les suivants.

La série-solution de l’équation différentielle donnée est

1 1 7 1 17 7
y = 2 + x + x3 − x4 + x5 − x6 + x +···
2 6 40 15 336

Si on préfère travailler avec une page graphique « Suite » de Nspire, on a également besoin de fournir
les 4 premières valeurs de la suite

Comme nous l’avions indiqué avant l’exemple, si vous utilisez la 3e approche pour le calcul des
coefficients, soit la création d’une fonction récursive, vous n’aurez rien de spécial à faire puisque
le convention adoptée dans ce chapitre, soit que a n = 0 si n < 0 est intégrée dans la fonction définie
par morceaux
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 149

Important : nous illustrons les 3 approches pour générer les coefficients de la série-solution avec
Nspire par souci de montrer les différentes options disponibles. En pratique, vous n’en utilisez
qu’une, celle que vous préférez ou celle demandée par votre enseignant. Si vous devez calculer
beaucoup de termes, alors l’approche 3 est à éviter. Si on vous demandait peu de termes dans votre
série-solution, on aurait pu dans cet exemple continuer les calculs manuels, après avoir évalué les
valeurs a 2 et a 3 .

Exercices

Dans chacun des 3 numéros qui suivent, en vous inspirant de l’exemple 7.16 aux pages 139 et
suivantes, résolvez l’équation différentielle
• à l’aide de séries de puissances en donnant l’intervalle de convergence, la formule de récur-
rence, au moins 5 termes non nuls de la série-solution et les estimés numériques demandés.
• par la méthode Runge-Kutta (BS23) du mode graphique « Éq. diff » de Nspire. Donnez le système
d’équations différentielles utilisé et les estimés numériques demandés.

7.10
1 + 2x 2 y ′′ − y = 0 y(0) = 4 et y ′ (0) = 1
¡ ¢
avec
On veut estimer y(0, 6)
(a) par séries de puissances, donnez l’estimé demandé avec des polynômes solutions de degré 5,
10, 20 et 30. Conclure.
(b) avec Runge-Kutta (BS23), donnez l’estimé demandé avec la tolérance d’erreur t ol = 0, 001 (la
valeur par défaut) et également avec t ol = 0, 0001 et t ol = 0, 00001. Conclure.

7.11
(x + 2)y ′′ + 2y ′ − 4x y = 0 avec y(0) = 2 et y ′ (0) = 3
On veut estimer y(1)
(a) par séries de puissances, donnez l’estimé demandé avec des polynômes solutions de degré 5,
10, 20 et 30. Conclure.
(b) avec Runge-Kutta (BS23), donnez l’estimé demandé avec la tolérance d’erreur t ol = 0, 001 (la
valeur par défaut) et également avec t ol = 0, 0001 et t ol = 0, 00001. Conclure.
150 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

7.12
x y ′′ + (1 + x)y ′ = 0 avec y(1) = 0 et y ′ (1) = 2
On veut estimer y(1, 9)
(a) par séries de puissances, donnez l’estimé demandé avec des polynômes solutions de degré 5,
10, 20 et 40. Conclure.
(b) avec Runge-Kutta (BS23), donnez l’estimé demandé avec la tolérance d’erreur t ol = 0, 001 (la
valeur par défaut) et également avec t ol = 0, 0001 et t ol = 0, 000001. Conclure.
(c) Montrez que vous pouvez résoudre (algébriquement) cette équation différentielle en posant
y ′ = z et en revenant à une équation différentielle linéaire d’ordre 1 (voir chapitre 2) 34 .
Résolvez pour obtenir la solution y qui sera, dans ce cas, une solution sous forme d’intégrale
définie. Utilisez cette solution pour obtenir la valeur de y(1, 9).

7.3.3 Méthode de Taylor (optionnel)

La méthode de Taylor décrite dans cette section présente un certain intérêt pour la résolution
d’équations différentielles en général (pour des équations non linéaires ou non homogènes à coef-
ficient polynomiaux). Elle permet, tout comme la méthode de résolution par séries de puissances,
d’obtenir un polynôme-solution qui estime la vraie solution, pour des équations où les autres
approches algébriques échouent.
Cependant, les calculs de dérivations implicites à effectuer avec cette méthode peuvent devenir
lourds à moins d’avoir l’aide d’un calculateur symbolique ou d’un logiciel. La solution obtenue sera
la même que par la méthode des séries de puissances, mais cette dernière approche peut parfois
être impraticable. Par exemple, l’équation y ′ = x 2 + y 2 est non linéaire ; la résoudre par séries de
puissances, autour de x = 0, demanderait de mettre au carré la série-solution de départ y = a n x n .
P

Pour appliquer la méthode de Taylor, on fera l’hypothèse qu’une solution y(x) existe pour une
équation différentielle avec variable dépendante y et variable indépendante x qui a une ou des
conditions initiales en x = a. On supposera aussi que l’on peut obtenir le développement en série
de Taylor de cette solution y(x) autour de x = a, ce qui signifie que cette fonction et ses dérivées
existent en x = a. Comme vous l’avez déjà vu dans un cours de calcul différentiel et intégral, son
développement en série de Taylor sera

y ′ (a) y ′′ (a) y (3) (a) ∞ y (n) (a)

(x − a)2 + (x − a)3 + · · · (x − a)n
X
y(x) = y(a) + (x − a) + ⇒ y(x) =
1! 2! 3! n=0 n!

Si les conditions initiales de l’équation différentielles sont en x = 0, le développement devient

y ′ (0) y ′′ (0) 2 y (3) (0) 3 ∞ y (n) (0)

xn
X
y(x) = y(0) + x+ x + x +··· ⇒ y(x) = (7.32)
1! 2! 3! n=0 n!

On remarque, au début du développement, la présence de la ou des conditions initiales. On connaît

donc toujours le début de cette solution. Considérons l’exemple suivant pour illustrer cette approche.

34. On peut toujours utiliser cette substitution dans une équation linéaire d’ordre 2 où la variable dépendante y
n’apparaît pas et ainsi obtenir une équation d’ordre 1.
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 151

Exemple 7.18
Considérons l’équation différentielle suivante

y ′ = x2 + y 2 avec y(0) = 1

On aimerait obtenir une solution sous forme de série de puissances et obtenir un estimé pour y(0, 5).
dy
On remarque que l’équation différentielle est de la forme y ′ = d x = f (x, y). On voit que la variable y
est une fonction de la variable x, on pourrait même écrire y(x) au lieu de y. De même, les dérivées
successives de y sont également des fonctions de x. L’équation différentielle de cet exemple est de la
forme
y ′ (x) = f (x, y(x))
En remplaçant x par 0 et y(0) = 1 dans l’équation différentielle, on trouve y ′ (0) = 02 +12 = 1 On obtient
ainsi y ′ (0) = 1 qui est le 2e coefficient du développement de la série de Taylor donnée par l’équation
7.32.
On peut maintenant dériver par rapport à x l’équation différentielle, en appliquant au besoin les
règles de dérivation implicite 35 .

d ¡ ′ d dy d ¡ 2 d2y
µ ¶
y = x2 + y 2 x + y2 = 2x + 2y · y ′
¢ ¢
⇒ = ⇒
dx dx dx dx d x2

On remarque que la dérivée deuxième y ′′ = 2x + 2y · y ′ dépend de x, y et y ′ . Si on évalue le résultat

¡ ¢

en x = 0, on trouve y ′′ (0) = 2 · 0 + 2y(0) · y ′ (0) = 2. Donc y ′′ (0) = 2 .

Dérivons de nouveau par rapport à x

d d2y d ¡ d3y
µ ¶
¡ ¢2
2x + 2y · y ′ = 2 + 2y ′ · y ′ + 2y · y ′′ = 2 + 2 y ′ + 2y · y ′′
¢
2
= ⇒ 3
dx dx dx dx

On remarque que la dérivée troisième y (3) = 2 + 2(y ′ )2 + 2y · y ′′ dépend de x, y, y ′ et y ′′ . Si on évalue

¡ ¢

le résultat en x = 0, on trouve y (3) (0) = 2 + 2 · (y ′ (0))2 + 2 · y(0) · y ′′ (0) soit y (3) (0) = 2 + 2 · 1 + 2 · 1 · 2 = 8.
Donc y (3) (0) = 8 . On reprend de nouveau ces dernières étapes en dérivant encore par rapport à x

d d3y d ¡ d4y
µ ¶
′ 2 ′
= 2y · y (3) + 6y ′ · y ′′
¢
= 2 + 2(y ) + 2y · y ⇒ (vérifiez ce résultat)
d x d x3 dx d x4

En utilisant les valeurs déjà trouvées on obtient y (4) (0) = 2 · 1 · 8 + 6 · 1 · 2 = 28 ⇒ y (4) (0) = 28 .

¡ ¢
35. Rappel : si u est une fonction de y et si y est une fonction de x si u = f (y) = f (y(x)) alors la dérivée de u par rapport
à x sera
du d f d y d
= · ou (u) = f ′ (y) · y ′
dx dy dx dx
Il faut aussi appliquer les règles usuelles de dérivation au besoin. Par exemple, dans l’expression 2x y 3 , on a un produit de 2
fonctions de x soit la fonction 2x et la fonction y 3 . Si on la dérive par rapport à x, on doit appliquer la règle de la dérivation
d’un produit de 2 fonctions de x.
si v = 2x y 3 ⇒ ddx (v) = ddx 2x y 3
¡ ¢

= ddx (2x) · y 3 + 2x · ddx y 3

¡ ¢

= 2y 3 + 2x · 3y 2 · y ′ = 2y 3 + 6x y 2 · y ′
152 CHAPITRE 7. MÉTHODES NUMÉRIQUES ET RÉSOLUTION PAR SÉRIES

Avec une autre application de cette procédure, on trouve le prochain terme y (5) (0) = 144 .
En remettant les coefficients trouvés dans l’équation 7.32, on obtient la série-solution de l’équation
différentielle
1 2 8 28 144 5 4 7 6
y(x) = 1 + x + x2 + x3 + x4 + x + · · · = 1 + x + x2 + x3 + x4 + x5 + · · ·
1! 2! 3! 4! 5! 3 6 5
En utilisant le polynôme de degré 5 de la série-solution, sol 5(x) = 1 + x + x 2 + 43 x 3 + 76 x 4 + 65 x 5 , on
trouve l’estimé cherché sol 5(0, 5) = 2, 02708. Cette méthode est intéressante car on peut toujours
dériver par rapport à x une fonction de x et de ses dérivées, comme on l’a vu dans cet exemple.
Cela peut demander des calculs algébriques lourds pour le calcul des dérivées successives. La plupart
des calculateurs symboliques ont une routine de résolution d’équations différentielles basée sur cette
approche. C’est assez simple à programmer puisque ces logiciels peuvent aisément faire les calculs
de dérivation implicite. Cette approche n’est pas intégrée à Nspire mais on peut utiliser ce logiciel et
votre calculatrice pour le calcul des dérivées implicites. On a fait ici l’hypothèse que y est une fonction
de la variable x ce qu’on peut facilement appliquer avec Nspire en notant la solution y(x) au lieu de
simplement y.

Dans les écrans précédents, on utilise les variables sui v et mm pour faire les évaluations en x = 0 et
pour les valeurs de y et de ses dérivées en x = 0. Le premier écran montre le calcul de y ′ (0) et de y ′′ (0),
alors que le 2e écran montre les calculs pour y (4) (0)
Si on continue cette approche pour trouver de plus en plus de termes de la série-solution, on obtient
plus de précision dans les estimés de y(0, 5). En nommant sol n(x) le polynôme-solution de degré n,
on trouve les estimés sol 8(0, 5) = 2, 06152, sol 30(0, 5) = 2, 066999710 et sol 60(0, 5) = 2, 066999712.
On peut conclure que notre premier estimé, sol 5(0, 5) = 2, 02708, n’est pas très précis ; même en
arrondissant à une décimale on serait en erreur. Mais en considérant les estimés en n = 30 et n = 60,
on peut conclure que y(0, 5) = 2, 06699971 est précis à 8 décimales.

7.13 Considérons l’équation différentielle

y ′′ + x y = sin(x) avec y(0) = 1 et y ′ (0) = 2

On veut estimer y(1). On remarque que cette équation est équivalente à y ′′ = −x y +sin(x) ce qui nous
permettra, par dérivation implicite, de trouver les dérivées d’ordre supérieur comme dans l’exemple
7.3. EXEMPLE SYNTHÈSE ET COMPLÉMENTS 153

précédent. On constate également qu’en utilisant x = 0 et les conditions initiales, on trouve aisément
la valeur de y ′′ (0).
(a) Appliquez la méthode de Taylor pour trouver la série-solution de cette équation différentielle.
Donnez explicitement les termes jusqu’à x 9 et estimez avec ce polynôme la valeur de y(1).
(b) Résolvez également l’équation avec Runge-Kutta (BS23) sur Nspire et donnez l’estimé de-
mandé avec la tolérance d’erreur t ol = 0, 0001 et avec t ol = 0, 00001. Comparez avec le résultat
obtenu en a) et conclure.
Chapitre 8

Séries de Fourier

Sous certaines conditions (remplies par la plupart des fonctions rencontrées en génie), une
fonction périodique bornée peut s’exprimer comme une superposition (une somme) de fonctions
périodiques fondamentales (des sinus et/ou des cosinus).
Lorsqu’un système linéaire est alimenté par une source périodique, on constate en général que la
dynamique du système, en régime permanent, est aussi périodique. On a déjà vu ce phénomène aux
chapitres 4 et 6 où l’on posait comme candidat pour une solution particulière A sin(ωx) + B cos(ωx)
si le terme de droite (ou la force appliquée dans un mouvement harmonique ou un circuit élec-
trique) contenait un terme en sin(ωx) et/ou cos(ωx). Mais qu’en est-il d’une fonction périodique
quelconque ? Considérons la fonction suivante (écran de gauche) de période 2

F IG . 8.1 Fonction périodique de période 2 et polynôme trigonométrique

Il serait difficile de résoudre une équation différentielle où est présente cette fonction périodique.
Mais on remarque à l’écran de droite qu’une somme de cosinus ayant chacun un coefficient appro-
prié (ainsi qu’un terme constant de 12 au début) semble bien représenter cette fonction périodique.
Après le chapitre 7 où l’on a traité de séries de puissances et de sommes partielles de ces séries
(des polynômes de degré n), on parlera au chapitre 8 de séries de Fourier 1 , de séries trigonomé-
triques et de sommes partielles de ces séries qu’on nommera polynômes trigonométriques d’ordre N .
1. Joseph Fourier (1768-1830), mathématicien et physicien français, connu pour ses travaux sur l’équation de la
chaleur, la modélisation de la propagation de la chaleur dans un corps. Il a généralisé l’utilisation du concept de séries
trigonométriques. (réf. Wikipedia) .

155
156 CHAPITRE 8. SÉRIES DE FOURIER

La fonction tracée sur le 2e écran de la figure 8.1 est une exemple d’un tel polynôme trigonométrique
d’ordre N = 5.
Une série trigonométrique (ou une série de Fourier) aura la forme générale
a0
+ a 1 cos(ωx) + b 1 sin(ωx) + a 2 cos(2ωx) + b 2 sin(2ωx) + a 3 cos(3ωx) + b 3 sin(3ωx) + · · ·
2
a0 X∞ £ ¤
= + a n cos(nωx) + b n sin(nωx) (8.1)
2 n=1
Sur l’ensemble des points pour lesquels la série 8.1 converge, on peut définir une fonction f (x) qui
prend pour valeurs la somme de cette série. À ce moment, la série 8.1 est dite la série de Fourier de
cette fonction f (x). On verra plus loin que cette série a une période de P = 2πω . Dans ce chapitre,
nous verrons comment trouver les coefficients a 0 , a n et b n de la série de Fourier d’une fonction
périodique f (x) donnée ainsi que les conditions d’existence d’un tel développement. Un polynôme
trigonométrique d’ordre N sera obtenu avec une somme partielle s’arrêtant à n = N .
Historiquement, on retrouve le concept de séries trigonométriques vers le milieu du 18e siècle
lorsque de célèbres mathématiciens travaillaient à résoudre le problème des cordes vibrantes (en fait
on voulait expliquer le mouvement d’une corde de violon). D’Alembert 2 trouve et résout l’équation
régissant la propagation d’une onde, une équation aux dérivées partielles puisque la solution dépend
de l’espace et du temps. Bernoulli fait un travail similaire mais utilise des séries trigonométriques
pour représenter la solution comme une superposition d’ondes sinusoïdales élémentaires.
Au début du 19e siècle, Fourier travaille sur l’équation de la propagation de la chaleur et reprend
pour sa solution le concept de séries trigonométriques. Mais il va plus loin et affirme que toute
fonction définie sur un intervalle donné peut se décomposer en une somme d’ondes sinusoïdales,
lesquelles ont des fréquences qui sont des multiples d’une fréquence fondamentale 3 . Cette idée
rencontra au début beaucoup d’opposition, mais c’était le départ de ce qu’on appelle aujourd’hui
l’analyse de Fourier 4 .
Regardons de nouveau la figure 8.1. Ce qui pourrait vous sembler plus complexe au début (la
somme des cosinus) est à la base de la notion de séries de Fourier. Pour générer la courbe de droite
sur la figure, on n’a besoin de connaître que
· la période P = 2, le terme constant 1/2 et le vecteur des
4 4 4
¸
coefficients de cos(nπx) jusqu’à n = 5, soit − 2 0 − 0 − . Cette idée de remplacer
π (3π)2 (5π)2
la connaissance complète d’une information par une version plus compacte qui « l’approxime »
bien explique beaucoup de développements modernes en traitement de signaux, en technologie
numérique, en encodage et en compression d’images, de sons.
Nous verrons dans ce chapitre le calcul des coefficients de la série de Fourier d’une fonction
périodique donnée, soit via le calcul d’intégrales définies, soit via une table de fonctions usuelles
normées. Nous résoudrons également des équations différentielles linéaires à coefficients constants

2. Jean Le Rond D’Alembert (1717-1783), mathématicien, physicien et philosophe français, connu pour ses travaux
en physique, en calcul intégral et en dynamique. (réf. Bibmath). Pour plus de détails sur l’équation d’onde, consultez
Wikipedia.
3. Consultez le merveilleux site Interstices pour plus de détails sur ce concept, y compris pour voir le symbole de
Batman en série de Fourier.
4. Pour plus de détails, consultez sur Wikipedia ce qu’on dit au sujet des séries de Fourier ou utilisez ce lien pour la
version anglaise où les animations sont très intéressantes.
8.1. DÉFINITIONS ET PRÉALABLES 157

d’ordre 1 ou d’ordre 2 (du type y ′ + b y = f (x) ou y ′′ + a y ′ + b y = f (x)) où le terme de droite f (x) sera
une fonction périodique qu’on représentera par une série de Fourier. Il sera également important
de pouvoir tracer les graphes de ces fonctions périodiques et des polynômes trigonométriques les
représentant.

8.1 Définitions et préalables

Revenons sur la définition générale d’une fonction périodique vue à la page 45 du chapitre 5.

Définition 8.1 Fonction périodique

On dit qu’une fonction f (x) est périodique s’il existe une constante P > 0 telle que

f (x + P ) = f (x) ∀x ∈ domaine de f

En d’autres mots, la fonction se répète à toutes les P unités. Si P est la plus petite valeur positive
ayant cette propriété pour une fonction f (x) donnée, on dit que cette fonction a une période P (P
est la période fondamentale de f (x)).

Dans le graphe suivant, on voit une fonction périodique de période P = 2. La fonction de base,
entre x = 0 et x = 2, se répète à toutes les 2 unités. Si on choisit x = a ∈ [0; 2], on voit que f (a) =
f (a + 2) = f (a + 4) = f (a + 6) = f (a − 2) . . ..

On remarquera de la définition d’une fonction périodique que si P est sa période fondamentale,

alors 2P , 3P et de façon générale nP avec n entier positif seront également des périodes de cette
fonction. En effet, par exemple avec n = 2, on a f (x + 2P ) = f ((x + P ) + P ) = f (x + P ) = f (x).

Exemple 8.1

(a) Les fonctions sin(x) et cos(x) sont périodiques avec une période (fondamentale) de P = 2π.
On dit qu’elles font un cycle complet en 2π unités. Pour ces fonctions, on a f (x + 2π) = f (x).
On a également f (x) = f (x + 2π) = f (x + 4π) = f (x + 6π) . . .
158 CHAPITRE 8. SÉRIES DE FOURIER

La fonction tan(x) est périodique de période P = π. Cette fonction n’étant pas bornée, elle ne
sera pas considérée dans ce chapitre.
(b) Les fonctions sin(nx) et cos(nx) sont périodiques avec une période (fondamentale) de P = 2π n .
On dit qu’elles font un cycle complet en 2π n unités. Par exemple, la fonction sin(4x) a une
période de P = 2π π π
4 = 2 . Elle effectue un cycle complet en 2 unités. Entre x = 0 et x = 2π unités,
elle aura effectué 4 cycles complets.
(c) Les fonctions sin(ωx) et cos(ωx) rencontrées au départ de la série trigonométrique 8.1 à la
page 156 sont périodiques avec une période (fondamentale) de P = 2π ω . On dit qu’elles font
2π
un cycle complet en ω unités.
(d) Considérons la fonction g (x) = sin(x) + sin(2x) + sin(3x). C’est la somme de 3 fonctions
périodiques avec des périodes fondamentales respectives de 2π, π et 2π3 . Mais ces 3 fonctions
ont aussi 2π comme période. La fonction g (x) aura donc une période (fondamentale) de
P = 2π.

Proposition 8.1 Quelques propriétés des fonctions périodiques

a) Si f (x) = f (x + P ) pour tout x ∈ domaine de f alors f (x) = f (x + nP ) pour n ∈ N+ . En d’autres
mots, si P est une période de f (x) alors nP est également une période de f (x).
b) Considérons 2 fonctions périodiques, f (x) et g (x), ayant une même période P et 2 constantes
réelles a et b. La combinaison linéaire h(x) = a f (x) + bg (x) sera également périodique de
période P .
c) Considérons 2 fonctions périodiques f 1 (x) et f 2 (x) de période respective P 1 et P 2 ainsi que
2 constantes réelles a et b. Si P 1 = nP 2 pour n ∈ N+ , alors la combinaison linéaire h(x) =
a f 1 (x) + b f 2 (x) sera également périodique de période P 1 .

On peut généraliser la propriété c) précédente en considérant 2 fonctions périodiques f 1 (x) et

f 2 (x) de période respective P 1 et P 2 ainsi que 2 constantes réelles a et b. La combinaison linéaire
8.1. DÉFINITIONS ET PRÉALABLES 159

P1
h(x) = a f 1 (x) + b f 2 (x) sera également périodique si le rapport P2 est rationnel (un quotient de deux
P1 n1 n1
entiers). Donc =
P2 où n 1 , n 2 ∈ N+ . Si de plus la fraction
n2 n2 est simplifiée alors la période de la
fonction résultante h(x) aura une période P = n 2 P 1 = n 1 P 2 .

Exemple 8.2

(a) Considérons la fonction h(x) = 2 sin(4x) − 5 sin(6x)

2π π 2π
sin(4x) a une période P 1 = 4 = 2 et sin(6x) a une période P 2 = 6 = π3 .
Comme PP 12 = π/3
π/2
= 32 est un nombre rationnel, alors h(x) sera aussi périodique de période
π π
P = 2 · 2 = 3 · 3 = π. En fait la période fondamentale P de h(x) est la plus petite valeur de
période qui soit à la fois un multiple de P 1 et de P 2 .
(b) Soit la fonction g (x) = 5 sin(2x) + 2 sin(3πx).
2π 2π
sin(2x) a une période P 1 = 2 = π et sin(3πx) a une période P 2 = 3π = 32 .
Comme PP 12 = π
2/3 = 3π
2 n’est pas un nombre rationnel, alors g (x) n’est pas une fonction
périodique.

Les propriétés b) et c) des fonctions périodiques dans la proposition 8.1 font référence à la somme
de 2 fonctions périodiques. En fait on peut généraliser ce concept. Une combinaison linéaire d’un
nombre fini de fonctions périodiques ayant une période commune P sera également une fonction
périodique de période P . Même une série (somme infinie) convergente de fonctions périodiques avec
une même période P sera également une fonction périodique de période P .
Si on reprend la série trigonométrique vue à la page 156
a0
+ a 1 cos(ωx) + b 1 sin(ωx) + a 2 cos(2ωx) + b 2 sin(2ωx) + a 3 cos(3ωx) + b 3 sin(3ωx) + · · · cos(x)
2
et qu’elle converge vers une fonction f (x) (on verra plus loin les conditions nécessaires)

a0 X∞ £ ¤
f (x) = + a n cos(nωx) + b n sin(nωx) (8.2)
2 n=1

alors cette fonction f (x) sera périodique avec une période P = 2π ω , soit la même période que les
premières fonctions sin(ωx) et cos(ωx). Les autres termes trigonométriques de cette série ayant des
périodes qui sont des fractions entières de cette période initiale, ils auront, par la proposition 8.1 c)
de la page 158, également 2πω comme période.

Si la fonction périodique f (x) de l’équation 8.2 a une période fondamentale P alors ω dans cette
équation doit être ω = 2π
P . En conséquence, plusieurs auteurs vont décrire cette série trigonométrique
convergente de cette façon

a0 X ∞ · µ
2π
¶ µ
2π
¶¸
f (x) = + a n cos n x + b n sin n x (8.3)
2 n=1 P P

Les définitions suivantes seront utiles dans les calculs à venir pour la détermination de la série de
Fourier d’une fonction périodique.
160 CHAPITRE 8. SÉRIES DE FOURIER

Définition 8.2 Fonction paire

On dit qu’une fonction f (x) est paire si ∀x ∈ domaine de f on a f (−x) = f (x).
En d’autres mots, le graphe de la fonction est symétrique par rapport à l’axe vertical. Les fonctions
x 2 , x 4 , cos(x), cos(kx), x 2 + 3 et e x + e −x sont des fonctions paires. Une fonction constante est
également considéré comme étant paire.

Le graphe à gauche ci-dessus est celui d’une fonction paire, la fonction f (x) = 4 − x 2 . On remarque la
symétrie par rapport à l’axe vertical. Algébriquement, les points x = a et x = −a ont la même image.
En effet, f (a) = 4 − a 2 et f (−a) = 4 − (−a)2 = 4 − a 2 . Le graphe de droite n’est pas celui d’une fonction
paire (c’est la fonction f (x) = x 3 ). Par contre, on observe un autre type de symétrie, d’où la définition
suivante.

Définition 8.3 Fonction impaire

On dit qu’une fonction f (x) est impaire si ∀x ∈ domaine de f on a f (−x) = − f (x).
En d’autres mots, le graphe de la fonction est symétrique par rapport à l’origine. Les fonctions x, x 3 ,
x 5 , sin(x), sin(kx) et e x − e −x sont des fonctions impaires.

Le graphe de la fonction f (x) = x 3 ci-dessus illustre la symétrie d’une fonction impaire. Il est
symétrique par rapport à l’origine. On peut aussi parler d’une double symétrie d’axes. Prenons la
section de la courbe dans le premier quadrant, on fait une première symétrie par rapport à l’axe
8.1. DÉFINITIONS ET PRÉALABLES 161

vertical (voir le résultat en pointillé sur le graphe). On applique ensuite une symétrie par rapport à
l’axe horizontal pour retrouver la portion de courbe dans le 3e quadrant.
Il sera utile dans les calculs à venir de comprendre comment se comporte la parité d’une fonction
qui résulte d’une combinaison linéaire de fonctions paires ou impaires de même que celle provenant
d’un produit de telles fonctions. Notons que multiplier une fonction paire ou impaire par une
constante ne changera pas sa parité.
Remarque : la parité d’une fonction se détermine toujours sur un intervalle centré en x = 0.

Proposition 8.2 Quelques propriétés découlant de la parité des fonctions Convenons de la

notation suivante : f p si la fonction f est paire et f i mp si la fonction f est impaire.
a) Si on combine linéairement deux fonctions paires, le résultat sera pair. Si on combine deux
fonctions impaires, le résultat est également une fonction impaire.
⇒ f p ± g p = hp et f i mp ± g i mp = h i mp
b) Pour le produit de fonctions paires ou impaires, si on associe un (+) à une fonction paire et un
(−) à une fonction impaire, alors la parité du produit de deux fonctions se comporte comme
le signe du produit de deux nombres. Ainsi le produit de deux fonctions paires (ou impaires)
donne une fonction paire et le produit d’une fonction paire et d’une fonction impaire donne
une fonction impaire.
⇒ f p · g p = hp (+) · (+) = (+) et f i mp · g i mp = h p (−) · (−) = (+)
⇒ f p · g i mp = h i mp (+) · (−) = (−)
c) Considérons une fonction f (x) qui est paire, une fonction g (x) qui est impaire et un point non
nul x = a dans le domaine de ces fonctions. De par la symétrie de ces fonctions, on a
Za Za Za
f p (x)d x = 2 f p (x)d x et g i mp (x)d x = 0
−a 0 −a

Cette dernière propriété est illustrée visuellement avec les deux graphes suivants. Par symétrie,
pour la fonction paire, la surface de x = −a à x = 0 est la même que celle de x = 0 à x = a. Pour la
fonction impaire f (x) = x 3 , la surface de x = −a à x = 0 sera par symétrie la même que celle entre
x = 0 et x = a, mais pour la valeur de l’intégrale il y aura changement de signe.
162 CHAPITRE 8. SÉRIES DE FOURIER

Exemple 8.3

(a) Par définition les fonctions f (x) = 2x et g (x) = sin(5x) sont impaires.
La fonction h(x) = 2x + sin(5x) est aussi impaire (somme de deux fonctions impaires).
Par contre, la fonction h(x) = 2x sin(5x) sera paire (produit de deux fonctions impaires)
(b) La fonction h(x) = x 2 sin(5x) sera impaire (produit d’une fonction paire avec une fonction
impaire). En conséquence, tel qu’indiqué dans la proposition 8.2, la valeur de l’intégrale
définie suivante sera nulle Zπ
x 2 sin(5x)d x = 0
−π
On s’évite ainsi d’avoir à effectuer le calcul de cette intégrale.
(c) En remarquant que x 3 sin(x) est une fonction paire (produit de deux fonctions impaires), il
pourrait être avantageux d’utiliser
Zπ Zπ
x 3 sin(x)d x = 2 x 3 sin(x)d x
−π 0

Si on calcule manuellement cette intégrale à l’aide d’une primitive, il sera plus simple de
l’évaluer en x = 0 plutôt qu’en x = −π. En effet, la primitive 6x − x 3 cos(x) + 3 x 2 − 2 sin(x)
¡ ¢ ¡ ¢
¡ 2 ¢
évaluée en x = 0 s’annule et vaut π π − 6 en x = π. Donc
Zπ Zπ
3
¢ ¯¯π
x 3 sin(x)d x = 2 6x − x 3 cos(x) + 3 x 2 − 2 sin(x) ¯ = 2π π2 − 6
¡¡ ¢ ¡ ¢ ¡ ¢
x sin(x)d x = 2
−π 0 0

Évidemment, il n’est pas nécessaire d’utiliser cette propriété si vous utilisez votre calculatrice
symbolique pour évaluer cette intégrale définie. Nspire vous donnera directement la réponse
cherchée 2π π2 − 6 . Mais nous verrons plus loin des exemples où l’on pourra bénéficier de
¡ ¢

cette propriété même en travaillant avec Nspire.

Dans le calcul des coefficients de séries de Fourier, nous aurons à intégrer des fonctions périodiques
sur une longueur de période fondamentale. Le théorème qui suit nous permettra parfois de minimi-
ser le travail à effectuer pour obtenir ces coefficients.

Théorème 8.1 Considérons une fonction périodique f P (x) de période P . Si on intègre cette fonction
sur un intervalle de longueur P , le résultat sera le même peu importe le point de départ de l’intégrale
définie. Z P Z P /2 Z c+P
f P (x)d x = f P (x)d x = f P (x)d x
0 −P /2 c

Exemple 8.4

(a) Considérons la fonction f (x) = 3 − 32 x, 0 < x < 2 avec f (x + 2) = f (x). La période de cette
fonction périodique est P = 2. La fonction indiquée sur l’intervalle 0 < x < 2 se répète à toutes
les 2 unités. On veut évaluer cette intégrale
Z1
f (x)d x
−1
8.1. DÉFINITIONS ET PRÉALABLES 163

Le théorème nous permet de choisir un intervalle de longueur 2 plus approprié, considérant

que l’on connaît explicitement la fonction sur l’intervalle 0 < x < 2
Z1 Z2 Z2 µ
3
¶
f (x)d x = f (x)d x = 3− x dx = 3
−1 0 0 2

Les deux graphes suivants illustrent ces calculs

On voit sur le premier graphe que l’aire entre x = −1 et x = 0 est la même que celle entre x = 1
et x = 2. Il est plus avantageux de considérer l’intervalle entre x = 0 et x = 2. On remarque
également que l’intégrale peut se trouver en considérant la surface d’un triangle de base b = 2
unités et de hauteur h = 3 unités, ce qui donne bien 3 unités de surface S = b·h 2·3
2 = 2 = 3. Si on
tient absolument à faire le calcul avec des intégrales, sur l’intervalle initial donné, on devrait
déterminer la fonction explicite sur l’intervalle ]−1; 0[. On aurait alors
Z1 Z0 µ Z1 µ
3 3 3 9
¶ ¶
f (x)d x = − x dx + 3− x dx = + = 3
−1 −1 2 0 2 4 4

(b) Considérons la fonction f (x) = 23 − 32 x, −1 < x < 1 avec f (x + 2) = f (x). La période de cette
fonction périodique est P = 2. La fonction indiquée sur l’intervalle −1 < x < 1 se répète à
R2
toutes les 2 unités. On veut évaluer cette intégrale 0 f (x)d x.

On voit qu’il est plus simple de calculer l’intégrale demandée sur l’intervalle ]−1; 1[
Z2 Z1 Z1 µ
3 3
¶
f (x)d x = f (x)d x = − x dx = 3
0 −1 −1 2 2
164 CHAPITRE 8. SÉRIES DE FOURIER

Dans votre travail sur les fonctions périodiques, vous devrez produire leurs graphes, comme
dans l’exemple précédent. Cela signifie que si on vous donne une fonction sur un intervalle fini
de longueur P et qu’on vous indique que la fonction se répète, donc qu’elle est périodique (soit
f (x +P ) = f (x)), alors vous devrez savoir écrire une fonction algébrique qui représente cette fonction
périodique.
Pour illustrer cette procédure, examinons de nouveau une des fonctions de l’exemple précédent
soit f (x) = 3 − 32 x, 0 < x < 2. Cette fonction est représenté par une droite sur l’intervalle indiqué. On
la rend périodique en la répétant à toutes les P = 2 unités, on écrit f (x +2) = f (x). Notons par f P (x) la
fonction périodique ainsi créée. Pour évaluer, par exemple, f P (3.4) on doit déterminer à quelle valeur,
dans l’intervalle 0 < x < 2, la valeur x = 3.4 correspond pour ensuite l’évaluer avec f (x) = 3 − 32 x.
La valeur cherchée est x = 1.4 car f (1.4 + 2) = f (3.4). L’opérateur mathématique (binaire) modulo
permet de faciliter ce calcul. Cet opérateur est habituellement noté mod(a, n). Il donne le reste r
après division entière de a par n, on note alors r = mod (a, n).
Par exemple, mod(3, 2) = 1 car 3 = 2 · 1 + 1 et mod(5.9, 2) = 1.9 car 5.9 = 2 · 2 + 1.9. Pour notre
exemple plus haut, mod(x, 2) retournera un nombre dans l’intervalle 0 ≤ x < 2, soit le reste après
division de x par 2. Voici comment trouver cet opérateur dans le menu de la calculatrice Nspire et
quelques exemples d’utilisation

On peut maintenant créer la fonction périodique cherchée à partir de la fonction donnée valable
sur un intervalle. Si on a f (x) = 3 − 23 x, 0 < x < 2 alors on peut la transformer en fonction périodique
de période P = 2 en créant une nouvelle fonction f P (x) qui utilise la définition de f (x)

La procédure précédente permet aisément de tracer le graphe de la fonction périodique f P (x) si

la fonction de base initiale f (x) est sur l’intervalle 0 < x < P . On utilise alors f P (x) = f ( mod (x, P )).
8.1. DÉFINITIONS ET PRÉALABLES 165

Donnons maintenant la procédure générale pour les situations où la fonction initiale est plutôt
donnée sur un intervalle a < x < b.

Prolongement périodique d’une fonction définie sur un intervalle fini

Considérons une fonction f (x) définie sur un intervalle a < x < b. On veut prolonger cette
fonction pour la rendre périodique de période P = b − a.
L’opération mod (x − a, P )+ a donnera ∀x ∈ R une valeur équivalente dans l’intervalle a < x < b.
La fonction suivante sera le prolongement périodique de f (x)

f P (x) = f ( mod (x − a, P ) + a)

Si la borne de gauche de l’intervalle initial est a = 0, on retrouve le résultat de la page précédente

f P (x) = f ( mod (x, P ))

Exemple 8.5
Considérons la fonction suivante, définie sur l’intervalle −2 < x < 2
(
1 − 2x −2 < x < 0
f (x) =
1 + 2x 0<x <2

On prolonge avec une période P = 4 cette fonction. En utilisant les indications du tableau précédent,
avec a = −2, on posera f P (x) = f ( mod (x + 2, 4) − 2) pour créer cette fonction périodique. Les écrans
suivants montrent cette opération et le graphe du prolongement périodique de f (x).

Vous noterez que je n’ai pas défini la valeur de f (x) en x = 0, x = −2 ou x = 2. Comme l’opération vise
essentiellement à représenter le graphe de la fonction, cela n’a pas d’impact sur le résultat. Pourquoi ?

Dans la prochaine section nous verrons comment calculer la série de Fourier d’une fonction
périodique, comme la fonction de l’exemple précédent. Les notions vues dans la présente section
nous permettront de simplifier plusieurs des calculs nécessaires et en plus de pouvoir illustrer dans
une même fenêtre graphique la fonction périodique et une somme partielle de sa série de Fourier.
166 CHAPITRE 8. SÉRIES DE FOURIER

8.2 Calcul d’une série de Fourier

Reprenons le concept de série trigonométrique vu au début du chapitre

a0
+ a 1 cos(ωx) + b 1 sin(ωx) + a 2 cos(2ωx) + b 2 sin(2ωx) + a 3 cos(3ωx) + b 3 sin(3ωx) + · · ·
2
a0 X∞ £ ¤
= + a n cos(nωx) + b n sin(nωx) (8.4)
2 n=1

On sait que cette série sera une fonction périodique de période P = 2π

ω . Comme on le mentionnait la
page 159 avec l’équation 8.2, supposons que cette série trigonométrique converge vers une fonction
f (x), qui est la somme de cette série. Notons cela

a0 X∞ £ ¤ a0 X∞ · µ
2π
¶ µ
2π
¶¸
f (x) = + a n cos(nωx) + b n sin(nωx) ou f (x) = + a n cos n x + b n sin n x
2 n=1 2 n=1 P P

Le théorème suivant, fourni sans démonstration 5 , montre le lien entre cette fonction f (x) et les
coefficients de la série trigonométrique.

Théorème 8.2 Théorème de Fourier, version initiale

Si la série trigonométrique 8.4 converge vers une fonction f (x) qui sera aussi périodique de période
P = 2πω , alors les coefficients de cette série seront obtenus par les intégrales suivantes

2 C +P a 0 1 C +P
Z Z
a0 = f (x)d x ⇒ = f (x)d x
P C 2 P C
2 C +P 2π
Z µ ¶
an = f (x) cos n x d x (8.5)
P C P
ZC +P
2 2π
µ ¶
bn = f (x) sin n x d x
P C P

Remarque : on effectue les intégrales sur une longueur de période, de C à C + P . Comme on l’a vu
au théorème 8.1 à la page 162, le résultat de l’intégrale sera le même peu importe le choix fait pour
la valeur de C , en autant qu’on intègre sur une longueur de période P . On utilise l’intervalle le plus
pratique pour chaque problème. Pour a 0 par exemple, cela signifie que
ZC +P ZP ZP /2
2 2 2
a0 = f (x)d x ou a 0 = f (x)d x ou a 0 = f (x)d x
P C P 0 P −P /2

On dit alors que la série trigonométrique, avec les coefficients déterminés par les formules ci-dessus,
est la série de Fourier de la fonction périodique f (x). On la notera SF (x). Et dans cette situation
SF (x) = f (x).
a0 X∞ · µ
2π
¶ µ
2π
¶¸
SF (x) = + a n cos n x + b n sin n x
2 n=1 P P

5. Consultez le chapitre 10 de Boyce-DiPrima [5] ou le chapitre 10 de Nagle, Saff, Snider[6] pour voir une démonstration
du résultat.
8.2. CALCUL D’UNE SÉRIE DE FOURIER 167

Dans l’exemple qui suit, nous reprendrons l’illustration donnée au tout début du chapitre et nous
verrons comment obtenir le polynôme trigonométrique mentionné dans la figure 8.1 à la page 155.
Après les 2 prochains exemples, nous verrons à la page 174 la version finale du théorème qui énoncera
les conditions sur la fonction f (x) pour garantir l’existence de la série de Fourier et qui précisera la
convergence de cette série.

Exemple 8.6
Considérons la fonction périodique suivante
(
−x −1 < x < 0
f (x) = avec f (x + 2) = f (x)
x 0<x <1
On supposera que cette fonction périodique est
la somme d’une série trigonométrique, donc que
le théorème 8.2 à la page 166 peut s’appliquer.
f (x) est une fonction périodique de période P = 2
et l’on connaît explicitement sa définition pour
l’intervalle −1 < x < 1. Cela nous permettra d’uti-
liser les définitions avec intégrales du théorème,
pour le calcul de la série de Fourier de cette fonc-
tion f (x). Comme on connaît la fonction f (x) sur
l’intervalle −1 < x < 1, il est préférable de faire les
intégrales sur cet intervalle.

En utilisant les formules du théorèmes 8.2, on obtient

a 0 1 C +P 1 1
Z Z
= f (x)d x = f (x)d x
2 P C 2 −1
Mais, la fonction étant en 2 morceaux, on doit séparer l’intégrale en 2 en utilisant la bonne fonction
sur chaque intervalle
¯0 ¯1 !
x 2 ¯¯ x 2 ¯¯
µZ0 Z1 Ã
a0 1 1 1 1 1 a0 1
¶ µ ¶
= (−x)d x + xd x = − ¯ + ¯ =2 2+2 ⇒ =
2 2 −1 0 2 2 −1 2 0 2 2

Comme il est facile ici de trouver une primitive pour les fonctions x et −x, on a procédé manuelle-
ment, comme vous l’avez déjà vu dans un cours de calcul intégral. Vous pourriez obtenir directement
le résultat avec Nspire 6 , c’est ce que nous ferons pour les intégrales suivantes.

De plus, l’intégrale définie mesurant l’aire signée sous la courbe, on peut éviter le calcul de l’intégrale
car il est facile dans cet exemple de voir que
Z1 Z2
b ·h 2
f (x)d x = f (x)d x = = =1 (la surface du triangle)
−1 0 2 2
6. Dans ce fichier Nspire (ou dans la version PDF de celui-ci ) vous trouverez les détails des opérations faites avec le
logiciel Nspire pour cet exemple. Le fichier Nspire sera plus facile à consulter avec la version logicielle de Nspire.
168 CHAPITRE 8. SÉRIES DE FOURIER

Pour le calcul des coefficients a n , on doit évaluer selon le théorème 8.2

2 C +P 2π 2 1 2π
Z µ ¶ Z µ ¶
an = f (x) cos n x d x = f (x) cos n x d x
P C P 2 −1 2
En simplifiant cette dernière expression et en séparant l’intégrale en 2 parties, comme dans le calcul
de a 0 , on obtient 7
Z0 Z1 £ ¤
2 cos(nπ) + n · sin(nπ) · π − 1
an = (−x) cos (nπx) d x + x cos (nπx) d x =
−1 0 n 2 π2
Nspire en fournissant ce dernier résultat ne l’a pas simplifié comme on pourrait s’y attendre. On sait,
nous, que la variable n prend des valeurs entières positives mais Nspire considère plutôt n comme
une variable réelle. Vous devriez savoir que sin(nπ) = 0 si n est un entier et que cos(nπ) = 1 si n est
un entier pair et cos(nπ) = −1 si n est impair. On pourait résumer cela avec cos(nπ) = (−1)n . Avec ces
informations, on peut simplifier le résultat pour a n

2 (−1)n − 1
£ ¤  0 si n est pair
an = =
n 2 π2  −4 si n est impair
n 2 π2

On calcule les premiers coefficients a n

−4 −4 −4
a1 = a2 = 0 a3 = a4 = 0 a5 =
π2 9π2 25π2
On reprend un calcul similaire, avec la formule du théorème 8.2, pour les coefficients b n

2 C +P 2π 2 1 2π
Z µ ¶ Z µ ¶
bn = f (x) sin n x d x = f (x) sin n x d x
P C P 2 −1 2
Comme on intègre sur un intervalle symétrique par rapport à l’origine, on peut se demander si la
proposition 8.2 à la page 161 ne pourrait pas simplifier les calculs à effectuer. Dans cet exemple,
la fonction f (x) est par définition une fonction paire. La fonction sin(nπx) est par définition une
fonction impaire (voir page 160). Le produit f (x) sin(nπx) sera également une fonction impaire et on
sait que Z a
g i mp (x)d x = 0 ⇒ bn = 0
−a
Par un argument similaire, on aurait pu simplifier les calculs nécessaires pour déterminer les coeffi-
cients a n . En effet, f (x) est paire de même que cos(nπx). Donc f (x) cos(nπx) sera également paire et
on aurait Z 1 Z 1
an = f (x) cos (nπx) d x = 2 x cos (nπx) d x
−1 0
On obtiendrait le même résultat pour a n mais avec une intégrale de moins à évaluer.
En combinant les coefficients trouvés dans la définition de série de Fourier de la fonction périodique
f (x)
a0 X ∞ · µ
2π
¶ µ
2π
¶¸
SF (x) = + a n cos n x + b n sin n x
2 n=1 P P

7. Si on voulait faire ces intégrales manuellement, on devrait trouver une primitive avec la technique d’intégration par
parties vue dans un cours de calcul intégral. Pour le reste du chapitre, nous assumerons que vous utiliserez Nspire pour ces
calculs. Nous vous indiquerons également comment bien utiliser Nspire dans le calcul des séries de Fourier.
8.2. CALCUL D’UNE SÉRIE DE FOURIER 169

On obtiendra
a0
SF (x) = + a 1 cos(πx) + b 1 sin(πx) + a 2 cos(2πx) + b 2 sin(2πx) + a 3 cos(3πx) + b 3 sin(3πx) + · · ·
2

1 4 4 4
⇒ SF (x) = − 2 cos(πx) − 2 cos(3πx) − cos(5πx) + · · ·
2 π 9π 25π2
En prenant une somme partielle de cette série de Fourier on obtiendra un polynôme trigonométrique
d’ordre n qui approxime la fonction f (x). Par exemple, en sommant jusqu’à n = 5 on obtient un
polynôme trigonométrique d’ordre 5 avec 4 termes non nuls (le terme constant et 3 termes en
cosinus)
1 4 4 4
f (x) ≈ SF 5 (x) = − 2 cos(πx) − 2 cos(3πx) − cos(5πx)
2 π 9π 25π2
On peut aussi simplifier cette écriture en mettant en facteur le terme − π42

1 4 1 1
· ¸
f (x) ≈ SF 5 (x) = − 2 cos(πx) + 2 cos(3πx) + 2 cos(5πx)
2 π 3 5
Voici le graphe de cette somme partielle à droite de la fonction originale f (x)

F IG . 8.2 Fonction f (x) de période 2 et polynôme trigonométrique d’ordre n = 5

On remarque sur cette figure que la somme partielle de Fourier à droite est graphiquement très
proche de la fonction périodique initiale f (x). L’ajustement n’est pas parfait, on remarque dans le
bas du graphique, que ce polynôme trigonométrique ne descend pas complètement à une hauteur
y = 0 et on voit bien au sommets de la courbe le même phénomène, avec une courbe arrondie au lieu
d’un pic. On pourrait cependant prendre une somme partielle d’ordre supérieure à n = 5 et obtenir
un ajustement encore plus près de f (x).

Dans le prochain exemple, on verra une situation où l’ajustement de la somme partielle de Fourier
est moins « efficace ». On calculera de nouveau la série de Fourier d’une fonction périodique donnée,
mais celle-ci ne sera pas continue (il y aura des sauts). Ce faisant, il sera normal qu’une série de
Fourier ou qu’une somme partielle de cette série ait un problème de convergence à ces endroits où
il y a des sauts. On supposera, le temps de cet exemple, qu’on puisse encore utiliser le théorème de
Fourier à la page 166. On verra, après ce prochain exemple, la version finale du théorème de Fourier
avec les conditions d’existence de la série de Fourier d’une fonction périodique et la convergence de
celle-ci.
170 CHAPITRE 8. SÉRIES DE FOURIER

Exemple 8.7
Considérons la fonction périodique suivante
(
3 0<x <2
f (x) = avec f (x + 4) = f (x)
0 2<x <4
On supposera que cette fonction périodique est
la somme d’une série trigonométrique, donc que
le théorème 8.2 à la page 166 peut s’appliquer.
f (x) est une fonction périodique de période P = 4
et l’on connaît explicitement sa définition pour
l’intervalle 0 < x < 4. Cela nous permettra d’uti-
liser les définitions avec intégrales du théorème,
pour le calcul de la série de Fourier de cette fonc-
tion f (x). Comme on connaît la fonction f (x) sur
l’intervalle 0 < x < 4, il est préférable de faire les
intégrales sur cet intervalle.

En utilisant les formules du théorèmes 8.2, on obtient

a 0 1 C +P 1 4
Z Z
= f (x)d x = f (x)d x
2 P C 4 0
Mais, la fonction étant en 2 morceaux, on doit séparer l’intégrale en 2 en utilisant la bonne fonction
sur chaque intervalle
µZ2 Z4 µ ¯2 ¶
a0 1 1 1 a0 3
¶
= 3dx + 0dx = 3x ¯ = (6 − 0) ⇒ =
¯
2 4 0 2 4 0 4 2 2

L’intégrale définie de la fonction 0 étant nulle, on n’a en fait qu’une seule intégrale à calculer. De plus,
l’intégrale définie mesurant l’aire signée sous la courbe, on obtient aisément la valeur de l’intégrale
définie sur l’intervalle 0 < x < 2 en calculant la surface du rectangle ayant une base b = 2 et une
hauteur h = 3.
Pour le calcul des coefficients a n , on doit évaluer selon le théorème 8.2

2 C +P 2π 2 4 2π
Z µ ¶ Z µ ¶
an = f (x) cos n x d x = f (x) cos n x d x
P C P 4 0 4
En simplifiant cette dernière expression et en séparant l’intégrale en 2 parties, comme dans le calcul
de a 0 , on obtient 8
µZ2 Z4 ³ π ´ ¶ 3 Z2
1 ³ π ´ ³ nπ ´
an = 3 cos n x d x + 0 cos n x d x = cos x dx
2 0 2 2 2 2 0 2
3 2 ³ nπ ´ ¯2 3
= · sin x ¯ = [sin(nπ) − sin(0)] = 0
¯
2 nπ 2 0 nπ
⇒ a n = 0 ∀n entier

8. On fera ici ces intégrales manuellement, les fonctions à intégrer sont simples et les primitives nécessaires sont
aisément déterminées avec la table d’intégrales en annexe. On peut aussi utiliser Nspire pour obtenir directement la valeur
des intégrales définies. C’est ce qui sera fait dans les exemples suivants.
8.2. CALCUL D’UNE SÉRIE DE FOURIER 171

Il n’y aura donc pas de termes en cosinus dans la série de Fourier cherchée.
Nspire ne donnera pas directement le résultat simplifié a n = 0. La figure suivante illustre le calcul
avec Nspire. Le résultat sur la première ligne s’explique, comme pour l’exemple précédent, par le fait
que Nspire traite la variable n comme une variable réelle. On sait, nous, que la variable n prend des
valeurs entières positives et que sin(nπ) = 0 si n est un entier.

Sur la 2e ligne, on met en mémoire dans une notation fonctionnelle les intégrales à effectuer en
fonction de la variable n. Sur la 3e ligne on évalue la valeur de cette fonction quand n = n1 qu’on
obtient sur Nspire en tapant @n1 à la place de n. Cela indique à Nspire que n1 est un entier.
Pour le calcul des coefficients b n , on doit évaluer selon le théorème 8.2

2 C +P 2π 2 4 2π
Z µ ¶ Z µ ¶
bn = f (x) sin n x d x = f (x) sin n x d x
P C P 4 0 4
En simplifiant cette dernière expression et en séparant l’intégrale en 2 parties, comme dans le calcul
de a n , on obtient
µZ2 Z4 ³ π ´ ¶ 3 Z2
1 ³ π ´ ³ nπ ´
bn = 3 sin n x d x + 0 sin n x d x = sin x dx
2 0 2 2 2 2 0 2
3 −2 ³ nπ ´ ¯2 −3 −3 £
(−1)n − 1
¤
= · cos x ¯ = [cos(nπ) − cos(0)] =
¯
2 nπ 2 0 nπ nπ

 0 si n est pair
⇒ bn = 6
 si n est impair
nπ

Voici les calculs faits avec Nspire

On trouve ainsi les coefficients

6 6 1 6 6 1 6
b1 = , b 2 = 0, b3 = = · , b 4 = 0, b5 = = · , ···
π 3·π 3 π 5·π 5 π
172 CHAPITRE 8. SÉRIES DE FOURIER

Avec ces résultats, on utilise la formule générale de la page 166 pour la série de Fourier,
a0
+ a 1 cos(ωx) + b 1 sin(ωx) + a 2 cos(2ωx) + b 2 sin(2ωx) + a 3 cos(3ωx) + b 3 sin(3ωx) + · · ·
2

a0 X∞ £ ¤
= + a n cos(nωx) + b n sin(nωx)
2 n=1
2π 2π π
avec ω = = = .
P 4 2
La série de Fourier cherchée sera

3 6 ³π ´ 6 3π 6 5π 6 7π
µ ¶ µ ¶ µ ¶
SF (x) = + sin x + sin x + sin x + sin x +···
2 π 2 3π 2 5π 2 7π 2
6
, ce qui donnera
On peut également simplifier l’écriture de cette série en mettant en facteur le terme
π
3 6 1 3π 1 5π 1 7π
· ³ ´ µ ¶ µ ¶ µ ¶ ¸
π
SF (x) = + sin x + sin x + sin x + sin x +···
2 π 2 3 2 5 2 7 2

Pour valider au niveau graphique le résultat, prenons les sommes partielles d’ordre n = 5 et d’ordre
n = 11 :

3 6 1 3π 1 5π
· ³ ´ µ ¶ µ ¶¸
π
SF 5 (x) = + sin x + sin x + sin x
2 π 2 3 2 5 2

3 6 1 3π 1 5π 1 7π 1 9π 1 11π
· ³ ´ µ ¶ µ ¶ µ ¶ µ ¶ µ ¶¸
π
SF 11 (x) = + sin x + sin x + sin x + sin x + sin x + sin x
2 π 2 3 2 5 2 7 2 9 2 11 2

On peut aussi faire calculer ces sommes partielles par Nspire, on obtiendra les mêmes résultats, sans
6
la mise en facteur du terme π6 , avec une écriture inversée et quelques simplifications, car 3π = π2 et
6 2
dans SF 11 (x), 9π = 3π .

Le graphique suivant montre ces 2 sommes partielles et la fonction périodique originale.

8.2. CALCUL D’UNE SÉRIE DE FOURIER 173

On remarque ici que, contrairement à l’exemple précédent, l’ajustement à la fonction périodique de

départ n’est pas très bon. On aurait pu s’attendre à ce problème puisque la série de Fourier et ses
sommes partielles sont des fonctions continues alors que la fonction périodique initiale affiche un
saut à toutes les 2 unités.
Même en prenant une somme partielle d’ordre supérieur, cette difficulté de convergence aux points
de discontinuité va demeurer. Par exemple, la somme partielle d’ordre n = 30

3 6 1 3π 1 5π 1 27π 1 29π
· ³ ´ µ ¶ µ ¶ µ ¶ µ ¶¸
π
SF 30 (x) = + sin x + sin x + sin x +···+ sin x + sin x
2 π 2 3 2 5 2 27 2 29 2

montrera encore une perturbation aux points de discontinuités 9 .

9. Cette perturbation se nomme « phénomène de Gibbs et ne disparaît pas même en prenant une somme partielle très
grande (de très grand ordre). Consultez Wikipedia pour plus de détails.
174 CHAPITRE 8. SÉRIES DE FOURIER

L’ajustement global de la somme partielle de Fourier d’ordre 30 est cependant bien meilleur qu’avec
n = 5 ou n = 11.

Ce dernier exemple soulève des questions quant à la convergence de la série de Fourier. Il y a

lieu maintenant de donner une version plus complète du théorème de Fourier qui précisera sous
quelles conditions une fonction périodique f (x) pourra être développée en une série de Fourier et
qui précisera la convergence de cette série en fonction de f (x).

Théorème 8.3 Théorème de Fourier, version finale

Considérons une fonction f (x), bornée et continue par morceaux sur un intervalle de longueur P ,
par exemple l’intervalle [− P2 ; P2 ].
Supposons également que sur cet intervalle, f (x) possède en tout point une dérivée à gauche et une
dérivée à droite. On considère que cette fonction se prolonge de façon périodique à l’extérieur de
cet intervalle, de sorte que f (x + P ) = f (x).
Alors, cette fonction f (x) aura une série de Fourier

a0 X∞ · µ
2π
¶ µ
2π
¶¸
SF (x) = + a n cos n x + b n sin n x
2 n=1 P P

avec des coefficients a 0 , a n et b n obtenus avec les intégrales décrites à l’équation 8.5, page 166.
La série de Fourier sera partout convergente avec
(
f (x) en un point de continuité
SF (x) = 1
£ − +
¤
2 f (x 0 ) + f (x 0 ) en un point x 0 de discontinuité

Pour cette raison, s’il y a des discontinuités (des sauts), on écrira SF (x) ∼ f (x). Si la fonction f (x) est
continue, on peut alors écrire SF (x) = f (x).

Remarques
On a déjà vu au chapitre 5 la notion de fonction continue par morceaux sur un intervalle (voir
la définition 5.2, page 9). Pour notre théorème, il faut que l’intervalle de longueur P puisse être
partitionné en un nombre fini de sous-intervalles sur les quelles la fonction est continue. Cela signifie
un nombre fini de sauts sur l’intervalle [− P2 ; P2 ].
En pratique, pour les fonctions qu’on rencontrera en génie, les conditions d’existence de la série
de Fourier d’une fonction périodique seront toujours respectées.
Les termes f (x 0− ) et f (x 0+ ) représentent respectivement la limite de f (x) quand x tend vers x 0 par
la gauche et par la droite. En un point x = x 0 de discontinuité de type « saut », la valeur

1£
f (x 0− ) + f (x 0+ )
¤
2
correspond à la mi-hauteur du saut à ce point.
Dans l’exemple qui suit, nous aurons une série de Fourier avec des termes en sinus et en cosinus.
8.2. CALCUL D’UNE SÉRIE DE FOURIER 175

Exemple 8.8

Considérons la fonction périodique f(x), de période P = 2π, représentée par le graphe suivant.
Calculons sa série de Fourier et traçons quelques sommes partielles de cette série.

Cette fonction respecte les conditions du théo-

rème de Fourier, donc les formules avec inté-
grales dans le théorème 8.2 à la page 166 nous
donneront les coefficients de la série. On doit
cependant avoir la description algébrique de la
fonction sur une période. Le plus simple est de
travailler sur l’intervalle [0; 2π].

(
x 0<x <π
f (x) = avec f (x+2π) = f (x)
π π < x < 2π

Comme on connaît la fonction f (x) sur l’intervalle 0 < x < 2π, il est préférable de faire les intégrales
sur cet intervalle.
En utilisant les formules du théorèmes 8.2, on obtient
ZC +P Z2π
a0 1 1
= f (x)d x = f (x)d x
2 P C 2π 0

Mais, la fonction étant en 2 morceaux, on doit séparer l’intégrale en 2 en utilisant la bonne fonction
sur chaque intervalle

1 π2
µZπ Z2π
a0 1 3π a 0 3π
¶ µ ¶
2
= x dx + πdx = +π = ⇒ =
2 2π 0 π 2π 2 4 2 4

Ce résultat peut s’obtenir facilement en évaluant la somme de la surface du rectangle (π2 ) avec celle
2
du triangle ( π2 ).
Pour le calcul des coefficients a n , on doit évaluer selon le théorème 8.2
ZC +P
2 2π 1 2π
µ ¶ Z
an = f (x) cos n x d x = f (x) cos (nx) d x
P C P π 0

En séparant l’intégrale en 2 parties, comme dans le calcul de a 0 , on obtient

µZπ Z2π
1 n π sin(n · 2π) + cos(n π) − 1
¶
an = x cos (n x) d x + π cos (n x) d x =
π 0 π n2π
n
cos(n π) − 1 (−1) − 1
= =
n2π n2π

 0 si n est pair
⇒ an =
 −2 si n est impair
n2π
176 CHAPITRE 8. SÉRIES DE FOURIER

Pour le calcul des coefficients b n , on aura

ZC +P
2 2π 1 2π
µ ¶ Z
bn = f (x) sin n x d x = f (x) sin (nx) d x
P C P π 0

En séparant l’intégrale en 2 parties, comme dans le calcul de a n , on obtient

µZπ Z2π
1 sin(n π) − n π cos(2n π)
¶
bn = x sin (n x) d x + π sin (n x) d x =
π 0 π n2π
0 − n π · 1 −1 1
= = ⇒ bn = −
n2π n n
Les formes simplifiées obtenues pour les coefficients a n et b n permettent d’écrire plus facilement la
série de Fourier cherchée. Puisque P = 2π, on obtiendra cette forme

a0
+ a 1 cos(x) + b 1 sin(x) + a 2 cos(2x) + b 2 sin(2x) + a 3 cos(3x) + b 3 sin(3x) + · · ·
2
a0 X ∞ £ ¤
= + a n cos(n x) + b n sin(n x)
2 n=1
Avec les coefficients calculés, en regroupant ensemble les termes en sinus et les termes en cosinus, et
avec la mise en facteur des termes communs on trouve la série de Fourier SF (x)

3π 2 1 1 1 1 1 1
· ¸ · ¸
− cos(x) + 2 cos(3x) + 2 cos(5x) · · · − sin(x) + sin(2x) + sin(3x) + sin(4x) + sin(5x) + · · ·
4 π 3 5 2 3 4 5

L’avantage de cette écriture est qu’il est facile d’ajouter des termes au besoin puisqu’on reconnaît le
comportement des coefficients de la série.
Si on veut une somme partielle d’ordre 5, on obtient

3π 2 1 1 1 1 1 1
· ¸ · ¸
SF 5 (x) = − cos(x) + 2 cos(3x) + 2 cos(5x) − sin(x) + sin(2x) + sin(3x) + sin(4x) + sin(5x)
4 π 3 5 2 3 4 5

Avec Nspire, on peut aussi calculer cette somme partielle après avoir mis en mémoire les coefficients
généraux

Pour apprécier cette solution, on peut faire tracer une ou des sommes partielles avec Nspire. Dans le
graphe qui suit, on montre la fonction périodique originale ainsi que les sommes partielles SF 5 (x) et
SF 15 (x).
8.2. CALCUL D’UNE SÉRIE DE FOURIER 177

On remarque, comme à l’exemple 8.7, page 170, une perturbation se produisant aux points où il y a
un saut de la fonction (x = 2π, x + 4π, x = −2π,. . .). C’est le phénomène de Gibbs mentionné dans la
note 9 en bas de la page 173. Pour mieux visualiser la convergence de la série de Fourier, on trace sur
le graphique suivant la somme partielle SF 50 (x).

L’ajustement à la fonction originale est très bon, mais il demeure une perturbation aux points de
discontinuité.
178 CHAPITRE 8. SÉRIES DE FOURIER

Proposition 8.3 Quelques propriétés du développement en série de Fourier

• La valeur a20 (qui est le terme constant de la série) représente la valeur moyenne de la fonction
périodique sur une période. C’est la hauteur moyenne de la fonction f (x) sur une période.
• Si on translate une fonction périodique suivant l’axe vertical, donc si on construit une
nouvelle fonction périodique g (x) à partir de f (x) en posant g (x) = f (x) + T où, T ∈ R est le
déphasage vers le haut ou le bas, alors la série de Fourier de la nouvelle fonction est identique
à celle de f (x) sauf pour le terme constant. En d’autres mots, une translation verticale n’affecte
que la hauteur moyenne de la série.
En effet, si
a0 X∞ £ ¤
f (x) = + a n cos(nωx) + b n sin(nωx)
2 n=1
alors la série de g (x) sera
³ a0 ´ X ∞ £ ¤
g (x) = f (x) + T = T + + a n cos(nωx) + b n sin(nωx)
2 n=1

Le théorème suivant permet de voir le lien entre la parité des fonctions et l’absence de sinus ou de
cosinus dans un développement en série de Fourier. Par exemple, dans l’exemple 8.6 à la page 167 on
a obtenu une série de Fourier sans termes en sinus. Pouvions-nous le prévoir avant de faire le calcul ?

Théorème 8.4 Séries de Fourier de fonctions périodiques paires, impaires

• Si f i mp (x) est une fonction périodique impaire de période P , alors il n’y aura pas de termes
en cosinus dans sa série de Fourier. Donc tous les coefficients a n sont nuls. De plus, le terme
constant a20 sera également nul.
• Si f p (x) est une fonction périodique paire de période P , alors il n’y aura pas de termes en
sinus dans sa série de Fourier. Donc tous les coefficients b n sont nuls.

Ces 2 résultats dans le théorème 8.4 se justifient aisément. On sait que dans le calcul des coeffi-
cients a n et b n , on peut choisir d’intégrer sur un intervalle centré à l’origine, donc pour − P2 < x < P2 .
On sait également, par les définitions 8.2 et 8.3 à la page 160, que sur cet intervalle la fonction
sin n 2π
¡ ¢ ¡ 2π ¢
P x sera impaire et la fonction cos n P x sera paire.

En vertu de la proposition 8.2 à la page 161,

2π
µ ¶
f p (x) · sin n x sera une fonction impaire
P
2π
µ ¶
f i mp (x) · cos n x sera une fonction impaire
P

et l’intégrale de ces expressions sur l’intervalle − P2 < x < P

2 sera nulle.
La proposition 8.3 et le théorème 8.4 pourraient permettre des calculs plus rapides pour la
détermination de la série de Fourier d’une fonction périodique.
8.2. CALCUL D’UNE SÉRIE DE FOURIER 179

Exemple 8.9

La fonction périodique f (x) de l’exemple 8.7 à la page 170 n’est ni une fonction paire, ni une fonction
impaire. Par contre, si on la translate verticalement en la descendant de 23 , donc en posant g (x) =
f (x) − 32 , on constate que g (x) est une fonction périodique impaire.

Par le théorème 8.4, on sait que la série de Fourier de g (x) n’aura pas de termes en cosinus. Par la
proposition 8.3, on sait que la série de f (x) ne diffère de celle de g (x) que par le terme constant et que
le terme constant pour f (x) sera 23 . Donc pas de termes en cosinus dans la série de Fourier de f (x).

Exercices

Pour chacune des fonctions périodiques données, déterminez sa série de Fourier.

Vous devez indiquez la forme simplifiée des coefficients a n et b n , et vous devez écrire explicite-
ment les premiers termes de la série.
Vous devrez également tracer le graphe de la fonction périodique et être capable d’y superposer
une somme partielle pour valider votre solution.

8.1 (
2 0<x <3
f (x) = avec f (x + 6) = f (x)
−2 −3 < x < 0

8.2
f (x) = 2x + 3 , 0<x <1 avec f (x + 1) = f (x)

8.3 (
0 −8 < x < 0
f (x) = avec f (x + 16) = f (x)
x 0<x <8
180 CHAPITRE 8. SÉRIES DE FOURIER

8.4
f (x) = x 2 , 0 < x < 2π avec f (x + 2π) = f (x)

8.5 Trouvez la série de Fourier de la fonction périodique, constituée de segments de droites,

apparaissant sur le graphe suivant.
Vous devrez déterminer l’équation algébrique de la fonction sur 1 période pour effectuer les inté-
grales.

8.6 Trouvez la série de Fourier de la fonction périodique, constituée de segments de droites,

apparaissant sur le graphe suivant.
Vous devrez déterminer l’équation algébrique de la fonction sur 1 période pour effectuer les inté-
grales.

8.7 (
3 sin(x) + 2 0 < x < π
f (x) = avec f (x + 2π) = f (x)
2 π < x < 2π

8.3 Prolongements pairs ou impairs

On a vu à la section 8.1 comment définir une fonction périodique à partir de la définition d’une
fonction f (x) sur une période P , qu’on prolonge de façon périodique en posant f (x + P ) = f (x)
(voir les exemples 8.4, page 162 ou 8.5, page 165). Si on suppose que les conditions énoncées dans
le théorème 8.3 à la page 174 sont satisfaites pour la fonction f (x) sur l’intervalle de base de longueur
P , alors on peut en calculer le développement en série de Fourier.
8.3. PROLONGEMENTS PAIRS OU IMPAIRS 181

Dans cette section, on s’intéressera à un type particulier de prolongement périodique d’une

fonction définie sur l’intervalle [0; L]. Au lieu de la prolonger directement avec une période P = L,
on commencera par la transformer en une fonction paire (ou impaire) sur l’intervalle [−L; L]. Pour
parler de la parité d’une fonction on doit en effet considérer un intervalle symétrique par rapport à
l’origine (x = 0).

Exemple 8.10

Considérons la fonction g (x) = 6 − 2x définie sur l’intervalle 0 < x < 3.

On aimerait en faire un prolongement pair et un

prolongement impair. En se rappelant la défini-
tion d’une fonction paire ou impaire (voir page
160) et de la symétrie associée à chacune, il est
assez simple de créer graphiquement les deux
prolongements demandés.

À la figure suivante, on trouve le graphe du pro-

longement pair f _pai r (x) et le prolongement
impair f _i mp(x) de la fonction originale g (x).

F IG . 8.3 Prolongement pair et impair de la fonction g (x) = 6 − 2x qui est définie sur [0; 3]

On remarquera que pour tracer ces deux prolongements avec Nspire, on a dû définir la fonction pour
l’intervalle [−3; 0]. Comme pour une fonction paire on doit avoir f (−x) = f (x) pour tout x dans le
domaine de la fonction, et de façon similaire on doit avoir f (−x) = − f (x) pour une fonction impaire,
algébriquement on trouve

g (x) = 6 − 2x ⇒ g (−x) = 6 − 2 · (−x) = 6 + 2x si c’est pair

⇒ −g (−x) = −(6 + 2x) = −6 − 2x si c’est impair

Si on fait manuellement les graphes des deux prolongements, on peut évidemment appliquer les
notions de symétrie pour obtenir les graphes demandés, sans chercher l’expression algébrique sur
l’intervalle [−3; 0].
182 CHAPITRE 8. SÉRIES DE FOURIER

Lorsqu’on a rendu paire ou impaire une fonction définie sur l’intervalle [0; L], on peut ensuite
rendre périodique le résultat obtenu. On aura alors une fonction périodique de période P = 2L.
Prolongement périodique pair
Prenons une fonction g (x) définie sur l’intervalle [0; L] et rendons-la paire sur l’intervalle [−L; L].
Nommons f (x) cette fonction paire ; on la prolonge périodique de période P = 2L. Si la fonction f (x)
satisfait les conditions du théorème de Fourier (voir page 174) alors la série de Fourier existe, on dira
qu’on obtient une série de Fourier cosinus qui sera de la forme

a0 X∞ µ
2π
¶
a0 X∞ ³ π ´
SF (x) = + a n cos n x ⇒ SF (x) = + a n cos n x (8.6)
2 n=1 2L 2 n=1 L

Puisque la fonction périodique est paire, on sait qu’il n’y aura pas de termes en sinus dans sa série de
Fourier (voir théorème 8.4 à la page 178). De plus, on a vu avec la proposition 8.2 (page 161) que si
f p (x) est une fonction paire alors
Za Za
f p (x)d x = 2 f p (x)d x
−a 0

En appliquant ce dernier résultat aux formules du calcul des coefficients de la série de Fourier, on
pourra simplifier les calculs à effectuer
ZL ZL ZL
a0 1 1 a0 1
= f (x)d x = 2 · g (x)d x ⇒ = g (x)d x
2 2L −L 2L 0 2 L 0

Et f (x) et cos(kx) étant deux fonctions paires, donc le produit des deux est aussi pair
ZL
1 L
ZL
2 2π 2
µ ¶ Z ³ π ´ ³ π ´
an = f (x) cos n x d x = 2 · g (x) cos n x d x ⇒ an = g (x) cos n x d x
2L −L 2L L 0 L L 0 L

On remarque des deux formules encadrées qu’on n’a pas besoin de connaître l’expression algébrique
de la fonction sur l’intervalle [−L; 0]. On utilise seulement la fonction originale g (x) définie sur [0; L].

Exemple 8.11

Considérons de nouveau la fonction g (x) = 6 − 2x définie sur l’intervalle 0 < x < 3 rencontrée
dans l’exemple 8.10 à la page 181. Effectuons un prolongement périodique pair de cette fonction
et nommons f (x) la fonction périodique résultante qui a une période P = 6.
Si on veut tracer le graphe de cette fonction périodique, on doit avoir sa définition sur l’intervalle
−3 < x < 0. Sur cet intervalle, on a vu à l’exemple précédent que f (x) = 6 + 2x.
(
6 + 2x −3 < x < 0
f (x) = avec f (x + 6) = f (x)
6 − 2x 0<x <3

Par contre, pour le calcul de la série de Fourier de cette fonction périodique paire, on peut travailler
uniquement avec la fonction initiale g (x).
8.3. PROLONGEMENTS PAIRS OU IMPAIRS 183

Sa série de Fourier peut se calculer à l’aide des deux encadrés vus avant cet exemple, en posant L = 3
et g (x) = 6 − 2x. On obtient
ZL Z3
a0 1 1 a0
= g (x)d x = (6 − 2x)d x = 3 ⇒ =3
2 L 0 3 0 2
ZL
2 2 3 cos(nπ) − 1
³ π ´ Z ³ π ´ µ ¶
an = g (x) cos n x d x = (6 − 2x) cos n x d x = −12
L 0 L 3 0 3 n 2 π2
Comme cos(nπ) = 1 si n est pair et cos(nπ) = 0 si n est impair, on peut aussi écrire

 0 si n est pair
an = 24
 si n est impair
n 2 π2

Avec ces résultats, on utilise la formule encadrée 8.6 de la page 182 pour la série de Fourier,
∞
X ³ π ´ ³π ´ ³ π ´ ³ π ´
SF (x) == 3 + a n cos n x = 3 + a 1 cos x + a 3 cos 3 x + a 5 cos 5 x + · · ·
n=1 3 3 3 3

24 ³ π ´ 24 ³ π ´ 24 ³ π ´
⇒ SF (x) = 3 + cos x + cos 3 x + cos 5 x +···
π2 3 9π2 3 25π2 3
24
On peut simplifier l’écriture de ce résultat en factorisant le terme commun π2

24 ³π ´ 1 ³ π ´ 1
· ³ π ´ ¸
SF (x) = 3 + 2 cos x + cos 3 x + cos 5 x + · · ·
π 3 9 3 25 3

Le graphe suivant montre la fonction périodique paire et la somme partielle de Fourier d’ordre 6
184 CHAPITRE 8. SÉRIES DE FOURIER

Prolongement périodique impair

Prenons une fonction g (x) définie sur l’intervalle [0; L] et rendons-la impaire sur l’intervalle
[−L; L]. Nommons h(x) cette fonction impaire ; on la prolonge périodique de période P = 2L. Si la
fonction h(x) satisfait les conditions du théorème de Fourier (voir page 174) alors la série de Fourier
existe, on dira qu’on obtient une série de Fourier sinus qui sera de la forme

∞
X 2π
µ ¶ ∞
X ³ π ´
SF (x) = b n sin n x ⇒ SF (x) = b n sin n x (8.7)
n=1 2L n=1 L

En effet, puisque la fonction périodique est impaire, on sait qu’il n’y aura pas de termes en cosinus,
ni de terme constant dans sa série de Fourier (voir théorème 8.4 à la page 178). De plus, on a vu avec
la proposition 8.2 (page 161) que si f p (x) est une fonction paire alors
Za Za
f p (x)d x = 2 f p (x)d x
−a 0

En appliquant ce dernier résultat aux formules du calcul des coefficients de la série de Fourier, on
pourra simplifier les calculs à effectuer. On notera que h(x) et sin(kx) étant deux fonctions impaires,
le produit des deux sera une fonction paire.
ZL
2 2π 1 L
µ ¶ Z ³ π ´
bn = h(x) sin n x d x = 2 · h(x) sin n x d x
2L −L 2L L 0 L

ZL
2 ³ π ´
⇒ bn = g (x) sin n x d x
L 0 L

On remarque dans cette formule encadrée qu’on n’a pas besoin de connaître l’expression algébrique
de la fonction sur l’intervalle [−L; 0]. On utilise seulement la fonction originale g (x) définie sur [0; L].

Exemple 8.12

Considérons de nouveau la fonction g (x) = 6 − 2x définie sur l’intervalle 0 < x < 3 rencontrée dans
l’exemple 8.10 à la page 181. Effectuons un prolongement périodique impair de cette fonction et
nommons h(x) la fonction périodique résultante qui a une période P = 6.
Si on veut tracer le graphe de cette fonction périodique, on doit avoir sa définition sur l’intervalle
−3 < x < 0. Sur cet intervalle, on a vu à l’exemple précédent 8.10 que h(x) = −6 − 2x.
(
−6 − 2x −3 < x < 0
h(x) = avec f (x + 6) = f (x)
6 − 2x 0<x <3

Par contre, pour le calcul de la série de Fourier de cette fonction périodique impaire, on peut travailler
uniquement avec la fonction initiale g (x).
Sa série de Fourier peut se calculer à l’aide de la formule encadrée vue avant cet exemple, en posant
L = 3 et g (x) = 6 − 2x. On obtient
ZL
2 2 3 sin(nπ) − nπ
³ π ´ Z ³ π ´ µ ¶
bn = g (x) sin n x d x = (6 − 2x) sin n x d x = −12
L 0 L 3 0 3 n 2 π2
8.3. PROLONGEMENTS PAIRS OU IMPAIRS 185

Comme sin(nπ) = 0 pour tout n entier, on peut aussi écrire

12
bn =
nπ

Avec ces résultats, on utilise la formule encadrée 8.6 de la page 182 pour la série de Fourier,
∞
X ³ π ´ ³π ´ ³ π ´ ³ π ´ ³ π ´
SF (x) == a n sin n x = b 1 sin x + b 2 sin 2 x + b 3 sin 3 x + b 4 sin 4 x + · · ·
n=1 3 3 3 3 3

12 ³ π ´ 12 ³ π ´ 12 ³ π ´ 12 ³ π ´
⇒ SF (x) = sin x + sin 2 x + sin 3 x + sin 4 x + · · ·
π 3 2π 3 3π 3 4π 3
12
On peut simplifier l’écriture de ce résultat en factorisant le terme commun π

12 1 ³ π ´ 1
· ³ ´ ¸
π ³ π ´
SF (x) = sin x + sin 2 x + sin 3 x + · · ·
π 3 2 3 3 3

Le graphe suivant montre la fonction périodique impaire et la somme partielle de Fourier d’ordre 6

On peut noter que lorsqu’on rend paire ou impaire la fonction originale g (x) définie sur l’inter-
valle [0; L] et qu’on la prolonge de façon périodique avec une période P = 2L, on pourrait prendre
cette fonction périodique et la traiter comme les problèmes de la section précédente. On pourrait
même effectuer nos intégrales sur l’intervalle [−L; L] (cela signifie en général 2 intégrales pour chaque
coefficient) sans considérer les notions de parité.
Les résultats présentés ici ont, au contraire, exploité totalement ces notions de parité pour
simplifier au maximum les calculs à effectuer.
Le tableau suivant résume les résultats pour un prolongement périodique pair ou impair d’une
fonction g (x) définie sur l’intervalle [0; L].
186 CHAPITRE 8. SÉRIES DE FOURIER

Prolongement périodique pair ou impair d’une fonction définie sur un intervalle fini [0; L]
Prenons une fonction g (x) définie sur l’intervalle [0; L] et rendons-la paire ou impaire sur
l’intervalle [−L; L]. Nommons f (x) cette fonction ; on la prolonge périodique de période P = 2L.
Si la fonction f (x) satisfait les conditions du théorème de Fourier (voir page 174) alors la série de
Fourier existe
• Prolongement périodique pair (série cosinus)
La série de Fourier sera de la forme

a0 X∞ ³ π ´
SF (x) = + a n cos n x
2 n=1 L

ZL ZL
a0 1 2 ³ π ´
avec les coefficients = g (x)d x et a n = g (x) cos n x d x
2 L 0 L 0 L
• Prolongement périodique impair (série sinus)
La série de Fourier sera de la forme

∞
X ³ π ´
SF (x) = b n sin n x
n=1 L

ZL
2 ³ π ´
avec les coefficients b n = g (x) sin n x d x
L 0 L

Exercices

Pour chacune des fonctions g (x) données, faites le prolongement périodique pair et/ou impair
demandé et déterminez la série de Fourier du résultat.
Vous devez indiquez la forme simplifiée des coefficients a n (pour la série de Fourier cosinus) ou
b n (pour la série de Fourier sinus), et vous devez écrire explicitement les premiers termes de la série.
Vous devrez également tracer le graphe de la fonction périodique et être capable d’y superposer une
somme partielle pour valider votre solution.

8.8 Considérons la fonction g (x) = 3x définie sur l’intervalle 0 < x < π.

(a) Faites le prolongement périodique pair de cette fonction et donnez la série de Fourier cosinus
du résultat.
(b) Faites le prolongement périodique impair de cette fonction et donnez la série de Fourier sinus
du résultat.

8.9 Développez en série de Fourier cosinus (prolongement périodique pair) la fonction g (x) sui-
8.4. UTILISATION DE LA TABLE DE SÉRIES DE FOURIER 187

vante, définie sur l’intervalle 0 < x < π.

π

 1 0<x <
2

g (x) = 2x π
 2−
 <x <π
π 2

8.10 Développez en série de Fourier sinus (prolongement périodique impair) la fonction

g (x) = −x, définie sur l’intervalle 0 < x < 1.

8.11 Développez en série de Fourier cosinus (prolongement périodique pair) la fonction

g (x) = x 2 , définie sur l’intervalle 0 < x < 2.

8.12 Considérons la fonction g (x) = 2x + 1 définie sur l’intervalle 0 < x < 1.

(a) Faites le prolongement périodique pair de cette fonction et donnez la série de Fourier cosinus
du résultat. Faites le graphe avec une somme partielle d’ordre 5.
(b) Faites le prolongement périodique impair de cette fonction et donnez la série de Fourier sinus
du résultat. Faites le graphe avec une somme partielle d’ordre 8.

8.13 Considérons la fonction g (x) = 2x − x 2 définie sur l’intervalle 0 < x < 2.

(a) Faites le prolongement périodique pair de cette fonction et donnez la série de Fourier cosinus
du résultat. Faites le graphe avec une somme partielle d’ordre 6.
(b) Faites le prolongement périodique impair de cette fonction et donnez la série de Fourier sinus
du résultat. Faites le graphe avec une somme partielle d’ordre 6.

8.14 Développez en série de Fourier sinus (prolongement périodique impair) la fonction

g (x) = 2, définie sur l’intervalle 0 < x < 1.

8.15 Développez en série de Fourier cosinus (prolongement périodique pair) la fonction g (x)
suivante, définie sur l’intervalle 0 < x < 2.
(
1 0<x <1
g (x) =
0 1<x <2

8.4 Utilisation de la table de séries de Fourier

Dans les dernières sections on a pu calculer la série de Fourier d’un bon nombre de fonctions
périodiques. Les calculs des coefficients se faisaient à l’aide d’intégrales. On verra dans cette section
que, pour certains cas, on peut utiliser une table de séries de Fourier (voir l’annexe A.5 à la page 208)
pour obtenir le résultat cherché sans passer par une ou des intégrales.
En observant cette table, on constate que ce ne sont pas tous les exemples ou exercices vus
jusqu’à maintenant dans ce chapitre qui correspondent à une des fonctions périodiques (ou à un
188 CHAPITRE 8. SÉRIES DE FOURIER

des graphes) de la table. La plupart des 10 fonctions périodiques de la table ont pour période P = 2π.
Si on prend l’exemple 8.6 à la page 167, on y voit une fonction périodique semblable à la formule T 3
de la table, mais la fonction de l’exemple n’a pas la bonne amplitude verticale et sa période n’est pas
P = 2π comme avec la formule T 3.
Si on prend l’exemple 8.8 à la page 175, aucune fonction de la table n’est semblable à celle de cet
exemple. La proposition suivante indiquera pour quelles fonctions périodiques on pourra obtenir
une série de Fourier avec la table et comment procéder pour y arriver.

Proposition 8.4 Utilisation de la table de séries de Fourier

• Soit T (x) une des fonctions de la table de séries de Fourier, ayant une période P T et une
amplitude A T définie comme étant A T = max de T (x) − min de T (x). En général, P T = 2π.

• Soit g (x) une fonction « identique » à la fonction T (x) de la table sauf pour la période et/ou
l’amplitude. Nommons P g et A g la période et l’amplitude de cette fonction g (x). Cette
fonction g (x) pourrait être égale à une constante fois celle de la table, g (x) = c T (x).
• On obtiendra la série de Fourier de la fonction g (x) à partir de la série de Fourier de T (x) en
effectuant la transformation

Ag PT
µ ¶
g (x) = T x
AT Pg

Remarques :
• L’exigence d’avoir une fonction g (x) identique à celle de la table pourrait aussi s’énoncer d’un
point de vue géométrique en demandant que les graphes de g (x) et T (x) soient identiques si
on ne tient pas compte des valeurs numériques sur les 2 axes.
• On peut avoir besoin de transformer une fonction f (x) périodique donnée (translation verti-
cale et/ou inversion) pour obtenir une fonction g (x) semblable à une des fonctions de la table.

Exemple 8.13
Considérons la fonction périodique f (x) du graphe suivant
8.4. UTILISATION DE LA TABLE DE SÉRIES DE FOURIER 189

Cette fonction périodique peut s’écrire

(
3x 0<x <1
f (x) = avec f (x + 2) = f (x)
−3x −1 < x < 0

Si on fait abstraction des graduations sur les axes, le graphe de cette fonction est identique à celui de
la fonction T (x) de l’entrée 3 de la table. Posons g (x) égale à la fonction f (x) de cet exemple. On a ici,

Ag = 3 Pg = 2 et, en se servant des infos de T3, AT = π P T = 2π

Avec T 3, on a
π 4 cos(x) cos(3x) cos(5x)
µ ¶
T (x) = − + + + · · ·
2 π 12 32 52
En utilisant la proposition 8.4 à la page 188, on doit calculer

Ag PT 3 2π 3
µ ¶ µ ¶
g (x) = T x = T x ⇒ g (x) = T (πx)
AT Pg π 2 π

3 π 4 cos(πx) cos(3πx) cos(5πx)

· µ ¶¸
⇒ g (x) = − + + +···
π 2 π 12 32 52
En simplifiant, on trouve

3 12 cos(πx) cos(3πx) cos(5πx)

µ ¶
g (x) = − 2 + + +···
2 π 12 32 52

Dans le prochain exemple, on aura à faire un déplacement vertical de la fonction donnée pour obtenir
un graphe (ou une fonction) comme celui de la table.

Exemple 8.14
Considérons la fonction périodique f (x) du graphe suivant

On remarque que la fonction f (x) illustrée à gauche n’est pas une des séries de la table. Par contre, en
la déplaçant vers le bas de 2 unités en posant g (x) = f (x) − 2, on voit sur le graphe de droite que l’on
a le même type de graphe que la formule T 4 de la table.
190 CHAPITRE 8. SÉRIES DE FOURIER

On travaillera avec g (x) pour utiliser la table, mais en dernière étape, on devra poser f (x) = g (x) + 2
pour avoir la réponse cherchée. On a ici,

Ag = 4 Pg = 4 et, en se servant des infos de T4, A T = 2π P T = 2π

Avec T 4, on a
sin(x) sin(2x) sin(3x) sin(4x)
µ ¶
T (x) = 2 − + − +···
1 2 3 4
En utilisant la proposition 8.4 à la page 188, on doit calculer

Ag PT 4 2π 2 ³π ´
µ ¶ µ ¶
g (x) = T x = T x ⇒ g (x) = T x
AT Pg 2π 4 π 2

sin 2π
¡ 3π ¢ ¡ 4π ¢
sin π2 x
" Ã ¡ ¢ ¡ ¢ !#
2 2 x sin 2 x sin 2 x
⇒ g (x) = 2 − + − +···
π 1 2 3 4
En simplifiant, on trouve

4 1 1 3π 1
· ³ ´ µ ¶ ¸
π
g (x) = sin x − sin (πx) + sin x − sin (2πx) + · · ·
π 2 2 3 2 4

On termine en appliquant la transformation f (x) = g (x) + 2 pour obtenir la série de Fourier de la

fonction originale

4 1 1 3π 1
· ³ ´ µ ¶ ¸
π
f (x) = 2 + sin x − sin (πx) + sin x − sin (2πx) + · · ·
π 2 2 3 2 4

Pour le dernier exemple, on aura à inverser la fonction donnée (avec un déplacement vertical)
pour obtenir une formule de la table.

Exemple 8.15
Considérons la fonction périodique f (x) du graphe suivant

On remarque que la fonction f (x) illustrée n’est pas une des séries de la table. On peut regarder
les droites de T 4 et T 5 de la table, mais celles-ci ont des pentes positives. On devra transformer la
fonction f (x) donnée par le graphe ci-dessus pour obtenir une des formules de la table. On peut
8.4. UTILISATION DE LA TABLE DE SÉRIES DE FOURIER 191

corriger la pente de f(x) pour qu’elle devienne positive en inversant le graphe par rapport à l’axe des
x. On n’a qu’à multiplier la fonction f (x) par -1. On voit l’effet sur le graphe de gauche ci-dessous. Par
contre, le résultat est maintenant trop bas par rapport à la formule T 5 de la table. On corrige cela en
déplaçant la fonction − f (x) de 3 unités vers le haut (graphe de droite ci-dessous).

On résume en disant qu’on pose g (x) = − f (x) + 3 ; on voit sur le graphe de droite ci-dessus que l’on a
le même type de graphe que la formule T 5 de la table.
On travaillera avec g (x) pour utiliser la table, mais en dernière étape, on devra poser f (x) = 3 − g (x)
pour avoir la réponse finale cherchée. On a ici,

Ag = 3 Pg = 3 et, en se servant des infos de T5, A T = 2π P T = 2π

Avec T 5, on a
1 1 1
µ ¶
T (x) = π − 2 sin(x) + sin(2x) + sin(3x) + sin(4x) + · · ·
2 3 4
En utilisant la proposition 8.4 à la page 188, on doit calculer

Ag PT 3 2π 3 2π
µ ¶ µ ¶ µ ¶
g (x) = T x = T x ⇒ T x
AT Pg 2π 3 2π 3

3 2π 1 4π 1 6π 1 8π
· µ µ ¶ µ ¶ µ ¶ µ ¶ ¶¸
⇒ g (x) = π − 2 sin x + sin x + sin x + sin x +···
2π 3 2 3 3 3 4 3
En simplifiant, on trouve
3 3 2π 1 4π 1 1 8π
µ µ ¶ µ ¶ µ ¶ ¶
g (x) = − sin x + sin x + sin (2πx) + sin x +···
2 π 3 2 3 3 4 3
On termine en appliquant la transformation f (x) = 3 − g (x) pour obtenir la série de Fourier de la
fonction originale
3 3 2π 1 4π 1 1 8π
µ µ ¶ µ ¶ µ ¶ ¶
g (x) = + sin x + sin x + sin (2πx) + sin x +···
2 π 3 2 3 3 4 3

Pour pratiquer cette technique, nous vous demanderons dans les exercices suivants de reprendre
le calcul de certaines séries de Fourier vues précédemment soit en exemples, soit en exercices des
sections 8.2 et 8.3.
192 CHAPITRE 8. SÉRIES DE FOURIER

Exercices

Pour chacun des exercices suivants, faites le calcul de la série de Fourier demandée en vous
servant de la table et de la technique vue dans cette section. Indiquez les étapes de votre démarche,
comme on l’a fait dans les 3 exemples de cette section.

8.16 Refaites l’exemple 8.6 à la page 167 à l’aide de la table de séries. Assurez-vous d’obtenir la
même réponse.

8.17 Refaites l’exemple 8.7 à la page 170 à l’aide de la table de séries. Assurez-vous d’obtenir la
même réponse.

8.18 Refaites l’exercice 8.2 à la page 179 à l’aide de la table de séries.

8.19 Refaites l’exercice 8.7 à la page 180 à l’aide de la table de séries.

8.20 Développez en série de Fourier sinus (prolongement périodique impair) la fonction

h(x) = −x, définie sur l’intervalle 0 < x < 1.
Faites le graphe de ce prolongement périodique impair et trouvez sa série de Fourier à l’aide de la
table.

8.21 Faites un prolongement périodique pair de la fonction

h(x) = x 2 , définie sur l’intervalle 0 < x < 2.
Faites le graphe de ce prolongement périodique pair et trouvez sa série de Fourier à l’aide de la table.

8.22 Refaites l’exercice 8.12 a) à la page 187 à l’aide de la table de séries. (faites seulement le
prolongement pair demandé en a) )

8.23 Refaites l’exercice 8.15 à la page 187 à l’aide de la table de séries.

Annexes

A.1 Formulaire mathématique : algèbre et trigonométrie

L’objectif de ce formulaire est de vous rappeler plusieurs notions ou formules de base en mathé-
matiques, le tout devant tenir sur 2 pages. Évidemment, avec aussi peu d’espace, on doit omettre
plusieurs mises en contexte ou restrictions sur les formules données. Nous conviendrons qu’en
général les fonctions ou constantes indiquées sont à valeurs réelles (R) et que le résultat d’un calcul
indiqué est valable en autant que les quantités en jeu existent.
Par exemple, ln(x) existe sur R si x > 0. Mais la fonction ln(z) est également définie sur les nombres
complexes (C). En effet, ln(−8) n’existe pas sur R, mais sur C on trouve ln(−8) = 3 ln(2) + πi .
Sur le formulaire, si on affirme que ln(m n) = ln(m)+ln(n), sur les réels cela sera vrai si m et n sont
des réels positifs. Notons que si on accepte une réponse complexe pour le logarithme d’un nombre
négatif, la propriété sera vraie dès qu’au moins une des valeurs m ou n est un réel positif.
En trigonométrie, on a fait le choix de ne présenter que les 3 fonctions de base : sinus, cosinus
et tangente. Les 3 autres fonctions que l’on rencontre à l’occasion, sécante, cosécante et cotangente
sont définies au début des identités trigonométriques. On utilise la notation « arc » pour les fonc-
tions trigonométriques réciproques comme dans arcsin(x) ; on constatera sur le graphe l’utilisation
(usuelle sur les calculatrices) de la notation sin−1 (x) pour cette fonction.

193
194 ANNEXE
A.1. FORMULAIRE MATHÉMATIQUE : ALGÈBRE ET TRIGONOMÉTRIE 195

Plusieurs des formules suivantes possèdent des restrictions dont nous avons volontairement omis le domaine afin de ne pas alourdir le texte.
Opérations arithmétiques Logarithmes et fonctions exponentielles
a c a d + bc
a × (b + c) = a b + a c + = Fonction exponentielle y = a x
b d bd
a +b a b a/b a d ad a >1 ⇒ croissance
= + = × =
c c c c/d b c bc 0<a <1 ⇒ décroissance

y = loga (x) ⇐⇒ ay = x
y = ln(x) ⇐⇒ ey = x
Lois des exposants

am En général on utilise la base

a m a n = a m+n = a m−n
an e ≈ 2, 71828 . . ., et donc le log
(a b)n = a n b n
¡ m ¢n
a = a mn naturel ln. Cela permet de dé-
finir
1 ³ a ´n an z c ≡ e c ln(z)
a −n = n = n
a b b
p 1 p p p Les propriétés suivantes sont
n n n
a=an ab = n a b autant valables pour loga (x)
p
n que pour ln(x).
p ¡p a a
r
n ¢m m
am = n
a =a n n
= p
b n
b ln(1) = 0 ln(e) = 1 ln(e m ) = m e ln(m) = m
³m ´
ln(m · n) = ln(m) + ln(n) ln = ln(m) − ln(n)
n
Factorisations et développements ln(u)
ln m p = p ln(m)
¡ ¢
logb (u) =
¡ 2 ln(b)
a − b 2 = (a − b)(a + b)
¢

¡ 3 Fonctions hyperboliques
a − b 3 = (a − b) a 2 + a b + b 2
¢ ¡ ¢

e x − e −x e x + e −x e x − e −x
sinh(x) = cosh(x) = tanh(x) = x
¡ 3
a + b 3 = (a + b) a 2 − a b + b 2
¢ ¡ ¢
2 2 e + e −x
(a + b)2 = a 2 + 2a b + b 2 (a − b)2 = a 2 − 2a b + b 2

(a + b)3 = a 3 + 3a 2 b + 3a b 2 + b 3

(a − b)3 = a 3 − 3a 2 b + 3a b 2 − b 3

(a + b)4 = a 4 + 4a 3 b + 6a 2 b 2 + 4a b 3 + b 4
à ! à !
n n n n!
n
(a + b) =
P
a n−k k
b où =
k=0 k k k! (n − k)!
(x + a)(x + b) = x 2 + (a + b) x + a b Les dérivées par rapport à x sont
µ
A 2 A2
¶ ¡ ¢′ ¡ ¢′ ¡ ¢′ 1
x2 + A x = x + − (complétion de carré) sinh(x) = cosh(x) cosh(x) = sinh(x) tanh(x) = ¡ ¢2
2 4 cosh(x)

Équation quadratique Figures classiques 2D et 3D, (aire A, circonférence C , volume V )

Si a x 2 + b x + c = 0 avec a 6= 0 alors Triangle Cercle Secteur circulaire

p
−b ± b 2 − 4a c 1
x= A= 2ah A = πr 2 A = 12 r 2 θ
2a 1 C = 2πr
= 2 a b sin(θ) s =r θ
On obtient des solutions réelles ou complexes selon
(θ en radians)
la valeur du discriminant ∆ = b 2 − 4a c b h r
θ r s
a θ
Inégalités et valeur absolue r
a <b ⇒ a +c < b +c
Sphère Cylindre Cône
a < b et c > 0 ⇒ ac <bc
V = 43 πr 3 V = πr 2 h V = 13 πr 2 h
a < b et c < 0 ⇒ ac >bc
A = 4πr 2 A = 2πr 2 +2πr h A = πr 2 + πr a
Si X représente une variable ou une expression et b > 0
¯ ¯ r
¯ X ¯ = b ⇐⇒ X = b ou X = −b a
h
¯ ¯
¯ X ¯ < b ⇐⇒ −b < X < b r h
¯ ¯
¯ X ¯ > b ⇐⇒ X > b ou X < −b r
196 ANNEXE

Géométrie dans le plan cartésien Fonctions trigonométriques réciproques

Considérons 2 points, P 1 (x 1 ; y 1 ) et P 2 (x 2 ; y 2 ) π π
y = sin(x) ⇐⇒ arcsin(y) = x − ≤x≤ et −1 ≤ y ≤ 1
q ¢2 2 2
Distance entre P 1 et P 2 : d = (x 2 − x 1 )2 + y 2 − y 1 y = cos(x) ⇐⇒ arccos(y) = x 0 ≤ x ≤ π et −1 ≤ y ≤ 1
¡
³x +x y +y ´ π π
Point milieu de P 1 P 2 est
1 2
;
1 2 y = tan(x) ⇐⇒ arctan(y) = x − <x< et −∞ < y < ∞
2 2 2 2
Droite passant par P 1 et P 2 :
y2 − y1
La pente est m =
x2 − x1
Équation : y = m x + b ou y − y 1 = m (x − x 1 )
(où b est l’ordonnée à l’origine)
Cercle de rayon r centré en (a; b)
(x − a)2 + (y − b)2 = r 2

Trigonométrie Identités trigonométriques de base

1 1
Mesure des angles csc(θ) = sec(θ) =
r s sin(θ) cos(θ)
π radians = 180° sin(θ) cos(θ) 1
θ tan(θ) = cot(θ) = =
π 180° r cos(θ) sin(θ) tan(θ)
1° = radians et 1 rad =
180 π sin2 (θ) + cos2 (θ) = 1 1 + tan2 (θ) = sec2 (θ)
s = r θ où θ est en radians
sin(−θ) = − sin(θ) sin(x) est une fonction impaire
Triangle rectangle et trigo
opp adj hyp cos(−θ) = cos(θ) cos(x) est une fonction paire
sin(θ) = cos(θ) = opp
hyp hyp
θ tan(−θ) = − tan(θ) tan(x) est une fonction impaire
opp adj
tan(θ) = π´ π´
adj
³ ³
sin θ + = cos(θ) sin θ − = − cos(θ)
2 2
Fonctions trigonométriques
³ π´ ³ π´ −1
cos θ − = sin(θ) tan θ − = = − cot(θ)
y x 2 2 tan(θ)
y
sin(θ) = cos(θ) = (x;y)
r r r Autres identités trigonométriques
y θ
tan(θ) =
x x sin(u + v) = sin(u) cos(v) + cos(u) sin(v)

sin(u − v) = sin(u) cos(v) − cos(u) sin(v)

cos(u + v) = cos(u) cos(v) − sin(u) sin(v)

cos(u − v) = cos(u) cos(v) + sin(u) sin(v)

sin(2u) = 2 sin(u) cos(u)

cos(2u) = cos2 (u) − sin2 (u)

1 − cos(2u) 1 + cos(2u)
sin2 (u) = cos2 (u) =
2 2

Triangle quelconque et trigo

c B a

Fonctions trigonométriques, valeurs principales A C

θ θ en radians sin(θ) cos(θ) tan(θ) b
0° 0 0 1 0
p p
30° π/6 1/2 3/2 3/3 sin(A) sin(B ) sin(C )
p p Loi des sinus : = =
45° π/4 2/2 2/2 1 a b c
p p
60° π/3 3/2 1/2 3 Lois des cosinus : a 2 = b 2 + c 2 − 2b c cos(A)
90° π/2 1 0 Ø
b 2 = a 2 + c 2 − 2a c cos(B )

c 2 = a 2 + b 2 − 2a b cos(C )
A.2. TABLE DE TRANSFORMÉES DE LAPLACE 197

A.2 Table de transformées de Laplace

La table qui suit représente votre outil de travail principal pour résoudre les exercices du chapitre
5. Vous devriez apprendre à simplifier algébriquement vos expressions en vous aidant, au besoin, de
votre calculatrice. Identifiez ensuite la bonne formule ou propriété de cette table pour effectuer la
transformée ou la transformée inverse.
A.2. TABLE DE TRANSFORMÉES DE LAPLACE 199

f (t ) F (s)

1
P1 1 ou u(t )
s
1
P2 t
s2
n!
P3 t n (n entier positif )
s n+1
1
P4 e −a t
s+a
1
P5 t e −a t
(s + a)2
ω
P6 sin(ω t )
s 2 + ω2
s
P7 cos(ω t )
s + ω2
2

ω
P8 e −a t sin(ω t )
(s + a)2 + ω2
s+a
P9 e −a t cos(ω t )
(s + a)2 + ω2
2ωs
P10 t sin(ω t ) ¢2
s + ω2
2
¡

s 2 − ω2
P11 t cos(ω t ) ¢2
s 2 + ω2
¡

Γ(n + 1)
P12 t n , n ∈ R , n > −1
s n+1
e −a s
P13 u(t − a)
s

P14 δ(t ) 1

P15 δ(t − a) e −a s

df
P16 = f ′ (t ) s F (s) − f (0)
dt
d2 f
P17 = f ′′ (t ) s 2 F (s) − s f (0) − f ′ (0)
dt2
dn f
P18 = f (n) (t ) s n F (s) − s n−1 f (0) − s n−2 f ′ (0) − . . . − f (n−1) (0)
dtn

P19 e −a t f (t ) F (s + a)

dn
P20 t n f (t ) (−1)n F (s)
d sn

P21 g (t ) u(t − a) e −a s L{g (t + a)}

200 ANNEXE

Cette deuxième partie de la table est surtout utilisée pour trouver des transformées de Laplace in-
verses. Les propriétés P25 à P30 ne sont pas essentielles et les résultats indiqués pourraient s’obtenir avec
les propriétés précédentes et les techniques vues dans le chapitre 5. Par exemple, P27 vient directement
de P6 ; P25 se déduit facilement de P3. On peut démontrer P26 en utilisant P25 et P19. Elles sont dans la
table pour faciliter le travail du calcul manuel de la transformée inverse. La décomposition en fractions
partielles, à l’aide de la commande expand( ) de Nspire, et un certain travail de manipulation algébrique
peuvent être nécessaires pour bien utiliser cette table.

F (s) f (t )

P22 e −a s F (s) f (t − a)u(t − a)

F (s)
Rt
P23 0
f (τ) d τ
s
Rt
P24 F (s) · G(s) 0
f (τ)g (t − τ) d τ = f (t ) ∗ g (t ) = ( f ∗ g )(t )

1 t n−1
P25
sn (n − 1)!
1 t n−1 e −a t
P26
(s + a)n (n − 1)!
1 1
P27 sin(ωt )
s 2 + ω2 ω
1 1 −a t
P28 e sin(ωt )
(s + a)2 + ω2 ω
1 1
P29 ¢2 (sin(ωt ) − ωt cos(ωt ))
s 2 + ω2 2ω3
¡

s 1
P30 ¢2 (t sin(ωt ))
s 2 + ω2 2ω
¡

Si f P (t ) est une fonction périodique de période P , donc si f P (t + P ) = f P (t ) ∀t > 0, alors

RP
0
e −s t f P (t )d t
L
© ª
f P (t ) =
1 − e −s P

Les fonctions dans le domaine du temps sont notées par des lettres minuscules et celles dans le domaine
s par des lettres majuscules. La transformée de Laplace de f (t ) est notée F (s). Par définition,
Z∞
L f (t ) = e −s t f (t )d t = F (s)
© ª
si l’intégrale impropre converge
0

Les opérateurs L et L−1 sont des opérateurs linéaires. Pour a, b ∈ R,

L L−1
© ª © ª
a f (t ) + b g (t ) = a F (s) + b G(s) et a F (s) + b G(s) = a f (t ) + b g (t )

Si les limites existent,

lim sF (s) = f (0+ ) et lim sF (s) = lim f (t )
s→∞ s→0 t →∞
A.3. MÉTHODE DE DÉCOMPOSITION EN FRACTIONS PARTIELLES 201

A.3 Méthode de décomposition en fractions partielles

Nous décrirons dans cette annexe la technique de décomposition d’une fraction rationnelle,
soit le quotient de deux polynômes, en une somme de fractions partielles, soit une somme de
fractions plus simples. Cette technique peut être utilisée autant lors du calcul d’intégrales indéfinies
que lors du calcul de transformées de Laplace inverses. Elle permet de revenir à des termes plus
simples, qui eux seront présents dans la table d’intégrales ou dans la table de transformées de
Laplace. Comme mentionné et illustré à l’exemple 5.14, à la page 24 du chapitre 5, votre calculatrice
symbolique, avec la commande expand, donnera directement le résultat souhaité. Dans cette annexe,
nous expliquerons comment cette commande (ou des similaires avec d’autres logiciels de calcul
symbolique) fonctionne et à quoi vous devez vous attendre comme résultat. Vous n’aurez donc
pas à faire ces calculs manuellement. Mais nous illustrerons à l’aide d’un exemple ce que pourrait
représenter comme travail un calcul manuel de ce type.
P (s)
On veut décomposer une fraction rationnelle du type où P (s) et Q(s) sont deux polynômes.
Q(s)

1. On doit s’assurer que la fraction rationnelle est « propre », ce qui signifie que le degré de P (s)
doit être inférieur à celui du polynôme Q(s), ce qui dans notre cours d’équations différentielles
sera toujours le cas. Si la fraction rationnelle n’est pas « propre », on doit effectuer la division
polynomiale soit manuellement, soit à l’aide de la commande propFrac (accessible via le menu
Algèbre-Outils fraction-Fraction propre de Nspire). On doit également s’assurer que les deux
polynômes P et Q n’ont pas de facteurs communs.
2. Considérons que la fraction rationnelle est « propre ». Il faut ensuite décomposer (factoriser) le
dénominateur Q(s) par rapport aux nombres réels. Vous aurez vu, dans un cours d’algèbre, le
lien entre les racines et les facteurs d’un polynôme. Si s = α est une racine du polynôme Q(s),
donc Q(α) = 0, alors (s − α) est une facteur de Q(s) ; donc Q(s) = (s − α) · W (s) où le degré de
W est 1 de moins que celui de Q. La racine α peut être réelle ou complexe. Des théorèmes
fondamentaux en algèbre nous apprennent que Q(s) se factorisera en un produit de termes
linéaires, du type (as + b)n correspondant à une racine réelle et/ou de termes quadratiques
irréductibles, du type (as 2 +bs +c)n , correspondant à deux racines complexes conjuguées (cela
se produit ici si b 2 − 4ac < 0)
3. Pour chaque facteur linéaire du type (as + b)n , on doit poser :

A1 A2 An
+ 2
+···+
(as + b) (as + b) (as + b)n

4. Pour chaque facteur quadratique irréductible du type (as 2 + bs + c)n , on doit poser :

B1 s + C1 B2 s + C2 Bn s + Cn
2
+ 2 2
+···+
(as + bs + c) (as + bs + c) (as 2 + bs + c)n

Remarque : en général, n dépasse rarement 2, cela simplifie l’application de la méthode. Les

coefficients A i , B i et C i sont des valeurs réelles à déterminer algébriquement ou à l’aide de Nspire.
Les exemples suivants illustrent cette méthode.
202 ANNEXE

Exemple 1.16

8s + 6
(a) Décomposons en fractions partielles
s 4 − 16
Comme la factorisation de s − 16 est (s 2 + 4)(s + 2)(s − 2) on devra poser
4

8s + 6 8s + 6 As + B C D
4
= 2 = 2 + +
s − 16 (s + 4)(s + 2)(s − 2) s + 4 (s + 2) (s − 2)

En utilisant la commande expand de Nspire, on trouve A = −1, B = − 43 , C = 5

16 et D = 11
16

−4s 2 + 12s + 32
(b) Décomposons en fractions partielles
s 4 + 8s 3 + 26s 2 + 48s + 45
Comme la factorisation de s 4 + 8s 3 + 26s 2 + 48s + 45 est (s 2 + 2s + 5)(s + 3)2 on devra poser

−4s 2 + 12s + 32 −4s 2 + 12s + 32 As + B C D

4 3 2
= 2 2
= 2 + +
s + 8s + 26s + 48s + 45 (s + 2s + 5)(s + 3) s + 2s + 5 (s + 3) (s + 3)2

Avec la commande expand, on trouve A = −2, B = 3, C = 2 et D = −5

On peut se demander comment obtenir manuellement ces résultats, ou comment votre calcula-
trice Nspire obtient ceux-ci avec la commande expand. Considérons de nouveau l’exemple 5.16 à la
page 25 du chapitre 5.

Exemple 1.17
Décomposons en fractions partielles, manuellement,

11s − 6 11s − 6
=
s 3 + 4s 2 + 9s + 36 (s 2 + 9)(s + 4)

On constate avec la factorisation du dénominateur, une racine réelle (s = −4) et deux racines
complexes (s = ±3i ). En appliquant les principes de la page précédente, on pose :
A.3. MÉTHODE DE DÉCOMPOSITION EN FRACTIONS PARTIELLES 203

11s − 6 As + B C
= +
(s 2 + 9)(s + 4) 2
s +9 s +4
(As + B )(s + 4) + C (s 2 + 9)
=
(s 2 + 9)(s + 4)
As 2 + 4As + B s + 4B + C s 2 + 9C
=
(s 2 + 9)(s + 4)
2
(A + C )s + (4A + B )s + (4B + 9C )
=
(s 2 + 9)(s + 4)

Les dénominateurs étant identiques de chaque côté du signe égal, les coefficients inconnus A, B et C
doivent satisfaire le système d’équations

A +C = 0
4A + B = 11
4B + 9C = −6

De la première équation on tire que A = −C , qu’on substitue dans la deuxième équation pour obtenir

−4C + B = 11 ⇒ B = 4C + 11

En utilisant ce cernier résultat dans la troisième équation du système, on trouve

44 + 16C + 9C = −6 ⇒ 25C = −50 ⇒ C = −2

Par substitution, on obtient ensuite B = 3 et A = 2. Le résultat final est

11s − 6 2s + 3 2
= −
(s 2 + 9)(s + 4) 2
s +9 s +4

On retrouve ainsi le résultat obtenu directement, avec la commande expand de Nspire, dans
l’exemple 5.16 de la page 25 du chapitre 5.

Cette approche manuelle est très lourde en termes de calculs. On peut simplifier les calculs
manuels à faire en utilisant une approche comme celle montrée à l’exemple 5.15 de la page 24
du chapitre 5. Cela se rapproche plus de ce qui est fait par les logiciels de calcul symbolique pour
effectuer la décomposition en fractions partielles.

Exemple 1.18
Reprenons, de l’exemple précédent, la décomposition à effectuer

11s − 6 As + B C
= 2 + (A.1)
(s 2 + 9)(s + 4) s +9 s +4

Multiplions cette équation par (s + 4), simplifions et posons s = −4

11s − 6 s +4 −44 − 6 0
= (As + B ) · 2 +C ⇒ = (As + B ) · +C ⇒ C = −2
s2 + 9 s +9 (−4)2 + 9 25
204 ANNEXE

Comme s = 3i est une racine complexe du dénominateur, on peut reprendre l’étape précédente avec
cette valeur complexe. Multiplions l’équation (A.1) par (s 2 + 9), simplifions et posons s = 3i

11s − 6 s2 + 9 33i − 6 0
= (As + B ) + C · ⇒ = A · 3i + B + C ·
s +4 s +4 (3i + 4) 3i + 4

En simplifiant la fraction complexe obtenue, on trouve

33i − 6
= 3 + 6i = 3A i + B ⇒ A = 2 et B = 3
(3i + 4)

puisque deux nombres complexes sont égaux si leurs parties réelles et imaginaires sont égales. On
retrouve ainsi plus rapidement les coefficients cherchés.

Cet exemple est l’un des plus simples que l’on puisse traiter manuellement. Comme nous
l’avons indiqué au début de cette annexe, on s’attend dans vos problèmes à ce que vous laissiez ce
travail à votre calculatrice. Cela nous permet, en exercices, en devoir ou en examen, de traiter des
problèmes beaucoup plus complexes que ceux qu’on retrouve dans un manuel classique d’équations
différentielles.
A.4. COMBINAISON LINÉAIRE DE SINUS ET COSINUS DE MÊME FRÉQUENCE 205

A.4 Combinaison linéaire de sinus et cosinus de même fréquence

La formule suivante est plus générale que celle de la page 66 du chapitre 6. La formule à cet endroit
montre que p
A cos(ωt ) + B sin(ωt ) = A 2 + B 2 sin(ωt + φ) où (A.1)
A B A
µ ¶
sin(φ) = p et cos(φ) = p ⇒ φ = arctan
A2 + B 2 A2 + B 2 B

Celle-ci est correcte seulement lorsque la valeur de B est positive, la fonction arctan donne alors
le bon angle (en radians) entre −π π ◦ ◦
2 et 2 (en degrés : −90 < φ < 90 ). Si ce n’est pas le cas, il faut ajuster
l’angle φ pour respecter les signes du sinus et du cosinus. La formule suivante 10 , en 2 versions, a
l’avantage de toujours donner le bon résultat :

B
p µ µ ¶¶
2 2
A cos(z) + B sin(z) = A + B sign(A) cos z − arctan (A.2)
A
B
µ µ ¶¶
p π
= A 2 + B 2 sin z + sign(A) − arctan (A.3)
2 A

La fonction sign(A) qu’on rencontre ici se nomme la fonction signe ou signum. Par définition,
(
1 si A > 0
sign(A) =
−1 si A < 0

Vous n’avez pas à utiliser manuellement ces formules car vous pouvez obtenir un résultat équivalent
avec la commande tcollect( ) de votre calculatrice. Comme pour toutes les identités trigonomé-
triques, plusieurs formes différentes mais équivalentes sont possibles pour ces transformations.
Votre calculatrice, avec la commande indiquée, peut donner 2 résultats équivalents pour une même
combinaison selon qu’on fait enter ou ctrl enter (pour avoir la solution en point flottant).

p Considérons p
l’expression 3 cos(5t )+4 sin(5t ), que l’on a choisie car l’amplitude du signal résultant
2 2
A + B = 9 + 16 = 5 est simple. Les 2 écrans suivants montrent l’utilisation de la commande
tcollect( ) pour obtenir une solution en fonction de sin(5t + φ) où φ est l’angle de phase. On y montre
le résultat selon qu’on appuie sur « enter » ou « ctrl enter » pour obtenir une réponse en mode exact ou
approché (décimal). On vérifie également l’angle de phase obtenu à l’aide des formules (A.1) et (A.3).

10. Merci à mon collègue Michel Beaudin pour cette version plus complète
206 ANNEXE

Modifions l’exemple précédent pour avoir une valeur de B négative, la formule (A.1) ne pouvant
plus s’appliquer directement : 3 cos(5t ) − 4 sin(5t ). Les 3 écrans suivants montrent l’utilisation de
la commande tcollect( ) et la validation des résultats obtenus (en mode exact ou approché) par la
formule (A.3).

Pourquoi obtenir sinus ou cosinus, dans certains cas ? Considérons les 2 courbes suivantes :

On constate que la courbe en bleu (trait plein) est « plus proche » d’un cosinus pur et que celle en
rouge (trait pointillé) est plus proche d’un sinus pur. Mais peu importe, un cosinus n’est qu’un sinus
déphasé. . . En effet, sin z + π2 = cos(z) et sin z − π2 = − cos(z).
¡ ¢ ¡ ¢

Sur l’écran suivant, on voit la même combinaison être transformée en cosinus (en mode exact)
ou en sinus (en mode approx), les 2 réponses sont évidemment équivalentes.
A.4. COMBINAISON LINÉAIRE DE SINUS ET COSINUS DE MÊME FRÉQUENCE 207

Pour terminer, mentionnons que l’on peut faire l’opération inverse avec Nspire mais avec une
légère adaptation. En effet, Nspire a une commande texpand( ) qui devrait « développer » une
expression trigo. On voit sur l’écran suivant qu’on peut développer sin(p + q) avec cette commande.
Mais pour simplifier par exemple sin(5t + π6 ), il faudra remplacer 5t par p sinon la calculatrice
développera l’expression uniquement en termes de sin(t ) et de cos(t ).
208 ANNEXE

A.5 Table de séries de Fourier

A.5. TABLE DE SÉRIES DE FOURIER 209

Les séries de Fourier dans cette table convergent vers les fonctions périodiques données en tout point de
continuité et vers la valeur moyenne en un point de discontinuité. En ce sens, l’égalité entre la fonction f (x) et
sa série de Fourier n’est valable qu’aux points de continuité.
 f(x)
−1 −π < x < 0
f (x) = , avec P = 2π 1
 1 0<x <π

4 sin(x) sin(3x) sin(5x)

µ ¶
T1 f (x) = + + +··· −3π −2π −π 0 π 2π 3π x
π 1 3 5
4 X∞ 1 ¡ ¢
f (x) = sin (2n − 1)x -1
π n=1 2n − 1

 π π f(x)
 1 − <x<

2 2
f (x) = π 3π avec P = 2π 1
−1 <x<

2 2
T2 4 cos(x) cos(3x) cos(5x)
µ ¶
f (x) = − + −··· − 52π − 32π − 2π 0 π 3π 5π x
π 1 3 5 2 2 2

4 X∞ (−1)n+1 ¡ ¢ -1
f (x) = cos (2n − 1)x
π n=1 2n − 1
 f(x)
−x −π < x < 0
f (x) = |x| = avec P = 2π π
 x 0<x <π

π 4 cos(x) cos(3x) cos(5x)

µ ¶
T3 f (x) = − + + + · · ·
2 π 12 32 52
π 4 X∞ 1
−3π −2π −π π 2π 3π
¡ ¢
f (x) = − 2
cos (2n − 1)x 0 x
2 π n=1 (2n − 1)

f(x)
f (x) = x , −π < x < π , avec P = 2π
π
sin(x) sin(2x) sin(3x)
µ ¶
f (x) = 2 − + −···
T4 1 2 3
−3π −2π −π 0 π 2π 3π x
X∞ (−1)n+1
f (x) = 2 sin(n x)
n=1 n −π

f(x)
f (x) = x , 0 < x < 2π , avec P = 2π
2π
sin(x) sin(2x) sin(3x)
µ ¶
f (x) = π − 2 + + +···
T5 1 2 3
X∞ 1
f (x) = π − 2 sin(n x)
n=1 n −3π −2π −π 0 π 2π 3π x
210 ANNEXE

¯ ¯ f(x)
f (x) = ¯ sin(x)¯ , 0 < x < π , avec P = π
¯ ¯

2 4 cos(2x) cos(4x) cos(6x)

µ ¶ 1
f (x) = − + + +···
T6 π π 1·3 3·5 5·7
¡ ¢
2 4 X ∞ cos 2n x
f (x) = −
π π n=1 (2n − 1) · (2n + 1) −3π −2π −π 0 π 2π 3π x

f(x)

sin(x) 0 < x < π
f (x) = avec P = 2π
0 π < x < 2π
1
1 sin(x) 2 cos(2x) cos(4x) cos(6x)
µ ¶
T7 f (x) = + − + + +···
π 2 π 1·3 3·5 5·7
¡ ¢
1 sin(x) 2 X ∞ cos 2n x −2π π 3π
f (x) = + − −3π −π 0 2π x
π 2 π n=1 (2n − 1) · (2n + 1)

f(x)
f (x) = cos(x) , 0 < x < π , avec P = π
1
8 sin(2x) sin(4x) sin(6x)
µ ¶
f (x) = +2 +3 +···
T8 π 1·3 3·5 5·7
−3π −2π −π 0 π 2π 3π x
8 X∞ n ¡ ¢
f (x) = sin 2n x
π n=1 (2n − 1) · (2n + 1) −1

f(x)
2
f (x) = x , −π < x < π , avec P = 2π π2

π2 cos(x) cos(2x) cos(3x)

µ ¶
f (x) = −4 − + −···
T9 3 12 22 32
π2 X∞ (−1)n+1 ¡ ¢
f (x) = −4 cos n x
3 n=1 n 2 −3π −2π −π 0 π 2π 3π x

f(x)
f (x) = x (π − x) , 0<x <π, avec P = π
π2
4
π2 cos(2x) cos(4x) cos(6x)
µ ¶
f (x) = − + + +···
T10 6 12 22 32
π2 X∞ 1 ¡ ¢
f (x) = − 2
cos 2n x
6 n=1 n −3π −2π −π 0 π 2π 3π x
Réponses

Chapitre 5

2−s 2 2s ω
Rép. 5.1 (a) s3
(c)
(s 2 +ω2 )2
1
(b) (s+a)2

−3s
³ ´ π
2
Rép. 5.2 (a) s − es2 (c) s
s 2 +1
− 1s e − 2 s + 1s
³ ´ −6s
3
(b) s + s12 e −4s − e s 2 + 4s − s12

4
Rép. 5.3 (a) s − s72 (h) 3
s + 12
s2
+ 18
s3
10
(b) s 2 +25
− s 26s +25 (i) 2
s 2 −1
2 24s
(c) s+3 + (s 2 +16)2 2e −1 2
4 6
(j) s−5 + 4 (ss2 +4)
−4
2
(d) s−2 − (s+2)2 +9 1
12 4 5 (k) − 21 s 2 +36
s
− s32
(e) s4
− (s+3) 2 + s
2s
8
(f ) 4 (l) s 2 +16
s 2 −4
1 2 1 2s
(g) s + s−1 + s−2 (m) s 2 +64

a
Rép. 5.4 F (s) = s 2 −a 2
s+i ω
Rép. 5.5 (a) s 2 +ω2
s
© iωt ª
L = L cos(ωt ) + i sin(ωt ) = L cos(ωt ) + i L sin(ωt ) = ω
© ª © ª © ª
(b) e s 2 +ω2
+ i s 2 +ω2

Rép. 5.6 indice : e (−a+ωi )t = e −at e ωi t = e −at · cos(ωt ) + i sin(ωt )

¡ ¢

14 4(s 2 −10s+16)
Rép. 5.7 (a) (s−4)3
(d) (s 2 −10s+34)2
1 2 2 8s(s 2 −75) 2 −25
(b) s+2 + (s+2)2 + (s+2)3 (e) + 4 (ss2 +25) s
+ s 2 +25
(s 2 +25)3 2
192s(s 2 −16)
(c) (s 2 +16)4
+ 2s

Rép. 5.8 (a) 4e −2t − 3e −3t (g) 3e 3t cos(2t ) + 5e 3t sin(2t )

p ³p
(b) 3 cos(3t ) + 13 sin(3t ) t
´
p (h) e −t cos(t ) − 2e −t sin(t ) − 2 3 3 e − 2 sin 3
2 t
p p
(c) 2 5 5 sin( 5t ) − cos( 5t ) − 4e 10t ¢ t
(i) 12 cos(t ) − sin(t ) e − 2
¡
(d) t 2 + 3t − 1 p p
1
(e) 2t 2 e 5t + 125 (j) 3 8 2 t sin(2 2t )
¡ ¢
sin(5t ) − 5t cos(5t )
7
(f ) 6 cos(2t ) − 5 sin(2t ) − 3t e −7t (k) 4 sin(2t ) + 12 t cos(2t )

211
212 RÉPONSES

5 −4t
Rép. 5.9 (a) 2e + 12 e 4t
t
(b) 3e t − 12 e − 2
1 t
(c) 2 sin(2t ) − 3
(d) − 25
9 e
−t
+ 83 t e −t + 43
9 e
2t
p p p
1 2 8 − 2t −2t
(e) 3 cos( 2t ) − 12 sin( 2t ) − 15 e + e 8 + 40
3 2t
e
1 1 1 t 2et 3 t
− t 6e
¡ ¢
(f ) − 3 cos(2t ) − 6 sin(2t ) + 3 cos(t ) + sin(t ) − 2
p −8t
(g) 3 cos(2 2t ) − e
t
(h) 2 sin( 2t ) − 13 e 3
2 3t 3 t 5
(i) 3e + 83 e − 2 t − 21 e − 2 + 85 e 2 t
(j) 2e − 4t e t + t
t
p
1 2 −t
(k) 2 cos( 2 t ) − 2e +t
t 3t
Rép. 5.10 (a) x(t ) = 2e + e
(b) x(t ) = −2 cos(3t ) + sin(3t ) + 2e −t
(c) y(t ) = 3t e t − 8e t + 6t + 12
y(t ) = 12 6 2t
2t
¡ 2 4 6
¢ −3t
(d) 5 t e − 25 e + t + 5 t + 25 e
(e) x(t ) = 2e −2t cos(4t ) + 54 e −2t sin(4t )
28 −2t
p 9
p −2t p 2 −5t
(f ) x(t ) = 15 e cos( 6t ) + 10 6e sin( 6t ) + 15 e
16
(g) y(t ) = 5 cos(t ) − 58 sin(t ) + 13 2t 3
10 e − 2t − 2

Rép. 5.11 Posez f (t ) = sin(ωt ) dans P16 en utilisant le fait que f (0) = sin(0) = 0
Rép. 5.12 Posez g (t ) = f ′ (t ) et utilisez P16 avec la fonction g (t )

e 6−3s
³ ´
e −2s−6
Rép. 5.13 (a) F (s) = 1s + s12 e −s (d) F (s) = s−2 − s+3
π
2e −3s (e) H (s) = s 23s+4 − s 2s+4 e − 2 s
(b) G(s) = s3 −3s
³ ´ (f ) F (s) = 2e −1
6
(c) H (s) = s + s12 e −5s (g) P (s) = 2s − 2s e −s − 2e −s

Rép. 5.14 (a) g (t ) = 2u(t ) − 3u(t − 1) = 2 − 3u(t − 1)

−s
G(s) = 2s − 3 e s
(b) f (t ) = 3 + (t − 3)u(t
³ − 2)
´
F (s) = 3s + e −2s 1
s2
− 1s
(c) g (t ) = 1 − t 2 + t u(t³ − 1) 2
´
G(s) = 1s − s23 + e −s s23 + s22 + 1s
2
¡ ¢
(d) q(t ) = 5 + (t − 3)u(t
³ − 2)
´ + 2 −³t − t u(t −´4)
Q(s) = 5s + e −2s s12 − 1s − e −4s s23 + s92 + 18
s
(e) h(t ) = 1 + (sin(t ) − 1)u(t − π2 )
³ ´ π
H (s) = 1s + s 2s+1 − 1s e − 2 s
(f ) f (t ) = 4 − t + (t − 1)u(t
³ − 4)´+ (6 − t )u(t − 6) −6s
F (s) = 4s − s12 + e −4s 1
s2
+ 3s − e s 2

Rép. 5.15 (a) (t − 2)e −4(t −2) u(t − 2) + e −4t

(b) 12 (t − 5)2 u(t − 5) + 5 cos(2t − 8) − 21 sin(2t − 8) u(t − 4)
£ ¤
p
(c) sin(t )u t − π2 + cos( 2t )
¡ ¢
£ 15−5t 9 12−4t 1 4t −12 ¤
(d) 7e − 2e + 2e u(t − 3)
RÉPONSES 213

Rép. 5.16 (a) i (t ) = 5e −2(t −1) u(t − 1) + 2e −2t

(b) x(t ) = 6(t − 2)e 4−2t u(t − 2) − 3t e −2t
(c) y(t ) = 1 − e −2t − 12 1 − e −2(t −3) u(t − 3)
¡ ¢

(d) 2e t −2 − e 2(t −2) − 1 u(t − 2) + e t − 21 e 2t + 12

¡ ¢
£ ¤
(e) x(t ) = 1 − cos(t − 3) u(t − 3) + sin(t )
£ ¤
(f ) y(t ) = t + 2 cos(t − 2) + sin(t − 2) − t u(t − 2)
(g) y(t ) = − sin(t )u(t − π) + 3 cos(t ) − sin(t )
(h) y(t ) = e −3t + e t + 14 e t −1 − e 3−3t u(t − 1) − 14 e t −2 − e 6−3t u(t − 2)
¡ ¢ ¡ ¢

(i) y(t ) = 58 sin(2t ) − 4t cos(2t ) − 18 sin(2t ) − t −π

¡ ¢
4 cos(2t ) u(t − π)

Rép. 5.17 Aide : utilisez la définition intégrale avec f (t ) = g (t )u(t − a) et faites le changement de variables
v = t − a ⇒ t = v + a et d t = d v
(s+2)−(5s+2)e −2s 2s −5s−2
Rép. 5.18 (a) s 2 (1−e −2s )
= (s+2)e
s 2 (e 2s −1)
e −πs +1 1 ¡ ¢
(b) =
(s 2 +1)(1−e −πs ) (s 2 +1) tanh πs2
(e a s −1)2 e −2a s = tanh a2s
¡ ¢
(c) s (1−e −2a s ) s

(d) (e a s −a s−1)e −a s
a s 2 (1−e −a s )

e −5t
Rép. 5.19 (a) t 2 (b) 25 + 5t − 25
1
(c) 1 − cos(t )

5 t 2
sin(t ) − t8 cos(t )
¡ 2t 4
¢ −3t 2t 4
Rép. 5.20 (a) 4 t sin(2t ) (b) 8 (c) 9 + 27 e + 9 − 27
Rt 1
Rép. 5.21 (a) y(t ) = 3 sin(3w)g (t − w) d w
R0t 1 −w
(b) x(t ) = 0 2e sin(2w)g (t − w) d w
e −t e −t
Rép. 5.22 y(t ) = 5 − cos(3t
5
)
+ si n(3t
15
)
et x(t ) = 2 − 21 e −t cos(2t )
Rép. 5.23 (a) x(t ) = 2 cos(t ) − sin(t )
y(t ) = − cos(t ) − 2 sin(t )
(b) i 1 (t ) = e −3t 2 sin(4t ) − cos(4t )
¡ ¢

i 2 (t ) = 2e −3t cos(4t )
(c) x(t ) = −3t e −t
y(t ) = 34 e −t + 23 t e −t + 41 e t
(d) x(t ) = 3e t + 2 + 6t − 9t 2
y(t ) = −e t − 6t
(e) x(t ) = 10 − 10e −t
y(t ) = 5e −t
(f ) x(t ) = 2 sin(t ) − 3 cos(t ) + e −t + 2
y(t ) = 3 cos(t ) − 2 sin(t ) + e −t − 2
(g) x(t ) = 23 2 e
−t
− 2e −2t + 13 t
2 e − 14
23 −t 13 t
y(t ) = − 2 e + 2 e − 18t + 4
³p p
p p
´ ³ ´
10
−1 t − 10 − 1 t
Rép. 5.24 (a) q 1 (t ) = 100 + (−10 10 − 50)e ³ p125 25 ´ + (10 10 − 50)e ³ p125 25 ´
p 10
−1 t p − 10 − 1 t
q 2 (t ) = 100 + (−25 10 − 50)e 125 25 + (25 10 − 50)e 125 25
ou plus simplement
q 1 (t ) = 100 − 18, 3772e −0,065298t − 81, 6228e −0,014702t
q 2 (t ) = 100 + 29, 0569e −0,065298t − 129, 057e −0,014702t
(b) à long terme (après au moins 15 heures) il y aura 100 kg de sel dans chaque réservoir.
(c) 50,9217 minutes
214 RÉPONSES

Rép. 5.25 x(t ) = 12 sin(t ) + 2 et y(t ) = 21 sin(t )

p p p
2
Rép. 5.26 x(t ) = 13
3 cos( 2t ) − 3 p sin( 2t ) − e −t − 43 e −2t
p p
y(t ) = − 13 cos( 2t ) − 136 2 sin( 2t ) + 2e −t − 83 e −2t
p p p
z(t ) = −4 cos( 2t ) + 5 2 2 sin( 2t ) + 2e −t + 2

Chapitre 6
p ³p ´ ³ p ´
−7 10 7 10 1 7 10
Rép. 6.1 (a) v (t ) = 50 sin 5 t m/s y (t ) = 10 cos 5 t m
p
π 10 p7
(b) A = 0, 1 m P= 7 ≈ 1, 419 s fréquence est f = ≈ 0, 704 cycle/s
π 10
(c) à t = 0, 25 s, y ≈ 0, 044753 m (il est sous le point d’équilibre) v ≈ −0, 39591 m/s (il monte) et
a ≈ −0, 877 m/s2 (il va plus vite puisque l’accélération va dans le même sens que la vitesse)
³ p ´ p ³ p ´
Rép. 6.2 (a) v (t ) = cos 7 2 2 t y (t ) = 72 sin 7 2 2 t
p p p
(b) A = 72 ≈ 0, 202 m P = 2π7 2 ≈ 1, 27 s f = 74π2 ≈ 0, 79 cycle/s
(c) t ≈ 0, 7393 s. Alors v ≈ −0, 8689 m/s, donc il monte. Et a ≈ 2, 45 m/s2, donc il ralentit puisque
l’accélération n’a pas le même signe que la vitesse.
4 −5t
Rép. 6.3 (a) y (t ) = 15 e − 61 e −2t c’est un mouvement sur-amorti
(b) Il traverse le point d’équilibre après 0,1567 secondes ; et il ne le re-traversera plus.
7
³ ³ p ´ p ³ p ´´
(c) y(t ) = e − 2 t 10 1
cos 3 239 t − 9039 sin 3 239 t ou
p 7
³ p
y(t ) = 4530 e − 2 t cos 3 239 t + tan−1 39 9 on a un mouvement sous-amorti.
³p ± ´´

(d) amortissement critique si le ressort s’étire de 80 cm (avec k = 245 )

p
Rép. 6.4 y (t ) = 21 e −8t (cos (8t ) + sin (8t )) pi = 22 e −8t sin 8t + π4 pi
¡ ¢

9
Rép. 6.5 y perm = 1 105sin (3t ) − 1 32105 cos (3t )
p ³p ´ p ³p ´
Rép. 6.6 (a) y(t ) = 2 1111 e −3t /16 sin 1611 t u(t ) + 2 1111 e −3(t −π)/16 sin 1611 (t − π) u(t − π)

(b)
Rép. 6.7 y(t ) = cos(2t ) + 34 t sin(2t ) et v(t ) = 23 t cos(2t ) − 54 sin(2t )
Voici le graphe de la position pour les 12 premières secondes
RÉPONSES 215

Il y a un résonance pour ce mouvement.

Rép. 6.8 (a) La solution esty(t ) = cos(8t ) − cos(10t ). On peut montrer à l’aide d’une identité trigonomé-
trique que cette réponse est équivalente à y(t ) = 2 sin(t ) sin(9t )
(b) La ligne pointillée du graphique correspond à l’enveloppe de la solution. C’est ±2 sin(t )
d2y dy
Rép. 6.9 (a) f (t ) = 6 sin(3t )u(t − π) 2 + 4 d t + 29y = 6 sin(3t )u(t − π)
£ 9 2π d t
−2t
cos(5t ) 68 e u(t − π) + 12 u(t ) + e −2t sin(5t ) 51 u(t ) − 340
27 2π
¤ £ ¤
y(t ) = e e u(t − π) +
+ 68 cos(3t ) + 15
£ −9 ¤
68 sin(3t ) u(t − π)
£ 9 −2(t −π) 27 −2(t −π) 9 15
¤
y(t ) = 68 e cos(5t ) − 340 e sin(5t ) − 68 cos(3t ) + 68 sin(3t ) u(t − π)+
£ 1 −2t
cos(5t ) + 15 e −2t sin(5t ) u(t )
¤
2e

(b)

9 15
(c) En régime permanent on a y(t ) = − 68 cos(3t ) + 68 sin(3t ) si t > π
p
3 34
L’amplitude sera A = 68 m, soit 25,7248 cm
2
1 1 d vC 1 d vC ′
Rép. 6.10 (a) L’équation du circuit est 5 · 10 d t 2 + 2 · 10 dt + vC = 0 avec vC (0) = 6 et vC (0) = 0.
−5t
La solution est vC (t ) = 6e (cos(5t ) + sin(5t ).
La réponse est sous-amortie (présence de sinus et cosinus).
2
1 1 d vC 1 d vC ′
(b) L’équation du circuit devient 5 · 10 d t 2 + 2 · 10 d t + v C = 3 sin(t ) avec v C (0) = 6 et v C (0) = 0.
i) La solution est vC (t ) = e −5t 16506 15036 1500 7350
£ ¤
2501 cos(5t ) + 2501 sin(5t ) − 2501 cos(t ) + 2501 sin(t ).
Le régime permanent est vC per m (t ) = − 1500 7350
2501 cos(t ) + 2501 sin(t ).

1
d vC £ 735
cos(5t ) − 15771
¤ 735 150
ii) i = 10 = e −5t − 2501 2501 sin(5t ) + 2501 cos(t ) + 2501 sin(t )
dt
Pour le graphe de vC (t ) et de i (t ), on constate que le régime permanent est bien établi après
2 secondes (la partie avec e −5t est très près de 0 si t ≥ 2). On choisit de tracer pour 0 < t < 12
216 RÉPONSES

iii) À t = 0.1476 secondes, j’aurai un courant maximal de −1.8327 ampères.

(a) vC (t ) = e −5t − 198 78
¤ 300 −2t
Rép. 6.11
£
17 cos(5t ) − 17 sin(5t ) + 17 e . Comme la source tend rapidement vers 0, la
solution vC (t ) converge rapidement (après quelques secondes) vers une tension nulle.
(b) i (t ) = e −5t 60 138
£ ¤ 60 −2t
17 cos(5t ) + 17 sin(5t ) − 17 e

(c)
(d) La tension maximale est de 8,483 volts après t = 0, 292 secondes (valeurs arrondies à 3
décimales). Théoriquement, le courant est alors nul. En pratique si on utilise cette valeur
arrondie à 3 décimales t = 0, 292, on trouve plutôt i (0.292) = −0, 00394 A.
Rép. 6.12 (a) i) vC (t ) = 2e −100t [cos(50t ) + 2 sin(50t )] et i (t ) = − 25 e −100t sin(50t )

ii)
RÉPONSES 217

On remarque que la tension converge rapidement vers 0 volt.

iii) Courant maximal (en valeur absolue) de 0,071 ampère après 9,27 ms.
(b) vC (t ) = − 10e −100t [cos(50t ) + 2 sin(50t )] + 12 u(t ) et i (t ) = 2e −100t sin(50t ) u(t )
¡ ¢ ¡ ¢

On remarque que la tension converge rapidement vers 12 volts.

Courant maximal (en valeur absolue) de 0,354 ampère après 9,3 ms.
(c) vC (t ) = 12e 20−100t [cos(50t − 10) + 2 sin(50t − 10)] + 12 u(t − 15 ) + · · ·
¡ ¢

· · · − 10e −100t [cos(50t ) + 2 sin(50t )] u(t ) + 12u(t ) − 12u(t − 51 )

Pour le courant, on peut écrire la solution avec des fonctions échelon-unité ou comme ceci :
 0 t <0


1
i (t ) = 2e −100t sin(50t ) 0≤t < 5
2e −100t sin(50t ) − 12 1

20−100t
5 e sin(50t − 10) t≥

5

On remarque que la tension converge rapidement vers 12 volts (après 50 ms environ) et

reste stable jusqu’à t = 0, 2 secondes. Par la suite, la source étant coupée, la tension retourne
rapidement à 0 volts.
218 RÉPONSES

Courant maximal (en valeur absolue) de 0,425 ampère après 9,27 ms.
Rép. 6.13 (a) vC (t ) = (16000t + 8)e −2000t . Vu la forme de cette solution, elle correspond à un amortissement
critique. Et i (t ) = −800t e −2000t
(b) Considérant l’exposant −2000t de l’exponentielle ce sera très rapide.
On y arrive après 6,999 ms.

(c)
Le courant maximum (en valeur absolue) est de 0,147 ampère après 0,5 ms.
125000000
cos(8t ) + 15624750000
¡ 1002016000
t + 31376000008
¢ −2000t
(d) vC (t ) = − 3906375001 3906375001 sin(8t ) + 62501 3906375001 e
ou vC (t ) = −0, 031999 cos(8t ) + 3, 99981 sin(8t ) + (16032t + 8.032)e −2000t
Remarque : le coefficient de t affiché 16032 est arrondi comme les autres coefficients en point
flottant. La valeur plus précise de ceui-ci est 16 031,999 488 008.
Le régime permanent est vC per m (t ) = −0, 031999 cos(8t ) + 3, 99981 sin(8t )

La tension maximale est de 8 V au début, à t = 0. Ce n’est pas facile à voir sur le graphe car
après environ 10 ms, la partie de la solution en e −2000t devient négligeable.
p p p
Rép. 6.14 (a) vC (t ) = −100e −5t cos(5 1599t ) − 1001599
1599 −5t
e sin(5 1599t ) + 100
p p
i (t ) = 2001599
1599 −5t
e sin(5 1599t )
(b) tension maximale de 192,444 V après 15,7 ms et courant maximum de 4,81 A après 7,73 ms
RÉPONSES 219

p p p
Rép. 6.15 (a) vC (t ) = 1000e −5t cos(15 1111t ) + 100033331111 e −5t sin(15 1111t ) − 1000 cos(500t )
p p
i (t ) = 10 sin(500t ) − 100033331111 e −5t sin(15 1111t ) ou en approximant
i (t ) = 10 sin(500t ) − 10, 0005e −5t sin(499, 975t ) régime permanent i per m (t ) = 10 sin(500t )
(b) Il sera impossible d’obtenir un graphe montrant bien le début près de t = 0 et le régime
permanent qui n’apparaît qu’après quelques secondes. La présence de 500t dans le sinus
signifie une fréquence d’oscillations très élevés. Si on veut tracer la solution pour les 2
premières secondes, on devrait voir 159 cycles complets de sin(500t )... Considérant que votre
calculatrice n’a que 320 pixels en résolution horizontale, cela donnera plutôt un échantillon
de valeurs de la solution.

Avec l’ordinateur, on voit un peu mieux, mais on semble avoir un régime permanent instable.
Par contre, en regardant seulement autour de t = 2 secondes, on voit bien le régime perma-
nent 10 sin(500t ).
220 RÉPONSES

3040 −5t
Rép. 6.16 (a) i) vC (t ) = 3 e − 760
3 e
−20t
+ 40
76 −20t 76 −5t
i (t ) =
3 e − 3e ou i (t ) = 25, 3333e −20t
− 25, 3333e −5t
ii) Considérant la présence d’exponentielles négatives qui tendent rapidement vers 0, on peut
conclure que vC (t ) tendra rapidement vers 40 V, soit la valeur de la source constante. Le
courant, lui, converge rapidement vers 0 A puisque la tension aux bornes du condensateur
devient constante. Après t = 1, 5 secondes on a vC = 40, 56 V et i = −0, 014 A.

(b)
5 d2v
C 5 dv
C
′
Rép. 6.17 (a) L’équation du circuit est 2 · 1000 dt2
+ 50 · 1000 d t + v C = 2δ(t − 1) avec v C (0) = 10 et v C (0) = 0.
La solution est vC (t ) = 40 5−5t
− e 20−20t u(t − 1) + 10
¡ −5t
− e −20t u(t )
¡ ¢ ¢
3 e 3 4e
(b)
RÉPONSES 221

(c)

Chapitre 7

Rép. 7.1 (a) k 1 = 0 k 2 = 1 k 3 = 1, 5 k 4 = 3, 5. On obtient y(1) ≈ 1, 41667. Avec deSolve( ), la vraie solution
est y = 2(e x − x − 1) et y(1) = 1, 43656. |erreur| = 0, 0199 (arrondie à 4D).
(b) k 1 = 1 k 2 = 0, 5556 k 3 = 0, 50617 k 4 = 0, 31327. On obtient y(4) ≈ 4, 14558. Avec deSolve( ),
1 1
la vraie solution est y = 4e 2 − x − 1 et y(4) = 4, 13610. |erreur| = 0, 0095 (arrondie à 4D).
(c) k 1 = 3 k 2 = 2, 64575 k 3 = 2, 67902 k 4 = 2, 30673. On obtient y(4) ≈ 1, 34062. Avec deSolve(
p p
), la vraie solution est −2 ln( x + y + 1) + 2 x + y + 2 · (2 ln(2) − 3) = x − 5 et y(4) = 1, 34043.
|erreur| = 0, 0002 (arrondie à 4D).
Rép. 7.2 (a) On obtient y(1) ≈ 1, 43650 avec une erreur de 0, 000061. Voici le tableau de valeurs.

(b) On obtient y(4) ≈ 4, 13613 avec une erreur de 0, 00003. Voici le tableau de valeurs.

(c) On obtient y(4) ≈ 1, 3404292 avec une erreur de 0, 00000029. Voici le tableau de valeurs.
222 RÉPONSES

Rép. 7.3 (a) On obtient y(1) ≈ 1, 43558. Voici le tableau de valeurs.

(b) On obtient y(4) ≈ 4, 13624. Voici le tableau de valeurs.

(c) On obtient y(4) ≈ 1, 34042. Voici le tableau de valeurs.

Rép. 7.4 (a) On obtient y 1 (2) ≈ 0, 029051 et y 2 (2) ≈ 0, 836975.

Voici le tableau de valeurs et le graphe.

(b) Pour pouvoir utiliser Nspire, on doit modifier les variables du problème pour être compatible
avec celles d’une fenêtre graphique « Eq. diff. ».
On choisit ici de remplacer y par y 1 , x devient y 2 et la variable dépendante t est remplacée
RÉPONSES 223

par x.
On obtient y(1) = y 1 (1) ≈ 0, 152165 et x(1) = y 2 (1) ≈ −0, 275189.
Voici le tableau de valeurs et le graphe.

Rép. 7.5 (a) On obtient y(2) ≈ 3, 18759. Voici le système utilisé.

(b) On obtient y(1) ≈ −1, 38747 et y ′ (1) ≈ −3.5977. Voici le système utilisé.

(c) On obtient y(0, 5) ≈ 0, 415563. Voici le système utilisé.

(d) On obtient y(1) ≈ 1, 84564. Voici le système utilisé.

Rép. 7.6 (a) converge ∀x ∈ R

(b) converge si −2 < x < 2
p p
(c) converge si 1 − 10 < x < 1 + 10
p p
(d) converge si − 5 < x < 5
(e) converge si 0 < x < 6
(2n+3) (2n−1)
Rép. 7.7 (a) converge ∀x ∈ R. a n+2 = − (n+2)(n+1) a n ou a n = − n·(n−1) a n−2
y = 2 + x − 3x 2 − 56 x 3 + 47 x 4 + · · · et y(0, 4) ≈ 1, 9115
(n 2 −n−1) 2
(b) converge si −1 < x < 1. a n+2 = (n+2)(n+1) a n ou a n = − (nn·(n−1)
−5n+5)
a n−2
y = 1 − 2x − 21 x 2 + 13 x 3 − 24
1 4
x +···
5(n+1)a n+1 −(n 2 −n+2)a n 5(n−1)a n−1 −(n 2 −5n+8)a n−2
(c) converge si −1 < x < 1. a n+2 = (n+2)(n+1) ou an = n·(n−1)
y = 3 − 3x 2 − 5x 3 − 21 4 13 5
4 x − 4 x +···
224 RÉPONSES

a n −n·(n+1)a n+1
(d) converge si 0 < x < 4. a n+2 = 2(n+2)(n+1) ou a n = an−2 −(n−2)·(n−1)a
2n·(n−1)
n−1

y = 3(x − 2) + 14 (x − 2)3 − 1 4 1 5 3 6
16 (x − 2) + 40 (x − 2) − 320 (x − 2) + · · ·
Avec le polynôme de degré 6, on trouve y(3) ≈ 3, 20313. Avec le polynôme-solution de degré
15 on trouve y(3) ≈ 3, 20574 et avec celui de degré 25, on trouve également 3, 20574. On peut
conclure que la vraie solution en x = 3, arrondie à 5 décimales, est 3,20574.
(e) converge si 0 < x < 2. a n+2 = (n+2)a(n+2)(n+1)
n −n·(n+1)a n+1
ou a n = n·an−2 −(n−2)·(n−1)a
n·(n−1)
n−1

y = 2 + 2(x − 1)2 − 32 (x − 1)3 + (x − 1)4 − 23 5

30 (x − 1) + · · ·
Avec le polynôme de degré 5, on trouve y(0, 3) ≈ 3, 57762. Avec le polynôme-solution de degré
15 on trouve y(0, 3) ≈ 3, 80486 et avec celui de degré 25, on trouve 3, 80809. On peut conclure
que la vraie solution en x = 0, 3, arrondie à 2 décimales, est 3,81.
an a n−3
(f ) converge ∀x ∈ R. a n+3 = (n+3)(n+2) ou a n = n·(n−1)
5 4
y = 2 + 5x + 31 x 3 + 12 1 6
x + 90 x +···
Avec le polynôme de degré 6, on trouve y(0, 8) ≈ 6, 34425. Avec le polynôme-solution de degré
10 on trouve y(0, 8) ≈ 6, 34636 et avec celui de degré 20, on trouve également 6, 34636. On peut
conclure que la vraie solution en x = 0, 8, arrondie à 5 décimales, est 6,34636. Si on calcule la
différence entre les estimés de degré 10 et de degré 20, on trouve une écart de 1, 19465 · 10−7 .
Considérant la convergence de la série-solution, cela confirme notre confiance dans l’estimé
avec le polynôme de degré 20.
(2n−5)a n −n·(n+1)a n+1 (2n−9)a n−2 −(n−2)·(n−1)a n−1
Rép. 7.8 converge si −4 < x < 4. a n+2 = 4(n+2)(n+1) ou an = 4n·(n−1)
y = 3 − 15 2 5 3 5
8 x + 32 x + 256 x −
4 1 5
1024 x + · · ·
Avec le polynôme de degré 5, on trouve y(1) ≈ 1, 2998. Avec un polynôme-solution de degré 10
on trouve y(1) ≈ 1, 30035 et avec celui de degré 20, on trouve aussi 1, 30035. Remarquez qu’avec
plus de décimales, cette dernière valeur est 1, 300347438126 alors qu’avec le degré 10 on avait
1, 3003484180995. Un calcul supplémentaire montre une valeur de 1, 3003474438072 avec un
polynôme de degré 30. On peut conclure que la vraie solution en x = 1, arrondie à 4 décimales,
est 1.3003. On pourrait même affirmer que la vraie solution pour y(1), arrondie à 10 décimales, est
1, 3003474438.
2 4 3 5
³ ´ ³ ´
Rép. 7.9 (a) y = a 0 1 − x2! + x4! − · · · + a 1 x − x3! + x5! − · · · . En reconnaissant les séries de Taylor des fonc-
tions sin(x) et cos(x), on retrouve la solution déjà vue au chapitre 4 : y = a 0 cos(x) + a 1 sin(x)
(b) y = a 0 1 + x 2 + x 3 + 13 4 3 2 11 3 15 4
¡ ¢ ¡ ¢
12 x + · · · + a 1 x + 2 x + 6 x + 8 x + · · ·
p p
Rép. 7.10 (a) converge si − 22 < x < 22 . Comme x = 0, 6 appartient à cet intervalle, on peut utiliser la série
pour faire l’estimé de la valeur.
2 −2n−1) 2 −10n+11)
a n+2 = −(2n
(n+2)(n+1) a n ou a n = −(2nn·(n−1) a n−2
y = 4 + x + 2x 2 + 61 x 3 − 21 x 4 − 120
11 5
x +···
Avec le polynôme de degré 5, on trouve y(0, 6) ≈ 5, 28407. Avec le polynôme-solution de degré
10 on trouve y(0, 6) ≈ 5, 29958, avec celui de degré 20, on trouve 5, 29888 et avec celui de degré
30, on trouve 5, 29892.
On peut conclure que la vraie solution en x = 0, 6, arrondie à 4 décimales, est 5,2989.
(b) On obtient y(0, 6) ≈ 5, 298804 avec t ol = 0, 001. Pour t ol = 0, 0001 on obtient y(0, 6) ≈ 5, 298862
et avec t ol = 0, 00001 on trouve y(0, 6) ≈ 5, 298906. Comme les deux derniers estimés, arrondis
à 4 décimales, sont identiques, on peut conclure que y(0, 6) = 5, 2989, comme on l’avait trouvé
avec la série de puissances en a). Voici le système utilisé.

y 1′ = y 2
y1 avec y 1 (0) = 4 y 2 (0) = 1
y 2′ = 1+2x 2
RÉPONSES 225

Rép. 7.11 (a) converge si −2 < x < 2. Comme x = 1 appartient à cet intervalle, on peut utiliser la série pour
faire l’estimé de la valeur.
a n+2 = 4an−12(n+2)(n+1)
−(n+1)(n+2)a n+1
ou a n = 4an−32n·(n−1)
−n·(n−1)a n−1
attention : récursion à 3 termes.
y = 2 + 3x − 23 x 2 + 17 3 5 4 11 5
12 x − 24 x − 240 x + · · ·
Avec le polynôme de degré 5, on trouve y(1) ≈ 4, 66250. Avec le polynôme-solution de degré
10 on trouve y(1) ≈ 4, 73586, avec celui de degré 20, on trouve 4, 73449 et avec celui de degré
30, on trouve également 4, 73449.
On peut conclure que la vraie solution en x = 1, arrondie à 5 décimales, est 4,73449.
(b) On obtient y(1) ≈ 4, 73492 avec t ol = 0, 001. Pour t ol = 0, 0001 on obtient y(1) ≈ 4, 73455 et
avec t ol = 0, 00001 on trouve y(1) ≈ 4, 73450. En comparant les deux derniers estimés, si on
arrondit à 4 décimales, on peut présumer que y(1) = 4, 7345. Si on prenait t ol = 0, 000001, on
trouverait y(1) ≈ 4, 73449 comme on l’avait trouvé avec la série de puissances en a).
Voici le système utilisé :

y 1′ = y 2
4x y 1 −2y 2 avec y 1 (0) = 2 y 2 (0) = 3
y 2′ = x+2

Rép. 7.12 (a) converge si 0 < x < 2. Comme x = 1, 9 appartient à cet intervalle, on peut utiliser la série
pour faire l’estimé de la valeur. Mais, étant proche de l’extrémité de la borne supérieure, la
convergence sera plus lente...
Les conditions initiales sont données en x = 1, on doit donc faire le changement de variables
v = x − 1.
a n+2 = −(n+1)(n+2)a n+1 −n·a n
(n+2)(n+1) ou a n = − n·(n−1)an·(n−1)
n−1 +(n−2)a n−2

y = 2(x − 1) − 2(x − 1)2 + 35 (x − 1)3 − 43 (x − 1)4 + 12

13
(x − 1)5 + · · ·
Avec le polynôme de degré 5, on trouve y(1, 9) ≈ 1, 15990. Avec le polynôme-solution de degré
10 on trouve y(1, 9) ≈ 0, 802022, avec celui de degré 20, on trouve 0, 871892 et avec celui de
degré 40, on trouve également 0, 886197.
En regardant ces 2 derniers résultats, on peut conclure que la vraie solution en x = 1, 9,
arrondie à 2 décimales, est probablement 0,89.
(b) Nous avons utilisé « Fin de tracé = 2 » au lieu de 1, 9 pour voir afficher des valeurs dans le
tableau Nspire pour x = 1, 9 (au lieu de undef ). Cela affecte légèrement les valeurs calculées (
par exemple, avec t ol = 0.001, on trouve 0,887483 au lieu de 0,887451)
On obtient y(1, 9) ≈ 0, 887483 avec t ol = 0, 001. Pour t ol = 0, 0001 on obtient y(1, 9) ≈ 0, 887170
et avec t ol = 0, 00001 on trouve y(1, 9) ≈ 0, 887139. En comparant les deux derniers estimés, si
on arrondit à 4 décimales, on peut conclure que y(1, 9) = 0, 8871. Si on prenait t ol = 0, 000001
ou t ol = 0, 0000001, on trouverait les 2 fois y(1, 9) = 0, 887136 une réponse précise à 6
décimales.
Pour obtenir la même précision avec la série-solution, on devrait prendre un polynôme de
degré n = 102 ou plus ! Voici le système utilisé :

y 1′ = y 2
−(1+x)y 2 avec y 1 (1) = 0 y 2 (1) = 2
y 2′ = x

(c) En posant z = y ′ on obtient l’équation dd xz + 1+x

¡ ¢
x z = 0. En résolvant cette équation linéaire
avec le facteur intégrant xe x , on trouve z · xe x = C .
−x
Utilisant la condition initiale y ′ (1) = z(1) = 2, on trouve z = y ′ = 2e e x . En intégrant ce résultat
Rx −t
de 1 à x et en utilisant la condition initiale y(1) = 0, on trouve la solution y(x) = 2e 1 e t d t .
La valeur cherchée est y(1, 9) = 0, 887136044903
226 RÉPONSES

Rép. 7.13 (a) La série converge ∀x ∈ R. On peut utiliser la série pour faire l’estimé de la valeur.
On trouve y ′′ (0) = 0, y (3) = 0, y (4) = −4, y (5) = −1, y (6) = 0, y (7) = 21, y (8) = 6, et y (9) = −1,
y = 1 + 2x − 16 x 4 − 120
1 1
x 5 + 240 1
x 7 + 6720 1
x 8 − 362880 x9 + · · ·
Avec le polynôme de degré 9, on trouve y(1) ≈ 2, 82931.
Si on utilise le polynôme-solution de degré 15 on trouve y(1) ≈ 2, 829265421, et avec celui de
degré 25, on trouve également y(1) ≈ 2, 829265421.
En regardant ces 2 derniers résultats, on peut conclure que la vraie solution en x = 1 est
2,829265421. Le polynôme de degré 9 nous donnait une réponse exacte arrondie à 4 décimales
(2,8293)
(b) On obtient y(1) ≈ 2, 82923 avec t ol = 0, 0001. Pour t ol = 0, 00001 on obtient y(1) ≈ 2, 82926. En
comparant les deux derniers estimés, on peut estimer la vraie valeur à 2,8293. Cela confirme
le résultat trouvé en a).
N’oubliez pas d’ajuster les valeurs des paramètres de la méthode, comme on l’a vu à l’exemple
7.16 de la page 139, dans la section parlant de la méthode Runge-Kutta. En particulier ici, on
doit poser la « Fin du tracé = 1 » puisqu’on veut estimer y(1).

Voici le système utilisé :

y 1′ = y 2
avec y 1 (0) = 1 y 2 (0) = 2
y 2′ = sin(x) − x · y 1

Chapitre 8
a0
Rép. 8.1 La fonction est impaire, donc 2 = 0 et a n = 0 pour tout entier n > 0.
Pour les coefficients des sinus, on trouve

0 si n est pair

−4 £ 
(−1)n − 1 =
¤
bn = 8
nπ  si n est impair
nπ
La série de Fourier sera
8 π ´ 1 3π 1 5π
· ³ µ ¶ µ ¶ ¸
SF (x) = sin x + sin x + sin x +···
π 3 3 3 5 3
RÉPONSES 227

Rép. 8.2 La hauteur moyenne de la fonction est 4, donc a20 = 4.

La fonction f (x) n’est pas impaire, mais f (x) − 4 le sera. On aura a n = 0 pour tout entier n > 0.
Bien sûr, ces 2 résultats peuvent aussi s’obtenir avec le calcul d’intégrales.
Pour les coefficients des sinus, on trouve
Z1
2
b n = 2 (2x + 3) sin(n 2π x) d x = −
0 nπ
La série de Fourier sera
2 1 1
· ¸
SF (x) = 4 − sin(2πx) + sin(4πx) + sin(6πx) + · · ·
π 2 3
et la somme partielle d’ordre 5 est

2 1 1 1 1
· ¸
SF 5 (x) = 4 − sin(2πx) + sin(4πx) + sin(6πx) + sin(8πx) + sin(10πx)
π 2 3 4 5

Rép. 8.3 La fonction n’est ni paire ni impaire.

Z8
a0 1
= x dx = 2
2 16 0

Pour les coefficients des cosinus, on trouve

Z8
1 ³ π ´
an = x cos n x d x
08 8
(
8 £ 0 si n est pair
a n = 2 2 (−1)n − 1 =
¤
−16
n π n 2 π2
si n est impair

Pour les coefficients des sinus, on trouve

Z8
1 ³ π ´
bn = x sin n x d x
8 0 8
228 RÉPONSES

−8
(
−8 £ nπ si n est pair
(−1)n =
¤
bn = 8
nπ nπ si n est impair
La série de Fourier sera
8 π ´ 1 2π 1 3π 16 ³π ´ 1 ³ π ´ 1
· ³ µ ¶ µ ¶ ¸ · ³ π ´ ¸
SF (x) = 2+ sin x − sin x + sin x + · · · − 2 cos x + cos 3 x + cos 5 x + · · ·
π 8 2 8 3 8 π 8 9 8 25 8

et la somme partielle d’ordre sera

8 π ´ 1 2π 1 3π 1 4π 1 5π
· ³ µ ¶ µ ¶ µ ¶ µ ¶¸
SF 5 (x) = 2 + sin x − sin x + sin x + sin x + sin x
π 8 2 8 3 8 4 8 5 8
16 ³π ´ 1 ³ π ´ 1
· ³ π ´¸
− 2 cos x + cos 3 x + cos 5 x
π 8 9 8 25 8

Voici le graphe de cette somme partielle

Voici le graphe de la somme partielle d’ordre 20

20 ·
8 ¡ ³ π ´ µ −8 ¶ ³ π ´¸
n n
X ¢
SF 20 (x) = 2 + (−1) − 1 cos n x + (−1) sin n x
n=1 n 2 π2 8 nπ 8
RÉPONSES 229

Rép. 8.4 Attention, la fonction de base x 2 n’est pas définie sur un intervalle centré à l’origine. La fonction
périodique ne sera pas paire.
Pour le terme constant,
a0 1 2π 2 4π2
Z
= x dx =
2 2π 0 3
Pour les coefficients des sinus, on trouve
Z2π
2 4π
bn = x 2 sin(nx) d x = −
2π 0 n
Pour les coefficients des cosinus, on trouve
2 2π 2 4
Z
an = x cos(nx) d x = 2
2π 0 n
La série de Fourier sera
4π2 1 1 1 1
· ¸ · ¸
SF (x) = − 4π sin(x) + sin(2x) + sin(3x) + · · · + 4 cos(x) + cos(2x) + cos(3x) + · · ·
3 2 3 4 9
et la somme partielle d’ordre 4 est

4π2 1 1 1 1 1 1
· ¸ · ¸
SF 4 (x) = −4π sin(x) + sin(2x) + sin(3x) + sin(4x) +4 cos(x) + cos(2x) + cos(3x) + cos(4x)
3 2 3 4 4 9 16
Voici le graphe de la somme partielle d’ordre 4 avec la fonction périodique initiale

Voici le graphe de la somme partielle d’ordre 40 avec la fonction périodique initiale

230 RÉPONSES

Rép. 8.5 La fonction périodique peut s’écrire comme suit

(
−1 − 2x −1 < x < 0
f (x) = avec f (x + 2) = f (x)
−1 + 2x 0<x <1

La hauteur moyenne de la fonction est 0, donc a20 = 0. On peut obtenir ce résultat à l’aide de
l’intégrale ·Z0 Z1
a0 1
¸
= (−1 − 2x)d x + (−1 + 2x)d x = 0
2 2 −1 0
La fonction f (x) est paire. On aura b n = 0 pour tout entier n > 0.
Pour les coefficients des cosinus, on trouve
·Z0 Z1
2 4 ¡
¸
(−1 + 2x) cos(nπx)d x = 2 2 (−1)n − 1
¢
an = (−1 − 2x) cos(nπx)d x +
2 −1 0 n π
En simplifiant, on trouve (
0 si n est pair
an =
− n 28π2 si n est impair
La série de Fourier sera
8 1 1
· ¸
SF (x) = − cos(πx) + cos(3πx) + cos(5πx) + · · ·
π2 9 25
et la somme partielle d’ordre 7 est

8 1 1 1
· ¸
SF 7 (x) = − 2 cos(πx) + cos(3πx) + cos(5πx) + cos(7πx)
π 9 25 49

Rép. 8.6 La fonction périodique peut s’écrire comme suit

(
6 − 2x 0 < x < 2
f (x) = avec f (x + 4) = f (x)
2 2<x <4

Géométriquement, on peut voir que la hauteur moyenne de la fonction est 3, donc a20 = 3. En effet,
la surface totale du rectangle plus celle du triangle donne 12 unités. En divisant par la largeur de
l’intervalle on obtient la hauteur moyenne. On peut obtenir ce résultat à l’aide de l’intégrale
·Z2 Z4
a0 1
¸
= (6 − 2x)d x + 2d x = 3
2 4 0 2

Pour les coefficients des cosinus, on trouve

·Z2 Z4
2 4 ¡
¸
π π
2 cos(n x)d x = − 2 2 (−1)n − 1
¢
an = (6 − 2x) cos(n x)d x +
4 0 2 2 2 n π
RÉPONSES 231

En simplifiant, on trouve (
0 si n est pair
an = 8
n 2 π2
si n est impair
Pour les coefficients des sinus, on trouve
·Z2 Z4
2 4
¸
π π
bn = (6 − 2x) sin(n x)d x + 2 sin(n x)d x =
4 0 2 2 2 nπ

La série de Fourier sera

8 ³π ´ 1 3π 1 5π 4 π ´ 1 1 3π
· µ ¶ µ ¶ ¸ · ³ µ ¶ ¸
SF (x) = 3+ 2 cos x + cos x + cos x +··· + sin x + sin (πx) + sin x +···
π 2 9 2 25 2 π 2 2 3 2

et la somme partielle d’ordre 6 est

8 ³π ´ 1 3π 1 5π
· µ ¶ µ ¶¸
SF 6 (x) = 3 + cos x + cos x + cos x +
π2 2 9 2 25 2
4 π ´ 1 1 3π 1 1 5π 1
· ³ µ ¶ µ ¶ ¸
sin x + sin (πx) + sin x + sin (2πx) + sin x + sin (3πx)
π 2 2 3 2 4 5 2 6

Voici le graphe de la somme partielle d’ordre 25 avec la fonction périodique initiale. On remarquera
les perturbations qui persistent aux points de sauts.
232 RÉPONSES

Rép. 8.7 La fonction n’est ni paire ni impaire. On remarque que si on descend la fonction de 2 unités g (x) =
f (x)−2, on ne change que la valeur moyenne et les intégrales seront plus simples puisque g (x) = 0
si π < x < 2π. Les calculs ci-dessous sont faits pour g (x), on ajoutera un terme constant de 2 à la fin
f (x) = g (x) + 2
a0 1 π 3
Z
= 3 sin(x) d x =
2 2π 0 π
Pour les coefficients des cosinus, on trouve
Zπ
2
an = sin(x) cos (nx) d x
2π 0
(
3 3 3 3 0 si n est impair
· ¸
n
an = − (−1) + − = 6 1
2(n + 1)π 2(n − 1)π 2(n + 1)π 2(n − 1)π − π n 2 −1 si n est pair
On voit de la réponse précédente que l’on a un problème si n = 1 (division par 0). Si on met en
mémoire de Nspire la formule intégrale pour a n , le logiciel en tient compte lors du calcul du
coefficient a 1 . Sinon, on doit faire un calcul séparé pour n = 1. Ici on trouve comme valeur que
a 1 = 0.
Pour les coefficients des sinus, on trouve

2 π
Z
bn = sin(x) sin (nx) d x
2π 0
3 3
· ¸
bn = − sin(nπ) = 0
2(n + 1)π 2(n − 1)π
On voit encore de la réponse précédente que l’on a un problème si n = 1 (division par 0). Si on
met en mémoire de Nspire la formule intégrale pour b n , le logiciel en tient compte lors du calcul
du coefficient b 1 . Sinon, on doit faire un calcul séparé pour n = 1. Ici on trouve comme valeur que
b 1 = 23 . Les autres coefficients b n sont nuls. La série de Fourier sera

3 3 6 1 1 1
· ¸
SF (x) = 2 + + sin(x) − cos(2x) + cos(4x) + cos(6x) + · · ·
π 2 π 4−1 16 − 1 36 − 1
ou après simplifications
3 3 6 1 1 1
· ¸
SF (x) = 2 + + sin(x) − cos(2x) + cos(4x) + cos(6x) + · · ·
π 2 π 3 15 35
et la somme partielle d’ordre 10 sera
3 3 6 1 1 1 1 1
· ¸
SF 10 (x) = 2 + + sin(x) − cos(2x) + cos(4x) + cos(6x) + cos(8x) + cos(10x)
π 2 π 3 15 35 63 99
Voici le graphe de cette somme partielle
RÉPONSES 233

Rép. 8.8 Si on rend paire ou impaire la fonction g (x) donnée en utilisant les principes de symétrie géomé-
trique, on obtient

Algébriquement, elle sera paire si sur [−3; 0] elle vaut g (−x) = −3x et impaire si sur [−3; 0] elle vaut
−g (−x) = −(−3x) = 3x.
(a) La fonction originale g (x) = 3x sur l’intervalle [0; π] devient paire et périodique, si on pose
(
3x 0<x <π
f (x) = avec f (x + 2π) = f (x)
−3x −π < x < 0
Comme indiqué au tableau résumé des prolongements périodiques pair ou impair, à la page
186, on peut calculer les coefficients de la série de Fourier en utilisant seulement la fonction
originale g (x) = 3x sur [0; π] et les intégrales pourront se faire sur cet intervalle même si la
période est P = 2π
a0 1 π 3π
Z
= 3x d x =
2 π 0 2
Pour les coefficients a n , on trouve
2 π 6 (cos(nπ) + nπ sin(nπ) − 1) 6 (cos(nπ) − 1)
Z
an = 3x cos(nx) d x = =
π 0 n2π n2π
puisque sin(nπ) = 0 pour n entier. De plus cos(nπ) vaut 1 si n est pair et -1 si n est impair

¤  0 si n est pair

6 £ n
⇒ a n = 2 (−1) − 1 =
n π  −12 si n est impair
n2π
La série de Fourier sera
3π 12 1 1
· ¸
SF (x) = − cos (x) + cos (3x) + cos (5x) + · · ·
2 π 9 25
Avec Nspire, après simplifications, on trouve
3π 12 4 12
SF (x) = − cos (x) − cos (3x) − cos (5x) + · · ·
2 π 3π 25π
Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en cos(5x),
avec la fonction périodique de ce prolongement pair
234 RÉPONSES

(b) On a vu au début de la solution que la fonction originale g (x) = 3x devient impaire en la

prolongeant simplement sur l’intervalle [−π; 0].La fonction originale g (x) = 3x sur l’intervalle
[0; π] devient impaire et périodique, si on pose

f (x) = 3x , −π < x < π avec f (x + 2π) = f (x)

Comme indiqué au tableau résumé des prolongements périodiques pair ou impair, à la page
186, on peut calculer les coefficients de la série de Fourier en utilisant seulement la fonction
originale g (x) = 3x sur [0; π] et l’intégrale peut se faire sur cet intervalle même si la période est
P = 2π
Pour les coefficients b n , on trouve

2 π −6 (nπ cos(nπ) − sin(nπ)) −6 (cos(nπ))

Z
bn = 3x sin(nx) d x = =
π 0 n2π n

puisque sin(nπ) = 0 pour n entier. De plus cos(nπ) vaut 1 si n est pair et -1 si n est impair
( −6
6 n n si n est pair
⇒ b n = − (−1) = 6
n n si n est impair

La série de Fourier sera

1 1 1 1
· ¸
SF (x) = 6 sin (x) − sin (2x) + sin (3x) − sin (4x) + sin (5x) + · · ·
2 3 4 5

Avec Nspire, après simplifications, on trouve

3 6
SF (x) = 6 sin (x) − 3 sin (2x) + 2 sin (3x) − sin(4x) + sin(5x) + · · ·
2 5
Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en sin(5x),
avec la fonction périodique de ce prolongement impair

Rép. 8.9 Si on rend paire la fonction g (x) donnée en utilisant les principes de symétrie géométrique, on
obtient
RÉPONSES 235

La fonction originale g (x) sur l’intervalle [0; π] devient paire et périodique, si on pose
2x π
 2− π 2 <x <π


f (x) = 1 π
− 2 < x < π2 avec f (x + 2π) = f (x)
2 + 2x

−π < x < − π2

π

Déterminer complètement la fonction précédente n’est nécessaire que pour produire le graphe de
la fonction périodique. Avec les formules du résumé, à la page 186, on peut calculer les coefficients
de la série de Fourier en utilisant seulement la fonction originale g (x) sur [0; π]. Il faudra cependant
2 intégrales par coefficient puisque la fonction est en 2 morceaux sur l’intervalle [0; π].
µZπ/2 Zπ µ
a0 1 2x 3
¶ ¶
= 1dx + 2− dx =
2 π 0 π/2 π 4

Pour les coefficients a n , on trouve

4 cos(n π2 ) − cos(nπ)
µZπ/2 Zπ ·µ ¡ ¢
2 2x
¶ ¶¸
an = cos(n x) d x + 2− cos(n x) d x =
π 0 π/2 π n 2 π2

Plus difficile ici de simplifier ce résultat. Si n est impair, on a a n = n 24π2 . Si n est un multiple de 4,
on a a n = 0 et si n est un multiple de 2 mais pas de 4, on a a n = n−82 π2 . La série de Fourier sera

3 4 2 4 4
SF (x) = + 2 cos(x) − 2 cos(2x) + 2 cos(3x) + cos(5x) + · · ·
4 π π 9π 25π2
Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en cos(5x), avec
la fonction périodique de ce prolongement pair

Rép. 8.10 Si on rend impaire la fonction g (x) donnée en utilisant les principes de symétrie géométrique, on
obtient

La fonction originale g (x) sur l’intervalle [0; 1] devient impaire et périodique, si on pose

f (x) = −x , −1 < x < 1 avec f (x + 2) = f (x) la période est P = 2

236 RÉPONSES

Avec les formules du résumé, à la page 186, on trouvera pour b n

Z1
2 (nπ cos(nπ) − sin(nπ))
bn = 2 −x sin(nπx) d x =
0 n 2 π2
n
Pour n entier, sin(nπ) = 0 et cos(nπ) = (−1)n . On a donc b n = 2(−1)
nπ . La série de Fourier sera

1 1 1 1
· ¸
−2
SF (x) = sin (πx) − sin (2πx) + sin (3πx) − sin (4πx) + sin (5πx) + · · ·
π 2 3 4 5
Avec Nspire, après simplifications, on trouve
−2 1 2 1 2
SF (x) = sin (πx) + sin (2πx) − sin (3πx) + sin(4πx) − sin(5πx) + · · ·
π π 3π 2π 5π
Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en sin(5x), avec la
fonction périodique de ce prolongement impair

Rép. 8.11 Si on rend paire la fonction g (x) donnée en utilisant les principes de symétrie géométrique, on
obtient

La fonction originale g (x) sur l’intervalle [0; 2] devient paire et périodique, si on pose

f (x) = x 2 , −2 < x < 2 avec

f (x + 4) = f (x) la période est P = 4
Z2
a0 1 4
= x2 d x =
2 2 0 3
2 2³ 2 8 2nπ cos(nπ) + n 2 π2 − 2 sin(nπ)
¡ ¡ ¢ ¢
Z ³ π ´´
an = x cos n x d x =
2 0 2 n 3 π3
Comme sin(nπ) = 0 si n est entier, on peut simplifier
16(−1)n
an =
n 2 π2
La série de Fourier sera
4 16 ³π ´ 1 2π 1 ³ π ´ 1 ³ π ´ 1
µ µ ¶ ³ π ´ ¶
SF (x) = + 2 − cos x + cos x − cos 3 x + cos 4 x − cos 5 x + · · ·
3 π 2 4 2 9 2 16 2 25 2
RÉPONSES 237

Avec Nspire, après simplifications, on trouve

4 16 ³π ´ 4 16 ³ π ´ 16 ³ π ´
SF (x) = − 2 cos x + 2 cos (πx) − 2 cos 3 x + cos (2πx) − cos 5 x +···
3 π 2 π 9π 2 25π2 2

Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en cos(5 π2 x), avec
la fonction périodique de ce prolongement pair

Rép. 8.12 Si on rend paire ou impaire la fonction g (x) donnée en utilisant les principes de symétrie géomé-
trique, on obtient

Algébriquement, elle sera paire si sur [−1; 0] elle vaut g (−x) = −2x + 1 et impaire si sur [−1; 0] elle
vaut −g (−x) = −(−2x + 1) = 2x − 1.

(a) La fonction originale g (x) = 2x + 1 sur l’intervalle [0; 1] devient paire et périodique, si on pose
(
2x + 1 0<x <1
f (x) = avec f (x + 2) = f (x)
−2x + 1 −1 < x < 0

Avec les formules de la page 186, on peut calculer les coefficients de la série de Fourier en
utilisant seulement la fonction originale g (x) = 2x + 1 sur [0; 1] et les intégrales pourront se
faire sur cet intervalle même si la période est P = 2
Z1
a0
= (2x + 1) d x = 2
2 0

Pour les coefficients a n , on trouve

Z1
2 (2 cos(nπ) + 3nπ sin(nπ) − 2) 4 (cos(nπ) − 1)
an = 2 ((2x + 1) cos(nπx)) d x = =
0 n 2 π2 n 2 π2

puisque sin(nπ) = 0 pour n entier. De plus cos(nπ) vaut 1 si n est pair et -1 si n est impair

0 si n est pair

4 £ 
a n = 2 2 (−1)n − 1 =
¤
⇒ −8
n π  si n est impair
n 2 π2
238 RÉPONSES

La série de Fourier sera

8 1 1
· ¸
SF (x) = 2 − cos (πx) + cos (3πx) + cos (5πx) + · · ·
π2 9 25
Avec Nspire, après simplifications, on trouve
8 8 8
SF (x) = 2 − cos (πx) − 2 cos (3πx) − cos (5πx) + · · ·
π2 9π 25π2
Voici le graphe de la somme partielle d’ordre 5, obtenu en arrêtant avec le terme en cos(5πx),
avec la fonction périodique de ce prolongement pair

(b) La fonction originale g (x) = 2x + 1 sur l’intervalle [0; 1] devient impaire et périodique, si on
pose (
2x + 1 0<x <1
f (x) = avec f (x + 2) = f (x)
2x − 1 −1 < x < 0
Avec les formules de la page 186, on peut calculer les coefficients de la série de Fourier en
utilisant seulement la fonction originale g (x) = 2x + 1 sur [0; 1] et les intégrales pourront se
faire sur cet intervalle même si la période est P = 2 Les coefficients a 0 et a n sont nuls puisque
l’ont fait un prolongement impair. Pour les coefficients b n , on trouve
Z1
−2 (3nπ cos(nπ) − 2 sin(nπ) − nπ) −2 (3 cos(nπ) − 1)
b n = 2 ((2x + 1) sin(nπx)) d x = =
0 n 2 π2 nπ
puisque sin(nπ) = 0 pour n entier. De plus cos(nπ) vaut 1 si n est pair et -1 si n est impair
( −4
−2 £ n
¤ nπ si n est pair
⇒ an = 3(−1) − 1 = 8
nπ nπ si n est impair

La série de Fourier sera

8 1 1 1
· ¸
SF (x) = sin (πx) + sin (3πx) + sin (5πx) + sin (7πx) · · ·
π 3 5 7
4 1 1 1 1
· ¸
− sin (2πx) + sin (4πx) + sin (6πx) + sin (8πx) + · · ·
π 2 4 6 8

Avec Nspire, après simplifications, on trouve

8 2 8 1
SF (x) = sin (πx) − sin (2πx) + sin (3πx) − sin (4πx)
π π 3π π
8 2 8 1
+ sin (5πx) − sin (6πx) + sin (7πx) − sin (8πx) · · ·
5π 3π 7π 2π
Voici le graphe de la somme partielle d’ordre 8, obtenu en arrêtant avec le terme en sin(8πx),
avec la fonction périodique de ce prolongement impair
RÉPONSES 239

Rép. 8.13 Si on rend paire ou impaire la fonction g (x) donnée en utilisant les principes de symétrie géomé-
trique, on obtient

Algébriquement, elle sera paire si sur [−2; 0] elle vaut g (−x) = −2x − x 2 et impaire si sur [−2; 0] elle
vaut −g (−x) = 2x + x 2 .
(a) La fonction originale g (x) = 2x −x 2 sur l’intervalle [0; 2] devient paire et périodique, si on pose

2x − x 2
(
0<x <2
f (x) = 2
avec f (x + 4) = f (x)
−2x − x −2 < x < 0

Avec les formules de la page 186, on peut calculer les coefficients de la série de Fourier en
utilisant seulement la fonction originale g (x) = 2x − x 2 sur [0; 2] et les intégrales pourront se
faire sur cet intervalle même si la période est P = 4
Z2
a0 2
= (2x − x 2 ) d x =
2 0 3
Pour les coefficients a n , on trouve
Z1
π −8 (nπ cos(nπ) − 2 sin(nπ) + nπ)
an = ((2x − x 2 ) cos(n x)) d x =
0 2 n 3 π3
Puisque sin(nπ) = 0 pour n entier et que cos(nπ) vaut 1 si n est pair et -1 si n est impair

− n16
(
2 π2 si n est pair
⇒ an =
0 si n est impair

La série de Fourier sera

2 16 1 1 1
· ¸
SF (x) = − 2 cos (πx) + cos (2πx) + cos (3πx) + · · ·
3 π 4 16 36
Avec Nspire, après simplifications, on trouve
2 4 1 4
SF (x) = − 2 cos (πx) − 2 cos (2πx) − 2 cos (3πx) + · · ·
3 π π 9π
Voici le graphe de la somme partielle d’ordre 6, obtenu en arrêtant avec le terme en cos(3πx),
avec la fonction périodique de ce prolongement pair
240 RÉPONSES

(b) La fonction originale g (x) = 2x − x 2 sur l’intervalle [0; 2] devient impaire et périodique, si on
pose
2x − x 2
(
0<x <2
f (x) = 2
avec f (x + 4) = f (x)
2x + x −2 < x < 0
Avec les formules de la page 186, on peut calculer les coefficients de la série de Fourier en
utilisant seulement la fonction originale g (x) = 2x + 1 sur [0; 1] et les intégrales pourront se
faire sur cet intervalle même si la période est P = 2 Les coefficients a 0 et a n sont nuls puisque
l’ont fait un prolongement impair. Pour les coefficients b n , on trouve

16(−1)n
Z2
π 16
bn = 2 ((2x − x 2 ) sin(n x)) d x = 3 3 −
0 2 n π n 3 π3
(
−16 £ n
¤ 0 si n est pair
⇒ b n = 3 3 (−1) − 1 = 32
n π n 3 π3
si n est impair

La série de Fourier sera

32 π ´ 1 1
· ³ ³ π ´ ³ π ´ ¸
SF (x) = sin x + sin 3 x + sin 5 x + · · ·
π3 2 27 2 125 2
Avec Nspire, après simplifications, on trouve

32 ³π ´ 32 ³ π ´ 32 ³ π ´
SF (x) = sin x + sin 3 x + sin 5 x +···
π3 2 27π3 2 125π3 2

Voici le graphe de la somme partielle d’ordre 6, obtenu en arrêtant avec le terme en sin(5 π2 x),
avec la fonction périodique de ce prolongement impair

Rép. 8.14 La fonction originale g (x) = 2 sur l’intervalle [0; 2] devient impaire et périodique, si on pose
(
2 0<x <2
f (x) = avec f (x + 4) = f (x)
−2 −2 < x < 0
RÉPONSES 241

La série de Fourier sera

8 π ´ 1 3π 1 5π 1 7π
· ³ µ ¶ µ ¶ µ ¶ ¸
SF (x) = sin x + sin x + sin x + sin x +···
π 2 3 2 5 2 7 2

Avec Nspire, après simplifications, on trouve

8 ³π ´ 8 3π 8 5π 8 7π
µ ¶ µ ¶ µ ¶
SF (x) = sin x + sin x + sin x + sin x +···
π 2 3π 2 5π 2 7π 2

Voici le graphe de la somme partielle d’ordre 8, obtenu en arrêtant avec le terme en sin(7 π2 x), avec
la fonction périodique de ce prolongement impair

Rép. 8.15 La fonction originale g (x) sur l’intervalle [0; 2] devient paire et périodique, si on pose

 0 1<x <2


f (x) = 1 −1 < x < 1 avec f (x + 4) = f (x)

0 −2 < x < −1


La série de Fourier sera

1 2 ³π ´ 1 3π 1 5π 1 7π
· µ ¶ µ ¶ µ ¶ ¸
SF (x) = + cos x − cos x + cos x − cos x +···
2 π 2 3 2 5 2 7 2

Voici le graphe de la somme partielle d’ordre 8, obtenu en arrêtant avec le terme en cos( 7π
2 x), avec
la fonction périodique de ce prolongement pair

Rép. 8.16
1 4 1 1
· ¸
f (x) = − 2 cos(πx) + 2 cos(3πx) + 2 cos(5πx) + · · ·
2 π 3 5
242 RÉPONSES

Rép. 8.17
3 6 π ´ 1 3π 1 5π 1 7π
· ³ µ ¶ µ ¶ µ ¶ ¸
f (x) = + sin x + sin x + sin x + sin x +···
2 π 2 3 2 5 2 7 2
Rép. 8.18
2 1 1 1
· ¸
f (x) = 4 − sin(2πx) + sin(4πx) + sin(6πx) + sin(8πx) + · · ·
π 2 3 4
Rép. 8.19
3 3 6 1 1 1
· ¸
f (x) = 2 + + sin(x) − cos(2x) + cos(4x) + cos(6x) + · · ·
π 2 π 3 15 35
Rép. 8.20 Si on rend impaire la fonction h(x) donnée en utilisant les principes de symétrie géométrique et
qu’on nomme f (x) le prolongement périodique, on obtient

On doit ensuite poser g (x) = − f (x) pour obtenir l’équivalent de la formule T 4 de la table. La série
de Fourier sera
1 1 1
· ¸
−2
f (x) = sin (πx) − sin (2πx) + sin (3πx) − sin (4πx) + · · ·
π 2 3 4

Rép. 8.21 Si on rend paire la fonction h(x) donnée en utilisant les principes de symétrie géométrique et qu’on
nomme f (x) le prolongement périodique, on obtient

On constate que f (x) est l’équivalent de la formule T 9 de la table. La série de Fourier sera

4 16 ³π ´ 1 1 3π 1
µ µ ¶ ¶
f (x) = − 2 cos x − 2 cos (πx) + 2 cos x − 2 cos (2πx) + · · ·
3 π 2 2 3 2 4

Rép. 8.22
8 1 1
· ¸
f (x) = 2 − 2 cos (πx) + 2 cos (3πx) + 2 cos (5πx) + · · ·
π 3 5
Rép. 8.23
1 2 ³π ´ 1 3π 1 5π 1 7π
· µ ¶ µ ¶ µ ¶ ¸
f (x) = + cos x − cos x + cos x − cos x +···
2 π 2 3 2 5 2 7 2
Bibliographie

[1] Kreyszig, Erwin: Advanced Engineering Mathematics. Wiley, Upper Sadle River, NJ, 9e édition,
2006.
[2] Boyce, William E. et Richard C. DiPrima: Équations différentielles. Chenelière/McGraw-Hill,
Montréal and Toronto, 2002.
[3] Mathews, John H. et Kurtis D. Fink: Numerical Methods using Matlab. Pearson, 4e édition, 2004.
[4] Shampine, L. F.: Numerical Solutions of Ordinary Differential Equations. Chapman & Hall, 1994.
[5] Boyce, William E. et Richard C. DiPrima: Elementary Differential Equations and Boundary Value
Problems. Wiley, 7e édition, 2001.
[6] Nagle, R. Kent, Edward B. Saff et A. D. Snider: Fundamentals of Differential Equations and
Boundary Value Problems. Addison-Wesley, Boston, MA, 2012.
[7] Boyce, William E. et Richard C. DiPrima: Elementary Differential Equations. Wiley, 9e édition,
2009.
[8] Nagle, R. Kent et Edward B. Saff: Fundamentals of Differential Equations. Addison-Wesley,
3e édition, 2012.
[9] Edwards, C. Henry et David E. Penney: Differential Equations and Boundary Value Problems
(computing and modeling). Prentice Hall, Upper Sadle River, NJ, 2000.

243
Index

annexes, 193
combinaison sinus-cosinus, 205
formulaire algèbre-trigo, 193
fractions partielles, 201

calculatrice TI-Nspire
sites Web d’aide à l’utilisation, vi

LATEX, vi

Séries de Fourier
table, 208

table
formulaire algèbre-trigo, 195
Transformée de Laplace
de la dérivée, 18
fonction échelon-unité, 31
fonction delta de Dirac, 39
fractions partielles, 24
table, 2, 197
théorème d’existence, 11
transformée inverse, 20
translation sur s, 15

245