Cours de Mathématiques MP

d'après le programme 2014

Michel Quercia  lundi 14 décembre 2015

 I — Groupes

1) Définitions
Loi de composition interne. Associativité. Élément neutre ; il est unique. Inverse, unicité.
Commutativité, groupe abélien, groupe additif. Soustraction dans un groupe additif.

Exemples : ( R; +), (R  ; ), groupe symétrique, produit de deux groupes.

+

Régularité d'un élément.

2) Puissances et multiples
Notation an dans un groupe multiplicatif.
an p + n p np = (an )p = (ap )n , (ab) = b  a , (ab)n = an  bn
= a a , a
1 1 1
si ab = ba.
Notation na dans un groupe additif.
(n  p)a = na  pa, n(a  b) = na  nb, (np)a = n(pa) = p(na).

3) Sous-groupes
Partie stable par la loi de composition, l'inversion, et contenant l'élément neutre du groupe.

Sous-groupe engendré
L'intersection d'une famille de sous-groupes est un sous-groupe. L'intersection de tous les sous-groupes
contenant une partie X est le plus petit sous-groupe contenant X , noté hX i. C'est l'ensemble des mots
nis construits sur X [ X . 1

Exemples : hai = aZ ou Za. Le sous-groupe de SE engendré par les transpositions est l'ensemble des
permutations ayant un nombre ni de points non xes ; c'est SE si et seulement si E est ni.
Si H; K hH [ K i = H + K .
sont des sous-groupes d'un groupe additif alors
En particulier dans un groupe additif, ha; bi = fua + vb; u; v 2 Zg.

Théorème : les sous-groupes de (Z; +) sont les ensembles nZ, n 2 N.

Conséquence : pgcd et ppcm dans Z, relation hmdi = habi.

Théorème de Lagrange : soient G un groupe ni et H un sous-groupe. Alors card H divise card G.

4) Morphismes
Application transportant l'opération du groupe de départ sur celle du groupe d'arrivée.

Exemples : n 7! an ou n 7! na, signe et valeur absolue dans R , signature d'une permutation à support
ni, conjugaison dans un groupe multiplicatif.

Démonstration pour la signature : résulte du lemme : si  ; : : : ; n sont des transpositions telles

que   : : :  n alors n est pair.
1

= id En eet, on choisit un élément a aecté par l'une des transpositions

 : : :  n =  0  : : :  p0 où p a même parité que n en déplaçant tous les a
1

et on réécrit le produit 
a, c'est uniquement dans  0
1 1

vers la gauche. S'il reste un 1

mais dans ce cas la composée ne peut être égale
à id. Donc a a disparu, et on termine par récurrence forte sur le nombre d'éléments aectés par une
transposition. Remarque : la signature ne peut pas être prolongée en un morphisme de SE sur f ;
1 1 g
lorsque E est inni, voir contre-exemple avec E = Z.
Propriétés : f (e) = e0 , f (an ) = f (a)n . Image directe et image réciproque d'un sous-groupe. Noyau et
image d'un morphisme. Composée de morphismes, réciproque d'un isomorphisme.

Théorème : l'équation f (x) = a admet au moins une solution si et seulement si a 2 Im f . Dans ce cas,
l'ensemble des solutions est fx u; u 2 Ker f g = fvx ; v 2 Ker f g où x est une solution particulière.
0 0 0

Son cardinal est celui de Ker f .

page 2 I  Groupes
 Conséquences
f f = feg.
est injectif si et seulement si Ker
Si a ^ b = d 6= 0 alors l'équation ax + by = c a des solutions dans Z si et seulement si d j c. Dans ce cas,
les solutions dièrent entre elles d'un multiple de (b=d; a=d).

5) Le groupe Z=nZ
Soit n 2 N . La relation de congruence modulo n est compatible avec l'addition, la soustraction et la
multiplication. Tout x 2 Z est congru modulo n à un unique élément de [[0; n[[ noté x mod n.
Conséquence : on note Z=nZ = f0 mod n; : : : ; (n 1) mod ng l'ensemble des classes de de congruence
modulo n et on dénit dans Z=nZ les opérations d'addition, de soustraction et de multiplication par :
(x mod n) + (y mod n) = (x + y ) mod n;
(x mod n) (y mod n) = (x y ) mod n;
(x mod n)  (y mod n) = (x  y ) mod n:

Les résultats ne dépendent pas des représentants x; y choisis.

Proposition : (Z=nZ; +) est un groupe additif et l'application x ! x mod n est un morphisme surjectif
de Z sur Z=nZ. Son noyau est le sous-groupe nZ.
Propriété universelle : soit f : (Z; +) ! (G; :) un morphisme de groupes dont le noyau contient nZ.
Alors il existe une unique application f
: Z=nZ ! G vériant : 8 x 2 Z; f
(x mod n) = f (x). De plus, f

est un morphisme de groupes et Im f

= Im f . Enn, f
est injectif si et seulement si Ker f = nZ.
Théorème chinois, version groupes : soient n; p 2 N tels que n ^ p = 1.
L'application (x mod np) 7! (x mod n; x mod p) est bien dénie et est un isomorphisme entre les groupes
additifs Z=npZ et (Z=nZ)  (Z=pZ). En particulier, pour tous a; b 2 Z, il existe x 2 Z unique modulo np
vériant x  a (mod n) et x  b (mod p). Si nu + pv = 1 est une relation de Bézout, alors x = nub + pva
est une solution du système précédent.
Générateurs : soit x 2 Z. La classe de congruence x mod n engendre le groupe Z=nZ si et seulement
si x ^ n = 1. On note '(n) = cardfx 2 [[0; n[[ tq x ^ n = 1g le nombre de générateurs de Z=nZ.
Sous-groupes : soient x 2 Z et d = x ^ n. Alors hx mod ni = hd mod ni = f(kd) mod n; 0 6 k < n=dg:
Le cardinal de ce sous-groupe est égal à n=d. Réciproquement, si H est un sous-groupe quelconque
de Z=nZ alors H = hd mod ni avec d = n= card(H ).
Démonstration : x = dy et d = ux + vn donnent hx mod ni = hd mod ni par double
les relations
inclusion. La description de hd mod ni et son dénombrement sont immédiats. Si H est un sous-groupe
de Z=nZ et f = x 7! x mod n alors f (H ) est un sous-groupe de Z contenant nZ, donc de la forme dZ
1

avec n j d. Et f est surjectif, d'où H = f (f (H )) = f (dZ) = hd mod ni.

1

6) Groupes monogènes
Ordre d'un élément. Exemples dans C , dans Z=nZ et dans SE .
O(a) = 1 () a = e. O(a) = 1 ou 2 () a = e () a = a .
2 1

Caractérisations
a est d'ordre ni n () (ap = e () n j p) () (ap = aq () p  q (mod n)) () cardhai = n:
a est d'ordre inni () (ap = e () p = 0) () (ap = aq () p = q ) () cardhai = 1:
Théorème de Lagrange : soient G un groupe ni de cardinal n et a 2 G. Alors an = e.
Groupe monogène, groupe cyclique. Exemples Z, Z=nZ, Un . Contre-exemple Q.
Théorème : soit G un groupe monogène. Si G est ni de cardinal n alors G est isomorphe à (Z=nZ; +).
Sinon, G est isomorphe à (Z; +).

I  Groupes page 3
 Conséquences : G est un groupe cyclique de cardinal n engendré par un élément a.
soit
Les générateurs de G sont les éléments de la forme ak avec k ^ n = 1. Leur nombre est égal à '(n).
Les sous-groupes de G sont monogènes et pour tout d j n, G admet exactement un sous-groupe de
d
cardinal n=d, à savoir ha i.
Tout groupe ni dont le cardinal n est un nombre premier est cyclique, isomorphe à Z=nZ et à Un .

Proposition : pour tout n 2 N , le groupe multiplicatif C admet exactement un sous-groupe de

cardinal n, à savoir Un .
P
Formule de récurrence : djn '(d) = n.
Démonstration : '(d) = cardfgénérateurs de Ud g = cardféléments de Un d'ordre dg.

page 4 I  Groupes
 II — Anneaux

1) Définitions
Addition et multiplication, distributivité, zéro et unité. Ils sont diérents si et seulement si A 6= f0g.
Relations 0  x = x  0 = 0, (nx)  y = n(x  y) = x  (ny), (n1)  (p1) = (np)1.
Développement de ( a + b)n et factorisation de an bn quand ab = ba.
Régularité, inversibilité pour la multiplication. Groupe A
 des unités de A.
Anneau commutatif, intègre, corps.

Exemples : Z, Z=nZ, Q, R, C, AX , A[X ] et A[X; Y ] pour A anneau quelconque, K(X ), produit de deux
anneaux.
Algèbre = anneau + K-ev avec l'associativité mixte : (x)  y = (x  y) = x  (y).
Sous-anneau, sous-corps, sous-algèbre, exemples précédents.

Morphismes
Morphisme d'anneaux = application transportant l'addition, la multiplication et les deux éléments neu-
tres. Le transport du zéro n'est pas à vérier, il résulte du transport de l'addition.
Morphisme d'algèbre = transporte en plus la multiplication externe.
Image directe et image réciproque d'un sous-anneau ou d'une sous-algèbre. Composée de morphismes,
réciproque d'un isomorphisme.

Exemples : C, conjugaison dans A, restriction dans AX , évaluation ou substitution

conjugaison dans
dans A[X ] et A[X; Y ] lorsque A est commutatif, k 7! k1 de Z dans A, x 7! x mod n de Z sur Z=nZ.

Morphismes de Q; R; C : Q et R admettent id comme seul automorphisme de corps. C admet une

innité d'automorphismes (admis) ; id et z 7! z sont les seuls automorphismes du corps C conservant R.

2) Idéaux et divisibilité dans un anneau commutatif

Idéal = sous-groupe additif absorbant pour la multiplication. Soit : 0 2 I , I + I  I , AI  I .
L'image réciproque d'un idéal par un morphisme d'anneaux est un idéal. En particulier le noyau d'un
morphisme d'anneaux est un idéal de l'anneau de départ (l'image est un sous-anneau de l'anneau d'ar-
rivée).

Idéal engendré
L'intersection d'une famille d'idéaux est un idéal. L'intersection de tous les idéaux contenant une par-
tie X est le plus petit idéal contenant X , noté (X ). C'est l'ensemble des combinaisons linéaires nies à
coecients dans A des éléments de X .
Exemples : (a) = aA (idéal monogène engendré par a), (I [ J ) = I + J , éléments de AX s'annulant sur
une partie Y  X xée.
Un idéal contenant l'unité ou une unité est égal à A.

Divisibilité : a j b () 9 c 2 A tq b = ac () b 2 (a) ()(b)  (a). Lorsque A est intègre et a 6= 0, il y

a unicité de c qui est alors noté b=a.
a et b sont dits associés lorsqu'ils engendrent le même idéal, soit a j b et b j a. Si A est intègre, a et b

sont associés si et seulement s'il existe u 2 A tel que b = ua. Pour A = Z, a et b sont associés si et
seulement si b = a. Pour A = K[X ], a et b sont associés si et seulement s'ils sont proportionnels. Tout
polynôme non nul est associé à un unique polynôme unitaire.

Théorèmes : les idéaux de Z sont ses sous-groupes additifs, soit les ensembles (n) = hni = nZ, n 2 N.
Les idéaux de K[X ] sont les idéaux monogènes, soit les ensembles (P ) avec P = 0 ou P unitaire,
entièrement déterminé par l'idéal considéré.
Dans l'anneau K[X; Y ], l'ensemble des polynômes nuls en (0; 0) est un idéal non monogène.
Un anneau principal est un anneau commutatif intègre dans lequel tous les idéaux sont monogènes.

II  Anneaux page 5
 Pgcd, ppcm dans un anneau principal
d = a ^ b est l'un des générateurs de l'idéal (a) + (b) = fua + vb; u; v 2 Ag.
m = a _ b est l'un des générateurs de l'idéal (a) \ (b) = fmultiples communs à a et bg.
d et m sont uniques à association près ; on les rend uniques dans Z en imposant d; m 2 N. On les rend
uniques dans K[X ] en imposant qu'ils soient nuls ou unitaires.

Propriétés
x j d ()(x j a et x j b). d = 0 () a = b = 0.
m j x ()(a j x et b j x). m = 0 () a = 0 ou b = 0.
(md) = (ab).

Il existe u; v en général non uniques tels que d = ua + vb. Dans Z et dans K[X ] l'algorithme d'Euclide
étendu fournit un tel couple.

Associativité des opérations ^ et _.

Éléments premiers entre eux
a et b sont premiers entre eux ()(a ^ b) = (1) () 9 u; v 2 A tq ua + vb = 1.
Pour d 6= 0, a=d et b=d sont premiers entre eux.

(a ^ bc) = (1) ()(a ^ b) = (1) et (a ^ c) = (1).

Si (a ^ b) = (1) et a j bc alors a j c (Gauss).

Si (a ^ b) = (1) alors (ab j c) () (a j c et b j c).

3) Décomposition en facteurs irréductibles

a est premier () a 6= 0, a 2= A , (a j bc ) a j b ou a j c).
a est irréductible () a 6= 0, a 2= A , (a = bc ) b 2 A ou c 2 A ).
Pour A commutatif intègre : premier ) irréductible. Pour A principal : premier () irréductible.
p p
Dans lanneau Z[i 3], 1 + i 3 est irréductible mais non premier.

Théorème : soit A principal et a 2 A n f0g. Alors il existe u 2 A , n 2 N et b ; : : : ; bn premiers tels 1

que a = ub : : : bn . Une telle décomposition est unique à ordre et association près.

1

Démonstration
Existence par l'absurde : si a n'a pas de décomposition alors a n'est pas irréductible, a = bc avec b 2= A
et c 2= A
et l'un des facteurs, par exemple b n'a pas lui non plus de décomposition. On construit
alors de proche en proche une suite (an )n2N telle que an j an et an =j an . Soit I l'idéal engendré
+1 +1

par fan ; n 2 Ng et d un générateur de I : d = u a + : : : + un an donc an j d j an

0 0 : il y a contradiction. +1

Pour l'unicité, si ub : : : bn = vc : : : cp avec n > 0, alors b divise vc : : : cp et est premier donc divise
v car b 2= A d'où p > 0 et b divise ci . ci étant irréductible, b et ci
1 1 1 1

l'un des facteurs. Ce ne peut être 1 1 1

sont associés. On supprime ces deux facteurs, en modiant au besoin v , et on termine par élimination
de proche en proche des facteurs premiers restants de l'un ou l'autre côté.

Lorsque A Z, on impose, quitte à modier le facteur u, que

= les facteurs premiers soient dans N et

en regroupant les facteurs premiers égaux on obtient a = p
 
: : : pk avec  = 1, p ; : : : ; pk premiers
k 1
1

positifs deux à deux distincts et  ; : : : ; k 2 N.

1

Lorsque A = K[X ], on impose, quitte à modier le facteur u, que les facteurs premiers soient unitaires.
On regroupe de même les facteurs premiers égaux et on obtient a = p
 : : : pk avec  2 K (c'est le 1
k
coecient dominant de a), p ; : : : ; pk irréductibles deux à deux distincts et  ; : : : ; k 2 N.
1

1 1

Dans ces deux anneaux, en écrivant a p1 : : : pk k , b = p1 : : : pkk

= avec les mêmes pi , on obtient :
1 ;1 : : : p k ;k 1 ;1 : : : p k ;k .
1 1

a^b=p min(
1
) min(
k
)
et a _ b = p
max(
1
) max(
k
)

page 6 II  Anneaux
 Conséquences
L'ensemble des entiers naturels premiers est inni.
L'ensemble des polynômes unitaires irréductibles sur un corps K est inni.
Pour a; b 2 Z n f0g, il existe a0 diviseur de a et b0 diviseur de b tels que a0 ^ b0 = 1 et a0 b0 = a _ b.
4) L’anneau Z=nZ
Classification des éléments : pour x 2 Z, on a
x mod n est inversible () x mod n est régulier () x mod n engendre (Z=nZ; +) () x ^ n = 1.
Conséquences
( Z=nZ) = fx mod n tq x ^ n = 1g est un groupe multiplicatif de cardinal '(n).
Pour n > 2, Z=nZ est un corps si et seulement si n est premier. Dans le cas contraire, c'est un anneau
non intègre.
Pour x 2 Z et x ^ n = 1, on a x' n  1 (mod n) (Euler).
( )

n
Pour x 2 Z et n premier, on a x  x mod n (Fermat).

Test de primalité de Rabin-Miller : soit n 2 N et a 2 [[2; n 2]] premier avec n. On écrit

n 1 = 2 q avec q impair puis on calcule successivement (par exponentiation rapide) les nombres
aq mod n, a q mod n,: : : ,a q mod n. Si n est premier alors cette suite se termine par 1 mod n et le
2 2

dernier terme non égal à 1 mod n, si l'en existe, est égal à 1 mod n. Dans le cas contraire, n est non
premier.

Exemple : n = 341, a = 2.
On démontre que si n est non premier alors la probabilité qu'un a tiré au hasard dans [[2; n 2]] révèle
la non primalité de n est supérieure à
3
. Lorsque six essais indépendants n'ont pas révélé la non
primalité d'un entier n, on prétend que n est probablement premier avec une probabilité supérieure
4

à 1 4  0:99975.
6

Théorème chinois, version anneaux : soient n; p 2 N tels que n ^ p = 1.

L'application (x mod np) 7! (x mod n; x mod p) est bien dénie et est un isomorphisme entre les anneaux
Z=npZ et (Z=nZ)  (Z=pZ). Elle induit un isomorphisme entre les groupes multiplicatifs (Z=npZ) et
 
(Z=nZ)  (Z=pZ) . En particulier '(np) = '(n)'(p).

Conséquence : soit n = p1 : : : p k
k avec p ; : : : ; pk premiers positifs

distincts et  ; : : : ; k 2 N .
1 1
  1

Alors '(n) = p
1 : : : pk (p 1) : : : (p 1), soit '(n) = Q 1 1 .
k
1 1
1 k 1
n pjn p
 
Cryptage RSA : soient n 2 N sans facteur carré et d; e 2 N tels que de  1 mod '(n). Alors les
d e
applications x 7! x et x 7! x sont deux permutations de Z=nZ réciproques.

5) Compléments sur les polynômes

Racines
Soit A un anneau commutatif, P 2 A[X ] et a 2 A. On a P (a) = 0 () X a j P .
Soit A un anneau commutatif intègre, P 2 A[X ] et a ; : : : ; an 2 A distincts.
1

On a P (a ) = : : : = P (an ) = 0 ()(X a ) : : : (X an ) j P .
1 1

Dans un anneau commutatif intègre, un polynôme de degré n a au plus n racines distinctes.

Multiplicité : soit K un sous-corps de C, P 2 K[X ], a 2 K et  2 N.
On a P (a) = : : : = P  (a) = 0 ()(X a) j P .
( 1)

Polynômes irréductibles
les polynômes irréductibles de C[X ] sont les polynômes du premier degré.
Les polynômes irréductibles de R[X ] sont les polynômes du premier degré et les polynômes du second
degré à discriminant négatif.
Dans Q[X ], le polynôme X n 2 est irréductible pour tout n 2 N .
Dans un corps K quelconque, un polynôme irréductible de degré d > 2 n'a pas de racine dans K et un
polynôme de degré d = 2 ou d = 3 n'ayant pas de racine dans K est irréductible.

II  Anneaux page 7
 Factorisation
Soit P 2 C[X ] n f0g,  son coecient dominant, a ; : : : ; an ses racines de multiplicités  ; : : : ; n . Alors
P = (X a )1 : : : (X an )n .
1 1

Soit P 2 R[X ] n f0g. Les racines non réelles de P sont deux à deux conjuguées et deux racines conju-
guées ont même multiplicité. On obtient la décomposition en facteurs irréductibles de P dans R[X ] en
décomposant P dans C[X ] puis en regroupant les facteurs conjugués.
n 1
Exemple : X = 1 + X + ::: + X
n 1

X 1
Qn ik=n )
k (X e
1 2
= =1
n Qb n = c
= (X + 1) (X 2X cos(2k=n) + 1).
( 1) 2
k
( 1) mod 2 2
=1
Qn k n
En particulier pour X
1
1 : k sin( n ) = n 1 . b(p 1)=2c
Qp
=1 2

Et pour n = 2p + 1, X i : k cos( pk ) =

=1
2
2 +1p .
( 1)
2

Formule de Taylor : soient K un sous-corps de C, P 2 Kn [X ], A une K-algèbre et a; b 2 A tels que

ab = ba. On a P (a + b) = P (a) + bP 0 (a) + : : : + bn P n (a)=n!. ( )

Indépendance par rapport au corps : soient K un sous-corps de C et P; Q 2 K[X ]. Alors P et Q

ont mêmes pgcd et mêmes ppcm dans les anneaux K[X ] et C[X ]. En conséquence P et Q sont premiers
entre eux dans l'anneau K[X ] si et seulement s'ils n'ont pas de racine complexe en commun.
Exemple : pour n; p 2 N, on a (X
n 1) ^ (X p 1) = X n^p 1 dans tout anneau K[X ] avec K  C (vrai
en fait pour un corps K quelconque).
Groupe multiplicatif d’un corps fini : soit K un corps ni. Le groupe multiplicatif K est cyclique.
Démonstration : on note n = card(K ) = card(K) 1. Si x 2 K alors xn = 1 donc x est d'ordre

ni divisant n. Pour d j n, soit Nd le nombre d'éléments de K d'ordre divisant d et Pd le nombre
d'élements d'ordre exactement d. d sont les racines du polynôme X d 1
Les éléments d'ordre divisant
donc Nd 6 d. Les éléments dont l'ordre ne divise pas d sont les racines du polynôme (X
n 1)=(X d 1),
d'où n Nd 6 n d, ce qui entraîneP nalement Nd = dP . On montre alors par récurrence forte sur d
que Pd = '(d) grâce à la relation
 ejd ' ( e) = d = N d = ejd Pe . En particulier Pn = '(n) 6= 0, ce qui
prouve que K possède au moins un élément d'ordre n.

On démontre que le cardinal d'un corps ni est nécessairement une puissance d'un nombre premier et
que pour tout p premier et tout k 2 N , il existe un corps ni de cardinal pk , unique à isomorphisme
près. Ce corps est noté Fpk . En particulier Fp = Z=pZ.

page 8 II  Anneaux
 III — Matrices

1) Opérations
a) Définitions
Matrice rectangulaire à coecients dans un anneau A commutatif. Matrice carrée, triangulaire, diago-
nale, scalaire. Matrice triangulaire ou diagonale par blocs.
Addition, multiplication, transposition.

b) Structure algébrique
( Mn (A); +; ) est un anneau. Pour n > 2 et A 6= f0g il n'est ni commutatif ni intègre. Si A est un
corps, ( Mn (A); +; ; :) est une algèbre de dimension n . 2

Base canonique ( Eij ).

ttM = M , t (MN ) = tN  tM , t (M ) = (tM ) . 1 1

La colonne j de MN est la combinaison linéaire de toutes les colonnes de M avec les coecients
gurant dans la colonne j de N . La ligne i de MN est la combinaison linéaire de toutes les lignes
de N avec les coecients gurant dans la ligne i de M .
c) Matrices triangulaires
Produit de deux matrices triangulaires, triangulaires par blocs.
Les matrices triangulaires supérieures (resp. inférieures, diagonales, scalaires) forment des sous-
anneaux de Mn (A). Lorsque A est un corps, ce sont des sous-algèbres de dimensions
1
2
n(n + 1),
1
2
n(n + 1), n, 1.
d) Commutation
Centre : soit M 2 Mn (A). On a (8 X 2 Mn (A); MX = XM ) ()(9 a 2 A tq M = aIn ).
Deux matrices diagonales commutent.
Si A est intègre, le commutant d'une matrice M diagonale à coecients diagonaux distincts est
l'ensemble des matrices diagonales. Si A est un corps, c'est aussi l'ensemble des polynômes en M .
e) Trace
tr(
tM ) = tr(M ), tr(MN ) = tr(NM ), tr(M : : : Mk ) = tr(M : : : Mk M ).
t
1 2 1

L'application (M; N ) 7! tr( M  N ) est un produit scalaire (canonique) sur Mn;p (R).

2) Déterminant
P P
det(M ) = 2Sn "( )a  : : : an n = j1 ;:::;jn "(j ; : : : ; jn )a j1 : : : anjn
1 (1) ( ) 1 1
n
signature de k 7! jk si j ; : : : ; jn sont distincts,
avec "(j ; : : : ; jn ) =
1
1
0 sinon.
Propriétés
det( In ) = 1, det( tM ) = det(M ), det(triangulaire), det(triangulaire par blocs).
Linéarité par rapport à chaque ligne et chaque colonne. Antisymétrie.
Si M a deux lignes ou deux colonnes égales alors det( M ) = 0. Alternance.

Produit : MN ) = det(M ) det(N ).

det(

Démonstration : on note M ; : : : ; Mn les colonnes de M et N = (bij ).

1 Il vient :
det(MN ) = det[b M + : : : + bn Mn ; : : : ; b n M + : : : + bnn Mn ]
P 11 1 1 1 1

=
Pj1 ;:::;jn bj1 ; : : : bjn ;n det[Mj1 ; : : : ; Mjn ]
1

= j1 ;:::;jn bj1 ; : : : bjn ;n "(j ; : : : ; jn ) det(M )

1 1
t
= det( N ) det(M ) = det(M ) det(N ).

Développement par rapport à une ligne ou une colonne (on convient que le déterminant d'une matrice
0  0 vaut 1).
Calcul d'un déterminant par opérations élémentaires.
Comatrice, M t com(M ) = t com(M )M = det(M )In .
M est inversible () det(M ) 2 A () 9 P tq MP = In () 9 Q tq QM = In .

III  Matrices page 9

 En particulier, une matrice carrée à coecients entiers admet une inverse à coecients entiers si et
seulement si son déterminant vaut 1.
Une matrice triangulaire est inversible si et seulement si les coecients diagonaux le sont. Dans ce cas,
son inverse est aussi triangulaire (la comatrice l'est). Une matrice triangulaire par blocs est inversible
si et seulement si les blocs diagonaux le sont. Dans ce cas, son inverse est aussi triangulaire par blocs
(présenter l'inverse pour deux blocs diagonaux).

Si A est un corps : M est inversible ()(8 X; MX = 0 ) X = 0) ()(8 Y;

Y M = 0 ) Y = 0).
Démonstration de (non inversible) ) (non régulière) par récurrence sur n et par pivot.
Contre-exemple avec A = Z.
SiK est un sous-corps de L et M 2 Mn (K) alors M est inversible dans Mn (K) si et seulement si elle
Mn (L).
l'est dans

Formules de Cramer : soient M 2 Mn (A) inversible et B 2 Mn (A). Le système MX = B admet

1

une unique solution, donnée par xi = det( Mi )= det(M ) où Mi est la matrice obtenue en remplaçant
dans M la i-ème colonne par B .

3) Polynôme caractéristique
P
M XIn M ) = p ( 1)n p
n p (M )X p où
k (M ) est la somme des mineurs de taille k centrés
= det(
sur la diagonale de M .

(M ) = 1,
(M ) = tr(M ),
n (M ) = det(M ).
0 1

Q
XaIn = (X a)n . Si M est triangulaire, M = i (X aii ).
Le polynôme caractéristique d'une matrice triangulaire par blocs est le produit des polynômes caractéris-
tiques des blocs diagonaux.
M = tM .
Substitution : pour a 2 A, M (a) = det(aIn P
M ).
Théorème de Cayley-Hamilton : M (M ) = p ( 1)
n p
n p (M )M p = 0.
Démonstration
P P
SoientM = p ap X p et t com(XIn M ) = p Mp X p .
t P
On a M  In = com(XIn
P P
M )(XIn M ) = p (Mp Mp M )X p , donc ap In = Mp
1 1 Mp M .
Puis M (M ) =
p p p
p ap M = p (Mp M Mp M ) = 0.
+1
1

4) Polynôme minimal
SoitK un corps et M 2 Mn (K). L'application P 7! P (M ) est un morphisme d'algèbre de K[X ]
dansMn (K) (morphisme de substitution). Son image, notée K[M ], est une sous-algèbre commutative
de Mn (K). Son noyau, IM = fP 2 K[X ] tq P (M ) = 0g, est un idéal de K[X ] appelé idéal annulateur
de M .
Conséquence du théorème de Cayley-Hamilton : IM 6= f0g. Donc IM admet un unique générateur
unitaire noté M et appelé polynôme minimal de M . De plus, 1 6 deg(M ) 6 n et M j M .
Q
Exemples : aIn = X a. Si M = Diag(a ; : : : ; an ) alors M = a2fa1 ;:::;an g (X a) (racines simples).
1
   
M = 01 01 ) M = X + 1, M = 01 11 ) M = X X + 1.
2 2

Q
Si M est triangulaire à coecients diagonaux distincts alors M = M = i (X aii ). Si M est diagonale
par blocs alors M est le ppcm des polynômes minimaux des blocs diagonaux.
Matrice compagne d'un polynôme unitaire : M = M = le polynôme compagnon.
Matrice associée à une permutation de [[1; n]] : M = (i; j ) ) M = X
( )
d 1 où d est l'ordre de  pour
la loi de composition (ppcm des longueurs des cycles de  , diagonaliser par blocs).

Propriétés
M tM .
=
Pour P; Q 2 K[X ], on a P (M ) = Q(M ) () M j (P Q).

page 10 III  Matrices

 Racines : pour  2 K, on a
M () = 0 () M () = 0 () In M est non inversible () 9 X 2 Mn (K) n f0g tq MX = X .
1

Démonstration circulaire, utiliser la division euclidienne deM par  X pour le retour.

Un tel  est appelé valeur propre de M et les matrices colonnes X correspondantes sont appelées vecteurs
propres de M associés à la valeur propre .
Conséquence : si M est scindé à racines simples alors M = M (réciproque fausse).
Théorème : soit d = deg(M ). Alors (In ; : : : ; M d ) est une base de K[M ].
1

En particulier, dim K[M ] = deg(M ).

5) Applications des matrices aux ev de dimension finie

a) Théorie de la dimension
Exposée en MPSI dans le cas où K = R ou C. On admet que les résultats suivants sont valables pour
tout corps K.
Dans un ev engendré par une famille nie :
(i) il existe au moins une base ;
(ii) toutes les bases sont nies et ont même cardinal n ;
(iii) toute famille libre a au plus n éléments et peut être complétée en une base ;
(iv) toute famille génératrice a au moins n éléments et contient une base ;
Dans un ev E de dimension n :
(v) un sev F est de dimension au plus n ;
(vi) on a F = E () dim(F ) = dim(E ) ;
(vii) F admet au moins un supplémentaire dans E ;
(viii) pour tous sev F; G, on a dim(F + G) + dim(F \ G) = dim(F ) + dim(G) ;
(ix) pour F ; : : : ; Fp sev de E , on a dim(F + : : : + Fp ) 6 dim(F ) + : : : + dim(Fp ) avec égalité si et
1 1 1

seulement si la somme est directe ;

(x) pour toute application linéaire f 2 L(E; E 0 ) on a dim(E ) = dim Ker(f ) + dim Im(f ) ;
(xi) lorsque dim(E ) = dim(E 0 ), f est bijective () f est injective () f est surjective.
b) Matrice d’une famille de vecteurs, d’une application linéaire
Application linéaire canoniquement associée à une matrice.
Mat( (f x ); : : : ; f (xp )), Mat(f  g ), Mat(f
1
1
).
Isomorphisme entre unK-ev de dimension n et Mn; (K). 1

Isomorphisme entre L(E; F ) et M F; E (K). Cas F = E .

dim dim

Matrices équivalentes, semblables (dénition géométrique).

Sous-espaces stables
Si E = F  G et B est une base de E adaptée à cette décomposition alors F est stable par f 2 L(E )
Bf
si et seulement si Mat ( ) est triangulaire supérieure par blocs avec un découpage correspondant à
celui de B . F et G sont stables par f si et seulement si MatB (f ) est diagonale par blocs.

Drapeau associé à une base B = (e ; : : : ; en ) : Fi = he ; : : : ; ei i. Un endomorphisme stabilise le

1 1

drapeau si et seulement si sa matrice dans B est triangulaire supérieure. Il stabilise chaque droite hei i
si et seulement si sa matrice dans B est diagonale.
c) Déterminant d’une famille de vecteurs dans une base
Caractérisation des bases :
F est une base () F est libre () F est génératrice () MatB (F ) est inversible () detB (F ) 6= 0.
B F )  MatF (B) = In .
Dans ce cas, Mat (
0 0
Formules de changement de base : X = P X , M = Q MP , detB (F ) = detB (B0 ) detB0 (F ).
1

Caractérisation algébrique de la similitude et de l'équivalence.

III  Matrices page 11

 d) Rang
rg(M ) = dimhcolonnes de M i.
rg(Mat( x ; : : : ; xp )) = dimhx ; : : : ; xp i, rg(Mat(f )) = dim Im(f ).
1 1

rg(MN ) 6 min(rg(M ); rg(N )).

Rang d'une sous-matrice.
Conservation du rang par équivalence ou similitude.
 
M 2 Mnp (K) de rang r si et seulement si elle est équivalente à Jnpr = Ir
0
0
0
.

rg(
tM ) = rg(M ).
Deux matrices de même taille sont équivalentes si et seulement si elles ont même rang.

Calcul algébrique du rang

On convient qu'une sous-matrice de taille 0  0 est inversible.
(i) rg(M ) > r () M contient une sous-matrice carrée de taille r inversible.
(ii) rg(M ) est la plus grande taille d'une sous-matrice carrée inversible extraite de M .
Conséquences
Soient K un sous-corps de L et M 2 Mn (K). Alors M a même rang, considérée comme matrice à
coecients dans K ou comme matrice à coecients dans L.
Soient K un sous-corps de L et M 2 Mn (K). Alors les polynômes minimaux de M dans Mn (K)
et Mn (L) sont égaux.

Démonstration : soient M;K et M;L ces polynômes minimaux. M;K 2 L[X ] et M;K (M ) = 0
donc M;L divise M;K dans l'anneau L[X ]. Par ailleurs, d = deg(M;K ) = rg(In ; : : : ; M
n ) = rg(P ) 1

où P est la matrice de (In ; : : : ; M

n ) dans la base canonique (Eij ) de Mn (K). P est aussi la matrice
1

de cette famille dans la base canonique de Mn (L), d'où rg(P ) = deg(M;L ). Ainsi M;K et M;L ont
même degré, ce qui sut à conclure.

M 2 Mn (R) alors rg(M ) = rg( tMM ).

Proposition : si  
t
Car MX = 0 () MMX = 0. Contre-exemple dans Mn (C) : M =
1 i
.
i 1

e) Invariants d’un endomorphisme

Deux matrices semblables ont même trace, même déterminant, même polynôme caractéristique et
même polynôme minimal (donc aussi mêmes valeurs propres). On dénit la trace, le déterminant, les
polynômes caractéristique et minimal d'un endomorphisme comme étant ceux de sa matrice dans une
base quelconque de l'espace considéré.
Propriétés
tr(f  g ) = tr(g  f ), det(f  g ) = det(f ) det(g ).
B f x ); : : : ; f (xn )) = det(f ) detB (x ; : : : ; xn ).
det ( ( 1 1

detB (f (x ); x ; : : : ; xn ) + : : : + detB (x ; : : : ; xn
1 2 1 1; f (xn )) = tr(f ) detB (x ; : : : ; xn ).
1

f est bijective si et seulement si det(f ) 6= 0.

Théorème de Cayley-Hamilton : f (f ) = 0 et f j f .

page 12 III  Matrices

 IV — Réduction des endomorphismes

1) Éléments propres d’un endomorphisme

Valeurs et vecteurs propres, sous-espace propre, spectre.
En dimension nie, lien avec les mêmes notions pour une matrice carrée.

Exemples : homothétie, projection, symétrie, dérivation dans

 C1 (R; R), dérivation et primitivation
dans C[X ], permutation circulaire des coordonnées dans Kn , 1
3
2
4
.

Somme directe : si  ; : : : ; p sont des valeurs propres de f distinctes alors les sous-espaces propres
1

associés sont en somme directe.

Démonstration : soit (x ; : : : ; xp ) 2 E1 : : :Ep tel que x +: : :+xp = 0. On a, en appliquant k fois f :
k x: : : + kp xp = 0 et donc par combinaison linéaire, P ( )x + : : : + P (p )xp = 0 pour tout P 2 K[X ].
1 1

1 1 + 1 1

Comme les i sont distincts, on peut trouver P tel que P ( ) = 1, P ( ) = : : : = P (p ) = 0, d'où x = 0
1 2 1

et de même pour les autres vecteurs.

Conséquences
Toute famille de vecteurs propres associée à des valeurs propres distinctes est libre. En particulier les
familles ( x 7! ex )2R , (x 7! cos(x))>
x 7! sin(x))> et ( sont libres dans C 1 (R; R). Leur réunion,
x
0 0

en supprimant la répétition de la constante 1 = cos(0x) = e x) et

0
l'est aussi, car on peut séparer cos(
sin(x) par parité.

Si dim( E ) = n alors f 2 L(E ) a au plus n valeurs propres distinctes et quand elle en a n alors chaque
sous-espace propre est de dimension 1.

Polynôme caractéristique en dimension finie

Les valeurs propres de f sont les racines dans K de f . Si F est un sev stable par f alors f jF j f .
En particulier, si  est racine de f de multiplicité m alors dim(E ) 6 m .
Conséquences
Un endomorphisme d'un C-ev de dimension nie non nulle admet au moins une valeur propre.
Si rg( ) =r < n = dim(E ) alors X n r j f . En particulier si rg(f ) 6 1 alors f = X n tr(f )X n .
f 1

Lorsque K  C, soient  ; : : : ; n les racines complexes de f répétées avec leurs ordres de multiplicité.
1

On a :

1 + : : : + n = tr(f );  : : : n = det(f ):
1

Ces relations sont aussi vraies pour un corps quelconque lorsque f est scindé sur K ou sur un sur-corps
de K.
2) Diagonalisation, trigonalisation en dimension finie

Définitions
f 2 L(E ) est diagonalisable (resp. trigonalisable) s'il existe une base de E dans laquelle la matrice de f
est diagonale (resp. triangulaire supérieure).
M 2 Mn (K) est diagonalisable (resp. trigonalisable) si l'endomorphisme de Kn canoniquement associé
à M l'est, soit si M est semblable à une matrice diagonale (reps. triangulaire supérieure).

Remarques
Mat( 1 e ;:::;e f
n ) ( ) est triangulaire supérieure si et seulement si Mat( n e ;:::;e f
1 ) ( ) est triangulaire inférieure.
Le caractère supérieur
dans la dénition de la trigonalisabilité est donc non restrictif.
Pour toute base B de E , on a : f est diagonalisable (resp. trigonalisable) si et seulement si Mat ( ) a Bf
cette propriété.

IV  Réduction des endomorphismes page 13

 Travail demandé
Diagonaliser f consiste à trouver une base B pour laquelle D = MatB (f ) est diagonale. Les vecteurs
de B sont donc des vecteurs propres de f et les coecients diagonaux de D sont les valeurs propres
associées aux vecteurs de B, dans le même ordre. Ce sont les valeurs propres de f. B est appelée base
de diagonalisation de f ou base propre pour f . Il n'y a en général pas unicité de B ni de D, mais
f = D donc f doit être scindé et D est unique à permutation de la diagonale près.
Diagonaliser M consiste à trouver 2 GLn (K) et D diagonale telles que P MP = D, soit MP = P D
P 1

M P DP . Les colonnes de P forment une base de Mn (K) propre pour l'endomorphisme

1
ou encore = 1

canoniquement associé à M et les coecients diagonaux de D sont les valeurs propres correspondantes,
placées dans le même ordre que le sont les vecteurs propres dans P.
Trigonaliser f consiste à trouver une base B pour laquelle T = MatB (f ) est triangulaire supérieure. Le
premier vecteur de B est donc vecteur propre de f , et le drapeau associé à B est stable par f . Comme
f = T , il est nécessaire que f soit scindé pour que f soit trigonalisable. La diagonale de T est imposée
à permutation près par la connaissance def ; les coecients au dessus de la diagonale ne peuvent être
déterminés que connaissant explicitement P .

Trigonaliser M consiste à trouver P 2 GLn (K) et T triangulaire supérieure telles que P 1

MP = T , soit
MP = PT ou encore M = PTP 1
.

Méthode pour diagonaliser ou trigonaliser f donnée

(i) Calculer f et le factoriser. Si f n'est pas scindé, la réduction demandée est impossible. Dans
ce cas, abandonner ou prendre K = C.
(ii) Pour chaque racine  de f , déterminer une base du sous-espace propre E . Lorsque m = 1, il
sut de trouver un vecteur propre non nul.

(iii) Concaténer les bases trouvées en (ii). On obtient une base de la somme de tous les sous-espaces
propres, c'est-à-dire une famille F libre propre maximale.
(iv) Si la famille F est de cardinal n alors c'est une base propre pour f et la diagonalisation est terminée.
Sinon, f n'est pas diagonalisable.

(v) Si card( F) = n 1, compléterF en une base B de E par ajout en dernière position d'un vecteur
non combinaison linéaire de F . Alors MatB (f ) est triangulaire supérieure. 
F) 6 n 0
2, compléter arbitrairement F en une base B et calculer M = MatB (f ) =
D X
0 N
(vi) Si card(

où D est diagonale et N carrée quelconque de taille strictement inférieure à n (car on a au moins

une valeur propre du fait que f est scindé). Trigonaliser récursivement
 N
. On obtient Q inversible
c'est une matrice n  n
I 0
et T triangulaire supérieure telles que NQ = QT . Soit alors P =
0 Q
:

0
inversible et M P = P
D XQ . f
0 T La trigonalisation de est terminée.

Remarques
La récursion en (vi) est bien fondée carf est scindé donc N qui en est un diviseur est aussi scindé.
P L
En (iv) on a card(F ) = n () E =  E () n =  dim(E ) () 8 ; dim(E ) = m car le caractère
P
scindé de f donne n =  m et on sait que m > dim(E ).
Conséquences
(i) Un endomorphisme f est trigonalisable si et seulement si f est scindé. Ceci est toujours vrai si
K = C.
(ii) Un endomorphisme f est diagonalisable si et seulement si la somme des sous-espaces propres est
égale à E , soit si et seulement si f est scindé et si pour toute racine  de f , on a dim(E ) = m .
(iii) Si f est scindé à racines simples alors f est diagonalisable.
(iv) Si f n'a qu'une seule valeur propre  alors f est diagonalisable si et seulement si f =  id.

page 14 IV  Réduction des endomorphismes

 Exemples
! !
1 2 3 1 2 3
M = 1 4 3 , P = 1 1 0 , D = Diag(0; 2; 2).
1 2 1 1 0 1
! ! ! ! !
3 1 1 1 1 0 4 0 1 1 1 0 4 0 0
M = 1 3 1 , P = 1 0 0 , T = 0 4 2 ou P = 1 1 0 , T = 0 4 1 .
2 2 6 0 1 1 0 0 4 0 2 1 0 0 4
! !
5 8 6 3 + 5i 3 5i 2
M = 1 3 2 , P = 4 i 4+i 4 , D = Diag(i; i; 0) (par comatrice).
6 11 8 7 6i 7 + 6i 7
Diagonalisation d'une projection, d'une symétrie.

3) Polynômes d’un endomorphisme

Pour E de dimension quelconque et f 2 L(E ), on dénit K[f ] = fP (f ) tq P 2 K[X ]g et l'idéal annulateur
If =fP 2 K[X ] tq P (f ) = 0g. Ces dénitions prolongent celles vues pour les matrices carrées et les
endomorphismes d'un ev de dimension nie non nulle. On dit que f admet un polynôme minimal si
If 6= f0g et dans ce cas, f est le générateur unitaire de If .
Exemples : homothétie, projection, symétrie, dérivation dans C 1 (R; R).
Propriétés
K[f ] est une sous-algèbre commutative de L(E ).
Si f existe et d = deg(f ) alors (id; : : : ; f d ) est une base de K[f ] et dim(K[f ]) = d. De plus, pour
1

P; Q 2 K[X ], on a P (f ) = Q(f ) () f j (P Q). Sinon K[f ] est de dimension innie et deux polynômes
en f sont égaux si et seulement s'ils ont mêmes coecients.
Si F est un sev stable par f et si f admet un polynôme minimal, alors fjF aussi et f jF j f .
f = 1 () E = f0g.
SiP j Q alors Ker P (f )  Ker Q(f ) et Im P (f )  Im Q(f ).
Pour P 2 K[X ], Ker P (f ) et Im P (f ) sont stables par f et par tout endomorphisme g commutant avec f .
De plus, fj P f admet un polynôme minimal divisant P .
Ker ( )

En particulier, si f  g = g  f , tout sous-espace propre pour f est stable par g .

Lorsque f est diagonalisable, un endomorphisme g commute avec f si et seulement s'il stabilise tous les
sous-espaces propres pour f . Lorsque f est diagonalisable à valeurs propres distinctes, un endomorphisme
g commute avec f si et seulement s'il est diagonalisable dans une base propre pour f xée. Dans ce cas,
g 2 K[f ].
Si  2 Sp(f ) et P 2 K[X ] alors P () 2 Sp(P (f )) et Ker(f  id)  Ker(P (f ) P () id). En particulier,
si P (f ) = 0 alors Sp(f ) est inclus dans l'ensemble des racines de P .
Si f admet un polynôme minimal alors Sp(f ) est ni (réciproque fausse).

L : soient P1 ; : : : ; Pk des polynômes deux à deux premiers entre eux et P

Lemme des noyaux = P : : : Pk .
1

Alors Ker P (f ) =
i Ker Pi (f ).
P
Démonstration : Pi j P Pi (f )  Ker P (f ), d'où i Ker Pi (f )  Ker P (f ).
donc Ker
Q
La somme est directe : soit Qi = j 6 i Pj = P=Pi . Par hypothèse, Pi ^ Qi = 1 ; soient Ui ; Vi 2 K[X ] tels
que Ui Pi + Vi Qi = 1. Par substitution, il vient Ui (f )  Pi (f ) = idE Vi (f )  Qi (f ). Considérons
=

Q P alors
(x ; : : : ; x k ) 2
1 i Ker P i (f ) et x = x + : :1: + x k . En appliquant l'égalité précédente à x x i = j 6 i xj ,
on obtient Ui (f )  Pi (f )(x) = x
=
xi . Ceci prouve l'unicité de xi .
Inclusion réciproque : soit x 2 Ker P (f ), et xi = x Ui (f ) P Pi (f )(x) =PVi (f )  Qi (f )(x). On a
Pi (f )(xi ) = Vi (f )  PP (f )(x) = 0 donc xi 2 Ker Pi (f ). Enn, x
P i xi = (1 i Vi Qi )(f )(x) = R(f )(x)
et R = 1 V i Q i j6 i V j Q j = U i P i j6 i Vj Q j est divisible par P i pour tout i. Donc P j R et
P P
x = i xi 2 i Ker Pi (f ).
= =

L
Remarque : les projeteurs associés à la décomposition Ker P (f ) = i Ker Pi (f ) sont des polynômes en f .

IV  Réduction des endomorphismes page 15

 Application : équation différentielle linéaire homogène à coefficients constants
Soient a ; : : : ; an 2 C avec an 6= 0. On considère l'équation diérentielle : () () a y + : : : + an y n = 0 ( )

d'inconnue y : R ! C supposée de classe C n . Soit P = a + : : : + an X n (polynôme caractéristique de

0 0

l'équation).
Si P admet n racines simples  ; : : : ; an alors les solutions de l'équation () sont les fonctions de la forme
y = x 7! A e1 x + : : : + An en x avec A ; : : : ; An 2 C quelconques.
1

1 1

Dans le cas général, soient  ; : : : ; k les racines de P sans répétition et m ; : : : ; mk leurs multiplicités.
Les solutions sont les fonctions de la forme y = x 7! A (x)e1 x + : : : + Ak (x)ek x avec Ai 2 Cmi [X ]
1 1

1 1

quelconque. Pour y donnée, il y a unicité d'une telle décomposition et l'ensemble des solutions est un
C-ev de dimension n.
Opérations sur les noyaux et les images (HP) : Soient P; Q 2 K[X ], D = P ^ Q et M = P _ Q.
On a : Ker P (f ) + Ker Q(f ) = Ker M (f ), Im P (f ) + Im Q(f ) = Im D(f ),
Ker P (f ) \ Ker Q(f ) = Ker D (f ), Im P (f ) \ Im Q(f ) = Im M (f ).

Conséquence : si f admet un polynôme minimal, alors les ensembles K = fKer P (f ); P 2 K[X ]g et

I = fIm P (f ); P 2 K[X ]g sont nis et en bijection avec l'ensemble des diviseurs unitaires de f .
Caractérisations de la diagonalisabilité et de la trigonalisabilité
Soit E un K-ev de dimension nie non nulle et f 2 L(E ). Il y a équivalence entre :
(i) f est diagonalisable
(ii) (f  id)  : : :  (f p id) = 0 où  ; : : : ; p sont les valeurs propres de f sans répétition
1 1

(iii) il existe P 2 K[X ] n f0g scindé à racines simples tel que P (f ) = 0

(iv) f est scindé à racines simples
et entre :
(v) f est trigonalisable
(vi) il existe P 2 K[X ] n f0g scindé tel que P (f ) = 0
(vii) f est scindé.
Démonstration de (vii) ) (v) : on a f 6= 1 car E 6= f0g donc f admet au moins une racine .
Alors g=f  id est non injectif, donc non surjectif et il existe un hyperplan H contenant Im g (thm.
de la base incomplète). Par construction, H est stable par g donc aussi par f et F jH divise f donc est
aussi scindé. On construit alors de proche en proche un drapeau stable par f . Dans toute base adaptée
à ce drapeau, la matrice de f est triangulaire supérieure.

Conséquences : soit f diagonalisable (resp. trigonalisable) et F un sev non nul stable par f . Alors fjF
est diagonalisable (resp. trigonalisable). Dans le cas diagonalisable, un sous-espace de E est stable par f
si et seulement s'il est engendré par une famille nie de vecteurs propres.

4) Endomorphismes nilpotents
Endomorphisme nilpotent, matrice nilpotente, indice de nilpotence.

Propriétés
La somme de deux éléments nilpotents commutant est nilpotente.
Si f est nilpotent d'indice p alors la suite (Ker f k ) 6k6p est strictement croissante.
0

Si E est de dimension nie n et f 2 L(E ) est nilpotent, alors l'indice de nilpotence de f est majoré par n
n
et on a f = 0.

Caractérisation des matrices nilpotentes : pour M 2 Mn (K) il y a équivalence entre

(i) M est nilpotente
(ii) M est semblable à une matrice triangulaire supérieure dont la diagonale est nulle
(iii) M = X n
(iv) (si K  C) 8 k 2 [[1; n]], tr(M k ) = 0.

page 16 IV  Réduction des endomorphismes

 Démonstration (iv) ) (i) : on peut supposer K = C sans restreindre la généralité. Par linéarité,
tr(P (M )) = 0 pour tout polynôme de C[X ] de degré inférieur ou égal à n sans terme constant, donc en
particulier pour un polynôme P tel que P (0) = 0 et P () = 1 pour toute valeur propre de M non nulle
(ceci est possible, on impose les valeurs de P en au plus n + 1 points distincts). Avec ce choix, tr(P (M ))
est le nombre de valeurs propres non nulles en comptant les répétitions et ce nombre vaut 0. Ainsi, 0 est
l'unique valeur propre de M M .
donc l'unique racine de

Trigonalisation forte : soit E un ev de dimension nie non nulle, f 2 L(E ) trigonalisable,  ; : : : ; p 1

les valeurs propres de f de multiplicités m ; : : : ; mp . Alors il existe une base B dans laquelle la matrice
1

de f est diagonale par blocs : MatB (f ) = Diag(T ; : : : ; Tp ) où Ti est une matrice triangulaire supérieure
de taille mi ayant i pour unique valeur propre : Ti = i Imi + Ni avec Nimi = 0.
1

Q m
Démonstration : on a par L hypothèse f m= Li (X i ) i et f (f ) = 0 donc avec le lemme des
noyaux, E = Ker f (f ) = i Ker(f i id) = i Fmi . Le sous-espace Fi est stable par f , donc fjFi
i
est trigonalisable et par construction, f jFi j (X i ) i . En particulier, i est l'unique valeur propre
de fjFi . En concaténant une base de trigonalisation pour chaque fjFi , on obtient une base B dans laquelle
Mat(f ) est diagonale par blocs et chaque bloc est triangulaire comme indiqué. Enn, la conservation du
polynôme caractéristique implique taille(Ti ) = dim(Fi ) = mi .

5) Calcul des puissances d’une matrice carrée

Soit M 2 Mn (K). On veut calculer M p en fonction de p 2 N arbitraire.
Si M = Diag( ; : : : ; n ) : M p = Diag(p ; : : : ; pn ).
p p
1 1

Si M est diagonalisable : M = P DP , puis M = P D P

1 1
.
Si M = In + N avec N nilpotente d'indice q : M =  In + p
p p p N + : : : + p
p q N q .
q
1 +1 1

q étant xé, le calcul est considéré comme terminé. Remarque : pour tout k xé, le coecient kp est un
1

polynôme en p.
Si M est trigonalisable : trigonaliser fortement M puis utiliser la formule du binôme pour chaque bloc.
Si M n'est pas trigonalisable : prendre K = C si c'est possible, sinon abandonner.

Lorsque K  C, le calcul explicite de M p est donc toujours possible et M p est une combinaison linéaire
à coecients matriciels des suites (p pk ) où  2 Sp(M ) n f0g et 0 6 k < m et d'une suite presque nulle
si 0 2 Sp(M ).
Exemples
!
1 2 3
M = 1 4 3 , Sp(M) = f0; 2g et M est diagonalisable. Donc M p = 2p 1
M pour tout p > 1.
1 2 1
!
3 1 1
M = 1 3 1 , Sp(M) = f4g, M p = 4p I + p4p 1
M
( I p(p 1) p 2
M I 2
3 3) + 4 ( 3) .
2 2 6 2
!
5 8 6
M = 1 3 2 , Sp( M ) = fi; i; 0g, la suite (M p )p> 1 est 4-périodique.
6 11 8

Convergence
(i) Soit M 2 Mn (C). La suite de terme général M p converge vers la matrice nulle si et seulement si
Sp(M )  D = fz 2 C tq jz j < 1g.
(ii) La suite (M p ) est convergente si et seulement si Sp(M )  D [ f1g et rg(M In ) = rg((M In ) ). 2

Dans ce cas, sa limite L est la matrice de la projection sur Ker(M In ) parallèlement à Im(M In )
(en confondant une matrice avec son application linéaire canoniquement associée).
Démonstration
(i) Si M p p!1
! 0, 2 Sp(M ) et X une colonne propre associée. On a p X = M p X p!1
soit  ! 0 donc
! 0, ce qui implique  2 
p p!1 D. Réciproquement, si Sp(M )   D, la forme générale de M p vue
précédemment montre que M
p ! 0.
p!1
IV  Réduction des endomorphismes page 17
 (ii) Si M p p!1! L, on montre comme en (1) que pour tout  2 Sp(M ), la suite (p ) est convergente,
d'où  2  D [ f1g. De plus, si rg(M In ) 6= rg((M In ) ), alors Ker(M In ) $ Ker((M In ) ) 2 2

donc il existe une matrice colonne X 6= 0 telle que (M In ) X = 0 et (M In )X 6= 0. On a alors 2

M p X = ((M In ) + In )p X = X + p(M In )X donc la suite (M p X ) est divergente, en contradiction

p
avec l'hypothèse de convergence de (M ). Ainsi la condition rg(M In ) = rg((M In ) ) est nécessaire. 2

Réciproquement, supposons Sp(M )   D [ f1g et rg(M In ) = rg((M In ) ). Lorsque 1 2= Sp(M ), 2

p
la suite (M ) converge vers la matrice nulle et M In étant inversible, la limite est bien la matrice de
projection annoncée. Lorsque 1 2 Sp(M ), on trigonalise fortement : M = P Diag(T ; : : : ; Tk )P où T
1
1 1

est le bloc associé à la valeur propre 1. En écrivant T = Im1 + N , on a rg(M In ) = n rg(N ) et 1 1 1

rg((M In ) ) = n rg(N ). Donc N et N ont même rang, ce qui implique que l'indice de nilpotence
2 2 2

p
1 1 1

de N est au plus égal à 1 et donc que N = 0 et T = Im1 . La convergence de la suite (M ) est alors
1 1 1

immédiate, de même que l'identication de sa limite.

Suites récurrentes linéaires

Soient a ; : : : ; ; an 2 C avec a an 6= 0. On considère l'équation de récurrence linéaire :
0 0

() () a up + : : : + an un p = 0 0 +

d'inconnue u 2 C . Soit P = a + : : : + an X n (polynôme caractéristique de l'équation).

N
0

Si P admet n racines simples  ; : : : ; n alors les solutions de l'équation () sont les suites de la forme
u = (A p + : : : + An pn )p2N avec A ; : : : ; An 2 C quelconques.
1

1 1 1

Dans le cas général, soient  ; : : : ; k les racines de P sans répétition et m ; : : : ; mk leurs multiplicités. Les
solutions sont les suites de la forme u = (A (p)p + : : : + Ak (p)pk )p2N avec Ai 2 Cmi [X ] quelconque.
1 1

1 1

Pour u donnée, il y a unicité d'une telle décomposition et l'ensemble des solutions est un C-ev de
1

dimension n.
Démonstration : notons E l'ensemble des solutions de l'équation () et F l'ensemble des suites de
la forme A (p)p + : : : + Ak (p)pk )p2N . Soit Up = t (up ; : : : ; un p ). On a Up = MUp où M
u = (
p p
1 1 + 1 +1

est la matrice compagne du polynôme P=an , puis Up = M U . L'expression générale de M donne la 0

forme annoncée pour up , soit E  F . Par ailleurs, l'application u 7! (u ; : : : ; un ) est un isomorphisme

n
0 1

entre E et C , d'où dim(E ) = n > dim(F ) vu la dénition de F . Ainsi E = F .

6) Système différentiel d’ordre 1

Soit M 2 Mn (C). On considère l'équation : ( )  () X 0 = MX d'inconnue X : R ! C supposée

dérivable. L'objectif est de calculer explicitement X (t) en fonction de t 2 R. Remarquer qu'une solution
est nécessairement de classe C 1 et que l'ensemble des solutions est stable par dérivation.
Si M  ; : : : ; n ) : X (t) = t (e1 t x (0); : : : ; en t xn (0)).
= Diag( 1 1

Si M est diagonalisable : M = P DP . Poser Y = P X , d'où Y 0 = DY puis X = P Y .

1 1

Si M est nilpotente d'indice q : X (t) = (In + : : : + (tM )

q =(q 1)!)X (0). 1

Si M
t
= In + N avec  6= 0 et N nilpotente d'indice q : X (t) = e (In + : : : + (tN=)
q =(q 1
1)!) X (0).
Dans le cas général : trigonaliser fortement M .

Ainsi, l'équation () admet toujours une solution, et cette solution est unique si l'on impose sa valeur
en t = 0 (ou en t = t xé). En particulier l'ensemble des solutions est un C-ev de dimension n et pour
0

tout t 2 R, l'application X 7! X (t ) est un isomorphisme de cet ensemble sur Mn (C). De plus, X est
combinaison linéaire à coecients matriciels des fonctions t ! tk et avec  2 Sp(M ) et 0 6 k < m .
0 0 1

!
5 8 6
Exemple : M = 1 3 2 , X (t)
t X + (sin t)X avec MX = 0, X = MX = X 0 + (cos ) 1 2 0 2 1 et
6 11 8
M X = X . On obtient X = t ( 2a; 4a; 7a), X = t (b c; b; c), X = t (c 3b; 2b c; 5b 2c).
2
1 1 0 1 2

 0
Système différentiel d’ordre 2 : X 00 = MX + NX 0 () X
X =  0 In  X .
M N X 0 0

page 18 IV  Réduction des endomorphismes

 V — Espaces vectoriels normés

1) Norme
a) Définition
Application dénie-positive, positivement homogène, vériant l'inégalité triangulaire.

Exemples : valeur absolue, module, norme euclidienne, normes usuelles sur Kn , sur un K-ev de
dimension nie, sur C ([a; b]; K), k k1 sur B (X; K), norme produit : k(a; b)k = max(kak; kbk).

Sur K toute norme est proportionnelle au module ; on choisira systématiquement le module dans ce
cas.
b) Distance
Distance entre deux points, inégalité triangulaire.
Distance d'un point à une partie, exemples.
jkxk kykj 6 kx y k, jd(x; A) d(y; A)j 6 d(x; y ).
c) Boules
Dénition, B (a; r) = a + rB (0; 1). Sphères, sphère unité.
R et R pour les normes usuelles ; dans E  F pour la norme produit.
2

Si E 6= f0g : (
B (a; r)  B (b; s) () d(a; b) + r 6 s), (B (a; r) \ 
Description des boules dans
B (b; s) = ? () d(a; b) > r + s),
(B (a; r )  B (b; s) () d(a; b) + r 6 s), (B (a; r ) \ B (b; s) = ? () d(a; b) > r + s).
En conséquence, pour E = 6 f0g, le centre et le rayon d'une boule sont uniques.
Démonstration
Si a=b:
(1) ()(8 u 2 S (0; 1); 8 t 2 [0; r[, on a t < s) ()(r 6 s).
(3) ()(8 u 2 S (0; 1); 8 t 2 [0; r], on a t < s) ()(r 6 s).
(2) et (4) sont vériées par impossibilité.

Si a 6= b :
on note  = d(a; b), v = (a b)= le vecteur unitaire dirigé de b vers a, et xt = a + tv .
Donc d(a; xt ) = jtj et d(b; xt ) = j + tj.
(2) ) (8 t 2 ] r; 0], on a j + tj > s) ) ( r > s) ) (2) par inég. triangulaire. Idem pour (4).
(1) ) (8 t 2 [0; r [, on a  + t < s) ) ( + r 6 s) ) (1) par inég. triangulaire. Idem pour (3).

d) Parties bornées
A est bornée () A est incluse dans une boule. Le centre est indiérent.
Suite bornée, fonction bornée.
Diamètre d'une partie bornée non vide.

Partie bornée d’un K-ev de dimension finie pour l’une des normes usuelles : les coordonnées
dans une base xée sont majorées en module par une constante. Dans ce cas, la partie est bornée
pour toute norme.
Contre-exemple dans K[X ].
Partie bornée pour une norme produit.

e) Voisinages
Voisinage d'un point, voisinage de l'inni, voisinages de + 1 et de 1 dans R.
Intersection d'une famille nie de voisinages.

V  Espaces vectoriels normés page 19

2) Suites convergentes

a) Définitions
!`
un n!1 () 8 " > 0, 9 N 2 N tq 8 n > N; on a d(un ; `) 6 ".
() tout voisinage de ` contient presque tous les termes de la suite.
On peut remplacer d(un ; `) 6 " par d(un ; `) 6 K" avec K > 0 xé.
kun k n!1
! 1 () 8 A 2 R, 9 N 2 N tq 8 n > N; on a kun k > A.
() tout voisinage de 1 contient presque tous les termes de la suite.
b) Propriétés
Unicité d'une limite éventuelle. Notation lim n!1 un .
Une suite convergente est bornée.
Limite d'une somme, du produit d'une suite scalaire par une suite vectorielle.
Si ! ` alors kun k n!1
un n!1 ! k`k et d(un ; A) n!1
! d(`; A). En particulier, si ` 6= 0, alors un 6= 0 pour n
assez grand.
Limite d'une suite à valeurs dans E  F.
Convergence dans un K-ev de dimension finie : une suite converge pour l'une des normes
usuelles si et seulement les coordonnées dans une base xée convergent dans K. Dans ce cas, les
coordonnées de la limite sont les limites des coordonnées et la suite converge vers cette limite pour
toute norme.
c) Comparaison asymptotique
un = o(vn ) () 8 " > 0; 9 N 2 N tq 8 n > N , on a kun k 6 "vn (( vn ) positive).
un = O(vn ) () 9 M 2 R; 9 N 2 N tq 8 n > N , on a kun k 6 Mvn (( vn ) positive).
un  vn () un vn = o(kvn k) (c'est une relation d'équivalence).
un n!1! ` () un ` = o(1).
(un ) est bornée () un = O (1).

vn ) est à valeurs strictement positives :

Si (
un = o(vn ) () un =vn n!1 ! 0.
un = O(vn ) () (un =vn ) est bornée.
un  vn () un =vn n!1 ! 1. Dans ce cas, un > 0 pour n assez grand.
L'équivalence entre suites réelles est compatible avec la multiplication, la division et l'élévation à une
puissance constante. Pour toute autre opération entre suites équivalentes, écrire un = vn + o(vn ),
substituer et simplier.
d) Suites extraites
Dénition, extractions successives.
Sous-suite indexée par une partie innie de N.
Conservation de la limite, nie ou innie, par extraction.
un n!1=! ` () 9 " > 0, et ' fonction d'extraction tq 8 n 2 N; on a d(u' n ; `) > ".
( )

(un ) est non bornée () il existe une sous-suite divergeant vers l'inni.
Valeur d'adhérence : ` est valeur d'adhérence () il existe une sous-suite de limite ` () tout
voisinage de ` contient des termes un pour une innité de valeurs de n.
Une suite ayant deux valeurs d'adhérence distinctes est divergente.

Théorème de Bolzano-Weierstrass

Toute suite réelle bornée admet une valeur d'adhérence.

Dans un K-ev de dimension nie, toute suite bornée pour une norme usuelle admet une valeur d'ad-
hérence valide pour toute norme.

page 20 V  Espaces vectoriels normés

 Démonstration pour le cas réel : soit X = fn 2 N tq 8 k > n; un > uk g. Si X est inni,
la sous-suite ( xn )n2X est strictement décroissante. Sinon, soit N 2 N tel que X  [[0; N [[. Pour
chaque n > N on choisit un entier k > n tel que un 6 uk et on note f (n) = k. Alors la sous-suite
( uN ; uf N ; uf f N ; : : :) est croissante. Dans les deux cas, il existe
( ) ( ) une sous-suite monotone qui est
bornée, donc convergente.

3) Comparaison de normes
Définitions
N est plus ne que N0 si toute suite convergeant pour N converge aussi pour N0 vers la même limite.
N et N
0 sont équivalentes si chacune est plus ne que l'autre.

Exemples
Dans un K-ev de dimension nie, toutes les normes usuelles sont équivalentes entre elles et sont plus
nes que toute norme.
Dans C ([a; b]; K), k k1 est plus ne que k k , elle-même plus ne que k k . Ces normes sont deux à deux
2 1

non équivalentes, mais quand une suite de fonctions converge pour deux de ces normes, alors les limites
sont égales.

N (P ) = jP (0)j + t = jP 0 (t)j dt et N 0 (P ) = jP (1)j + t = jP 0 (t)j dt

R R
Dans K[X ], les normes dénies par : 1 2 1 2

sont incomparables.
n =0
0
La suite (X ) converge vers 0 pour N et vers 1 pour N . Par ailleurs, le passage à
=0

la limite n'est pas compatible avec la substitution.

Proposition : N est plus ne que N 0 () 9  > 0 tq N 0 6 N .

N et N sont équivalentes () 9 ;  > 0 tq N 6 N 0 6 N .
0
En conséquence, deux normes équivalentes dénissent les mêmes suites convergentes, les mêmes limites,
les mêmes parties bornées, les mêmes voisinages.
Théorème : dans un K-ev de dimension nie, toutes les normes sont équivalentes.
Démonstration : on xe une base B de E et on suppose qu'il existe une norme N non équivalente
à k k1;B . Donc N n'est pas plus ne que k k1;B et il existe (xn ) 2 E et ` 2 E tels que N (xn !0
N `) n!1
et kxn `k1;B n!1
=! 0. Alors il existe " > 0 et une fonction d'extraction ' tels que kx' n `k1;B > " ( )

pour tout n. Considérons un = (x' n `)=kx' n `k1;B : la suite (un ) est bornée pour k k1; donc
admet une valeur d'adhérence  2 E , valide pour toute norme, et on a kk1;B = 1 donc  6= 0. Il y a
( ) ( )

contradiction car N (un ) 6 N (x' n ! 0.

`)=" n!1
( )

4) Topologie d’un espace vectoriel normé

Un ouvert est un ensemble voisinage de chacun de ses points. Un fermé est un ensemble stable par passage
à la limite nie. Ces notions sont inchangées si on remplace la norme de E par une norme équivalente ;
en dimension nie elles sont intrinsèques.

Exemples
E , ?, boules, sphères, intervalles de R, ensemble ni ou de complémentaire ni.
Un sev de dimension nie est fermé. Contre-exemple en dimension innie.
Si ! ` alors fun ; n 2 Ng [ f`g est fermé.
un n!1
Propriétés
A est ouvert () E n A est fermé.
L'ensemble des ouverts est stable par union quelconque et par intersection nie.
L'ensemble des fermés est stable par intersection quelconque et par union nie.
A est ouvert () A est une réunion de boules ouvertes.
Seuls E et ? sont à la fois ouvert et fermé.

Démonstration : soient A; B deux parties complémentaires non vides, a 2 A et b 2 B . On considère

T = ft 2 [0; 1] tq a + t(b a) 2 Ag,  = sup(T ) et c = a +  (b a). Si c 2 A alors  < 1 et c est limite
d'éléments de B . Dans ce cas, B n'est pas fermé. Si c 2 B alors c est limite d'éléments de A et A n'est
pas fermé.

V  Espaces vectoriels normés page 21

 Intérieur, adhérence, frontière : A A, A est le plus petit fermé
A n
est le plus grand ouvert inclus dans
contenant A, Fr(A) = A . Ces notions sont inchangées si on remplace la norme de E par une norme
équivalente ; en dimension nie elles sont intrinsèques.

Propriétés
A  A  A
AB ) A
.
B et A  B .
A est ouvert () A =  A.
A est fermé () A = A.
a2 A () A est un voisinage de a.
a 2 A () d(a; A) = 0 () a est limite d'une suite d'éléments de A.
a 2 Fr(A) () a est limite d'une suite d'éléments de A et d'une suite d'éléments de E n A.
Exemples : E , ?, boules, sphères, sev, intervalles de R, Q, R n Q.
Densité : A est dense dans B si B  A. A est dense dans E () tout ouvert non vide rencontre A.
Topologie relative : soient A  B  E .
A est un ouvert relatif de B si pour tout a 2 A, il existe r > 0 tel que : 8 x 2 B , d(a; x) 6 r ) x 2 A.
A est un fermé relatif de B si pour toute suite (an ) 2 AN convergeant vers ` 2 B , on a ` 2 A.
Si b 2 B , A est un voisinage relatif de b dans B s'il existe r > 0 tel que : 8 x 2 B , d(b; x) 6 r ) x 2 A.
Si B n'est pas borné, A est un voisinage relatif de l'inni dans B s'il existe M 2 R tel que : 8 x 2 B ,
kxk > M ) x 2 A.
Propriété : A est un ouvert (resp. fermé, voisinage) relatif si et seulement s'il existe A0  E ouvert
0
(resp. fermé, voisinage) tel que A = A \ B . En conséquence, le complémentaire d'un ouvert relatif est
un fermé relatif et inversement.

Exemples dans un intervalle de R, dans la réunion de deux intervalles.

5) Compacité
Propriété de Bolzano-Weierstrass (vraie par convention pour ?).
Propriétés
Un compact est fermé borné. En dimension nie, la réciproque est vraie.
Contre-exemple en dimension innie : suite équidistante dans B (R; R).
Pour A; B 6= ? : A  B est compact dans E  F si et seulement A et B sont compacts.
Si A  B et B est compact alors A est compact () A est fermé.
Si un ! ` alors fun ; n 2 Ng [ f`g est compact.
n!1
Démonstration : en dimension nie, les caractères fermé et borné susent pour conclure. Dans le
cas général, on considère une suite ( ap ) à valeurs dans A = fun ; n 2 Ng [ f`g et pour n 2 N on
note Pn = fp tq ap = un g. S'il existe n tel que Pn est inni, on extrait de (ap ) une sous-suite constante
égale à un . Sinon montrons que (ap ) converge vers ` : soit " > 0 et N tel que n > N ) d(un ; `) 6 ".
P [ : : : [ PN est ni, donc un p assez grand n'y appartient pas et par construction, d(ap ; `) 6 ".
0 1

Proposition : soient A compact et (an ) 2 AN . Si cette suite n'a qu'une seule valeur d'adhérence alors
elle converge vers cette valeur d'adhérence. En conséquence, dans un ev de dimension nie, une suite
bornée n'ayant qu'une seule valeur d'adhérence est convergente.
Contre-exemple en dimension innie.

Bornes atteintes
Soient A compact non vide et x 2 E . Alors il existe a 2 A tel que d(x; a) = d(x; A). Cette conclusion
demeure pour A fermé non vide lorsque E est de dimension nie.
Soit A compact non vide. Alors il existe a; b 2 A tels que d(a; b) =  (A).
Contre-exemples en dimension innie :
E = C ([0; 1]; R) avec k k , A = fa tq 0 6 a 6 1 et aj ; 12
1 [0 ]
g
= 1 , x = 0.

page 22 V  Espaces vectoriels normés

 Théorème de Riesz (HP) : dans un ev de dimension innie, il existe une suite de vecteurs unitaires
sans valeur d'adhérence. En conséquence, ni la sphère unité, ni la boule unité ne sont compactes.
Démonstration : soit (xn ) une famille libre. On construit par récurrence une suite (yn ) vériant pour
tout n:
kyn k = 1, hy ; : : : ; yn i = hx ; : : : ; xn i = Fn , kyn yi k > 1 pour i 2 [[1; n[[.
0 0

Pour n = 0, on pose y = x =kx k. Pour n > 1, on choisit x 2 Fn

0 0 0 1 tel que kxn xk = d(xn ; Fn )
1

et on pose yn = (xn x)=kxn xk. Les deux premières conditions sont manifestement remplies, et la
troisième résulte de : d(yn ; Fn 1) = 1.

V  Espaces vectoriels normés page 23

 VI — Fonctions continues

1) Limites
Définitions
Soitf : D  E ! F , a 2 D et ` 2 F . On suppose D non borné dans les dénitions avec kxk ! 1.
f (x) x!!a ` () 8 " > 0, 9  > 0 tq 8 x 2 D, (d(x; a) 6  ) d(f (x); `) 6 ").
kf (x)k x!!a 1 () 8 M 2 R, 9  > 0 tq 8 x 2 D; (d(x; a) 6  ) kf (x)k > M ).
f (x) ! ` () 8 " > 0, 9 M 2 R tq 8 x 2 D, (kxk > M ) d(f (x); `) 6 ").
kxk!1
kf (x)k kxk!1
! 1 () 8 M 2 R, 9 N 2 R tq 8 x 2 D, (kxk > N ) kf (x)k > M ).
Dénition générique : pour tout voisinage V de la limite, f (V ) est un voisinage relatif du point
1
où
l'on cherche la limite.
Limite à droite, limite à gauche quand D  R.
Caractérisation séquentielle
f (x) x!!a ` () pour toute suite (xn ) 2 DN telle que xn n!1
! a, on a f (xn ) n!1
! `.
f (x) x!=!a ` () 9 " > 0 et (xn ) 2 D telle que xn n!1
N ! a et d(f (xn ); `) > ".
kf (x)k x!=!a 1 () 9 (xn ) 2 D telle que xn n!1
N ! a et (f (xn )) est bornée.
Propriétés
La notion de limite est inchangée si on remplace les normes de E et F par des normes équivalentes.
Lorsque E et F sont de dimensions nies, cette notion est intrinsèque.
Unicité d'une limite éventuelle. Si a 2 D et f (x) x!!a ` alors ` = f (a).
Si f a une limite nie en a alors il existe un voisinage relatif de a sur lequel f est bornée.
Limite d'une somme, d'un produit, d'une composée. k lim k = lim k k.
Calcul coordonnée par coordonnée si F est de dimension nie. Limite d'une fonction à valeurs dans un
espace produit.

Comparaison asymptotique
f (x) = o(g (x)) () 8 " > 0 , 9  > 0 tq 8 x 2 D, d(x; a) 6  ) kf (x)k 6 g (x) (g positive).
f (x) = O(g (x)) () 9 M 2 R, 9  > 0 tq 8 x 2 D, d(x; a) 6  ) kf (x)k 6 Mg (x) (g positive).
f (x)  g (x) () f (x) g(x) = o(kg(x)k) (c'est une relation d'équivalence).
f (x) x!!a ` () f (x) ` = o(1).
f est bornée au voisinage de a () f (x) = O(1).
Si g est à valeurs strictement positives :

f (x) = o(g (x)) () f (x)=g (x) x!!a 0.

f (x) = O(g (x)) () (f (x)=g (x)) est bornée.
f (x)  g (x) () f (x)=g(x) n!1 ! 1. Dans ce cas, f (x) > 0 pour tout x proche de a.
L'équivalence entre fonctions à valeurs réelles est compatible avec la multiplication, la division et l'élé-
vation à une puissance constante. Pour toute autre opération entre fonctions équivalentes, écrire f (x) =
g (x) + o(g (x)), substituer et simplier.
2) Continuité
Définitions et propriétés
f est continue en a () f (x) x!!a f (a) () f a une limite en a.
f est continue sur D () 8 a 2 D , f (x) ! f (a).
x!a
Conservation de la continuité par combinaison linéaire, produit, composée et quotient si le dénominateur
ne s'annule pas.
Continuité d'une fonction à valeurs dans un K-ev de dimension nie, dans un ev produit.
page 24 VI  Fonctions continues
 Exemples
Pour E quelconque : norme, distance à une partie, fonctions lipschitziennes.
Pour E de dimension nie : fonctions coordonnées dans une base, fonctions polynomiales par rapport
aux coordonnées (invariance de cette notion par changement de base), fonctions rationnelles.
Multiplication, transposition, trace, déterminant et inverse dans Mnp (K). Prendre la norme de Frobe-
nius comme norme canonique.

Prolongement des inégalités

Si f : D ! R est continue sur D et positive ou nulle sur une partie dense dans D alors f est positive ou
nulle surD. Contre-exemple avec  strictement positive .
Si f : D ! F est continue sur D et nulle sur une partie dense dans D alors f est nulle sur D .

Images réciproques
Si f : D !F est continue sur D alors l'image réciproque par f d'un ouvert de F (resp. fermé de F ,
voisinage de f (a)) est un ouvert relatif de D (resp. fermé relatif de D, voisinage relatif de a dans D).
Application : pour f : E ! R continue, l'ensemble fx tq f (x) > 0g est ouvert et fx tq f (x) > 0g est
fermé.
En particulier, GLn (K) = fM tq j det(M )j > 0 g est ouvert et On (R) = fM tq ktMM In k 6 0g est
fermé. Étant borné en dimension nie, il est donc compact.
Contre-exemples pour les images directes.

3) Continuité des applications linéaires et bilinéaires

Pour f 2 L(E; F ), il y a équivalence entre :

(i) f est continue
(ii) la restriction de f à B (0; 1) est bornée
(iii) il existe k 2 R tel que : 8 x 2 E , kf (x)k 6 kkxk.
Pour f : E  E ! F , il y a équivalence entre :
1 2

(iv) f est continue

(v) la restriction de f à B (0; 1)  B (0; 1) est bornée
1 2

(vi) il existe k 2 R tel que : 8 (x; y ) 2 E  E , kf (x; y )k 6 kkxkky k.

1 2

Toute application linéaire dont l'espace de départ est de dimension nie est continue. Toute application
bilinéaire dont les espaces de départ sont de dimensions nies est continue.
On note Lc (E; F ) l'espace vectoriel des applications linéaires continues de E dans F .
Exemples et contre-exemples en dimension infinie
Évaluation et produit dans C ([0; 1]; R) pour k k et k k1 .
C 1 ([0; 1]; R) pour toute norme (un endomorphisme continu a un spectre borné).
1

Dérivation dans
0 00
Continuité de la dérivation dans K[X ] avec kP k = jP (0)j + jP (0)j + jP (0)j + : : :
Continuité des fonctions coordonnées dans la base canonique de K[X ] et discontinuité des fonctions
coordonnées dans la base ( X k =kk )k2N pour la norme précédente.

4) Fonctions continues sur un compact

Continuité uniforme, exemples.

Théorèmes : soit D compact et f : D ! F continue. On a :

(i) l'ensemble image f (D) est compact.
(ii) si F = R, f est bornée et atteint ses bornes (Weierstrass).
(iii) f est uniformément continue (Heine).
En particulier, si f est continue sur le compact D et strictement positive, alors il existe une constante m
telle que 0 < m 6 f .

VI  Fonctions continues page 25

 Approximations uniformes sur un segment
Soit f : [a; b] ! F continue. Il existe une suite (fn ) de fonctions telle que kfn f k1 n!1
! 0 avec : : :
(i) fn est en escalier (vrai aussi pour f continue par morceaux) ;
(ii) fn est continue ane par morceaux (HP) ;
(iii) fn est polynomiale (Stone-Weierstrass).
Démonstration du théorème de Stone-Weierstrass
Par changement de variable ane, il sut de traiter le cas [ a; b] = [0; 1]. Soit n 2 N .
Pour x 2 [0; 1] on
considère une suite (Xk ) de variables aléatoires mutuellement indépendantes, suivant la loi de Bernoulli
de paramètre x. Soit Yn =
n (X + : : : + Xn ) : c'est une variable aléatoire d'espérance x et de variance
1
1

n x(1 x) 6 n . En particulier, pour tout  > 0, on a PP (jYn xj >  ) 6

1 1 1

n n
xk (1 x)nnk2 f (k=n) (fonction de x

d'après l'inégalité de
Bienaymé-Tchebychev. Soit enn fn (x) = E(f (Yn )) =
4 4

k k
polynomiale de degré 6 n) : prouvons que kfn f k1 n!1! 0. Soit " > 0, et  associé dans la dénition
=0

de la continuité uniforme de f . On a :

kfn (x) f (x)k = kE(f (Yn ) f (x))k

6 E(kf (Yn ) f (x)k)
= E(kf (Yn ) f (x)k1jYn xj6 ) + E(kf (Yn ) f (x)k1jYn xj> )
6 "P(jYn xj 6  ) + 2kf k1 P(jYn xj >  )
6 " + kfnk12 .
2

En passant à la borne supérieure, kfn f k1 6 " + kfnk12 6 2" pour n assez grand.
2

Fonction réciproque : soient D compact et f : D ! F continue injective. Alors la fonction réciproque

est continue sur f (D).
Contre-exemple avec D non compact.

5) Convexité, connexité
a) Barycentres
Dénition, associativité.
Un ensemble convexe est un ensemble contenant ses barycentres à coecients positifs. Il sut qu'il
contienne les barycentres à coecients positifs de deux points.

Exemples : boule, sous-espace ane, demi-espace ane dans un R-ev, triangle dans un plan.
Théorèmes
Les parties convexes de R sont les intervalles.
L'intersection d'une famille de convexes est convexe. L'intersection de toutes les parties convexes
contenant une partie X est le plus petit convexe contenant X , noté Conv(X ). C'est l'ensemble des
barycentres à coecients positifs des éléments de X .
Propriétés

A est convexe alors A et 

L'image directe et l'image réciproque d'un convexe par une application ane sont convexes.
Si A le sont.
b) Composantes connexes
a; b 2 A  E sont joignables par un arc (ou chemin) dans A s'il existe ' : [;  ] ! A continue telle que
'() = a et '( ) = b. Il s'agit d'une relation réexive, symétrique et transitive. La dénition ocielle
impose [;  ] = [0; 1], mais cette contrainte est non restrictive et complique les démonstrations.
La composante connexe par arcs de a dans A est l'ensemble des points b joignables à a par un arc
dans A.
La famille des composantes connexes par arcs de A forme une partition de A.
A est connexe par arcs si cette famille est réduite à une seule composante.

page 26 VI  Fonctions continues

 c) Exemples
Un ensemble convexe est connexe par arcs.
Un ensemble étoilé (= réunion de segments issus d'un même point) est connexe par arcs.

Pour A  R : A est connexe par arcs () A est convexe () A est un intervalle.

Si K = C ou si dim(E ) 6= 1 et A est une partie convexe bornée de E alors E n A est connexe par arcs.
Soient E un K-ev de dimension n et F un sous-espace ane de dimension p : si K = R et p = n 1
alors E n F a deux composantes connexes par arcs. Si K = C ou p = 6 n 1 alors E n F est connexe
par arcs.
Q est totalement discontinu (= chaque composante connexe par arcs est réduite à un point).
d) Propriétés
Si A est ouvert, ses composantes connexes par arcs le sont.
Si A est ouvert connexe par arcs, alors il est connexe par arcs polygonaux et aussi par arcs polyno-
miaux.

L'image d'un connexe par arcs par une fonction continue est connexe par arcs.
L'image d'un connexe par arcs par une fonction continue à valeurs réelles est un intervalle.
Il n'existe pas de fonction continue injective de U dans R.
Soit A connexe par arcs et X  A ouvert relatif et fermé relatif de A. Alors X = ? ou X = A.
Proposition : le graphe de f : I (intervalle)! E est connexe par arcs si et seulement si f est continue.
Démonstration du caractère nécessaire : soit a 2 I n sup(I ) et b 2 I tel que a < b. Il existe un
arc [;  ] 3 t 7! '(t) = (x(t); f  x(t)) dans Gr(f ) joignant (a; f (a)) à (b; f (b)). L'ensemble des réels
t tels que x(t) = a est un fermé relatif de [;  ], non vide, donc compact ; il admet un plus grand
élément . Pour " > 0, il existe  > 0 tel que 8 t 2 ] ; +  ], kf  x(t) f (a)k 6 " (f  x est continue
à droite en ). Par choix de , l'intervalle x(] ; +  ]) est inclus dans I \ ]a; +1[ et son adhérence
0 0 0
contient a. Il existe donc a 2 I \ ]a; +1[ tel que ]a; a [  x(] ; +  ]) et l'on a obtenu : 8 u 2 ]a; a [,
kf (u) f (a)k 6 ", soit la continuité à droite de f en a. La continuité à gauche sur I n inf(I ) se
démontre de même.

VI  Fonctions continues page 27

 VII — Fonctions d’une variable réelle
On considère ici des fonctions dénies sur un intervalle non trivial I  R et à valeurs dans un K-evn de
dimension nie, E.
1) Dérivation
a) Dérivée première
Taux d'accroissement en un point, dérivées à droite et à gauche, dérivée.

Proposition : f est dérivable en a si et seulement s'il existe un développement limité de la forme :

f (a + h) =  + h + o(h). Dans ce cas,  = f (a) et  = f 0 (a). En conséquence, si f est dérivable
en a alors elle est continue en a.
Propriétés
Dérivée d'une combinaison linéaire, de Lf avec L linéaire.
Calcul de la dérivée coordonnée par coordonnée dans une base de E. Dérivée d'une fonction à valeurs
dans un espace produit.
Dérivée d'un produit, de B (f; g ) avec B bilinéaire.
Dérivée d'une fonction composée, de la réciproque.
Dérivée de kf k si E est euclidien et f ne s'annule pas.
Dérivée de det ( B f (t); : : : ; fn (t)).
1

b) Inégalité des accroissements finis

Soit f continue sur [a; b], dérivable sur ]a; b[ telle que kf 0 (x)k 6 k pour tout x 2 ]a; b[.
Alors kf (b) f (a)k 6 k(b a).
Démonstration : soit [;  ]  ]a; b[. On construit par dichotomie deux suites adjacentes (n ), (n )
telles  0 =  , et la suite de terme général kf (n ) f (n )k=(n n ) soit croissante. Soit
, 0 =
la limite commune de (n ) et (n ). Par développement limité de f à l'ordre 1 en , on a

f (n ) f (n ) = (n n )f 0 ( ) + (n )o(1) + ( n )o(1) = (n n )(f 0 ( ) + o(1)),

donc kf ( ) f ()k=( a) 6 kf (n ) f (n )k=(n n ) n!1 ! kf 0 ( )k 6 k. L'inégalité s'ensuit en
faisant tendre  vers a et  vers b .
+

Conséquences
(i) Soit f continue sur I , dérivable sur I : f est k-lipschitzienne sur I () 8 x 2  I , kf 0 (x)k 6 k.
(ii)   0
Soit f continue sur I , dérivable sur I : f est constante sur I () 8 x 2 I , f (x) = 0.
(iii) Deux primitives sur I d'une même fonction dièrent par une fonction constante.
(iv) Soit f continue sur [a; b], dérivable sur ]a; b[ et telle que f 0 (x) !+ ` 2 E . Alors f est dérivable
x!a
à droite en a et fd0 (a) = `.
Contre-exemple pour la réciproque : f (x) = x sin(1=x).
2

c) Dérivées successives
Pourf : I ! E , on dénit sous réserve d'existence : f = f , f n = (f 0 ) n . (0) ( ) ( 1)

n
On note C (I; E ) l'ensemble des fonctions f telles que f; : : : ; f
n existent et sont continues sur I .
( )

1
On note C (I; E ) l'ensemble des fonctions f dérivables à tout ordre sur I .

Propriétés
Stabilité de la classe C n par combinaison linéaire, produit, composition, réciproque.
Formule de Leibniz.

Si f C n sur ]a; b], alors f se prolonge en une fonction de classe C n sur [a; b] si et seulement
est de classe
si les dérivées f ,: : : ,f
n ont des limites nies en a . Si f est de classe C n sur [c; a[ et sur ]a; b],
(0) ( ) +

alors f se prolonge en une fonction de classe C

n sur [c; b] si et seulement si pour tout k 2 [[0; n]],
lim x!a+ f k (x) et limx!a f k (x) existent, sont nies et égales.
( ) ( )

page 28 VII  Fonctions d'une variable réelle

 En particulier, la fonction f f (x) = exp(1=R(x 1)) si 1 < x < 1 et f (x) = 0 sinon est
dénie par
2

de classe C
1 sur R. Soit a =
R x 1
f > 0 et g (x) =
a t 1 (f (t + 2) f (t 2)) dt : g est aussi C
1
;
sur R, à valeurs dans [0; 1], nulle sur R n [ 3; 3] et constante égale à 1 sur [ 1; 1].
[ 1 1] =

2) Fonctions convexes
f : I !R est convexe (resp. concave) si l'image de tout barycentre est inférieure ou égale (resp.
supérieure ou égale) au barycentre correspondant des images. Il sut que ce soit vérié pour les barycen-
tres de deux points.
f est ane () f est convexe et concave.
f () l'épigraphe de f : f(x; y) 2 I  R tq y > f (x)g est convexe.
est convexe
Exemples : x 7! x , x 7! jxj.
2

Inégalité des pentes : f est convexe si et seulement si pour tous a; b; c 2 I avec a < b < c, on a
f (b) f (a) 6 f (c) f (a) 6 f (c) f (b) .
b a c a c b
Position par rapport à une corde : soit f convexe, a < b et g la fonction ane coïncidant avec f
en a et en b. Alors pour x 2 [a; b], on a f (x) 6 g (x) et pour x 2 I n]a; b[ on a f (x) > g (x).
Conséquences : soit f convexe sur I .
(i) f est décroissante ou croissante ou décroissante puis croissante. De plus f admet des limites nies
ou innies aux bornes de I .
(ii) f continue sur  I.
(iii) f est dérivable à droite et à gauche sur I et pour tous a; b; c 2 I avec a < b < c, on a :
f (b) f (a) 6 f 0 (b) 6 f 0 (b) 6 f (c) f (b) . De plus les fonctions f 0 et f 0 sont croissantes sur 
I.
b a g d c b g d

Position par rapport à une tangente : soit f dérivable sur 

I . Alors f est convexe sur I si et
seulement si pour tout a 2 
I , le graphe de f est au dessus de sa tangente en a.
En particulier pour f convexe, si f 0 (a) = 0 alors f (a) = min f .
Dérivées
(i) Si f est continue sur I et dérivable sur 
I alors f est convexe si et seulement si f 0 est croissante.
(ii) Si f est continue sur I et deux fois dérivable sur  I alors f est convexe si et seulement si f 00 est
positive.
Inégalités de convexité
8 x 2 ] 1; +1[, 8  2 ] 1; 0] [ [1; +1[, (1 + x) > 1 + x.
8 x 2 R, ex > 1 + x.
8 x 2 ] 1; +1[, 1 +x x 6 ln(1 + x) 6 x.
8 x 2 [0;  ],  x 6 sin x 6 x.
2
2

3) Intégrale sur un segment

a) Fonctions en escalier
f : [a; b] ! E est en escalier s'il existe une subdivision
R P
= (a ; : : : ; an ) de [a; b] telle que pour tout i,
0

fi = fj ai ;ai+1 est constante. On pose alors a;b f = i (ai

] [ [
ai )fi 2 E . Cette dénition est
] +1

indépendante de la subdivision  choisie parmi les subdivisions adaptées à f .

Propriétés
R
a;b f
[ ]
est inchangée lorsque f est modiée en un nombre ni de points.

Linéarité, calcul coordonnée par coordonnée, composition avec une application linéaire.
Positivité, croissance.
R R
Inégalité triangulaire : k a;b f k 6 a;b kf k 6 (b
[ ] [ ]
a)kf k1 .
Relation de Chasles.

VII  Fonctions d'une variable réelle page 29

 b) Fonctions continues par morceaux
Théorème : soit f : [a; b] ! E continue par morceaux. Alors :
(i) Il existe une suite (fn ) de fonctions en escalier telle que kfn f k1 ! 0.
R n!1
(ii) Pour toute telle suite, la suite ( a;b fn ) est convergente et sa limite ne dépend pas de la [ ]

suite (fn ) considérée.

R R
On pose par dénition
a;b f = limn!1 ( a;b fn ).[ ] [ ]

R
Démonstration de (ii) : kfn k1 6 Rkf k1 + kfn f k1 donc la suite ( a;b fn ) est bornée et possède
R
! L0 alors
[ ]

au moins une valeur d'adhérence. Si

[
!
a;b ' n n!1 L et a;b f n n!1
f ] ( ) [ ] ( )

R R R
k
a;b f' n a;b f n k 6 a;b kf' n f n k 6 (b a)(kf' n f k1 + kf f n k1 ) n!1
[ ] ( ) [ ] ( ) [ ]
!0 ( ) ( ) ( ) ( )

0 R
donc L = L . Étant bornée et ayant au plus une valeur d'adhérence, la suite (
a;b fn ) converge. [ ]

Propriétés
R
[a;b f ]
est inchangée lorsque f est modiée en un nombre ni de points.

Linéarité, calcul coordonnée par coordonnée, composition avec une application linéaire.
R
Positivité, croissance. Si f est continue positive et a;b f = 0 alors f = 0 .
R R [ ]

Inégalité triangulaire : k
a;b f k 6 a;b kf k 6 (b a)kf k1 .
[ ] [ ]

Relation de Chasles.

c) Intégrale fonction de sa borne supérieure

f : I!E a; bR]  I , la restriction fj a;b l'est.
est continue par morceaux si pour tout segment [
Ry R [ ]

On pose alors pour x; y 2 I :

t x f (t) dt = x;y f
y;x f si x > y et 0 si x = y .
= [ ]
si x < y, [ ]

Rx
Théorème : soit f continue par morceaux sur I , a 2 I et F (x) = t a f (t) dt pour x 2 I variable. =

8 x; y 2 I , [F (t)]yt x = F (y) F (x) = ty x f (t) dt.

R
(i)
def
= =
(ii) F est continue sur I .
(iii) si f est bornée sur I alors F est kf k1 -lipschitzienne sur I .
(iv) Si f (x) !+ ` alors F est dérivable à droite en x et Fd0 (x ) = `. Énoncé analogue en x .
x!x0
0 0 0

(v) Si f est continue sur I alors F est de classe C sur I et F 0 = f . 1

Conséquences
x; y 2 I , ty x f 0 (t) dt = [f (t)]yt x = f (y )
R
Si f est de classe C 1
sur I alors pour tous
= =
f (x).
x 6= y : f (y ) f (x) = t
R1
Si de plus f 0 ((1 t)x + ty ) dt.
y x =0

Si f est continue sur I et u : J ! I est de classe C alors pour tous x; y 2 J :

1

Ry 0 Ru y
t x f (u(t))u (t) dt =  u x f ( ) d .
( )

= = ( )

Ce résultat est aussi vrai lorsque f est continue par morceaux et u est monotone de classe C
1
.
Si f; g sont de classe C sur I et B est une application bilinéaire alors pour tous x; y 2 I :
1

Ry 0 y Ry 0
t x B (f (t); g (t)) dt = [B (f (t); g (t))]t x t x B (f (t); g (t)) dt.
= = =

d) Formules de Taylor
Soit f : I ! E de classe C n et a; b 2 I .
f (b) = f (a) + (b a)f 0 (a) + : : : + b na f n (a) + tb a b nt f n (t) dt. (reste intégral)
n 1 R n 1 ( ) ( 1) ( ) ( )
( 1)! = ( 1)!

kf (b) f (a) : : : b na f n (a)k 6 jb naj supfkf n (t)k; t 2 Conv(a; b)g. (Lagrange)

n 1 (
n ) ( 1) ( )
( 1)! !

f (a + h) = f (a) + hf 0 (a) + : : : + hn f n (a) + o(hn ).

n ( )
(Young)
n (a) existe (HP).
!

La formule de Taylor-Young est en réalité valide sous la seule hypothèse : f

( )

page 30 VII  Fonctions d'une variable réelle

 Application : développements en série entière de ex et ln(1 + x).
e) Sommes de Riemann
Soit fa; b] ! E ,  = (a ; : : : ; an ) une subdivision de [a; b] et  = (c ; : : : ; cn )P
: [ 0 une liste de points 0 1

intermédiaires (8 i; ai 6 ci 6 ai ). On note p( ) = maxfai

+1 ai g et S; (f ) = i (ai ai )f (ci ).+1 +1

R
Théorème : si f est continue par morceaux alors S; (f ) ! a;b f .
p! ( ) 0
[ ]

Démonstration
Pour f 1 c;d on a S; (f ) = a`
= ak où k est le premier indice tel que c 6 ck et ` le dernier indice
+1

d 6 c` s'il existe au moins un indice i tel que ci 2 [c; d], et S; (f ) = 0 sinon. Si S; (f ) > 0
[ ]

tel que
et k > 1 : ak p( ) 6 ak 6 ck < c 6 ck 6 ak 6 ak + pR( ) d'où jc ak j 6 p( ), inégalité
1 1 +1

encore vraie si k = 0. De même, jd a` j 6 p( ), puis jS; (f ) a;b f j 6 2p( ) lorsque S; (f ) > 0
+1 [ ]

puis aussi lorsque S; (f ) = 0. Ainsi, la convergence annoncée est prouvée pour f = 1 c;d . Elle se [ ]

démontre de manière analogue lorsque f est la fonction indicatrice d'un sous-intervalle quelconque
de [a; b]. Puis, par combinaison linéaire à coecients vectoriels des fonctions précédentes, on obtient
R
la convergence de S; (f ) vers
a;b f pour toute fonction f en escalier à valeurs dans E .
[ ]

Soit à présent f continue par morceaux quelconque et g en escalier :

R R R R
kS; (f ) a;b f k 6 kS; (f ) S; (g)k + kS; (Rg) a;b Rgk + k a;b g a;b f k
[ ] [ ] [ ] [ ]

6 S; (kf gk) + kS; (g) a;b Rgk + a;b kg f k [ ] [ ]

6 2(b a)kg f k1 + kS; (g) a;b gk. [ ]

Soit " > 0 et g choisie de sorte que kg f k1 6 ". D'après la première partie, il existe un réel  > 0
R R
tel que p( ) 6  ) kS; (g ) k 6 et donc p( ) 6  ) kS; (f )
a;b g " [ ] a;b k 6 "(1 + 2(b a)).
f [ ]

Exemples
n + n + : : : + n n!1
1 1
+1
! ln 2.2
1
1
R R
Si f est continue sur [a; b] et ' est convexe continue sur f ([a; b]) alors '(
b a a;b f ) 6 b a a;b '  f
1 1
[ ] [ ]

(inégalité de Jensen).

4) Courbes paramétrées
a) Définitions
Arc paramétré, support, reparamétrage.
Exemples : graphe d'une fonction, cercle, ellipse, hyperbole,
cycloïde ( x = R (t t y = R(1
sin ), t
cos )), hélice circulaire ( x = R cos t, y = R sin t, z = ht=2 ).
b) Tangente
C = t 7! Mt admet une tangente au point de paramètre a s'il existe une fonction ' dénie au voisinage
de a telle que les vecteurs Mt Ma et '(t) soient colinéaires et telle que '(t) admet pour t ! a une
limite v =6 0. Dans ce cas, le sous-espace hvi est indépendant de la fonction ' choisie et la droite
Ma + hv i est appelée : tangente à la courbe au point de paramètre a. Lorsque E est un plan euclidien,
la normale à la courbe au point de paramètre a est la droite Ma + hv i? .
La tangente et la normale sont conservées lors d'un reparamétrage bicontinu.

Point régulier : si M est dérivable en a et si M 0 (a) 6= 0 alors il existe une tangente et elle est dirigée
0
par M (a).

Exemples p
Courbe d'équation y = f (x) : y = f (a) + (x a)f 0 (a). Cas de en 0.
Parabole : la tangente en M est la médiatrice de [F H ].
Ellipse :
0
la tangente en M est la bissectrice extérieure des demi-droites [F M ) et [F M ).
Hyperbole :
0
la tangente en M est la bissectrice intérieure des demi-droites [F M ) et [F M ).
Cycloïde : la normale en M passe par le point de contact entre la roue et la route.

VII  Fonctions d'une variable réelle page 31

 c) Longueur (HP)
Soit [a; b] 3 t 7! Mt une courbe paramétrée et  = (a ; :P
: : ; an ) une subdivision de [a; b].
0

La longueur de la ligne polygonale associée est L( ) = i kMai+1 Mai k.

_
La longueur de l'arc Ma Mb est la borne supérieure des nombres L( ) où  est une subdivision quel-
_ _
conque de [a; b], noté L(Ma Mb ). L'arc Ma Mb dit rectiable lorsque sa longueur est nie.
Propriétés
La longueur est invariante par reparamétrage.
_
L(Ma Mb ) > kMa Mb k.
_ _ _
Pour a < b < c : L(Ma Mc ) = L(Ma Mb ) + L(Mb Mc ).
_
est rectiable et L(Ma Mb ) = tb a kM 0 (t)k dt.
R
Proposition : un arc de classe C 1
=

Exemples
_ p p
arc de parabole : x = 2pt, y = 2pt , L(M Mt ) = pt 4t + 1 + p ln( 4t + 1 + 2t).
2
0
2 1
2
2

arche de cycloïde : x = R(t sin t), y = R(1 cos t), L = 8R.

_ p
arc d'hélice circulaire : x = R cos t, y = R sin t, z = ht=2 , L(M Mt ) = t R + h =4
0
2 2 2
(identique à
la longueur du segment déroulé).

page 32 VII  Fonctions d'une variable réelle

 VIII — Séries

E désigne un espace vectoriel normé de dimension nie.

1) Convergence d’une série

Sommes partielles associées à une suite ( un ) 2 E N , convergence.
Exemples
Série géométrique dans C, dans Mn (C), dans L(E ).
Série harmonique, série harmonique alternée.
Série télescopique.

Propriétés
Le terme général d'une série convergente tend vers 0. Divergence grossière.
Linéarité, calcul coordonnée par coordonnée dans une base de E , composition par une application linéaire.
Découpage, reste d'une série convergente.
P ( 1)
n P
n n n n
1
Regroupement des termes deux à deux,
+1
=
(2 +1)(2 n
+2)
.

2) Critères de convergence
P
Convergence absolue : si kun k est convergente alors P un l'est et on a k Pn un k 6 Pn kun k.
Pn Pn
Démonstration : soient Sn = k uk , Tn = k kuk k et T = lim(Tn ) = sup(Tn ). On a kSn k 6 Tn
=0 =0
Sn ) est bornée et admet une valeur
donc la suite ( d'adhérence. Il reste à prouver son unicité. Si

(! ` et S n n!1
S' n n!1 ) ! L alors ( )

kS' n S n k = k Pk ' n' ;n ;n n uk k 6 P

( ) ( )
max(
=min(
( )
(
(
)
))
( ))+1 idem
kuk k = jT' n ( ) T n j n!1
( ! 0.
)

Critère de convergence des séries alternées

Soit (un ) une suite réelle positive décroissante de limite nulle.
(i) La série de terme général ( 1)n un est convergente.
(ii) Deux sommes partielles successives encadrent la somme complète.
(iii) Soit Rn = 1
P k n et ( n R n = j Rn j 6 un .
k n ( 1) uk . Alors Rn a même signe que ( 1)
+1 +1
= +1
1) +1

Applications
n+1 P1 n+1
Pour tout  > 0, la série de terme général ( 1)
n n > 1) est convergente.
( On note  () = n
( 1)
n
(fonction êta de ).
=1
Dirichlet

P1 ( 1)
n+1 P1 ( 1)
n+1 P1 ( 1)
n+1 P1 3( 1)
n+1
n n n n
1 5 2
ln 2 = =1 n =
2
+ =1 2 nn ( +1)
=
8
+ =1 2 nn
( +1)(n +2)
=
3
+ =1 4 nn
( +1)( n +2)( n+3)
.

En tronquant les séries à 10 et 11 termes, on obtient : 0:64 < ln(2) < 0:74, 0:691 < ln(2) < 0:695,
:
0 6929 < ln(2) < 0:6933, 0:69312 < ln(2) < 0:69317.
Comparaison à une autre série
(i) Une série à termes réels positifs converge si et seulement la suite des sommes partielles est majorée.
Dans ce cas, la somme de la série est la borne supérieure des sommes partielles. C'est aussi la borne
supérieure de toutes les sommes nies. Lorsqu'une série à termes réels positifs est divergente, on
convient que sa somme est égale à +1P . P
(ii) Si 0 6 un 6 vn pour tout n, alors 0 6 n un 6 n vn (inégalité dans [0; +1]). P
(iii) Si (un ) est une suite
P vectorielle et (vn ) une suite à termes réels positifs telle que vn converge et
un = O(vn ) alors kun k converge. P P
(iv) Si (un ) et (vn ) sont réelles positives et un  vn alors un et vn ont même nature (usage
systématiquement refusé s'il n'y a pas la vérication du signe).
n n
Contre-exemple en cas de signe variable :
(
pn
1)
et
(
pn
1)
+
1
n.

VIII  Séries page 33

 Comparaison àR une intégrale
R : soit f : [0; +1[! R continue par morceaux, positive décroissante.
On pose F (x) = ;x f et ; 1 f = limx! 1 (F (x)) 2 [0; +1]. +
[0
R] [0 + [

(i) La série de terme général f (n) n;n fR est convergente et sa somme est majorée par f (0).
[ +1]
P
(ii) f (n) converge () F est majorée () ; 1 f est une valeur nie.
R P R [0 + [

(iii) On a les inégalités suivantes dans [0; +1] : ; 1 f 6 n f (n) 6 f (0) + ; 1 f ;

R R
8 n 2 N; n ; 1 f 6 P1
[0 + [ [0 + [

k n f (k) 6 n; 1 f . [ +1 + [ = +1 [ + [

Applications
P1
Convergence des séries de Riemann, P
() = n n .
1

 ) () et 1 
=1

Pour  > 1,  () = (1 k k  = (1 2 ) ().
1 1
2 =0 (2 +1)

Constante d'Euler, Hn = + ::: + = ln(n) + + o(1).

1 1

Pn nR k 1

Amélioration : Hn = ln(n) + k P t kR( k t ) dt

1 +1 1 1
1
1 k (
=1 =

= ln(n) +
t ) dt
+1

Pk1 n t k k
1 1

k Rk t k = = =

= ln(n) + )(t k t k Rt2k dt)

+1 +1 1 2
k n )]t k
1 1 1

P1
([(
k t =
t k t k t k t k dt )
=
k
2 =

= ln(n) +
( )( 1) +1 +1 ( )( 1)
k n( k ]t k
1 1
k [
t2 t k
= 2t3 2( +1) 2 = =

= ln(n) +
n un
1

R 1 t
2
P1 R k t
avec 0 6 un 6 k n t k t3 = t n t3 = n2 . Ainsi, ln(n) + + n n2 6 Hn 6 ln(n) + + n .
+1 d + d 1 1 1 1
= = 4 = 4 2 2 2 2

Règle de d'Alembert : soit (un ) une suite à termes réels strictement positifs telle que le rapport
un =un admet une limite ` 2 [0; +1].
+1
P
Si ` < 1 : pour tout  2 ]`; 1[, un = o(n ) et un converge.
P
Si ` > 1 : pour tout  2 ]1; `[, n = o(un ) et un diverge grossièrement.
Si ` = 1, on ne peut rien dire de général.
Application : z 2 C et p 2 N, la série de terme général np z n est absolument convergente si jz j < 1
pour
et grossièrement divergente si jz j > 1. Par trigonalisation forte, on en déduit : si M 2 Mq (C) et p 2 N,
p n est absolument convergente si Sp(M )  
la série de terme général n M DPet grossièrement divergente
sinon. Calcul explicite de la somme en cas de convergence : on pose Sp =
1 np M n .
P1 pM n P 1 n
np M n
=0
(Iq M )Sp = n nP n
+1

p
= 0 Iq +
1 ((n + 1)p np )M n
=0 =0

n1 Pp
+1

p P p
k n
=0

= 0 Iq + nPp( k
k n )M
1 +1

p
=0 =0
p
= 0 Iq + M k k Sk
1
=0

ce qui permet de calculer Sp de proche en proche. Par exemple, S = (Iq M ) , S = M (Iq M ) , 1 2

0 1

S = M (Iq + M )(Iq M ) .
2
3

3) Sommation des relations de comparaison

Soient (un ) une suite vectorielle, (vn ) une suite réelle positive. On suppose un = O(vn ) (resp. un = o(vn ),
un  vn ).P
Si vn converge alors un converge aussi et 1 uk = O ( 1
P P P
(i)
P Pn Pn k n k n vk ) (resp. o, ). = +1 = +1

(ii) Si vn diverge alors k uk = O( k vk ) (resp. o, ). =0 =0

Applications
Lemme de Cesàro : soit ( un ) une suite vectorielle convergeant vers ` 2 E . Alors la suite de terme
général vn = n 1
u
: : : + un ) converge aussi vers `.
( 0 +

Lemme de Cesàro : soit (un ) une suite réelle divergeant vers+1. Alors la suite de terme général
+1

vn = n (u + : : : + un ) diverge aussi vers +1.

1
+1 0


Équivalent du reste : soit (un ) une suite réelle positive telle que un   avec  > 0 et  > 1. Alors
P1 R 1 t n

k n uk  t n t =  n 1 .
+ d
= +1 = ( 1)

page 34 VIII  Séries

4) Séries doublesP P
La série double p q apq est dite convergente si :
pour tout p 2 N, la série de terme général apq converge ; on note Sp = 1
P
(i) apq ;
P1 P1 P1q =0

(ii) la série de terme général Sp converge ; on note S = p Sp = p apq .

P1q P1 =0 =0 =0

En cas de divergence, si les apq sont des réels positifs, on convient d'écrire p q apq =0 =0
= + 1.
Exemples
P1 P1 P1 P1
p q p q 2 = +1, p q p q  converge ()  > 2.
1 1
=1 =1 ( + ) =1 =1 ( + )
P1 P1 jxj jyj
q p q converge ()  > 2 par encadrement de jxj jyj  sur le cercle unité de R .
+
p
1 2
=1 =1 + ( + )
P1 P1 P1 P1
p =0 q ap bq = ( p ap )( q bq ) lorsque les deux séries simples convergent. Si les ap et les bq sont
=0 =0 =0

strictement positifs, c'est une CNS.

P1 P1 P1 P1
p =0 q =0
( p;q +1 q;p +1 ) = 1 et q =0 p =0
( p;q +1 q;p +1 ) = 1.

Théorème de Fubini
Soit (apq ) une suite double à termes réels positifs. Alors 1
P P1 P1 P1
(i) p q apq = q p apq (égalité
dans [0; +1]).
=0 =0 =0 =0

Soit (apq ) 2 E N telle que l'une des deux séries doubles 1

P P1 1 P1 ka k est
(ii)
2

P1 pP1 q
kapqPk et P pq
convergente. Alors l'autre aussi et les séries doubles p a et 1 q1 a p convergent
P =0 =0 =0 =0

q pq q p pq
et ont même somme. De plus, k 1
P P1 P1 P1 =0 =0 =0 =0

p q apq k 6 p q kapq k. =0 =0 =0 =0

Démonstration P
1 Spapq , S = 1
P P1 0 P1 0 P1 P1 apq . Supposons
(i) soient = q p q 0 apq et Sq = p apq , S = q p
S ni : à q xé on a apq 6 Sp donc Sq est ni. De plus, par addition d'un nombre ni de séries
=0 =0 =0 =0 =0 =0

PQ 0 PQ P1 apq = P1 PQ apq 6 P1 Sp = S dons la série P Sq0

convergentes, q Sq = q p p q p 0
est à termes positifs et sommes partielles majorées ; elle converge et S 6 S . Par symétrie, lorsque
=0 =0 =0 =0 =0 =0

S 0 est ni alors S 6 S 0 , d'où S = S 0 lorsque l'un des deux termes est ni, et aussi lorsqu'ils sont
tous deux innis.
P1 P1
(ii) si p=0 P kapq k converge : à p xé, P1
q=01 q kapq k converge donc P Sp = 1
P
q aP pq converge aussi
=0 =0

et kSp k 6 q kapq k, terme général d'une série convergente. Ainsi k Sp k puis Sp convergent,
P 1
=0
P 1 a et l'inégalité triangulaire correspondante. Avec (i), on
S=
d'où la convergence de p P1 q Ppq1
0
=0 =0

a de même la convergence de S = q p Papq . Ensuite, par addition d'un nombre ni de séries
P1 1 PQ P1
apq + 1
P1
=0 =0
P
convergentes, S = p (apP+ : : : + apQ + q Q apq ) = q Q apq
P1 P1 1 1 1 1 ka k ! 0 en tant qque
p p
0
P =0
P P = +1 =0 =0 =0 = +1

et k p q Q pqa
=0
k 6 p
= +1 q Q kapq k = q Q =0p pq Q!1 = +1
reste = +1 =0

d'une série convergente. Ainsi S = S .

0
Exemples
P1 ( (p) P1 P1
P1 P1 P1
p p
q qp = q p qp = q q q = 1.
1 1 1
=2
1) = =2 =2 =2 =2 =2 ( 1)
P1 P1 P1q+1 P1 P1 q+1 P1 q+1
p ( (p)
( 1) ( 1) ( 1)
=2 q1) = p
qp = q =2 p qp = q q q
=2
= 1 2 ln(2).=2 =2 =2 ( 1)

P1 P1 P1 Pq
Indices liés : soit (apq ) 2 E N . La relation p
2

P1 P1 q p apq =
P1 P q q p apq a lieu si les apq sont réels
=0 = =0 =0

positifs ou si l'une des séries doubles p k a

q p pq k = q p kapq k est convergente.
=0 = =0 =0

P
apq ) 2 E N et Sn = p q n apq .
2
Sommation par diagonales : soit (
P1 P1 P1 + =

La relation p q apq = n Sn a lieu si les apq sontPréels positifs ou si la série double de terme
général kapq k est convergente. Dans ce dernier cas, la série kSn k est aussi convergente.
=0 =0 =0

Démonstration : appliquer le théorème de Fubini à bpn = ap;n p si 0 6 p 6 n et bpn = 0 sinon.

P1 P1 P1 n  =  ( 1)  ().
 > 2,
Pp=1 q p q = n
1 1
Exemple : pour
P1 =1 ( + ) =2 n
Contre-exemple : p =0 p q n (p;q
+ =
q;p ) = 0.
+1 +1

VIII  Séries page 35

 Produit de Cauchy an ) 2 E N , (bnP
: soient ) 2 E
N et B : E  E ! E une application bilinéaire
(
P P 1 2

p ; bq ). Si les séries kan k et kbn k sont

1 2

entre ev de dimensions
P nies. On posePcn = p P q n B (aP
convergentes alors kcn k l'est aussi et n cn = B ( n an ; n bn ).
+ =

Exemples
xP) = 1
P n P1 n
Pour x2] ;
1 1[, ln(1 n x =n et 1=(1 xP ) = n x , séries absolument convergentes.
Donc ln(1
1 1=1
P
x)=(1 x) = n Hn x et ln (1
x) = n ( p q n 1=pq )x = n 2Hn xn =n.
n n 2
P1 =0

1
P1 n p z n = (1 z ) p .
=1 =2 + = =2

Pour z 2 C avec jz j < 1 et p 2 N, on a

+
n p P
1

Pour M 2 Mq (C) avec Sp(M )   D et p 2 N, on a 1 n p
M n = (Iq M ) p .

=0
+
n p
1
=0

P
PermutationPdes termes d’une série : soit an ) 2 E N telle
P que kan k est convergente et  2 SN .
(
Alors la série a n et convergente et a même somme que an .
( )

Démonstration : appliquer le théorème de Fubini avec apq = p; q ap . ( )

P
Contre-exemple si kan k diverge : (1 )+( ) + ::: = ln 2.
1
2
1
4
1
3
1
6
1
8
1
2

5) La série exponentielle
Norme d’algèbre : soit A une K-algèbre. Une norme d'algèbre est une norme sur A en tant qu'espace
vectoriel, vériant de plus : 8 a; b 2 A, kabk 6 kakkbk et k1A k = 1.
Exemples
B(X; K) avec k k1 , K[X ] avec k Pi ai X i k = Pi jai j, Mn (K) avec k(aij )k = maxfPnj jaij j; i 2 [[1; n]]g. =1

Proposition : toute K-algèbre de dimension nie peut être munie d'une norme d'algèbre.
Démonstration : soit B une base de A en tant qu'espace vectoriel. Pour a 2 A, on note Ma la matrice
dans B de l'endomorphisme x 7! ax. L'application a 7! Ma est un morphisme injectif d'algèbre de A
dans Mn (K) avec n = dim(A). On peut donc prendre kak = kMa k où la deuxième norme est une norme
d'algèbre sur Mn (K).

Désormais, on suppose que A est une algèbre de dimension nie, munie d'une norme d'algèbre. Comme
toutes les normes sur un ev de dimension nie sont équivalentes, les notions de convergence et de limite
A.
sont indépendantes de la norme qui a été choisie sur

Théorème : pourP a 2 A la série de terme général an =n! est absolument convergente.

On note exp(a) = 1 n
n a =n!. =0

Exemples
  dans
 Mn (K) :        
0 1 1 e 1 1 1 e e 1 1 2 e 2e
exp( ) = , exp( ) = , exp( ) = .
0 1 0 e 0 0 0 1 0 1 0 e

Propriétés
Si A = R, on retrouve la fonction exponentielle usuelle. Voir la formule d'Euler ci-après pour A = C.
A
exp(0 ) = 1 .A
Si ab = ba, exp(a + b) = exp(a) exp(b) = exp(b) exp(a).
exp(a) est inversible et exp(a) = exp( a).
1

k exp(a)k 6 ekak (faux si k k n'est pas une norme d'algèbre).

Exponentielle d’une matrice carrée
Si M 2 Mp (K) et P 2 GLp (K) alors exp(P MP ) = P exp(M )P . 1 1

Si M = P Diag( ; : : : ; p )P
 
alors exp(M ) = P Diag(e 1 ; : : : ; e p )P
1
.
1

 q =(q 1)!).
1

Si M = Ip + N avec N nilpotente d'indice q alors exp(M ) = e (Iq + N + : : : + N

1

On peut donc calculer exp(M ) pour M quelconque en trigonalisant fortement M . Dans les cas pratiques,
l'usage d'un polynôme annulateur pour M conduit à un calcul plus rapide.
 
Exemple : M= 1
2
M ) = f 1; 3g donc Sp(M + I ) = f0; 4g et (M + I )
2
1
: Sp( 2 2
2
= 4( M +I 2 ), ce qui

donne exp(M + I 2 ) = I +
e 4
(M + I ), puis exp(M ) = e
2
1
(I +
2
e4 (M + I )). 1
2
1
2
4 4

page 36 VIII  Séries

 Autres propriétés
exp(
tM ) = t exp(M ).
det(exp(M )) = e
M.
tr( )

exp(M ) 2 K[M ].
Si E est un K-ev de dimension nie, f 2 L(E ) et B est une base de E alors MatB (exp(f )) = exp(MatB (f )).
Continuité et dérivation
(i) L'application exp est continue sur A.
(ii) Pour a 2 A xé, l'application R 3 t ! exp(ta) est dérivable et t (exp(ta)) = a exp(ta) = exp(ta)a.
d

Elle est donc C 1 .

d

Réciproques
(i) Soit f : R ! A dérivable telle que f 0 = af où a 2 A est un élément xé.
Alors 8 t 2 R, f (t) = exp(ta)f (0).
(ii) Soit f : R ! A dérivable telle que f 0 = fa où a 2 A est un élément xé.
Alors 8 t 2 R, f (t) = f (0) exp(ta).
(iii) Soit f : R ! A continue telle que 8 t; s 2 R, f (t + s) = f (t)f (s).
Alors il existe a 2 A tel que 8 t 2 R, f (t) = exp(ta).
Démonstration de (iii) : lorsque f fR0 (t + s) = f 0 (t)f (s) donc f 0 = f 0 (0)  f .
est dérivable, on a

Lorsque f est seulement supposée continue, on pose F (t) =

t
u f (u) du et on exprime f à l'aide de F ,
=0
ce qui permet de se ramener au premier cas. Avec la relation fonctionnelle vériée par f , on obtient :
F (t + s) F (t) = ut ts f (u) du = f (t)F (s) et il sut de prouver qu'il existe s 2 R tel que F (s) est
R +

inversible. Or F (s)=s ! f (0) = 1A donc det(MF s =s ) ! 1 où Ma est la matrice dans une base xée
=

s! 0 s! ( )
0
de A de l'endomorphisme de multiplication par a. Ainsi, pour tout s proche de 0R et diérent de 0R , on

a det(MF s =s ) > 0 donc F (s)=s 2 A et enn F (s) 2 A .
( )

Formule d’Euler : x 2 R, exp(ix) = cos(x) + i sin(x).
pour

Système différentiel : soit M 2 Mp (K) xée et X : R ! Mp 1( K) dérivable.

On a X 0 = MX () 8 t 2 R, X (t) = exp(tM )X (0).
Formule : (1A + a=n)n ! exp(a).
n!1
Démonstration
P: soient b = 1A + a=n et c = exp(a=n).
k b ck = k 1 k k
k a =n n!k 6 kak exp(kak=n)=n ,
2 2

k(1A + a=n)n exp(a)k = kbn cn k 6 nkb ck max(kbk; kck)n 6 kak kak)=n.

=2
1 2
exp(

VIII  Séries page 37

 IX — Intégrales généralisées
E désigne un espace vectoriel normé de dimension nie.

1) Convergence d’une intégrale

Définitions R
(i) Soient a 2 R, b 2 ]a; +1] et f : [a; b[! E continue par morceaux. L'intégrale a;b f est dite
R [ [

généralisée en b . Elle converge si x 7! a;x f admet une limite nie lorsque x ! b . Dans ce
R R [ ]

cas, on pose a;b f = limx!b ( a;x f ). [ [ [ ]

R
(ii) Soient b 2 R, a 2 [ 1; b[ et f : ]a; b] ! E continue par morceaux. L'intégrale a;b f est dite
R ] ]

généralisée en a . Elle converge si x 7! x;b f admet une limite nie lorsque x ! a . Dans ce
+ +

R R [ ]

cas, on pose a;b f = limx!a+ ( x;b f ). ] ] [ ]

R
(iii) Soient a 2 R [ f 1g, b 2 ]a; +1] et f : ]a; b[! E continue par morceaux. L'intégrale a;b f est ] [

dite
R généralisée
R en a et en b . Elle converge s'il existe cR 2 ]a; b[ tel
+
R que lesR intégrales généralisées
a;c f et ]c;b]
f sont convergentes.
[
Dans
[
ce cas, on pose a;b f =
a;c f + c;b f . Cette dénition ] [ ] ] [ [

est indépendante du point c choisi.

(iv) Les intégrales généralisées en un point intérieur sont hors programme.
(v) Lorsque f est à valeurs réelles positives et qu'une intégrale généralisée de f est divergente, on
convient que sa valeur est +1.
R 1 t R t R 1 t R R 1 t R 1 tt R 1 t
t , t t , t e dt, t ln(t) dt, t 1 t2 , t 1 t2 , t 1 t2 .
+ d 1 d + 1 + d + d + d
Exemples : t =1 =0 =0 =0 = 1+ = 1+ = 1

Propriétés R R R
Si f est continue par morceaux sur le
R
segment a; b]
[ alors
]a;b f , a;b f
] [ [
et
a;b f
] [
sont convergentes et

ont pour valeur

[ a;b f .
]
R
Si a est ni, f est continue sur ]a; b] et admet une limite nie en a +
alors
a;b f est convergente (réciproque
] ]

fausse).
R R
Si f (x) x!!1 ` et
[ a; 1 f + [
converge, alors ` = 0. Il se peut que
a; 1 f
[ + [
converge sans que f ait une

1.
+

limite en +

Calcul
Linéarité, calcul coordonnée par coordonnée dans une base de
RE , composition par une application linéaire.
x x;b f ) = f (x) si f x.
d
Relation de Chasles, reste d'une intégrale convergente. ( est continue en
d [ [

Usage d'une primitive, crochet généralisé.

R +1
Intégration par parties,
t tn e t dt = n!.
C
=0
1
Changement de variable bijectif.

2) Critères de convergence
R R R R
Convergence absolue : si IRkf k est convergente alors I f l'est et on a k I f k 6 I kf k. On dit que
f est intégrable sur I lorsque
I kf k converge.
Démonstration : on raisonne sur le cas ! b . La suite
xn n!1 I = [ a; b[. Soit ( xn ) une suite telle que
R R R
(
a;xn f ) est bornée par a;b kf k donc admet une sous-suite
[ ]
R
convergente :
R [ a;x
[
f ! `. Soit alors
R '(n) n!1 [ ]

(yn ) une suite quelconque telle que yn ! b . On a k a;yn f a;x'(n) f k 6

n!1 x'(n) ;yn kf k n!1
! 0, [ ] [ ] Conv( )
R
d'où
[
! `.
a;yn f n!1 ]

Comparaison à une autre intégrale

(i) L'intégrale d'une fonction réelle positive converge si et seulement les intégrales partielles sont
majorées. Dans ce cas, Rla valeur
R de l'intégrale est la borne supérieure des intégrales partielles.
(ii) Si 0 6 f 6 g alors 0 6 I f 6 I g (inégalité dans [0; +1]). R
(iii) Si f est une fonction vectorielle et g une fonction réelle positiveR telle que I g est convergente et
f (x) = O(g (x)) au voisinage de la borne de généralisation alors I kf k converge.
page 38 IX  Intégrales généralisées
 R
(iv) Si Rf et g sont réelles positives et f (x)  g (x) au voisinage de la borne de généralisation alors I f
et I g ont même nature (usage systématiquement refusé s'il n'y a pas la vérication du signe).
Applications R
Si a est ni et f (t)  t a  avec  6= 0 alors a;b f converge ()  < 1.

(
R ) ] ]

Si b est ni et f (t)   6= 0 alors a;b f converge ()  < 1.

b t  avec
R ( ) [ [

Si f (t)   avec  6= 0 alors
R 1 
t a; 1 f converge ()  > 1. [ + [
+
t e t dt converge ()  > 0 (fonction d'Euler, ( + 1) =  ()).
Rt 1 sin t
1
=0

dt converge (IPP + domination).

+

t=0
t
Intégration des relations de comparaison
Soient f : [a; b[! E et g : [a; b[! R continues par morceaux. On suppose f (x) = O(g (x)) (resp.
+

f (x) = o(Rg (x)), f (x)  g (x)) pour

R x!b . R R
(i) Si a;b g converge alors a;b f converge aussi et x;b f = O( x;b g ) (resp. o, ).
R [ [
R R [ [ [ [ [ [

(ii) Si a;b g diverge alors a;x f = O( a;x g ) (resp. o, ).

[ [ [ ] [ ]

R +1
ex t 1
e(1 t)x R e t
Exemple : t
=1 t t
d =
x t dt = (2 IPP) = x
+

=
1 1
x2 + O( x3 ). 1

Transformation d’une intégrale en série par découpage

Soit f : [a; b[! E et (an ) une suite strictement croissante telle que a = a et an ! b .
R PR R n!1 R 0

aussi et a;b f = 1
P
(i) Si a;b f converge alors la série an ;aRn+1 f converge n an ;an+1 f .
[ [
P1 R [ ] [ [ =0 [ ]

(ii) Si f est à valeurs réelles positives alors a;b f = n an ;an+1 f (égalité dans [0; +1]). [ [ =0 [ ]

R +1 j sin tj dt diverge.
Exemple : t
=0
t
Espaces de fonctions
R : soit I un intervalle non trivial et f : I!E continue par morceaux.
On pose : kf k = qI kf k, 1
R
kf k = I kf k , 2
2

kf k1 = sup kf k (ces quantités existent dans [0; +1]).

On note : L (I; E ) = ff tq kf k < +1g,
1
1

L (I; E ) = ff tq kf k < +1g,

2

L1 (I; E ) = ff tq kf k1 < +1g.

2

Ce sont des sev de l'ensemble des fonctions continues par morceaux de I dans E. kk et k k sont des
semi-normes
1 2

sur les espaces correspondants et des normes sur leurs intersections avec C (I; E ). k k1 est
une norme sur L1 (I; E ).
Lorsque I est borné et E 6= f0g, L1 (I; E ) $ L (I; E ) $ L (I; E ). 2 1

Lorsque I est non borné et E 6= f0g aucune inclusion n'a lieu.

3) Intégration terme à terme

Lemme de Beppo Levi, cas de fonctions continues sur un segment : soit (fn ) une suite de
fonctions deP[a; b] dans R continues positives et f : [a;Rb] ! R continue
P1 R telle que pour tout x 2 [a; b],
0 6 f (x) 6
1 f (x) (inégalité dans [0; +1]). Alors 6
n n =0 a;b f n a;b fn (inégalité dans [0; +1]). [ ] =0 [ ]

R R
" > 0 tel que a;b (f ") > 1
P
Démonstration par l’absurde :
R PN
n a;b fn et en
sinon il existe
[ ] =0 [ ]

particulier, pour tout N 2 N,

a;b (f " n fn ) > 0 donc l'intégrande est strictement positif
[ ] =0

en au moins un point xN . Soit (x' N ) une sous-suite convergente et x sa limite. Pour N xé et
( )
PN P' k
k > N , on a : f (x' k ) " n fn (x' k ) > f (x' k ) "
( ) n fn (x' k ) > 0 d'où P à la limite :
( ) ( )
( )
( )

f (x) "
PN
f x > N
=0

f 6 1 f . =0

n n ( ) 0. En
=0
faisant tendre vers l'inni, on contredit l'hypothèse n n =0

IX  Intégrales généralisées page 39

 Lemme de Beppo Levi, cas de fonctions continues sur un intervalle : soit (fn ) une suite de
fonctions de I dans R continues positives et f : IR! R P continue positive telle que pour tout x 2 I ,
f (x) 6 1
P
f x (inégalité dans ; 1 ). Alors f 6 1 R f (inégalité dans [0; +1]).
n n ( )=0
[0 + ]
I n I n =0
P1 R P1 R
Lorsque 8 x 2 I , f (x) = n fn (x), on a I f = n I fn (égalité dans [0; +1]).
=0 =0

Démonstration
R P1 R : on raisonne P1 Rsur le cas I = [a; b[. Pour c 2 [a; b[, on a d'après le cas précédent
[a;c f 6 n P a;c fn 6 n
] =0 [ a;b fn . En faisant tendreP
] =0 [
c vers b , on obtient l'inégalité annoncée.
[
R PN R
1 fn , alors pour tout entier N 2 N, f > N
Si l'on a f =
R P1 Rn =0 n fn donc a;b f > n a;b fn puis =0 [ [ =0 [ [

[a;b f[
> n a;b nf en
=0
faisant
[
tendre
[
N vers l'inni.

R +1 R +1
e t ) dt = 1
P e nt P1
Exemple : t
=0
ln(1 n =1 t
=0 n d = t n =1n2
1
=  (2).
Le lemme de Beppo Levi est valide pour des fonctions fn et f discontinues, pourvu qu'elles soient
mesurables au sens de Lebesgue (notion hors programme). On admettra ici qu'il est valide pour des
fonctions continues par morceaux, les autres hypothèses étant inchangées.

Intégration terme à terme : soit (fn ) une suite de fonctions de I dans E continues par morceaux et
P1
f : I ! E continue parP morceaux
R telle P1x 2 I : f (x) = n fn (x). Si l'une des conditions
que pourR tout
1
: nR I kfP n k1< R+1 ou I n kfn k < +1 alors f est intégrable sur I et on a :
=0
suivantes
R est réalisée
P 1 R
I kf k 6 n I kfn k et I f = n I fn .
=0 =0

=0 =0

Démonstration
R
P 1
Si n I kfn k < +1 : R R
kf k 6 P1 P1
n kfn k, d'où I kf k 6 n I kfn k.
=0

on applique le lemme de Beppo Levi à l'inégalité

R P1
kfn k < +1 :
=0 =0

Si
I n =0

on a la première hypothèse d'après le cas d'égalité dans le lemme de Beppo Levi.

R PN R R P1 P1 R
Enn, k If n =0 I fn k = k I n N = +1
fn k 6 n N = +1 I kfn k N !1
!0 en tant que reste d'une série

convergente.
R +1 R 1
e t ) dt = 1 n e nt dt = P1
P n+1
n2 =  (2) =  (2).
+ ( 1)
n t ( 1) n
1
t n
+1
Exemple : =0
ln(1 + =1 =0 =1 2
P1 R n
Contre-exemple avec n I kfn k = +1 : fn (x) = ( 1) sin(x)1 n; n  (x).
=0 [ ( +2) ]

4) Convergence dominée
Cas réel positif : soit (fn ) une suite de fonctions de I dans R continues par morceaux et ' : I ! R
continue par morceaux telles que :
(i) 8 x 2 I , fn (x) n!1
!0;
(ii) 8R x 2 I , 8 n 2 N, 0 6 fn (x) 6 '(x) ;
(iii) I ' < +1.
R
Alors I fn ! 0 .
n!1
Démonstration : pour x 2 I et n; p 2 N avec n 6 p, on pose fnp (x) = maxffk (x); n 6 k 6 pg et
R R
Inp = I fnp . fnp est positive continue par morceaux sur I et majorée par ' donc Inp existe et Inp 6 I '.
De plus, à n xé, la suite (Inp ) est croissante ; elle converge vers un réel In . On peut donc trouver une
suite (pn ) vériant 8 n 2 N, 8 p > pn , In n 6 Inp 6 In et pn > pn . Ensuite, la suite (In ) est
1
+1

décroissante positive ; elle converge. Enn, pour tout x 2 I , fn;pn (x) ! 0. Il vient :
2

n!1
8 x 2 I , 0 6 fn (x) 6 fn;pn (x) = P1 P1
k n (fk;pk (x) fk ;pk+1 (x)) 6 k n (fk;pk+1 (x) fk ;pk+1 (x))
= +1 = +1

Comme fk;pk+1 fk ;pk+1 est positive, on a avec le lemme de Beppo Levi :

+1

R P1 P1
0 6 I fn 6 k n (Ik;pk+1 Ik ;pk+1 ) 6 k n (Ik Ik + k+1 ) n!1
= +1 !0 = +1 2
1

comme reste d'une série convergente.

page 40 IX  Intégrales généralisées

 Cas vectoriel : soit (fn ) une suite de fonctions de I dans E continues par morceaux, f : I ! E continue
par morceaux et ' : I ! R continue par morceaux telles que :
(i) 8 x 2 I , fn (x) n!1
! f (x) ;
(ii) 8R x 2 I , 8 n 2 N, kfn (x)k 6 '(x) ;
(iii) I ' < +1.
R R
Alors les fn et f sont intégrables et on a I fn ! I f .
n!1
R 1 t
Exemple : calcul de t e ln(t) dt
+

Soient f (t) = e
t ln(t) et fn (t) = (1 t )n ln(t)1 ;n (t). On a jfn j 6 jf j, jf j est intégrable sur ]0; +1[ et
=0

Rn
f = lim fn . Donc ; 1 f = limn!1 tn (1 nt )n ln(t) dt = limn!1 In .
R [0 ]

]0 + [ =0

R
In = n u (1 u)n ln(nu) du
1

n
=0
n R n
n ([(1 (1 u) ) ln(nu)]u u (1 + (1 u) + : : : + (1 u) ) du)
+1 1 1
= =0
n
+1 =0

n (ln(n) 1 ::: n )
1 1
=
!
+1 2 +1

n!1 .

Contre-exemple sans domination : fn = 1 n;n . [ +1]

Cas d’un paramètre réel : soient J  R,  2 R [ f1g adhérent à J , (f )2J une famille de
0

fonctions de I dans E continues par morceaux, f : I ! E continue par morceaux et ' : I ! R continue
par morceaux telles que :
(i) 8 x 2 I , f (x) !!0 f (x) ;
(ii) 8R x 2 I , 8  2 J , kf (x)k 6 '(x) ;
(iii) I ' < +1.
R R
Alors les f et f sont intégrables et on a I f ! I f .
!0
an;p ) 2 E N , (`p ) 2 E N et ('p ) 2 RN telles que
2
Théorème de convergence dominé discret : soient (
(i) 8 p 2 N, anp n!1
! `p ;
(ii) 8Pp 2 N, 8 n 2 N, kanp k 6 'p ;
(iii) +1.
p 'p < P
Alors les séries p anp et p `p sont absolument convergentes et on a 1 ! P1
P P
p anp n!1 p `p . =0 =0

Exemple : dans une algèbre de dimension nie, (1 + na )n ! exp(a) par développement du binôme.
n!1

IX  Intégrales généralisées page 41

 X — Suites, séries et intégrales à paramètre
E, F désignent des espaces vectoriels normés de dimensions nies.

1) Interversion des limites

anp ) 2 E N et ("n ) 2 RN telles que

2
Théorème d’interversion des limites, cas discret : soient (
(i) 8 n 2 N, anp p!1
! `n ;
(ii) 8 p 2 N, anp n!1
! p ;
(iii) 8 n; p 2 N, kanp p k 6 "n ;
(iv) ! 0.
"n n!1
Alors (`n ) et (p ) convergent et ont même limite : lim n!1 (limp!1 anp ) = limp!1 (limn!1 anp ).
Les conditions (iii) et (iv) s'énoncent : la convergence de anp vers p est uniforme par rapport au
paramètre xé, p. On remarque par ailleurs que (ii) est une conséquence de (iii) et (iv).

Démonstration : Pour n; p 2 N, kp `n k 6 kp anp k + kanp `n k 6 "n + kanp `n k p!1 ! "n . En
xant n, on voit que la suite (p ) est bornée, donc admet une valeur d'adhérence  2 E . Soit alors " > 0
et N 2 N tel que n > N ) "n 6 ". Pour un tel n, on choisit p tel que kanp `n k 6 " et kp k 6 ".
Il vient k `n k 6 3". Ainsi, `n n!1
! . Par unicité d'une limite, il en résulte que  est l'unique valeur
d'adhérence de (p ), d'où p ! .
p!1
Rb
Application, lemme de Lebesgue : soit f : [a; b] ! E continue. On a t a f (t) sin(nt) dt ! 0.
n!1
=

Démonstration : lorsque f est C , une intégration par parties permet de conclure. Pour f continue, soit
1

(fp ) une suite de fonctions polynomiales telle que kfp f k1 ! 0. On applique le théorème d'interversion
p!1
Rb 
des limites en intervertissant les rôles de n et p avec anp =
t a fp (t) sin(nt) dt et "p = kfp f k1 .
= 2

Prenons en particulier f (t) =

t et n = 2p + 1. En écrivant nt = 2 cos((n 1)t + 2 cos((n 3)t) + : : :
sin( )
sint P t 2 sin

puis en intégrant deux fois par parties, il vient k 6p k p!1

impair 2 !  , d'où  (2) = 2 .
1
8 6

p 1
Avec la même fonction f et n = 2p on obtient alors :
1
1
+
1
3
::: + p
1
5
p!1! .
( 1)
2 1 4

Contre-exemple en cas de convergence non uniforme : anp = n np . + +1

Théorème d’interversion des limites, cas continu : soient D  E non vide, (fn ) une suite de
fonctions D ! F , f une fonction de D dans F et a 2 D [ f1g tels que
(i) 8 n 2 N, fn (x) x!!a `n ;
(ii) Il existe V , voisinage relatif de a dans D et ("n ) suite réelle de limite nulle tels que
8 x 2 V , 8 n 2 N, kfn (x) f (x)k 6 "n .
Alors il existe ` 2 E tel que `n ! ` et f (x) ! ` : limn!1 (limx!a fn (x)) = limx!a (limn!1 fn (x)).
n!1 x!a
Cas symétrique (HP) : avec les notations précédentes, si l'on a
(iii) 8 x 2 D, fn (x) ! f (x) ;
n!1
(iv) il existe une fonction " dénie sur D telle que 8 x 2 V , 8 n 2 N, kfn (x) f (x)k 6 "(x) et "(x) ! 0.
x!a
Alors il existe ` 2 E tel que `n ! ` et f (x) ! ` : limn!1 (limx!a fn (x)) = limx!a (limn!1 fn (x)).
n!1 x!a
Exemple : lemme de Lebesgue pour une fonction continue intégrable.

Remarque : les trois théorèmes d'interversion des limites sont inapplicables si la limite double visée est
innie. Dans un tel cas, utiliser un argument de monotonie ou une minoration par une quantité tendant
vers l'inni pour conclure.

page 42 X  Suites, séries et intégrales à paramètre

 P1 PN
 (x) nx > n nx x!!+ HN
n x
1 1 +
Exemple : = =1 =1
donc pour susamment proche de 1 , on a

 (x) > HN . Ceci prouve que  (x) !+ +1.

1
1
2
x! 1

2) Fonction définie par une limite

a) Convergence d’une suite de fonctions
Définitions : D  E non vide, (fn ) une suite de fonctions de D dans F et f : D ! F . On
soient
dit que la suite ( fn ) converge vers la fonction f : : :
(i) simplement si 8 x 2 D, fn(x) n!1 ! f (x) ;
(ii) uniformément s'il existe une suite ("n) de limite nulle telle que 8 x 2 D, kfn(x) f (x)k 6 "n ;
(iii) localement uniformément si pour tout x 2 D, il existe un voisinage relatif de x , V  D tel
0 0

que la restriction de fn à V converge uniformément vers la restriction de f à V ;

(iv) uniformément sur tout compact si pour tout compact non vide K  D, la restriction de fn
à K converge uniformément vers la restriction de f à K . Lorsque D est un intervalle de R, on
peut se limiter aux cas où K est un segment.

Lien entre ces notions : (ii) ) (iv) ) (i) et (ii) ) (iii) ) (i). Les implications réciproques sont
fausses en général.

Exemples
x 7! xqn sur [0; 1], sur [0; a] avec a < 1, sur [0; 1[.
x 7! x + n2 sur R .
2 1 +

x 7! (1 + nx )n sur R . +

Proposition : la suite (fn ) converge uniformément vers la fonction f si et seulement si chaque

fonction fn f est bornée et kfn f k1 n!1! 0.
b) Propriétés conservées par passage à la limite
Limite simple : toute inégalité large et toute égalité faisant intervenir un nombre xé de points est
conservée par limite simple. En particulier :
(i) une limite simple de fonctions positives ou nulles est positive ou nulle.
(ii) une limite simple de fonctions croissantes est croissante.
(iii) une limite simple de fonctions convexes est convexe.
(iv) une limite simple de fonctions k-lipschitziennes est k-lipschitzienne (k constant).
(v) une limite simple de fonctions linéaires est linéaire.
Limite localement uniforme
Une limite localement uniforme de fonctions continues est continue.
Si les fonctions fn convergent simplement vers la fonction f et si leurs dérivées fn0 convergent locale-
ment uniformément vers une fonction g alors f est dérivable et f 0 = g .
Limite uniforme sur tout compact
Une limite uniforme sur tout compact de fonctions continues est continue.
Si les fonctions fn : I (intervalle) ! E sont continues sur I et convergent uniformément sur tout
compact vers la fonction f alors pour tous a; b 2 I on a ab fn ! ab f . De plus, pour a xé, les
R R
n!1
fonctions x 7! ax fn convergent uniformément sur tout compact vers la fonction x 7! ax f .
R R

Ce théorème ne permet pas de passer à la limite sous une intégrale généralisée ; dans un tel cas utiliser
le théorème de convergence dominée.

Limite uniforme : une limite uniforme de fonctions bornées est bornée.

X  Suites, séries et intégrales à paramètre page 43

 c) Exemple : moyenne arithmético-géométrique
Énoncé : pour x 2 p ; 1 , on considère les suites an x et bn x dénies par : a x
[0 + [ , ( ( )) ( ( )) 0( ) = 1
b (x) = x, an
x an x bn x et bn x
+1 ( ) = an x bn x . Il est notoire que ces suites
( ) ( ) +1 ( ) =
1
( ( )+ ( ))
convergent vers une même limite, que l'on note  x . On demande de prouver que  est
0 2
( )
continue, croissante concave sans passer par 0 ni 00, et de tracer sa courbe.
Continuité
Pour n > 1 on a an (x) 6 bn (x). Donc
p
bn (x) an (x) = (bn (x) + an (x) 2 an (x)bn (x)) 6 (bn (x) an (x))
+1 +1
1
2
1
2

puis par récurrence, 0 6 bn (x) an (x) 6 jx 1j=2n . Donc les fonctions an et bn , clairement continues,
convergent uniformément sur tout compact vers .

Croissance et concavité : par récurrence, les fonctions an et bn sont croissantes concaves.

p
Courbe : (x) (0) = (x) > x donc il y a tangente verticale en 0. bn (x) = xn + o(x), donc à n
 x 6 pour x assez grand. Ainsi,  x ! 0 et il y a branche parabolique horizontale.
2
( ) 2 ( )
xé,
x n 2 x x! 1 +

Dérivation : on pose u x b =a . Vérier que an

( ) = = a :(an  u) et bn = a :(bn  u). Montrer
alors que  est C sur ; 1 puis sur ; 1 .
1 1 +1 1 +1 1
1
[1 + [ ]0 + [

Réponse : b0n 1 1
p
a0n = (1 x )(b0n a0n )  u + px (bn an )  u avec 1 6 u(x) 6 x si x > 1. On
1
+1 +1
0 0 0 a0n converge vers 0 uniformément sur tout
4

en déduit que an 6 bn pour tout n sur [1; +1[ et que bn

2

segment de [1; +1[. Ensuite, avec 2an an = an bn + an b0n et 2b0n = a0n + b0n on obtient que les
0 0
0 0
+1

suites (an ) et (bn ) sont adjacentes sur [1; +1[ donc convergent uniformément sur tout segment vers
+1 +1

une même fonction continue. Ainsi  est C sur [1; +1[ puis sur ]0; +1[ car (x) =
1
px:  u(x).

3) Fonction définie par une série

a) Convergence d’une série de fonctions
Définitions : soient
P DE fn ) une suite de fonctions de D dans F
non vide, ( et f : D ! F. On
dit que la série fn f :::
converge vers la fonction
(i) simplement si 8 x 2 D, PnPfnn(x) = f (x) ;
(ii) uniformément si la suite ( k fk ) converge uniformément vers f ; Pn
localement uniformément, uniformément sur tout compact
=0
(iii) si la suite ( k =0
fk ) converge
f
de cette manière vers ;
(iv) normalement s'il y a convergence simple et s'il existe une suite ( an ) réelle positive telle que
8 x 2 D 8 n 2 N kfn x k 6 an Pn an < 1
, , ( ) et + ;
(v) localement normalement, normalement sur tout compact si la propriété précédente est vraie
au voisinage relatif de tout point de D ou sur tout compact inclus dans D (la suite ( an ) peut
dépendre du voisinage ou du compact considéré).

Lien entre ces notions : (iv) ) (ii) ) (iii) ) (i) et (iv) ) (v) ) (iii).
Les convergences normales impliquent la convergence absolue.
Les convergences uniformes impliquent la convergence uniforme de même type pour les suites de
fn ) et ( 1
P
fonctions ( k n = +1
fk ) vers la fonction nulle.
Exemples
P
x 7! n
nx ;
sur [0 1], sur [0 ; a] avec a < 1, sur [0; 1[.
Série exponentielle.
P
Proposition
P : la série fn converge normalement si et seulement si chaque fonction fn est bornée
et n kfn k1 < +1.

page 44 X  Suites, séries et intégrales à paramètre

 b) Propriétés héritées par la somme d’une série
Convergence simple : les mêmes que pour la limite d'une suite de fonctions à l'exception du
caractère lispchitzien.
Convergence localement uniforme
La somme d'une
P série localement uniformément convergente de fonctions continues estPcontinue.
Si la série fn converge simplement vers la fonction f et si la série des dérivéesP fn0 converge
localement uniformément vers une fonction g alors f est dérivable et f 0 = g = n fn0 (règle de
dérivation terme à terme).
Convergence uniforme sur tout compact
La somme d'une série de fonctions continues convergeant uniformément uniformément sur tout com-
pact est continue. P
Si les fonctions fn : I (intervalle) ! E sont continues sur I et fn converge uniformément sur tout
compact vers la fonction f alors pour tous a; b 2 I on a n ab fn = Rab f (deuxième règle d'intégration
P R R

la série de fonctions x 7! n ax fn converge uniformément sur

P
terme à terme). De plus, pour a xé, Rx
tout compact vers la fonction x 7! a f .
Ce théorème ne permet pas d'intégrer terme à terme sous une intégrale généralisée ; dans un tel cas
utiliser le théorème d'intégration terme à terme de Beppo Levi.

Convergence normale (localement normale, normale sur tout compact) : les mêmes que
pour la convergence uniforme de même type.
c) Exemple
P1
Énoncé : pour x 2 ; 1 , on pose f x
]0 + [ ( ) =
Rk=0 x k . Montrer
(
+
1)
k
que f est de classe C 1
sur ;
]0 + 1 et tracer sa courbe. Justier : f x
[ ( ) =
t
1

=0
tx 1 dt.
t1+

Réponse : en retirant le premier terme, il y a convergence uniforme pour la série et convergence

normale pour toutes les séries dérivées. f 0 6 0 6 f 00 avec le critère des séries alternées.
f (x) + f (x + 1) = x 1
) f (x)  2
1
x en + 1. On obtient l'expression intégrale pour f en regroupant les
termes deux à deux avant d'intégrer terme à terme.

4) Fonction définie par une intégrale

a) Position du problème
Soient I; J R non
R triviaux et f : I  J 3 (x; t) ! f (x; t) 2 E . On pose pour x 2 I ,
deux intervalles de
sous réserve d'existence : F (x) = t2J f (x; t) dt.
Continuité partielle : on dit que f est continue (resp. continue par morceaux) par rapport à t si
pour tout x 2 J , la fonction t 7! f (x; t) est continue sur J (resp. continue par morceaux, le découpage
en morceaux pouvant dépendre de x). On dénit de même la continuité et la continuité par morceaux
par rapport à x.

Domination locale : on dit que f est localement dominée en x si pour tout x 2 I , il existe un 0

voisinage relatif V = [x ; x + ] \ I et une fonction ' : J ! R continue par morceaux, intégrable

0 0

sur J telle que : 8 (x; t) 2 V  J , kf (x; t)k 6 '(t).

Rb x
Remarque : on ne traite pas ici les intégrales de la forme t a x f (x; t) dt. En présence d'une telle
( )

= ( )

intégrale, eectuer un changement de variable ou une transformation simple permettant soit de revenir
à des bornes constantes, soit d'éliminer
Rx R
x de l'intégrande. Par exemple :
t=0
f (x; t) dt = xf
u R 2(x; ux) du.
1

=0
R x2 t x x ex u f (u) du = ex R x x2 e u f (u) du.
t x
=
e f (x t ) dt =
u =0 u =0

X  Suites, séries et intégrales à paramètre page 45

 b) Continuité, dérivation, intégration
On reprend les notations qui précèdent, et on suppose que pour tout x 2 RI , F (x) existe, c'est-à-dire que
f est continue par morceaux par rapport à t et que à x xé, l'intégrale t2J f (x; t) dt est convergente.
(i) Si f est continue par rapport à x et localement dominée en x alors F est continue.
(ii) f admet une dérivée partielle @f @x continue
R
par morceaux par rapport à t et localement dominée
en x alors F est dérivable et F (x) = t2J @f
0
@x (x; t) dt (règle de Leibniz).
(iii) Si J est un segment [c; d], si f est continue par rapport à chaque variable et si f est bornée
alors pour tous a; b 2 I , on a xb a td c f (x; t) dtdx = td c xb a f (x; t) dxdt (théorème de Fubini
R R R R
= = = =
intégral, cas non généralisé, HP).
c) Exemple : intégrale elliptique
R =2 p
Énoncé : pour x 2 ; 1 , on pose f x ]0 + [ ( ) =
t d t= cos2 t + x sin t.2
Montrer que f est de
classe C 1 sur ; 1 et tracer sa courbe.
]0 + [
=0

Réponse : t + x sin t > min(1; x) donc on peut localement borner l'intégrande et ses dérivées
cos
2 2

par rapport à x. f est décroissante, tend vers 0 en +1 par convergence dominée. Si f était bornée
 R R =
au voisinage de 0, alors pour  2 [0; [ xé, on aurait
t dt= cos t 6 kf k1 , donc t dt= cos t serait
2

! +1.
2 =0 =0
convergente. Ce n'est pas le cas, d'où par monotonie, f (x)
x! + 0

Moyenne arithmético-géométrique
Eectuer le changement de variable xp t t x u dans l'intégrale dénis-
tan cotan = (1 + ) tan
sant f x et en déduire la relation : xf x f u x où u x pxx . Montrer alors que
(
2
) (
2
) = ( ( ) )
2
( ) =
1+

 où  est la moyenne arithmético-géométrique étudiée en 2. Ceci prouve que 

2

f x x
(
2
) ( ) =
est de classe C 1 sur ; 1 . 2
]0 + [

Réponse : le changement de variable proposé est strictement croissant et envoie ]0 ;  [ sur ]

2
 ;  [.
2 2
On a successivement :

x tan t cotan t = (1 + x) tan u

p
x tan t + cotan t = (1 + x) tan u + 4x 2 2

xp tan t + cotan t = (1 + x) tan u + 2x

2 2 2 2 2

cos t + x sin t = (1 + x) cos t sin t= cos u

2 2 2

(x tan t + cotan t) dt = (1 + x) cos t sin t du= cos u

2

p
2
pq
dt= cos t + x sin t = du=2 x cos u + u(x) sin u.
2 2 2 2 2

ce qui donne la relation annoncée pour f. x 7! f (x )(x) est invariante

On en déduit que la fonction
2

par composition à droite par u, puis constante égale à sa valeur pour x = 1 (limite des itérées de u).

page 46 X  Suites, séries et intégrales à paramètre

 XI — Espaces préhilbertiens

1) Rappels
Un espace préhilbertien est un R-ev muni d'un produit scalaire : (x; y ) 7! (x j y ) bilinéaire, symétrique,
déni positif. Un espace euclidien est un espace préhilbertien de dimension nie.
Exemples classiques : Rn , C = R avec (z j z 0 ) = (zz 0 + z 0 z ), Mnp (R), C ([a; b]; R).
2 1
2

Formules
kxk = (x j x).
2

kx + yk = kxk + 2(x j y) + kyk .

2 2 2

kx + yk + kx yk = 2kxk + 2kyk .
2 2 2 2

kxk kyk = (x + y j x y).

2 2

(x j y ) 6 kxk ky k avec égalité si et seulement si (x; y ) est liée.

2 2 2

kx + yk 6 kxk + kyk avec égalité si et seulement si (x; y) est positivement liée.

Pour x = 6 0 et y = 6 0, cos(x; y) = (x j y)=kxkkyk 2 [ 1; 1].
kxk = maxf(x j y) tq kyk 6 1g.


Matrice de Gram d’une famille de vecteurs : Gram(u ; : : : ; un ) = (ui j uj ) 2 Mn (R).
P P t
1

Pour x = i xi ui et y = i yi ui , on a (x j y ) = tr( XGY ).

GX = 0 () x = 0.
rg(G) = rg(u ; : : : ; un ). En particulier (u ; : : : ; un ) est libre () G est inversible.
1 1

2) Orthogonalité
a? = fx tq (a j x) = 0g, A? = fx tq 8 a 2 A; (a j x) = 0g.
A ? B ()(8 (a; b) 2 A  B; (a j b) = 0) () A  B ? () B  A? .
Propriétés
A? est un sev fermé. Pour a 6= 0, a? est un hyperplan supplémentaire de hai.
E ? = f0g, 0? = E .
A  B ) A?  B ? . A? = hAi? .
A??  A.
Pour F; G sev de E , on a F \ F
? = f0g, (F + G)? = F ? \ G? et (F \ G)?  F ? + G? .
Si F ; : : : ; Fn sont deux à deux orthogonaux, alors la somme F + : : : + Fn est directe.
1 1

Exemples
E = Rn , a = ( a ; : : : ; an ) 6= 0 ) a? = fx tq a x + : : : + an xn = 0 g: hyperplan arbitraire de Rn .
a?? = hai.
1 1 1

E = C ([0; 1]; R), F = ff tq fj ; 12 = 0g, G = ff tq fj 12 ; = 0g.

[0 ] [ 1]

On a F
? = G, G? = F et (F \ G)? = E 6= F ? + G? = F  F ? = ff tq f( 1
g
) = 0 .
2

Supplémentaire orthogonal : soit F un sev de E . Les énoncés suivants sont équivalents.

(i) F  F ? = E.
(ii) 9 G tq F ? G et F  G = E .
(iii) 8 a 2 E , 9 b 2 F tq 8 x 2 F; (a j x) = (b j x).
(iv) 8 a 2 E , 9 c 2 F tq 8 x 2 F; d(a; c) 6 d(a; x).
Lorsqu'ils sont vériés, on a G = F ? , b = c = le projeté orthogonal de a sur F et F ?? = F .
Démonstration de (iv) ) (i) : soit a 2 E et c déni par (iv). On montre que a c 2 F ? :
=
pour x 2 F et t 2 R, on a 0 6 d(a; c + tx) d(a; c) = (2(c a) + tx j tx) = 2t(c a j x) + t kxk . Pour
2 2 2 2

t proche de 0 on obtient (c a j x) > 0 et l'inégalité inverse pour t proche de 0 .

+

Conséquences
(i) Si F est un sev de dimension nie, alors F  F ? = E et F ?? = F .
(ii) Si F et G sont de dimensions nies alors (F \ G)? = F ? + G? .

XI  Espaces préhilbertiens page 47

 Démonstration
(i) a 2 E , soit G = F + hai. Dans l'ev de dimension nie G, F est un fermé non vide donc la
Pour
d(a; F ) est atteinte.
distance
(ii) Soit H = F \ (F
? + G? ). On a F ? + H = F ? + G? par double inclusion. Soit alors K le
supplémentaire orthogonal de H dans F : (F
? + G? ) + K = F ? + (H + K ) = F ? + F = E et
(F
? + H ) ? K . Donc F
? ?
+ G a un supplémentaire orthogonal et c'est (F
? + G? ) ? = F \ G.
Projection orthogonale : soit F , sev de E tel que F  F ? = E . On note F la projection sur F
parallèlement à F ? .
(i) Pour a 2 E , a = F (a) + F ? (a).
(ii) Pour a 2 E , F (a) est l'élément de F le plus proche de a.
(iii) Pour a 2 E et b 2 F , on a (a j b) = (F (a) j b).
(iv) Pour a; b 2 E , on a (F (a) j b) = (F (a) j F (b)) = (a j F (b)).
(v) Pour a 2 E , on a kF (a)k 6 kak avec égalité si et seulement siPa 2 F .
(vi) Si (e ; : : : ; en ) est une base orthonormale de F alors F (a) = i (ei j a)ei .
1

(vii) Si (e ; : : : ; en ) est une base quelconque de F alors la matrice des coordonnées de F (a) dans cette
1

base est l'unique solution de l'équation GX = A où G est la matrice de Gram de (e ; : : : ; en ) et 1

A est la matrice colonne de coecient général (ei j a).

(viii) La symétrie orthogonale de base F est id 2F .
Exemple : E = R , F = f(x; y; z; t) tq x + y + z + t = 0g, Mat (F ) = I
4
( ).
can 4
1
4

Caractérisation des projections orthogonales : soit p 2 L(E ) une projection (cad. p = p). On a : 2

(p est une projection orthogonale) () (8 x; y 2 E , (p(x) j y ) = (x j p(y )) () (8 x 2 E , kp(x)k 6 kxk).

3) Familles orthonormales
Dénition.
Une famille orthonormale est libre.

Calcul dans une base orthonormale : soit (e ; : : : ; en ) une suite orthonormale et F = he ; : : : ; en i.

1 1

Donc (e ; : : : ; en ) est une base

1
P
orthonormale de F.
(i) Pour x 2 F , on a x = i (ei jxP )ei .
(ii) Pour x; y 2 F , on a (x j y ) = i (ei j x)(ei j y ).
(iii) Pour x ; : : : ; xn 2 F , Gram(x ; : : : ; xn ) = tMM avec M = Mat e1 ;:::;en (x ; : : : ; xn ).
1 1 ( ) 1

En particulier, det(Gram(x ; : : : ; xn )) = det e1 ;:::;en (x ; : : : ; xn ) . Cette quantité ne dépend pas

1 ( ) 1
2

de la base orthonormale (e ; : : : ; en ) de F choisie.

1

(iv) Si (x ; : : : ; xn ) est une base orthonormale de F alors det e1 ;:::;en (x ; : : : ; xn ) = 1 (réciproque

1 ( ) 1

fausse).
Théorème de Schmidt : soit (u1 ; u2 ; : : : ; un ; : : :) une suite nie ou innie de vecteurs de E linéairement
indépendants. Alors il existe une suite orthonormale (e ; e ; : : : ; en ; : : :) de même cardinal vériant :
1 2

8 i; he ; : : : ; ei i = hu ; : : : ; ui i. De plus, chaque vecteur ei est unique au signe près et unique si l'on

1 1

impose la condition (ei j ui ) > 0.

Conséquences
(i) Un ev euclidien admet au moins une base orthonormale et toute famille orthonormale peut être
complétée en base orthonormale.
(ii) Si E et sont deux ev euclidiens de même dimension nie, alors il existe f 2 L(E; F ) bijective
F
f x j f (y )) = (x j y ) pour tous x; y 2 E .
telle que ( ( )
(iii) Soit (e ; : : : ; en ) une suite orthonormale, F = he ; : : : ; en i et x ; : : : ; xn 2 F .
1 1 1

On a j det e1 ;:::;en (x ; : : : ; xn )j 6 kx k : : : kxn k avec égalité si et seulement si un des xi est nul ou

( ) 1 1

la famille (x ; : : : ; xn ) est orthogonale (inégalité de Hadamard).

1

(iv) Pour tout produit scalaire sur R[X ], il existe une base orthonormale constituée de polynômes de
degrés étagés et chaque terme de cette base est unique au signe près.

page 48 XI  Espaces préhilbertiens

 Exemple : polynômes de Legendre
R
On munit R[X ] du produit scalaire déni par (P j Q) = [ 1 1]; P Q. Soit Ln le n-ème polynôme orthogonal
associé, et Qn la n-ème primitive de Ln telle que Qnk ( )
( 1) = 0 pour k 2 [[0; n[[. Pour P 2 R[X ], on a
après intégrations par parties :

( Ln j P ) = ( 1) (
n Qn j P n ) + Pn
(
k
)
=0
1
( 1)
kP k ( )
(1) Qnn k
( 1)
(1).

Le résultat doit être nul pour tout polynôme Qnn k (1) = 0 pour k 2 [[0; n[[.P de degré <n donc
( 1)

Ainsi, 1 et 1 sont racines d'ordre au moins n de Qn et comme deg(Qn ) = deg(Ln ) + n = 2n, il existe
n 2 R tel que Qn = n ((X 1)n ) n , et l'on peut imposer n > 0.
2 ( )

R n
De plus, kLn k = 1, soit (2n)!n
x (1 x ) dx = 1. Après une
2 2 1 2
dernière intégration par parties, on
p = 1

(2n + 1) (2n + 1) n + 1 =2
obtient n =
2

(2n) (2n 1)
n , soit n = n
2
2 n!
et Ln (x) =
2
1 n
2 n!
 ((X 1)n ) n .
2
2 +1 2
2 ( )

Suite totale
La suite ( ek )k2N est dite totale dans E si elle est orthonormale et si le sous-espace F = hek ; k 2 Ni est
dense dans E.
Exemple : E = C ([ 1; 1]; R) pour le
la suite des polynômes de Legendre est une suite totale dans
produit scalaire usuel car F = R[X ] est dense dans E pour k k1 donc aussi pour k k . 2

Théorème : soit P E et x; y 2 E . On a :
P (ek )k2N une suite totale dans
(i) la série k (ek j x) est convergente et k (ek j x) 6 kxk (inégalité de Bessel) ;
2 2 2

(ii) (ek j x) ! 0 ;
P k!1
(iii) k (ek jPx) = kxk (égalité de Parseval) ;
2 2

(iv) la série Pk (ek j x)(ek j y ) converge vers (x j y ) ;

(v) la série k (ek j x)ek converge vers x.
R
Application : pour f 2 C ([ 1; 1]; R), on pose cn (f ) = fPn où Pn est le n-ème polynôme
; P
P1 R n c (f )P k ! 0. [ 1 1]

de Legendre. Alors cn (f ) ! 0, n cn (f ) = ; f et kf
n!1 k k =0k n!1 2
[ 1 1]
2
=0 2

Exemple avec f (t) = e .

t
Théorème de Riesz : soit E un ev euclidien et f 2 L(E; R). Alors il existe a 2 E unique tel que :
8 x 2 E , f (x) = (a j x).
4) Endomorphismes orthogonaux
f : E!E 8 x; y 2 E , (f (x) j f (y)) = (x j y).
est orthogonal si
L'ensemble des applications orthogonales est noté O(E ).
p
Exemples :  id, symétrie
R orthogonale, réexion, P 7! X 3P (X
3
) sur R[X ] pour le produit scalaire
déni par (P j Q) =
; P Q. [ 1 1]

Propriétés
(i) Toute application orthogonale est linéaire et injective. Lorsque E est de dimension nie, c'est un
isomorphisme.
(ii) La composée d'endomorphismes orthogonaux et la réciproque d'un endomorphisme orthogonal
bijectif sont des endomorphismes orthogonaux. Lorsque E est de dimension nie, O(E ) est un
sous-groupe de GL(E ) (groupe orthogonal de E ) .
(iii) Un endomorphisme orthogonal conserve la norme, les distances et les angles non orientés de
vecteurs non nuls. Une application linéaire conservant la norme et une application conservant
les distances et le vecteur nul sont des applications orthogonales.
(iv) Si B est une base orthonormale de E alors f est orthogonal () M = MatB (f ) 2 O(n), c'est-à-
dire
tMM = In . Dans ce cas, Mat ( Bf 1
) =
tM (réciproque vraie) et det( ) = f 1 (réciproque
fausse).
(v) Si dim( E ) = n alors les groupes O(E ) et O(n) sont isomorphes, de même que les sous-groupes
O +
(E ) et O (n). +

XI  Espaces préhilbertiens page 49

 (vi) En dimension nie, le déterminant d'une réexion est égal à 1 et le déterminant d'une composée
de p réexions est égal à ( p
1) .
(vii) Les seules valeurs propres possibles pour un endomorphisme orthogonal sont 1. Lorsque 1 et 1
sont eectivement valeurs propres, les sous-espaces propres associés sont orthogonaux.
(viii) Si f est orthogonal et F est un sev stable par f alors fjF est orthogonal. De plus, si F est de
dimension nie alors F ? est aussi stable par f .
Génération par les réflexions : soit E euclidien de dimension n, f 2 O(E ), F = Ker(f id)
et p = n dim(F ). Alors il existe des réexions s ; : : : ; sp telles que f = s  : : :  sp . De plus, si
1 1

f =   : : :  q est une décomposition quelconque de f en réexions, alors q > p et q  p mod 2.

1

Démonstration
Existence d'une décomposition par récurrence sur p. Pour p > 1, soit a 2 E n F , s la réexion de direction
hf (a) ai qui échange a et f (a), et g = s  f . On a g 2 O(E ) et G = Ker(g id) = F  hai (par double
inclusion), d'où n dim(G) = p 1, g = s  : : :  sp et f = s  g = s  s  : : :  sp .
2 2

Minimalité de p : si H ; : : : ; Hq sont les hyperplans des réexions  ; : : : ; q alors H \ : : : \ Hq  F , donc

H ? + : : : + Hq?  F ? . Alors p = dim(F ? ) 6 dim(H ? + : : : + Hq? ) 6 dim(H ? ) + : : : + dim(Hq? ) = q .
1 1 1

1 1 1

Application : description de O(E ) lorsque dim(E ) 6 3.

(i) dim(E) = 0 : O(E ) = fidg.
(ii) dim(E ) = 1 : O(E ) = f idg.
(iii) dim(E ) = 2 : O (E ) = fréexionsg et O (E ) = fcomposées de deux réexionsg = frotationsg.
+

 
cos  sin 
La matrice d'une réexion dans une base orthonormale de E est de la forme S = sin  cos 
avec  2 R. L'axe de réexion est engendré par le vecteur cos(
1
2
)e 1 + sin(
1
2
)e . 2

 
cos  sin 
La matrice d'une rotation dans une base orthonormale de E est de la forme R =
sin  cos 
avec  2 R. Cette matrice est identique dans toutes les bases orthonormales de E ayant même
orientation et f est appelée : rotation d'angle  (le signe est xé par le choix d'une orientation
de E ).
 
Soit J =
0
1
1
0
(matrice d'un quart de tour) et  2 R. Alors exp( J ) = R .
(iv) dim( E) = 3 : O +
( E ) = fcomposées de deux réexionsg = frotationsg et O (E ) =
E ). O +
(

Si f est une rotation, il existe une base orthonormale (e ; e ; e ) dans laquelle Mat(f ) =
R 0 
1
0 1 2 3

avec  2 R. Lorsque f 6= id, on a Ker(f id) = he i, et f est appelée : rotation autour de he i

d'angle  (le signe est xé par le choix d'une orientation de he ; e i = he i?).
3 3

1 2 3

f = id est une rotation d'angle nul autour de n'importe quel axe.

f
tr( ) = 1 + 2 cos  et f (x) = (cos )x + (1  e
cos )( 3 j x)e 3 + (sin )(  e 3 ^ x) si (e ; e ; e ) est directe.
1 2 3

Soit g (x) = e 3 ^ x. Alors f = exp(g).

Toute rotation peut être décomposée en deux demi-tours (= rotation d'angle  ). L'axe de l'un de
ces demi-tours peut être choisi arbitrairement parmi les droites vectorielles du plan de rotation.
 
Si f est une rotation, il existe une base orthonormale (e ; e ; e ) dans laquelle Mat(f ) = R0 01
1 2 3

avec  2 R. Lorsque f 6= id, on a Ker(f + id) = he i, et f est appelée : anti-rotation autour

de he i d'angle  (le signe est xé par le choix d'une orientation de he ; e i = he i?).
3

3 1 2 3

f = id est une anti-rotation d'angle  autour de n'importe quel axe.

On a : tr( ) = f 1 + 2 cos  et f (x) = (cos )x (1 + cos )(  e 3 j x)e 3 + (sin )(  e 3 ^ x) si (e ; e ; e ) 1 2 3

est directe.

page 50 XI  Espaces préhilbertiens

 Diagonalisation par blocs
Soient E un ev euclidien non nul et f 2 L(E ) un endomorphisme orthogonal. Alors il existe des plans
vectoriels P ; : : : ; Pk stables par f tels que E = P : : :Pk Ker(f id)Ker(f +id) (somme orthogonale)
1 1

et fjPi est une rotation d'angle i avec i 2 R n  Z. En conséquence, il existe une base B orthonormale
dans laquelle la matrice de f est diagonale par blocs : MatB (f ) = Diag(R1 ; : : : ; Rk ; 1; : : : ; 1; 1; : : : ; 1).
Réciproquement, tout endomorphisme de E ayant une telle matrice dans une base orthonormale est un
endomorphisme orthogonal.
Démonstration : le sous-espace F = (Ker( f id)  Ker(f + id))? est stable par f et par construction,
fjF n'a pas de valeur propre. Si = f0g, on obtient la décomposition annoncée avec k = 0. Sinon,
F
soitQ 2 R[X ] un facteur unitaire irréductible de f jF : Q est sans racine donc de la forme Q = X X  2

avec  + 4 < 0, et Q(fjF ) est non injectif, sinon f jF ne serait pas minimal. Soit a 2 F n f0g tel que
2

f (a) = f (a) + a et P = ha; f (a)i : P est stable par f , P est un plan car (a; f (a)) est libre et fjP est
2

un endomorphisme orthogonal de P sans valeur propre ; c'est une rotation d'angle non multiple de  . Si
P = F , la décomposition est terminée. Sinon, on poursuit avec la restriction de f à l'orthogonal de P
dans F .

Conséquences : soit E un ev euclidien et f 2 O(E ). On a :

(i) f
det( ) = ( 1)
dim Ker( f +id)
.
(ii) Si f 2O E ) alors 1 est valeur propre de f .
(
(iii) Si f 2O +
E ) et n est impair alors 1 est valeur propre de f .
(
(iv) f peut être décomposée en deux symétries orthogonales.
(v) Toute matrice orthogonale de déterminant 1 est l'exponentielle d'une matrice antisymétrique (non
unique si n > 2). Réciproquement, l'exponentielle d'une matrice antisymétrique est orthogonale
de déterminant 1.
(vi) O +
n
( ) et O n
( ) sont connexes par arcs.

5) Endomorphismes symétriques
f : E!E est symétrique si 8 x; y 2 E , (f (x) j y) = (x j f (y)).
Exemples : homothétie, projection et symétrie orthogonales, f + f pour
R f 2 O(E ), P 1
7! XP et
P 7! ((X 00
1)P ) sur R[X ] pour le produit scalaire déni par (P j Q) =
; P Q.
2
[ 1 1]

Propriétés
Toute application symétrique est linéaire.
Si B est une base orthonormale de E alors f est symétrique () MatB (f ) est une matrice symétrique.
Les endomorphismes symétriques forment un sev de L(E ). Si dim(E ) = n, sa dimension est n(n + 1). 1
2

Les sous-espaces propres d'un endomorphisme symétrique sont deux à deux orthogonaux.
Si f est symétrique et F est un sev stable par f alors fjF est symétrique. De plus, F? est aussi stable
par f.
Les endomorphismes à la fois symétriques et orthogonaux sont les symétries orthogonales.

Théorème spectral : soient E un ev euclidien et f 2 L(E ) symétrique. Alors E est la somme orthogo-
nale des sous-espaces propres de f et il existe une base orthonormale B propre pour f . Réciproquement,
tout endomorphisme admettant une base orthonormale propre est symétrique.
L
E= Ker(f  id) : soit F cette somme (orthogonale donc directe) ; on suppose
? est un sev non nul, stable par f et dans lequel f n'a pas de valeur propre. On
Démonstration de
que F 6= E . Donc F
?
note S la sphère unité de F , q (x) = (f (x) j x) et a 2 S tel que q (a) = maxfq (x); x 2 S g. Si b 2 S est
orthogonal à a alors pour t 2 R,

0 6 q(a) q (a cos t + b sin t) = (q (a) q (b)) sin t 2

f a
2( ( ) j b) cos t sin t.
Comme f (a) n'est pas colinéaire à a, on peut trouver b ? a tel que (f (a) j b) > 0, et on obtient une
contradiction en considérant t proche de 0 . +

XI  Espaces préhilbertiens page 51

 Exemple : on considère l'endomorphisme
R P 0 )0 sur Rn [X ], qui est symétrique pour
f =P 7! ((X 2
1)
le produit scalaire déni par (P j Q) = La matrice de f dans la base canonique de Rn [X ] est
P Q
; .

triangulaire supérieure avec pour valeurs propres les nombres k(k + 1), k 2 [[0; n]]. Donc les sous-espaces
[ 1 1]

propres sont de dimension 1 et un polynôme propre Pk associé à la valeur propre k(k + 1) est de degré k.
Alors la suite (Pk ) est orthogonale de degrés étagés, donc Pk est à un coecient multiplicatif près égal
au k-ème polynôme de Legendre.

Ainsi, Ln est solution de l'équation diérentielle : ((x

00
1)y ) = n(n + 1)y .
2

Conséquences
0 0
x (n(n + 1)Ln (x) + (1 x )Ln (x)) = 2xLn (x) est du signe de x. On en déduit, pour x 2 [0; 1] :
d 2 2 2 2
(i)
Ln (x) 6 Ln (1) = n + 1=2, et de même pour x 2 [ 1; 0] par parité.
d
2 2

Soit f : [ 1; 1] ! R de classe C et cn (f ) le n-ème coecient de Legendre de f .

2
(ii)
On a n(n + 1)cn (f ) = cn (g ) avec g (t) =
0
t ((t 1)f (t)). En particulier, la suitepde terme général
d 2

+ 1)c (f ) est de carré sommable et comme maxfjLn (x)j; x 2 [ 1; 1]g =

d

n
P(n n + 1=2, la série
1 c (fn)L converge normalement vers f sur l'intervalle [ 1; 1].
k k =0 k
Pn P1 p
Majoration explicite : k k ck (f )Lk f k1 6 q k n jck (f )j k + 1=2 q
=0 = +1

6 P1 kq n k (k + 1) ck (f )
P1 k =
k n k2 k 2 = +1
2 2 2
= +1
+1 2
( +1)

6 kgk P1 k n ( k2 k 2) 2 = +1 2
1 1
2( +1)

6 (n +kg1)
kp .
2
2

Version matricielle du théorème spectral : soit M 2 Mn (R) symétrique. Alors il existe une matrice
P 2 O(n) telle que P 1
MP =
tP MP est diagonale.
 
1 i
Remarque : il existe des matrices symétriques complexes non diagonalisables, par exemple .
i 1

6) Endomorphismes antisymétriques (HP)

f : E!E est antisymétrique si 8 x; y 2 E , (f (x) j y) = ( x j f (y )).
Exemples : quart de tour dans un plan,
R f f pour f
1
2 O(E ), P 7! (X 2
P 0 + XP
1) sur R[X ] pour
le produit scalaire déni par ( P j Q) = [ 1 1]; P Q.
Propriétés
L'application nulle est la seule qui soit à la fois symétrique et antisymétrique.
Toute application antisymétrique est linéaire.
Le carré d'une application antisymétrique est symétrique (réciproque fausse).
si f 2 L(E ), alors f est antisymétrique si et seulement si 8 x 2 E , f (x) ? x (faux sans la linéarité de f ).
Si B est une base orthonormale de E alors f est antisymétrique () MatB (f ) est une matrice anti-
symétrique.
Les endomorphismes antisymétriques forment un sev de L(E ). Si dim(E ) = n, sa dimension est n(n 1). 1
2
La seule valeur propre possible pour un endomorphisme antisymétrique est 0. Lorsque E est de dimension
nie impaire, alors 0 est eectivement valeur propre et f est non bijectif.
Si f est antisymétrique et F est un sev stable par f alors fjF est antisymétrique. De plus, F? est aussi
stable par f.
Diagonalisation par blocs
Soient E un ev euclidien non nul et f 2 L(E ) un endomorphisme antisymétrique. Alors il existe des
plans vectoriels P ; : : : ; Pk stables par f tels que E = P  : : :  Pk  Ker(f ) (somme orthogonale)
1 1

et fjPi est la composée d'une homothétie et d'un quart de tour. En conséquence, il existe une base B
orthonormale dans laquelle
 la matrice de f est diagonale par blocs : MatB (f ) = Diag(A ; : : : ; Ak ; 0; : : : ; 0) 1

avec Ai = ai 0 et ai 2 R . Réciproquement, tout endomorphisme de E ayant une telle matrice

0 ai

dans une base orthonormale est un endomorphisme antisymétrique.

page 52 XI  Espaces préhilbertiens

 Conséquences
En dimension nie, un endomorphisme antisymétrique est de rang pair.
En dimension 3, les endomorphismes antisymétriques sont les applications de la forme x 7! a ^ x avec
a 2 E , entièrement déterminé par l'endomorphisme considéré.

XI  Espaces préhilbertiens page 53

 XII — Séries entières

1) Rayon de convergence
n P
Une série entière est une série de fonctions d'une variable complexe
P z de la forme A(z ) =
n an z avec
an ) 2 C Le domaine de convergence est D = fz 2 C tq n
n an z convergeg et le rayon de convergence
(
N.
est R = supfjz j tq z 2 Dg 2 [0; +1] (bien déni car 0 2 D).
LemmePd’Abel : soit z 2 C tel que la suite (an z n ) est bornée. Alors pour tout z 2 C tel que jz j < jz j,
la série an z n est absolument convergente.
0 0 0

P P
Conséquence : pour jz j < R, an z n converge absolument et pour jz j > R, an z n diverge grossière-
ment. Ainsi, 
D(0; R)  D  D(0; R).  D(0; R) est appelé disque ouvert de convergence et ] R; R[ est
appelé intervalle ouvert de convergence .
P P P P
Exemples : zn, z n =n (multiplier par 1 z sur le cercle unité), z n =n!, n! z n .
Calcul du rayon de convergence
R = supfr > 0 tq (an rn ) est
P
bornée g.
(an ) est bornée ) R > 1 ; jan j diverge ) R 6 1.
Si an = O (bn ) alors Ra > Rb ; si an  bn alors Ra = Rb .
P P
Les séries an z n et nan z n ont même rayon de convergence.
Si an 6= 0 pour tout n et jan =an j n!1
! ` 2 [0; +1] alors R = 1=`
+1 (règle de D'Alembert, réciproque

fausse).
P
z n =n(n + 1),
P
Hn z n ,
P n
n P n
n z , (n-ème décimale de  )z .
2
Exemples :

2) Opérations sur les séries entières

P P
Soient A(z ) = n an z nPet B (z ) = n bn z n deux séries entières de rayons Ra , Rb .
(i) La
P
série entière (an + bn )z n a un rayon Rc > min(Ra ; Rb ) et pour jz j < min(Ra ; Rb ) :
n )z n = A(z ) + B (z ). Lorsque
n (an + bP P
Ra 6= Rb , on a Rc = min(Ra ; Rb ).
(ii) Soit cP n = i j n ai bj . La série cn z n a un rayon Rc > min(Ra ; Rb ) et pour jz j < min(Ra ; Rb ),
on a n cn z n = A(z )B (z ). On peut avoir Rc > min( R ; R ) même si Ra 6= Rb .
+ =

P a b
(iii) Si b 6= 0 il existe une unique suite (cn ) telle queP i j n bi cj = an . Si de plus Ra > 0 et Rb > 0
alors Rc > 0 et pour jz j < min(Ra ; Rb ; Rc ) on a n cn z n = A(z )=B (z ) (division, HP).
0 + =

P
Démonstration pour la division : la relation
Pn i j n bi cj = an dénit de proche en proche la
+ =

suite (cn ) par : b cn = an j bn j cj .n Supposons à présent Ra > 0 et Rb > 0. On choisit des

1

n
0 =0
nombres  > 0;  > 0 tel que les suites (an  ) et (bn  ) soient bornées en module par un même réel M .
P1 k
Soit 2 ]0; min(;  )[ tel que M k ( = ) = M =n( ) < jb j (donc si jz j 6 , B (z ) existe et
0

B (z ) 6= 0). On prouve par récurrence que la suite (cn ) est bornée en module par un certain réel N à
=1

dénir.

n=0: prendre N > ja j=jb j ;

) n : jb jjcn n j 6 M ( =)n + MN Pnj ( = )n j 6 M + MN =( ) 6 N jb j
0 0

0; : : : ; n
1
1 0 0

si N (jb j M =( )) > M (ce qui implique alors N jb j > M > ja j).

=0

0 0 0

1 =
1 2
Cas où le rayon du produit est plus grand que les rayons des facteurs : (1 +
1 z )(1 1 z= 2
) = 1.

page 54 XII  Séries entières

3) Propriétés analytiques
P
Soit A(z ) = n an z n une série entière de rayon R > 0.
(i) La série converge normalement sur tout compact de  D(0; R), en particulier sur tout disque fermé
D(0; r) avec 0 < r < R.
(ii) La fonction A est continue sur  D(0; R).
(iii) Pour z 2  D(0; R), on a A (z ) A(z ) ! P1 na z n = P1 (n + 1)a z n = A0 (z ).
n n 1

z!z0 n n
0
0
z z =1 0 =0 +1 0 0

(iv) La fonction A est indéniment dérivable sur 

0

D(0; R) et
A p (z ) = 1 n p = P1 (n + 1) : : : (n + p)an p z n
P
n p n(n 1) : : : (n p + 1)an z n
( )
= =0 +

(série entière de rayon R).

(v) Pour x 2 ] R; R[, tx A(t) dt = 1
R P an xn +1

n n + 1 (série entière en x de rayon R).

=0 =0

Conséquences
(i) A p (0) =
( )
p! ap .
A(z ) = pnP an z n + O(z p ).
P +1
(ii)
n
n bn z est une série entière telle que 9 r > 0 tq 8 x 2 ]0; r[, A(x) = B (x) alors les
=0

(iii) Si B (z ) =
suites (an ) et (bn ) sont égales et A(z ) = B (z ) pour tout complexe z tel que l'une des deux séries
converge (principe d'unicité des coecients d'une série entière).

A(z ) = n an z n une série entière de rayon R > 0 et z 2 

P
Analycité (HP) : Soit D(0; R). La
série
P
entière 1 A p (z )z p =p! a un rayon au moins égal à R jz j et pour jz j < R jz j, on a 0

pn
( )
P1 p =0 0 0 0

n A (z )z =p! = A(z + z ).
( )
=0 0 0

Lemme du zéro isolé (HP) : Soit A(z ) = n an z n une série entière de rayon R > 0 et z 2 
P
D(0; R).
Si la suite (an )n> n'est pas la suite nulle, il existe r > 0 tel que pour tout z 2 
0

1 D(z ; r) n fz g, on a 0 0

A(z ) 6= A(z ). En particulier, lorsque deux séries entières coïncident au voisinage d'un point quel qu'il
0

soit, alors elles sont formellement égales et donc égales en tout point du domaine de convergence.

4) Développements en série entière

Définition : soient I f : I ! C et x 2 I . On dit que f est analytique
un intervalle ouvert non trivial,
au voisinage de x P
A(z ) = n an z n de rayon non nul et un réel r > 0 tels que
0

s'il existe une série entière

8 h 2 ] r; +r[, f (x + h) = A(h). On dit que f est analytique sur I si elle est analytique au voisinage
0

de tout point de I .

Une fonction analytique est de classe C

1 et son développement en série entière au voisinage de x est
1 et x 2 I donnés, il y
0

unique : c'est son développement de Taylor. Donc pour f : I ! C de classe C 0

a trois cas possibles.

(i) La série de Taylor de f en x 0 a un rayon nul : f n'est pas analytique au voisinage de x 0.

(ii) La série de Taylor de f en x 0 a un rayon non nul mais sa somme n'est pas égale à f au voisinage
de x 0 : f x.
n'est pas analytique au voisinage de 0

(iii) La série de Taylor de f en x

R > 0 et sa somme coïncide avec f
0 a un rayon sur ] x 0 r; x 0 + r[ :
f est analytique au voisinage de x . Il se peut que r < R. 0

P1 n =x+ .
n cos(n x)=2 , e
2 1
Exemples pour (i) et (ii) : =0

Développements en série entière usuels

exp, ch, sh, cos, sin les étendre à C.
D
ln, arctan, argth par développement de la dérivée.
x) = ;
P i
j
n 2 2
i j n i j =4 .
1 2
binôme par équation diérentielle, étendre (1 à (0 1) avec + =
arcsin, argsh par développement de la dérivée.
P n p
z n = (1
+
z) p
n p
1
fraction rationnelle .

XII  Séries entières page 55

 ak ) la suite dénie par a = 0, a = 1, et (n + 1)an = nk ak an k . On a :
P
tan et th (HP) : soit ( 0 1 +1 =0

(i) pour tout n pair, an = 0 ;

(ii) pour tout n, tan n (0) = n! a et th n (0) = ( 1)b n = c n! an ;
P1 n n
( ) ( ) ( 1) 2

(iii) la série entière T (z ) = n an z a un rayon R >  et pour x 2 [0;  [, T (x) 6 tan x ;

(iv) pour x 2 ]  ;  [, T 0 (x) = 1 + T (x) ;
=0 2 2
2

(v) pour x 2 ]  ;  [, T (x) = tan x ;

2 2

(vi) pour x 2 ]  ;  [, T (ix) = i th x ;

2 2

(vii) R =  .
2 2

5) Application des séries entières

a) Calcul numérique
PN
jez n =0
z n =n!j 6 jz jN ejzj =(N + 1)!. +1

Pour N = 10, on obtient une approximation uniforme de exp j[ 1 1]; à 7 10 : 8

près.

PN n xn =nj 6 jxjN =(N + 1).

j ln(1 + x) n =1
( 1)
+1 +1

Pour N = 10, on obtient une approximation uniforme de ln [ 1 3 ] à 5 10 j 2;2 : 5

près.

PN n xn =n(n
j(1 + x) ln(1 + x) x+ n
=2
( 1)
+1
1) j 6 jxjN +1
=N (N + 1).
Pour N = 10, on obtient une approximation uniforme de ln [ 1 3 ] à 9 10 j 2;2 : 6
près.

j ln(x ) 2 PN x n =(2n + 1)j 6 2jxj N =(2N + 3)(1 x

n
1+
x
2 +1 2 +3 2
=0
).
1

Pour N = 10, on obtient une approximation uniforme de lnj 1 ; : 13

[ 2]
à 11 10 près.
2

b) Résolution d’équations différentielles

y DSE et x(x 1) y 00 + 3xy 0 + y = 0 () y = x=(1 x) 2
.

c) Résolution d’équations de récurrence

Énoncé : une particule se déplace au hasard dans un tube ouvert d'un côté et inni de l'autre.
A chaque instant elle avance ou recule d'un pas, mais si elle sort du tube alors elle s'échappe
dénitivement. Sachant qu'au départ elle est à l'entrée du tube et que les choix de déplacement
sont mutuellement indépendants, calculer la probabilité pour qu'au bout de n instants: : :
(i) elle soit à nouveau à l'entrée du tube ;
(ii) elle soit encore dans le tube.
an et bn les nombres de cas favorables pour (i) et pour (ii), et A(z ) = 1
P n
Réponse
P: 1 n
soient
n n annz ,
B (z ) = n bn z . Ces séries ont des rayons au moins égaux à car 0 6 an 6 2 et 0 6 bn 6 2 .
=0
1
=0 2

Considérons une suite de n déplacements conformes à (i) et soit k le premier instant après le départ
où la particule est à nouveau à l'entrée du tube. Entre-temps, elle a avancé dans le tube d'un pas,
n'est jamais revenue en deçà, et est revenue là à l'instant k 1. Après l'instant k, laPparticule eectue
n k n > 2, an n a a
une suite de déplacements conformes à (i). Donc, pour on a = k k n k en
=2 2

convenant que a 0 = 1.

Considérons une suite de n déplacements conformes à (ii) et soit k le dernier instant où la particule
est à l'entrée du tube. k premiers déplacements est conforme à (i), puis la particule
La suite des
avance d'un pas et la suite des n k 1 derniers déplacements est conforme à (ii). Donc, pour n > 1,
Pn
on a bn = k ak bn k + an en convenant que b = 1.
1
=0 1 0

n
On multiplie ces relations par x avec < x < puis on somme. Il vient : A(x) = 1 + x A(x) et
1 1 2 2
2 2
B (x) = xA(x)B (x) + A(x), d'où
p
A(x) = 1 1 4x P1 n
x n ; 2
2
n
1
n n
2
=
2x
2 =0 +1

  P
B (x) = 1 p1 + 2x 1 n
x n + n
x n
. 2 2 +2
n
1
n n
2 2 +1
1 =
2x 4x 2 =0 2 +1
1

page 56 XII  Séries entières

 an n
n

n , an bn
1 2 2
Par unicité des coecients d'une série entière, on a


2 =
n 2 +1 = 0, 2 =
n et
n
+1

bn
2 +1 =
1
2
2
n
+2
+1
. Les probabilités demandées s'en déduisent.

XII  Séries entières page 57

 XIII — Sommabilité

1) Ensembles dénombrables
Définition : un ensemble I est dit dénombrable lorsqu'il existe ': N ! I bijective. Une telle fonction
est appelée énumération de I .
Exemples : N, Z, N . Tout ensemble inni contient un sous-ensemble dénombrable.
2

Ensembles infinis non dénombrables : R, P (N) et AN avec card(A) > 2 ne sont pas dénombrables.
Démonstrations :
R: soit N ! R quelconque. On construit de proche en proche deux suites (an ), (bn ) adjacentes
':
an ; bn ] \ '([[0; n]]) = ?. La limite commune n'a pas d'antécédent par '.
telles que [

P (N) : soit ' : N ! P (N) et A = fn tq n 2= '(n)g alors A n'a pas d'antécédent par '.
AN : soit ' : N ! AN , et a; b 2 A distincts. La suite (un ) dénie par un = b si '(n)n = a et un = a
sinon n'a pas d'antécédent par '.
Caractérisation des ensembles finis ou dénombrables : l'ensemble I est ni ou dénombrable si et
seulement s'il existe une suite (In )n2N de parties nies de I telle que I = [n In . On peut imposer à la
suite (In ) d'être croissante.
Conséquences
Toute partie de N est nie ou dénombrable ; toute partie d'un ensemble ni ou dénombrable est nie ou
dénombrable.
Un ensemble non vide est ni ou dénombrable si et seulement s'il existe une injection de I dans N.
Si I ; : : : ; In
1  : : :  In l'est.
sont nis ou dénombrables alors I1

Q est dénombrable : In = fp=q tq jpj 6 n et 1 6 q 6 ng.

La réunion d'une suite d'ensembles nis ou dénombrables est nie ou dénombrable.
Q[X ] et l'ensemble des nombres algébriques sont dénombrables. Il existe donc une innité non dénom-
brable de réels transcendants.

2) Famille sommable de réels positifs

Définition : ai ) une famille de réels positifs. On pose :
soit (
P
i2I ai = supfai1 + : : : + ain tq i ; : : : ; in 2 I sont distinctsg.
1

Cette borne supérieure existe toujours dans [0; +1] en convenant que la somme d'une famille vide est
égale à 0. On dit que la famille (ai ) est sommable lorsque
P
i2I ai < +1.
Exemples
Toute famille à support ni est sommable.
an )n2N est une suite dePréels positifs alors n2N an = 1
P P
Si ( n an . En particulier la suite est sommable
=0
si et seulement si la série an est convergente.
Soit I un ensemble P dénombrable P et ' : N ! I une énumération de I . PPour toute famille (ai )i2I de
réels positifs, on a i2I ai = 1 =0 )
1
n a' n . En particulier la quantité n a' n ne dépend pas de
( =0 ( )

l'énumération de I choisie.
Comparaison
P P : soient ( ai )i2I et ( bi )i2I deux familles de réels positifs telles que 8 i 2 I , ai 6 bi . Alors

i2I ai 6 i2I bi . En particulier, si la famille ( bi ) est sommable alors la famille (ai ) l'est aussi.
Sommation par paquets, positifP: soient I = [k2K Ik une partition de I et (ai )i2I une famille
P cas réelP
de réels positifs. On a : i2I ai = k2K ( i2Ik ai ). En particulier, la famille P (ai )i2I est sommable si
et seulement chaque sous-famille (ai )i2Ik l'est et si la famille des sommes ( i2Ik ai )k2K est elle aussi
sommable.

page 58 XIII  Sommabilité

 P P P
Démonstration on note S= i2I ai , Sk = i2Ik ai et S0 = k2K Sk .
Si S < +1 : toute somme nie dont les indices appartiennent à un même Ik est majoréePpar S donc par
dénition, Sk 6 S . Pour " > 0, on note Ik (") un sous-ensemble
P
ni de Ik tel que Sk " 6
P
a 6 Sk .
Pi2Ik " i
Considérons alors k ; : : : ; kn 2 K distincts. On a 6 k2fk1 ;:::;kn g i2Ik " ai 6 S .
( )

1 k2fk1 ;:::;kn g ( Sk " )

P 0
( )

En faisant tendre " vers 0 , on obtient

+
S
k2fk1 ;:::;kn g k 6 S puis par dénition : S 6 S.

0
Si S < +1 : soient i ; : : : ; in 2 I distincts et k ; : : : ; kn 2 K tels que i 2 Ik1 ,: : : ,in 2 Ikn . On a
P
ai1 + : : : + ain 6 k2fk1 ;:::;kn g Sk 6 S 0 d'où S 6 S 0 . Ainsi S = S 0 quand l'un des deux est ni, et aussi
1 1 1

quand ils sont tous deux innis.

Conséquences P P P
(i) Soit ( ai )i2I f : I ! X . On a i2I ai = x2X ( f i x ai ).
une famille de réels positifs et

Si la famille (ai ) est sommable alors son support : fi 2 I tq ai 6= 0g est ni ou dénombrable.
( )=

(ii)
P P1 P1 P1 P1 P1 P
(iii) On a p;q 2N2 apq = p
( ) q apq = q =0 p apq = n
=0 =0p q n apq pour toute suite
=0 =0 + =
double de réels positifs. En particulier la suite double est est sommable si et seulement si la série
P P
double p q apq est convergente.

3) Famille sommable de vecteurs

Définition : soient E ai )i2I une famille d'éléments de E
un espace vectoriel normé de dimension nie, (
et S 2 E. On dit que la famille ( ai ) S si pour tout réel " > 0, il
est sommable et a pour somme
existe des indices j ; : : : ; jk 2 I distincts tels que pour toute partie J 2 I nie contenant j ; : : : ; jk , on a
k Pj2J aj S k 6 ". Dans ce cas, S est unique et on note Pi2I ai = S .
1 1

Propriétés
Toute famille à support ni est sommable.
Pour une famille de réels positifs, les deux dénitions de la sommabilité et de la somme coïncident.
La sommabilité et la valeur de la somme ne dépendent pas de la norme choisie sur E.
Linéarité, calcul coordonnée par coordonnée dans une base de E , composition par une application linéaire.
Théorème : soit ai )i2I 2 E I . Les énoncés suivants sont équivalents.
(
(i) La famille (ai )i2I est sommable.
(ii) L'ensemble des sommes nies fai1 + : : : + ain ; i ; : : : ; in 2 I distincts g est borné.
1

(iii) La famille (kai k)i2I est Psommable. P

Lorsqu'ils sont vériés, on a k i2I ai k 6 i2I kai k.
Démonstration
(i) ) (ii) : soit " = 1 et j ; : : : ; jk les indices correspondants
1
P dans la dénition de la sommabilité. Si
P
iP; : : : ; in 2 I sont des indices distincts, on a k i 2fi ;:::;i n g ai + i2fj1 ;:::;jk gnfi1 ;:::;in g ai S k 6 " donc
k i2fi1 ;:::;in g ai k 6 kS k + " + max(k Pi2P ai k; P  fj ; : : : ; jk g).
1
1
1

(ii) ) (iii) : soit B = (e ; : : : ; ep ) une base de E . On note aij la j -ème coordonnée de ai dans la base B
1

et Aj = fi 2 I tq aij > 0g. L'ensemble des sommes nies ai1 ;j + : : : + ain ;j avec i ; : : : ; in 2 Aj distincts 1

est borné, donc la famille (aij )i2Aj est sommable, au sens de la sommabilité pour des réels positifs. De
même, si Bj = fi 2 I tq aij < 0g, la famille ( aij )i2Bj est sommable. Avec le théorème de sommation
par paquets cas réel positif, la famille (jaij j)i2I est sommable. Finalement, la famille (kaij k ;B )i2I est 1

sommable.

(iii) ) (i) : on reprend la base B et les familles (aij ). Comme 0 6 aij + jaij j 6 2jaij j, la famille (aij + jaij j)
est sommable, donc la famille ( aij ) aussi.
P
Inégalité triangulaire : soit " > 0 et j ; : : : ; jk 2 I distincts tels que k
1 i2fj1 ;:::;jk g ai S k 6 ". Donc
P P P
kS k 6 k i2fj1 ;:::;jk g ai k + " 6 i2fj1 ;:::;jk g kai k + " 6 i2I kai k + " et on fait tendre " vers 0 . +

Conséquences
Le support d'une famille sommable est ni ou dénombrable.

XIII  Sommabilité page 59

 Soit I un ensemble inni dénombrable,
P ' une énumération de I et (ai ) 2 E I . La
Pfamille (aP est sommable
i) 1
si et seulement si la série a' n est absolument convergente. Dans ce cas, i2I ai = n a' n . En
particulier le vecteur 1
P ( ) =0 ( )

n a' n ne dépend pas de

=0
l'énumération
( )de I choisie.
Sommation par paquets, cas vectoriel : soient I = [k2K Ik une partition de I et (ai )i2I une famille
sommable de vecteurs. Alors pour tout kP2 K la sous-famille
P P (ai )i2Ik est sommable et la famille des
sommes est elle aussi sommable. De plus, i2I ai = k2K ( i2Ik ai ).
Démonstration : décomposer dans une base et ajouter les valeurs absolues.

Conséquences P P P
Si ( ai )i2I est sommable alors pour toute fonction f :I!X
i2I ai =P P x2X ( f i x ai ).
on a

kapq k est convergente.

( )=

Une suite double (apq ) p;q 2N2 est sommable si et seulement si la série double
P P1 P1
( )
P1 P1 P1 P p q
Dans ce cas, (
a
p;q 2N2 pq )
= p q pqa = q p pq
=0
a =
=0 n =0
a
p q n pq .
=0 =0 + =

Produit de deux familles sommables : soient (ai ) 2 E I , (bj ) 2 E J et B : E  E ! E une 1 2 1 2

application bilinéaire entre ev de dimensions P nies. Si les famillesP(ai ) et P (bj ) sont sommables alors la
famille (B (ai ; bj )) i;j 2I J l'est et on a :
( ) i;j 2I J B (a ;
i j b ) = B ( i2I i j 2J bj ).
(
a
)
;

4) Applications des familles sommables (HP)

a) Continuité, dérivabilité
Lemme : si (Ik )k2K est une famille d'intervalles de R non triviaux et deux à deux disjoints alors K
est ni ou dénombrable.
Démonstration : J est un intervalle borné, on note `(J ) sa longueur avec par convention `(?) = 0.
si
Pour tout segment [a; b], la famille (`(Ik \ [a; b]))k2K est sommable deSsomme 6 b a donc l'ensemble
K a;b = fk 2 K tq Ik \ [a; b] 6= ?g est ni ou dénombrable. Et K = n> K n;n .
[ ] 1 [ ]

Théorèmes : soit I un intervalle non trivial et f : I ! R.

(i) Si f est monotone, l'ensemble de ses points de discontinuité est ni ou dénombrable.
(ii) Si f est convexe, l'ensemble de ses points de non dérivabilité est ni ou dénombrable.
(iii) Si f admet en tout point une dérivée à droite et une dérivée à gauche, l'ensemble de ses points
de non dérivabilité est ni ou dénombrable.
Démonstrations
f croissante les intervalles ]f (x ); f (x )[ où x décrit l'ensemble des points de discontinuité
+

I sont non triviaux et deux à deux disjoints.

(i) Pour
f
Les intervalles ]fg (x); fd (x)[ où x décrit l'ensemble des points de non dérivabilité de f dans 
de dans
(ii)
0 0 I
sont non triviaux et deux à deux disjoints.
(iii) soient D
0 0
= ft 2 I tq fd (t) > fg (t)g et D
0 0
= ft 2 I tq fd (t) < fg (t)g. On prouve que D

+ +

est ni ou dénombrable, la démonstration est analogue pour D . Pour m 2 R et n 2 N ,

considérons les ensembles :

Am ft 2 I tq fd0 (t) > mg ;

=
Bm 0
= ft 2 I tq fg (t) < mg ;

= ft 2 I tq 8 s 2 I \]t
ft fs
Bm;n n ; t[; t s 6 mg.
1 ( ) ( )

S1 S S
On a Bm  n Bm;n et D = m2Q (Am \ Bm )  m;n 2QN (Am \ Bm;n ), donc il sut
+

de prouver que Am \ Bm;n est ni ou dénombrable. Pour cela, on remarque que si t 2 Am ,
=1 ( )

alors il existe t > 0 tel que pour tout u 2 ]t; t + t [, on a

f u f t > m. Donc l'intervalle ( ) ( )
u t
t; t + min(t ; n )[ est disjoint de Bm;n et en particulier les intervalles ]t; t + min(t ; n )[ avec
]
1 1

t 2 Am \ Bm;n sont non triviaux et deux à deux disjoints.

Réciproquement, soient I un intervalle non trivial et D = fd ; d ; : : :g une partie dénombrable de  I.
P 0 1

(i) f = n2N n 1 dn ; 1 est croissante et l'ensemble de ses points de discontinuité est exacte-
1
2 [ + [

ment D .

page 60 XIII  Sommabilité

 f x 7! P ( x dn +)
n2N
1
(ii) =
2 n 1+jdn j est convexe et l'ensemble de ses points de non dérivabilité est
exactement D .

b) Fonction zêta de Riemann

Formule
P d’Euler : soit P l'ensemble P
des nombres premiers naturels et soit  2 ]1; +1[. On a
p2P p ) = ln( ()) où  () = n> n . Cette égalité vaut aussi pour  = 1 en convenant
1 1
ln(1
1.
1

que ln( (1)) =

Démonstration : on écrit P = fp ; p ; : : :g (éléments distincts) et on note Ak l'ensemble des entiers

1 2

naturels dont tous les diviseurs premiers appartiennent à fp ; : : : ; pk g (par convention, 1 2 Ak ). On

Q 1
P
montre alors par récurrence sur k que pour  > 0 quelconque, 2f 1=(1
p p 1 ;:::;pk g n2Ak n .
1 1

P P p
P
) =
p2fp1 ;:::;pk g ln(1 p ) = ln( n2Ak n ). Le premier membre a pour limite p2P ln(1 p )
1 1 1
Ainsi,
par équivalence entre famille sommable et série, s'agissant de réels positifs. Le second membre converge
P
n> n ) par encadrement.
1
vers ln( 1

P
Conséquence : p2P p
1
= + 1 car ln(1
p) 6 p.
1 2

XIII  Sommabilité page 61

 XIV — Probabilités

1) Espaces probabilisés
a) Vocabulaire
Une épreuve aléatoire est une expérience pouvant avoir plusieurs issues et pour laquelle on ne peut
pas dire à l'avance quelle issue sera eectivement réalisée. L'ensemble
des issues est appelé univers.
Une tribu est un ensemble T de parties de
contenant
et stable par complémentaire, par union
dénombrable et intersection dénombrable. Les éléments de T sont appelés évènements.
Si E est un ensemble de parties de
, l'intersection de toutes les tribus contenant E est la plus petite
tribu contenant E . On l'appelle tribu engendrée par E .
Deux évènements A; B sont dits incompatibles lorsque A \ B = ?. On écrit alors A t B pour A [ B .
Une probabilité est une application P : T ! [0; 1] telle que P(
) = 1 et P( n An ) =
F P
n P(An ) pour
toute suite ( An ) d'évènements deux à deux incompatibles.
Un évènement négligeable est un évènement de probabilité nulle.
Un évènement presque sûr est un évènement de probabilité 1.
Un espace probabilisé est un triplet (
; T ; P) vériant les axiomes précédents.
b) Exemples

= fP; F gn , T = P (
), P(A) = n card(A).
Jeu de pile ou face ni :
1
2
k
Attente du premier succès :
= fP; F P; F F P; : : :g [ fF F F : : :g, T = P (
), P(F P ) = k+1 ,
1

1 P
P(F ) = 0, P(A) = !2A P(!).
2

Jeu de pile ou face inni :

= fP; F g , T = la tribu engendrée par les ensembles de la forme
N
n
An 
avec An  fP; F g , P = l'unique probabilité sur T pour laquelle P(An 
) = n card(An ). 1

P sont admises.
2
L'existence et l'unicité de

Probabilité sur un univers finiPou dénombrable : soit

ni ou dénombrable et (p! )!2
une
famille de
P réels positifs telle que w2
p! = 1 . Alors la fonction P : P (
) ! [0; 1] dénie par
P (A) = !2A p! est une probabilité sur P (
). Toutes les probabilités sur P (
) sont de cette forme.
c) Propriétés des probabilités
(i) P(?) = 0.
(ii) P(
n A) = 1 P(A).
(iii) Si A  B alors P(A) 6 P(B ) et P(B ) P(A) = P(B n A).
(iv) P(A [ B ) + P(A \ B ) = P(A) + P(B ).
Si (An ) est une suite d'évènements
S :::
(v) croissante alors P( n An ) = limn!1 P(An ).
S P
(vi) quelconque alors P( n An ) 6 n P(An ).
S
(vii) négligeables alors P( n An ) = 0.
T
(viii) décroissante alors P( n An ) = limn!1 P(An ).
T
(ix) presque sûrs alors P( n An ) = 1.

Exemples : au jeu de pile ou face inni,

(i) P(il sort une innité de P) = 1.
(ii) P(il sort des séquences arbitrairement longues de P consécutifs) = 1.
(iii) P(8 n, P est majoritaire pour les n premiers lancers) = 0 (cf. particule dans un tube semi-inni).
d) Indépendance
Soit ( Ai )i2I une famille d'évènements. On dit qu'ils sont mutuellement indépendants lorsque pour
tous indices i ; : : : ; ik 2 I
1 P(Ai \ : : : \ Aik ) = P(Ai ) : : : P(Aik ).
distincts, on a 1 1

Exemples : au jeu de pile ou face inni, soient les évènements An = fle n-ème lancer donne P g et
Bn;k = fle n-ème et le k-ème lancers donnent le même résultatg.
Alors les évènements (An )n2N sont mutuellement indépendants et pour k = 6 n, An ; Ak ; Bn;k sont deux
à deux indépendants, mais non mutuellement indépendants.
Pour l'attente du premier succès, les évènements An et Ak ne sont pas indépendants.

page 62 XIV  Probabilités

 Propriétés : si les évènements ( Ai )i2I sont mutuellement indépendants alors :::
(i) toute sous-famille est constituée d'évènements mutuellement indépendants.
(ii) toute famille obtenue en remplaçant certains Ai par leurs complémentaires est constituée
d'évènements mutuellement indépendants.
(iii) lorsque I est ni ou dénombrable, P(Ti Ai ) = Qi P(Ai ) (borne inférieure des produits nis).
(iv) toute famille obtenue en intersectant (resp. réunissant) les Ai par paquets nis ou dénombrables
est constituée d'évènements mutuellement indépendants.

e) Probabilité conditionnelle
Proposition : Soient (
; T ; P) un espace probabilisé et A 2 T tel que P(A) > 0. Alors la fonction
B 7! P(A \ B )=P(A) = P(B j A) est une probabilité sur T .
Propriétés
(i) SiP(A) > 0 : P(A \ B ) = P(B j A)P(A) et (A et B sont indépendants) () P(B j A) = P(B ).
(ii) SiP(A \ : : : \ An ) > 0 :
1

P(A \ : : : \ An \ B ) = P(A )P(A j A )P(A j A \ A ) : : : P(B j A \ : : : \ An ) (formule des

1 1 2 1 3 1 2 1

probabilités composées).
F
(iii) Si
= n An et 8 n, P(An ) > 0 : P(B ) = Pn P(B j An )P(An ) (formule des probabilités
totales).
(iv) Si de plus P(B ) > 0 : P(Ai j B ) = P(B j Ai )P(Ai )= Pn P(B j An )P(An ) (formule de Bayes).
2) Variables aléatoires discrètes
a) Définitions
Une variable aléatoire discrète X
!E est une application : telle que X (
) est ni ou dénombrable
et pour toutx2X
fX xg f! 2
X ! xg
( ), l'ensemble = = tq ( ) = est un évènement.
La loi de X PE PX A P X 2 A
est la probabilité sur ( ) dénie par ( ) = ( ) =
P
x2X
\A P(X = x).
X; Y
! E équidistribuées X  Y ).
( )

: sont dites lorsqu'elles ont même loi (notation :

Exemples
Si 
alors la fonction 1A est une variable aléatoire à valeurs dans f0; 1g. Sa loi est dénie
A
par PA (1) = P(A) et PA (0) = 1 P(A) (loi de Bernoulli de paramètre P(A)).
k
Pour l'attente du premier succès, l'application X : F P 7! k et F
1 7! 1 est une variable aléatoire
discrète à valeurs dans N [ f1g. Sa loi est la probabilité sur P (N [ f1g) dénie par PX (k) = k
1
2 +1

et PX (1) = 0 (loi géométrique de paramètre

1
décalée).
2

Pour le jeu de pile ou face inni, l'application Xn : ! 7! (les n premiers résultats) est une variable
n
aléatoire discrète à valeurs dans fP; F g . Sa loi est la probabilité uniforme sur cet ensemble.

Pour le jeu de pile ou face inni, l'application

n
T : ! 7! n si il est sorti autant de P que de F pour la première fois au rang 2n
1 si les nombres de P et F sont constamment diérents
est une variable aléatoire discrète à valeurs dans N [ f1g (temps du
premier retour à 0). Sa loi est
la probabilité sur P (N [ f1g) dénie par PT (0) = 0, PT (n) = nn =n2 n si n > 1, PT (1) = 0. 2 2
1
2 1

Composition : soit X :
! E une variable aléatoire discrète et f : E ! F . AlorsPf  X est aussi une
variable aléatoire discrète. Sa loi est donnée par : P(f  X = y ) = P(f (X ) = y ) = f x y P(X = x). ( )=

b) n-uplets aléatoires
Soient X ; : : : ; Xn des variables aléatoires discrètes dénies sur un même espace probabilisé
à valeurs
1

dans E ; : : : ; En . Alors la fonction X :

! E  : : :  En dénie par X (! ) = (X (! ); : : : ; Xn (! ))
est une variable aléatoire discrète. Sa loi de probabilité est appelée loi conjointe de (X ; : : : ; Xn ) et
1 1 1

les lois de X ,: : : ,Xn sont appelées lois marginales de (X ; : : : ; Xn ). La loi conjointe est entièrement
1

1 1

déterminée par la donné des nombres P(X = x ; : : : ; Xn = xn ) = P(X = (x ; : : : ; xn )) lorsque

1 1 1

(x ; : : : ; xn ) parcourt E  : : :  En .
Un vecteur aléatoire discret est un n-uplet de variables aléatoires discrètes à valeurs réelles.
1 1

XIV  Probabilités page 63

 Formules pour un P
couple
P(X = x) = Py2Y
P(X = x; Y = y) ;
P(Y = y) P(X = x; Y = y) ;
( )

Px2X

=
P(X + Y = z ) = x2X
P(X = x; Y = z x) = Py2Y P(X = z
( )

( )

( )
y; Y = y ).
Indépendance : les variables aléatoires discrètes X ; : : : ; Xn sont dites mutuellement indépen-
dantes
1

si la loi conjointe de ( X ; : : : ; Xn ) est le produit des lois marginales, c'est-à-dire

1

8 A  E ; : : : ; 8 An  En : P(X 2 A ; : : : ; Xn 2 An ) = P(X 2 A ) : : : P(Xn 2 An ).

1 1 1 1 1 1

Il sut pour cela que l'on ait

8 x 2 E ; : : : ; 8 xn 2 En : P(X
1 1 1 = x ; : : : ; Xn = xn ) = P(X
1 1 = x ) : : : P(Xn = xn ).
1

Dans ce cas, toute sous-famille de ( X ; : : : ; Xn ) est constituée de variable aléatoires discrètes mutuelle-
1

ment indépendantes. Soit ( Xi )i2I une famille de variables aléatoires discrètes dénies sur un même
espace probabilisé. On dit qu'elles sont mutuellement indépendantes lorsque toute sous-famille nie
est constituée de variables aléatoires discrètes mutuellement indépendantes.

Propriétés
Pour toute variable aléatoire discrète X : 1 et X sont indépendantes.
Pour ( Ai ) 2 TI les variables aléatoires 1Ai sont mutuellement indépendantes si et seulement si les
évènements Ai sont mutuellement indépendants.
Lorsque X ; : : : ; Xn ; Y ; : : : ; Yp sont mutuellement indépendantes, pour toutes fonctions f; g les varia-
1 1

bles aléatoires discrètes f (X ; : : : ; Xn ) et g (Y ; : : : ; Yp ) sont indépendantes.

1 1

Exemple : au jeu de pile ou face inni, soient Xn : ! 7!le n-ème résultat et Tn le temps entre
le (n 1)-ème et le n-ème retour à 0. Alors les (Xn )n2N et les (Tn )n2N forment deux familles de
variables aléatoires discrètes mutuellement indépendantes. Par contre les variables X ; X ; T sont 1 2 1

deux à deux indépendantes, mais non mutuellement.

Théorème : soit (Xn :

n ! En )n2N une suite de variables aléatoires discrètes. Il existe un espace
probabilisé
et des variables aléatoires discrètes Yn :
! En mutuellement indépendantes telles
que pour tout n, Yn  Xn .
Conditionnement : soit (X; Y ) un couple aléatoire à valeurs dans E  E et A  E tel que
PX (A) = P(X 2 A) > 0. La loi conditionnelle de Y sachant X 2 A est la probabilité sur P (E )
1 2 1

dénie par : PY jX 2A (B ) = P(Y 2 B j X 2 A) = P(X 2 A; Y 2 B )=P(X 2 A).

Lorsque X; Y sont indépendantes, on a PY jX 2A = PY .

3) Moments
Définitions : soit X :
! R une variable aléatoires discrète à valeurs réelles (vadr).
P
(i) Si X est à valeurs positives, on pose E(X ) = x2X
xP(X = x) 2 [0; +1] (espérance de X ).
Si X est de signe quelconque, on dit que X a une espérance nie si la famille (xP(X = x))x2X

( )

(ii)
P
est sommable. Dans ce cas, on pose E(X ) = x2X
xP(X = x) 2 R.
( )

On dit que X est centrée lorsque E(X ) = 0.

( )

(iii)
Pour k 2 N, on dit que X a un moment d'ordre k si E(X ) existe et est nie.
(iv)
k
Si X a une espérance nie, on pose V(X ) = E((X E(X )) ) 2 [0; +1] (variance de X ) et 2
(v)
p
 (X ) = V(X ) (écart-type de X ).
(vi) On dit que X est réduite lorsque V(X ) = 1.

Propriétés
(i) Si X  Y alors E(X ) = E(Y ) et V(XP) = V(Y ) quand ces quantités existent (réciproque fausse).
(ii) Pour toute fonction f : E(f  X ) = x2X
f (x)P(X = x) (formule de transfert).
Si X; Y sont des vadr positives telles que X 6 Y alors E(X ) 6 E(Y ).
( )

(iii)
La même conclusion a lieu si X; Y sont de signes quelconques et ont des espérances nies.
(iv) E(1) = 1 ; si A 2 T alors E(1A ) = P(A).
page 64 XIV  Probabilités
 (v) Si jX j 6 Y et E(Y ) < +1 alors X 2 L (
; R) et jE(X )j 6 E(jX j) 6 E(Y ).
1

En particulier toute vadr bornée admet une espérance nie.

(vi) E est une forme linéaire sur l'espace vectoriel L (
; R) des vadr ayant une espérance nie.
1

L'application X 7! E(jX j) est une semi-norme sur cet espace.

(vii) Si X 2 L (
; R) alors pour tous réels a; b on a E(aX + b) = aE(X ) + b.
1

En particulier la vadr Y = X E(X ) estPcentrée.

(viii) Si X est à valeurs dans N alors E(X ) = n P(X > n).
(ix) Si X admet un moment d'ordre p alors X admet un moment d'ordre k pour tout k 2 [[0; p]].
(x) L'ensemble des vadr ayant un moment d'ordre p est un espace vectoriel noté Lp (
; R).
(xi) Si X admet un moment d'ordre 2 alors V(X ) = E(X ) E(X ) . 2 2

(xii) Si X admet un moment d'ordre 2 alors pour tous réels a; b on a V(aX + b) = a V(X ). 2

En particulier si V(X ) 2 ]0; +1[, la vadr (X E(X ))= (X ) est centrée réduite.
(xiii) V(X ) = 0 () X est presque sûrement constante.
Remarque : on peut étendre la notion d'espérance (resp. de variance) à des variables aléatoires discrètes
à valeurs dans un ev normé de dimension nie (resp. un espace euclidien avec V(X ) = E(kX E(X )k )). 2

Les propriétés précédentes restent valides en remplaçant j j par k k, à l'exception de (iii).

On étend également la notion d'espérance à des variables aléatoires à valeurs dans N[f1g en convenant
que E(X ) = +1 si P(X = 1) > 0.
Exemples
Pour l'attente du premier succès, soit X : F k P 7! k et F 1 7! 1. Alors E(X ) = 1.
Pour le jeu de pile ou face inni, soit T = temps du premier retour à 0. Alors E(T ) = +1.

Inégalités : soient X; Y deux vadr et a 2 ]0; +1[. Les inégalités suivantes s'entendent dans [0; +1].
Markov : P(jX j > a) 6 E(jX j)=a.
Bienaymé-Tchebychev : si E(X ) existe, P(jX E(X )j > a) 6 V(X )=a . 2

Cauchy-Schwarz : E(jXY j) 6 E(X )E(Y ) avec 0  1 = 0.

2 2 2

En particulier, si X et Y ont des moments d'ordre 2 alors XY est d'espérance nie.

Théorème : soient X; Y deux vadr indépendantes ayant des espérances nies. Alors XY a une espérance
nie et E(XY ) = E(X )E(Y ).
Contre-exemples avec X; Y non indépendantes
X=Y = attente du premier succès,
p E(XY ) = 3 6= E(X )E(Y ) = 1.
X=Y premier retour à 0 , E(XY ) = +1 > E(X )E(Y ).
4
=

Covariance
Soient X; Y deux vadr ayant des moments d'ordre 2. On pose Cov( X; Y ) = E((X E(X ))(Y E(Y ))).
On dit que X et Y sont non corrélées lorsque Cov( X; Y ) = 0.
Propriétés
(i) Cov(X; Y ) = E(XY ) E(X )E(Y ).
(ii) V(X + Y ) = V(X ) + V(Y ) + 2 Cov(X; Y ) ; V(X + : : : + Xn ) = Pi V(Xi ) + 2 Pi<j Cov(Xi ; Xj ).
1

Cov(X; Y ) 6 V(X )V(Y ).

2
(iii)
Cov(X; Y ) = V(X )V(Y ) () 9 (a; b); 2 R n f(0; 0)g tq aX + bY est presque sûrement constante.
2 2
(iv)
(v) Lorsque X et Y sont indépendantes, Cov(X; Y ) = 0 (réciproque fausse).
(vi) Lorsque X ; : : : ; Xn sont deux à deux indépendantes, V(X + : : : + Xn ) = V(X
1 1 1) + : : : + V(Xn ).

XIV  Probabilités page 65

4) Fonction génératrice

Définition : soit X une variable aléatoire à valeurs dans N.

La fonction génératrice de X est GX = R 3 t 7! E(tX ) = Pn P(X = n)tn .
Propriétés
(i) Le rayon de convergence est au moins égal à 1 et GX (1) = 1.
(ii) GX est dénie au moins sur [ 1; 1] ; elle est continue sur [ 1; 1].
(iii) GX est dérivable en 1 si et seulement si X a une espérance nie. Dans ce cas, E(X ) = G0X (1).
(iv) GX est k-fois dérivable en 1 si et seulement si X a un moment d'ordre k.
Pour k = 2, V(X ) = G00X (1) + G0X (1) G0X (1). 2

(v) P(X = n) = GXn (0)=n!. Deux variables aléatoires à valeurs dans N sont équidistribuées si et
( )

seulement si elles ont même fonction génératrice.

(vi) Si X; Y sont indépendantes alors GX Y = GX GY (réciproque fausse).
+

Si X ; : : : ; Xn sont mutuellement indépendantes alors GX1 ::: Xn = GX1 : : : GXn .

1 + +

Exemples
Si X = 1A alors GX (t) = 1 P(A) + tP(A).
X : F k P 7! k et F 1 7! 1. Alors GX (t) = t . 1
Pour l'attente du premier succès, soit
2
p
Pour le jeu de pile ou face inni, soit T = temps du premier retour à 0. Alors GT (t) = 1 1 t.

5) Lois usuelles

a) Loi de Bernoulli

B(p)  X :
! f0; 1g avec P(X = 1) = p, P(X = 0) = 1 p = q.
E(X ) = p, V(X ) = pq, GX (t) = q + pt.
b) Loi binomiale
B(n; p)  X + : : : + Xn avec X ; : : : ; Xn mutuellement indépendantes de même loi B(p).
1 1

E(X ) = np, V(X ) = npq, GX (t) = (q + pt)n .

Addition : soient X; Y indépendantes de lois B (m; p) et B (n; p). Alors X + Y  B (m + n; p).

c) Loi géométrique
G (p)  T = inf fk 2 N tq Xk = 1g (= 1 si 8 k, Xk (!) = 0) où (X ; X ; : : :) est une suite de variables
1 2

aléatoires mutuellement indépendantes de même loi B (p), p 2 ]0; 1[.

P(T = k) = qk p si k > 1, P(t = 0) = P(T = 1) = 0, P(T > k) = qk .
1

E(X ) = 1=p, V(X ) = q=p , GX (t) = pt=(1 qt).

2

Absence de mémoire : soit X une variable aléatoire discrète à valeurs dans N . Les énoncés
suivants sont équivalents :
(i) 8 n; k 2 N, P(X > n) > 0 et P(X > n + k j X > n) = P(X > k).
(ii) 9 p 2 ]0; 1[ tq X  G (p).
Minimum : soient X; Y indépendantes de lois G (p) et G (p0 ). Alors min(X; Y )  G (p + p0 pp0 ).
d) Loi de Poisson

Loi des évènements rares : soit (Xn ) une suite de variables aléatoires telle que Xn  B(n; pn ) et
E(Xn ) = npn n!1
!  2 [0; +1[. Alors pour tout k 2 N xé, P(Xn = k) n!1
!e  k =k!.

La loi de Poisson de paramètre  est la loi de probabilité sur N dénie par la formule précédente.
Elle est notée P ().
E(X ) = , V(X ) = , GX (t) = e t ( 1)
.

page 66 XIV  Probabilités

 Addition : soient X; Y indépendantes de lois P () et P (). Alors X + Y  P ( + ).
6) Loi des grands nombres
Théorème : soit (Xn ) une suite de vadr deux à deux indépendantes de même loi, ayant une espérance 
et une variance v nies. Alors, pour tout a > 0, P(j X1 :::n Xn j > a) 6 nav 2 ! 0.
+ +

n!1
Remarque : il sut en fait que X ; : : : ; Xn aient la même espérance, la même variance et soient deux à
1

deux non corrélées.

XIV  Probabilités page 67

 XV — Équations différentielles
E désigne un espace vectoriel normé sur K = R ou C de dimension nie et I un intervalle non trivial de R.
1) Introduction
Une équation diérentielle du premier ordre est une équation de la forme ( )  () y0 = f (t; y) où f est
une fonction donnée : D  I  E ! E et y désigne une fonction inconnue de J (intervalle)  I dans E .
0
Une solution est un couple (J; y ) tel que y est de classe C sur J et 8 t 2 J , y (t) = f (t; y (t)). Le problème
1

de Cauchy associé à () consiste à ajouter une condition initiale : y (t ) = y où (t ; y ) est un élément 0 0 0 0

donné de D.
Interprétation géométrique : chercher une ligne de champ passant par un point donné.

On démontre que si D est ouvert et f est continue sur D alors il existe au moins une solution au problème
de Cauchy dénie au voisinage de t , et que si D est ouvert et f est de classe C sur D alors il existe une
0
1

et une seule solution à ce problème dénie sur un intervalle maximal de I . Ces théorèmes sont devenus
hors programme en 2014.
p
Exemples : y 0 = y , y 0 = 1 y , y 0 = jy j. 2

00 0
Une équation diérentielle du deuxième ordre est une équation de la forme () () y = f (t; y; y ) où f est
une fonction donnée : D  I  E  E ! E et y est une fonction inconnue de J  I dans E . Cette équation
0 0
est équivalente à l'équation du premier ordre z = g (t; z ) avec z = (y; y ) et g (t; (u; v )) = (v; f (t; u; v )).
Le problème de Cauchy associé consiste à imposer une valeur initiale z (t ) = z , soit y (t ) = y et
y 0 (t ) = y 0 avec (t ; y ; y 0 ) 2 D donné. Lorsque D est ouvert et f de classe C sur D alors ce problème
0 0 0 0
1
0 0 0 0 0

admet une et une seule solution dénie sur un intervalle maximal de I .

Eectuer un changement de variable t = '(u) où ' est une fonction donnée dans une équation diéren-
tielle () consiste à introduire une nouvelle fonction y liée à y par la relation : y (u) = y (t) = y ('(u))
0 0 0
1 1

et à remplacer dans () t par '(u), y par y , y par y =' (u),: : : pour obtenir une nouvelle équation ()
1 1

où seuls u, y et ses dérivées apparaissent.

1

Exemple : Poser t = sin(u) dans () ()(1 t )y 00 ty 0 y = 0 donne () () y 00 y = 0 (équation

2
1 1

plus facile à résoudre formellement).

2) Équation linéaire
On considère une équation de la forme ( )  () y0
= a(t)(y ) + b(t) où a : I ! L(E ) et b : I ! E
sont des fonctions continues données. a(t):y pour a(t)(y ) ; la linéarité de a(t) implique la
On écrira
bilinéarité du produit ainsi déni. Comme E et L(E ) sont de dimensions nies, il existe un réel M tel
que kf:xk 6 M kf kkxk pour tous f 2 L(E ) et x 2 E .

0
Si B est une base de E , alors () () Y = A(t)Y + B (t) avec Y = MatB (y ), fonction inconnue de I
dans Mn; (K), A = MatB (a), fonction continue donnée de I dans Mn (K) et B = MatB (b), fonction
1

continue donnée de I dans Mn; (K). 1

Théorème de Cauchy-Lipschitz linéaire : pour (t ; y ) 2 I  E donné, l'équation () admet une 0 0

unique solution dénie sur I et prenant la valeur y pour t = t . 0 0

Démonstration
Existence : on considère la suite ( y ) de fonctions de I dans E dénie par : y (t) = y (la valeur initiale)
Rt n 0 0

et pour n > 1 : yn (t) = y +

s t0 (a(s):yn (s) + b(s)) ds. En notant zn = yn
0 1 yn , on aPdonc : +1

yPn = y + z + : : : + zn , zn (t ) = 0 et zn0 = a(t):zn pour n > 1. On va prouver que les séries zn et

=

zn0 sont normalement

0 0 1 0 1

convergentes sur tout segment de I . Il en résulte que l'on peut dériver terme à
P1 0 0 P1 P1 P1
terme : (y + 0 n zn ) = z + a(t):( n zn ) = a(t):(y + n zn ) + b(t). Ainsi y + n zn est
1 0 0

solution de () et prend la valeur y pour t = t .

=0 0 =1 =0 =0

0 0
P P
Convergence des séries zn et zn0 : soit [;  ]  I avec t 2 [;  ] (ceci est non restrictif ). On
0

pose A = maxfka(t)k; t 2 [;  ]g et Zn (t) = maxfkzn (s)k; s 2 Conv(t ; t)g. Alors pour n > 1 et

t 2 [;  ] : kzn (t)k 6 MA sgn(t t ) st t0 Zn (s) ds puis Zn (t) 6 (la même quantité). Par récurrence
R 0

0 = 1

page 68 XV  Équations diérentielles

 6 MAjt t0 j n Z (t) 6 MA   n maxfZ (); Z ( )g, ce qui prouve la convergence
PZn (t)
( ) ( ( ))
on obtient :
n n P
zn sur [;  ]. Enn kzn0 (t)k 6 MAkzn (t)k, donc la série zn0 est elle aussi normalement
! 0 ! 0 0

normale de 1

convergente sur [;  ].

Unicité : soient u; v deux solutions de () prenant la même valeur en t . Donc pour tout t 2 I ,

v )(t) = st t0 (u v )(s) ds. Soit [;  ]  I un segment contenant t et A = maxfka(t)k; t 2 [;  ]g,

R 0

(u 0

Z (t) = maxfk(u v )(s)k; s 2 Conv(t ; t)g. Comme précédemment, on obtient Z (t) 6 MAjnt t0 j Z (t)
=
n ( )
0

pour tout t 2 [;  ] et tout n 2 N. Ainsi Z est identiquement nulle sur [;  ] donc u et v coïncident sur
!

cet intervalle. En faisant varier le segment [;  ] dans I , on a nalement u(t) = v (t) pour tout t 2 I .

Conséquences : soient a : I ! L(E ) et b : I ! E des fonctions continues. On note S l'ensemble des

solutions sur I de () () y 0 = a(t):y + b(t) et S l'ensemble des solutions sur I de l'équation homogène
associée ( ) () y 0 = a(t):y .
0

(i) 0S est un K-ev de même dimension que E et pour tout t 2 I , l'application y 7! y (t ) est un 0 0

isomorphisme de S sur E . 0

(ii) S est un espace ane non vide de direction S , c'est-à-dire qu'il existe une solution particulière
0

pour () et que toutes les solutions s'en déduisent par addition d'un élément arbitraire de S . 0

(iii) Si dim(E ) = n et y ; : : : ; yn 2 S alors :

1 0

(y ; : : : ; yn ) est une base de S () 9 t 2 I tq (y (t ); : : : ; yn (t )) est une base de E .

1 0 0 1 0 0

Dans ce cas, pour tout t 2 I , (y (t); : : : ; yn (t)) est aussi une base de E . Une telle famille (y ; : : : ; yn )
1 1

est appelée : système fondamental de solutions de ( ). 0

(iv) Une solution de ( ) nulle en un point est nulle partout.

0

Matrice wronskienne : soient a : I ! L(E ) continue, B une base de E et y ; : : : ; yn 2 S où 1 0

n = dim(E ). On note A(t) = MatB (a(t)) et W (t) = MatB (y (t); : : : ; yn (t)) (matrice wronskienne de 1

(y ; : : : ; yn ).
1

(i) W est une fonction de classe C sur I . 1

(ii) 8 t 2 I , W 0 (t) = A(t)W (t) et (det W )0 (t) = tr(A(t))(det W )(t).

(iii) (y ; : : : ; yn ) est un système fondamental de solutions de ( ) si et seulement s'il existe t 2 I tel
1 0 0

que (det W )(t ) 6= 0. Dans ce cas, pour tout t 2 I , (det W )(t) 6= 0.

0

(iv) si B : I ! Mn (K) est une application continue et (y ; : : : ; yn )Rest un système fondamental de

solutions de ( ) alors la fonction Y : t 7! W (t)W (t )Y + st t0 W (t)W (s)B (s) ds est la
1 1
1 1
0 0 0

solution du problème de Cauchy : Y 0 = A(t)Y + B (t), Y (t ) = Y (formule de Duhamel).

=

0 0

Exemple : x0 = tx + (1 t)y + 1, y 0 = (1 t)x + ty + 2t.On résout l'équation homogène par bidouillage :

2 t
x0 + y 0 = x + y et x0 y 0 = (2t 1)(x y ), d'où W (t) = eet eet2 t . Il n'y a pas de solution particulière
t t

évidente ; on peut faire varier les constantes sur les équations bidouillées ou appliquer la formule de
aet + bet t , y = t 2 + aet bet t .
2 2
Duhamel. Il vient : x= t 1+

Superposition des seconds membres : soient a : I ! L(E ) et b ; b : I ! E des fonctions continues.

0
1 2

On note S (b) l'ensemble des solutions sur I de () () y = a(t):y + b(t). Alors S (b + b ) = S (b ) + S (b ). 1 2 1 2

Cas d’une équation d’ordre 2 : soient a ; a : I ! L(E ) et b : I ! E des fonctions continues.

On note S l'ensemble des solutions sur I de () () y 00 = a (t):y + a (t):y 0 + b(t) et S l'ensemble des
0 1

solutions sur I de l'équation homogène associée ( ) () y 00 = a (t):y + a (t):y 0 .

0 1 0

S est un K-ev de même dimension que E et pour tout t 2 I , l'application y 7! (y (t ); y 0 (t ))

0 0 1

(i) 0
2
0 0 0

est un isomorphisme de S sur E . 0

2

(ii) S est un espace ane non vide de direction S , c'est-à-dire qu'il existe une solution particulière
0

pour () et que toutes les solutions s'en déduisent par addition d'un élément arbitraire de S .
(iii) Si dim(E ) = n et y ; : : : ; y n 2 S alors en notant zi (t) = (yi (t); yi0 (t)) :
0

1 2 0

(y ; : : : ; y n ) est une base de S () 9 t 2 I tq (z (t ); : : : ; z n (t )) est une base de E .

2
1 2 0 0 1 0 2 0

Dans ce cas, pour tout t 2 I , (z (t); : : : ; z n (t)) est aussi une base de E .
1 2
2

(iv) Une solution de ( ) dont la valeur et la dérivée sont nulles en un point est nulle partout.
0

XV  Équations diérentielles page 69

 Cas d’une équation scalaire d’ordre n : soient a ; : : : ; an : I ! K et b : I ! K des fonctions
continues. On note S l'ensemble des solutions sur I de () () y n = a (t)y + : : : + an (t)y n + b(t)
0 1
( ) ( 1)

et S l'ensemble des solutions sur I de l'équation homogène ( ) () y n = a (t)y + : : : + an (t)y n .

0 1
( ) ( 1)

S est un K-ev de dimension n et pour tout t 2 I , l'application y 7! (y (t ); : : : ; y n (t )) est un

0 0 0 1

(i) ( 1)

isomorphisme de S sur Kn .
0 0 0 0

(ii) S est un espace ane non vide de direction S , c'est-à-dire qu'il existe une solution particulière 0

pour () et que toutes les solutions s'en déduisent par addition
0
d'un élément arbitraire
1
de S . 0
y1 y2


yn
0 0 0
Si y ; : : : ; yn 2 S alors en notant W (t) = (yji
yn
B C
2 Mn (K) :
y y :::
1 2
(iii) 1 0
( 1)
t
( )) = @ .
.
.
.
.
.
A(t)
. . .
( n 1) n
( 1) (n 1)
y
1 y
2


y n
( 1 () 9 t 2 I tq (det W )(t ) 6= 0.
y ; : : : ; yn ) est une base de S 0 0 0

Dans ce cas, pour tout t 2 I , (det W )(t) =6 0.

(iv) 8 t 2 I , (det W )0 (t) = an (t)(det W )(t). En particulier det W est constant si an
1 = 0. 1

(v) Si (y ; : : : ; yn ) est une base de S et W la matrice wronskienne associée alors la solution générale
1 0

de () est donnée par :

y (t) =  y (t) + : : : + n yn (t) + st t0 [W (t)W (s)] n b(s) ds,  ; : : : ; n 2 K
R 1
1 1 = 1 1

où [M ] n désigne le coecient ligne 1, colonne n de la matrice M .

1
 
y 00 et
aet + be t .
t
e
Exemple : y = sin t. W (t) =
2
et e t . Par Duhamel, il vient y= 1
5
(cos
2
t 3) +

3) Équation linéaire à coefficients constants

On considère une équation de la forme ( )  () y0 = a:y + b(t) où a 2 L(E ) ne dépend pas de t et b :
I!E est une fonction continue.

Rappel : la solution générale de l'équation homogène est donnée par y = exp( ta):y 0 avec y 0 2 E
quelconque.

Conséquences
(i) Si B = ( e ; : : : ; en )
1 est une base de E, alors les fonctions t 7! exp( ta):ei forment un système
fondamental de solutions de (  ).
0

(ii) Si B = (e ; : : : ; en ) est une base de E

1 et A Ba
= Mat ( ) alors la matrice exp( tA) est la matrice
wronskienne d'un système fondamental de solutions.
Rt
(iii) La formule de Duhamel s'écrit : y = exp((t
s t0 exp((t s)a):b(s) ds. t )a):y
0 0 +
=

Forme Q générale des solutions de ( ) : soit a 2 L(E ) admettant un polynôme annulateur scindé :
P = (X )m et soit F = Ker(a  id)m . Alors la solution générale de y 0 = a:y est donnée par :
0

y =  (id +t(a  id) + : : : + t

P m 1 a  m 1 t
):e y
( id)
m ( 1)!

où y est un élément arbitraire de F . Pour y donnée, il y a unicité d'une telle décomposition.

Démonstration : soit S 0 l'ensemble des fonctions de laPforme ci-dessus. On a facilement L S0  S . 0

Réciproquement, si z 2 S , on peut décomposer z (0) =0  y avec y 02 F car E =  F d'après

le lemme des noyaux. La fonction y correspondante est un élément de S donc de S prenant la même
0
0

valeur que z en t = 0. Par unicité c'est z , ce qui prouve S  S . 0

Conséquences : avec les notations qui précèdent,

ta) =  et ( k<m t a k ) où  est la projection sur F parallèlement à 6  F .

P P k k ( id)
L
(i) exp(

! 0) ()(8  2 Sp(a); < < 0) ()( t 1 k exp(ta)k dt converge). Dans ce cas, pour
=
R !

(exp(ta)
+
(ii)
t! 1 =0

toute fonction b : [0; +1[! E continue telle que b(t) ! 0, toute solution de y0 = a:y + b(t)
+

t! 1
1.
+

tend vers 0 en +

page 70 XV  Équations diérentielles

 Exemple : soit f : R ! R de classe C 2
telle que ( f + f 0 + f 00 )(t) ! 0. Alors f, f0 et f 00 ont des
t! 1
1.
=
limites nulles en +

Second membre polynomial : soient a 2 L(E ) et b : R ! E une fonction polynomiale. Alors

l'équation y 0 = a:y + b(t) admet une solution particulière polynomiale vériant : deg(y ) 6 deg(b) + m 0

où m est la multiplicité de 0 comme racine de a (m = 0 si a (0) 6= 0).

0 0

Démonstration : on écrit a = X m0 P avec P (0) 6= 0. Donc E = Ker(am0 )  Ker P (a) = F  G.

Soit b(t) = b (t) + b (t) avec b (t) 2 F et b (t) 2 G (b et b sont des fonctions polynomiales de degré
6 d = deg(b)). Soit y : R ! F une solution quelconque de y0 = ajF :y + b (t) : comme amjF0 = 0, on
0 1 0 1 0 1

0 0

a y
m0 = am0 b + am0 b0 + : : : donc y est polynomiale de degré 6 m + d. En ce qui concerne
( ) 1 2
0 jF jF 0 0 0 0

b , on remarque que ajG est un isomorphisme de G car 0 n'est pas valeur propre. Alors la fonction
1

y = ajG :b ajG :b0 : : : est bien dénie, est polynomiale de même degré que b , et est solution
1
1
1
2
1
0
1

de y = ajG :y + b (t). La fonction y + y répond au problème.

1 1 1 0 1

Second membre polynomial-exponentiel : soient a 2 L(E ) et b : R ! E une fonction polynomiale

et  2 K. Alors l'équation y 0 = a:y + et b(t) admet une solution particulière de la forme y = et z où
z est une fonction polynomiale vériant : deg(z ) 6 deg(b) + m et m est la multiplicité de  comme
racine de a (m = 0 si a () 6= 0).
Exemple : y 00 + y 0 + y = t sin t. On cherche une solution particulière de z 00 + z 0 + z = teit et on en
prend la partie imaginaire. Avec le théorème précédent, il existe une solution particulière de la forme
z = (t +  )eit et par identication on trouve  = i,  = 2i + 1 d'où y = (2 t) cos t + sin t.
4) Équation linéaire scalaire d’ordre 2
On considère une équation de la forme ( )  () a (t)y00 + a (t)y0 + a (t)y = b(t) où a ; a ; a
2 1 0 0 1 2 et b sont des
fonctions continues de I dans K. Sur tout intervalle où a 2 ne s'annule pas, on peut appliquer le théorème
de Cauchy-Lipschitz linéaire. En particulier, l'espace des solutions sur un tel intervalle de l'équation
homogène est de dimension 2 et deux solutions de l'équation complète qui coïncident avec leur dérivée
première en un point sont égales sur tout l'intervalle considéré.

Lorsque a s'annule en un point isolé t , on résout () sur les deux sous-intervalles I \ ]
2 0 1; t [ et
0

]t ; +1[ \ I puis on cherche à quelle condition on peut raccorder une solution à gauche de t avec une
0 00
0 0

solution à droite de t en assurant la continuité de y; y ; y en t . Ceci fournit l'ensemble des

0 0 solutions
de classe C sur I .
2

Résolution de l’équation homogène ( ) () a (t)y 00 + a (t)y 0 + a (t)y = 0 0 2 1 0

(i) Il n'existe pas de méthode générale pour trouver un système fondamental de solutions.
(ii) Lorsque a ;a ;a sont constants, soient ;  2 C les racines de a X + a X + a = 0 (équation 2

t et t 7! et ou t 7! tet si  =  forment un système
0 1 2 2 1 0

caractéristique). Alors les fonctions t 7! e

fondamental de solutions.
(iii) Pour une équation d'Euler : a t y 00 + a ty 0 + a y = 0 avec a ; a ; a constants, le changement de
2

u
2 1 0 0 1 2

variable t = e mène à une équation à coecients constants (la même pour + et ).

(iv) Lorsque a ; a ; a sont des polynômes de bas degrés, on peut chercher les solutions de l'équation
0 1 2

homogène développables en série entière.

(v) Si l'on a trouvé une solution y de l'équation homogène qui ne s'annule pas sur un intervalle, alors
z0,
1

le changement d'inconnue y = zy 1 mène à une une équation du premier ordre en aussi bien
pour l'équation homogène que pour l'équation complète.

Recherche d’une solution particulière de l’équation complète

(i) Chercher une solution évidente (constante ou inspirée du second membre).
(ii) Lorsque a ;a ;a
0 1 2 sont constants et b est un polynôme-exponentiel alors il existe une solution
particulière de la même forme avec la même exponentielle. Lorsque b est une combinaison de
polynômes-exponentiels, appliquer le principe de superposition des solutions.
(iii) Lorsqu'on a trouvé ( y ;y
1 2 ), système fondamental de solutions de l'équation homogène, la méthode
de variation des deux constantes et la formule de Duhamel permettent de terminer la résolution.

XV  Équations diérentielles page 71

 Méthode de variation des deux constantes : soit (y ; y ) un système fondamental de solutions de
a (t)y 00 + a (t)y 0 + a (t)y = 0 où a ; a ; a sont continues de I dans K et a ne s'annule pas.
1 2

2 1 0 0 1 2 2

(i) Pour toute fonction y : I ! K de classe C , il existe un unique couple ( ;  ) de fonctions de I

2

dans K de classe C vériant :  y +  y = y et 0 y + 0 y = 0 ou de manière équivalente :

1 2
1

 y +  y = y et  y 0 +  y 0 = y 0 .
1 1 2 2 1 1 2 2

(ii) Si b : I ! K est continue, la solution générale de a (t)y 00 + a (t)y 0 + a (t)y = b(t) s'obtient en
1 1 2 2 1 1 2 2

résolvant le système : 0 y + 0 y = 0 et 0 y 0 + 0 y 0 = b=a .

2 1 0

1 1 2 2 1 1 2 2 2

Formule de Duhamel
AvecRles notations précédentes, la solution générale de a (t)y 00 + a (t)y 0 + a (t)y = b(t) est donnée par :
y = st t0 y1 s yw2 ts ay2 1st y2 s b(s) ds+ y (t)+ y (t) où w(s) = y (s)y 0 (s) y 0 (s)y (s) est le déterminant
2 1 0
( ) ( ) ( ) ( )
= ( ) ( ) 1 1 2 2 1 2 1 2

wronskien de (y ; y ) en s et  ;  sont des constantes arbitraires.

1 2 1 2

Exemples
t y 00 4ty 0 + 6y = 0 :
2
équation d'Euler, y = at + bt avec bifurcation en 0.
2 3

t y 00 t(t + 2)y 0 + (t + 2)y = t

2 3
: séries entières, y = at + bte
t t. 2

y 00 + 2ty 0 + 2y = te t :
2
séries entières puis MVC pour y = e
t2 , y = (a + b R t es2 ds t )e t2 .
t ) + a cos t + b sin t.
1s
y 00 + y = tan t :
=0 2

MVC2, y = cos(t) ln(

cos
t 1+sin

page 72 XV  Équations diérentielles

 XVI — Calcul différentiel
E; F désignent des R-ev de dimensions nies.
1) Différentiabilité
Définition : soient
 E f :
! F et a 2
. On dit que f admet un
un ouvert non vide,
développement limité à l'ordre 1 en a s'il existe  2 F , ' 2 L(E; F ), V voisinage de 0E et " : V ! F
tels que : 8 h 2 V , f (a + h) =  + '(h) + khk"(h) avec "(h) h!!E 0F . On écrira khk"(h) = o(khk).
0

Proposition : si un tel développement existe alors  = f (a) et ' est unique. La fonction " dépend de
la norme choisie sur F, mais l'existence d'un développement limité est indépendant d'un tel choix. En
particulier f est continue en a (réciproque fausse).
Définition : une fonction f est diérentiable en a si elle admet un développement limité à l'ordre 1
en a. Dans ce cas, la diérentielle de f au point a est l'application linéaire ', notée dfa . On a donc :
f (a + h) = f (a) + dfa (h) + o(khk).
Exemples : fonction d'une variable réelle, fonction linéaire ou ane, carré inverse déterminant et
exponentielle dans Mn (R).
Dérivée selon un vecteur : f admet en a une dérivée selon le vecteur e si la fonction d'une variable
réelle : t 7! f (a + te) est dérivable en t = 0R . On note alors De f (a) = t (f (a + te))jt . d
=0

f admet des dérivées partielles premières dans la base B = (e ; : : : ; ep ) si pour tout j , Dej f (a) existe.
d

1
@f
On note alors
@xj (a) = Dej f (a) où x ; : : : ; xp sont les noms attribués aux coordonnées dans la base B.
1

@f
@xj (a) = xj f (a e + : : : + xj ej + : : : + ap ep )jxj aj avec a = a e + : : : + ap ep .
d
Donc 1 1 = 1 1
d

Proposition : si f est diérentiable en a alors f admet une dérivée partielle selon tout vecteur et
des dérivées partielles premières dans toute base de E et on a : De f (a) = dfa (e), @x @f (a) = dfa (ej ) et
P @f P j
dfa (h) = j @xj (a )hj avec h = j h j ej .
P @f
En notant dxj l'application h 7! hj , on a donc dfa = j @xj (a)dxj (égalité entre fonctions de h).
Réciproque fausse : f (x; y ) = x2xyy2 si (x; y ) 6= (0; 0) et f (0; 0) = 0. f admet des dérivées partielles
+

premières dans la base canonique de R mais pas dans la base ((1; 1); (1; 1)).
2

f (x; y ) = x2x yy2 si (x; y ) 6= (0; 0) et f (0; 0) = 0. De f (0; 0) = f (e), quantité non linéaire par rapport à e.
2

Dérivées partielles continues : si f admet des dérivées partielles premières dans une base B continues
au voisinage de a alors f est diérentiable en a. En conséquence, f admet alors des dérivées partielles
premières dans toute base de E et elles sont elles aussi continues au voisinage de a.
Définition : on dit que f est de classe C 1
sur

@f
si f admet des dérivées partielles premières dans une
base B en tout point de
et si les fonctions
@xj sont continues sur
. Cette notion est indépendante

de la base de E et des normes sur E et F choisies. Par ailleurs, une fonction de classe C 1
est continue
(réciproque fausse).

Matrice jacobienne :
@fi
.
Jf (a) = MatB0 ;B (dfa ) = @x j
Gradient pour E euclidien et F = R. Lorsque rf (a) 6= 0 et kek = 1, De f (a) = (e j rf (a)) est maximal
pour e = rf (a)=krf (a)k.

2) Propriétés des fonctions de classe C 1

Opérations algébriques
Linéarité, calcul coordonnée par coordonnée dans une base de E , composition par une application linéaire.
Produit : d B (f; g )a (h) = B (dfa (h); g (a)) + B (f (a); dga (h)).

XVI  Calcul diérentiel page 73

 Composée
d( f  g )a = dfg a ( )  dga , Jf g (a) = Jf (g(a))  Jg (a).
Formule de dérivation en chaîne.
Passage en coordonnées polaires.

Application : soient I; J deux intervalles de R, f : I  J ! E et a; b : I ! J de classe C 1

. On a :
R b(x) R b(x)
d
f (x; t) dt) = t a x @f 0
@x (x; t) dt + b (x)f (x; b(x)) a0 (x)f (x; a(x)).
x t ax
(
= ( ) = ( )
d
Rz @f
Démonstration : la seule diculté consiste à prouver que ( x; y; z ) 7! t y @x (x; t) dt
=
est continue.
Limiter x; y; z à des intervalles compacts et borner globalement l'intégrande.
0 0 0
t (f (u(t))) = dfu t (u (t)). En particulier, t (exp(u(t))) = u (t) exp(u(t)) si u et u
d d
( ) commutent.
d d

Les fonctions coordonnées dans une base, les fonctions polynomiales par rapport aux coordonnées et les
fonctions rationnelles sont de classe C 1
sur leur domaine de dénition.

Accroissements finis : soient f : R

!F de classe C , a; b 2
et ' :
1
;
[0 1] !
un arc de classe C 1

joignant a à b. Alors f (b) f (a) = t 1 0

df' t (' (t)) dt.
( )
=0

Conséquences
(i) f est constante sur chaque composante connexe par arcs de
si et seulement si 8 x 2
, dfx = 0.
(ii) Pour
= E , f est ane si et seulement si df est constante.
(iii) Lorsque
est convexe, f est lipschitzienne sur
si et seulement si les dérivées partielles premières
de f dans une base de E sont bornées sur
.
(iv) Lorsque
est un ouvert quelconque, f est lipschitzienne au voisinage de tout point de
.

Extremums locaux pour une fonction à valeurs réelles

f admet un maximum (resp. minimum) local en a s'il existe un voisinage V de a tel que 8x 2 V,
f (x) 6 f (a) (resp. f (x) > f (a)).
Un point a est dit critique pour f lorsque rf (a) = 0.

Proposition
(i) Si f admet un extremum local en a alors rf (a) = 0. La réciproque est fausse.
(ii)Si f est convexe (resp. concave) et rf (a) = 0 alors f (a) = min f (resp. f (a) = max f ).
Exemple : MA + : : : + MAn est minimal pour M = n (A + : : : + An ).
2
1
2 1
1

3) Tangence
Définition : soit et v 2 F . On dit que le vecteur v est tangent en a à l'ensemble V s'il
V  F, a 2 V
existe un arc paramétré ; ] ! V de classe C tel que '(0) = a et '0 (0) = v . Lorsque les vecteurs
': [
1

tangents en a à V forment un sous-espace vectoriel G, le sous-espace ane de direction G passant par a

est appelé : sous-espace ane tangent à V en a.

Exemples
Dans un espace euclidien, les vecteurs tangents à une sphère S (!; R) en a sont les vecteurs orthogonaux au
vecteur a ! . Le sous-espace ane tangent est l'hyperplan ane passant par a de direction orthogonale
au rayon a !.
Soit I 3 t 7! Mt une courbe paramétrée et a 2 I tel qu'il existe une tangente T à la courbe au point
Ma , au sens géométrique, et tel que Mt 6= Ma pour tout t 6= a. Alors les vecteurs tangents en Ma à la
courbe sont les vecteurs appartenant à la direction de T . En conséquence, le sous-espace ane tangent
à la courbe est la droite T . Cette propriété est fausse si Ma est un point double.

Proposition : soit f :
! R de classe C , V = f(x; y ) 2
 R tq y = f (x)g et a 2
. Alors les
1

vecteurs tangents à V en (a; f (a)) sont les vecteurs de la forme (h; dfa (h)) avec h 2 E ; ils forment un
sous-espace vectoriel de E  R isomorphe à E . Le sous-espace ane tangent à V en (a; f (a)) est donc
un hyperplan ane ; c'est le graphe de la fonction x 7! f (a) + dfa (x a) (fonction ane tangente à f
en a).
page 74 XVI  Calcul diérentiel
 lorsque
 R , le sous-espace ane précédent est le plan d'équation
2
Équation du plan tangent :
z f (a) = (x xa ) @f @x (a) + (y ya ) @f
@y (a). En particulier, le plan tangent est horizontal si et seulement
si a est un point critique de f .

Tangente à l’image d’un arc : f :

! F de classe C et t 7! Mt un arc paramétré dans
ayant
soit
1

une tangente T au sens géométrique au point Ma . Si dfMt est injective alors l'arc image t 7! f (Mt )
0
admet une tangente en f (Ma ) qui est l'image de T par l'application ane tangente à f en Ma .

Tangente à une ligne de niveau : soit f :

! R de classe C et a 2
tel que rf (a) 6= 0. Alors 1

l'ensemble L = fx 2
tq f (x) = f (a)g admet un sous-espace ane tangent en a : l'hyperplan ane
passant par a de direction rf (a)? (théorème des fonctions implicites, HP).
Démonstration
Si v est un vecteur tangent en a à L, soit ' un arc paramétré associé. On a 8 t, f ('(t)) = f (a) donc par
dérivation composée, ( rf ('(t)) j '0 (t)) = 0 puis (rf (a) j v) = 0 pour t = 0.
0
si (rf (a) j v ) = 0, on va construire dans L un arc paramétré ' tel que '(0) = a et ' (0) = v . Le cas
v = 0 étant immédiat, on suppose v 6= 0 et on considère la fonction g = (x; y ) 7! f (a + xv + y rf (a))
dénie pour (x; y ) voisin de 0R2 . On a :

@g = (rf (a + xv + y rf (a)) j v ) ! 0
@x x;y ! ( ) 0

@g = (rf (a + xv + y rf (a)) j rf (a)) ! krf (a)k , 2

@y x;y ! ( ) 0

donc il existe  > 0 tel que pour tous x; y 2 [ ; ], j

@g @g
@x j < krf (a)k 6 @y .
1 2

Alors t 7! g (t; t) est strictement croissante sur [ ; ] et t 7! g (t; t) est strictement décroissante
2

sur [ ; ]. Comme g (0; 0) = f (a), il vient : 8 t 2 [0; ], g (t; t) 6 f (a) 6 g (t; t) et l'encadrement inverse
sur [ ; 0]. Avec le théorème des valeurs intermédiaires, pour tout t 2 [ ; ], il existe s 2 [ jtj; jtj] tel
@g
que g (t; s) = f (a) et s est unique à t donné puisque
@y > 0. On pose '(t) = a + tv + srf (a). Ainsi '
0
est à valeurs dans L et '(0) = a. Il reste à prouver que ' est de classe C et ' (0) = v .
1

Soient t ; t 2 [ ; ] avec t 6= t
0 1 0 1 et soient s ;s
0 1 les valeurs de s associées. Pour u 2 [0; 1], on pose
x = (1 u)t + ut et y = (1 u)s
0 1 0 + us 1. Il vient :

R1 @g (x; y ) du +(s R1 @g (x; y ) du = (t

0 = g (t ; s 1) g (t ; s 0) = ( t t 0) u s 0) u t )A +(s s )B
1 0 1 =0
@x 1 =0
@y 1 0 1 0

avecjAj < krf (a)k 6 B . Donc js s j < jt t j et l'application t 7! s est 1-lipschitzienne. Ensuite,
1 2
1 0 1 0

(s s )=(t t ) = A=B ! @x
2
@g = @g (t ; s ) donc t 7! s est dérivable avec ds=dt = @g = @g (t; s),
1 0 1
t !t0 @y 1 0
@x @y 0 0

quantité continue par rapport à t. Ceci prouve le caractère C de '. Pour t = 0, on a s = 0 et

@g
@x (0; 0) = 0,
1

0
d'où nalement ' (0) = v .

4) Dérivées d’ordre supérieur

Définition : soit f :
!F et B une kbase de E dont les coordonnées sont notées x ; : : : ; xp et k > 1. 1
@f @ @ k
On pose, sous réserve d'existence :
@xi :::@xik = @xi : : : @xik f . On dit que f est de classe C lorsque les
pk dérivées de f
1 1
d'ordre k existent et sont continues sur
(toutes les dérivées d'ordre inférieur sont alors
elles aussi continues). Cette propriété est indépendante de la base B choisie.
Stabilité de la classe Ck par combinaison linéaire, produit et composition. Les fonctions coordonnées
dans une base, les fonctions polynomiales par rapport aux coordonnées et les fonctions rationnelles sont
de classe C k sur leur domaine de dénition.
: soit @2f
f de classe C et x; y deux coordonnées. On a @x@y @2f
@y@x .
2
Théorème se Schwarz =

f C x3 y
x2 y2 .
2
Contre-exemple avec non :
+

XVI  Calcul diérentiel page 75

 Conséquence : soient g; h :
 R ! F de classe C . Une condition nécessaire pour qu'il existe f :
2 1

! F vériant @f
@x = g et
@f = h est @g = @h . Lorsque
est étoilé, cette condition est aussi susante
@y @y @x
(théorème de Poincaré, HP).
Contre-exemple avec
non étoilé :
x y2 y2 x .
d d
x y +

5) Équations aux dérivées partielles

@f = 0 sur un ouvert convexe.
@x
@f = g , sur un rectangle.
@x
x @f + y @f = f sur R n f(0; 0)g.
2

@x @y
x 2@ f 2
y @ f = 0 sur (R ) avec le changement de variable u = xy , v = x=y . f
2
2
+ 2
=
pxy g(x=y) + h(xy).
@x 2
@y 2

page 76 XVI  Calcul diérentiel

 Table des matières

I  Groupes ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 2
1. Dénitions
2. Puissances et multiples
3. Sous-groupes
4. Morphismes
5. Le groupe Z=nZ
6. Groupes monogènes

II  Anneaux ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 5
1. Dénitions
2. Idéaux et divisibilité dans un anneau commutatif
3. Décomposition en facteurs irréductibles
4. L'anneau Z=nZ
5. Compléments sur les polynômes

III  Matrices ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 9

1. Opérations
2. Déterminant
3. Polynôme caractéristique
4. Polynôme minimal
5. Applications des matrices aux ev de dimension nie

IV  Réduction des endomorphismes :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 13

1. Éléments propres d'un endomorphisme
2. Diagonalisation, trigonalisation en dimension nie
3. Polynômes d'un endomorphisme
4. Endomorphismes nilpotents
5. Calcul des puissances d'une matrice carrée
6. Système diérentiel d'ordre 1

V  Espaces vectoriels normés ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 19

1. Norme
2. Suites convergentes
3. Comparaison de normes
4. Topologie d'un espace vectoriel normé
5. Compacité

VI  Fonctions continues :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 24

1. Limites
2. Continuité
3. Continuité des applications linéaires et bilinéaires
4. Fonctions continues sur un compact
5. Convexité, connexité

VII  Fonctions d'une variable réelle :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 28

1. Dérivation
2. Fonctions convexes
3. Intégrale sur un segment
4. Courbes paramétrées

page 77
VIII  Séries :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 33
1. Convergence d'une série
2. Critères de convergence
3. Sommation des relations de comparaison
4. Séries doubles
5. La série exponentielle

IX  Intégrales généralisées ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 38

1. Convergence d'une intégrale
2. Critères de convergence
3. Intégration terme à terme
4. Convergence dominée

X  Suites, séries et intégrales à paramètre :::::::::::::::::::::::::::::::::::::::::::::::::::::: 42

1. Interversion des limites
2. Fonction dénie par une limite
3. Fonction dénie par une série
4. Fonction dénie par une intégrale

XI  Espaces préhilbertiens ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 47

1. Rappels
2. Orthogonalité
3. Familles orthonormales
4. Endomorphismes orthogonaux
5. Endomorphismes symétriques
6. Endomorphismes antisymétriques (HP)

XII  Séries entières :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 54

1. Rayon de convergence
2. Opérations sur les séries entières
3. Propriétés analytiques
4. Développements en série entière
5. Application des séries entières

XIII  Sommabilité ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 58

1. Ensembles dénombrables
2. Famille sommable de réels positifs
3. Famille sommable de vecteurs
4. Applications des familles sommables (HP)

XIV  Probabilités :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 62

1. Espaces probabilisés
2. Variables aléatoires discrètes
3. Moments
4. Fonction génératrice
5. Lois usuelles
6. Loi des grands nombres

XV  Équations diérentielles ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 68

1. Introduction
2. Équation linéaire
3. Équation linéaire à coecients constants
4. Équation linéaire scalaire d'ordre 2

page 78
XVI  Calcul diérentiel :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: 73
1. Diérentiabilité
2. Propriétés des fonctions de classe C 1

3. Tangence
4. Dérivées d'ordre supérieur
5. Équations aux dérivées partielles

page 79