Professional Documents
Culture Documents
David Boilley 1
Normandie Université et GANIL
Niveau Licence 2
Année 2013 - 2014
1 Calculs d’incertitude 3
1.1 Quand le résultat de mesure est une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Valeur moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Variance et écart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.4 Variance et écart-type de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.5 Estimateur de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.6 La distribution gaussienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Calcul de l’incertitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Estimation de type A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Estimation de type B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 Loi de composition des incertitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.4 Exemple d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Exercices : entraı̂nement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.6 Astuce de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Ecriture et règles d’arrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Ecriture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 Arrondi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 Facteur d’élargissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 Ecriture du résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.2 Période . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.3 pH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.4 Remplissage d’une burette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.5 Mesure du diamètre de la Lune . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Régression linéaire par la méthode des moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.1 Moyenne pondérée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.2 Méthode des moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 Intégrales multiples 19
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Eléments de volume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 Elément de volume en coordonnées cartésiennes . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.2 Elément de volume en coordonnées cylindriques . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.3 Elément de volume en coordonnées sphériques . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Application aux calculs des surfaces et volumes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Exemple de calcul d’un volume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Rappel sur les différents systèmes de coordonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.1 Eléments de volume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.2 Autres découpages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1
2.5 Calcul de la position du centre de masse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.1 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Calculs de moments d’inertie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6.3 Astuce de calcul classique pour le moment d’inertie d’une sphère homogène . . . . . . . . 24
2.7 Changements de variables dans une intégrale multiple . . . . . . . . . . . . . . . . . . . . . . . . 24
2.7.1 Exemple avec une intégrale double . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.7.2 Méthode dans le cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.7.3 Exercice facultatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2
Chapitre 1
Calculs d’incertitude
La mesure étant une étape essentielle de toute démarche scientifique, il est important de pouvoir évaluer
sa qualité. Depuis les années 1970, l’évaluation de l’incertitude fait l’objet d’un travail de normalisation inter-
national à l’instar de ce qui a été fait pour les unités de mesure. La méthode présentée ici est celle qui doit
être utilisée par tous, dans tous les pays. Le Guide pour l’expression de l’incertitude de mesure, communément
appelé le GUM, peut être téléchargé gratuitement sur le site Internet du Bureau International des Poids et
Mesures (http ://www.bipm.org/fr/publications/guides/). Il a été repris sous forme de norme européenne et
donc française sous la référence NF ENV 13005 en 1999. Ce travail de normalisation n’est pas fini puisque trois
suppléments ont été publiés depuis, le dernier datant de 2012. D’autres sont en cours de préparation.
Mais avant de commencer, une petite précision linguistique : le vocabulaire international de métrologie (VIM,
disponible en ligne avec le GUM) précise que le mot mesure a, dans la langue française courante, plusieurs
significations. Aussi n’est-il pas employé seul dans le présent vocabulaire. C’est également la raison pour laquelle
le mot mesurage a été introduit pour qualifier l’action de mesurer. Le mot mesure intervient cependant
à de nombreuses reprises pour former des termes de ce Vocabulaire, suivant en cela l’usage courant et sans
ambiguı̈té. On peut citer par exemple : instrument de mesure, appareil de mesure, unité de mesure, méthode de
mesure .
3
Figure 1.1 – Histogramme des effectifs des valeurs issues d’une série de mesurages (figure tirée de M. Neuilly)
Le choix généralement retenu, et l’on verra que c’est le plus pertinent, c’est de prendre la moyenne des
résultats obtenus.
n
X xi
x̄ = . (1.1)
i=1
n
Il n’y a là rien de bien nouveau. Il n’est donc pas nécessaire de s’étendre plus.
n
X (xi − x̄)2
1 2
s2 (x̄) = s (x) = . (1.3)
n i=1
n(n − 1)
4
Pour bien comprendre la différence, s(x) est l’écart-type obtenu quand on choisit une valeur particulière au
hasard et s(x̄) celui que l’on obtient quand on choisit la valeur moyenne.
On peut aussi prendre l’exemple des notes de bac pour comprendre. Si l’on regarde toutes les notes sur une
épreuve donnée, elles vont de 0 à 20. En revanche, si l’on regarde la moyenne obtenue par une classe, elle sera
plus proche de 10. Il est peu probable qu’une classe ait une moyenne proche de 0 ou 20.
Ainsi, la distribution des moyennes est plus étroite. D’où l’intérêt de choisir la moyenne comme résultat
final.
Dans la suite il faut bien faire attention au choix de la formule à utiliser en fonction du contexte. Prenons
le cas d’un fabricant de matériel de mesure qui fait faire une étude statistique sur les instruments qui sortent
de son usine. C’est s(x) qu’il doit spécifier à ses clients qui n’achètent qu’un instrument. En revanche, si en TP
vous multiplier les mesurages et choisissez la valeur moyenne comme résultat, c’est alors s(x̄) qu’il faut choisir.
Table 1.1 – Incertitude relative sur l’estimateur de l’écart-type de la moyenne en fonction du nombre d’obser-
vations.
On voit immédiatement que l’estimation de l’écart-type de la moyenne est très mauvaise si le nombre
d’observations est faible. Pour n plus petit que 10, on gagne beaucoup en faisant un mesurage supplémentaire.
Au-delà, il faut un grand nombre de répétitions pour faire baisser de façon significative l’incertitude relative sur
l’estimation de l’écart-type.
5
La fonction de distribution de probabilité que l’on rencontre le plus souvent est appelée distribution gaus-
sienne [gaussian distribution] ou distribution normale [normal distribution]. Ainsi, la probabilité de mesurer une
valeur donnée dans l’intervalle compris entre x et x + dx est f (x) dx avec
(x − µ)2
1
f (x) = √ exp − , (1.4)
2πσ 2σ 2
Cette fonction de distribution de probabilité est bien normalisée à un. Si l’on fait la somme sur toutes les
possibilités, Z ∞
f (x) dx = 1. (1.5)
−∞
Le calcul n’est pas immédiat et sera fait en exercice dans le dernier chapitre de ce cours.
Si la courbe de distribution suit une loi normale, il est possible de connaı̂tre la probabilité d’obtenir une
valeur dans un intervalle donné en fonction de σ, voir figure 1.3. Par exemple, pour calculer la probabilité de
trouver une valeur comprise dans l’intervalle [µ − σ, µ + σ], il faut additionner toutes les probabilités de chaque
sous-intervalle élémentaire [x, x + dx[ entre µ − σ et µ + σ, ce qui revient à calculer la somme suivante,
Z µ+σ
f (x) dx = 0, 68. (1.6)
µ−σ
Le calcul de l’intégrale ne peut pas être fait analytiquement. Il faut donc admettre le résultat.
Ainsi, sur la figure 1.3, le cas a correspond à l’intervalle [µ − σ, µ + σ] et inclut 68,26% des résultats. Les
valeurs avec ±2σ et ±3σ englobent respectivement 95,44% et 99,73% des valeurs. 99% correspond à ±2, 58σ.
La largeur à mi-hauteur [full width at half maximum, FWHM] est parfois utilisée et vaut F W HM = 2, 36σ.
Dans la suite, c’est l’écart-type σ qui va servir à quantifier l’incertitude. A l’aide des propriétés de la fonction
gaussienne, on peut en déduire la confiance, en terme de probabilité, que l’on a dans un résultat donné avec son
6
Figure 1.3 – Représentation de la distribution normale ou gaussienne et de la proportion d’événements inclus
dans l’intervalle pour différentes valeurs du facteur d’élargissement k. La valeur moyenne a été fixée à 0 ici.
incertitude. Si l’on veut être sûr d’englober toutes les valeurs possibles, on choisira ±kσ pour l’incertitude avec
k = 2 ou 3 par exemple, en précisant bien le facteur d’élargissement k retenu. En pratique, c’est très souvent
k = 2 qui est utilisé.
Les notes de bac de l’exemple précédent sont bien réparties sur tout l’intervalle [0, 20], mais les moyennes
de chaque classe sont, quant à elles, réparties suivant une distribution proche de la distribution gaussienne.
Mais attention, cette courbe gaussienne correspond à un cas idéal où l’on a fait un très grand nombre de
mesurages. Quand on n’a qu’un petit nombre, l’écart-type estimé n’est, lui-même, pas très sûr. Si l’on veut
englober par exemple 95% des valeurs, il faudra donc choisir un facteur d’élargissement, k, plus grand que 2.
Quelle valeur prendre alors pour k ? Le GUM recommande d’utiliser une autre loi que la gaussienne, appelée
loi de Student qui est très complexe. Dans la pratique, on utilise plutôt des valeurs tabulées dans la table de
Student. On y reviendra.
1.1.7 Exercices
Etude statistique 1
Suite à une série de mesurages, on obtient le tableau de valeurs suivant :
n 1 2 3 4 5 6 7 8 9 10
m (g) 2 827 2 828 2 826 2 829 2 825 2 827 2 824 2 829 2 830 2 825
Calculer
1. la moyenne,
2. la variance,
3. l’écart-type,
4. l’écart-type de la moyenne.
Etude statistique 2
Votre calculatrice a sûrement un générateur de nombres aléatoires qui tire, au hasard, des nombres uni-
formément répartis entre 0 et 1 (touche RAN).
Tirer au hasard une centaine de nombres et mettre un bâtonnet dans l’un des 10 intervalles de largeur 0,1
compris entre 0 et 1 :
0-0,1 0,1-0,2 0,2-0,3 0,3-0,4 0,4-0,5 0,5-0,6 0,6-0,7 0,7-0,8 0,8-0,9 0,9-1
n
nmoy
Vérifier que la distribution obtenue est bien uniforme.
Calculer la moyenne de 10 valeurs aléatoires successives. Mettre un bâtonnet dans la case concernée du
tableau ci-dessus. Recommencer l’opération une dizaine de fois minimum. Que peut-on dire de la distribution
obtenue ?
7
Loi gaussienne
Calculer f (µ ± σ)/f (µ), f (µ ± 2σ)/f (µ) et f (µ ± 3σ)/f (µ) et les placer sur un graphe. En déduire l’allure
de la courbe représentant la gaussienne.
Exercice : Montrer, en développant le carré de la formule (1.7), que l’on retrouve bien la formule (1.8).
Cette estimation de type A ne contient pas toute l’incertitude. Reprenons l’exemple de la longueur de la
table. Si chaque mesurage est fait avec le même mètre, l’incertitude sur l’instrument de mesure n’est pas incluse.
En revanche, si l’on change de mètre à chaque fois, elle l’est. Dans le premier cas, il faut l’ajouter en prenant
en compte les indications du fabricant de l’instrument de mesure.
8
On peut imaginer aussi que vous mesurez la longueur de la table avec un instrument grossier gradué en
centimètres. Il ne sert à rien de multiplier les mesurages car on trouvera toujours le même résultat. Dans ce cas
aussi, il faut trouver une autre méthode pour estimer l’incertitude absolue.
Pour cela, nous avons simplement estimé la moyenne pour chaque valeur x de l’intervalle pondérée par sa
probabilité P (x) dx qui se trouve être constante dans cet exemple. Le résultat obtenu n’est pas une surprise.
La variance, quant à elle, peut être évaluée de la même façon :
Rb
2 (x − x̄)2 P (x) dx (b − a)2
u = a Rb = ... = . (1.10)
P (x) dx 12
a
Si l’on note que la longueur de l’intervalle [a, b] est 2d = b − a, le résultat précédent devient alors
d2
u2 = . (1.11)
3
Evidemment, il ne faut pas oublier de prendre la racine pour revenir à l’incertitude correspondante.
Les normes internationales de chimie préconisent de prendre une distribution triangulaire quand on travaille
avec du matériel de classe A équipé d’une bande photophore, afin de donner plus de poids à la valeur nominale.
Dans ce cas, l’incertitude de lecture est
d
u= √ , (1.12)
6
si le triangle a une base de longueur 2d. Le calcul est un peu plus long que pour la distribution rectangulaire,
mais pas beaucoup plus difficile.
9
Le GUM liste de nombreux autres cas. D’une manière générale, l’espérance et la variance sont évaluées à
partir des lois de distribution choisies par
R∞ R∞
−∞
x P (x) dx (x − m)2 P (x) dx
m = R∞ et u = −∞R ∞
2
. (1.13)
−∞
P (x) dx −∞
P (x) dx
∂f ∂f
dy = dx1 + dx2 , (1.14)
∂x1 ∂x2
on en déduit, pour un petit écart par rapport la moyenne,
∂f ∂f
y − ȳ ' (x1 − x̄1 ) + (x2 − x̄2 ). (1.15)
∂x1 ∂x2
En élevant au carré et en prenant la moyenne, on obtient finalement la variance
2 2
∂f ∂f
u2 (y) = u2 (x1 ) + u2 (x2 ) (1.16)
∂x1 ∂x2
Pour ce faire, nous avons supposé que les deux grandeurs d’entrée ne sont pas corrélées et que la moyenne sur
le terme croisé (x1 − x̄1 )(x2 − x̄2 ) est nulle. Ce n’est pas toujours le cas et la formule donnée dans le GUM est
plus complexe. Nous nous limiterons ici à des grandeurs d’entrée indépendantes mesurées avec des instruments
de mesure différents.
Ce résultat est facilement généralisable à N grandeurs d’entrée indépendantes xi . Si y = f (x1 , . . . , xN ),
alors,
2 2 N 2
∂f ∂f X ∂f
u2 (y) = u2 (x1 ) + . . . + u2 (xN ) = u2 (xi ). (1.17)
∂x1 ∂xN i=1
∂xi
Il s’agit d’une version simplifiée de la loi de propagation de l’incertitude qui n’est valable que si les grandeurs
d’entrée sont indépendantes entre elles. On ne distingue pas ici les incertitudes de type A et celles de type B
qui sont traitées de la même façon. Les incertitudes des grandeurs d’entrée ont été notées u(xi ) par commodité.
Ce pourrait être s(x̄i ).
u2 (V ) V 2 2
u2 (R) = + 4 u (I), (1.19)
I2 I
10
ou en relatif, r
u(R) u2 (V ) u2 (I)
= + . (1.20)
R V2 I2
Comparons cette méthode à la méthode traditionnelle qui utilise la différentielle logarithmique,
dR dV dI
= − , (1.21)
R V I
pour encadrer l’incertitude en considérant le cas le plus pessimiste,
∆R ∆V ∆I
= + . (1.22)
R V I
Une simple application numérique supposant que V et I sont connues à 10% près, donne
∆R u(R)
= 20% et = 14%. (1.23)
R R
Cette différence de résultats s’explique par la différence de philosophie de chacune des approches. Si V et I sont
tous les deux trop grands, les incertitudes se compensent et R sera plus proche de la valeur vraie. De même s’ils
sont tous les deux trop petits. Cette situation est bien prise en compte dans l’approche basée sur les statistiques,
mais pas dans celle pessimiste avec les valeurs absolues où l’on suppose que les erreurs ne peuvent que s’ajouter
et jamais se compenser.
Dans l’ancienne méthode, il s’agit d’encadrer une valeur en étant pessimiste, alors que dans la nouvelle, il
s’agit plutôt d’estimer une dispersion des valeurs qui pourraient être raisonnablement attribuées au mesurande
pour ensuite attribuer un degré de confiance au résultat.
Exercice : Reprendre les trois derniers cas de l’exercice précédent avec cette méthode.
11
1.3 Ecriture et règles d’arrondi
Le résultat d’un mesurage doit être exprimé de façon à ce qu’il n’y ait aucune ambiguı̈té pour le lecteur.
Autrement, il ne pourra pas l’utiliser. Il existe donc tout un ensemble de règles.
Pour être utile, le résultat du mesurage doit être accompagné de la description précise du mesurande, qui
est, d’après le VIM, une grandeur particulière soumise à mesurage . Dire que l’on a mesuré une température
ne veut rien dire. La température de quoi ? La température de la pièce, mais où, à quelle heure ? Si l’on précise
qu’il s’agit de la température moyenne de la pièce unetelle en son centre sur une journée à partir d’un mesurage
effectué toutes les heures tel jour de l’année et que l’on ajoute les conditions météorologiques par exemple,
le résultat exprimé aura beaucoup plus de sens pour l’utilisateur. En principe, le mesurande ne peut être
complêtement décrit qu’avec une quantité infinie d’informations. Les lacunes en information peuvent parfois
introduire une composante dans l’incertitude d’un mesurage.
1.3.1 Ecriture
Les unités sont, bien entendu, celles du SI. Une petite règle grammaticale mérite d’être signalée : il est
interdit d’utiliser des symboles après des nombres écrits en toutes lettres. Exemple : cinq m est interdit, on
écrit cinq mètres ou 5 m . Avec les bars, cela donne, 5 bar ou cinq bars . Dans le premier cas, il
s’agit du symbole qui est invariant et dans le deuxième, du nom que l’on accorde.
L’écriture des nombres est aussi normalisée afin d’éviter toute ambiguı̈té. Pour faciliter la lecture, les nombres
sont écrits par tranche de trois chiffres séparés par un espace, mais jamais par une virgule ou un point. Les
années, millésimes font exception à cette règle. En revanche, la virgule est obligatoire pour séparer la partie
entière de la partie décimale, et non pas le point. Exemple : 1 234 567,890 123.
1.3.2 Arrondi
Les valeurs numériques ne doivent pas être données avec un nombre excessif de chiffres. Pour l’incertitude
type ou élargie, deux chiffres significatifs suffisent. Pour la valeur numérique du résultat, le dernier chiffre à
retenir est celui qui a la même position que le deuxième chiffre significatif dans l’expression de l’incertitude.
L’arrondissage consiste à remplacer un nombre par un autre nombre appelé arrondi choisi comme étant le
multiple entier le plus proche du nombre donné.
Exemple 1 Avec un intervalle d’arrondissage de 0,1, 12,235 devient 12,2, et 12,251 devient 12,3.
Ce pose alors le problème du cas où le nombre donné finit par 50. La norme NF X 02-001 propose de choisir
le multiple entier pair comme arrondi de façon à minimiser l’erreur d’arrondissage quand on traite de longues
séries. Des variantes sont possibles.
Exemple 2 Avec un intervalle d’arrondissage de 0,1, 12,25 devient 12,2, et 12,35 devient 12,4.
Avec un intervalle d’arrondissage de 1, 109,50 devient 110 et 108,50 devient 108.
Il est toujours recommandé d’arrondir en une seule fois, l’arrondissage en plusieurs étapes pouvant conduire
à des erreurs.
Si après un arrondissage le dernier chiffre est un 0, il faut le garder : 60 et 6 × 101 ne sont pas équivalents.
60 a deux chiffres significatifs, alors que 6 × 101 n’en a qu’un. 60 est équivalent à 6, 0 × 101 .
12
Mais, on l’a vu, l’évaluation de type A de l’incertitude requiert un grand nombre de répétitions pour être
fiable (voir le tableau 1.1). Si l’on veut englober par exemple 95% des valeurs, il faudra donc choisir un facteur
d’élargissement, k, plus grand que 2. Quelle valeur prendre alors pour k ? Le GUM recommande d’utiliser la loi
de Student, qui est très complexe (annexe G). Dans la pratique, on utilise plutôt des valeurs tabulées dans la
table de Student (Student est le pseudonyme de William Sealy Gosset employé de la brasserie Guinness qui n’a
pas eu le droit de publier sous son nom).
Cette table de Student ne s’applique qu’à des incertitudes de type A appliquées à la moyenne. Il existe des
règles pour les autres cas qui sont très approximatives. Voir le GUM pour en savoir plus. Dans le GUM, la table
de Student est exprimée en fonction du nombre de degrés de liberté qui est égal à ν = n − 1 si l’on ne détermine
que la moyenne. Des tables plus complètes sont données.
Si, pour des utilisations particulières, on est amené à multiplier par un facteur d’élargissement l’incertitude
afin d’obtenir une incertitude globale, la valeur numérique de ce facteur doit toujours être donnée. Le lecteur
pourra ainsi retrouver l’écart-type qui seul est utile pour un calcul d’incertitude ultérieur. Pour aider à la
compréhension des résultats, on peut aussi indiquer le niveau de confiance quand on le connaı̂t.
1.3.4 Conclusion
Tout résultat de mesure doit faire apparaı̂tre la valeur de la grandeur mesurée, l’incertitude qui peut être
élargie, l’unité de mesure et le facteur d’élargissement. Sans toutes ces informations, un résultat ne peut pas
être utilisé et n’a pas donc pas de valeur.
Veiller à écrire correctement le résultat final dans les exercices ci-dessous.
1.4 Exercices
1.4.1 Ecriture du résultat
Le mesurage d’une masse donne m = 1, 234 667 kg. L’évaluation de l’incertitude conduit à une valeur
affichée sur la calculatrice égale à 2, 187 772 g. Exprimer correctement le résultat du mesurage avec un facteur
d’élargissement k = 2.
1.4.2 Période
On détermine la période T d’un mouvement périodique en mesurant l’intervalle de temps ∆t, correspondant
à, par exemple, cinq périodes. Calculer l’incertitude sur T connaissant celle sur ∆t. Conclusion ?
1.4.3 pH
On mesure le pH d’une solution avec une incertitude relative de 1%. Donner la concentration en moles par
litre de l’ion H3 O+ avec l’incertitude relative pour une solution de pH = 4,3. On rappelle que [H3 O+ ]= 10−pH .
13
1.4.4 Remplissage d’une burette
Considérons le cas d’une burette comme sur la photo.
En première approche, on peut dire que l’incertitude de lecture correspond à la graduation la plus petite.
En supposant que la distribution des valeurs est rectangulaire sur cet intervalle, on peut en déduire l’incertitude
correspondante. Si des étudiants ne suivent pas les instructions et que leur œil n’est pas bien en face du ménisque,
l’incertitude peut être plus large. Inversement, un expérimentateur aguerri, utilisant du matériel de classe A
équipé d’une bande photophore pour repérer la position du ménisque pourra prendre une distribution moins
pénalisante : les normes en chimie préconisent de choisir une distribution triangulaire qui privilégie la valeur
nominale.
Retenons, ici, une incertitude de lecture uniforme sur la plus petite graduation. A cette incertitude de lecture
s’ajoute l’incertitude due au matériel utilisé. La valeur lue a elle-même une incertitude donnée par le fabricant
qui a dû faire une étude statistique sur les burettes qu’il produit pour la déterminer.
Finalement, le volume V versé dans la solution à l’aide de la burette nécessite deux lectures. On écrit
V = (b + Xb ) − (a + Xa ), (1.27)
où a et b correspondent aux valeurs lues sur la graduation et les X, à la correction due aux incertitudes de
lecture correspondantes. La valeur moyenne de X est nulle, mais pas sa variance.
La plus petite graduation d = 0, 10 cm3 . Les valeurs lues sont a = 10, 00 cm3 et b = 110, 00 cm3 . Le fabricant
de la burette indique une précision de 0,010%.
1. Calculer l’expression de l’incertitude sur le volume versé V en fonction des incertitudes de lecture et des
incertitudes sur a et b.
2. Que vaut l’incertitude de lecture ?
3. Que vaut l’incertitude sur a et b ?
4. En déduire l’incertitude finale sur le volume versé.
5. Exprimer le volume versé avec un facteur d’élargissement de deux.
14
avec
d : diamètre de la pièce : d = (25, 76 ± 0, 01) mm (k = 2).
L : distance Terre-Lune : l’orbite de la Lune varie entre son périgée à 356 675 km et son apogée à 406 720 km.
Nous considérerons cet intervalle comme l’intervalle de confiance de la mesure de L avec une dispersion
des valeurs supposée uniforme.
l : distance entre l’observateur et la pièce qui fait l’objet de mesurages répétés en reprenant la procédure de
masquage de la Lune à chaque fois. Les valeurs obtenues sont dans le tableau ci-dessous.
n 1 2 3 4 5 6 7 8
l (mm) 2 827 2 828 2 826 2 829 2 825 2 827 2 824 2 829
15
maintenant et qui avait déjà été introduite par De Moivre. Il montre aussi comment résoudre le problème, même
quand il est non linéaire.
C’est le théorème central limite démontré par Laplace, qui lui permet, en 1810, de justifier l’utilisation de
la distribution gaussienne et de compléter le lien entre la méthode des moindres carrés et les probabilités. Il
l’appliquera ensuite à la mécanique céleste, à la géodésie et aux sciences sociales.
Avant d’aborder cette méthode, considérons un problème plus simple.
Comment combiner ces résultats pour avoir une estimation encore meilleure ?
Si |xa − xB | est beaucoup plus grand que u(xA ) et u(xB ), alors ils sont incompatibles. Supposons qu’ils
soient compatibles.
Si l’on note µ une valeur donnée du mesurande et que l’on suppose que la distribution des moyennes obtenues
par les deux laboratoires est gaussienne, alors, la probabilité que le laboratoire A mesure µ est égale à
(µ − xA )2
1
P (µ|A) = √ exp − . (1.30)
2πu(xA ) 2u2 (xA )
χ2 (µ − xA )2 (µ − xB )2
1
P (µ|A, B) = exp − avec χ2 = + . (1.31)
2πu(xA )u(xB ) 2 u2 (xA ) u2 (xB )
La valeur la plus probable de µ correspond donc au maximum de cette probabilité, c’est à dire à la valeur
qui minimise χ2 . En dérivant par rapport à µ, on obtient finalement que la meilleure estimation de X vaut,
xA xB
u2 (xA ) + u2 (xB )
xm = 1 1 . (1.32)
u2 (xA ) + u( xB )
Il s’agit de la moyenne pondérée des coefficients wA = 1/u2 (xA ) et wB = 1/u2 (xB ) respectivement,
wA xA + wB xB
xm = . (1.33)
wA + wB
Plus l’incertitude est faible, plus la valeur a de poids et influencera le résultat final. Et un résultat moins précis
aura un poids plus faible dans la moyenne.
On peut généraliser aisément à N mesurages de X :
PN
k=1 w k xk 1
xm = PN avec wk = . (1.34)
k=1 wk
u2 (xk )
L’incertitude correspondant à cette nouvelle valeur peut être calculée facilement à l’aide de la formule de
propagation des incertitudes du GUM. On trouve, pour la variance,
1
u2 (xm ) = PN . (1.35)
k=1 wk
16
Exercice facultatif :
Démontrer les résultats précédents, équations (1.33) et (1.35).
en introduisant les facteurs de pondération wk = 1/u2 (yk ). Il est important de bien avoir en tête toutes ces
conditions quand on utilise la méthode des moindres carrés.
A et B sont déterminés en minimisant χ2 , d’où le nom de méthode des moindres carrés [least-squares fitting].
En dérivant χ2 par A et B respectivement, on tombe sur un système de deux équations à deux inconnues,
n
X n
X n
X
A wk x2k +B wk xk − wk xk yk = 0 (1.37)
k=1 k=1 k=1
n
X n
X n
X
A wk xk + B wk − wk yk = 0 (1.38)
k=1 k=1 k=1
17
Les coefficients A et B sont déterminés à l’aide des mêmes données expérimentales. Ils sont donc corrélés .
En effet, si une donnée est trop grande, elle sera trop grande pour A et B simultanément. La corrélation entre
A et B est exprimée par la covariance u(A, B) que vous n’avez pas encore apprise. La dernière formule ci dessus
est donc donnée pour plus tard, quand vous saurez ce que c’est.
Ces formules paraissent assez complexes mais sont très faciles à programmer. Les calculatrices les utilisent
généralement. Vous pouvez le tester en comparant le résultat donné par votre machine et le résultat obtenu en
utilisant ces relations.
Exercice facultatif :
Démontrer les résultats précédents.
18
Chapitre 2
Intégrales multiples
2.1 Introduction
Une intégrale simple, du type
Z b
f (x) dx (2.1)
a
peut être vue comme l’aire sous la courbe f (x) entre f (a) et f (b). Pour cela, on découpe implicitement cette
aire en rectangles infiniment fins de largeur dx et de longueur f (x). Intégrer revient à faire l’addition de tous
ces rectangles élémentaires pour obtenir l’aire totale.
Rb
Ainsi, a dx correspond à la longueur b − a.
Les intégrales peuvent aussi servir à calculer des surfaces ou des volumes. Il s’agit alors d’intégrales à deux
ou trois dimensions, appelées intégrales multiples.
La longueur élémentaire dx doit être remplacée par une surface élémentaire dS ou un volume élémentaire
dτ ou dV qui dépendent du système de coordonnées choisies. Il y a deux coordonnées pour les surfaces et trois
pour les volumes. Les bornes de variation de ces coordonnées sont exprimées par un signe intégral. Il y a donc
un double signe pour une surface et un triple signe pour un volume.
Commençons par écrire les volumes volumes élémentaires en fonction du système de coordonnées choisi. Ce
sera plus simple pour les surfaces.
19
2.2.3 Elément de volume en coordonnées sphériques
Suivre la même démarche pour les coordonnées sphériques et en déduire l’expression de l’élément de volume.
Les coordonnées sphériques sont r, θ et ϕ que l’on peut utiliser pour se repérer sur la Terre :
— r = OM correspond à l’altitude comptée à partir du centre de la Terre. Attention, le r des coordonnées
sphériques n’est pas le même que le r des coordonnées cartésiennes. Il ne faudra pas les confondre.
— θ = Oz,d OM est l’angle depuis le pôle Nord.
— ϕ est défini comme l’angle θ des coordonnées cylindriques et correspond à la longitude.
A noter qu’il est parfois coutume de définir l’angle θ à partir de l’équateur où il correspond alors à la latitude.
Qu’est ce que cela change pour l’élément de volume ?
2.3.2 Exercices
Intégrer consiste à additionner tous les volumes élémentaires en faisant bien attention aux bornes d’inégration.
Choisir le système de coordonnées ad-hoc et calculer :
1. le volume d’un parallélépipède de rectangle de côtés a, b et c ;
2. le volume d’un cylindre de rayon R et hauteur H ;
3. le volume d’une sphère de rayon R ;
4. le volume d’une demi-sphère de rayon R ;
5. la surface d’une sphère de rayon R ;
6. le volume d’un cône de hauteur H et de rayon de base R.
20
la direction ~uθ . Pour z, c’est comme avec les coordonnées cartésiennes. A ces trois déplacements élémentaires
correspond un élément de volume cubique de volume dτ = rdrdθdz.
De la même façon pour les coordonnées sphériques, si r varie de r à r + dr, le point M se déplace de dr
dans la direction de ~ur . Si θ varie de θ à θ + dθ, le point M se déplace de rdθ dans la direction ~uθ . Enfin, si ϕ
varie de ϕ à ϕ + dϕ, le point M se déplace horizontalement de r sin θdϕ. A ces trois déplacements élémentaires
correspond un élément de volume cubique de volume dτ = r2 sin θdrdθdϕ.
Attention, ce dernier résultat dépend du choix fait pour les angles. Si θ était défini à partir de l’équateur
au lieu du pôle Nord, l’élément de volume deviendrait dτ = r2 cos θdrdθdϕ. Pour éviter toute ambiguı̈té, il est
recommandé de dessiner les coordonnées.
Une fois le système de coordonnées choisi, il faut correctement écrire les bornes d’intégration, puis intégrer. . .
où M est la masse molaire, R la constante des gaz parfaits et g l’accélération de la pesanteur.
On veut calculer la masse d’air contenue dans un parallélépipède rectangle de surface de base S et de hauteur
H.
1. Sachant qu’un élément de volume dV a une masse dm = ρ(z)dV , écrire l’intégrale qui permet d’accéder
à la masse totale.
2. Choisir le découpage le plus approprié sachant que la densité ne dṕend que de z.
3. En déduire la masse recherchée.
Autres calculs
Reprendre le calcul du volume d’un cône avec un découpage plus astucieux.
De la même façon, déterminer le volume d’une pyramide de base carrée de côté a et de hauteur H.
En écrivant ensuite cette intégrale double à l’aide des cordonnées polaires, on peut faire le calcul. En déduire A
R +∞ 2
pour que −∞ Ae−x dx = 1.
21
Chimie théorique
En mécanique quantique, la fonction d’onde donne accès à la probabilité de trouver un électron à la distance
r d’un noyau. Soit
Zr
ψ1s (r) = Ke− a0 ,
une fonction d’onde. La probabilité que l’électron soit contenu dans le volume dV situé à la distance r est
2
dP (r) = ψ1s (r)dV.
1. Trouver la constante K de façon à ce que la probabilité totale sur tout l’espace soit égale à 1.
2. Estimer la probabilité que l’électron soit compris entre les sphères de rayon R1 = 2a0 et R2 = 2, 5a0 .
Pour les deux autres coordonnées cartésiennes, il suffit de remplacer x par y et z, respectivement.
ρ h
Z Z R(z) Z 2π
zG = dz rdr dθz. (2.7)
m 0 0 0
22
En effet, le rayon maximal R(z) dépend de z : R(z) = zb/h, où b est le rayon de la base du cône. Il faudra donc
intégrer d’abord sur r, puis ensuite sur z. On obtient aisément
ρ π 2 2
zG = h b . (2.8)
m4
Mais il y a plus simple, en découpant le cône de la figure 2.2 en rondelles dont le centre de masse est z. Il
ne reste alors qu’à intégrer sur z seulement, car ce découpage revient à intégrer sur r et θ. Ainsi,
Z h Z h 2
ρ 2 ρ zb ρ π 2 2
zG = zπR (z)dz = zπ dz = h b , (2.9)
m 0 m 0 h m4
comme précédemment. Pour simplifier cette expression, il faut relier m et ρ, et donc calculer le volume du cône
de la même manière,
ZZZ Z h Z h 2
zb π
τ= dτ = πR2 (z)dz = π dz = hb2 . (2.10)
S 0 0 h 3
Finalement, zG = 34 h.
2.5.2 Exercices
Déterminer la position du centre de masse
1. d’une barre inhomogène de longueur L dont la masse volumique vaut ρ(x) = ρ0 x/L ;
2. d’une demi-sphère homogène de rayon R par deux méthodes différentes : en intégrant directement en
utilisant les coordonnées sphériques ou en découpant la demi-sphère en disques d’épaisseur dz ;
3. d’un demi-cylindre obtenu en coupant un cylindre dans le sens de la longueur, c’est à dire suivant un
plan comprenant son axe ;
4. d’un triangle rectangle de côtés a et b ;
5. d’une pyramide de base carrée de côté a et de hauteur h.
2.6.2 Exercices
Parallélépipède rectangle
Calculer le moment d’inertie d’un parallélépipède rectangle de côtés a, b et h par rapport un axe parallèle
à la hauteur passant par son centre. Que vaut le moment d’inertie par rapport à un axe parallèle passant par
une arête ? Vérifier que le théorème de Huygens est satisfait.
Barre inhomogène
Calculer le moment d’inertie d’une barre non homogène de longueur L et de densité ρ = ρ0 x/L par rapport
un axe perpendiculaire passant par son extrémité située en x = 0.
23
Disque
Calculer le moment d’inertie d’un disque homogène par rapport à son axe de symétrie.
Cylindre
Calculer le moment d’inertie d’un cylindre homogène par rapport à son axe de symétrie.
Sphère
Calculer le moment d’inertie d’une sphère homogène par rapport à un axe de symétrie par deux méthodes
différentes. On procédera par découpage en éléments simples et en disques d’épaisseur dz.
2.6.3 Astuce de calcul classique pour le moment d’inertie d’une sphère homogène
Pour une sphère homogène, il existe une méthode de calcul astucieuse classique qui est plus simple que les
deux calculs demandés dans l’exercice précédent.
Considérons le moment d’inertie d’une sphère pleine homogène de rayon R tournant autour d’un axe passant
par son centre. En remarquant que, par raison de symétrie, Ix = Iy = Iz , et
ZZZ ZZZ ZZZ
Ix = (y 2 + z 2 ) dm, Iy = (x2 + z 2 ) dm, et Iz = (x2 + y 2 ) dm, (2.12)
S S S
on en déduit que
ZZZ
1 3 3 3
Io = (x2 + y 2 + z 2 ) dm = (Ix + Iy + Iz ) = Ix = Iy = Iz . (2.13)
S 2 2 2 2
Io est beaucoup plus facile à calculer en coordonnées sphériques,
Z R
R5 3
Io = ρ r2 4πr2 dr = 4πρ = mR2 , (2.14)
0 5 5
2
Ix = Iy = Iz = mR2 . (2.15)
5
Ce choix est bien adapté à l’utilisation des coordonnées cartésiennes. On a vu qu’il était parfois plus judicieux
d’utiliser un autre système de coordonnées. Avec les coordonnées polaires (r,θ), l’élément de surface est dr rdθ.
Pour le passage des variables (x,y) aux variables (r, θ) on passe du domaine D(x,y) au nouveau domaine
∆(r,θ) ; on a ainsi : ZZ ZZ
f (x, y)dxdy = F (r, θ)rdrdθ. (2.17)
D(x,y) ∆(r,θ)
Le facteur r qui accompagne dr dθ peut être obtenu de façon systématique à partir des formules de changement
de variables des coordonnées cartésiennes aux coordonnées polaires.
24
En notant
φ : (r, θ) 7→ (x, y)
On considère la matrice jacobienne,
∂x/∂r ∂x/∂θ cos θ −r sin θ
J= = . (2.19)
∂y/∂r ∂y/∂θ sin θ r cos θ
Le facteur r dans l’expression rdrdθ peut donc être obtenu à partir des formules de changement de variables :
c’est la valeur absolue du déterminant de la matrice jacobienne de changement de variables.
25
Coordonnées cartésiennes
z+dz
M z+dz Coordonnées cylindriques
z
z
y y+dy M
uz
x
x+dx
ur
Coordonnées sphériques
utheta
ur utheta
uphi
Figure 2.1 – Les éléments de volume pour les trois systèmes de coordonnées.
dz
b
O z
R(z)
26
Chapitre 3
Vous pouvez faire une révision historique et ludique en visionnant les chapitres 5 et 6 de
http ://www.dimensions-math.org.
3.1 Rappels
Un nombre complexe est un ensemble de deux nombres réels
z = x + iy (3.1)
où i2 = −1. x = <(z) est appelé partie réelle et y = =(z) partie imaginaire. On a les propriétés suivantes,
de façon à avoir,
z = r(cos θ + i sin θ). (3.4)
Dans cette repésentation, p
r = |z| = x2 + y 2 (3.5)
est appelé module de z et θ = arg(z), l’argument. En utilisant les séries, on peut montrer que cette représentation
polaire peut s’écrire de façon plus compacte et pratique :
z = reiθ . (3.6)
Les parties réelle et imaginaire peuvent être retrouvées à l’aide des relations suivantes,
z ∗ = x − iy. (3.8)
27
Les notations z ∗ et z̄ sont couramment employées. On déduit aussi aisément les parties réelle et imaginaire d’un
nombre complexe :
z + z∗ z − z∗
<(z) = et =(z) = . (3.9)
2 2i
∗
Le produit zz conduit à
zz ∗ = (x + iy)(x − iy) = x2 + y 2 = r2 . (3.10)
Ainsi, √
|z| = zz ∗ . (3.11)
On peut aisément montrer que
|z1 .z2 | = |z1 |.|z2 | et arg(z1 .z2 ) = arg(z1 ) + arg(z2 ), (3.12)
et que
z1 |z1 | z1
| |= et arg( ) = arg(z1 ) − arg(z2 ). (3.13)
z2 |z2 | z2
Si deux nombres complexes ont même module, |z1 | = |z2 |, alors il existe un réel θ tel que z1 = eiθ z2 .
3.2 Exercices
3.2.1 Parties réelle et imaginaire
Soit z = x + iy un nombre complexe, trouver la partie réelle et imaginaire de
1. z 2
2. ez
3. z1
1−i
4. 1+i
Mêmes questions avec z = reiθ .
Soient z1 = exp(i π3 ) et z2 = exp(−i π4 ). Calculer les parties réelle et imaginaire de z1 et z2 . En déduire celles
π π
de z1 z2 et la valeur exacte de cos 12 et sin 12 .
3.2.3 Trigonométrie
En utilisant les représentations complexes, retrouver les relations trigonométriques pour sin2 θ et cos2 θ.
Linéariser de même sin3 θ et cos3 θ.
28
Chapitre 4
où A(x) et B(x) sont des fonctions connues. C’est f (x) que l’on cherche à déterminer. f 0 (x) est la dérivée de
f (x).
où C est une constante d’intégration. Ainsi, la solution générale de l’équation différentielle homogène, éq. (4.2),
s’écrit Z x
fg (x) = K exp A(x0 )dx0 , (4.5)
29
4.1.2 Solution dans le cas où les coefficients A et B sont constants
Nous allons ensuite considérer le cas simple où les coefficients A et B sont constants.
En posant f (x) = g(x) + C, où C est une constante et en l’injectant dans l’équation (4.1), on obtient,
g 0 (x) = Ag(x) + AC + B. (4.7)
Si C = −B/A, g(x) satisfait l’équation différentielle homogène (4.2).
Ainsi, dans la pratique, on commence par chercher la solution générale de l’équation homogène, éq. (4.5),
qui se simplifie pour devenir,
fg (x) = KeAx . (4.8)
On ajoute ensuite une solution particulière fp constante pour laquelle fp0 (x) = 0. Ainsi, à partir de l’équation
(4.1), on a directement fp (x) = −B/A. La solution générale de l’équation complète s’écrit, en additionnant les
solutions générales et particulières pour donner
B
f (x) = KeAx − . (4.9)
A
La constante d’intégration K est déterminée à l’aide d’une condition initiale s’il s’agit d’une intégration tem-
porelle ou d’une condition aux limites s’il s’agit d’une intégration spatiale. Si par exemple, f (0) = f0 ,
B Ax B
f (x) = (f0 + )e − . (4.10)
A A
Remarque importante : la détermination de la constante d’intégration ne peut être faite qu’à la fin, sur la
solution complète de l’équation différentielle, et PAS sur la solution de l’équation différentielle homogène !
où K0 est une constante d’intégration. Finalement, f (x) est obtenue à partir de l’éq. (4.11),
Z x
f (x) = K0 exp(Ax) + exp(Ax) × exp(−Ax0 )B(x0 )dx0 . (4.15)
La constante d’intégration K0 , est déterminée par les conditions initiale ou aux limites pour f (x).
Dans le cas où A(x), la méthode est identique et l’expression finale,
Z x Z x Z x Z x0 !
0 0 0 0
f (x) = K0 exp A(x )dx + exp A(x )dx × exp − A(x )dx B(x0 )dx0 ,
00 00
(4.16)
Rx
est un peu lourde, car écrite dans un cas général. Dans les exercices qui suivent, A(x0 )dx0 peut être calculée,
ce qui allège les expressions.
30
4.1.4 Résolution dans le cas général : méthode du facteur intégrant
La méthode de la variation de la constante n’est pas universelle, même si elle est très employée. Il existe une
autre méthode, dite du facteur intégrant, beaucoup utilisée aux Etats-Unis, qui est plus rapide. Repartons de
l’équation différentielle complète écrite en mettant la partie homogène d’un côté et le second membre de l’autre,
On divise ensuite cette équation par la solution homogène trouvée, ce qui revient à multiplier par e−Ax :
On remarque que le terme de gauche correspond à la dérivée du produit e−Ax f (x). Et donc, en intégrant, on a
finalement, Z x
0
e−Ax f (x) = e−Ax B(x0 ) dx0 + K0 , (4.19)
où K0 est une constante d’intégration qui sera déterminée à l’aide des condition initiales. On trouve bien le
même résultat qu’avec l’autre méthode, équation (4.15).
4.2 Exercices
4.2.1 Quelques intégrales
Calculer
1. x1 dx
R
R n
2. x dx
R dx
3. ax+b
dx
R
4. (ax+b)(f x+g) .
Pour cette dernière, il faudra décomposer en éléments simples.
31
4.2.4 Cinétique chimique
On veut étudier une réaction chimique irréversible de la forme A → B. La vitesse de cette réaction est définie
par la vitesse de disparition de A. La concentration de A, notée c = [A], satisfait à l’équation différentielle
suivante, pour une réaction dite d’ordre 2,
dc
v = − = kc2 , (4.22)
dt
où k est une constante. Trouver la solution de cette équation en supposant que la concentration initiale est c0 .
Reprendre l’exercice, pour une réaction d’ordre p > 1 décrite par l’équation différentielle,
dc
v=− = kcp . (4.23)
dt
p est un entier.
32
Chapitre 5
La résolution des équations du second ordre est plus compliquée que celle du premier ordre. Pour simplifier,
nous allons nous limiter au cas où les coefficients de l’équation sont constants. L’équation différentielle linéaire
du second ordre à coefficients constants la plus générale s’écrit donc,
af 00 (x) + bf 0 (x) + cf (x) = s(x), (5.1)
avec a, b et c des constantes et s(x), une fonction quelconque.
33
5.2 Exercices
5.2.1 Oscillateur harmonique simple
Un oscillateur harmonique simple satisfait à l’équation différentielle de la forme,
ẍ + ω02 x = 0. (5.8)
Chercher les racines du polynôme caractéristique et exprimer la solution générale de cette équation. Montrer
qu’elle peut être exprimée sous la forme de la somme d’un sinus et d’un cosinus.
En supposant que x(0) = a et ẋ(0) = 0, écrire la solution de l’équation différentielle à partir des deux
expressions trouvées précédemment : celle qui a la forme de l’équation (5.6) et celle exprimée avec un sinus et
un cosinus. Vérifier que les deux résultats sont identiques.
Donner l’expression de l’énergie cinétique et de l’énergie potentielle à chaque instant. Que vaut la somme
des deux ? Calculer la valeur moyenne de chacune de ces énergies sur une période.
Régime pseudo-périodique
Dans le cas où ces racines du polynôme caractéristique sont complexes, écrire la solution sous la forme d’une
fonction réelle impliquant des fonctions sinusoı̈dales. En supposant que x(0) = a et ẋ(0) = 0, écrire la solution
de l’équation différentielle. Exprimer la pseudo-période T 0 .
Donner l’expression de l’énergie cinétique et de l’énergie potentielle à chaque instant. La somme des deux
est-elle constante ?
Calculer de combien a diminué l’énergie mécanique sur une période, Em (t + T 0 )/Em (t).
Régime apériodique
Dans le cas où les deux racines du polynôme caractéristique sont réelles. En supposant que x(0) = a et
ẋ(0) = 0, écrire la solution de l’équation différentielle. Réécrire cette solution en faisant intervenir les fonctions
sinus et cosinus hyperboliques :
1 x 1 x
sh(x) = (e − e−x ) et ch(x) = (e + e−x ). (5.10)
2 2
Comparer au résultat précédent.
34
5.2.4 Barrière de potentiel parabolique (facultatif )
On considère une barrière de potentiel parabolique, Ep (x) = − 21 kx2 . On lance de la position x0 < 0 un point
matériel à la vitesse v0 > 0. Sachant qu’il y a un force de frottement fluide, on veut trouver l’énergie cinétique
minimale pour le point arrive au sommet de la barrière en x = 0.
L’équation du mouvement s’écrit,
ẍ + 2λẋ − ω02 x = 0. (5.11)
Chercher les racines du polynôme caractéristique et exprimer la solution générale de cette équation.
Ecrire la solution du problème en tenant compte des conditions initiales.
Trouver la valeur de v0 pour que limt→∞ x(t) = 0. En déduire l’énergie cinétique minimale pour que le
point passe au-dessus d’un barrière de potentiel de hauteur B = 21 kx20 . Que devient ce résultat s’il n’y a pas de
frottement ? Faire l’application numérique pour λ/ω0 = 1, 5.
d2 x dx
2
+ 2λ + ω02 x = a cos ωt. (5.12)
dt dt
Les solutions de cette équation différentielle avec un second membre se décomposent en deux parties,
où xT (t) correspond à la solution générale de l’équation différentielle homogène vue précédemment. Pour des
temps longs, cette solution tend vers zéro. On parle alors de régime transitoire. L’autre partie de la solution,
xP (t), est une solution particulière de l’équation différentielle complète (5.12) que nous allons apprendre à
trouver si le second membre est une fonction sinusoı̈dale.
On va chercher une solution particulière qui est aussi sinusoı̈dale, oscillant à la même fréquence, mais avec
un déphasage φ,
xP (t) = A cos(ωt + φ). (5.14)
Pour trouver les deux paramètres A et φ, il faut injecter cette solution dans l’équation différentielle (5.12), ce
qui est un peu fastidieux car il faut faire appel à des formules de trigonométrie. On utilise donc les nombres
complexes en posant
xP (t) = <(XP (t)), avec XP (t) = Aei(ωt+φ) . (5.15)
XP (t) est alors solution de l’équation différentielle suivante,
d2 XP dXP
+ 2λ + ω02 XP = aeiωt . (5.16)
dt2 dt
En injectant XP (t) dans l’équation différentielle, on obtient aisément que
a
Aeiφ = . (5.17)
ω02 − ω 2 + 2iλω
On connaı̂t alors complètement la solution particulière xP (t), équation (5.15), à laquelle il faut ajouter la
solution générale de l’équation différentielle homogène. Les deux constantes d’intégration peuvent alors alors
être déterminées à l’aide des conditions initiales, si nécessaire.
A noter que la solution générale de l’équation homogène tend vers zéro pour les temps longs et que seule
la solution particulière demeure. On parle de régime transitoire quand il y a les deux solutions et de régime
permanent quand il ne reste que la solution particulière.
35
5.4 Exercices
5.4.1 Solution particulière de l’équation différentielle avec second membre si-
nusoı̈dal
En utilisant la méthode explicitée ci-dessus, trouver la solution particulière de l’équation différentielle (5.12).
dq q
V =R + . (5.19)
dt C
Le condensateur est initialement déchargé. On va chercher une solution particulière de la forme qp (t) =
A cos(ωt + ϕ)
1. Ecrire l’équation différentielle complexe qui permet de trouver la solution particulière.
2. Calculer A et tan ϕ en fonction des données de l’exercice. Que vaut cos ϕ ?
3. Calculer la solution générale de l’équation différentielle homogène.
4. En déduire l’expression de la solution complète de l’équation différentielle.
5. Donner l’expression de q(t) pour des temps longs.
36