SlideShare une entreprise Scribd logo
1  sur  45
Télécharger pour lire hors ligne
PACES–UE4:Évaluationdesméthodesd’analysesappliquées
auxsciencesdelavieetdelasanté
ChapitreBiomathématique–Premièrepartie
Cours1:Fonctionsd’unevariableréelle
Cours2:Fonctionsd’unevariableréelle(suite)etFonctionsde
plusieursvariables
Cours3:Calculintégraletéquationsdifférentielles(PartieI)
–ÉquipepédagogiqueBPS(Biomathématique,ProbabilitéetStatistique)–UniversitéParisDescartes2018–201
COURS1
FONCTIOND’UNE
VARIABLE
RÉELLE
ÉQUIPEPÉDAGOGIQUEBPS
(BIOMATHÉMATIQUE,PROBABILITÉETSTATISTIQUES)
PACESUE4
ÉVALUATIONDESMÉTHODESD’ANALYSESAPPLIQUÉES
AUXSCIENCESDELAVIEETDELASANTÉ
1
Objectif
2
Donnerlesoutilsmathématiquesnécessairespourpouvoir
traiterlesdonnéesissuesdessciencesmédicales,
pharmaceutiquesoubiologiques.
Chimie
pH=–log10[H3O+
]
[H3O+
]=10–pH
Physique
LoideBeer-Lambert
I
I0
=exp(−Kl)
Électricité
Charged’uncondensateurStatistiques
LoidePoisson
P(X=k)=e−λλk
k!
Chimie(redox)
ÉquationdeNernst
E=E0
+
RT
nF
ln
Ox[]
Red[]
!
"
##
$
%
&&
Biophysique
1re
loideFick!=−$
d&
d'
((*)=(,exp
−*
RC
Exempleintroductif
Exemplepharmaceutique:Suividel’évolutiondelaconcentrationplasmatique
C(t)d’unmédicamentingéréparvoieoraleenfonctiondutempst
3
C(t)dépenddedeuxmécanismes
simultanésetopposés:
–l’absorptiond’origineintestinale
–l’éliminationparlesorganes
d’excrétion
Remarque:onpeututilisern’importequellelettrepourlavariableetlafonction
Sang
Vitessed’entréeVitessedesortie
Exempleintroductif
4
Remarques:
–lefacteurAestuncoefficientdeproportionnalitépositifquiprendencompteladose
administrée;
–onsupposeiciquel’absorptionestplusrapidequel’élimination(n>s).
Équationmodèle:C(t)=A(e–st–e–nt)
L’absorptionestmodéliséeparuneexponentielleexp(–nt)avecnlaconstantedevitessed’entrée.
L’éliminationestmodéliséeparuneexponentielleexp(–st)avecslaconstantedevitessedesortie.
Modélisationmathématiquedel’évolutiondelaconcentrationplasmatique
C(t)d’unmédicamentingéréparvoieorale
Remarque:
C’estsurlabasedemodèlessimilaires,quoiquepluscomplexes,queledevenird’un
médicamentdansl’organismeestétudié.
ÉtudedelafonctionmodèleC(t)
–Déterminationdesconditionsd’administration
–Comportementquandtè+∞(Calculdelimite)
–CalculduCmax(tableaudevariation,calculde
dérivée)
Lesdonnéesexpérimentales(x)sontlégèrementdifférentesdelacourbemodèledufaitde
l’erreurexpérimentaleetducaractèresimplificateurdumodèle.
Exempleintroductif
5
C(t)=A(e–st–e–nt)
Généralitéssurles
fonctionsàvariableréelle
6
Propriétésdebasedesfonctionsréelles(comportementauxbornesdel’ensemblededéfinition,
parité,périodicité…):voirannexe
Domainesdedéfinitionetd’étude
qDomainededéfinition
C’estl’ensembleDdesvaleursdexpourlesquellesilexisteuneimagef(x)delafonctionf.
Exemple:!"=
$%&
$%'
()=ℝ∖{−2}
qDomained’étude
Danslecasdutraitementdedonnéesbiologiques,ledomained’étudedelafonctionpeutêtre
différentdudomainededéfinition,maisilestinclusdansDf.
Exemple:Modèledelaconcentrationplasmatiqued’unmédicament:C(t)=A(e–st–e–nt)
Domainededéfinition:Domained’étude:
7
DC=D=+
qContinuité
LafonctionfestcontinuesurunepartiedeDsietseulementsipourtoutevaleur
x0decettepartiedeD,ona
Lafonctionfestcontinueenx0si«surlegraphe,iln’yapasdesautenx0».
8
limx→x0
f(x)=f(x0)
Remarque:
Ilpeutarriverqu’onobservedespropriétésdecontinuité
différentesselonqu’ontendversx0parvaleurssupérieuresàx0,
notéesx0
+
ouinférieuresàx0,notéesx0
_
(casdesfonctionsen
escalier)
Casdesfonctionsdiscontinuesàgaucheetcontinueàdroite:
Continuitéd’unefonction(1/2)
0
2
4
0123
limx→x0−
f(x)≠f(x0)limx→x0+f(x)=f(x0)
9
Continuitéd’unefonction(2/2)
Modélisationdel’évolutiondelaconcentrationplasmatiqueC(t)d’un
médicamentadministrédefaçonrépétéeparvoieintraveineuse
L’administrationrépétéed’unmédicamentapourbut
d’atteindrepuisdemaintenirlaconcentrationd’un
médicamentdansunintervalleappeléintervalle
thérapeutique,entreseuilminimald’activitéetseuil
maximaldetoxicité.
L’administrationd’unenouvelledoseestréaliséealors
qu’ilresteunefractionnonéliminéedeladose
précédente.
limt→T−C(t)=C(T)etlimt→T+C(t)=C(T)+C0≠C(T)
AuxtempsT,2T,3T…,nT,lafonctionCfaitunsautdehauteurC0,elleestdiscontinueàdroite
etcontinueàgauche.Ona:
Dérivéed’unefonction(1/4)
Outilpermettantd’étudierletauxdevariationd’unefonctionfauvoisinaged’une
valeur
Applications:calculd’incertitude,calculdevitessedevariation,calculdutravaild’uneforcede
rappeld’unressort…
10
qTauxd’accroissementdefenx0:
LespointsA,B,Contrespectivementpour
coordonnées((x0,f(x0)),(x,f(x))et(x,f(x0)).
f(x)−f(x0)
x−x0
=
BC
CA
Onreconnaîticilapentedeladroite(AB)
PourDx=x–x0trèspetit,f(x)tendversf(x0)
(continuitéenx0)etdonclasécante(AB)etla
tangenteenAàlacourbesontpresque
confondues.
Valeurlimitedutauxd’accroissementdefenx0:
11
lim
Δx→0
Δf
Δx
=lim
x→x
0
f(x)−f(x0)
x−x0
=$f(x0)
Cettelimiteestcelled’uneformeindéterminée0/0:elle
n’existepastoujours.Lorsqu’elleexiste,onditquefest
dérivableenx0.
Ladérivéeenx0estlapentedelatangenteenx0.
qOpérationsurlesdérivées:
Dérivéed’unefonction(2/4)
qDérivéeenunpointx0d’unefonctionf:
Avecu(x)etv(x)dérivables(v(x)≠0)
qPropriété:siunefonctionfestdérivableenx0,alorsfestcontinueenx0.
Attentionlaréciproqueestfausse.
Contre-exemple:(casdepointanguleux)
12
f(x)=x
qDérivéessuccessives:!!f(x)=!f(x)()!
(quandc’estpossible)
Exemplededérivéessuccessives(casdefonctionstrigonométriques):
…f(x)=sinx,!f(x)=cosx,!!f(x)=−sinx,!!!f(x)=f(3)
(x)=−cosx
Dérivéed’unefonction(3/4)
qSigneetzérosdeladérivéepremière
qSigneetzérosdeladérivéeseconde
13
f’(x)>0èfcroissante
f’(x)<0èfdécroissante
Sif’(x)s’annuleenchangeantdesigneenunpointx=a(i.e.f’(a)=0)alorsaestunextremum
def(maximumouminimumselonlesignedef’’).
>0èconcavitétournéeverslehaut,lafonctionfestconvexe.S’ilyaunextremum
danscedomaine,ceseraunminimum.
<0èconcavitétournéeverslebas,lafonctionfestconcave.S’ilyaunextremum
danscedomaine,ceseraunmaximum.
Sis’annuleenchangeantdesigneenx=a,celasignifiequeladérivéepremièrepasse
parunextremum.Lacourbereprésentativedefprésenteenx=aunpointd’inflexion(enx=
a,lacourbechangedeconcavitéetlatangentetraverselacourbe).
!!f(x)
!!f(x)
!!f(x)
Dérivéed’unefonction(4/4)Application
Étudedupointd’inflexiondelafonctiony=x3
14
Ladérivéey’estpositivedoncyestcroissantesur,lafonctiony
neprésenteaucunextremum.
Enx=0,latangenteesthorizontale(y’(0)=0)
Pourtoutx<0,onay’’(x)<0,latangenteestau-dessusdela
courbe(yconcave).
Pourtoutx>0,onay’’(x)>0,latangenteestau-dessousdela
courbe(yconvexe).
Enx=0,ladérivéesecondes’annuleenchangeantdesigne.Ilya
unpointd’inflexion.
Dy=Dy'=D!!y=,!y=3x2
,!!y=6x

Notiond’élémentdifférentiel
15
qSoitunevariablet.
Sitpassedelavaleurtàlavaleurt+dtinfinimentprochedet,l’élément
différentieldtapparaîtainsicommeunélémentinfinimentpetitdevantt,
tellementpetitquel’onpeutàlarigueurlesupposernégligeable,maisassezgrand
cependantpournepasleconsidérercommenul.
tt+dt
qSoitunefonctionfdérivableenx0.
—Lapetitevariationdefaupointx0s’écritdf(x0)
ouplusgénéralementdf(x)ouplussimplementdf.
—Lapetitevariationdexseraécritedx.
16
f'(x)=
df
dx
oudf=f'(x)dx
Remarque:dérivéeseconde
f''(x)=
d
dx
df
dx
!
"
#
$
%
&=
df'
dx
=
d2
f
dx2
Différentielledfd’unefonctionf
Calculdeladifférentielledelafonctionfdéfinieparf(x)=
1
x2
+x+1
f(x)=
1
x2
+x+1
=x2
+x+1()
−1/2
df="f(x)dx=−
1
2
×(2x+1)x2
+x+1()
−3/2
dx
df=
−(2x+1)
2×x2
+x+13
dx
Soituetvdeuxfonctionsdex.
17
qDifférentielled’unesommeoud’unedifférence:
d(u+v)=(u+v)’dx=u’dx+v’dxd(u–v)=du–dv
d(u+v)=du+dv
qDifférentielled’unproduitd(uv):
Onposef(x)=u(x)v(x)etcomme(uv)’=u’v+uv’
Onaalorsdf=f’(x)dx=(u’(x)v(x)+u(x)v’(x))dx
d’oudf=v(x)du+u(x)dvd(uv)=udv+vdu
qDifférentielled’unquotient(pourvnonnulle):d
u
v
!
"
#
$
%
&=
vdu−udv
v2
Propriétésdesdifférentielles
Soitgunefonctioncomposéedéfinieparg(x)=f(u(x))
18
qDérivée:g’(x)=f’(u(x))×u’(x)
qNotationdifférentielle:dg=g’(x)dx=f’(u)×u’(x)dx
Exemple:
Enposantu(x)=1+x2etf(u)=1/u,onag(x)=f(u(x)).
Commeet,onobtient:
g(x)=
1
1+x2
′f(u)=
−1
u2
′u(x)=2x
′g(x)=
−2x
(1+x2
)2
dg=
−2x
(1+x2
)2
dx
Dérivéeetdifférentielledefonctionscomposées
Approximationd’une
fonctionàvariableréelle
19
L’approximationd’unefonctiondonnéeparunefonctionplussimple,leplus
souventunpolynôme,esttrèsutiliséeenmathématiquesappliquées.
Interpolationlinéaire(1/2)
Oncherchelavaleurdef(x)pour
20
x∈x0,x1[]avecx1=x0+Δx
Onconnaîtlesvaleursf(x0)(pointA)
etf(x1)(pointC);onapprochef(x)
(pointD)parunerelationaffinedans
cetintervalle
Onapproximel’arcdelacourbe
ADCparlesegmentdedroite[AC]
dontonétablitl’équationy=ax+b
Caspourlequelonneconnaîtpasl’expressionanalytiquedelafonctionf
maisseulementquelquespointsexpérimentaux(iciA,C)
Interpolationlinéaire(2/2)
qÉtape1:Déterminationdelapenteaetdel’ordonnéeàl’origineb
21
a=
f(x1)−f(x0)
x1−x0
etb=f(x1)−ax1oub=f(x0)−ax0
qÉtape2:Approximationdef(x)
Pouruneabscissex,onassimilef(x)ày=ax+b(pointB)
Onfaitl’erreurreprésentéeparlesegment
[BD].Lesignedesamesurealgébrique
renseignesurlanaturedel’approximationpar
excèsoupardéfaut.
Exemple:x0=2f(x0)=4;x1=4f(x1)=6
Quevautf(x)pourx=3
a=1b=2
Doncf(3)≈5
Approximationaffine
Onavuquesifestcontinueenx0etsif’(x)existe:
22
lim
Δx→0
Δf
Δx
=lim
x→x
0
f(x)−f(x0)
x−x0
=$f(x0)
PourDx=x-x0suffisammentpetit:
Δf=(f(x)−f(x0))≈Δx×%f(x0)⇒f(x)≈f(x0)+Δx×%f(x0)
Sionconnaîtlavaleurdefenunpointx0,on
peutdéduireapproximativementsavaleurau
pointx=x0+DxàconditionqueDxsoitassez
petit.PlusDxestpetit,plusl’erreurserafaible.
Casoùonconnaîtl’expressionanalytiquedelafonctionf
Onferauneétudelocaledefauvoisinagedex0
enremplaçantlacourbereprésentativedefpar
latangenteenf(x0)àcettecourbe:c’estune
approximationlinéaire(d’ordre1)
Modélisationd’unesynthèseprotéique:
LaprotéineNur77,unrécepteurnucléaire,estproduiteenlaboratoireviaun
systèmedeculturebactérienne.Onétudie,pourunlitredeculture,laquantitéde
Nur77produiteenfonctiondutemps(m=f(t)expriméeenmg).
Expérimentalement,onobservedurant4heuresquecettequantitécroîtaucours
dutemps,quesavitessedeformationaugmenteetqu’iln’yaaucunpalierde
production.
But:Élaborationd’unmodèlemathématiquepourestimerlaquantitéprotéique
produiteàuntempst.
23
Temps(h)01234
quantité(mg)02,07,015,025,7
Application
24
Cemodèlem=a+bt+ct2
semble-t-ilpertinent?
Lavitessedeformationaugmente:cdoitêtrenonnul
m(t)nepeutêtrededegré1carsinonsavitesseseraitconstanteetégaleàb
m(t)croitaucoursdutempsetiln’yapasdepalierdeproduction:ladérivéedem(t)
doitêtrestrictementpositive
m’(t)=b+2ct
Pourt>0,m’(t)>0
v=
dm
dt
Application
Temps(h)01234
quantité(mg)02,07,015,025,7
L’expérimentateurproposelemodèleanalytiquepolynomialm=a+bt+ct2
pources4heures
d’observationaveca,b,cpositifs.Expérimentalement:mcroîtaucoursdutemps,savitessede
formationaugmenteetiln’yapasdepalierdeproduction.
!!m(t)=!v(t)=
d2
m
dt2
=2c>0
25
Déduiredesobservationsexpérimentaleslesvaleursdesparamètresa,b,c.
Àt=0,m(0)=adonca=0
m(1)=b+c=2(1)
m(3)=3b+9c=15(2)
Enremplaçantc=2−bdanslarelation(2),ondéduitqueb=0,5mg.h−1
etc=1,5mg.h−2
Remarque:Pourlescalculsdebetc,onprendarbitrairementdeuxpointsexpérimentaux.Par
desméthodesnumériques(voircourssemestre2),onpeuttrouverlesvaleursdecesparamètres
modélisantaumieuxl’expérienceettenantcomptedel’ensembledesvaleursexpérimentales.
Temps(h)01234
quantité(mg)02,07,015,025,7
Application
26
Modélisation:m(t)=0,5t+1,5t2
Àpartirdumodèleenseservantdelaquantitéent=2h,trouveràl’aided’uneapproximation
affinelamasseproduiteen2h15.Peut-onseservirdecetteapproximationpourretrouverla
valeurexpérimentaledem(4)=25,7mg?
m(2,25)≈m(2)+(2,25−2)×$m(2)
⇔m(2,25)≈7+0,25×(0,5+1,5×4)
⇔m(2,25)≈8,62mg
Rappel:PourDx=x-x0suffisammentpetitetfdérivable:
Δf=(f(x)−f(x0))≈Δx×%f(x0)⇒f(x)≈f(x0)+Δx×%f(x0)
Lecalculparlemodèleaurait
donném(2,25)=8,72mg
Application
m(4)≈m(2)+(4−2)×$m(2)=20mg
Lecalculparlemodèleaurait
donném(4)=26mg
L’approximationaffinen’estplusvalable
caronn’estplusauvoisinagede2.
Approximationpardéveloppementlimitéd’ordren
Onpeutmontrerquepourtoutefonctionfcontinueetnfoisdérivable,ilest
possibled’approchersavaleurenxauvoisinagedex0(x=x0+DxavecDx≈0)par
undéveloppementlimité(DL)d’ordren:
27
f(x)=fx0()+(x−x0)×#f(x0)+
(x−x0)2
2!
×##f(x0)+...+
(x−x0)n
n!
×f(n)
(x0)+reste
Etlerestetendvers0
qFormuledeTaylor:Auvoisinagedex0
f(x)=f(0)+x×"f(0)+
x2
2!
×""f(0)+...+
xn
n!
×f(n)
(0)+reste
qCasparticulieroùx0=0:FormuledeMacLaurin:
Etlerestetendvers0
28
Exemple1:DLdesinxauvoisinagede0àl’ordre3
f(x)=f(0)+x×"f(0)+
x2
2!
×""f(0)+...+
xn
n!
×f(n)
(0)+resteFormuledeMacLaurin:
f(x)=sinx!f(x)=cosx!!f(x)=−sinx!!!f(x)=−cosx
f(0)=0!f(0)=1!!f(0)=0!!!f(0)=−1
sinx=0+x×1+0×
x2
2
+(−1)×
x3
3!
+...=x−
x3
6
+...
Remarque:onretrouvebienlesparitésdesfonctionssinxetcosx.
Application
29
Exemple2:DLdecosxauvoisinagede0àl’ordre4
Remarque:Àl’ordre4,onaatteintla«vraie»valeur.
A.N.:x=0,1;cos(0,3)=0,95534(aveclacalculatrice,xenradian);DLà5décimales
ordre01234
DL110,955000,955000,95534
Remarque:Quandons’éloignedel’origine,l’erreuraugmente.On
peuticiladiminuerenaugmentantl’ordre.
ordre12468
DL1-0,1250,0860,0700,071
A.N.:x=10;cos(1,5)=0,071(aveclacalculatrice,xenradian);DLà3décimales
Application
cosx=1−
x2
2
+
x4
4!
−
x6
6!
+reste
Développementslimitésutilesauvoisinagede
zéro
30
cosx=1−
x2
2
+
x4
4!
−
x6
6!
+reste
sinx=x−
x3
3!
+
x5
5!
−
x7
7!
+reste
ln(1+x)=x−
x2
2
+
x3
3
−
x4
4
+reste
(1+x)m
=1+mx+
m(m−1)
2
x2
+
m(m−1)(m−2)
3!
x3
+reste
31
qCalculdelimx→0
sinx−x
x3
limx→0
sinx−x
x3
=
0
0
c'estuneformeindéterminée
Al'aidedelaformuledeTaylorappliquéeàsinxauvoisinagede0(DLd'ordre3),
limx→0
sinx−x
x3
≈limx→0
−
x3
6
x3
=−
1
6
limx→1
x2
+x−2
lnx
qCalculde(voirannexe)
Application
Fonctionsbijectiveset
réciproques
32
Fonctionbijective(1/2)
Unefonctionfestbijectivesi,sursondomainededéfinitionD,toutélémentde
l’ensembled’arrivée(F)estimaged’unetd’unseulélémentdel’ensemblededépart
(E).ToutélémentdeFaunetunseulantécédentdansE.
33
ChaqueélémentdeEasonuniqueimagedansFetchaqueélémentdeFasonunique
antécédentdansE.
Exemple:f(x)=3x+1
Pourtoutimagef(x),ontrouveraunantécédentunique
Lafonctionaffinefestbijective
x=
f(x)−1
3
Fonctionbijective(2/2)
34
qContre-exemple:f(x)=x2
SiE=etF=+
,x2
estimagedexetde−x
Lafonctionfn'estpasbijective.
Pourdéfinirunefonctionbijective,ilfautlimiter
l’ensemblededépartE.
SiE=+
etF=+
,x2
estimagedexseulement
Lafonctionfrestreinteà+
estbijective.
Fonctionréciproque(1/2)
SiunefonctionfestbijectivedeEdansFalorsilexisteunefonctionf-1
bijectivedeFdans
Etelleque:
Cettefonctionf-1
estlafonctionréciproquedef.
ff-1
MNM
35
ff−1
=f−1
f=identité
Siy=f(x),fbijectivealorsx=f−1
(y)=g(y)
Attentionf−1
(y)≠f(y)−1
=
1
f(y)
qExemple:
36
Fonctionréciproque(2/2)
x2
etx
ff−1
(x)=fx()=x
f−1
f(x)=f−1
(x2
)=x2
()=xcarx>0
f(x)=x2
festuneapplication+
→+
bijective
f−1
(y)=y
Eneffetonpeutécrire:
Doncff−1
=f−1
f=identité
Lesgraphesdefetf–1sontsymétriquesparrapportà
lapremièrebissectrice(droitey=x).
SoitCflacourbereprésentativedef,ensembledespoints
M(x,f(x))etCf-1lacourbereprésentativedef-1,ensemble
despointsM’(f(x),f-1(f(x)).
LescoordonnéesdeM’s’écriventaussi(f(x),x)doncM’est
lesymétriquedeMparrapportàlapremièrebissectrice.
37
Dérivéedefonctionréciproque
Soity=f(x)unebijection,etonnotesafonctionréciproqueg=f−1
Onrappellequef−1
(f(x))=g(f(x))=xpardéfinition
Enutilisantlapropriétédedérivationdesfonctionscomposées,onobtient
"g(f(x))×"f(x)=1
Onadonc:"g(y)=
1
"f(x)
Remarque:
Ilfautquecettedivisionsoitpossible:unefonctionbijectivedérivable,defonctionréciproque
dérivable,nepeutdoncavoirdedérivéenulle,elleeststrictementmonotone(soitcroissante
soitdécroissante)
qtgxetArctgx
38
f(x)=tgx;festimpaire,toujourscroissante
festπ-périodique(tg(x)=tg(x+kπ))
Onlimiteledomainede
définitiondefàl'intervalle−
π
2
;
π
2
"
#$
%
&'
Surcetintervalle,festbijective
etadmetunefonctionréciproque
x=f−1
(y)=tg−1
(y)=Arctg(y)
Application
qDérivéedex=Arctg(y)
y=tg(x)⇒"y=1+tg2
(x)
"x=Arctg(y)()"=
1
(tg(x)")
#
$
%
&
'
(=
1
1+tg2
(x)
=
1
1+y2
Remarque:
Lesfonctionstrigonométriquesdontles
domainesdedéfinitionsont
correctementrestreintsprésententdes
fonctionsréciproquesintéressantes
notammentpourrésoudredesintégrales.
Étudedesfonctions
exponentielleetlogarithme
39
Propriétésdebasedesfonctionsexponentielleetlogarithme:voirannexe
Fonctionexponentielle
qDéfinition:lafonctionexponentielleestl’uniquefonctionbijectivedérivablesurtelle
quef’=fetf(0)=f’(0)=1
40
Lafonctionexponentielleestunefonctioncontinuedéfiniesur,toujoursstrictementpositive
etqui«transformeunesommeenproduit»
f(x)=exp(x)=ex
avecexp(0)=1etexpx()!=expx


exp(a+b)=exp(a)×exp(b)
qGénéralisation
Lafonctionexponentielledebasea(a>0)estlafonctionnonnulledéfiniesuretcontinue
qui«transformeunesommeenproduit»:
aestlabasedel’exponentielle(a=10pourlepH,a=2pourlanumérationbinaireen
informatique).
qChangementdebase:

f(x)=ax
,f(x+y)=f(x)×f(y)etf(1)=a
ax
=exlna
Fonctionlogarithme
qDéfinition:Lelogarithmenépérien,fonctionréciproquedelafonctionexponentielle,est
continueetdéfiniepourx>0tellequef(1)=0etf(xy)=f(x)+f(y).Onlanotef(x)=lnx
41
qPropriétés:
qGénéralisation:
Onappellelogarithmedebasea(a>0)lafonction
logaxdéfiniepar
qChangementdebase
ln(xy)=lnx+lnyln(xy
)=ylnx
exp−1
=lny=ex
⇔x=lny
Remarque:ln#=1car)=ln(#+)=)-.(#)
y=ax
⇔x=logay
log1)=
ln)
ln2
Eneffet7=2+⟺lny=ln(2+)=)lna⟺)=
:;<
:;1
=log=742
Remarque
Auxbornesdesdomainesdedéfinition,«l’exponentiellel’emportesurlapuissance»
et«lapuissancel’emportesurlelogarithmenépérien».
Quelqueslimitesusuellesdesfonctionslnetexp
limx→0+xlnx=0limx→0+
lnx
x
"
#
$
%
&
'=−∞
limx→+∞xlnx=+∞limx→+∞
lnx
x
"
#
$
%
&
'=0
limx→−∞xex
=0limx→−∞
ex
x
"
#
$
%
&
'=0
limx→+∞xex
=+∞limx→+∞
ex
x
"
#
$
%
&
'=+∞
Différentiellelogarithmique
Pourlafonctiony=f(x)(avecy≠0),ladifférentiellelogarithmiqueestégaleà:
43
Remarque:Siu>0,dlnu=dlnu=
1
u
du
Siu<0,dlnu=dln−u()=−
1
−u
"
#
$
%
&
'du=
1
u
du
d(lny)=
1
y
dy=
dy
y
Utilequandondoitcalculerladifférentielledeproduits,dequotientsouderacinesdefonctions.
Principe:Oncalculelelogarithmenépériendelavaleurabsoluedelafonctionàdériverpuissadifférentielleetonendéduitla
différentielledelafonction.
Exemple:avecCa,Cb,Va,Vb>0
(notionutiliséepourlecalculd’incertitude)
Ca=
Cb×Vb
Va
lnCa=lnCb+lnVb−lnVa
dCa
Ca
=
dCb
Cb
+
dVb
Vb
−
dVa
Va
⇒dCa=Ca×
dCb
Cb
+
dVb
Vb
−
dVa
Va
$
%
&
'
(
)
Représentationgraphique
desfonctions
exponentielleetlogarithme
44
Exempleintroductif(1/3)
45
Enbiologie,l’allométriedésigneunmodedecroissanceselonlequelcertainsorganesgrandissent
plusviteoumoinsvitequed’autres.
Pourdécrirecetteévolution,onnepeutdoncplusutiliserunerelationintuitivede
proportionnalité,onutiliserauneautreloipourexpliquercesvariationsdemesures(allopour
«autre»,métriepour«mesures»),c’estlaloipuissance:y=bxa
Exemple:
Latailled’unadulteestenmoyennevoisinedudoubledelatailled’unenfantde2ansmaisles
membresdel’enfantgrandissentplusvitequeletronc.Danscetexemple,yetxsontlesmesures
dutroncetdesmembres,etaetbsontdesparamètresinconnusqu’ilfautdéterminer.
46
Onétudielarelationentrelesmassesducerveau(g)etducorps(g)chez62espècesde
mammifères.
Pourl’êtrehumainles
donnéesmoyennesdes
massessont62kg(corps)et
1320g(cerveau).
Lesvaleurss’étendentde5g(corps)et0,14g
(cerveau)pourunemusaraignede
Madagascarà6,654tonnes(corps)et5,712kg
(cerveau)pouréléphantd’Afrique.
Onvoitqu’entreces2mammifèreslamasse
corporellevariedansunrapport»1300000
alorsquelamasseducerveauvariedansun
rapport»40000.Onproposeunerelation
d’allométrieentrecesdeux2masses.
Enéchellearithmétique,onaungraphedelafonctionpuissance,
trèsrassembléauvoisinagedel’origineetdifficilement
exploitable.
Exempleintroductif(2/3)
47
Partransformationlogarithmiquede,onobtientlarelationaffine
êtrehumain:
Log(62000)=4,79
Log(1320)=3,12
Viacettetransformationlogarithmique,on
observeungraphedelafonctionpuissance
plusétalédevenantainsiexploitable
(visualisationdelarelationlinéaire,calculdes
paramètresaetb)
Cequiestportésurcegraphecesontles
logarithmesdesmassesetceslogarithmessont
portéssuruneéchellearithmétique(ainsilavaleur0
enycorrespondàunemassedecerveauquivaut1).
y=bxa
=bealnx
lny=alnx+lnb
Cesdonnéessontextraitesdel’articledeT.AllisonetD.VCiccheti:RevueScience,194:732-
734,1976,reprisesdanslabibliothèqueMASS{http://www.stats.ox.ac.uk/pub/MASS4}du
logicielR{http://www.R-project.org}.
Exempleintroductif(3/3)Échellesarithmétique/logarithmique
qÉchellelogarithmique:
Suruneéchellelogarithmique,unevaleurxestreprésentéeparunsegmentdemesurealgébrique
(kfacteurd’échelle).Unsegmentdemesurealgébriquedoublereprésentelavaleur
aucarré(x2)eneffet:
48
OA=klogax
Onnepeutreprésenterlavaleurnullecar,etàl’origineontrouvelavaleur1
car
loga(0)=−∞
loga(1)=0
OB=2OA=2klogax=kloga(x2
)
qÉchellearithmétique:
Suruneéchellearithmétique,unevaleurxestreprésentéeparunsegmentdemesurealgébrique
(kfacteurd’échelle).Unsegmentdemesurealgébriquedoublereprésentelavaleur
double(2x)eneffet:
OA=kx
OB=2OA=2kx
Papiersemi-logarithmique
Ilcomporteuneéchellearithmétiqueetuneéchellelogarithmique.L’échelle
logarithmiquepermetdereprésenterdegrandsintervallesdevaleurs(icide1à
100).
49
Papiersemi-logarithmique
Ilcomporteuneéchellearithmétiqueetuneéchellelogarithmique.L’échelle
logarithmiquepermetdereprésenterdegrandsintervallesdevaleurs(icide1à
100).
50
Application:
Trouvezlescoordonnées
despointsA,B,C
A(,)
B(,)
C(,)
A
B
C
Exercice
ÉtudedelafonctiondeGauss
51
g(u)=
1
2π
e
−
u2
2
Lafonctiongreprésenteladensitédeprobabilitéd’unevariablealéatoire
normaleUdemoyenne(oud’espérance)µ=0etd’écart-types=1.
(voircourssemestre2)
Exerciced’application
qDomainededéfinition:
qContinuité:gestcontinuecarc’estunefonctioncomposéedefonctionscontinues
qParité:g(–u)=g(u)doncgestunefonctionpaire.
Lareprésentationgraphiquedegserasymétriqueparrapportàl’axedesordonnées.
qPériodicité:gn’estpaspériodique
qComportementauxbornes:
52
Dg=
limu→+∞g(u)=limu→−∞g(u)=0
qDérivéepremière:
g’s’annuleenchangeantdesigneenu=0.
g’>0pouru<0;g’<0pouru>0.
Lareprésentationgraphiquedefprésenteunmaximumenu=0et
53
′g(u)=
1
2π
−u()e−u2
/2
g(0)=
1
2π
qDérivéeseconde:′′g(u)=
1
2π
−e
−
u2
2+(−u)(−u)e
−
u2
2
⎛
⎝
⎜
⎜
⎞
⎠
⎟
⎟
=
(u2
−1)e−u2
/2
2π
g’’estdusignedeu2
–1ets’annuleenchangeantdesigneenu=±1(g’’>0pouru<–1etu>1
;g’’<0pour–1<u<1).
Lareprésentationgraphiquedegprésentedoncdeuxpointsd’inflexion:
enu=1avecetenu=–1avecg(1)=
1
2π
e−1/2
≈0,242g(−1)=
1
2π
e−1/2
≈0,242
Exerciced’application
•Tableaudevariation:
•Représentationgraphique:
54
00
Exerciced’application
Annexe
Quelquesnotionsnontraitées
encours
55
Généralitéssurlesfonctionsréelles
•Comportementauxbornesdel’ensemblededéfinitionD
Recherchedesvaleurslimitesdef(x)auxbornesdeD
UnedroiteestasymptoteàlacourbereprésentativeCdefsielleserapprocheinfinimentdeC.
-Sialorsladroited’équationy=Aestasymptotehorizontaleen±∞,àC.
-Sialorsladroiteverticaled’équationx=AestasymptoteverticaleenA,àC
-Sialorsladroitey=ax+bestasymptoteobliqueen±∞,àC
56
limx→±∞f(x)=A
limx→Af(x)=±∞
limx→±∞f(x)−(ax+b)()=0
Généralitéssurlesfonctionsréelles
qParité
festpaire:
57
∀x∈Det−x∈D,f(x)=f(−x)
Lareprésentationgraphiqueestsymétriquepar
rapportàl’axedesordonnées.
Exemple:f(x)=x2
qParité
festimpaire:
58
∀x∈Det−x∈D,f(x)=−f(−x)
Lareprésentationgraphiqueestsymétriquepar
rapportàl’originedesaxes.
Exemple:f(x)=x3
Généralitéssurlesfonctionsréelles
Remarques:
—ladérivéed’unefonctionpaireestunefonctionimpaire;
—ladérivéed’unefonctionimpaireestunefonctionpaire.
qPériodicité
festpériodiques’ilexisteT≠0telque
59
∀x∈D,x+T∈Detf(x+T)=f(x)
Exemples:fonctionstrigonométriques
Remarque:
Ladérivéed’unefonctionpériodiqueestunefonctionpériodiquedemêmepériodeT.
T
Généralitéssurlesfonctionsréelles
qFonctionexponentielle:f(x)=exp(x)=ex
Dérivée:
60
ex
()!=ex
Cettedérivéeesttoujours>0donccettefonctioneststrictementcroissantesur
eu
()!=!u×eu
siuestunefonction
Df=
limx→+∞ex
=+∞
limx→−∞ex
=0

Généralitéssurlesfonctionsréelles
qFonctionlogarithmenépérien:f(x)=ln(x)
Propriétés:
(ln1=0care0=1)
Dérivée:
61
lnx()!=
1
x
Cettedérivéeesttoujours>0donccettefonctionestcroissantesurDf
lnu()!=
!u
u
siuestunefonctionnonnulle
Df=+*
ln(aα
)=αlnaln
1
a
!
"
#
$
%
&=−lnaln
a
b
!
"
#
$
%
&=lna−lnb
lim
$→&'
ln)=+∞lim
$→-&
ln)=−∞
Généralitéssurlesfonctionsréelles
62
qCalculdelimx→1
x2
+x−2
lnx
ApplicationdesDLaucalculdeslimites
Onaunelimitedelaformeindéterminée0/0.
Pourleverl’indétermination,onpeututiliserlesdéveloppementslimités.
Onpeutremplacerln(x)parsondéveloppementlimitéauvoisinagede1.
f(z)=fz0()+(z−z0)×#f(z0)+
(z−z0)2
2!
×##f(z0)+...+
(z−z0)n
n!
×f(n)
(z0)+reste
FormuledeTaylorauvoisinagedez0:
63
Auvoisinagedezéro,
ln(1+z)=0+
z−0
1
×1+
(z−0)2
2
×(−1)+
(z−0)3
3×2
×2+reste=z−
z2
2
+
z3
3
+reste
Posonsx=1+z,soitz=x-1.Quandz→0alorsx→1.
Parcechangementdevariable,onobtientledéveloppementdeln(x)auvoisinagede1:
ln(x)=(x−1)−
(x−1)2
2
+
(x−1)3
3
+reste
ApplicationdesDLaucalculdeslimites
limx→1
x2
+x−2
ln(x)
=limx→1
x2
+x−2
(x−1)+...
⇔limx→1
x2
+x−2
ln(x)
=limx→1
(x−1)(x+2)
(x−1)+...
⇔limx→1
x2
+x−2
ln(x)
≈limx→1
(x+2)=3
COURS2
FONCTIOND’UNE
VARIABLE
RÉELLE(SUITE)
ÉQUIPEPÉDAGOGIQUEBPS
(BIOMATHÉMATIQUE,PROBABILITÉETSTATISTIQUES)
PACESUE4
ÉVALUATIONDESMÉTHODESD’ANALYSESAPPLIQUÉES
AUXSCIENCESDELAVIEETDELASANTÉ
Applications
pharmacocinétiques
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoieorale
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoie
intraveineuse
 Modélisationd’uneadministrationrépétéed’unantibiotiqueparvoie
intraveineuse
2
RappelCours1
3
L’absorptionestmodéliséeparuneexponentielle
exp(–nt)avecnlaconstantedevitessed’entrée.
L’éliminationestmodéliséeparuneexponentielle
exp(–st)avecslaconstantedevitessedesortie.
Modélisationmathématiquedel’évolutiondelaconcentrationplasmatique
C(t)d’unmédicamentingéréparvoieorale
OnétudieraicilecasoùA=10mg/L,s=1h-1etn=4h-1
C(t)=A(e–st–e–nt)
C(t)dépenddedeuxmécanismessimultanés
etopposés:
–l’absorptiond’origineintestinale
–l’éliminationparlesorganesd’excrétion
4
ÉtudedelafonctionmodèleC(t)=10(ete4t)
Temps&t&(h)&Élimina/on&&
exp(−t")"
Absorp/on&
&exp(−4t)"
exp(−t)7exp(−4t)&C(t)&&
(mg/L)&
0"1"1"0"0"
0,10"0,90"0,67"0,23"2,35"
0,20"0,82"0,45"0,37"3,69"
0,30"0,74"0,30"0,44"4,40"
0,40"0,67"0,20"0,47"4,68"
0,50"0,61"0,14"0,47"4,71"
0,60"0,55"0,09"0,46"4,58"
0,70"0,50"0,06"0,44"4,36"
0,80"0,45"0,04"0,41"4,09"
0,90"0,41"0,03"0,38"3,79"
1,00"0,37"0,02"0,35"3,50"
1,10"0,33"0,01"0,32"3,21"
Application
Décroissance+
exponen.elle+liée+à+
l’absorp.on++beaucoup+
plus+rapide++que+celle+
liée+à+l’élimina.on
Cmax%est%a)einte%au%bout%%
de%30%min%environ
À+par.r+de+Cmax,+le+
phénomène+
d’absorp.on+devient+
très+minoritaire
 Déterminationdetmax,tempspourlequellaconcentrationestmaximale
5
—Calculdesdérivéessuccessives
Remarque:Ils’agitd’unmaximumcarladérivées’annuleetchangedesigneentmax
(voirlesignedeC’’(tmax))
ÉtudedelafonctionC(t)=10(e–t–e–4t)
!C(t)=10(−1×e−t
−(−4×e−4t
))=10(−e−t
+4e−4t
)
!!C(t)=10(−1×(−1)e−t
+(4×(−4)×e−4t
))=10(e−t
−16e−4t
)
—Calculdetmax
!C(tmax)=10(−e−tmax
+4e−4tmax
)=0⇔4e−4tmax
=e−tmax
⇔4e−3tmax
=1
⇔e−3tmax
=
1
4
⇔−3tmax=ln(1)−ln(4)⇔tmax=
ln4
3
≈0,462h
Application
 DéterminationdeCmax:
6
Remarque:L’étudedelalimiteen+∞permetdedéterminerC(t∞)
C(tmax)=10(e
−
ln4
3
−e
−
4ln4
3
)≈4,725mg/L
 Tableaudevariation:
Domaine&d’étude&0&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&(ln4)/3&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&+∞&
C’(t)&+&—&
C(t)&"""""""""""""""""""""""""""""""""""""""""4,725"
0"0"
ApplicationApplications
pharmacocinétiques
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoieorale
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoie
intraveineuse
 Modélisationd’uneadministrationrépétéed’unantibiotiqueparvoie
intraveineuse
7
8
Modèlemathématique:C(t)=C0e–ktaveck=0,46h1
Oninjecteunedosede40mgàunpatient.Onsuppose
quechezcepatientlevolumesanguinestde4litres.
a) EndéduirelaconcentrationinitialeplasmatiqueC0
théoriqueaumomentdel’administration.
b) Estimerlaconcentrationauboutde4h
c) Étudierlavariationdelaconcentrationplasmatique
enfonctiondutemps.
d) Onappelledemi-vied’éliminationsanguine,τle
tempsauboutduquellaconcentrationatteintla
valeurC0/2.Calculercettevaleurτ.
e) Lamoléculen’estplusactivesisaconcentration
plasmatiqueestinferieureà2mg/L.Quanddoit-on
auplustardadministrerladosesuivante?
Application
9
Modèlemathématique:C(t)=C0e–ktaveck=0,46h1
Oninjecteunedosede40mgàunpatient.Onsupposequechezcepatientlevolumesanguinestde4litres.
 ConcentrationinitialeplasmatiqueC0aumomentdel’administration.
C(t=0−
)=0
C0=C(t=0+
)=
quantité
volume
=
40
4
=10mg/L
Décroissanceexponentielle:C(t)=10e–0,46t
Application
 Concentrationplasmatiqueauboutde4h:
C(4)=C0exp(−4k)⇔C(4)=10exp(−0,46×4)≈1,59mg/L
10
 Variationdelaconcentrationplasmatique:
C’(t)<0C(t)estunefonctiondécroissantestrictementmonotone.
!C(t)=10×−k×exp(−kt)
Domaine&d’étude&0&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&+∞&
C’(t)&—&
C(t)&"C0""""""""""""""""""""""""""""""""""""""""
0"
 Tempsdedemi-vieτ:
Application
C0
2
=C0exp(−kτ)⇔
1
2
=exp(−kτ)⇔−kτ=ln
1
2
#
$
%
&
'
(
⇔−kτ=ln1−ln2⇔τ=
ln2
k
AN:τ=
0,693
0,46
≈1,51h
11

La%molécule%n’est%plus%ac;ve%si%sa%concentra;on%plasma;que%est%inferieure%à%2%mg/L.%Quand%doitDon%au%plus%tard%
administrer%la%dose%suivante
C=C0exp(−kt)⇔−kt=ln
C
C0
#
$
%
&
'
(⇔kt=ln
C0
C
#
$
%
&
'
(⇔kt=ln
10
2
#
$
%
&
'
(⇔t=
ln5
k
AN:t≈3,50h

Pour%cet%an;bio;que,%on%proposera%
donc%un%schéma%thérapeu;que%en%
administra;ons%répétées.%"
Seuil"minimal"
d’ac9vité"
τ"
Application
Applications
pharmacocinétiques
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoieorale
 Modélisationd’uneadministrationuniqued’unantibiotiqueparvoie
intraveineuse
 Modélisationd’uneadministrationrépétéed’unantibiotiqueparvoie
intraveineuse
1213
Modélisationdel’évolutiondelaconcentrationplasmatiqueC(t)
d’unmédicamentadministrédefaçonrépétéeparvoieintraveineuse
Application
L’administrationrépétéed’unmédicamenta
pourbutd’atteindrepuisdemaintenirla
concentrationd’unmédicamentdansun
intervalleappeléintervallethérapeutique,
entreseuilminimald’activitéetseuilmaximal
detoxicité.
L’administrationd’unenouvelledoseest
réaliséealorsqu’ilresteunefractionnon
éliminéedeladoseprécédente.
14
Commentévoluentlesconcentrationslorsd’administrationsrépétées ?Nerisquent-elles
pasdecroîtreindéfinimentetdefinirpardevenirtoxiques ?
Pourassureruntraitementefficace,desdosesidentiques
d’antibiotiquesontadministréesàdesintervallesdetemps
réguliersT.
Onvamontrerquelorsquelenombred’administrations
estgrand,onatteintunétatd’équilibreoùpendantun
intervalledetempsentrelesdeuxadministrationsde
doses,laconcentrationvarieentredeuxvaleursCminet
Cmax.
Onappellerailerangdel’administration(i=1àn)etCmaxilaconcentrationaumomentdela
iemeadministration,c’est-à-direjusteaprès.
Ainsi,aveccettenotationàla1readministrationi=1,ona:Cmax1=C(0+)=C0
Application
15
 ContinuitédelafonctionC(t)enchaquepointdenouvelleadministration.
Application
limt→T−C(t)=C(T)etlimt→T+C(t)=C(T)+C0≠C(T)
AuxtempsT,2T,3T…,nT,lafonctionCfaitunsautdehauteurC0,elleestdiscontinueàdroite
etcontinueàgauche.Ona:
 Montrezquel’onalarelationCmaxn
=C01+e−kT
+...+e−k(n−1)T
()
AutempsT,ilresteC0e(kT)delapremièreadministrationetonadministreunedose
supplémentaireC0.Onadoncàladeuxièmeadministration:
Cmax2
=C0+C0e−kT
=C01+e−kT
()
16
Onretrouvequ’àT,C(t)=(C0+C0e-kT)
Autemps2T,ilreste:
Àla3eadministration,ona:
Cmax3
=C(2T+
)=C0+C0(e−kT
+e−2kT
)=C0(1+e−kT
+e−2kT
)
Onpeutgénéraliser(n-ièmeadministration),onaura:
Cmaxn
=C01+e−kT
+...+e−k(n−1)T
()
C(2T−
)=(C0+C0e−kT
)e−k(2T−T)
=C0(1+e−kT
)e−kT
=C0(e−kT
+e−2kT
)
exp(a+b)=exp(a)×exp(b)
Application
PourdestempsT≤t<2T,onaC(t)=(C0+C0e−kT
)e−k(t−T)
=C0(1+e−kT
)e−k(t−T)
17
 Montrezquesin+∞alorsCmax∞
=C0
1
1−e−kT
#
$
%
&
'
(
1+e−kT
+...+e−k(n−1)T
()estlasommedestermesd’unesuitegéométriquederaisone-kT.
Multiplionscetteexpressionparlafraction1−e−kT
1−e−kT
"
#
$
%
&
'
1+e−kT
+...+e−k(n−1)T
()=
1+e−kT
+...+e−k(n−1)T
()1−e−kT
()
1−e−kT
⇔1+e−kT
+...+e−k(n−1)T
()=
1+e−kT
+...+e−k(n−1)T
−e−kT
−e−2kT
−...−e−knT
()
1−e−kT
⇔1+e−kT
+...+e−k(n−1)T
()=
1−e−knT
()
1−e−kT
Applicationexp(a+b)=exp(a)×exp(b)
18
Commeet
Ona:
1+e−kT
+...+e−k(n−1)T
()=
1−e−knT
()
1−e−kT
Cmaxn
=C0
1−e−knT
1−e−kT
"
#
$
%
&
'
Cmax∞=limn→∞Cmaxn
=limn→∞C0
1−e−knT
1−e−kT
$
%
&
'
(
)=C0
1
1−e−kT
$
%
&
'
(
)
Cmaxn
=C01+e−kT
+...+e−k(n−1)T
()
Application
Quandn+∞,onaalors
 CalculdeCmax∞pourT=1,5h.
Cmax∞
=C0
1
1−e−kT
#
$
%
&
'
(⇒PourT=1,5honaCmax∞
=C0
1
1−e−1,5×0,46
#
$
%
&
'
(=20,6mg/L
19
 Combiend’administrationspeut-onfaire,aveccettevaleurdeT=1,5hpournepas
dépasserlaconcentrationtoxiquede16mg/L ?
Ontrouven=2,3,soit2administrationspossibles.
Remarque:PourC0=12mg/L,ontrouven=1,6;
PourC0=8mg/L,ontrouven=8,3;
PourC0=5mg/L,impossible(ensemblededéfinitiondeln,seuildetoxicité)
Lavaleur8mg/Lestadaptéeàuntraitementdepluslonguedurée.
16=C0
1−e−knT
1−e−kT
"
#
$
%
&
'⇔1−e−knT
=
161−e−kT
()
C0
⇔e−knT
=1−
161−e−kT
()
C0
−knT=ln1−
161−e−kT
()
C0
"
#
$
$
%
&
'
'
⇔n=−
1
kT
ln1−
161−e−kT
()
C0
"
#
$
$
%
&
'
'
≈2,3
Application
20
 MontrezqueCmax∞estunefonctiondécroissantedeT.Commentezcerésultat
Cettedérivéeesttoujoursnégative,doncCmax∞(T)estunefonctiondécroissante(siTaugmente,
Cmax∞(T)diminue).
PouruneconcentrationCmax∞de16mg/LcorrespondantauseuildetoxicitéetunevaleurdeC0
égaleà10mg/L,ontrouveT=2,1322 h.
DoncsiT≥2,14h,leseuildetoxicitén’estjamaisatteint.
Cmax∞
=C0
1
1−e−kT
#
$
%
&
'
(⇒Cmax∞
()*=C0
−ke−kT
1−e−kT
()
2
Application
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Mathématiques:Cours2(suite)
Fonctionsdeplusieursvariables
PACES–UE4
ÉquipepédagogiqueBPS(Biomathématique,ProbabilitéetStatistique)Université
ParisDescartes
–BPS1/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Tabledesmatières
1Définitions
Fonctionsdedeuxvariables
Fonctionsdeplusieursvariables
2Représentationgraphique
Surfacesdansl’espace
Projectionsendeuxdimensions
3Dérivéespartielles
Dérivéespartiellesdupremierordre
Applicationsauxvecteurs
Dérivéespartiellesdusecondordre
4Différentielles
Définitionsetpropriétés
Différentiellelogarithmique
5Annexe
–BPS2/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Fonctionsdedeuxvariables
Grandeursdépendantdedeuxvariables.ExempleI
Lesgrandeursbiologiquesouphysicochimiquesdépendantde
plusieursvariablessonttrèscourantes.
Exemple
LepHdelasolutiond’unacidefaibledeconstanted’ionisation
Kadépenddesconcentrationsdesaformeacideyetdesa
formebasiquex1:pH=f(x,y)=a+logx
y
1.Équationd’Henderson–Hasselbalch;a=logKa=pKa
–BPS3/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Fonctionsdedeuxvariables
Grandeursdépendantdedeuxvariables.ExempleII
Exemple
Laconcentrationplasmatiqued’unmédicamentadministrépar
voieoraledépenddeladoseadministréexetdutempst:
C=f(x,t)=K·xea·teb·t
Ici,K,aetbsontdesparamètresconstants,seulsxettsont
desvariables.2
2.Équationdéjàvueplustôt,oùlaconstanteA=K·xaucasoùladose
xestconstante.
–BPS4/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Fonctionsdedeuxvariables
Définitiond’unefonctiondedeuxvariables.
Définition
Uneapplicationfdéfiniesurunsous-ensembleEdeR2et
prenantdesvaleursdansRestappeléefonctionréellededeux
variables:
f:E✓R2!R
(x,y)7!f(x,y)
Ainsi,lafonctionffaitcorrespondreàchaquecouplede
valeurs(x,y)unevaleurf(x,y):
8(x,y)2E✓R2:f(x,y)2R
Exemple
f(x,y)=x2+4x·y
f(3,6)=32+4⇥3⇥6=81(3,6)7!81
–BPS5/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Fonctionsdeplusieursvariables
Grandeursdépendantdeplusieursvariables.
Lanotiondefonctiondedeuxvariablespeutbienévidemment
êtreétendueàplusieursvariables.
Exemple
L’énergied’interactionUentredeuxionschargésdépendde
leurschargesq1etq2etdeladistancerquilessépare3:
U=f(q1,q2,r)=
k·q1·q2
r
festunefonctiondestroisvariablesq1,q2etr.
3.LoideCoulomb
–BPS6/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Fonctionsdeplusieursvariables
Définitiond’unefonctiondetroisvariables.
Définition
Uneapplicationfdéfiniesurunsous-ensembleEdeR3et
prenantdesvaleursréellesdansRestappeléefonctionréelle
de3variables:
f:E✓R3!R
(x,y,z)7!f(x,y,z)
Exemple
f(x,y,z)=3x
yz
f(2,5,1)=3⇥2
51=1,5
–BPS7/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Surfacesdansl’espace
Fonctionsdedeuxvariables
Commeunefonctiond’une
variableestreprésentéepar
unecourbedansleplan,une
fonctiondedeuxvariablesest
représentéeparunesurface
dansl’espace.
Àchaquepointduplan(x,y)
corresponduneélévation(ou
côte)z=f(x,y)
:z=f(x,y)
–BPS8/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Surfacesdansl’espace
Surfacesdansl’espace
Lasurfacepeutêtre
coloréeselonlavaleur
dezafindemieux
visualiserlesvaleursde
lafonction.Ci-contreles
élévationsfaiblessonten
violetfoncéetlesplus
élevéesenblanc.
:f(x,y)=1
2⇡e
x2+y2
2exemple:
f(1,2)=1
2⇡e
(1)2+(2)2
2⇡0,014
–BPS9/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Surfacesdansl’espace
Surfacesdansl’espace
Despalettesdecouleurvariées
peuventêtreutilisées.Par
exemple,ci–contrelesvaleurs
delafonctionsont
représentéesparunspectrede
couleursallantduvioletpour
lesvaleurslesplusfaiblesvers
lerougepourlesvaleursles
plusélevées.
:f(D,t)=D(eat
ebt
)
–BPS10/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Projectionsendeuxdimensions
Graphesdensité
Unealternativeàlareprésentationen3Dd’unesurfacedans
l’espaceestlegraphedensité:uneprojectiondansunplan
avecuncodecouleursquicorrespondàlavaleurdelafonction.
:f(x,y)=e
x2+y2
2:f(D,t)=D(eat
ebt
)
–BPS11/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Projectionsendeuxdimensions
Courbesdeniveaux
Uneautrereprésentationdelaprojectiondansunplanconsiste
enuntracédecourbesdeniveauxzconstants,oùest
éventuellementsuperposélegraphedensité.
:f(D,t)=D(eat
ebt
):f(D,t)=D(eat
ebt
)
–BPS12/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Influencedelavariationdesvariablessurlafonction
UnconstatIlestévidentquelavariationden’importequelle
variablemodifieralavaleurdelafonction.
LeproblèmeCommentcalculercetteinfluence?
LasolutionEnpassantparlecalculdesdérivéespartielleset
deladifférentielle
–BPS13/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Définitiondesdérivéespartielles
Soitf(x,y)unefonctionde2variablesdéfiniesurE✓R2etun
pointA=(x0,y0)2E.Alorsf(x,y0)etf(x0,y)sontdes
fonctionsd’uneseulevariablechacune,xouy.
Définition
Sileslimites
lim
x!x0
f(x,y0)f(x0,y0)
xx0
etlim
y!y0
f(x0,y)f(x0,y0)
yy0
existent,alorsellesontappeléesdérivéespartiellesde1er
ordredefaupointAselonxetyrespectivement.Onnote:
@f
@x
(x0,y0)et
@f
@y
(x0,y0)
Lessymbolesf0
xetf0
yserencontrentaussi,surtoutenphysique.
–BPS14/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Dérivéepartielleselonx
Soit
f(x,y)=x3+x·y2
Ladérivéepartielle
defparrapportàx
estcalculéeen
dérivantlafonction
parrapportàxen
considérantqueyest
uneconstantey0:
@f
@x=3x2+y2
@f
@x
(x0,y0)=lim
x!0
f(x0+x,y0)f(x0,y0)
x
–BPS15/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Dérivéepartielleselony
Soit
f(x,y)=x3+x·y2
Ladérivéepartielle
defparrapportày
estcalculéeen
dérivantlafonction
parrapportàyen
considérantquexest
uneconstantex0:
@f
@y=2x·y
@f
@y
(x0,y0)=lim
y!0
f(x0,y0+y)f(x0,y0)
y
–BPS16/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Miseenpratique
Enpratique,pourcalculerladérivéepartielleselonune
variable,ondériveenconsidérantlesautresvariablescomme
constantes.Onretrouvealorslesformulesdedérivationdes
fonctionsd’unevariable.
Unefonctiondenvariablesadmetndérivéespartiellesde
premierordre.
Lesrèglesdedérivationdesfonctionsd’unevariablerestent
valables.Notamment:
@c
@x=@c
@y=0oùcestuneconstante
@x
@x=@y
@y=1
@x
@y=0
–BPS17/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Exemples
Exemples
@(5x3y)
@x
=5et
@(5x3y)
@y
=3
@
⇣
a+logx
y
⌘
@x
=
1
xln10
et
@
⇣
a+logx
y
⌘
@y
=
1
yln10
@
✓
e
x2+y2
2
◆
@x
=xe
x2+y2
2et
@
✓
e
x2+y2
2
◆
@y
=ye
x2+y2
2
@(ex·y)
@x
=yex·y
et
@(ex·y)
@y
=xex·y
–BPS18/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Interprétationgéométriquedesdérivéespartielles
Unesurfacez=f(x,y)aun
plantangentenunpointetune
infinitédedroitestangentesen
cepoint.Eneffet,toutesles
droitescontenuesdansleplan
tangentsonttangentesàla
surface.
plantangentenunpointd’une
surfacez=f(x,y)
–BPS19/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdupremierordre
Interprétationgéométriquedesdérivéespartielles
Lapentedeladroitetangente
parallèleauplanxzestégaleàla
dérivéepartielledelafonction
f(x,y)selonxaupointoùla
droiteesttangenteàlasurface.
Demême,lapentedeladroite
tangenteparallèleauplanyzest
égaleàladérivéepartielledela
fonctionf(x,y)selonyaupointoù
ladroiteesttangenteàlasurface.tg↵=@f
@x
–BPS20/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Applicationsauxvecteurs
Champscalairesetchampsvectoriels
Définition
Onappellechampscalaireunerégiondel’espacedans
laquelleàchaquepoint(x,y,z)estassociéeunegrandeur
f(x,y,z).
Exemple
Àchaquepointdel’atmosphèreonassocieunetempérature.Il
s’agitd’unchampscalaire.
–BPS21/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Applicationsauxvecteurs
Champvectoriels
Définition
Onappellechampvectorielunerégiondel’espacedans
laquelleàchaquepoint(x,y,z)estassociéunvecteur:
!
F(x,y,z)=P(x,y,z)
!
i+Q(x,y,z)
!
j+R(x,y,z)
!
k+
Exemple
Àchaquepointd’unfluideonassocielavitessedelamolécule
quis’ytrouve.Ils’agitd’unchampvectoriel.
–BPS22/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Applicationsauxvecteurs
Vecteurgradient
SoitunefonctionU(x,y,z)définiedansl’espace.
Définition
Ondéfinitlevecteurgradientnoté
!
gradUourU:
!
gradU⌘rU=
@f
@x
!
i+
@f
@y
!
j+
@f
@z
!
k
Interprétation:LafonctionUreprésenteunepropriétéscalaire
dansdifférentspoints,parexemplelatempératureoul’énergie.
Legradientestunvecteurdontladirectionindiqueversquelle
directionl’augmentationdelafonctionestlaplusgrande(la
plusgrandepente).
–BPS23/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdusecondordre
Dérivéespartiellesd’ordredeuxd’unefonctionde2
variables
Lesdérivéespartiellesde1erordre
@f
@x
et
@f
@y
d’unefonctionde
2variablespeuventêtreaussidesfonctionsde2variables.Si
lesdérivéespartiellesde
@f
@x
et
@f
@y
existent,ellessont
appeléesdérivéespartiellesdesecondordredelafonctionfet
sontnotées:
@@f
@x
@x
=
@2f
@x2
=f00
xxet
@@f
@y
@y
=
@2f
@y2
=f00
yy
@@f
@x
@y
=
@2f
@y@x
=f00
xyet
@@f
@y
@x
=
@2f
@x@y
=f00
yx
–BPS24/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdusecondordre
Dérivéespartiellesd’ordredeux–généralisation
Lesdérivéespartielles
@f
@xi
de1erordred’unefonctionden
variablespeuventêtreaussidesfonctionsdenvariables.Siles
dérivéespartiellesde
@f
@xi
existent,ellessontappelées
dérivéespartiellesdesecondordredelafonctionfetsont
notées:
@@f
@xi
@xj
=
8
><
>:
@2f
@xj@xi
sii6=j
@2f
@x2
i
sii=j
–BPS25/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdusecondordre
ThéorèmedeClairautetSchwarz4
Théorème
Soitf(x,y)unefonctiondedeuxvariablesdont:
lesdérivéespartiellesde1erordre
@f
@x
et
@f
@y
existentet
lesdérivéespartiellesde2ndordre
@2f
@x@y
et
@2f
@y@x
existentetsontcontinues.
Alors:
@2f
@x@y
=
@2f
@y@x
Lethéorèmepeutêtregénéraliséauxfonctionsavecplusquedeuxvariables.
Àconditionquelesdérivéessecondessoientcontinues,l’ordrededérivation
nemodifiepaslerésultat.
4.ÉnoncéparClairauten1740,démontréparSchwarzen1873
–BPS26/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Dérivéespartiellesdusecondordre
Dérivéespartiellesd’ordredeux–Exemple
Soitf(x,y)=x3+x·y2
Nousavonsdéjàcalculé@f
@x=3x2+y2et@f
@y=2xy
Alorslesdérivéessecondessont:
@2f
@x2=
@[@f
@x]
@x=
@[3x2+y2
]
@x=6x
@2f
@y2=
@
h
@f
@y
i
@y=@[2xy]
@y=2x
@2f
@x@y=
@
h
@f
@y
i
@x=@[2xy]
@x=2y
´egalit´e
tt@2f
@y@x=
@[@f
@x]
@y=
@[3x2+y2
]
@y=2y
jj
–BPS27/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Définitionsetpropriétés
Différentiellespartiellesd’unefonctiondedeux
variables
Définition
Onappelledifférentiellespartiellesselonxetselonyd’une
fonctionfde2variableslesexpressions:
dfx=
@f
@x
dxetdfy=
@f
@y
dy
Interprétation:Ladifférentiellepartielledfxexprime
l’accroissementdelafonctionflorsquexvariededxavecy
constant.(Demêmepourdfy).
–BPS28/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Définitionsetpropriétés
Différentielled’unefonctiondedeuxvariables
Définition
Onappelledifférentielled’unefonctionfde2variables
l’expression
df=dfx+dfy=
@f
@x
dx+
@f
@y
dy
Interprétationgéométrique:Ladifférentielleenunpointdéfinit
unplanparallèleauplantangentàlasurfaceàcepoint.
Théorème
Pourqu’unefonctionfà2variablessoitdifférentiableenun
point,ilsuffitquesesdérivéespartiellesde1erordreexistentet
soientcontinuesencepoint.Alorslafonctionfestdite
régulière.
–BPS29/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Définitionsetpropriétés
Différentielled’unefonctiondedeuxvariables
Définition
Onappelledifférentielled’unefonctionfde2variables
l’expression
df=dfx+dfy=
@f
@x
dx+
@f
@y
dy
Théorème
Pourqu’unefonctionfà2variablessoitdifférentiableenun
point,ilsuffitquesesdérivéespartiellesde1erordreexistentet
soientcontinuesencepoint.Alorslafonctionfestdite
régulière.
Danslecadredececoursonnetraiteraquedesfonctions
régulières.
–BPS30/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Définitionsetpropriétés
Généralisation:différentielled’unefonctionde
plusieursvariables
Définition
Onappelledifférentielled’unefonctionfdenvariables
l’expression
df=
nX
i=1
@f
@xi
dxi
Lestermes«différentielletotale»ou«différentielletotale
exacte»sontparfoisutilisés.
Ladifférentielled’unefonctionfdenvariablesestnulle
surunsous-ensembledeRnsietseulementsilafonction
festuneconstantedanscesous-ensemble.
–BPS31/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Définitionsetpropriétés
Différentielles-Exemples
Exemples
d(5x3y)=5dx3dy
d
✓
a+log
x
y
◆
=
1
xln10
dx
1
yln10
dy=
1
ln10
✓
dx
x
dy
y
◆
d
✓
e
x2+y2
2
◆
=xe
x2+y2
2dxye
x2+y2
2dy=e
x2+y2
2(xdx+ydy)
d(ex·y
)=yex·y
dx+xex·y
dy=(ydx+xdy)ex·y
–BPS32/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Différentiellelogarithmique
Différentiellelogarithmique
Définition
Rappel:Commevuau1ercours,ladifférentielledulogarithme
delavaleurabsolued’unefonctionf:
dln|f|
estappeléedifférentiellelogarithmiquedef
Aprèslecalculdeladifférentiellelogarithmique,ilestpossible
decalculerladifférentielle.Eneffet:
dln|f|=
df
f
)df=fdln|f|
Cettenotionestgénéralisableauxfonctionsdeplusieurs
variables.
–BPS33/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Différentiellelogarithmique
Exemple
Ladifférentiellelogarithmiquepeutfaciliterlecalculdela
différentielledefonctionscomposéesdeproduitsouquotients.
Exemple
Soitlafonctionf(P,V,n,T)=P·V
n·R·ToùRestuneconstante
positiveetP,V,netTsontdesvariablespositives.
ln|f|=ln
P·V
n·R·T
=lnP+lnVlnnlnRlnT
dln|f|=
dP
P
+
dV
V
dn
n
dT
T
df=fdln|f|=
P·V
n·R·T
✓
dP
P
+
dV
V
dn
n
dT
T
◆
=
=
1
n·R
✓
VdP
T
+
PdV
T
P·Vdn
nT
P·VdT
T2
◆
–BPS34/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Annexe
Rappelssurlesvecteurs.
Non-traitésencours.
–BPS35/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Baseorthonormée
Soient
!
i,
!
jet
!
k,troisvecteursunitaires,portés
respectivementparOx,OyetOz.Lesvecteurssontdonc
orthogonauxdeuxàdeux.Cestroisvecteursformentune
baseorthonormée.
Danscettebaseorthonormée(
!
i,
!
j,
!
k),onnotele
vecteur
!
OA=X
!
i+Y
!
j+Z
!
kou
!
OA(X,Y,Z)oùX,Y
etZsontlescomposantesoucoordonnéesduvecteur
!
OA
danslabaseorthonormée(
!
i,
!
j,
!
k).
Propriétés(où
!
V1(X1,Y1,Z1)et
!
V2(X2,Y2,Z2)sontdeux
vecteurs).
!
V1+
!
V2=(X1+X2)
!
i+(Y1+Y2)
!
j+(Z1+Z2)
!
k
a
!
V1=aX1
!
i+aY1
!
j+aZ1
!
k
–BPS36/37
DéfinitionsReprésentationgraphiqueDérivéespartiellesDifférentiellesAnnexe
Produitscalairededeuxvecteurs
Définition
!
V1·
!
V2=
!
V1
!
V2cos
⇣!
V1,
!
V2
⌘
Propriétés(où
!
V1(X1,Y1,Z1)et
!
V2(X2,Y2,Z2)sontdeux
vecteursnonnuls).
!
V1·
!
V2>0:angle
⇣!
V1,
!
V2
⌘
aigu
!
V1·
!
V2<0:angle
⇣!
V1,
!
V2
⌘
obtus
!
V1·
!
V2=0:
!
V1et
!
V2perpendiculaires
!
V1·
!
V2=X1X2+Y1Y2+Z1Z2
!
V1·
!
V1=
!
V1
2
=X2
1+Y2
1+Z2
1
cos
⇣!
V1,
!
V2
⌘
=
!
V1·
!
V2
!
V1
!
V2
=X1X2+Y1Y2+Z1Z2p
X2
1+Y2
1+Z2
1
p
X2
2+Y2
2+Z2
2
–BPS37/37
CalculintégralRésolutiond’équationsdifférentielles
MathématiquesCours3
Calculintégraletéquationsdifférentielles
PACES–UE4
ÉquipepédagogiqueBPS(Biomathématique,ProbabilitéetStatistique)Université
ParisDescartes
-BPS1/53
CalculintégralRésolutiond’équationsdifférentielles
1Calculintégral
Introduction
Généralisation
Calculd’uneintégrale
Moyenned’unefonction
2Résolutiond’équationsdifférentielles
Introduction
Généralisation:équationsàvariablesséparables
Équationsdifférentiellesdupremierordre,linéaires
-BPS2/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Interprétationgéométrique:l’intégralecommeaire
sousunecourbe
Rappel:L’intégraled’unefonctionentredeuxbornesaetbest
égaleàl’airedélimitéeparlesdeuxdroitesverticalesy=aet
y=b,l’axedesabscissesetlacourbedelafonctionsila
fonctionestpositiveetàl’opposédecetteairesilafonctionest
négative.
Parexempledanslegrapheci-
contre:
Z4
2
f(x)dx=A1A2
-BPS3/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Calculintégral:calculery(x)àpartirdey0
(x)
Onneconnaîtpasy(x)maisonconnaîtsadérivée:lavitesse
dechangementdeyparrapportàx;oncherchey(x).
Situationtrèsfréquenteenbiologie:
Parexempleonconnaîtlavitessedecroissanced’une
populationbactérienneenfonctiondutempsp0(t)=dp
dteton
cherchelafonctionp(t).
L’intégrationestdoncl’opérationinversedeladérivation.
-BPS4/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Primitivesd’unefonction
Définition
Onappelleprimitived’unefonctionf,unefonctionFdontla
dérivéeestégaleàf:F0(x)=f(x)
Théorème
SiF(x)estuneprimitivedef(x),alorsG(x)=F(x)+coùc
estuneconstante,estaussiprimitivedef.
Unefonctioncontinueadmetuneinfinitédeprimitives
Exemple
f(x)=xadmetcommeprimitiveslafamilledesfonctions
F(x)=x2
2+c
-BPS5/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Équivalenceentreairesouslacourbeetintégration
Toutd’abordunecondition:on«intègre»surunintervalleoù
lafonctionestcontinue;soit[a,b]cetintervalle(a<b).
Ensuiteonappliqueralethéorèmefondamentalducalcul
intégral:
Théorème
Calculeruneairesouslacourbereprésentantlafonction
continuef(x)oucalculeruneprimitivedef(x)sontdeux
façonsd’intégrerquiconduisentaumêmerésultat.
-BPS6/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Exempleintroductif
Soitunefonctionaffinef(x)=2x+1.
Onvérifielethéorèmeprécédentsurunintervalle[a,b].
Calculerl’airedélimitéepar
l’axedesx,ladroite
y=2x+1etlesdroites
verticalesx=aetx=b.
Airedutrapèze:Demi-sommedes
basesmultipliéeparlahauteur
A=1/2[(2a+1)+(2b+1)](ba)=
(a+b+1)(ba)Airesousunedroite
-BPS7/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Exempleintroductifsuite
Soitunefonctionaffinef(x)=2x+1.
Onvérifielethéorèmeprécédentsurunintervalle[a,b].
Calculerl’airedélimitéepar
l’axedesx,ladroite
y=2x+1etlesdroites
verticalesx=aetx=b.
Airedutrapèze:Demi-sommedes
basesmultipliéeparlahauteur
A=1/2[(2a+1)+(2b+1)](ba)=
(a+b+1)(ba)
Calculeruneprimitive
F(x)def(x)=2x+1:
F(x)=x2+x+Cte
F(b)F(a)=(b2+b+
Cte)(a2+a+Cte)=
(a+b+1)(ba)
LaCteestlamêmeets’élimine
puisquec’estlamêmeprimitive.
Donc
Rb
af(x)dx=Airesouslacourbe=F(b)F(a)
-BPS8/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation
Commentcalculerl’airesouslacourbequandf(x)est
quelconque
Commentgénéralisercettepropriété
silacourbereprésentativedef(x)
n’estpasunedroite?
Ondécomposecetteaireenaires
élémentairesquel’onsomme(leSdu
signeintégral).
Ondécritdessommesd’airesde
rectanglesdelargeur(«pas»)
constanteh>0etdehauteurs
f(x+h)(cheminM,N,O,P...)
sommesmajorantesouf(x)(chemin
m,n,o,p...)sommesminorantesqui
encadrentl’airecherchée.
Airesouslacourbe
-BPS9/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation
Commentcalculerl’airesouslacourbequandf(x)est
quelconque(suite)
Airesouslacourbe
Sih!0c’est-à-diresilenombrede
rectanglesdedécompositiondevient
infini,alorscettesommed’airesde
rectanglesapourvaleurlimitel’aire
souslacourbe(nousnousplacerons
danslescasoùcettelimiteexiste,on
ditalorsquelafonctionestintégrable
surl’intervalle[a,b]quisontles
bornesd’intégration).
-BPS10/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation
Quelquesremarquessurlesigne
R
Attentionaveclemêmesymbole
R
onreprésente:
1soituneintégraledéfiniequiestunnombre
Rb
af(x)dx
etquipeutsecalculer
defaçonapprochéeenévaluantl’airesouslacourbe:
quandonneconnaîtpaslafonctionf(x)ouquandonn’en
connaîtpasdeprimitive(intégrationnumérique).
ouàpartird’uneprimitive
Rb
a
f(x)dx=F(b)F(a)
2soitl’ensembledesprimitivesouintégraleindéfinie
Onnote
R
f(x)dx=F(x)cetteintégraleindéfinie
3soituneprimitiveprécisedef:
Rx
af(t)dtquis’annuleen
x=aetquiestunefonctiondex.
-BPS11/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation
Lesigne
R
:exemples
Soitf(x)=x2
1Intégraledéfinieentredeuxbornes
Lesprimitivesdex2
sontF(x)=x3
/3+Cte
F(2)=8/3+CteetF(1)=1/3+Cte
Z2
1
x2
dx=
⇥
x3
/3
⇤2
1
=8/31/3=7/3
2Intégraleindéfinie(ensembledesprimitivesdef)
Z
x2
dx=x3
/3+Cte
8«Cted’intégration»,ladérivéedeF(x)vautx2
.
3Uneprimitiveprécisedef(fonctiondexquis’annuleà
x=a)Zx
a
t2
dt=F(x)F(a)=x3
/3a3
/3
-BPS12/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Quelquesméthodesdecalculd’uneintégrale
Intégrationparchangementdevariables(rappelde
terminale)
Intégrationparparties(présentéedanscecours)
Intégrationdefractionsrationnelles(quotiententredeux
polynômes):traitéeausecondsemestredansleCours4
del’UE4.
Onrappellelanotationdifférentielle
df(x)=f0(x)dx
-BPS13/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Changementdevariable
Leprincipedelaméthode:
Onnesaitpascalculerl’intégraleI=
R
f(x)dx
Onpasseàlavariablettelleque
x=(t)dx=0
(t)dt
Alors:
I=
Z
f(x)dx=
Z
f((t))0
(t)dt=
Z
g(t)dt=G(t)
ondoitchoisirlafonctiontellequ’onconnaisseG(t),primitive
deg(t)=f((t))0(t)
Enplusdesprimitivesvuesaulycée(voirlesrappelsenannexe)connaître
cerésultattrèsutile:
Rdx
1+x2=Arctgx+Cte
-BPS14/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Changementdevariable–Exemple
Exemple
I=
Z
sinxcosxdx
t=sinx)dt=cosxdx
Alors:
I=
Z
tdt=
t2
2
+Cte=
sin2
x
2
+Cte
Attention:nepasoublierdechangerlesbornesencasde
changementdevariablepourintégraledéfinie
D’autresexemplessontprésentésaveclesrappelsenannexe
-BPS15/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Intégrationparparties
Onutilisecetteméthodequandlafonctionàintégrerestun
produitde2fonctionsdontl’uneestfacileàintégrer.
d(uv)=udv+vdu)udv=d(uv)vdu)
Z
udv=uv
Z
vdu
R
vdudoitêtreplusfacileàintégrerque
R
udv
Engénéral:
onchoisitlespolynômes,leslogarithmescommefonction
ucarlesdérivéesdecesfonctionssontplus
«simples»quelafonctiond’origine;
onchoisitlesexponentielles,lesfonctions
trigonométriquescommeélémentdvcarlesintégralesde
cesfonctionsrestentdanslamême«famille».
-BPS16/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Intégrationparparties–Exemples
Exemples
Rb
a
Pn(x)ekx
dxoùPnestunpolynômededegrén
onposeu=Pn(x))du=P0
n(x)dx=Pn1(x)dx
ekx
dx=dv)v=1
k
ekx
Rb
a
Pn(x)ekx
dx=
⇥1
k
Pn(x)ekx
⇤b
a
1
k
Rb
a
Pn1(x)ekx
dx
L’intégraledumembrededroiteestplussimplecarlepolynômeestde
degrén1;oncontinueparrécurrence.
Application:I=
Rb
a
(6x2)e5x
dx
Onpose:
u=6x2)du=6dx
et
dv=e5x
dx)v=1
5
e5x
Alors:
I=[uv]b
a
Rb
a
vdu=
⇥1
5
(6x2)e5x
⇤b
a
1
5
Rb
a
6e5x
dx=
⇥1
5
(6x2)e5x
⇤b
a
1
5
⇥6
5
e5x
⇤b
a
=
⇥16
25
+6x
5
e5x
⇤b
a
-BPS17/53
CalculintégralRésolutiond’équationsdifférentielles
Calculd’uneintégrale
Intégrationparparties–Exemple2
Exemple
Intégrerdesproduitsdefonctionssinusoucosinusdexavecune
exponentielle:Icionalechoixentrecequ’onappellerauetcequ’on
appelleradv.
Soit:
R
ex
sinxdx=I
Onposeu=sinx)du=cosxdx
Onposedv=ex
dx)v=ex
I=ex
(sinxcosx)/2+Cte
(détaildesétapesdanslesRappelsenannexe)
Lechoixinverseu=ex
etdv=sinxdxauraitconduitaumêmerésultat.
-BPS18/53
CalculintégralRésolutiond’équationsdifférentielles
Moyenned’unefonction
Application:valeurmoyenned’unefonction
Soit
I=
Zb
a
f(x)dx
Onappellevaleurmoyennemdelafonctionsurl’intervalle[a,b]
unevaleurdef(x)telleque
m⇥(ba)=I
Ouencore:
m=
1
ba
Zb
a
f(x)dx
-BPS19/53
CalculintégralRésolutiond’équationsdifférentielles
Moyenned’unefonction
Application:valeurmoyenned’unefonction–Exemple
Exemple
Lenombrepdepatientsprésentsdansunservicehospitalier,
enfonctiondutemps(expriméenmois),suitlarelation:
p(t)=6t2t3=t2(6t)
Surlapériodedes6premiersmois(0t6),quelestle
nombremoyendepatientsprésentsdansceservice?
Bienquecepolynômesoitdéfinisur<ledomained’étudedoit
êtrelimitéauxvaleursdetquirendentp(t)0,donct2[0,6]
pmoy=
1
60
Z6
0
6t2
t3
dt=
1
6

6t3
3
t4
4
6
0
=18patients
-BPS20/53
CalculintégralRésolutiond’équationsdifférentielles
Moyenned’unefonction
Valeurmoyenned’unefonction–Exemple–suite
Exemple
Onremarqueunmaximumle
4emoisavec32patients,etun
pointd’inflexiontraduisantun
changementdeconcavitédela
courbeaupoint(2,16).
L’airedurectangledehauteur
18etdelargeur6(traits
horizontaux),estégaleàl’aire
souslacourbedelafonction
p(t)(traitsverticaux)entre0et
6mois:ellevaut108
patients⇥mois.Calculd’unemoyenne
-BPS21/53
CalculintégralRésolutiond’équationsdifférentielles
1Calculintégral
Introduction
Généralisation
Calculd’uneintégrale
Moyenned’unefonction
2Résolutiond’équationsdifférentielles
Introduction
Généralisation:équationsàvariablesséparables
Équationsdifférentiellesdupremierordre,linéaires
-BPS22/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Lecontexte(I)
Beaucoupdeproblèmesenrelationaveclemondeduvivant
impliquentdesvitessesdechangement.
Mathématiquement,cesvitessesdechangements’expriment
pardesdérivées,ainsileséquationsquitraduisentces
changementscontiennentlafonctionétudiéey(x),sadérivée
y0(x)etlavariabledontelledépendx:
y0
=
dy
dx
=f(x,y)
Résoudreuneéquationdifférentiellec’esttrouverlafonction
y(x)quisatisfaitcetteéquation.
-BPS23/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Lecontexte(II)
Unetelleéquationquicontientunedérivéed’ordre1s’appelle
équationdifférentielled’ordre1;silesdérivéesvontjusqu’à
l’ordrendedérivation,onditqu’onauneéquationdifférentielle
d’ordren.
Sil’équationserapporteàuneseulevariablexc’estune
équationdifférentielleordinaire.
Dansdescaspluscompliquéslafonctionétudiéepeutêtreune
fonctiondeplusieursvariables;lesdérivéessontalorsdes
dérivéespartielles(voircours2)etleséquationssontdes
équationsauxdérivéespartielles.
-BPS24/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Leséquationsdifférentiellesauprogramme
Danslecadredenotreprogramme,onétudieraseulementles
équationsdifférentiellesordinairesd’ordre1etcertaines
équationsdifférentiellesordinairesd’ordre2derésolution
«simple».
Pourceséquationsonpourratrouverdessolutionsanalytiques,
cen’estpaslecasgénéral,etlorsquecessolutionsanalytiques
n’existentpasonutilisedesméthodesnumériquesmisesen
œuvresurordinateur.
-BPS25/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
ExempleintroductifI:y0
=y
y0
=y(1)
C’estl’équationlaplussimple,onl’adéjàintroduitedansla
définitiondelafonctionexponentielle.Onavuqueexestla
solutiondecetteéquationquiprendlavaleur1enx=0.
Lasolutiongénéraledecetteéquation(1)esty(x)=Aex
puisquequellequesoitlavaleurdeA,l’équation(1)est
vérifiée.Àchaquevaleurdelaconstantecorrespondune
solutionparticulièrequ’onnoteraY.
L’équation(1)estd’ordre1,sasolutiongénérales’exprimeavec
uneconstantearbitraire.Onpeutgénéraliser:
Lasolutiongénéraled’uneéquationdifférentielled’ordren
s’exprimeavecnconstantesarbitraires.
-BPS26/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
ExempleintroductifI:y0
=y(suite)
Ci-contre3solutionsparticulièresde
l’équation(1)avectroisvaleursdeA.
Eny=1ety=2onareprésentéles
tangentesquivérifientl’équation(1).
L’ensembledecescourbesformela
représentationdelasolutiongénérale
decetteéquation(1).
Solutionsdel’équation(1)
-BPS27/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
ExempleintroductifI:y0
=y(suite)
Ci-contre3solutionsparticulièresde
l’équation(1)avectroisvaleursdeA.
Eny=1ety=2onareprésentéles
tangentesquivérifientl’équation(1).
L’ensembledecescourbesformela
représentationdelasolutiongénérale
decetteéquation(1).
Cessolutionssontvalablessurl’intervalle
d’étudedel’équationdifférentielle,quipeut
êtredifférentdel’intervallesurlequelyest
dérivable(sions’intéresseàuneévolution
d’unepopulationenfonctiondutempstilfaut
selimiterauxvaleursdet2[0,+1[).
Solutionsdel’équation(1)
-BPS28/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
ExempleintroductifII:y0
=ky.Premièreapproche,
«intuitive».
y0
=ky(2)
Icikestuneconstante2<.
Lasolutiongénéraleestlafamilledefonctionsexponentielles
y(x)=Aekx.
Eneffety0=kAekx=ky.
Onpourraextraire,auseindecettefamilled’exponentielles,
unefonctionYdite«solutionparticulière»parexemplecelle
pourlaquelley(0)=1:
1=A⇥e0doncA=1doncY=ekx
Danslesapplicationsàlabiologie,ondisposeengénéral
d’informationsurlesconditionsinitialesquipermettentde
déterminercessolutionsparticulièresY.
-BPS29/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
ExempleintroductifII:y0
=ky.Méthodeditede
«séparationdesvariables»
Onchercheunesolutionnon-trivialey6=0.
y0=ky)dy
dx=ky)dy
y=kdx
Ils’ensuitdeuxintégrations,l’unesurlavariablexl’autresurla
variabley.Chaqueintégrationgénèreuneconstantearbitraire,
quel’oncombineenuneseuleconstantearbitraire.
ln|y|+Cte1=kx+Cte2Cte=Cte2Cte1
|y|=ekx+Cte=KekxavecK=eCte>0
y=±Kekx
=Aekx(A6=0)
Onretrouvelamêmesolutiony=Aekxqueprécédemment.On
remarquequ’ellenes’annulepasetdoncqueladivision
préliminaireparyétaitpossible.
-BPS30/53
CalculintégralRésolutiond’équationsdifférentielles
Introduction
Applicationpharmaceutique
Aprèsuneadministrationunique,rapide,parvoieintraveineuse
(bolusIV),ontrouveexpérimentalementquelavitessede
décroissancedelaconcentrationplasmatiquedumédicament
(notéeC)estproportionnelleàlaconcentrationplasmatiqueà
chaqueinstantt.
L’équationdifférentielles’écritdonc
C0=dC
dt=kC(k>0carconcentrationdécroissante)
Lasolutiondecetteéquationdifférentielleest
C=Aekt
.
Conditioninitiale:autempst=0,A=C(0)=C0donc
C=C0ekt
-BPS31/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation:équationsàvariablesséparables
Équationsàvariablesséparables
Soituneéquationqu’onpeutmettresouslaforme:
y0
f(y)=g(x)
(y0
=kyenestuncasparticulieravecf(y)=1
y
etg(x)=k)
Onditquecetteéquationestàvariablesséparables.
Onexprimey0=dy
dx
Onpeutalorsregrouperdanslesdeuxmembresdel’équation
lesvariablesxety:
f(y)dy=g(x)dx)
R
f(y)dy=
R
g(x)dx
F(y)=G(x)+CteoùFetGsontdesprimitivesdefetg
-BPS32/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation:équationsàvariablesséparables
Exemple:LoidurefroidissementdeNewton
UnemasseplacéedansuncourantfroiddetempératureconstanteS
serefroiditàunevitesseproportionnelleàl’écartdetempérature
entresapropretempératureTàuninstanttetlatempératureS.
Traduirecetteloiparuneéquation:
TestunefonctiondetalorsqueSestconstante.La
vitessededécroissancedeTestdT
dt;elleest
proportionnelleàTS(iciT>S);avecuncoefficientde
proportionnaliték>0,onobtientl’équationdifférentielle:
dT
dt=k(TS)
Résoudrecetteéquationparséparationdesvariables:
dT
TS=kdt)
RdT
TS=
R
kdt
ln|TS|=kt+Cte)TS=ekt+Cte=Aekt
avec
A=eCte
solutiongénéraleT=Aekt
+S
-BPS33/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation:équationsàvariablesséparables
Exemple:LoidurefroidissementdeNewton
UnemasseplacéedansuncourantfroiddetempératureconstanteS
serefroiditàunevitesseproportionnelleàl’écartdetempérature
entresapropretempératureTàuninstanttetlatempératureS.
Traduirecetteloiparuneéquation:
TestunefonctiondetalorsqueSestconstante.La
vitessededécroissancedeTestdT
dt;elleest
proportionnelleàTS(iciT>S);avecuncoefficientde
proportionnaliték>0,onobtientl’équationdifférentielle:
dT
dt=k(TS)
Résoudrecetteéquationparséparationdesvariables:
dT
TS=kdt)
RdT
TS=
R
kdt
ln|TS|=kt+Cte)TS=ekt+Cte=Aekt
avec
A=eCte
solutiongénéraleT=Aekt
+S
-BPS34/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation:équationsàvariablesséparables
Exemple:LoidurefroidissementdeNewton
Trouverlasolutionparticulièreexprimantlatempérature
atteinteparunemasseinitialementà40˚Cplacédansun
courantd’airà10˚C.
Autempst=0,T=40˚CetS=10˚C.Onendéduitla
valeurdelaconstanted’intégrationA=30˚C.
solutionparticulièreT=30ekt+10
Sachantqu’autempst=2hlamasseaatteintune
températurede25˚C,auboutdecombiendetemps
aura-t-elleatteint15˚C?
Cetteinformationpermetdecalculerleparamètrekdu
modèle:
25=30e2k+10)2=e2k)k⇡0,347h1
15⇡30e0,347t+10)t⇡(ln6)/0,347⇡5,16h
-BPS35/53
CalculintégralRésolutiond’équationsdifférentielles
Généralisation:équationsàvariablesséparables
Exemple:LoidurefroidissementdeNewton
Trouverlasolutionparticulièreexprimantlatempérature
atteinteparunemasseinitialementà40˚Cplacédansun
courantd’airà10˚C.
Autempst=0,T=40˚CetS=10˚C.Onendéduitla
valeurdelaconstanted’intégrationA=30˚C.
solutionparticulièreT=30ekt+10
Sachantqu’autempst=2hlamasseaatteintune
températurede25˚C,auboutdecombiendetemps
aura-t-elleatteint15˚C?
Cetteinformationpermetdecalculerleparamètrekdu
modèle:
25=30e2k+10)2=e2k)k⇡0,347h1
15⇡30e0,347t+10)t⇡(ln6)/0,347⇡5,16h
-BPS36/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Équationsdifférentiellesdupremierordre,linéaires
Onvientdevoirsuccessivementl’équation:y0=kyetsa
formeplusgénéraley0f(y)=g(x).
Cettedernièrepeutêtreécriteaussi:
y0+g(x)h(y)=0
⇣
avech(y)=1
f(y)
⌘
Dansdessituationsplusréalisteslesecondmembren’estpas
nul,c’estunefonctiondelavariablex.
y0+g(x)h(y)=r(x)
Onprésenteiciunefamilled’équationsdecetype,de
résolutionsimple:leséquationsdifférentiellesdupremier
ordre,linéaires.
-BPS37/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Définitions
Membres
Onregroupeàgauchelafonctionyetsesdérivéesetà
droite(2ndmembre)lestermescontenantlavariableet
d’éventuellesconstantes.
Équationlinéaire
Siy,y0...n’apparaissentdanslepremiermembreque
sousformedecombinaisonlinéaire,l’équationestdite
linéaire.Dansl’équationy0+g(x)h(y)=r(x)ona
h(y)=y.L’équationdévientdonc:y0+g(x)y=r(x)
Coefficients
Lescoefficientssontlestermesenfacteursdeyety0.
Silescoefficientssontconstants,alorsg(x)estune
constantebetl’équationdévient:y0+by=r(x)
-BPS38/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Formegénéraled’uneéquationdifférentielledu
premierordre,linéaireàcoefficientsconstants
Uneéquationdifférentielledupremierordre,linéaireà
coefficientsconstantsestdoncdutype:
ay0
(x)+by(x)=r(x)
Onsimplifielesnotationsenn’écrivantpaslavariablexpoury
ety0.
ay0
+by=r(x)
aetbsontlescoefficientsiciconstants
ay0+byquicontientyety0estlepremiermembre;
r(x)quinecontientniyniy0estlesecondmembre.
-BPS39/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemplesetcontre-exemples
Équationslinéairesounon
2xy3y0=exestuneéquationlinéaire
2y23y0=0n’estpasuneéquationlinéaire(termeeny2)
4yy0+3y=ex+3n’estpasuneéquationlinéaire(terme
enyy0)
Équationavecousanssecondmembre
2xy3y0+2=exou2xy3y0=ex2estuneéquation
avecsecondmembre(EASM)
2xy3y0
estlemembredegaucheou1er
membre
ex
2estlemembrededroiteou2n
dmembre.
2xy3y0=0estuneéquationsanssecondmembre
(ESSM)
-BPS40/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Principesgénérauxderésolution
RecherchedelaSolutionGénéraledel’ÉquationAvecSecond
Membre(SGEASM)ytelleque:
ay0
+by=r(x)
En3étapes:
1RecherchedelaSolutionGénéraledel’ÉquationSans
SecondMembre(SGESSM)y0telleque:
ay0
0+by0=0
Cettesolutiongénérales’exprimeavecuneconstante
arbitraire.
Ontrouvey0sousformeexponentielleparséparationde
variables:
y0=Ke
b
a
t
-BPS41/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Principesgénérauxderésolution
2Recherched’uneSolutionParticulièredel’ÉquationAvec
SecondMembre(SPEASM)Ytelleque
aY0
+bY=r(x)
Cettesolutionparticulières’exprimesansconstantearbitraire.
PourtrouverYonverraau1ersemestrelaméthode
d’identificationetau2ndsemestrelaméthodedevariationdela
constantedeLagrange.Laméthoded’identificationest
applicablelorsquelescoefficientssontconstantsetqueles
secondsmembressontdesfonctions«particulières»).Bien
sûr,onn’oublierapasdechercherdessolutionsévidentes.
-BPS42/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Principesgénérauxderésolution
3Onmontreque:y=y0+Y
Eneffet:yvérifiel’équationay0+by=r(x)
DemêmeYvérifiecetteéquationaY0+bY=r(x)
AlorsyYvérifiel’ESSM
Eneffeta(y0Y0)+b(yY)=0
Ory0Y0=(yY)0
Donca(yY)0
+b(yY)=0etyYestsolutiondeESSM
yY=y0,y=y0+Y
-BPS43/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Équationsdifférentiellesdupremierordre,linéaires,
exemple
Exemple
Lavariationdelaconcentrationplasmatiquedemétabolitesdy
dt
aucoursd’unrepasestlerésultatd’unecompétitionentreune
vitessed’éliminationdetypeexponentiellecommevu
précédemment(termeky)etd’unevitessed’absorptionM
(supposéeconstante).
L’équationdifférentielleassociées’écritdonc:
dy
dt
=Mky
-BPS44/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple,étape1:recherchedey0(SGESSM)
Exemple
L’équationpeutseréarrangéesouslaformed’uneéquation
différentielledupremierordre,linéaireàcoefficientsconstants:
y0
+ky=M
L’équationdifférentiellesanssecondmembres’écritdonc:
ESSM:
dy0
dt
+ky0=0
solutionexponentielleparséparationdevariables
SGESSM:y0=Aekt
-BPS45/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Étape2:recherchedeY(SPEASM)par
identification
Elles’appliquequandlescoefficientssontconstantsetqueles
secondsmembressontdesfonctionsquilorsqu’onlesdérive
donnentunefonctiondumêmetype:
polynôme(degrén)carsadérivéeestunpolynôme(degré
n1)
exponentielle,carladérivéeestuneexponentielle
unefonctiontrigonométriquesinoucoscarleurdérivée
estunefonctiondecetype(cosousin)
toutecombinaisonsimpledecesfonctions(addition,
multiplication...)
-BPS46/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Étape2:choixdeYselonle2nd
membre
SecondmembreSolutionparticulière
constanteconstante
polynômededegrénpolynômecompletdedegrén
Kemx
Bemx
simxn’estpasl’exposantdelasolutiony0
Kemx
Bxemxsimxestl’exposantdelasolutiony0
sin(!x)oucos(!x)Asin(!x)+Bcos(!x)
Silesecondmembreestcombinaisonlinéairedesformesdela
1recolonnedecetableau,lasolutionparticulièresera
combinaisonlinéairedesformesdela2ecolonnedutableau.
PourtrouverlesconstantesA,B,...onsubstitueYetY0dans
l’équationavecsecondmembreetonidentifielestermes
équivalents.
-BPS47/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple,étape2:recherchedeY(SPEASM)par
identification
Exemple
y0
+ky=M
Lesecondmembreestuneconstante,donclasolution
particulièreserauneconstante.
OnposeY=L,doncY0=0.
OnsubstitueYetY0dansl’équationdifférentielle:
Y0
+kY=M)0+kL=M)Y=L=
M
k
-BPS48/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Étape3:recherchedey(SGEASM)
LaSGEASMyestlasommedelaSGESSMy0etdela
SPEASMY.
Exemple
y=y0+Y=Kekt
+M
k
-BPS49/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple:déterminationdelaconstanted’intégration
Exemple
Laconstanted’intégrationKestobtenuesionconnaîtune
conditioninitiale,parexempley(0)=C0laconcentrationdu
métaboliteent=0.Onsubstituet=0danslasolutiony:
y(0)=C0=Ke0
+
M
k
)K=C0
M
k
Etlasolutionquisatisfaitcetteconditioninitialeest:
y(t)=
✓
C0
M
k
◆
ekt
+
M
k
C’estunesolutionparticulièredel’EASM.
-BPS50/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple2
Exemple
y0
+y=t2
+15sin(2t)
SGESSM:y0=Ket
RecherchedelaSPEASM:
Lesecondmembreestunecombinaisonlinéaired’un
polynômededegré2etd’unsinusavecargument2t.
LaSPEASMYseraunecombinaisonlinéaired’unpolynôme
dedegré2,d’unsinusavecargument2tetd’uncosinusavec
argument2t:
Y=mt2
+pt+q+Asin(2t)+Bcos(2t)
Y0
=2mt+p+2Acos(2t)2Bsin(2t)
-BPS51/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple2
Exemple
Yvérifiel’EASM:
Y0+Y=t2+15sin(2t))
2mt+p+2Acos(2t)2Bsin(2t)+mt2+pt+q+Asin(2t)+
Bcos(2t)=t2+15sin(2t))
mt2+(2m+p)t+(p+q)+(2A+B)cos(2t)+(2B+A)sin(2t)=
t2+15sin(2t)
-BPS52/53
CalculintégralRésolutiond’équationsdifférentielles
Équationsdifférentiellesdupremierordre,linéaires
Exemple2
Exemple
Etonidentifielescoefficientsdestermescorrespondants
(mêmepuissance,sinus,cosinus...).
)
8
>>>><
>>>>:
m=1
2m+p=0
p+q=0
2A+B=0
2B+A=15
9
>>>>=
>>>>;
)
8
>>>><
>>>>:
m=1
p=2
q=2
A=3
B=6
Etdonc:
Y=t2
2t+2+3sin(2t)6cos(2t)
et
y=y0+Y=Ket
+t2
2t+2+3sin(2t)6cos(2t)
-BPS53/53
BPS1/5
Annexe:Quelquesrappelsnontraitésencours
Primitivesdefonctionsusuelles
xn
dx∫=
xn+1
n+1
+Ctepourn≠−1
1
x∫dx=lnx+Cte
eax
dx∫=
1
a
eax
+Cte
dx
1+x2∫=Arctgx+Cte
sinxdx=−cosx+Cte∫
cosxdx=sinx+Cte∫
lnxdx∫=xlnx−x+Ctepourx>0
Àsavoiraussi:
du
1+u2∫=Arctgu+Cteupeutêtreune
fonctiondex(voirleschangementsdevariable).
Propriétésgénéralesdelinéaritédesintégrales
Cespropriétéssontvraiespourlesintégralesdéfinies,
indéfiniesetlesprimitives.
f(x)etg(x)étantcontinuessur[a,b]
(f(x)+g(x))dx∫=f(x)dx∫+g(x)dx∫
kf(x)dx∫=kf(x)dx∫
BPS2/5
Propriétésparticulièresdesintégralesdéfinies
•f(x)dx=0
a
a
∫
•RelationdeChasles(c∈a,b[])
f(x)dx
a
b
∫=f(x)dx
a
c
∫+f(x)dx
c
b
∫
Conséquence:
f(x)dx
a
a
∫=f(x)dx+f(x)dx
b
a
∫
a
b
∫=0
Doncf(x)dx
a
b
∫=−f(x)dx
b
a
∫
BPS3/5
•Signed'uneintégraleetparitédef(x)
Sifest>0,l'aireest>0,sifest<0,l'aireest<0
Sifestpairesur[-a,a],alorsf(−x)=f(x)
f(x)dx=2f(x)dx
0
a
∫
−a
a
∫
Sifestimpairesur[-a,a],alorsf(−x)=−f(x)
f(x)dx=0
−a
a
∫
BPS4/5
Méthodesd'intégration;exemplessupplémentaires
•Intégrationparchangementdevariable
I=
dx
x+31
2
∫
Cetteintégraleestdéfiniesurl'intervalle[1,2]
Onposet=x+3dt=dx
Nouvellesbornes:
enx=2t=2+3=5
enx=1t=1+3=4
I=
dt
t4
5
∫=lnt⎡⎣⎤⎦4
5
=ln
5
4
≈0,223
•Intégrationparparties
1)exemple1
(2x+1)ex
1
2
∫dx=I
onposeu=2x+1du=2dx
dv=ex
dxv=ex
I=(2x+1)ex⎡
⎣
⎤
⎦1
2
−2ex
dx
1
2
∫
Ontrouve
I=ex
(2x−1)⎡
⎣
⎤
⎦1
2
=3e2
−e
BPS5/5
2)exemple2
Soit:ex
sinxdx∫=I
Onposeu=sinxdu=cosxdx
Onposedv=ex
dxv=ex
I=ex
(sinx)−ex
cosxdx∫
Pourcalculerex
cosxdx∫
Onposeu=cosxdu=−sinxdx
Onposedv=ex
dxv=ex
I=ex
(sinx)−ex
cosxdx∫=ex
(sinx)−ex
(cosx)+ex
sinxdx∫⎡
⎣
⎤
⎦
ouencore:
I=ex
(sinx)−ex
(cosx)+I⎡
⎣
⎤
⎦
I=ex
(sinx−cosx)/2+Cte
Lechoixinverseu=ex
etdv=sinxdxauraitconduitau
mêmerésultat.

Contenu connexe

En vedette

How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at WorkGetSmarter
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationErica Santiago
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellSaba Software
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming LanguageSimplilearn
 

En vedette (20)

How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy Presentation
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming Language
 

N07 p oly paces ue4 cm01_02_03_4p_optim