Cours de Mathématiques MP*

Denis FAVENNEC
Transcrit par Benjamin DUFOURJULES

Année scolaire 2014-2015

2 MP∗ B.DufourJules
Table des matières

1 Algèbre générale 5
1.1 Relation d'équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Classes d'équivalences, ensemble quotient . . . . . . . . . . . . . . . . . . 6
1.1.3 Relation compatible avec une loi . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Structure de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Sous-groupes, groupes engendrés par une partie . . . . . . . . . . . . . . . 12
1.2.3 Groupes monogènes, groupes cycliques . . . . . . . . . . . . . . . . . . . . 13
1.2.4 Groupe produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.5 Groupes de cardinal premier . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.6 Groupe symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.7 Groupes et géométries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Anneaux et Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1 Dénitions générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.2 Anneaux Quotient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.3 Anneaux produits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.4 L'anneau nZ Z
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.5 Indicatrice d'Euler et théorème Chinois . . . . . . . . . . . . . . . . . . . 27
1.4 Arithmétique générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.1 Idéal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.2 Divisibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4.3 Anneaux principaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.4.4 Cas de K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5 Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.5.1 Caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.5.2 Corps ni (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.5.3 Morphisme de Frobenius (HP) . . . . . . . . . . . . . . . . . . . . . . . . 39
1.6 Algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.6.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.6.2 Sous-algèbre engendrée par un élément (HP) . . . . . . . . . . . . . . . . 41
1.6.3 Théorème de Liouville (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.7 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.7.1 Sous-groupes additifs de R . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.7.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7.3 Polynômes de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7.4 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3
TABLE DES MATIÈRES TABLE DES MATIÈRES

2 Séries numériques et familles sommables 49

2.1 Suites réelles et complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1.2 Suites extraites, valeurs d'adhérence . . . . . . . . . . . . . . . . . . . . . 51
2.1.3 Théorème de Césaro (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.2 Séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.3 Comparaison série intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2.4 Règle de d'Alembert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.5 Sommation des relations de comparaison . . . . . . . . . . . . . . . . . . . 62
2.2.6 Séries de signe quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3 Familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.1 Dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.2 Familles sommables de réels positifs . . . . . . . . . . . . . . . . . . . . . 68
2.3.3 Familles sommables de réels ou de complexes . . . . . . . . . . . . . . . . 73
2.3.4 Produit de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.3.5 Théorème de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.3.6 Produits innis (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.3.7 Règle d'Abel (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

3 Probabilités sur un univers dénombrable 83

3.1 Tribu,probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.1.1 Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.1.2 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.1.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2 Indépendance, conditionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.1 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.2 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.3.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.3 Variables aléatoires à valeur dans Rd . . . . . . . . . . . . . . . . . . . . . 100
3.3.4 Couples de Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . 102
3.3.5 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . 104
3.4 Moments d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.4.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.4.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.4.3 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.4.4 Moment d'ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.4.5 Markov, Bienaymé-Tchebychev, grands nombres . . . . . . . . . . . . . . 113

4 Calcul matriciel 115

4.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.1.1 Structure de Mn,p (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.1.2 Produits par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.1.3 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.4 Matrices triangulaires, diagonales . . . . . . . . . . . . . . . . . . . . . . . 118
4.1.5 Calcul de puissance et d'inverse . . . . . . . . . . . . . . . . . . . . . . . . 119

4 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

4.2 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

4.2.1 Matrices équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.2.2 Similitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.2.3 Trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.3 Quelques résultats à connaitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.3.1 Centre de GLn (K) (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.3.2 Lagrange, Vandermonde, Cauchy . . . . . . . . . . . . . . . . . . . . . . . 127
4.4 Rang et opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.1 Rang d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.2 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.3 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

5 Réduction des endomorphismes 133

5.1 Éléments propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1.2 Propriété élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.3 Polynômes d'endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . 136
5.2 Dimension nie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.1 Éléments propres d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.2 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.3 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.2 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.3 Polynôme annulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.3.4 Diagonalisation eective . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
5.3.5 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . 151
5.3.6 Commutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.4 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.4.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
5.4.3 Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . . . 161
5.4.4 Réduction de Jordan (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 164
5.4.5 Produit Tensoriel (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167

6 Espaces vectoriels normés 169

6.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
6.1.1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
6.1.2 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
6.1.3 Boules et sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
6.1.4 Suite dans un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . 174
6.1.5 Comparaison des normes . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
6.2 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.2 Intérieur, adhérence, frontières . . . . . . . . . . . . . . . . . . . . . . . . 179
6.2.3 Inuence de la norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.2.4 Caractérisation séquentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 181
6.2.5 Topologie induite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.3 Limite et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
6.3.1 Dénition de limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183

5 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

6.3.2 Propriétés des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

6.3.3 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
6.3.4 Continuité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
6.3.5 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . . . . 192
6.3.6 Lc (E, F ) et Lc (E) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
6.4 Compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.4.2 Compacité et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
6.4.3 Compacité en dimension nie . . . . . . . . . . . . . . . . . . . . . . . . . 197
6.4.4 Théorème de Riesz (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
6.5 Séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.5.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.5.2 Cas de la dimension nie . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.5.3 Algèbre normée de dimension nie . . . . . . . . . . . . . . . . . . . . . . 205
6.5.4 Utilisation de la densité de GLn (C) . . . . . . . . . . . . . . . . . . . . . 207
6.6 Convexité, connexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6.6.1 Barycentres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6.6.2 Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
6.6.3 Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.6.4 Inégalités de Hölder et Minkowski (HP) . . . . . . . . . . . . . . . . . . . 217
6.6.5 Connexité par arcs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
6.7 Compléments (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.7.1 Semi-continuité inférieure du rang . . . . . . . . . . . . . . . . . . . . . . 222
6.7.2 Résultant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.7.3 Continuité des racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
6.7.4 Topologie de Mn (C) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224

7 Fonction d'une variable réelle 229

7.1 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7.1.2 Dérivées d'ordre supérieures . . . . . . . . . . . . . . . . . . . . . . . . . . 231
7.1.3 C k -diéomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.1.4 Fonctions C k par morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . 234
7.2 Accroissements nis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.2.1 Le théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.2.2 Complétude, suites de Cauchy (HP) . . . . . . . . . . . . . . . . . . . . . 236
7.2.3 Théorème de prolongement de la dérivée . . . . . . . . . . . . . . . . . . . 238
7.2.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
7.3 Arcs paramétrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.3.2 Étude locale d'un arc plan . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
7.3.3 Tracé d'un arc plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
7.3.4 Théorème de relèvement (HP) . . . . . . . . . . . . . . . . . . . . . . . . 250
7.3.5 Abscisses curvilignes (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

6 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

8 Suites et séries de fonctions 253

8.1 Modes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
8.1.1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
8.1.2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
8.1.3 Cas d'une série de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 257
8.2 Théorème de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
8.2.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
8.2.2 Théorème d'interversion des limites . . . . . . . . . . . . . . . . . . . . . . 262
8.2.3 Intégration termes à termes . . . . . . . . . . . . . . . . . . . . . . . . . . 263
8.2.4 Théorème de dérivation termes à termes . . . . . . . . . . . . . . . . . . . 265
8.3 Approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
8.3.1 Théorème de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
8.3.2 Approximations uniformes des fonctions CM sur [a; b] . . . . . . . . . . . 269
8.3.3 Théorème de Weierstrass trigonométrique (HP) . . . . . . . . . . . . . . . 270

9 Séries entières 273

9.1 Rayon de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.1.2 Dénition du rayon de convergence . . . . . . . . . . . . . . . . . . . . . . 273
9.1.3 Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
9.2 Propriétés analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
9.2.1 Convergence normale sur les compacts du disque ouverts . . . . . . . . . . 279
9.2.2 Continuité, dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
9.3 Développements en séries entières . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
9.3.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
9.3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
9.3.3 Développement obtenu par la formule de Taylor . . . . . . . . . . . . . . . 287
9.3.4 Développements en série entières usuels . . . . . . . . . . . . . . . . . . . 289
9.3.5 Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
9.3.6 Développement obtenu à partir d'une équation diérentielle / fonctionnelle 292
9.4 Séries génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
9.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
9.4.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
9.4.3 Processus de Galton-Watson (HP) . . . . . . . . . . . . . . . . . . . . . . 298

10 Intégration 301
10.1 Intégration sur un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
10.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
10.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
10.1.3 Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
10.1.4 Intégrales et primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
10.2 Intégration sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.2 Cas d'une fonction à valeurs positives . . . . . . . . . . . . . . . . . . . . 313
10.2.3 Espace L1 (I, K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
10.2.4 Espace L2 (I, K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
10.2.5 Intégrations par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
10.2.6 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
10.2.7 Intégration des relations de comparaisons . . . . . . . . . . . . . . . . . . 322

7 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

10.3 Comparaison séries-intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324

10.3.1 Relation de Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
10.3.2 Cas d'une fonction positive décroissante . . . . . . . . . . . . . . . . . . . 325
10.4 Théorème de convergence dominée . . . . . . . . . . . . . . . . . . . . . . . . . . 327
10.4.1 Le théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
10.4.2 Théorème d'intégration termes à termes . . . . . . . . . . . . . . . . . . . 331
10.5 Intégrale fonction d'un paramètre . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
10.5.1 Les théorèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
10.5.2 Calcul d'intégrale à paramètre . . . . . . . . . . . . . . . . . . . . . . . . 339
10.5.3 Théorèmes de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
10.6 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
10.6.1 Intégrale de Dirichlet (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 343
10.6.2 Transformée de Laplace (HP) . . . . . . . . . . . . . . . . . . . . . . . . . 344
10.6.3 Analyse complexe (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
10.6.4 Transformation de Fourrier . . . . . . . . . . . . . . . . . . . . . . . . . . 347
10.6.5 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348

11 Espaces préhilbertiens 351

11.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
11.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
11.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
11.1.3 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
11.1.4 Familles orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
11.1.5 Procédé d'orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . 358
11.1.6 Bases orthonormées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
11.2 Supplémentaire orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
11.2.1 Existence éventuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
11.2.2 Caractérisation métrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
11.2.3 Famille totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
11.2.4 Déterminant de Gram (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 367

12 Espaces Euclidiens 371

12.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
12.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
12.1.2 Théorème de représentation des formes linéaires . . . . . . . . . . . . . . 372
12.2 Isométries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
12.2.1 Dénition, propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . 373
12.2.2 Forme matricielle, On (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
12.2.3 Étude de O2 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
12.2.4 Théorème de réduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
12.2.5 Orientation de l'espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
12.2.6 Réduction, des isométries de l'espace . . . . . . . . . . . . . . . . . . . . . 383
12.3 Endomorphismes auto-adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
12.3.1 Dénition, propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
12.3.2 Théorème spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
12.3.3 Formes quadratiques associées à un endomorphisme auto-adjoint (HP) . . 388
12.3.4 Décomposition polaire (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 390
12.3.5 Réduction des endomorphismes antisymétriques (HP) . . . . . . . . . . . 391
12.3.6 Matrices de Gram et Sn+ (R) (HP) . . . . . . . . . . . . . . . . . . . . . . 393

8 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

12.3.7 Théorème d'intercalation des valeurs propres (HP) . . . . . . . . . . . . . 393

13 Calcul diérentiel 397

13.1 Diérentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
13.1.1 Dénitions, exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
13.1.2 Dérivée directionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
13.1.3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
13.1.4 Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
13.1.5 Composition des diérentielles . . . . . . . . . . . . . . . . . . . . . . . . 402
13.1.6 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
13.2 Classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
13.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
13.2.2 Théorème de caractérisation . . . . . . . . . . . . . . . . . . . . . . . . . . 408
13.2.3 Inégalité des accroissements nis . . . . . . . . . . . . . . . . . . . . . . . 410
13.2.4 Condition nécessaire d'extremum . . . . . . . . . . . . . . . . . . . . . . . 411
13.2.5 Matrice jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
13.2.6 Dérivation au sens complexe (HP) . . . . . . . . . . . . . . . . . . . . . . 415
13.3 Classe C k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
13.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
13.3.2 Théorème de Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418
13.3.3 Exemples à connaître . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
13.4 Vecteurs tangents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
13.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
13.4.2 Cas d'une ligne ou surface équipotentielle . . . . . . . . . . . . . . . . . . 423
13.4.3 Application à la recherche d'extremums (HP) . . . . . . . . . . . . . . . . 425

14 Équations diérentielles linéaires 427

14.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
14.1.1 Équation diérentielle linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 427
14.1.2 Structure de l'ensemble des solutions . . . . . . . . . . . . . . . . . . . . . 430
14.1.3 Théorème de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . 431
14.1.4 Résolvante, Wronskien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
14.1.5 Variations des constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
14.1.6 Résolution d'une équation diérentielle linéaire scalaire d'ordre 1 . . . . . 436
14.2 Équations d'ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
14.2.1 Équation homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
14.2.2 Variations des constantes à l'ordre 2 . . . . . . . . . . . . . . . . . . . . . 440
14.2.3 Problème de raccord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
14.2.4 Équations diérentielles non linéaires (HP) . . . . . . . . . . . . . . . . . 442
14.3 Systèmes diérentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
14.3.1 Résolution générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
14.3.2 Résolution pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
14.3.3 Cas général d'une équation linéaire à coecients constants . . . . . . . . 447

9 MP∗ B.DufourJules
TABLE DES MATIÈRES TABLE DES MATIÈRES

10 MP∗ B.DufourJules
Chapitre 1

Algèbre générale

Sommaire
1.1 Relation d'équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Classes d'équivalences, ensemble quotient . . . . . . . . . . . . . . . . 6
1.1.3 Relation compatible avec une loi . . . . . . . . . . . . . . . . . . . . . 7
1.2 Structure de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Sous-groupes, groupes engendrés par une partie . . . . . . . . . . . . . 12
1.2.3 Groupes monogènes, groupes cycliques . . . . . . . . . . . . . . . . . . 13
1.2.4 Groupe produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.5 Groupes de cardinal premier . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.6 Groupe symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.7 Groupes et géométries . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Anneaux et Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1 Dénitions générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.2 Anneaux Quotient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.3 Anneaux produits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.4 L'anneau nZZ
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.5 Indicatrice d'Euler et théorème Chinois . . . . . . . . . . . . . . . . . 27
1.4 Arithmétique générale . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.1 Idéal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.2 Divisibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4.3 Anneaux principaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.4.4 Cas de K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5 Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.5.1 Caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.5.2 Corps ni (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.5.3 Morphisme de Frobenius (HP) . . . . . . . . . . . . . . . . . . . . . . 39
1.6 Algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.6.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.6.2 Sous-algèbre engendrée par un élément (HP) . . . . . . . . . . . . . . 41
1.6.3 Théorème de Liouville (HP) . . . . . . . . . . . . . . . . . . . . . . . . 43

11
1.1. RELATION D'ÉQUIVALENCE CHAPITRE 1. ALGÈBRE GÉNÉRALE

1.7 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.7.1 Sous-groupes additifs de R . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.7.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7.3 Polynômes de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7.4 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

1.1 Relation d'équivalence

1.1.1 Dénitions
Relations binaires

Une relation binaire sur un ensemble E est une partie de E 2

Relations d'équivalences

Ce sont des relations binaires qui vérient :

1. réexivité : ∀x ∈, xRx
2. symétrique : ∀(x, y) ∈ E 2 , xRy ⇔ yRx
3. transitivité : ∀(x, y, z) ∈ E 3 , xRy et yRz ⇒ xRz
Deux éléments sont en relation si et seulement si ils ont une valeur commune

Exemples
1. L'égalité
2. Les classes d'un lycée, tranches d'imposition
3. Soit f : E −→ F une application :
xRy ⇔ f (x) = f (y)

Congruences

Soit n ∈ N∗ :

x ≡ y[n] ⇔ n | x − y

Relation caractéristique d'un groupe

Soit G un groupe et H un sous groupe de G, on dénit la relation R :

xRy ⇔ x−1 y ∈ H
1. x−1 x = e ∈ H : xRx
2. x−1 y ∈ H ⇔ (yx−1 )−1 ∈ H ⇔ xy −1 ∈ H donc, xRy ⇔ yRx
3. xRy et yRz ⇒ (x−1 y, y −1 z) ∈ H ⇒ x−1 (yy −1 )z ∈ H ⇒ x−1 z ∈ H

12 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.1. RELATION D'ÉQUIVALENCE

1.1.2 Classes d'équivalences, ensemble quotient

Dénition

Soit E un ensemble muni d'une relation d'équivalence R . Soit x ∈ E , on dénit la classe

de x :
x̄ = Cl(x) = {y ∈ E/yRx}

Théorème

2 classes distinctes sont soient égales soient disjointes :

∀(x, y) ∈ E 2 , x̄ = ȳ ou x̄ ∩ ȳ = ∅

Ensemble quotient

L'ensemble des classes d'équivalences s'appelle l'ensemble quotient, noté :

E
R

Remarque : on peut dénir une relation d'équivalence sur chaque partition

Étude de cas particulier

Soit n ∈ N∗, on note l'ensemble quotient de la relation congruences modulo n sur Z est
noté :
Z
nZ

On note card( nZ
Z
)=n

Preuve : n0 ∈ Z, par division euclidienne :

∃!(q, r) ∈ Z × [| 0; n − 1 |]/n0 = qn + r ⇒ n0 ∈ r̄

r, r0 ∈ [| 0; n − 1 |], r̄ = r¯0 ⇒ r = r¯0

Théorème de Lagrange (HP)

Soit (G, ·) et H un sous-groupe de G, G ni et R la relation d'équivalence sur G :

xRy ⇔ x−1 y ∈ H ⇔ ∃h ∈ H, x−1 y = h ⇔ ∃h ∈ H, y = xh

13 MP∗ B.DufourJules
1.1. RELATION D'ÉQUIVALENCE CHAPITRE 1. ALGÈBRE GÉNÉRALE

Il vient : x̄ = {xh/h ∈ H} = xH
ϕ : H → xH
Or :
x 7→ xh
est surjective et par dénition de xH est injective car x est inversible.
On a donc : card(xH) = card( R G
)card(H)

Il vient le corollaire suivant : si G est un groupe ni et H un sous-groupe de G, alors :

card(H) | card(G)

Par conséquent un groupe de cardinal premier admet deux sous-groupe : e et lui même

1.1.3 Relation compatible avec une loi

Soit (E,*) un magma et R une relation d'équivalence. On souhaite dénir une loi * sur E
R
telle que :

x̄ ∗ ȳ = x ¯∗ y

Pour ce faire il faut que si x̄ = x̄0 et ȳ = y¯0 alors x ∗ y = x0 ∗ y 0 , il y a indépendance du

représentant choisit

Dénition

On dit que * est compatible avec R si et seulement si :

∀(x, x0 , y, y 0 ) ∈ E 4 , xRx0 et yRy 0 ⇒ x ∗ yRx0 ∗ y 0

Dans ce cas on peut dénir la loi quotient sur E
R : x̄ ∗ ȳ = x ∗ y

Théorème

Si * possède un neutre e alors la loi quotient a pour neutre ē

Si x est associative (resp. commutative) alors la loi quotient l'est aussi
¯ = x̄−1
Si x est inversible pour * alors x−1
Si (E,*) est un groupe alors ( R
E
,*) l'est aussi

Cas de Z
nZ

On peut munir Z
nZ d'une loi de groupe notée + pour :

x̄ + ȳ = x + y
0̄ est le neutre
−x̄ = −x ¯ =n−x

14 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

+ 0 1 2
0 0 1 2
Exemple :
1 1 2 0
2 2 0 1

1.2 Structure de groupes

1.2.1 Morphismes de groupes
Dénition

Soient (G, ·) et (G0 , ∗) deux groupes. On dit qu'une application ϕ de G dans G' est un
(homo)morphisme de groupe si :

∀(x, y) ∈ G2 , ϕ(x · y) = ϕ(x) ∗ ϕ(y)

Dans ce cas : ϕ(e) = e0 et ∀x ∈ G, ϕ(x−1 ) = ϕ(x)−1

Preuve : ϕ(e · e) = ϕ(e) et ϕ(e · e) = ϕ(e)2 ⇒ ϕ(e) = e0

ϕ(x · x−1 ) = ϕ(x) ∗ ϕ(x−1 ) et ϕ(x · x−1 ) = ϕ(e) = e0 ⇒ ϕ(x) ∗ ϕ(x−1 ) = e0 ⇒ ϕ(x−1 ) = ϕ(x)−1

Exemples
ϕ : (Z, +) → (G, ·)
1. x ∈ G et
n 7→ xn
n1 +n2 n1 n2
ϕ(n1 + n2 ) = x = x · x = ϕ(n1 ) · ϕ(n2 )
ln : (R∗+ , ×) → (R, +)
2.
x 7→ ln(x)
ln(xy) = ln(x) + ln(y)
ϕ : (R∗+ , +) → (C∗ , ×)
3.
θ 7 → exp(iθ)
4. L'identité est un morphisme de groupe
5. Le morphisme trivial qui envoie tous les éléments sur le neutre est un morphisme de groupe

Isomorphismes

Ce sont des morphismes bijectifs de (G, ·) dans (G0 , ∗). Dans ce cas l'application réci-
proque est aussi un morphisme de groupes. On dit que G et G' sont isomorphes, un isomor-
phisme transporte dèlement la structure de G sur celle de G', ils ont les mêmes propriétés

Preuve :

∀(x0 , y 0 ) ∈ G02 , f (f −1 (x0 ∗ y 0 )) = x0 ∗ y 0 = f (f −1 x0 ) ∗ f (f −1 y 0 ) = f (f −1 (x0 ) ∗ f −1 (y 0 ))

f étant bijective : f −1 (x0 ∗ y 0 ) = f −1 (x0 ) ∗ f −1 (y 0 )

15 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

Exemples
1. ln : (R∗+ , ×) −→ (R, +) est bijectif, c'est un isomorphisme de groupe
2. Sa réciproque exp : (R, +) −→ (R∗+ , ×) est aussi un isomorphisme de groupe
: G → τ G
3. Soit {e; a; b} un groupe a 3 éléments, montrons que si (G, ·) est un groupe , ∀g ∈ G
x 7→ gx
est bijective. Dans une table de groupe, chaque élément apparaît une et une seule fois dans
* e a b
e e a b
chaque ligne et chaque colonne :
a a b e
b b e a
est la seule loi possible, tout les groupes à 3 éléments sont isomorphes à nZ
Z

Image et Image réciproque d'un morphisme

Soit f : G −→ G0 un morphisme de groupe

1. Soit H un sous-groupe de G alors f (H) est un sous-groupe de G'

2. Soit H' un sous-groupe de G' alors f −1 (H 0 ) est un sous-groupe de G
3. Lorsque H=G, f (G) est un sous-groupe de G' appelé image de f noté Im(f ) :
f est surjective ⇔ Im(f ) = G0
4. Lorsque H 0 = {e}, f −1 ({e}) = {x ∈ G/f (x) = e0 } est un sous-groupe de G, appelé
noyau de f , noté Ker(f ).
f est injective ⇔ Ker(f ) = {e}

Preuve :
1. e ∈ H ⇒ e0 = f (e) ∈ H
Soit (x0 , y 0 ) ∈ f (H)2 : ∃(x, y) ∈ H 2 ,
x0 = f (x)
0
y = f (y)
0 0 −1 −1
x · (y ) = f (x) ∗ f (y)= f (x) ∗ f (y ) = f (x · y −1 ) ∈ f (H)
−1

f (H) est un sous-groupe de G'

2. f (e) = e0 ∈ H 0 ⇒ e ∈ f −1 (H 0 ), soit (x, y) ∈ f −1 (H 0 )2 , f (xy −1 ) = f (x) ∗ f (y)−1 ∈ H 0
f −1 (H 0 ) est un sous-groupe de G
3. Si f est injective : x ∈ Ker(f ) ⇒ f (x) = e0 ⇒ f (x) = f (e) ⇒ x = e
Ker(f ) = {e}
Si Ker(f ) = {e} : (x, y) ∈ G 2

f (x) = f (y) ⇔ f (x)f (y)−1 = e

⇔ f (xy −1 ) = e
⇔ xy −1 = e
⇔ x=y
f est injective

16 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

Remarque
Si f est un morphisme de groupes quelconque. Soit (x1 , x2 ) ∈ G2

f (x1 ) = f (x2 ) ⇔ x1 x−1 −1

2 ∈ Ker(f ) ⇔ x1 x2 ∈ Ker(f )

Si la loi de G est notée + :

f (x1 ) = f (x2 ) ⇔ x1 − x2 ∈ Ker(f ) ⇔ x2 = x1 + Ker(f )

Décomposition canonique d'un morphisme (HP)

Soit f : (G, ·) −→ (G0 , ∗) est un morphisme de groupes. La relation d'équivalence R

dénie sur G par :

∀(x, y) ∈ G2 , xRy ⇔ f (x) = f (y) ⇔ xy −1 ∈ Ker(f )

Cette relation d'équivalence est compatible avec la loi · . On peut alors munir l'ensemble
quotient, noté Ker(f
G
) d'une structure de groupe. De plus, l'application

G
f : Ker(f ) → Im(f )
x 7 → f (x) = f (x)

est bien dénie et est un isomorphisme de G

Ker(f ) sur Im(f )

Preuve : soit (x, x0 , y, y 0 ) ∈ G4 xRy et x0 Ry 0 on a : xyRx0 y 0

Soit (x, x0 ) ∈ G2 , telle que x = x0 alors f (x) = f (x0 ), on peut donc dénir :

f (x) = f (x) indépendamment du représentant choisi

De plus soit (x, y) ∈ G2 :

f (x · y) = f (x · y) = f (x · y) = f (x) ∗ f (y) = f (x) ∗ f (y)

f est un morphisme de G
Ker(f ) dans Im(f )

f est surjective, car on réduit l'ensemble d'arrivée à l'ensemble des images

f est injective car :

∀x ∈ G, x ∈ Ker(f ) ⇔ f (x) = e0
⇔ f (x) = e0
⇔ x ∈ Ker(f ) = e
⇔ x=e

Ker(f ) = {e}

17 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

1.2.2 Sous-groupes, groupes engendrés par une partie

Dénition

Soit (G, ·) un groupe, une partie H de G est un sous-groupe si et seulement si :

1. H ⊂ G
2. e ∈ H
3. ∀(x, y) ∈ H 2 , xy −1 ∈ H
Alors H est un groupe. De plus toute intersection de sous-groupe de G est un sous-groupe
de G

BSoit H1 , H2 deux sous-groupes de G, tel que H1 * H2 et H2 * H1 . Soit alors x ∈ H1 \ H2

et y ∈ H2 \ H1 .
Si H1 ∪ H2 était un sous-groupe de G, on aurait :

xy ∈ H1 ∪ H2 ⇒ xy ∈ H1 , xy ∈ H2
⇒ x = (xy)y −1 ∈ H2

Ce qui est absurde

Sous-groupe engendré

Soit (G, ·) un groupe, A une partie quelconque de G. On appelle sous-groupe engendré

par A et on notre gr(A), l'intersection de tous les sous-groupes de G contenant A, on a :

gr(A) est un sous-groupe de G, contenant A

Tout sous-groupe de G contenant A contient gr(A)

Cette propriété caractérise gr(A), le plus petit (au sens de l'inclusion) sous-groupe de G
contenant A. On dit que A est génératrice de G si et seulement si gr(A) = G

Exemples
1. gr(∅) = {e}, intersection de tous les sous-groupes de G
2. A est un sous-groupe de de G ⇔ gr(A) = A
3. Soit x ∈ G , gr(A) = {xn /n ∈ Z}
f : Z → G
Preuve : est un morphisme de groupe
n 7→ xn
{x /n ∈ Z} = Im(f ) est un sous-groupe de G, il contient x.
n

Soit H un sous-groupe de G contenant x, la loi · étant interne alors ∀n ∈ Z, xn ∈ H donc

{xn /n ∈ Z} ⊂ H , d'où :
gr(A) = {xn /n ∈ Z}

Remarque
Généralement on vérie que :
gr(A) = {aε11 ...aεnn /n ∈ N, (a1 , ..., an ) ∈ An , εk ∈ {−1; 1}

18 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

Dans σn , l'ensemble des transpositions est générateur

Dans le groupe des isométries du plan, l'ensemble des symétries orthogonales par rapport à une
droite est générateur

1.2.3 Groupes monogènes, groupes cycliques

Dénitions

Un groupe monogène est engendré par un seul élément :

G = {xn /n ∈ Z} ou {nx/n ∈ Z}

Un groupe cyclique est monogène et ni

Exemples
1. (Z, +) = gr{1} est monogène
2. ( nZ
Z
, +) = gr{1} est cyclique
3. Tout sous-groupe de (Z, +) est monogène. En eet, soit H un sous-groupe de (Z, +) alors
H = nZ = gr{n}

Théorème de structure

ϕ : Z → G
Soit G = gr{x} un groupe monogène,l'application : est un mor-
n 7 → xn
phisme de groupe injectif.
Ker(f ) est un sous-groupe de Z, ∃!n ∈ N, Ker(f ) = nZ
Si n=0 alors Ker(f ) = {0}, f est un isomorphisme de (Z, +) dans (G, ·) inni
ϕ : nZ Z
→ G
Si n >0 alors alors card(G) = card( nZ
Z
) = n. On dénit un isomor-
k 7→ xk
phisme de nZZ
dans G

Preuve : n=0 , Ker(f ) = {0} et f est bijective : c'est un isomorphisme

n>0 : f est bien dénie, car si k = k 0 alors n | k − k 0 ⇒ k − k 0 ∈ nZ = Ker(f ))
0 0
Par conséquent f (k − k 0 ) = e = xk−k ⇒ xk = xk
Par construction f est surjective et c'est un morphisme car :

∀(k, k 0 ) ∈ Z2 , f (k + k 0 ) = f (k + k 0 )
= f (k + k 0 )
= f (k) · f (k 0 )

Enn, ∀k ∈ Z, f (k) = e ⇔ f (k) = e ⇔ k = 0̄

f est bijective

19 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

Exemples
2ikπ 2iπ
Soit n ∈ N∗ , Un = {e n /k ∈ [|0; n − 1|]} = gr{e n } C'est un groupe monogène ni, il est
cyclique. On peut dénir le morphisme :

ψ : Z
nZ → Un
2ikπ
k 7 → e n

Ordre d'un élément

1. Soit G un groupe et x ∈ G, si gr{x} est ni de cardinal n ∈ N∗ , on dit que x est

d'ordre ni n, noté : ω(x) = n, cette notation n'est pas universelle
2. Par dénition x = min{k ∈ N∗ /xk = e}. n est caractérisé par : Ker(f ) = nZ, c'est à
dire :
∀k ∈ Z, xk = e ⇔ n|k

Exemples
1. ω(e) = 1, e est le seul élément d'ordre 1
2. ω((i, j)) = 2 car (i, j)2 = id. En eet l'ordre divise 2 mais n'est pas 1 car ce n'est pas
l'identité
3. Il en découle que l'ordre d'un p-cycle est p
4. Dans (O, ◦) une symétrie vectorielle orthogonale par rapport à une droite est d'ordre 2
5. Soit θ ∈ R/ πθ ∈
/ Q. On considère Rθ :
θ
∀k ∈ Z, (θ)n = Rnθ = id ⇔ n ∈ 2πZ ⇔ π ∈Q
Ce qui est absurde, donc cette rotation n'est pas d'ordre ni
6. Soit n ∈ N∗ et m ∈ Z, on recherche l'ordre de m dans Z
nZ

k ∈ Z, km = 0̄ ⇔ km = 0̄
⇔ n|km
⇔ n1 (n ∧ m)|km1 (n ∧ m), n1 ∧ m1 = 1
⇔ n1 |km1 , ∧m1 = 1

D'après le théorème de Gauss : n1 |k , ainsi :

n
ω(m) = n1 = n∧m

Il vient pour n=6 :

gr{0̄} = 0̄
gr{1̄} = 1̄
gr{2̄} = {0̄; 2̄; 4̄}
gr{3̄} = {0̄; 3̄}
gr{4̄} = {0̄; 4̄; 2̄}
gr{5̄} = {0̄; 5̄; 4̄; 3̄; 2̄; 1̄} = Z
6Z

20 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

7. (ENS) Soit G un groupe abélien ni, on dénit l'exposant de G, m =

W
ω(x)
x∈G
∀x ∈ G, ω(x)|m donc xm = e. Montrer que :

∃x0 ∈ G/ω(x) = m

Indication : on pourra considérer la décomposition en produit de facteurs premiers de m.

Dénissons tout d'abord la valuation p-adique : νp (n) est l'exposant de p dans la décom-
position en produit de facteurs premiers de m :

Y
n= pνp (n)
p∈P

On observe les propriétés suivantes :

a|b ⇔ ∀p ∈ P, νp (a) ≤ νp (b)
νp (a ∧ b) = min(νp (a), νp (b))
νp (a ∨ b) = max(νp (a), νp (b))
donc, νp (m) = maxx∈G (νpi (ω(x)))
∃yi ∈ G/νpi (ω(yi )) = αi et ∃ki ∈ N/ω(ki ) = pα
i ki
i

Posons : xi = yi
ki

n ∈ N, xni = e ⇔ yinki = e
⇔ pα
i ki |nki
i

⇔ pα
i |n
i

Par conséquent ω(xi ) = pα

i . Soit x = x1 ...xr :
i

n ∈ xn = e ⇒ xn1 ...xnr = e
α
np2 2 ...pα r α2
...pα r
⇒ x1 r
(xn2 ...xnr )p2 r =e
α
np 2 ...pα r
⇒ x1 2 r
=e
αi α2
⇒ p1 |np2 ...pα r
r

⇒ p1 |n, théorème
αi
de Gauss

De même pour les autres facteurs, d'où :

m = pα αr
1 ...pr |n
1

Si m|n alors xn = e car xm = e donc ω(x) = m. Ce résultats devient faux si G n'est pas
abélien, par exemple : σ3

Théorème

Soit G un groupe ni de cardinal n non nul et x ∈ G :

1. ω(x)|n
2. xn = e

21 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

Preuve :
1. Découle du théorème de Lagrange
2. ω(x)|n ⇒ xn = e
Dans le cas où G est abélien on peut considérer :
τ : G → G
Soit x0 ∈ G l'application : x0 est bijective :
x 7→ x0 x

Y Y
a= x0 x = xn0 x
x∈G x∈G

xn0 = e

Exemple
Soit (U, ×) et G un sous-groupe ni de cardinal n :
xn = 1 et card(G) = n ⇒ G ⊂ Un ⇒ G = Un
En outre,les sous-groupes de Un , H sont des sous-groupes de U ni :
∃d ∈ N∗ , H = Ud
d|n d'après le théorème de Lagrange
Les sou-groupes de Un sont donc cyclique de cardinal d|n . Tout groupe cyclique a n éléments
est isomorphe à Un : les sous-groupes d'un groupe cyclique sont cycliques.
∀d/d|n, ∃! un unique sous-groupe de cardinal ("ordre") d dans un groupe cyclique à n éléments
Dans Z
nZ l'unique sous-groupe à d éléments est :

gr{ nd }

Théorème

1. Soit x un élément d'ordre ni nm alors :

ω(xn ) = m

2. Soit f : G 7→ G0 un morphisme de groupes, on a :

∀x ∈ G, ω(f (x))|ω(x)

Si de plus f est injective alors ω(f (x)) = ω(x)

Preuve :
1.

Soitk ∈ Z, (xn )k ⇔ xnk = e

⇔ nm|nk
⇔ m|k

22 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

ω(xn ) = m
2. f (xω(x) ) = e0 ⇔ f (x)ω(x) |e ⇔ ω(f (x))|ω(x)
Si f est injective :

∀k ∈ Z, f (x)k = e0 = f (xk ) = e0
= xk = e
= ω(x)|k

ω(f (x)) = ω(x)

Exemple
Combien y a-t-il de morphismes de 6Z Z
dans 14Z
Z
?
Soit f un tel morphisme : il est entièrement déterminé par 1̄ :

∀k ∈ Z, f (k) = kf (1)

f (1̄) ∈ Z
14Z ⇒ ω(f (1̄))|14 et ω(f (1̄))|ω(1̄) = 6 Il vient :

ω(f (1̄)) = 1 ⇒ f est le morphisme trivial

ω(f (1̄)) = 2 ⇒ f (1̄) = 7̃
˜
f (k) = 7k

1.2.4 Groupe produit

Dénition

Soit (Gi )i∈[|1;n|] une famille de groupe. On dénit une loi produit sur G1 × ... × Gn :

∀((x1 ; ...; xn ), (y1 ; ...; yn )) ∈ (G1 × ... × Gn )2

(x1 ; ...; xn ) · (y1 ; ...; yn ) = (x1 y1 ; ...; xn yn )

Théorème

Muni de cette loi, G1 × ... × Gn est un groupe, dit groupe produit.

Son neutre est : (e1 ; ...; en ) et on a : (x1 ; ...; xn )−1 = (x−1
1 ; ...; xn ).
−1

De plus si chacun des groupes Gi est abélien, alors le groupe produit l'est aussi.

Groupe de Klein
K= Z
2Z × 2Z
Z

(0,0) (0,1) (1,0) (1,1)

(0,0) (0,0) (0,1) (1,1) (1,1)
(0,1) (0,1) (0,0) (1,1) (1,0) C'est un groupe de cardinal 4 non isomorphe à 4Z Z
, tel que
(1,0) (1,0) (1,1) (0,0) (0,1)
(1,1) (1,1) (1,0) (0,1) (0,0)
chaque élément a son propre inverse. C'est le groupe qui laisse invariant la molécule d'éthylène.

23 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

Figure 1.1  Molécule d'éthylène

1.2.5 Groupes de cardinal premier

Soit p ∈ P, où P désigne l'ensemble des nombres premiers. Tout groupe de cardinal p est
cyclique et isomorphe à pZ
Z

Preuve : x ∈ G \ {e}, ω(x) 6= 1 et ω(x)|p, donc :

ω(x) = p
G = gr{x}

1.2.6 Groupe symétrique

Dénition
Pour n ≥ 2, on note (σn , ◦) le groupe symétrique, l'ensemble des permutations de [|1; n|] . Il
est non commutatif dès que n ≥ 3.
Soit σ ∈ σn et l ∈ [|1; n|] :
∀k ∈ N, σ k (l) ∈ [|1; n|]
∃i < j ∈ [|1; n|]2 /σ i (l) = σ j (l)
d'où, σ j−i (l) = l, j − i ∈ [|1; n|]
On peut donc considérer m = min{k ∈ N∗ /σ k (l) = l}. Alors {l; σ(l); ...; σ m−1 (l)} sont distincts
et σ m (l) est appelé l'orbite de σ .

Orbites sur σ

Les orbites sur σ sont les classes d'équivalence de la relation dénie sur [|1; n|] par :

iRj ⇔ ∃k ∈ Z/j = σ k (i)

Exemple
 
1 2 3 4 5 6 7 8 9 10
Soit pour σ ∈ σ10 : σ =
5 6 7 4 9 10 8 3 1 2
Il vient :




σ= 1 5 9 ◦ 2 6 10 ◦ 3 7 8
On en déduit les orbites :
{1; 5; 9}; {2; 6; 10}; {3; 7; 8}; {4}

24 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

Théorème
Pour chaque orbite de cardinal m, σ agit comme un cycle de longueur m. Rappelons qu'on
note (a1 ; ...; am ) le cycle tel que :

(a1 ; ...; am )(ai ) = ai+1 si 1 ≤ i ≤ m − 1

(a1 ; ...; am )(am ) = a1
∀k ∈/ {a1 ; ...; an }, (a1 ; ...; am )(k) = k

Propriétés

1. Toute permutation peut se décomposer de manière unique à l'ordre des facteurs près
en un produit de cycles à support disjoints
2. (a1 ; ...; am ) = a1 a2 ◦ a2 a3 ◦ ... ◦ am−1 am

3. Soit σ ∈ σn , σ ◦ (a1 ; ...; am ) ◦ σ −1 = (σ(a1 ); ...; σ(am )) , cette opération est la conju-
gaison
4. Deux m-cycles sont conjugués dans σn

Preuve :
1. découle du théorème des orbites
2. ∀i ∈ [|1;
n − 1|], a1
a2 ◦ a2 a3 ◦
... ◦ am−1 am (ai ) = ai+1

a1 a2 ◦ a2 a3 ◦ ... ◦ am−1 am (am ) = a1

∀k ∈
/ {a1 ; ...; am }, a1 a2 ◦ a2 a3 ◦ ... ◦ am−1 am (k) = k
3. σ ◦ (a1 ; ...; am ) ◦ σ −1 (σ(ai )) = σ ◦ (a1 ; ...; am )(ai ) = σ(ai+1 )

σ ◦ (a1 ; ...; am ) ◦ σ −1 (σ(am )) = σ(a1 )

σ ◦ (a1 ; ...; am ) ◦ σ −1 (k) = k, k ∈ Z \ {a1 ; ...; am }

4. σ ◦ (a1 ; ...; am ) ◦ σ −1 = σ(a1 ) ... σ(am ) , il sut de choisir σ telle que : σ(ai ) = σ(bi )

Remarques
1. Pour i ∈ [|1; n|], σ = [i + 1, i + 2] = σ −1 . Il vient que l'on peut écrire toute transposition
comme produit de transpositions de la forme [k, k + 1]
2. L'ordre d'une permutation est le PPCM des longueurs des cycles qui interviennent dans la
décomposition (à supports disjoints)
f : G → G
3. Généralement dans un groupe G, pour x0 xé, l'application : est
x 7→ x−1
0 xx0
un automorphisme
4. ∀(x, y) ∈ G2 , f (xy) = x−1 −1 −1
0 xyx0 = x0 xx0 x0 yx0 = f (x)f (y)

f −1
: G → G
Sa réciproque est l'application : On dit que f est une conjugai-
x 7→ x0 xx−1 0
son, elle mesure le défaut de commutativité d'un groupe

25 MP∗ B.DufourJules
1.2. STRUCTURE DE GROUPES CHAPITRE 1. ALGÈBRE GÉNÉRALE

Signature d'une permutation

Soit σ ∈ σn , on dénit la signature :

Y σ(j) − σ(i)
ε(σ) =
j−i
1≤i<j≤n

1. ε(σ) ∈ {−1; 1}
2. La signature est un morphisme de groupe surjectif
3. An = Ker(ε) = {σ ∈ σn /ε(σ) = 1} est un sous-groupe de σn de cardinal n!
2

Preuve : Lemme : soit ∆n = {(i, j) ∈ [|1; n|]2 /i 6= j}.

σ ∗ : ∆n → ∆n
L'application est bijective. En eet σ ∗ est bien dénie car σ est
(i, j) 7→ (σ(i), σ(j))
(σ −1 )∗ : ∆n → ∆n
injective, sa réciproque est :
(i, j) 7→ (σ −1 (i), σ −1 (j))
1. D'après le lemme, (σ(j) − σ(i))1≤i<j≤n décrit exactement (j − i)1≤i<j≤n au changement
de signe près (i.e inversions) : il vient,
ε(σ) = (−1)m où m est le nombre d'inversions de σ
2. Soit (σ, σ 0 ) ∈ σn2 :
Y (σ ◦ σ 0 )(j) − (σ ◦ σ 0 )(i) σ 0 (j) − σ 0 (i)
ε(σ ◦ σ 0 ) = ×
σ 0 (j) − σ 0 (i) j−i
1≤i<j≤n
Y (σ ◦ σ 0 )(j) − (σ ◦ σ 0 )(i) Y σ 0 (j) − σ 0 (i)
= ×
σ 0 (j) − σ 0 (i) j−i
1≤i<j≤n 1≤i<j≤n
Y σ(j 0 ) − σ(i0 )
= ε(σ 0 ) ×
j 0 − i0
1≤i0 <j 0 ≤n
0
= ε(σ ) × ε(σ)
ε(id) = +1
τ = [i0 ; j0 ] ⇒ ε(τ ) = −1 preuve par disjonction des cas sur i0 et j0
3. Par décomposition canonique A σn
n
est isomorphe à Im(ε), d'après le théorème de Lagrange :
σn
card(σn ) = card(An )card( An
)

d'où card(An ) = n!
2
Une preuve ne faisant appel à aucun résultats hors programme consiste à étudier l'appli-
σn
τ : An →
cation : An , et montrer que c'est un morphisme bijectif
x 7→ x0 xx−1 0

1.2.7 Groupes et géométries

On s'intéresse à l'ensemble des isométries qui laissent globalement invariante une gure plane :
c'est un sous-groupe des isométries vectorielles du plan.

26 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.2. STRUCTURE DE GROUPES

Cercle

Toutes les isométries laissent le cercle invariant

Triangle équilatéral
Une telle symétrie réalise une permutation des points A, B et C. Il y en a au plus 6 ! = 3.
Ainsi ces isométries sont les symétrie orthogonales par rapport aux médianes, l'identité, et les
3 et 3 . Ce groupe est isomorphe à σ3 . La signature joue le rôle du déterminant.
rotations d'angle 2π 4π

Isométries du triangle
Il est impossible de réaliser des transpositions. On a deux symétries orthogonales par rapport
aux médiatrices, l'identité et la rotation d'angle π . C'est le groupe de Klein.

Isométries du polygone régulier

Pour les symétries, il sut de connaître l'image de Ai de A1 , il y a donc n symétries ortho-
gonales possibles :

Si n est pair : il y a n/2 symétries orthogonales passant par les sommets opposés et n/2 passant
par les côtés opposés.
Si n est impair : il y a n symétries orthogonales issue des hauteurs

Les rotations sont déterminés par l'image de A1 : il y en a n possibles :

2π(k − 1)
Rθ (A1 ) = Ak ⇒ θ =
n

27 MP∗ B.DufourJules
1.3. ANNEAUX ET CORPS CHAPITRE 1. ALGÈBRE GÉNÉRALE

On obtient un groupe de cardinal 2n, appelé diédral Dn composé de n symétries orthogonales et

n rotations. Notons que l'ensemble des rotations est un sous-groupe (noyau du déterminant) de
cardinal n, cyclique.

1.3 Anneaux et Corps

1.3.1 Dénitions générales
Anneaux

On dit qu'un ensemble A muni de deux lois internes + et × est un anneau si et seulement
si :
1. (A, +) est un groupe abélien de neutre 0A
2. La loi × est associative, de neutre 1A
3. × est distributive sur +
Si de plus × est commutative alors A est un anneau commutatif

Corps

Si de plus A est un anneaux dont tout les éléments de A \ {0A } sont inversibles pour ×
alors A est muni d'une structure de corps : c'est un anneau intègre

Exemples
1. (Z, +, ×), (Mn (K), +, ×) et (K[X], +, ×) sont des anneaux commutatifs
2. Soit I un ensemble , F(I, K), Q, R, C et K(X) sont des corps
3. H le corps des quaternions est un corps non commutatif

Propriétés

1. 0 est absorbant pour × :

∀a ∈ A, a × 0 = 0 × a = 0
2. On dit que a ∈ A \ {0} est un diviseur de 0 si et seulement si :

28 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.3. ANNEAUX ET CORPS

∃b ∈ A \ {0}/a × b = 0 ou b × a = 0
3. Lorsqu'il n'existe pas de diviseur de 0, on dit que A est intègre :
∀(a, b) ∈ A2 , a × b = 0 ⇔ a = 0 ou b = 0
4. On dit que A est régulier à droite (resp. à gauche) si et seulement si :
∀(c, b) ∈ A2 , a × b = a × c ⇒ b = c
5. Groupes des inversibles : on note U ou A× l'ensembles des inversibles pour ×, qui est
un groupe multiplicatif

Exemples
1. Z× = {−1; +1}
2. K[X]× = K0 \ {0}, résultat provenant de la théorie des degrés :
deg(AB) = deg(A) deg(B) ⇔ deg(A) = deg(B) = 0
3. Les entiers de Gauss : Z[i] = {a + ib/(a, b) ∈ Z2 }. C'est le plus petit sous-anneaux de C
contenant i.
Z[i]× = {1; −1; i; −i}
√ √
4. Z[ 2] = {a + b 2/(a, b) ∈ Z2 }. Démontrons une condition d'inversibilité :
√ √
(a + b 2)(a0 + b0 2) = 1 ⇔ (a2 − 2b2 )(a02 − 2b02 ) = 1
⇔ a2 − 2b2 ∈ {−1, 1}

Règles de calculs dans un anneaux

Soit (a, b) ∈ A2 / ab = ba :

1.
n  
n
X n n−k k
∀n ∈ N, (a + b) = a b
k
k=0
2.
n
X
∀n ∈ N, an − bn = (a − b) an−k bk−1
k=1
3.
2n+1
X
∀n ∈ N, a2+1 + b2n+1 = a2n+1 − (−b)2n+1 = (a + b) a2n+1−k (−b)k−1
k=1
4.
n−1
X
1 − an = 1n − an = (1 − a) ak
k=0
5. Si a est nilpotent , ∃n ∈ N/an = 0 alors 1 − a est inversible d'inverse
n−1
X
ak
k=0

29 MP∗ B.DufourJules
1.3. ANNEAUX ET CORPS CHAPITRE 1. ALGÈBRE GÉNÉRALE

1.3.2 Anneaux Quotient

Dénition
Soit A un anneau et R une relation d'équivalence compatible avec + et ×, on peut alors
munir R
A
d'une structure d'anneau en dénissant :

∀(a, b) ∈ A2 , a + b = a+b
a×b = a×b

Cas de Z
nZ

La relation ≡ est compatible avec + et × :

∀(x, y, x0 , y 0 ) ∈ Z4 , x ≡ y[n] et x0 ≡ y 0 [n] alors :

x + y ≡ x0 + y 0 [n] et xy ≡ x0 y 0 [n]

On peut donc munir Z

nZ d'une structure d'anneau

Morphismes d'anneaux

Soient A et B deux anneaux. On dit ϕ : A → B est un morphisme d'anneaux :

∀(x, y) ∈ A2 , ϕ(x + y) = ϕ(x) + ϕ(y)

ϕ(x × y) = ϕ(x) × ϕ(y)

ϕ(1A ) = 1B , bien que cette condition ne soit pas nécessaire

Exemples
L'identité et la conjugaison sont des morphismes de C dans C . Ce sont les seuls qui laissent R et
donc Z invariants. On ne notera que Im(ϕ) est un anneau

Décomposition canonique d'un morphisme d'anneau (HP)

Soit ϕ : A −→ B un morphisme d'anneaux. La relation d'équivalence :

xRy ⇔ ϕ(x) = ϕ(y) ⇔ (x − y) ∈ Ker(ϕ)

est compatible avec les lois + et ×. On note A
Ker(ϕ) l'anneau quotient correspondant :
A
ϕ : Ker(ϕ) → Im(ϕ)
x 7 → ϕ(x) = ϕ(x)
est un isomorphisme d'anneaux

Preuve : ϕ étant un morphisme de groupes, R est compatible avec +. De plus, on montre de

même qu'elle est compatible avec × :

30 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.3. ANNEAUX ET CORPS

∀(x, y, x0 , y 0 ) ∈ A4 , ϕ(x) = ϕ(x0 ) et ϕ(y) = ϕ(y 0 ) donc

ϕ(xy) = ϕ(x)ϕ(y) = ϕ(x0 )ϕ(y 0 ) = ϕ(x0 y 0 )
De plus ϕ est dénie et est un morphisme de groupes. En outre :
∀(x, y) ∈ A2 , ϕ(xy) = ϕ(xy) = ϕ(x)ϕ(y) = ϕ(x)ϕ(y)
ϕ est bien un morphisme d'anneaux

1.3.3 Anneaux produits

Dénition

Soit Ai une famille d'anneaux, on dénit sur A1 × ... × An les lois produits :

∀((a1 ; ...; an ), (b1 ; ...; bn )) ∈ (A1 × ... × An )2

(a1 ; ...; an ) + (b1 ; ...; bn ) = (a1 + b1 ; ...; an + bn )
(a1 ; ...; an ) × (b1 ; ...; bn ) = (a1 b1 ; ...; an bn )
A1 × ... × An muni de ces lois est un anneau dit anneau-produit

Inversibles et neutres
Il faut que toutes les composantes soient inversibles. Dans ce cas, on inverse composante par
composante. Pour les éléments neutres :
(1A1 ; ...; 1An ) pour +
(0A1 ; ...; 0An ) pour ×
BCela ne marche pas pour les corps : R2 n'est pas un corps pour la loi produit :

(1; 0) × (0; 1) = (0; 0)

cet anneau n'est pas intègre, ce n'est pas un corps

1.3.4 L'anneau Z
nZ
Dénition
Soit n ∈ N∗ , on a :

1. ∀(l, m) ∈ Z2 , lm = lm = lm
2. ∀ ∈ Z, k est inversible pour × dans Z
nZ si et seulement si k est générateur pour + , si
et seulement si k ∧ n = 1
3. Si p ∈ P , pZ
Z
est un corps, noté Fp
4. Sinon,
Z
nZ
n'est pas un corps, et ( nZ
Z
, +, ×) n'est pas intègre

31 MP∗ B.DufourJules
1.3. ANNEAUX ET CORPS CHAPITRE 1. ALGÈBRE GÉNÉRALE

Preuve :
2

Z × Z
k∈ ⇒ ∃l ∈ , lk = 1̄
nZ nZ
⇒ lk = 1̄
⇒ ∀a ∈ Z, alk = a ∈ gr{k}
Z
⇒ k est générateur de( , ×)
nZ
Z
Réciproquement ,k est générateur de ( , ×) ⇒ k ∧ n = 1
nZ
⇒ ∃(u, v) ∈ Z2 , ku + nv = 1
⇒ ∃u ∈ Z, ku = 1̄
Z
⇒ k est inversible pour × dans
nZ
3

Sip ∈ P, ∀k ∈ [|1; p − 1|], p ∧ k = 1 ⇒ ∃(u, v) ∈ Z2 , pu + kv = 1

⇒ ∃v ∈ Z, vk = 1̄
⇒ k est inversible
Z
( pZ , +, ×) est un corps
4 Si p n'est premier, alors :
∃(a, b) ∈ [|1; n − 1|]2 , n = ab ⇒ ab = n ⇒ ab = 0̄
Z
nZ n'est pas intègre, ce n'est pas un corps

Exemple : Z
17Z

Eléments 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Inverses 1 9 6 13 7 3 5 15 2 12 14 10 4 11 8 16

Remarque
¯ par intégrité
x2 = 1̄ ⇔ (x − 1̄)(x + 1̄) = 0̄ ⇔ x ∈ {1̄; −1}

Exemple : 12Z
Z

Z × ¯ est isomorphe au groupe de Klein

nZ = {1̄; 5̄; 7̄; 11}

Groupes des inversibles

Soit p ∈ P, (F∗p , ×) est un groupe abélien ni à p − 1 éléments. Soit pour x ∈ F∗p , ω(x) son
ordre : on sait que : ω(x)|p − 1. Soit
_
m= ω(x)
x∈F∗
p

32 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.3. ANNEAUX ET CORPS

d'après ce qui précède, mp|1.

Par ailleurs ∃x0 ∈ F∗p /ω(x0 ) = m. Or :
∀x ∈ F∗p , xm = 1̄
Dans le corps commutatif F∗p , le polynôme X m − 1 admet au plus m racines distinctes, il vient
que :
F∗p = gr{x0 }, donc (F∗p , ×) est cyclique
On montre ainsi que F∗17 est engendré par 3̄

Petit théorème de Fermat, théorème de Wilson

1. Petit théorème de Fermat : p ∈ P, a ∈ Z ,

p - a ⇒ ap−1 ≡ 1[p]
ap ≡ a[p]
2. Théorème de Wilson : p ∈ P ⇔ (p − 1)! ≡ −1[p]

Preuve :
1. p - a, a ∈ (F∗p , ×), ensemble à p − 1 éléments, on sait alors que :

ap−1 = 1̄

De même : p|a ⇒ ap = 0̄ ⇒ ap = a
2. Y
n ∈ P, (n − 1)! = ¯ 1̄ = −1
x̄ ⇒ (n − 1)! = −1 ¯
x̄∈F∗
p

En eet les éléments étant deux à deux distincts de leur inverse, ils se compensent sauf pour
1̄ et −1
¯ . Une autre démonstration consiste à étudier le polynôme X n−1 − 1 qui s'annule
pour tout les élements de F∗p , ce qui permet d'obtenir le résultat souhaité en évaluant en
0. Si n ∈
/ P alors (n − 1)! = 0̄

1.3.5 Indicatrice d'Euler et théorème Chinois

Théorème Chinois

Soit (n, m) ∈ N∗ × N∗ /n ∧ m = 1, l'application :

ϕ : Z
nmZ → Z
nZ × mZ
Z
←
− →
−
k 7→ (k, k)
est un isomorphisme d'anneaux

←− ← − → − →
−
Preuve : Ker(ϕ) = {k ∈ Z/ k = 0 et k = 0 } = {k ∈ Z/nm|k} = nmZ
On sait alors que l'application ϕ canoniquement associée est un isomorphisme d'anneaux, ce qui
implique que : Im(ϕ) = nZ Z
× mZ
Z

33 MP∗ B.DufourJules
1.3. ANNEAUX ET CORPS CHAPITRE 1. ALGÈBRE GÉNÉRALE

Remarque
C'est le caractère surjectif de ϕ qui est intéressant ; le théorème se reformule ainsi :
←− →− →
−
∀(a, b) ∈ Z2 , ∃!k ∈ [|0; mn − 1|], ( k , k ) = (←
−
a, b)
a ≡ k[n] et b ≡ k[m]

Corollaire

Soient (n1 ; ...; nr ) ∈ Nr , ∀(i, j) ∈ [|1; r|]2 , i 6= j ⇒ ni ∧ mi = 1, l'application :

ϕ : Z
n1 ...nr Z → n1 Z ×
Z
... × nZr Z
n1 ...nr ←
− n1 →
−
k 7→ (k ; ...; k nr )
est un isomorphisme d'anneaux.

Preuve : se fait par récurrence triviale sur n

Dénition : indicatrice d'Euler

Soit n ∈ N∗ :

ϕ(n) = card{1 ≤ k ≤ n/k ∧ n = 1}

C'est également le nombre d'inversibles de l'anneau Z
nZ et de générateur du même groupe.

n 1 2 3 4 5 6
Ainsi :
ϕ(n) 1 1 2 2 4 2

Théorème

1. Si p ∈ P, ∀α ∈ N∗ , ϕ(pα ) = pα − pα−1 , donc ϕ(p) = p − 1

2. Si n ∧ m = 1, ϕ(nm) = ϕ(n)ϕ(m)
3.
r r r
Y Y
αi −1
Y 1
n= pα
i , ϕ(n) =
i
(pα
i − pi
i
)=n (1 − )
i=1 i=1 i=1
pi

Preuve :
1. Soit m ∈ [|1; pα |] :
m ∧ pα 6= 1 ⇔ p|m ⇔ m ∈ {kp/k ∈ [|1; pα |]}
Il y a pα−1 tel nombres, d'où : ϕ(pα ) = pα − pα−1
2. Découle du théorème chinois, on considérant les groupes des inversibles
3. On applique les deux résultats précédents

34 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.3. ANNEAUX ET CORPS

Théorème d'Euler - Möbius (HP)

Soit n ∈ N∗ , on a :
X
n= ϕ(d)
d|n

Preuve : Dans (Un , ×) chaque élément possède un ordre et un seul d|n, donc :

[
Un = Gd
d|n

éléments d'ordre d dans Un

Or z ∈ Un est d'ordre d si et seulement si z d et ω(z) = d si et seulement si gr{z} = Ud
Or il existe ϕ(d) éléments d'ordre d dans (Ud , ×) par isomorphisme, d'où :

X X
n = card(Un ) = card(Gd ) = ϕ(d)
d|n d|n

Exemple
On se place dans U6
x 1 −j 2 j -1 j 2 −j
ω(x) 1 6 3 2 3 6
On a bien les résultats escomptés

Théorème d'Euler

Soit n ∈ N∗ , a ∈ Z/a ∧ n = 1 ⇒ aϕ(n) ≡ 1[n]

Z ×
Preuve : ā ∈ nZ or ce groupe est de cardinal ϕ(n), donc āϕ(n) = 1̄

Théorème RSA
Soient p, q ∈ P distincts n = pq et c, d ∈ N, cd ≡ 1[ϕ(n)], ϕ(n) = (p − 1)(q − 1)
cd
∀t̄ ∈ Z
nZ , t̄ = t̄
Preuve : Montrons que : ∀t ∈ [|0; n − 1|], n|t cd
− t ⇔ p|tcd − t et q|tcd − t
p|t ⇒ tcd ≡ t ≡ 0[p] ⇒ p|tcd − t
p ∧ t = 1 ⇒ tp−1 ≡ 1[p]
cd ≡ 1[ϕ(n)] ⇒ ∃k ∈ N/cd = 1 + kϕ(n) = 1 + k(p − 1)(q − 1) ⇒ tcd = t(tp−1 )q−1 ≡ t[p]
p|tcd − t , de même pour q
f : → nZ
Z Z
g : nZ Z
→ nZ Z
Ainsi les applications : nZ
c et sont bijectives et
t̄ →7 t̄ t̄ 7 → t̄d
réciproques l'une de l'autre. Le principe des clefs publiques consistent à publier les valeurs de n
et c : tout le monde peut eectuer f(codage). Seul celui qui connait p et q (donc ϕ(n)) peut
évaluer d et décoder

35 MP∗ B.DufourJules
1.4. ARITHMÉTIQUE GÉNÉRALE CHAPITRE 1. ALGÈBRE GÉNÉRALE

1.4 Arithmétique générale

1.4.1 Idéal
Soit A un anneau et une partie I ⊂ A. Soit R, la relation bianaire dénie su rA :
xRy ⇔ x − y ∈ I
C'est une relation d'équivalence si et seulement si (I, +) est un sous-groupe additif de A. A quelle
conditions sur I , R est-elle compatible avec + et × ?
Soit (x, y, x0 , y 0 ) ∈ A4 /xRy et x0 Ry 0 , alors :
∃(a, b) ∈ I 2 /x0 = x + a et y 0 = y + b
x0 + y 0 = x + y + a + b ⇒ x0 + y 0 Rx + y
x0 y 0 = xy + ay + xb + ab, on a :
x0 y 0 Rxy ⇔ ay + xb + ab ∈ I ⇔ ∀a ∈ A, ∀z ∈ I, az ∈ I

Dénition
Soit A un anneau, on dit que I ⊂ A est un idéal de A si et seulement si :

1. I est un sous-groupe de (A, +)

2. ∀(x, a) ∈ I × A, xa ∈ I et ax ∈ I

Exemples
1. {0} et {0} sont des idéaux
2. Soit A commutatif : ∀a ∈ A, aA = {ab/b ∈ A} est un idéal, dit idéal principal engendré
par a.
3. Dans Z, les idéaux sont de la forme nZ
4. Dans Z2 , (0, 1)Z + (2, 0)Z est un idéal

Propriétés

1. Toute intersection d'idéaux est un idéal. Pour une partie B ⊂ A on peut dénir l'idéal
engendré par B comme l'intersection de tous les idéaux de A contenant B
2. L'idéal engendré par a est aA
3. Soit I un idéal de A
I = A ⇔ 1 ∈ I ⇔ ∃b ∈ A× , b ∈ I
4. Si A est un corps alors ses seuls idéaux sont {0} et A

Preuve :
1. trivial

36 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.4. ARITHMÉTIQUE GÉNÉRALE

2. aA est un idéal contenant a. Si I est un idéal contenant a alors I = aA

3. A = I ⇒ 1 ∈ I ⇒ ∃b ∈ A, b ∈ I ⇒ ∀a ∈ A, a = u(u−1 a) ∈ I, u ∈ A× ⇒ A = I
4. Si A est un corps, soit I un idéal de A et a ∈ I \ {0}, a est inversible, d'après 3), A = I

Remarque
Dans un anneau non commutatif, on distingue deux types d'idéaux :

Les idéaux tout courts, bilatères

Les idéaux à droite, les idéaux à gauche

Somme d'idéaux

Soit (A, +, ×) un anneau et (Ik ) une famille d'idéaux de A alors :

n
X
I1 + ... + In = Ik = {x1 + ... + xn /∀i ∈ [|1; n|], xi ∈ Ii }
k=1

est l'idéal engendré par

n
[
Ii
i=1

Preuve :
n
X
0∈ Ik
k=1

Soit ((x1 ; ...; xn ), (y1 ; ...; yn )) ∈ (I1 × ... × In )2

n
X
(x1 ; ...; xn ) − (y1 ; ...; yn ) = (x1 − y1 ; ...; xn − yn ) ∈ Ik
k=1

n
X
a(x1 ; ...; xn ) = (ax1 ; ...; axn ) ∈ Ik
k=1

c'est donc un idéal contenant

n
[
Ii
i=1

Soit par ailleurs I un idéal contenant

n
[
Ii
i=1

par stabilité il vient :

n
X n
X
∀(x1 ; ...; xn ) ∈ I1 × ... × In , xi ∈ I ⊃ Ik
i=1 k=1

37 MP∗ B.DufourJules
1.4. ARITHMÉTIQUE GÉNÉRALE CHAPITRE 1. ALGÈBRE GÉNÉRALE

Décomposition canonique d'un morphisme d'anneau

Soit ϕ : A −→ B un morphisme d'anneaux :

1. Ker(ϕ) est un idéal de A et Im(ϕ) est un sous-anneau de B
A
ϕ : → Im(ϕ)
2. (HP) : Ker(ϕ) est un isomorphisme d'anneaux
x̄ 7→ x̄ = ϕ(x)

Preuve :
1. Ker(ϕ) est un sous-groupe de (A, +) et ∀(x, a) ∈ Ker(ϕ) × A, ϕ(xa) = ϕ(x)ϕ(a) = 0 =
ϕ(x)
Ker(ϕ) est un idéal de A
2. A
Ker(ϕ) désigne l'anneau quotient de A par la relation d'équivalence :
xRy ⇔ (x − y) ∈ Ker(ϕ) ⇔ ϕ(x) = ϕ(y)
compatible avec + et × car Ker(ϕ) est un idéal. On a vu par ailleurs que c'est un isomor-
phisme de groupes. En outre :
∀(x, y) ∈ A2 , ϕ(x̄ȳ) = ϕ(xy) = ϕ(xy) = ϕ(x)ϕ(y) = ϕ(x̄)ϕ(ȳ)
ϕ(1¯A ) = ϕ(1¯A ) = 1B
ϕ est un morphisme d'anneau

1.4.2 Divisibilité
Dénitions

Soit A un anneau commutatif intègre

1. Soit (a, b) ∈ A2 , on dit que :

b|a ⇔ ∃c ∈ A/a = bc ⇔ a ∈ bA ⇔ aA ⊂ bA

c'est une relation réexive et transitive

2. Soit (a, b) ∈ (A \ {0})2 on dit que

a et b sont associés ⇔ a|b et b|a ⇔ aA = bA ⇔ ∃u ∈ A× /b = au

c'est une relation d'équivalence

3. On dit que a ∈ A \ {0} est irréductible dans A si et seulement si :
(a) a n'est pas inversible
(b) ∃(b, c) ∈ A2 /a = bc ⇒ l'un est inversible (l'autre est donc associé à a)

Exemples
Dans Z, deux éléments sont associés si et seulement si |a| = |b|, a ∈ Z∗ est irréductible si et
seulement |a| ∈ P

38 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.4. ARITHMÉTIQUE GÉNÉRALE

Remarques
a est inversible ⇔ aA = A
a est irréductible ⇔ aA ( A ⇔ [aA ⊂ a1 A ⇒ a1 A = A ou a1 A = aA

1.4.3 Anneaux principaux

Dénition

On dit qu'un anneau A commutatif et intègre est principal si tout ses idéaux sont prin-
cipaux :

∀I idéal de A, ∃a ∈ A/I = aA

Exemples

Z et K[X] sont principaux

Preuve : Soit I un idéal de K[X] :

→ si I = {0} alors I = 0 · K[X]
→ si I 6= {0} alors P0 est unitaire et dans I , tel que
deg(P0 ) = min{deg(P )/P ∈ I \ {0}}
Comme I est un idéal contenant P0 : P0 ⊂ K[X]
On eectue la division euclidienne de A ∈ I par P0 :
∃(Q, R) ∈ K[X]2 /A = QP0 + R, deg(R) < deg(Q)
R = A − QP0 ∈ I ⇒ R = 0
A = QP0 ∈ P0 K[X]
Finalement : I = P0 K[X]

PGCD et PPCM

Soit A un anneau principal et (a1 ; ...; an ) ∈ An

1.
m
^ n
X n
X
δ = P GCD(a1 ; ...; an ) = ⇔ δA = ai A ⇔ A est générateur de l'idéal ai A
i=1 i=1 i=1

On a : ∀d ∈ A, ∀i ∈ [|1; n|], d|ai ⇔ d|δ

2.
n
_ n
\ n
_
m = P P CM (a1 ; ...; an ) = ai ⇔ mA = ai A ⇔ m est générateur de l'idéal ai
i=1 i=1 i=1

Dans ce cas on a : ∀b ∈ A, ∀i ∈ [|1; n|]ai |b ⇔ m|b

39 MP∗ B.DufourJules
1.4. ARITHMÉTIQUE GÉNÉRALE CHAPITRE 1. ALGÈBRE GÉNÉRALE

Preuve :
1.

∀i ∈ [|1; n|]d|ai ⇔ ∀i ∈ [|1; n|]ai A ⊂ dA

[n
⇔ ai A ⊂ dA
i=1
⇔ d|δ

2.

∀i ∈ [|1; n|]ai |b ⇔ ∀i ∈ [|1; n|]bA ⊂ ai A

\n
⇔ bA ⊂ ai A
i=1
⇔ m|b

On remarque que ∧ et ∨ sont commutatifs et associatifs.

O est neutre pour ∧ et absorbant pour ∨
Un inversible est absorbant pour ∧ et neutre pour ∨

Éléments premiers entre eux

Soit (a1 ; ...; an ) ∈ An ,

n
1. ils sont premiers entre-eux dans leur ensemble si et seulement si :
V
ai = 1
i=1
2. ils sont premiers entre-eux 2 à 2 si et seulement si : ∀i 6= j, ai ∧ aj = 1
3. (a1 ; ...; an ) sont premiers entre eux dans leur ensemble alors ils sont premiers entre-eux
deux à deux. La réciproque est fausse

Théorème de Bézout

n
^ n
X
Soit (a1 ; ...; an ) ∈ An , =1 ⇔ A= ai A
i=1 i=1
n
X
⇔ 1∈ ai A
i=1
n
X
⇔ ∃(x1 ; ...; xn ) ∈ An , ai xi = 1
i=1

Dans Z et K[X], on obtient des valeurs pour a∧b = 1 des valeurs (x1 ; x2 ) telle que ax1 +bx2 = 1
avec l'algorithme d'Euclide étendu

40 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.4. ARITHMÉTIQUE GÉNÉRALE

Caractérisation du PGCD

Vn
Soit (a1 ; ...; an ) ∈ An , δ = i=1 ai alors ∃(a01 ; ...; a0n ) ∈ An /∀i ∈ [|1; n|] :
n
^
a0i = 1 ai = δa0i
i=1

Preuve : si ∀i ∈ [|1; n|], ai = 0 ⇒ δ = 0

∀i ∈ [|1; n|], a0i = 0
sinon : ∃i0 ∈ [|1; n|], ai0 6= 0 ⇒ δ 6= 0
∀i ∈ [|1; n|], ∃a0i ∈ A/ai = δa0i
Or :
n
X n
X
δ∈ ai A ⇒ δ= ai bi /(b1 ; ...; bn ) ∈ An
i=1 i=1
Xn
⇒ δ = δ( a0i bi )
i=1
n
X
⇒ 1= a0i bi
i=1
n
^
⇒ a0i = 1 d'après le théorème de Bézout
i=1

Thérorème de Gauss
a|bc et a ∧ b = 1 ⇒ a|c

Preuve :

∃(u, v) ∈ A2 /au + bv = 1 ⇒ acu + bcv = c

⇒ a|acu eta|bc
⇒ a|c

Cas des irréductibles

1. a ∧ b = 1 ⇒ ∀(n, m) ∈ N2 , an ∧ bm = 1
2. Soient (p, q) ∈ mA deux irréductibles non associés, on a p ∧ q = 1

41 MP∗ B.DufourJules
1.4. ARITHMÉTIQUE GÉNÉRALE CHAPITRE 1. ALGÈBRE GÉNÉRALE

Preuve :
1. ∃(u, v) ∈ A2 /au + bv = 1, d'après le formule du binôme (anneaux commutatif) :

n  
X n
(au + bv)n = 1n ⇔ (au)n−k (bv)k = 1
k
k=0
n  
X n
⇔ an un + b v(au)n−k (bv)k−1 = 1
k
k=1
⇔ an U + bV = 1
⇔ an ∧ b = 1

On applique ensuite ce résultat à an et b

2. Notons δ = p ∧ q , si δ est non inversible, comme p est irréductible et δ|p, δ est associé à p.
De même pour q , donc p et q sont associés, absurde. Ainsi p ∧ q = 1

Théorème de factorialité (HP)

Soit A un anneau principal. P , l'ensemble des irréductibles de A et P0 ⊂ P , ∀p ∈

P, ∃!p0 ∈ P0 associé à p. On U l'ensemble des inversibles . On a :

ν : P0 → N Y
∀a ∈ A∗ , ∃!u ∈ U, ∃! ,a = u pνp (a)
p 7 → νp (a)
p∈P0

Preuve :

Existence Soit a ∈ A∗ , supposons que a n'est pas décomposable, e, particulier a n'est pas
inversible et on peut écrire a = bc où ni b ni c n'est inversible. Parmi b et c l'un des deux n'est
pas décomposable, notons a0 = a et a1 ∈ {b; c} non décomposable : a1 |a0 ⇒ a0 A ( a1 A car ils ne
sont pas associés. Par récurrence, on peut construire (an )n∈N /∀n ∈ N, an n'est pas décomposable
et an A * an+1SA.
Notons I = n∈N an A, 0 ∈ I . ∀(x, y) ∈ I 2 , ∃(n, m) ∈ N2 /x ∈ an A et y ∈ am A. Supposons
n ≥ m, comme am A ( an A. (x, y) ∈ (an A2 ⇒ x − y ∈ an A ⊂ I . Soit enn b ∈ A et x ∈ I ,
∃n ∈ N/x ∈ an A. Ainsi I est un idéal de A, or A est principal :

∃α ∈ A/I = αA

En particulier :
∃n0 ∈ N/α ∈ an0 A

On a
I = αA ⊂ an0 A ( an0 +1 A ⊂ I

absurde

42 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.4. ARITHMÉTIQUE GÉNÉRALE

Unicité Supposons a = u pνp (a) = v pµp (a) . S'il existe p0 ∈ P0 /νp (a) 6= µp (a) Il
Q Q
p∈P0 p∈P0
vient par intégrité :
ν (a)−µp0 (a)
Y Y
up0p0 pνp (a) = v pµp (a)
p∈P\p0 p∈P0 \p0

D'après le théorème de Gauss :

Y
p0 | pµp (a)
p∈P0 \p0

ce qui absurde car ∀p ∈ P0 , p0 ∧ p = 1, donc ∀p ∈ P0 , µp (a) = νp (a) par intégrité u = v

1.4.4 Cas de K[X]

Soit K un corps commutatif, les inversibles de K[X] sont les polynômes constants non nuls

P ∈ K[X], P = aP0 /a ∈ K, P0 est unitaire

P ∈ K[X] est irréductible ⇔ deg(P ) ≥ 1, ∃(P1 , P2 ) ∈ K[X]2 /P = P1 P2 , {deg(P1 ); deg(P2 )} =

6 {0; deg(P )}

Théorèmes

1. Tout polynôme de degré 1 est irréductible su K[X]

2. Tout polynôme de degré ≥ 2 irréductible sur K n'a pas de racines sur K
3. Si deg(P ) ∈ {2; 3} et si P n'a pas de racines sur K alors il est irréductible sur K[X]
4. Soit P irréductible sur K[X] et Q ∈ K[X] {0}, deg(Q) < deg(P ) ⇒ Q ∧ P = 1

Preuve :
1. deg(P ) = 1 et si P = P1 P2 alors deg(P1 ) + deg(P2 ) = 1, alors l'un des deux est de degré
nul
2. Si deg(P ) ≥ 2, si α ∈ K est racine de P , on peut écrire : P (X) = (X − α)Q(X), deg(Q) ≥ 1
donc P n'est pas irréductible

deg(P1 ) < deg(P )
3. Si deg(P ) ∈ {2; 3} et si P n'a pas de racine sur K , si P = P1 P2 /
deg(P2 ) < deg(P )

{deg(P1 ); deg(P2 )} = {1; 1} ou{1; 2}

P1 ou P2 est de degré 1 donc admet une racine sur K , contradiction.

Cela devient faux si deg(P ) ≥ 4, (X 2 + 1)2 n'a pas de racines sur R mais n'est pas irréduc-
tible sur R
deg(∆) = 0 ou

4. Notons ∆ = P ∧ Q, ∆|P ⇒
deg(∆) = deg(P )
∆|Q ⇒ deg(∆) ≤ deg(Q) < deg(P ) , deg(∆) = 0 ⇒ P ∧ Q = 1

43 MP∗ B.DufourJules
1.5. CORPS CHAPITRE 1. ALGÈBRE GÉNÉRALE

Exemples

√ √
√
X3 − 2 2j)(X − 2j 2 ), surC
3 3
3
= (X − 2)(X −
√ √ √
= (X − 2)(X 2 + 2X + 4), surR
3 3 3

= X3 − 2
√
X 3 − 2 est irréductible sur Q, mais pas sur R ou C, car 3
2 est irrationel

Théorème d'Alembert Gauss

1. Tout polynôme non constant sur C[X] admet au moins une racine sur C
2. Soit P ∈ C[X] non constant, on peut le décomposer de manière unique en :
n
Y
P (X) = γ (X − αi )
i=1

3. Les irréductibles sur R sont :

IR[X] = {aX + b/(a; b) ∈ R2 } ∪ {aX 2 + bX + c/∆ < 0}

Relations coecients-racines
Soit P ∈ K[X] scindé sur K ,
n
X n
Y
P (X) = ai X i = an (X − αi )
i=0 i=1

∀k ∈ [|0; n − 1|], ak = an (−1)n−k σn−k (αi )

1.5 Corps
1.5.1 Caractéristique
Dénition
Soit L un corps, on dit que K ⊂ L est un sous-corps de L si et seulement si :

1. 0 et 1 ∈ K
2. ∀(x; y) ∈ K2 , x − y et xy ∈ K
3. ∀x ∈ K∗ , x−1 ∈ K

44 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.5. CORPS

Exemple
√ √ √
Soit Q[ 3 2] = {a + b 3 2 + c 3 2/(a; b; c) ∈ Q3 }. C'est
√ un sous-anneau
√ de Q de dimension nie
√ √ f : Q[ 3 2] → Q[ 3 2] √
engendré par (1; 2; 4). Considérons :
3 3
, il vient : f ∈ L(Q[ 3 2]) or
x 7→ x0 x
Ker(f ) = {0}, f est injective en dimension nie donc bijective :
√
∃!x1 ∈ Q[ 3 2]/x0 x1 = 1 ⇔ x1 = x−1
0
C'est un sous-corps de Q
Remarque : si K est un sous-corps de L, alors on peut considérer que L est un K espace vectoriel

Caractéristique (HP)

ψ : Z → Z
Soit K un corps, l'application est un morphisme d'anneaux. Son
n 7→ n1K
noyau est un idéal de Z, de la forme n0 Z : n0 est la caractéristique de K :
Soit n0 = 0
Soit n0 6= 0 ⇒ n0 ∈ P et Im(ψ) est un sous-corps de K isomorphe a nZ0 Z

Preuve : n0 6= 0 et si n0 = n1 n2 on a :
n0 1K = 0K ⇔ (n1 1K)(n2 1K ) = 0K ⇔ n0 |n1 ou n0 |n2
Il vient que p ∈ P, la décomposition canonique de ψ nous assure alors que l'on a un isomorphisme
d'anneaux, donc de corps car n0 P entre nZ0 Z et Im(ψ). Ainsi la caractéristique de pZ
Z
est p

1.5.2 Corps ni (HP)

Soit L un corps ni (donc commutatif), K un sous-corps de L. L est muni d'une structure
de K espace vectoriel de dimension nie . Soit (ε1 ; ...; εn ) une K-base de L, alors l'applica-
u : Kn → P L
tion : n u ∈ L(Kn , L) est un isomorphisme. Par bijectivité :
(λ1 ; ...; λn ) 7→ i=1 λi εi
ψ: Z → L
card(L) = card(K)n Plus précisement :
k 7→ k1L
Z étant inni et L ni , donc Ker(ψ) est un idéal ni de Z : ∃p ∈ P, Ker(ψ) = pZ, p = car(L).
Im(ψ) est un sous-corps de L isomorphe à pZZ
. Il vient :

∃n ∈ N∗ /card(L) = card(Im(ψ))n = pn

1.5.3 Morphisme de Frobenius (HP)

ψ : K → K
Soit K un corps commutatif / car(K) = p ∈ P, alors l'application :
x 7→ xp
est un morphisme de corps

Preuve :
1. ψ(xy) = (xy)p = xp y p = ψ(x)ψ(y)

45 MP∗ B.DufourJules
1.6. ALGÈBRE CHAPITRE 1. ALGÈBRE GÉNÉRALE

2. ψ(1) = 1p = 1
3.
p−1  
p p
X
pn k p−k
ψ(x + y) = (x + y) = x + y + x y
k
k=1

par dénition de la caractéristique : ∀a ∈ K, pa
= 0. En outre p ∈ P, 1 ≤ k < p, p|k! n

et


k
p ∧ k! = 1, d'après le théorème de Gauss : p| nk , ce qui implique :

ψ(x + y) = xp + y p = ψ(x) + ψ(y)

Dans Fp , (x + 1̄)p = xp + 1̄p on en déduit petit fermat par récurrence.

1.6 Algèbre
1.6.1 Dénition
Structure d'algèbre

Soit K un corps et (A, +, ×) un ensemble muni de 2 lois interne + et × et d'une loi

externe : K × A −→ A. On dit A est une K algèbre si et seulement si :
1. (A, +, ×) est un anneau
2. (A, +, ·) est un K espace-vectoriel
3. ∀(λ, a, b) ∈ K × A2 , λ(a × b) = (λa) × b = a × (λb)

Exemples
1. Si K ⊂ L est muni d'une structure naturelle de K algèbre
2. K[X] est une K-algèbre commutative
3. Mn (K) est une K-algèbre non commutative
4. Si E est un K-espace vectoriel alors (L(E), +, ◦, ·) est une K-algèbre
5. Soit I un ensemble quelconque (KI , +, ×, ·) est une K-algèbre

Sous-algèbres
Soit A une K-algèbre, B ⊂ A est une sous-algèbre de A si et seulement si :

1. B est un sous-anneau de A
2. B est un sous-espace vectoriel
3. 0 ∈ B et 1 ∈ B
4. ∀(x, y, λ) ∈ A2 × K, λx + y ∈ B et x × y ∈ B

Toute intersection de sous-algèbres est une sous-algèbre. Soit × une partie quelconque de
A, on appelle sous-algèbre de A engendrée par X , l'intersection de toutes les sou-algèbres de A
contenant X

46 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.6. ALGÈBRE

Morphismes d'algèbres

Soit A et A0 deux K-algèbres, on appelle morphisme d'algèbre, toute application ϕ : A →

A qui est un morphisme d'anneaux et de K espaces vectoriels :
0

1. ∀(x, y, λ) ∈ A2 × Kϕ(λx + y) = λϕ(x) + ϕ(y)

2. ϕ(xy) = ϕ(x)ϕ(y)
3. ϕ(1) = 1

Ker(ϕ) est un idéal et un sous-espace vectoriel de A. Im(ϕ) est une sous-algèbre de A0

1.6.2 Sous-algèbre engendrée par un élément (HP)

Soit A une K algèbre commutative et a ∈ A. Soit
n
X
P (X) = αi X i ∈ K[X]
i=0

On dénit :
n
X
P (a) = αi ai ∈ A
i=0

: K[X] →
ψa A
L'application est un morphisme d'algèbres
P 7→ P (a)
Im(ψa ) = {P (a)/P ∈ K[X]} = V ectK [ak ]k∈N = K[a] est la sous-algèbre de A engendrée par
a
Ker(ψa ) est un idéal de K[X] : soit il est réduit à {0}, ψa est injective la famille (ak )k∈N est
libre et K[a] est isomorphe à K[X], dim(K[a]) = +∞
Ker(ψa ) 6= {0}, c'est un idéal de K[X], ∃!P0 ∈ K[X] unitaire non nul tel que Ker(ψa ) =
P0 K[X] : P0 est le polynôme minimal de a : ∀P ∈ K[X], P (a) = 0 ⇔ P0 |P
deg(P0 ) = n ⇒ (1; a; ...; an−1 ) est une base de K[a] et dimK (K[a]) = n < +∞

Preuve : ψa (1) = 1
X X
∀(x, y, λ) ∈ K[X]2 × K, P (X) = αk X k , Q(X) = βk X k
k∈N k∈N

X
ψa (λP + Q) = (λαk ak + βk ak )
k∈N
X X
= λ αk ak + βk ak
k∈N k∈N
= λP (a) + Q(a)
=λψa (P ) + ψa (Q)
X X
ψa (P Q) = γk ak /∀k ∈ N, γk = αi1 βi2 ak
k∈N i1 +i2 =k

47 MP∗ B.DufourJules
1.6. ALGÈBRE CHAPITRE 1. ALGÈBRE GÉNÉRALE

X X
ψa (P )ψa (Q) = ( αi1 ai1 )( βi2 ai2 )
i1 ∈N i2 ∈N
X X
= ( αi1 βi2 )ak
k∈N i1 +i2 =k
X
= γk ak
k∈N
= ψa (P Q)
Im(ψa ) est une sous-algèbre contenant a = X(a). D'autre part B une sous-algèbre de A contenant
a, par stabilité pour ×, 1 ∈ B, ∀k ∈ N, ak ∈ B , par combinaison linéaire : ∀P ∈ K[X], P (a) ∈ B
donc K[a] ⊂ B
K[a] est la sous-algèbre engendrée par a
Ker(ψa ) = {0}, soit n ∈ N, αk ∈ K
n
X n
X
αk ak = 0, P (X) = αk X k
k=0 k=0

P (a) = 0 ⇒ P ∈ Ker(ψa )
P = 0 ⇒ ∀k ∈ [|0; n|], αk = 0
La famille (αk ) est libre
Ker(ψa ) 6= {0} ⇒ ∃!P0 ∈ K[x] unitaire/Ker(ψa ) = P0 K[X]. Soit
n−1
X n−1
X
(αk )/ αk ak = 0, P (X) = αk X k
k=0 k=0

P (a) = 0 ⇒ P |P0 , ainsi (1; a; ...; an−1 ) est libre. Par ailleurs soit A ∈ K[X], par division eucli-
dienne par P0 , A = QP0 + R/ deg(R) ≤ n − 1
A(a) = Q(a)P0 (a) + R(a) = R(a) ∈ V ectK [1, ..., an−1 ]
, donc la famille (1; a; ...; an−1 ) est génératrice de K[a]

Cas où A = L est un sur-corps de K

Soit a ∈ L, ou bien ∀P ∈ K[X]∗ , P (a) 6= 0, on dit que a est transcendant sur K ,

dimK (K[a]) = +∞
Ou bien : ∃P ∈ K[X]∗ , P (a) = 0, on dit que a est algébrique sur K
Dans ce cas, soit P0 son polynôme minimal :

a est irréductible sur K ⇒ P0 irréductible sur K ⇒ K[a] est un corps

Par ailleurs, Q irréductible unitaire sur K annulateur de a, alors Q = P0

Preuve : Supposons que ∃(P1 , P2 ) ∈ K[X]/P0 = P1 P2

P0 (a) = P1 (a)P2 (a) ⇒ P1 (a)P2 (a) = 0
⇒ P1 (a) = 0 ouP2 (a) = 0, L est un corps
⇒ P0 |P1 ouP0 |P2

48 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.6. ALGÈBRE

i ∈ {1; 2}/P0 |Pi ils sont associés, P0 est irréductible sur K. D'autre part, soit x0 ∈ K[a]∗ et :
f : K[a] → K[a]
f ∈ L(K[a]), injective car Ker(f ) = {0} Comme dimK (K[a]) < +∞, f
x 7→ x0 x
est bijective : ∃x ∈ K[a]/x0 x = 1, x = x−1
0 ∈ K[a]
Une autre méthode consiste à utiliser le théorème de Bézout et le fait que deux polynômes
irréductibles qui se divisent sont associés.
Le degré d'algébricité est déni comme étant n = deg(P0 ) = dimK (K[a])

Exemples
√
1. X 2 − 2 est irréductible qur Q[X], il annule 2, qui est donc algébrique de degré 2 sur Q[X]
2. Tout les rationnels sont algébrique de degré 1 sur Q : X − a/a ∈ Q7
√
3. )X 3 − 2 est irréductible
√ √ sur Q[X] et annule 3 2, qui est donc algébrique
√ de degré 3 :
(a, b, c) ∈ Q3 , a + b 3 2c 3 4 = 0, soit P√(X) = a + bX + cX 2 ∈ Q[X], P ( 3 2) = 0
En considérant I = {A ∈ Q[X]/A( 3 2) = 0, ∃!P0 unitaire/I = P0 Q[X], or X 3 − 2 ∈ I
irréductible donc :
X 3 − 2|P ⇒ P = 0 ⇒ a = b = c = 0
4. e et π sont transcendants

1.6.3 Théorème de Liouville (HP)

Soit α ∈ R algébrique sur Q de degré supérieur ou égal à 2. SoitP0 ∈ Q[X] irréductible unitaire
sur Q son polynôme minimal. En multipliant par le PPCM des dénominateurs des coecients
de P0 , on obtient P1 ∈ Z[X] irréductible sur Q \ {P1 (α)} = 0. deg(P1 ) = deg(P0 ) = d ≥ 2
Soit pq ∈ Q, P1 ( pq ) 6= 0 car P1 est irréductible sur Q de degré ≥ 2.
Alors : q d P1 ( pq ) ∈ Z∗ et |q α P1 ( pq )| ≥ 1, il vient :

1 p p
α
≤ |P1 ( )| = |P1 ( ) − P1 (α)|
q q q

Supposons p
q ∈ [α − 1; α + 1], notons M = sup |P 0 (x)| > 0. Si P10 = 0 sur [α − 1; α + 1], P1
x∈[α−1;α+1]
est constant, impossible. Dans ce cas
d
q ≤ M | pq − α| ⇒ | pq − α| ≥ 1
M qd

Si | pq − α| > 1 ≥ 1
qd
, en posant c = min(1; M
1
, on a :

p p c
a est algébrique de degré d ⇒ ∃c > 0/∀ ∈ Q, |α − | ≥ d
q q p

√
Cas de 2
Soit pq ∈ Q, avec q ∈ N∗
√ √ 2
−p2 |
| 2 − pq | = 1q |q 2 − p| = 1q |2q
√
q 2+p
= q|q√12+p|
√ √ √ √ √ √ √
Or , |q 2 + p| = |p − q 2 + 2q 2| ≤ |p − q 2| + 2q 2 = q| pq − 2| + 2q 2
√ √ √ √
| pq − 2| ≤ 1 ⇒ |q 2 + p| ≤ (2 2 + 1)q ⇒ | 2 − pq | ≥ q2 (2√12+1)
√
2 est mal approché par des rationnels

49 MP∗ B.DufourJules
1.7. COMPLÉMENTS CHAPITRE 1. ALGÈBRE GÉNÉRALE

Corollaire

Soit x ∈ R, ∃A > 0 et ∃(qn ) ∈ NN ∀n ∈ N, qn ≥ 2 et ∃(pn ) ∈ ZN

pn A
0 < |x − qn | ≤ n
qn

alors x est transcendant

Preuve : si x ∈ Q, x = pq /(p, q) ∈ Z × N∗
Aq Aq
∀n ∈ N, 0 < |qn p − qpn | ≤ n−1
qn
≤ 2n−1
Alors qn p − qpn ∈ Z∗ , 1 ≤ |qn p − qpn | ≤ 2Aq
n−1 , ce qui est absurde lorsque n tend vers +∞

Si x était algébrique, d'après le théorème de Liouville :

p p c
∃c > 0/∀ ∈ Q, |α − | ≥ d
q q p

c pn A A A
(qn )d
≤ |x − qn | ≤ (qn )n ⇒0<c≤ n−d
qn
≤ −→
2n−d n→+∞
0
ce qui est absurde donc x est transcendant

Exemple
+∞
X 1
x= n!
= 0, 1100010...
n=1
10
cette série converge
Pn car elle est majorée par la série à termes positifs géométrique de raison 0.1 .
Soit : 10
pn
n! =
1
k=1 10k!

+∞ n +∞
pn X 1 X 1 1 X 1
|x − | = ≤ =
10n! 10k! 10k 10 (n+1)! 10k
k=n+1 k=1 k=0
10
≤
9 × 10(n+1)!
10
≤
9 × (10n! )n
x est transcendant

1.7 Compléments
1.7.1 Sous-groupes additifs de R
Soit G un sous-groupe de (R, +) avec G 6= {0}. Soit α = inf(G ∩ R∗+ :

α > 0 : α ∈ G et G = αZ est monogène

α = 0 : G est dense dans R

Preuve : cf cours de MPSI

50 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.7. COMPLÉMENTS

1.7.2 Applications
Théorème
Soit a ∈ R \ Q alors Z + aZ est dense dans R
Preuve : G = Z + aZ est un sous-groupe de R engendré par a et 1. S'il existait α ∈ R∗+ tel que
G = αZ alors ∃(n, m) ∈ (Z∗ )2 /1 = nα et a = mα, d'où a = m
n ∈ Q absurde

Corollaire
Soit a ∈ R \ Q alors Z + aN est dense dans R est encore dense dans R

Exemples
1. Si a
π ∈ R \ Q, Z + a
2π N est dense dans R, donc 2πZ + aN est dense dans R
2. Par continuité de sin et exp, il vient que {sin(na)/n ∈ N} est dense dans [−1; 1] et
{exp(ina)/n ∈ N} est dense dans U

1.7.3 Polynômes de Tchebychev

Dénitions, propriétés
Soit n ∈ N, ∀θ ∈ R, cos(nθ) = Re((eiθ )n ) = Re((cos(θ) + i sin(θ))n )
X n
cos(nθ) = (i sin(θ))2k (cos(θ))n−2k
2k
0≤2k≤n

On pose :
E( n
2) 
X n
Tn (X) = (X 2 − 1)k X n−2k
2k
k=0

C'est l'unique polynôme de C[X] vériant

∀θ ∈ R, Tn (cos(θ)) = cos(nθ)

On a les propriétés suivantes :

1. deg(Tn ) = n
2. γ(Tn ) = 2n−1
3. Tn ∈ Z[X]
4. Tn a la même parité que n
5. ∀x ∈ [−1; 1], Tn (x) = arccos(n cos(x))
6. Les polynômes de Tchebychev vérient la relation de récurrence :

∀n ∈ N, Tn+2 = 2XTn+1 − Tn

avec T0 = 1 et T1 = X
7. Tn ◦ Tm = Tm ◦ Tn = Tnm

51 MP∗ B.DufourJules
1.7. COMPLÉMENTS CHAPITRE 1. ALGÈBRE GÉNÉRALE

Polynômes de Tchebychev de seconde espèces

En dérivant, Tn (cos(θ)) = cos(nθ) :

sin(θ) 0
sin(θ)Tn0 (cos(θ)) = −n sin(nθ) ⇒ sin(nθ) = Tn (cos(θ))
n
Si n est impair, Tn est impair, donc Tn0 est pair et

sin(nθ) = Un (sin(θ)) ∈ Z[X]

Si n est pair, Tn0 est impair, donc :

sin(nθ) = cos(θ)Vn (sin(θ))

Des calculs analogues à ceux réalisé pour les polynômes de premières espèces montrent que :
E( n
2)  
X n−k
Un (x) = (−1)k (2x)n−2k
k
k=0

(n)
Les racines du polynôme Un sont de la forme : αk = cos( n+1
kπ
)
Les polynômes de Tchebychev de seconde espèce vérient l'équation diérentielle suivante :

(1 − X 2 )Un00 (X) − 3XUn0 (X) + n(n + 2)Un (X) = 0

En dérivant, on obtient les relations suivantes :

n2 cos(nθ) = cos(θ)Tn0 (cos(θ)) = sin(θ)2 Tn00 (cos(θ))

On obtient une équation diérentielle vériée par les polynômes de Tchebychev :

(X 2 − 1)Tn00 + XTn0 − n2 Tn = 0

En posant :
n
X
Tn = ak,n X k
k=0

Il vient :
n−2
X
((k(k−1)+k−n2 )ak,n −(k+1)(k+2)ak+2,n )X k +((n−1)(n−2)+n−1−n2 )an−1,n X n−1 +(n(n−1)+n−n2 )an,n X n
k=0

d'où an,n = 2n−1 et an−1,n = 0, par parité. Par récurrence descendante :

n−1
∀k ∈ [|0; E( )|], an−(2k+1),n = 0
2
n (n − 2k + 1)...(n − 1)n × 2n−1
∀k ∈ [|0; E( )|], an−2k,n =
2 ((n − 2k)2 − n2 )...((n − 2)2 − n2 )
(k + 1)(k + 2) (−1)k n!2n−1 (n − k − 1)!
ak,n = ak+2,n ⇒ an−2k,n =
k 2 − n2 (n − 2k)!22k k!(n − 1)!

52 MP∗ B.DufourJules
CHAPITRE 1. ALGÈBRE GÉNÉRALE 1.7. COMPLÉMENTS

Figure 1.2  Polynômes de Tchebychev de première espèce

Propriétés analytiques

n−1
Y (2k + 1)π
Tn (X) = 2n−1 (X − xk ) avec xk = cos( ) ∈] − 1; 1[
2n
k=0

∀x ∈ [−1; 1], |Tn (x)| ≤ 1

Tn (x) = 1 ⇔ ∃k ∈ Z, x = cos( 2kπ
n )
Tn (x) = −1 ⇔ ∃k ∈ Z, x = cos( 2k+1
n π)

Théorème
Soit P ∈ Rn [X]/ deg(P ) = n, γ(P ) = 2n−1

sup |P (x)| = 1 ⇔ P = Tn
x∈[−1;1]

On pose yp = cos( pπ
n , Tn (yp ) = (−1) , si ||P ||∞ < 1 alors ∀x ∈ [−1; 1], |P (x)| < 1, car le sup est
p

atteint : deg(P − Tn ) ≤ n − 1

∀p ∈ [|0; n − 1|], (P − Tn )(yp )(P − Tn )(yp+1 ) = (P (yp ) − (−1)p )(P (yp+1 − (−1)p+1 ) < 0

P − Tn s'annule sur chaque ]yp ; yp+1 [, p ∈ [|0; n − 1|], donc au moins n fois : nécessairement,
P − Tn = 0, ce qui est impossible car ||Tn ||∞ = 1
Si ||P ||∞ = 1, ∀x ∈ [−1; 1], |P (x)| ≤ 1, ∀p ∈ [|0; n − 1|], (P − Tn )(yp )(P − Tn )(yp+1 ) ≤ 0, P − Tn
s'annule au moins une fois sur [yp ; yp+1 ]
Si P − Tn s'annule en yp+1 avec p ≤ n − 2 et yp avec p ≥ 1, points intérieurs à [−1; 1] et
P 0 (yp ) = Tn0 (yp ) = 0, extrêma intérieur. En dénombrant les multiplicités, P − Tn s'annule au
moins n fois : P − Tn = 0 ⇒ P = Tn

53 MP∗ B.DufourJules
1.7. COMPLÉMENTS CHAPITRE 1. ALGÈBRE GÉNÉRALE

1.7.4 Produit de convolution

Dénition
Soient f et g deux fonctions réelles ou complexes, on note f ∗ g leur produit de convolution :
Z +∞ Z +∞
(f ∗ g)(x) = f (x − t)g(t)dt = f (t)g(x − t)dt
−∞ −∞

Pour des suites (un ) et (vn ) réelles ou complexes, on dénit leur produit de convolution :
+∞
X +∞
X
(u ∗ v)n = un−m vm = um vn−m
m=−∞ m=−∞

Propriétés
Les produits de convolution continu ou discret vérient les propriétés suivantes :
1. Commutativité
2. Distributivité du produit de convolution sur l'addition
3. Associativité
4. Compatibilité avec les translations : on dénit (τh f )(x) = f (x − h)
Z +∞
((τh f ) ∗ g)(x) = f (x − t − h)g(t)dt = (τh (f ∗ g))(x)
−∞

5. Intégration : Z +∞ Z +∞ Z +∞
(f ∗ g)(t)dt = ( f (t)dt)( g(t)dt)
−∞ −∞ −∞

6. Dérivation : si f et g sont deux fonctions complexes dérivables,

(f ∗ g)0 = f 0 ∗ g = f ∗ g 0

7. Si f et g sont paires alors (f ∗ g) est paire

54 MP∗ B.DufourJules
Chapitre 2

Séries numériques et familles

sommables
Sommaire
2.1 Suites réelles et complexes . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1.2 Suites extraites, valeurs d'adhérence . . . . . . . . . . . . . . . . . . . 51
2.1.3 Théorème de Césaro (HP) . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.2 Séries numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.2 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.3 Comparaison série intégrale . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2.4 Règle de d'Alembert . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.5 Sommation des relations de comparaison . . . . . . . . . . . . . . . . . 62
2.2.6 Séries de signe quelconque . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3 Familles sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.1 Dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.2 Familles sommables de réels positifs . . . . . . . . . . . . . . . . . . . 68
2.3.3 Familles sommables de réels ou de complexes . . . . . . . . . . . . . . 73
2.3.4 Produit de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.3.5 Théorème de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.3.6 Produits innis (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.3.7 Règle d'Abel (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

2.1 Suites réelles et complexes

2.1.1 Rappels
Dénitions
On dit qu'une suite (un ) ∈ KN converge vers l ∈ K si et seulement si :

∀ε > 0, ∃N ∈ N/n ≥ N ⇒ |un − l| < ε

55
2.1. SUITES RÉELLES ET COMPLEXES CHAPITRE 2. SÉRIES NUMÉRIQUES

En d'autres termes : ∀ε > 0{n ∈ N/|un − l| < ε} est ni

lim un = +∞ ⇔ ∀A ∈ R, ∃N ∈ N/n ≥ N ⇒ un ≥ A
n→+∞
lim un = −∞ ⇔ ∀A ∈ R, ∃N ∈ N/n ≥ N ⇒ un ≤ A
n→+∞

Suites adjacentes

Soient (an ) et (bn ) deux suites réelles, on dit qu'elles sont adjacentes si et seulement si :
1. (an ) est croissante
2. (bn ) est décroissante
3. lim an − bn = 0
n→+∞
alors an et bn convergent vers une même limite

Exemples
n
X 1 1
un = et vn = un +
k! n × n!
k=0

1
∀n ∈ N, un+1 − un = >0
(n + 1)!
1 1 1
vn+1 − vn = + −
(n + 1)! (n + 1)((n + 1)! n × n!
n(n + 1) + n − (n + 1)2
=
n(n + 1)(n + 1)!
−1
= <0
n(n + 1)(n + 1)!
1
vn − un =
n × n!
Les suites (un ) et (vn ) sont adjacentes, on note e leur limite commune :
+∞
X 1
k!
k=0

∀n ∈ N, un < e < vn .Si e était rationnel : e = p

q ∈Q:

q!q < pq q! < q!q + 1

q ≤ q!uq + 1, absurde : e ∈
/Q
n
X 1
0< uk = e − un <
n × n!
k=0

n−1
X 1 1
∀n ∈ N, un = − ln(n) et vn = + un
k n+1
k=1

56 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.1. SUITES RÉELLES ET COMPLEXES

1 1 1
un+1 − un = − ln(n + 1) + ln(n) = − ln(1 + )
n n n
1 1
vn+1 − vn = + ln(1 + )
n+1 n+1

Lemme : inégalité de convexité de ln : ∀x > −1 ln(x+1) ≤ x, cette preuve découle immédiatement

d'une étude de fonction : f (x) = x − ln(1 + x), d'où

1 1 1 1
un+1 − un = − ln(1 + ) ≥ − > 0
n n n n
1 1 1 1
vn+1 − vn = + ln(1 + )≤ −
n+1 n+1 n+1 n+1
1
vn − u n = −→ 0
n n→∞
On note γ , la constante d'Euler leur limite commune. Notons qu'on a :

un − γ = o(1)
n
X 1
= ln(n) + γ + o(1)
k
k=1

2.1.2 Suites extraites, valeurs d'adhérence

Dénition

Soit un ∈ KN et σ : N → N strictement croissante telle que : ∀n ∈ N, σ(n) ≥ n. On dit

que (uσ(n) ) est extraite de (un ).
On dit que λ est valeur d'adhérence de (un ) si et seulement si :

∃σNN /uσ(n) −→ λ
n→∞

Exemples
1. (u2n ), (u2n+1 ) et (un2 ) sont extraites de (un )
2. 1 et −1 sont valeurs d'adhérence de (−1)n

Propriétés

1. lim un = l ⇒ ∀σ ∈ NN , uσ(n) −→ l
n→+∞ n→∞
2. λ est valeur d'adhérence de (un ) ⇔ ∀ε > 0, {n ∈ N/|un − λ| ≤ ε} est inni
3. Théorème de Bolzano-Weierstrass : toute suite réelle ou complexe bornée admet au
moins une valeur d'adhérence

57 MP∗ B.DufourJules
2.1. SUITES RÉELLES ET COMPLEXES CHAPITRE 2. SÉRIES NUMÉRIQUES

Preuve :
2. Soit σ ∈ NN /uσ(n) −→ l
n→∞
∀ε > 0, ∃N ∈ N/n ≥ N ⇒ |uσ(n) − l| ≤ ε
alors, {σ(n)/n ≥ N } ⊂ {k ∈ N/|uk − λ| ≤ ε} est inni
Réciproquement : on va construire σ par récurrence, tel que ∀n ∈ N, |uσ(n) − λ| ≤ 1
n+1
Dénissons : σ(0) = min{k ∈ N/|uk − λ| ≤ 1}
Soit n ∈ N, σ(0) < σ(1) < ... < σ(n) dénie telle que :

1
∀m ∈ [|0; n|], |uσ(n) − λ| ≤
n+1

Comme l'ensemble {k ∈ N/|uσ(k) − l| ≤ 1

n+2 } est inni, on peut dénir :

1
σ(n + 1) = min{k ∈ N/|uk − λ| ≤ et k > σ(n)}
n+2

On a bien déni la suite (uσ(n) ) extraite de (un ) par récurrence, tel que :

lim uσ(n) = λ
n→+∞

Remarque
Soit (un ) ∈ RN , non méjorée alors +∞ est valeur d'adhérence dans R

∀A ∈ R, ∃N ∈ N/un > A

On peut construire σ par récurrence telle que

∀n ∈ N, uσ(n) ≥ n ⇒ uσ(n) −→ +∞
n→+∞

Exemple
Soit α ∈ R \ Q et rn = pn
qn suite de rationnels qui converge vers α. Montrons que

lim qn = lim |pn | = +∞

n→+∞ n→+∞

Supposons que limite de (qn ) ne tende pas vers +∞ :

∃A > 0/∀N ∈ N, ∃n > N, qn < A

donc {n ∈ N/qn < A} est inni, on peut donc extraire (qσ(n) ) telle que : ∀n ∈ N, qσ(n) < A.
D'après le théorème de Bolzano-Weierstrass, on peut extraire (qϕ(n) ) qui converge vers q ∈ R.
Notons que toute suite d'entiers relatifs qui converge est stationnaire à partir d'un certain rang :
donc q ∈ N∗ . Or ∀n ∈ N, pϕ(n) = rϕ(n) qϕ(n) −→ αq . (pϕ(n) est une suite convergente d'entiers
n→+∞
relatifs stationnaire : αq ∈ Z et α ∈ Q, absurde : lim qn = +∞. On en déduit le résultat
n→+∞
souhaité

58 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.1. SUITES RÉELLES ET COMPLEXES

Corollaire

Soit (un ) ∈ KN une suite bornée, elle est convergente si et seulement si elle admet une
seule valeur d'adhérence

Preuve :si (un ) est convergente vers l, la seule valeur d'adhérence est l.
Réciproquement : soit l la seule valeur d'adhérence de (un ). Soit ε > 0. Supposons que {n ∈
N/|un − l| > ε} est inni. On peut donc extraire (uσ(n) ) telle que :

∀n ∈ N, |uσ(n) − l| > ε

(uσ(n) ) est bornée car (un ) l'est, on peut extraire une suite (uϕ(n) ) telle que (uϕ(n) ) −→ l0
n→+∞

∀n ∈ N, |uϕ(n) − l| > ε ⇒ |l0 − l| ≥ ε

absurde. Attention ceci est faux si la suite n'est pas bornée

2.1.3 Théorème de Césaro (HP)

Soit (un ) ∈ KN qui converge vers l ∈ K ∪ {+∞; −∞} alors

n
1 X
lim uk = l
n→+∞ n + 1
k=0

Preuve : l ∈ K , on pose
n
1 X
cn = uk
n+1
k=0
n
1 X
∀n ∈ N, |cn − l| ≤ | (uk − l)|
n+1
k=0

Soit
n
1 X ε n−N +1 ε
ε > 0, ∃N ∈ N/∀k ≥ N, |uk − l| ≤ ε ⇒ n ≥ N (uk − l) ≤ × ≤
n+1 2 n+1 2
k=N

Par ailleurs ε > 0 étant xé , N aussi :

N −1
1 X
lim (uk − l) = l
n→+∞ n + 1
k=0

k=0
1 X ε
∃N 0 ∈ N/n ≥ N 0 , |uk − l| ≤
n+1 0 2
N −1

59 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

∀n ∈ N/n ≥ max(N, N 0 ), |cn − l| ≤ ε

l = +∞ : Soit A ≥ 0, ∃N ∈ N, ∀k ≥ N : uk ≥ 3A
N −1 n N −1
1 X X 1 X n−N +1
n ≥ N, cn = ( uk + uk ) ≤ ( uk + 3A × )
n+1 n+1 n+1
k=0 k=N k=0

1
A et N étant xés , ∃N 0 ∈ N/∀n ≥ N 0 , n−N
n+1
+1
≥
2
N −1
00 1 X 00 1
∃N ∈ N/∀n ≥ N , uk ≥
n+1 2
k=0

∀n ≥ max(N, N 0 , N 00 ), cn ≥ A ⇒ cn −→ +∞
n→+∞
BLa réciproque est fausse : (−1)n

2.2 Séries numériques

Soient (un ) et (vn ) ∈ KN dans toute cette partie

2.2.1 Généralités
Dénition

On pose
n
X
∀n ∈ N, Sn = uk
k=0

On appelle série de terme général un notée un la suite (Sn ). On dit que un converge si
P P
et seulement si (Sn ) converge , dans ce cas on note :
+∞
X
uk = lim Sn
n→+∞
k=0

+∞
X
Rn = uk = S − Sn
k=n

P+∞
BOn ne manipule jamais la notation k=0 uk avant d'avoir prouvé ou supposé la convergence
de la série

Propriétés

1. un converge ⇒ un −→ 0 sinon on dit que la série est grossièrement divergente

P
n→+∞

60 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

2. un et vn convergent alors :
P P

+∞
X +∞
X +∞
X
∀λ ∈ K, (λuk + vk ) = λ uk + vk
k=0 k=0 k=0

3. un converge ⇔ (un+1 − un converge

P

+∞
X
un+1 − un = lim un − u0
n→+∞
k=0

Preuve :
1. un = Sn − Sn−1 −→ 0, la réciproque, par exemple avec la série harmonique
n→+∞

Remarque
Pour calculer une série on détermine la limite des sommes partielles

Séries géométriques

z n converge ⇔ |z| < 1 alors

P
z ∈ C,
+∞
X 1
zn =
n=0
1−z

Exemple
Soit n ≥ 1
N N 1
(−1)n
X X Z
= (−1)n tn dt
n=0
n+1 n=0 0
Z N
1X
= (−t)n dt
0 n=0
Z 1
1 − (−t)N +1
= dt
0 1+t
Z 1
(−t)N +1
= ln(2) − dt
0 1+t
1 1 N +1 1
(−t)N +1
Z Z Z
t 1
| dt| ≤ dt ≤ tN +1 dt =
0 1+t 0 1+t 0 N +2
D'après le théorème des gendarmes :
Z 1
(−t)N +1
dt −→ 0
0 1+t n→+∞

61 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

+∞
X (−1)n
n=0
n+1

Nature et somme de n(2n+1) .

1
Elle est convergente d'après le critère des séries de Riemann.
P

1 1 2
= −
X(2X + 1) X 2X + 1

N N
X 1 X 1
SN = = HN − 2
n=1
n(2n + 1) n=1
2n + 1
= 2(HN − H2N +1 ) + 2
= 2(γ + ln(N ) − ln(2N + 1) − γ + o(1)) + 2
N
= 2 ln( ) + 2 + o(1)
2N + 1
−→ 2 − 2 ln(2)
n→+∞

d'où
+∞
X 1
= 2 − 2 ln(2)
n=1
n(2n + 1)

BNe pas écrire

+∞ +∞ +∞
X 1 X 1 X −2
= +
n=1
n(2n + 1) n=1 n n=1 2n + 1

2.2.2 Séries à termes positifs

Dénition

Soit an une série telle que ∀n ∈ N, an ∈ R∗+ . On dit que c'est une SATP. La suite des
P
sommes partielles est croissante, elle converge si et seulement si elle est majorée. On écrit
dans ce cas :
+∞
X
an < +∞
n=1

En cas de divergence :
+∞
X
an = +∞
n=1

Remarque
Les critères spéciques aux SATP restent valide lorsqu'il ne s'applique qu'à partir d'un certain
rang

62 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

Théorème de comparaison

Soient an et bn deux SATP :

P P

X X
an = O(bn ) : bn converge ⇒ an converge
X X
an diverge ⇒ bn diverge
X X
an ∼ bn : an converge ⇔ bn converge

Remarque

an = O(bn ) ⇔ ∃M ≥ 0, ∃N ∈ N, ∀n ≥ N |an | ≤ M |bn |

an = o(bn ) ⇔ ∀ε > 0, ∃N ∈ N, ∀n ≥ N, |an | ≤ ε|bn |
an ∼ bn ⇔ an − bn = o(bn )

2.2.3 Comparaison série intégrale

Soit A ∈ R+ , f : [A; +∞[−→ R, continue, positive, décroissante :
R n+1
1. ∀n ∈ N/n ≥ A, f (n + 1) ≤ n f (t)dt ≤ f (n)
R n+2
2. ∀n ∈ N/n ≥ A, wn = f (n) − n f (t)dt ≥ 0 la SATP wn converge
P
R n+2
3. f (n) converge ⇔ ( A f (t)dt)n∈N converge
P
≥A

Preuve :
R n+1
1. ∀t ∈ [n; n + 1], f (n + 1) ≤ f (t) ≤ f (n) ⇔ f (n + 1) ≤ n f (t)dt ≤ f (n)
2. 0 ≤ wn ≤ f (n) − f (n + 1) or (f (n)) est décroissante positive donc elle converge, donc la
somme télescopique aussi. Par comparaison wn converge
P

3.
XN N
X N
X Z n+1 XN Z N +1
f (n) = wn + f (t)dt = wn + f (t)dt
n=E(A) n=E(A) n=E(A) n n=E(A) E(A)

Critère de Riemann

Soit α ∈ R
X 1
α>1⇒ converge
nα
n≥1
X 1
α<1⇒ diverge
nα
n≥1

63 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

Séries de Bertrand (HP)

Soit (α, β) ∈ R2 ,
X 1
nα ln(n)β
n≥2

α < 1, n1 = o( nα ln(n)β ) = O( nα ln(n)β ), diverge

1 1

α>1:β≥0: 1
nα ln(n)β
= O( n1α ), converge
β<0: 1
nα ln(n)β
= O( 1
1+α ), converge
n 2
α = 1, β ≤ 0 n1 = β ), diverge
1
O( n ln(n)
f : [2; +∞[ → R
β>0: 1
t 7→ t ln(t)β
Z n
dt 1
= [− ln(t)1−β ]n2 −→ l ssi β > 1
2 t ln(t)β β+1 n→∞

= [ln(ln(t))]n2 −→ +∞ siβ = 1
n→∞

X 1
converge ⇔ α > 1 ou α = 1 et β ≥ 1
nα ln(n)β
n≥2

Équivalents des restes des sommes partielles

Soit α ∈]1; +∞[, on pose :
+∞
X 1
ζ(α) =
n=1
nα

f : [1; +∞[ → R
fonction zêta de Riemann. D'après le théorème de comparaison : 1
t 7→ tα
Z n+1
1 dt 1 1 1 1 1 1
∀n ≥ 1 ≤ ≤ α ≤ α ⇔ ≤ ( α−1 − )
nα n t α n n n α α−1 n (n + 1)α
+∞ +∞ +∞
X 1 X 1 1 1 X 1
⇔ ) ≤ ( − ≤
nα α − 1 nα−1 (n + 1)α nα
n=N n=N n=N
1 1
⇔ RN +1 ≤ × α−1 ≤ RN
α−1 N
1 1 1
⇔ − α ≤ RN +1 ≤
(α − 1)N α−1 N (α − 1)N α−1
+∞
X 1 1
n (α − 1)N α−1
α
n=N +1

Soit α ∈]0; 1[ avec la même fonction :

N N N
1 1 1−α 1−α 1 X 1 X 1 1−α 1−α
X 1
∀n ≥ 1 ≤ [(n+1) −n ] ≤ ⇔ ≤ [(n+1) −n ] ≤
(n + 1)α 1−α nα n=1
(n + 1) α
n=1
1 − α n=1
n α

64 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

d'où
N
X 1 N 1−α
α
∼
n=1
N 1−α

2.2.4 Règle de d'Alembert

Comparaison géométrique

Dans cette partie un et vn désignent des SATP

P P
∃N N, ∀n ∈ N/n ≥ N, un > 0 et vn > 0 et
un+1 vn+1
≤
un vn

P vn converge ⇒P un converge
P P
un diverge ⇒ vn diverge

Preuve : un ≤ uN vvNn = O(vn )

Théorème

On suppose de plus : uun+1

n
−→ l ∈ R∗+
n→+∞
Si l < 1 : P un converge
P
Si l > 1 : un diverge
Si l = 1 : on ne peut pas conclure en général, néanmoins si ∃NP0 ∈ N/∀n ≥ N 0 , uun+1 n
>1
alors (un ) est croissante minorée par 1, elle ne tend pas vers 0 : un diverge grossièrement

Preuve : l > 1 , ∃N 0 ∈ N/∀nP≥ N 0 , uun+1

n
> 1 ⇒ un+1 > un , alors (un ) est croissante minorée
par 1, elle ne tend pas vers 0 : un diverge grossièrement
l < 1, ∃N 00 ∈ N/∀n ≥ N 00 , uun+1
n 2 , d'après le théorème de comparaison géométrique :
≤ l+1

l+1 n X X
( ) = vn , vn converge ⇒ un aussi
2

Exemples
n
Soit z ∈ C, un = | zn! |
|z|
un+1
Si z 6= 0, ∀n ∈ N, un > 0 et = n+1
un −→ 0
P n→+∞ P zn
D'après la règle de d'Alembert , un converge donc n! est absolument convergente, donc
elle converge. On dénit :
+∞ n
X z
exp(z) =
n=0
n!

+∞
exp(z) + exp(−z) X z 2n
ch(z) = =
2 n=0
2n!

65 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

+∞
exp(iz) + exp(−iz) X z 2n
cos(z) = ch(iz) = = (−1)n
2 n=0
2n!
+∞
exp(z) − exp(−z) X z 2n+1
sh(z) = =
2 n=0
(2n + 1)!
+∞
sh(iz) exp(iz) − exp(−iz) X z 2n+1
sin(z) = = = (−1)n
i 2i n=0
(2n + 1)!

u u2n = 1
BMême lorsque un > 0, un+1 ne converge pas forcement :
n u2n+1 = 2

Règle de Raab-Duhamel (HP)

On suppose qu'il existe α ∈ R/ uun+1

n
=1− α
n + O( n12 ), alors :

K
∃KR∗+ , un ∼
nα
un converge ⇔ α > 1
P

Preuve : Montrons que un nα converge, ce qui équivaut à ln(un nα ) converge dans R. On pose
vn = ln(un nα )

un+1 n + 1 α
vn+1 − vn = ln( ( ) )
un n
un+1 1
= ln( ) + α ln(1 + )
un n
α 1 1 1
= ln(1 − + O( 2 ) + α( + O( 2 ))
n n n n
α 1 α 1
= − + O( 2 ) + + O( 2 )
n n n n
1
= O( 2 )
n
La série télescopique vn+1 − vn est absolument convergente, donc elle converge. La série
P P
vn
converge , donc un aussi
P

Exemple
Nature de la série :
n
1
X Y
( (2 − e k ))
n≥2 k=2

un+1 1 1 1 1 1
= 2 − e n+1 = 2 − (1 + + O( 2 ) = 1 − + O( 2 )
un n+1 n n+1 n
D'après la règle de Raab-Duhamel, α = 1 donc un diverge. Une autre méthode consiste à
P
passer au ln puis utiliser le critère de Riemann

66 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

Formule de Stirling

n √
n! ∼ ( )n 2nπ
e
n!en
Preuve : formons un = nn

un+1 (n + 1)enn e 1
= = = exp(1 − n ln(1 + ))
un (n + 1)n+1 (1 + n1 )n n
1 1 1
= exp(1 − n( − 2 + O( 3 ))
n 2n n
1 1
= exp( + O( 2 )
2n n
1 1
= 1+ + O( 2 )
2n n
√
D'après la règle de Raab-Duhamel : un ∼ K n
Rappel sur les intégrales de Wallis :
Z π
2
In = sin(t)n dt > 0
0

Par intégration par parties : In+2 = n+1

n+2 In
(2p−1)(2p−3)...1 (2p)!
Il vient : I2p = 2p(2p−2)...2 × 2 = 22p
π π
(p!)2 × 2
De plus : 0 < In+2 ≤ In+1 ≤ In ⇒ 0 < In+2In ≤ In
In+1
≤1

In+1
lim = 1 ⇒ In+1 ∼ In
n→+∞ In

Soit Wn = (n + 1)In In+1 , on a Wn+1 = (n + 2)In+1 In+2 = (n + 1)In In+1 = Wn = W0 = π

2
On en déduit : Wn ∼ nIn2 ⇔ In ∼ 2n
pπ

donc, I2p ∼ 4n = 21 nπ
pπ p
r
(2p)! π 1 2
× ∼
22p (p!)2 2 K p
√
d'où K = 2π

Remarque
√ √
n! ∼ ( ne )n 2nπ ⇒ ln(n!) = n ln(n) − n + 1
2 ln(n) + ln( 2π) + o(1)

Séries lacunaires

∀k ∈ N, uσ(k) > 0
Si {n ∈ N/un > 0} est inni, on peut extraire (uσ(n) ) telle que
∀n ∈ N \ σ(N), un = 0

un converge ⇔ uσ(n) converge

P P

67 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

Preuve :
N σ(N ) +∞
X X X
∀N ∈ N uσ(k) = un ≤ un
k=0 n=0 n=0
uσ(n+1)
On peut étudier −→
uσ(n) n→+∞ l ∈ R∗+ avec la règle de d'Alembert

Exemple
an = 0 si n ≡ 0 ou 1[3]

Soit x ∈ R∗+ , Etudier a n xn
P
p
a3p+2 = 2

σ : N → N
On pose
p 7 → 3p + 2

uσ(n+1) x3p+5
= 2 3p+2 = 2x3
uσ(n) x

1
a xn converge
P
x< 3 ,
√
2 P n
x> 1
3 ,
√ a xn
2 P n
diverge
x= 1
3 ,
√
2
an xn diverge grossièrement

2.2.5 Sommation des relations de comparaison

Théorème

Soient an et bn deux SATP. On suppose an = O(bn ) (resp. o(bn ), ∼ bn ) :

P P

1. bn converge ⇒ an converge :
P P

+∞
X +∞
X +∞
X +∞
X
an = O( bn )( resp.o( bn ), ∼ bn )
n=N +1 n=N +1 n=N +1 n=N +1

2. an diverge ⇒ bn diverge :
P P

N
X N
X N
X N
X
bn = O( an )( resp. o( an ), ∼ an )
n=0 n=0 n=0 n=0

Preuve : bn converge , si an = O(bn ) alors

P
∃M ≥ 0, ∃N ∈ N, ∀n ≥ N, an ≤ M bn
∀ε, ∃N 0 ∈ N, ∀n ≥ N 0 , an ≤ εbn
∀ε, ∃N 00 ∈ N, ∀n ≥ N 00 , |an − bn | ≤ εbn

+∞
X +∞
X +∞
X +∞
X +∞
X +∞
X +∞
X
an = M bn , ( resp. an ≤ ε bn ), ( resp.| an −bn | ≤ |an −bn | ≤ ε bn
n=N +1 n=N +1 n=N +1 n=N +1 n=N +1 n=N +1 n=N +1

68 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

PN
Si an diverge , si an = o(bn ). Notons que
P
n=0 an −→ +∞
N →+∞
Soit ε > 0, ∃N 0 ∈ N, ∀n ≥ N 0 , an ≤ ε
2

0 0
N N −1 N N −1 N
X X ε X X εX
0≤ an ≤ an + bn ≤ an + bn
n=0 n=0
2 0 n=0
2 n=0
n=N

PN 0 −1
an
ε étant xé , N 0 l'est aussi et lim Pn=0
N =0
n→+∞ n=0 bn
donc ,
0
N −1 N
00 00
X εX
∃N ∈ N/∀N ≥ N , an ≤ bn
n=0
2 n=0

Finalement :
N
X N
X
0 00
∀N ≥ max(N , N ), an ≤ ε bn
n=0 n=0

Exemple
On sait que
n
X 1
= γ + ln(n) + o(1)
k
k=1

, on pose un − ln(n) −→ γ
N →+∞

un − un+1 = Hn − ln(n) − Hn+1 + ln(n + 1)

1 1
= ln(1 + ) −
n n+1
1 1 1 1 1
= − ( ) + − 2 + O( 3 )
n 1 + n1 n 2n n
1 1 1 1 1 1
= − (1 − + O( 2 )) + − 2 + O( 3 )
n n n n 2n n
1 1
= + O( 3 )
2n2 n
1
∼
2n2
+∞ +∞
X 1 X 1 1
(un − un+1 ) ∼ ∼
2 n2 2N
n=N n=N

N
X 1 1 1
= ln(N ) + γ + + o( )
k 2N N
k=1

Étude des suites un+1 = f (un )

Soit u0 ∈]0; π2 [, ∀n ∈ Nun+1 = sin(un ). Étude et équivalent de un
∀x ∈ R, | sin(x)| ≤ |x|
∀n ∈ N, un ∈ [0; π2 et 0 ≤ un+1 ≤ un donc un converge, par continuité de sin :

69 MP∗ B.DufourJules
2.2. SÉRIES NUMÉRIQUES CHAPITRE 2. SÉRIES NUMÉRIQUES

un −→ 0
N →+∞

Méthode générale : On se donne α ∈ R qu'on xera plus tard de sorte que , uα

n+1 − un est un
α

équivalent simple
uα
n+1 = (sin(un ))α
u3n
= (un − + O(u5n ))α
6
u2n
= uα
n (1 − + O(u4n ))α
6
u2n
= uα
n (1 − α + O(u4+α
n ))
6
α
uα α
n+1 − un = − unα−2 + O(u4α n )
6
On xe α = −2 : u21 − u12 = 31 + O(u2n )
n+1 n
D'après le théorème de comparaison des sommes partielles :
n−1 r
X 1 1 n 3
− 2 ∼ ⇒ un ∼
u2k+1 uk 3 n
k=0

Un peu plus loin :

1 u3n u5
= sin(un )−2 = (un − + n + O(u7n ))−2
u2n 6 120
1 u2n u4n
= (1 + + + O(u6n )
u2n 3 15
1 1 u2n
= + + + O(u4n )
u2n 3 15
Par des arguments similaires et des simplications, il vient :
r √
3 3 3 ln(n)
un ∼ −
n 10n3/2

2.2.6 Séries de signe quelconque

Critère spécial des séries alternées

Soit an une série alternée , on suppose :

P

1. an −→ 0
N →+∞
2. (|an |) décroît
Dans ce cas :
1. an converge
P

2. elle est du même signe que a0 et

+∞
X
ak ≤ a0
k=0

3. De plus le reste au rang n est du signe de an , avec la majoration suivante : |Rn | ≤ |an |

70 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.2. SÉRIES NUMÉRIQUES

Preuve : cf cours MPSI

Remarque
Le critère spécial s'applique encore si la décroissance de an n'est vériée qu'à partir d'un
certain rang, mais 2) ne s'applique plus

Exemples
Soit α ∈ R,
X (−1)n
nα
n≥α

1. Si α ≤ 0 : divergence grossière
2. Si α > 1 : convergence (CDR)
3. Si α ∈]0; 1[ : convergence (CSSA)

Notons que :
+∞ +∞ +∞
X (−1)n X 1 α X 1
g(α) = α
= ( ) − ( )α = p(α) − i(α)
n=1
n n=1
2n n=1
2n + 1

p(α) = ζ(α)
2α
1
p(α) + i(α) = ζ(α) ⇒ i(α) = ζ(α) − p(α) ⇒ i(α) = ζ(α)(1 − 2α )
d'où g(α) = ζ(α)( 2α−1
1
− 1)
On peut prolonger la fonction ζ dans ]0; 1[
Séries de Bertrand alternées : (α, β) ∈ R2 soit

X (−1)n
nα ln(n)β
n≥2

1. α < 0 : divergence grossière

2. α = 0 et β ≤ 0 : divergence grossière
3. α = 0 et β > 0 : convergence (CSSA)
4. α > 0 et β ≥ 0 : convergence (CSSA)
f : [2; +∞[ → R
5. α > 0 et β < 0 : on forme 1
t 7→ tα ln(t)β
−β−1
∀t ∈ [2; +∞[, f 0 (t) = (−β − α ln(t)) ln(t)
tα+1
−β
Cette fonction est donc décroissante a partir de x0 = e α , en appliquant le CSSA, il vient
que la série considérée converge

BLa règle de comparaisons des termes généraux ne s'applique lorsque le terme général change
de signe

71 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Protocole d'étude
Soit an une série numérique :
P

1. On dénit le genre de la série

2. Si le terme général ne tend par vers 0 : divergence grossière
3. On examine la convergence absolue
4. On cherche à appliquer le CSSA si c'est une série alternée
5. On cherche à appliquer la règle de d'Alembert
6. On cherche à eectuer un développement asymptotique : on s'arrête lorsqu'on rencontre
un O( n1α ) avec α > 1 ou bien lorsqu'on rencontre un terme équivalent d'une série de
signe constant. On peut aussi à faire une décomposition en éléments simples

Exemple
n
Soit α ∈ R, un = nα(−1)+(−1)n
Si α < 0 : divergence grossière
Si α > 1 : |un | ∼ n1α convergence absolue
Si α]0; 1] : la série est alternée, mais le CSSA ne s'applique pas

(−1)n (−1)n (−1)n 1

un = = (1 − + o( α ))
nα + (−1)n nα nα n
(−1)n (−1)n 1
= α
− 2α + o( 2α ))
n n n
D'après le CDR, un converge pour α > 1
P
2

2.3 Familles sommables

2.3.1 Dénombrabilité
Dénition

On dit que deux ensembles A et B sont équipotents si et seulement si il existe une bijection
de A dans B
A est dénombrable si et seulement si il est équipotent à N. on peut écrire A = (an )n∈N
comme une énumération

Théorème

A est ni ou dénombrable si et seulement si il existe une surjection de N dans A

Preuve :Si il existe f : N −→ A surjective, soit R dénie sur N par xRy ⇔ f (x) = f (y).
En choisissant un représentant de chaque classe, on dénit une bijection d'une partie de N dans

72 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

A : si elle est nie, alors A est ni. Si elle est inni, on peut en construire une énumération
par récurrence (avec les minimum), donc A est dénombrable Réciproquement : si A est ni, soit
n = card(A), alors A est en bijection avec [|1; n|], sinon A est dénombrable alors par dénition
il est en bijection avec N
BParfois le mot dénombrable signie en bijection avec une partie de N. On dit au plus dénom-
brable pour ni ou dénombrable

Exemples
1. Z est dénombrable
2. R n'est pas dénombrable : la diagonale de Cantor basée sur le développement propre décimal
des réels en fournit la preuve (cf cours de MPSI). On montre ainsi que [0; 1[ n'est pas
dénombrable
3. {0; 1}N n'est pas dénombrable, on dénit :

f : {0; 1}N → [0; 1]

P+∞ an−1
(an ) 7 → n=1 2n

f est surjective, on dénit : a1 = E(2x) ∈ {0; 1}

∀n ∈ N, an = E(2n+1 x) − a0 2n−1 − ... − an−1
On vérie que :
+∞
X an−1
=x
n=1
2n

Si {0; 1}N était dénombrable alors [0; 1] le serait, ce qui est impossible
4. P(N) n'est pas dénombrable. En eet :
χ : P(N) → {0; 1}N
χ est bijective
A 7→ χA

Théorème

1. Si A et B sont nis ou dénombrables alors A × B est ni ou dénombrable

2. Si A1 ; ...; Ap sont nis ou dénombrable alors A1 × ... × Ap est ni ou dénombrable
3. Une réunion nie ou dénombrable d'ensemble dénombrable ou ni l'est aussi

Preuve :
a0 a1 ... an ...
b0 (a0 , b0 ) (a1 , b0 ) ... (an , b0 ) ...
b1 (a0 , b1 ) (a1 , b1 ) ... (an , b1 ) ...
1. Soit (an ) une énumération de A et (bn ) une énumération de B : .. .. .. .. .. ..
. . . . . .
bn (a0 , bn ) (a1 , bn ) ... (an , bn ) ...
.. .. .. .. .. ..
. . . . . .
On obtient ainsi une énumération de A × B
2. Par récurrence sur p

73 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

3. Soit (An ) une famille d'ensembles nis ou dénombrables. On peut énumérer An,p . On pose :

N2
S
ϕ : → n∈N An
(n, p) 7→ an,p

est surjective donc An est ni ou dénombrable

S
n∈N

Exemples
ϕ : Z × N∗ → Q
1. Q est dénombrable : p
(p, q) q
or Z × N∗ est dénombrable donc Q
2. Q le corps des nombres algébriques est dénombrable :
En eet : n ∈ N
ϕ : Qn+1 → P Qn [X]
n k
(a0 ; ...; an ) 7→ k=1 ak X

est bijective, Qn+1 est dénombrable donc Qn [X] l'est :

+∞
[
Q[X] = Qn [X]
n=0

est dénombrable. Comme n étant xé, chaque polynôme de Qn [X] a au plus n racines
distinctes sur C. On peut dénir An = {z ∈ C algébrique de deg ≤ n}
[
Q= Ap
P ∈Q[X]

. On vérie que An est dénombrable et Q aussi

2.3.2 Familles sommables de réels positifs

Dénition

Soit I un ensemble et (ai ) ∈ R∗+ une famille de réels positifs, on dit que cette famille
sommable si et seulement si :
X
∃M ≥ 0/∀J nie ⊂ I, ai ≤ M
i∈J

On peut alors dénir : X X

ai = sup ( ai )
i∈I J nie⊂I i∈J

Théorème

Si ai < +∞ alors {i ∈ I/ai > 0} est nie ou dénombrable.

P
i∈I

74 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

Preuve : Soit n ∈ N∗ , In = {i ∈ I/ai ≥ 1

n} On a ainsi
1 [
{i ∈ I/ai ≥ }= In
n
n∈N

Par ailleurs si I est inni, posons : X

S= ai ∈ R+
i∈I

On peut trouver J nie ⊂ In /card(J) ≥ n(S + 1) alors

X card(J)
ai ≥ ≥S+1
n
i∈J

absurde. Chaque In est ni et {i ∈ I/ai > 0} est dénombrable

Remarque
Ce résultat nous ramène au cas où I est dénombrable

Suite exhaustive de parties nies

Soit I dénombrable et Jn une suite dite exhaustive de parties nies (SEPF) de I

1. ∀n ∈ N, Jn ⊂ Jn+1
2. [
Jn = I
n∈N

Soit (ai ) ∈ RI+ , ai < +∞ si et seulement si la suite

P
i∈I
X
ai
i∈Jn

converge, dans ce cas : X X

ai = lim ai
n→+∞
i∈I i∈Jn

Preuve : Notons d'abord que ∀n ∈ N, Jn ⊂ Jn+1 et (ai ) ∈ RI+ , la suite ( i∈Jn ai )n∈N est
P
croissante : X X
∀n ∈ N, ai ≤ ai
i∈Jn i∈I

, cette suite est croissante majorée donc elle converge et :

X X
lim ai ≤ ai
n→+∞
i∈Jn i∈I

Réciproquement : si cette suite converge, notons M sa limite. Soit J nie ⊂ I , considérons :

∀i ∈ J, ni ∈ N/i ∈ Jni et n = maxi∈J (ni )
∀i ∈ J, i ∈ Jn ⇒ J ⊂ Jn il vient : X X
ai ≤ ai ≤ M
i∈J i∈Jn

75 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Ainsi la famille est sommable et X

lim ai = M
n→+∞
i∈Jn

Corollaire

Soit (in ) est une énumération de I , on a :

X X
ai < +∞ ⇔ la SATP ain converge
i∈I n∈N

Dans ce cas :
X +∞
X
ai = ain
i∈I n=0

Preuve : On dénit Jn = {i0 ; ...; in }. (Jn ) est une SEPF de I . On a

X n
X
ai = aik
i∈Jn k=0

Remarque
Ce corollaire permet d'évaluer la somme totale indépendamment des énumérations

Exemple
P+∞
Soit an une SATP, la famille (an ) est sommable si et seulement si an < +∞ on a
P
n=0
alors
X +∞
X
an = an
n∈N n=0

Commutativité généralisée

Soit (ai ) ∈ RI+ sommable (in ) une énumération de I et σ : N −→ N bijective

+∞
X +∞
X
ain = aiσ(n)
n=0 n=0

Remarque
Si la SATP an converge, pour toute permutation de σ de N
P

+∞
X +∞
X
an = aσ(n)
n=0 n=0

76 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

Exemples
Soit la famille ( n21m2 )(n,m)∈N∗ 2 , on choisit

+∞ p
X 1 X 1 X 1 π4
Jp = [|1; p|], = × −→ ζ(2)2 =
n2 m2 n=1
n 2
m=1
m 2 N →+∞ 36
(n,m)∈Jp

Ceci établit la sommabilité de la famille

Sous-familles

1. Soit I dénombrable , (ai ) ∈ RI+ et I 0 ⊂ I , on a

X X
ai ≤ ai
i∈I 0 i∈I

En particulier , X X
ai ⇒ ai < +∞
i∈I i∈I 0

2. Si I 0 et I 00 deux parties disjointes de I , on a :

X X X X
ai + ai = ≤ ai
i∈I 0 i∈I 00 i∈I 0 ∪I 00 i∈I

3. Si (I1 ; ...; Ip ) sont p parties disjointes 2 à 2, alors :

X X X X
ai + ... + ai = ai ≤ ai
i∈I1 i∈Ip i∈I1 ∪...∪Ip i∈I

Preuve :
1. Soit J 0 partie nie de I 0 : J 0 ⊂ I 0 ⊂ I donc
X X
ai ≤ ai
i∈J 0 i∈J

et par dénition (passage à la borne sup) :

X X
ai ≤ ai
i∈I 0 i∈J

2. Soit (Jn ) une SEPF de I 0 ∪ I 00 , on forme une partition de J1 et on passe à la limite

3. Par récurrence sur p

77 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Linéarité positive

Soient (ai ) et (bi ) deux familles de réels positifs , λ ∈ R∗+ :

X X X
(λai + bi ) = λ ai + bi
i∈I i∈I i∈I

Preuve : on prend une SEPF de I et on passe à la limite

Sommation par paquets

Soit I un ensemble dénombrable et (Ik ) une partition de I , on pose :

X
uk = ai
i∈Ik

+∞
X X
uk = ai
k=0 i∈I

De plus : (ai ) est sommable ⇔ la SATP uk converge

P

Preuve : Soit N ∈ N, d'après le théorème précédant :

N
X N X
X X X
uk = ( ai ) = ai ≤ ai
k=0 i∈Ik i∈I
SN
k=0 i∈ k=0 Ik

d'où par passage à la limite :

+∞
X X
uk ≤ ai
k=0 i∈I

Soit par ailleurs J partie nie de I , ∀i ∈ J, ∃!ki ∈ N/i ∈ Ik comme J est nie, on pose
N = maxi∈J (ki ). Il vient,

X N
X +∞
X N
[
ai ≤ uk ≤ uk , carJ ⊂ Ik
i∈J k=0 k=0 k=0

Ceci étant vraie pour toute les parties nie de J , on en déduit que :

X +∞
X
ai ≤ uk
i∈I k=0

D'où l'égalité et l'équivalence entre sommabilité de (ai ) et convergence de k≥0 uk en résulte

P
BC'est cette méthode qu'on emploie pour monter la sommabilité d'une famille, en choisissant
une partition

78 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

Exemple
1
(( n+m−1 )α ))(n,m)∈N2 à quelle condition sur α est-elle sommable ? Dénissons pour k ≥ 2, Ik =
{(n, m) ∈ N∗ /n + m = k}, card(Ik ) = k − 1 ici,
2

X 1 k−1 1
uk = = =
(n + m − 1)α (k − 1)α (k − 1)α
(n,m)∈Ik

, cette série converge si et seulement si α > 2 d'après le CDR, dans ce cas :

+∞
X 1 X 1
α
= = ζ(α − 1)
(n + m − 1) (k − 1)α−1
(n,m)∈N∗ 2 k=2

2.3.3 Familles sommables de réels ou de complexes

Problème général
Soit K = R ou C , (ai ) ∈ KI , I dénombrable. Pour dénir la sommabilité ai on est amené
P
à considérer une SEPF (Jn ) de I est étudier
X
lim ai
n→+∞
i∈Jn

. Le problème est que si les (ai ) ne sont pas tous positifs, cette limite peut dépendre de la SEPF
choisie : on peut écrire

(1 + −1) + (1 + −1) + ... + (1 + −1) = 0

mais aussi : 1 + (−1 + 1) + (−1 + 1) + ... + (−1 + 1) = 1

En cas de convergence, on a pas commutativité généralisée : la somme peut dépendre de l'énu-

mération choisie ! On sait que
+∞
X (−1)k
= ln(2)
k+1
k=0

On peut écrire :
+∞
1 1 1 1 1 1 1 1 X 1 1 1
(1 − − )+( − − )+( − + ) + ... = ( − −
2 4 3 6 8 5 10 12 2k + 1 4k + 2 4k + 4
k=0
+∞
1 X 1 1
= ( − )
2 2k − 1 2k + 2
k=0
ln(2)
=
2
Fixons q ∈ N , la série
X 1
uq =
p2 − q 2
p≥0,q6=p

converge
1 1 1 1
= ( − ), q ≥ 1, u0 = ζ(2)
p2 −q 2 2q p − q p + q

79 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Pour N ∈ N, N ≥ q + 1 ,
N q−1 N N
X 1 1 X 1 X 1 X 1
2 2
= ( + + )
p −q 2q p=0 p − q p=q+1 p − q p=0 p + q
p=0,p6=q

Pour
N
X 1 1 1 1 1 N −q 1 1
N ≥ 2q, 2 − q2
= (HN −q − HN +q − + ) = (ln( − + o(1)) −→ − 2
p=0
p 2q q 2q 2q N + q 2q N →+∞ 4q

+∞
X ζ(2) 3
uq = ζ(2) − = ζ(2)
q=0
4 4

Fixons à présent p ∈ N soit :

+∞ +∞
X 1 X 3ζ(2)
vp = 2 2
= −up ⇒ vp = −
q=0
p −q p=0
4

Enn pour
X 1
N ∈N: = 0 −→ 0
p2 − q 2 N →∞
0≤p,q≤N

Cette famille n'est pas sommable

Dénition
Rappelons que pour x ∈ R, on dénit :

x+ = max(x, 0) ≥ 0
x− = min(−x, 0) ≥ 0

x ≥ 0, x+ = x, x− = 0 x = x+ - x−
 
⇒
x ≤ , x = 0, x = x
+ −
|x| = x+ - x−
Soit K = R ou C I dénombrable. On dir que (ai ) ∈ KI est sommable si et seulement si (|ai |) l'est

Théorème

−
Si K = R alors (ai ) est sommable si et seulement si (a+i ) et (ai ) le sont :
X X X
ai = a+i − a−
i
i∈I i∈I i∈I

Si K = C alors (ak ) est sommable si et seulement (R(ak ) et (Im(ak )) le sont :

X X X
ak = Re(ak ) + i Im(ak )
k∈I k∈I k∈I

80 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

 Preuve : K = R si (ai ) est sommable, ∀i ∈ I,

−
a+ i + ai = |ai | ⇒ (a+ ) et (a− ) sont sommables
+
i ≤ a
− i i
ai ≤ |ai |
−
Réciproquement : (|ai |) = (ai ) + (ai )
+

Dans le cas où K = C on raisonne sur les parties réelles et imaginaires

Propriétés

1. Soit (In ) une SEPF de I, (ai ) ∈ KI sommable, on a

X X
ai = lim ai
n→∞
i∈I i∈Jn

2. Soit (in ) une énumérations de I si (ai ) est sommable alors

X +∞
X
ai = ain
i∈I n=0

et si σ une permutation de N
+∞
X +∞
X
aiσ(n) = ain
n=0 n=0

commutativité généralisée
3. Si (ai ) est sommable , ∀I 0 ⊂ J : (ai ) l'est aussi et si (I1 ; ...; Ik ) sont des parties 2 à 2
disjoints de I : X X X
ai + ... + ai = ai
i∈I1 i∈Ik i∈I1 ∪...∪Ik

Preuve :
1. K = R : X X X X X X
ai = a+
i − a−
i = −→ a+
i − a−
i = ai
n→∞
i∈Jn i∈Jn i∈Jn i∈I i∈I i∈I

2. On pose Jn = {i0 ; ...; in } une SEPF de I . De plus si σ est une permutation de N, (iσ(n) )
est une énumération de I
3. Par récurrence sur k

Remarque

+∞
X +∞
X +∞
X
|an | < +∞ ⇒ la famille est sommable et pour toute permutation deσdeN aσ(n) = an
n=0 n=0 n=0

81 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Linéarité

Soit (ai ) et (bi ) ∈ KI sommables, alors λ ∈ K :

(λai + bi )i∈I

X X X
λai + bi = λ ai + bi
i∈I i∈I i∈I

L'ensemble des familles sommables de KI est un K-espace vectoriel

Preuve : On applique l'inégalité triangulaire, puis on choisit une SEPF de I , et on passe à la

limite

Sommation par paquets

Soient (ai ) ∈ KI sommable et (Ik ) une partition de I , posons :

X
uk = ai
i∈Ik

On a :
X +∞
X
ai = uk
i∈I k=0

Preuve :
N
X X
uk = ai
k=0 i∈I1 ∪...∪In

X +∞
X
|uk | ≤ |ai | ⇒ |uk | est nie et converge absolument
i∈I k=0

De plus :

N
X X X
| uk − ai = | ai |
k=0 i∈I i∈I\{I0 ,...,In }
X
≤ |ai |
i∈I\{I0 ,...,In }

X N X
X
= |ai | − ( |ai |)
i∈I k=0 i∈Jk
−→ 0
n→+∞

82 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

Finalement :
X +∞
X
ai = uk
i∈I k=0

Remarque
Lorsqu'on établit la sommabilité
P de (ai ), on choisitPune SEPF (Jn ) ou une partition (Ik )
de I et on vérie que la suite ( P ou la série i∈Ik |ai |) converge. Une fois la
P
i∈Jn |ai |) k≥0 (
sommabilité établie, pour calculer i∈I ai , on évalue :

X +∞ X
X
lim ai ou ( ai )
n→∞
i∈Jn k=0 k∈Ik

2.3.4 Produit de Cauchy

Théorème

1. Soit (ai ) et (bj ) deux familles sommables, alors (ai bj ) est sommable et :
X X X
a i bj = ( ai ) × ( bj )
(i,j)∈I×J i∈I j∈J

2. Soit up et vq deux séries réelles ou complexes absolument convergentes :

P P

X n
X
∀nN, wn = up vq = uk vn−k
p+q=n k=0

La série wn dite produit de Cauchy de up et vq , converge absolument :

P P P

+∞
X X+∞ +∞
X
wn = ( up ) × ( vq )
n=0 p=0 q=0

Preuve :
1. I × J = ( i∈I {i} × J partition de I × J . On pose : pour i ∈ I xé :
S

X X
αi = |ai bj | = |ai | |bj | < +∞
j∈J j∈J

X X X
αi = |ai | × |bj | < +∞
i∈I i∈I j∈J

donc (ai bj ) est sommable, d'après le théorème de sommation par paquets :

X XX X X
ai bj = ( ai bj ) = ai × bj
(i,j)∈I×J i∈I j∈J i∈I j∈J

83 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

2. (up ) et (vq ) sont sommables, donc (up vq ) aussi. On dénit une partition de N2 : Ik =
{(p, q) ∈ N2 /p + q = k}. Alors la série :
X
αk = |up ||vq |
p+q=n

converge , donc |wk | < αk , wk converge absolument. De plus :

P

+∞ X
X X X+∞ X+∞
( u p vq ) = up vq = ( up ) × ( vq )
k=0 p+q=k (p,q)∈N2 p=0 q=0

Exponentielle complexe
Soit (z, z 0 ) ∈ C2 on sait que :
+∞ p
X z
exp(z) =
p=0
p!

On pose
n
X zk z 0n−k (z + z 0 )n
wn = × =
k! (n − k)! n!
k=0
Cette série converge absolument
+∞ +∞ p +∞ 0q
X X z X z
exp(z + z 0 ) = wn = ( )×( ) = exp(z) × exp(z 0 )
n=0 p=0
p! q=0
q!

Théorème

exp : (C, +) −→ (C∗ , ×) est un morphisme de groupe

Preuve : ∀a ∈ C, exp(z − z) = exp(0) = 1 ⇒ exp(z) × exp(−z) 6= 0

C'est un morphisme d'après ce qui précède, on vérie pour θ ∈ R, | exp(iθ)| = 1 car
+∞
1 X (−i)n θn
= exp(−θ) = = exp(iθ)
exp(iθ) n=0
n!

puis que θ −→ exp(iθ) est surjective de R −→ U

Enn on écrit z ∈ C∗ , z = ρeiθ = exp(ln(ρ) + iθ)
Notons que : Ker(exp) = 2iπZ BLe résultat ne s'applique plus pour des séries
semi-convergentes :
(−1)n
un = vn = √ n+1
Ici :
X (−1)p n
(−1)q X 1 1
wn = √ ×√ = (−1)n √ ×√
p+q=n
p+1 q+1 k+1 n−k+1
k=0
n n
X 1 X 1
|wn | = √ √ ≥
k=0
k + 1 n − k + 1 k=0 n + 1
Ici le produit de Cauchy diverge grossièrement

84 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

2.3.5 Théorème de Fubini

Théorème

Soit I et J dénombrable et (ui,j ) ∈ KI . On a :

XX XX
(ui,j ) est sommable ⇔ ( |ui,j |) < +∞ ou ( |ui,j |) < +∞
i∈I j∈J j∈J i∈I

Dans ce cas : X XX XX
ui,j = ui,j = ui,j
(i,j)∈I×J i∈I j∈J j∈J i∈I

Preuve : On réalise une partition de I × J

BLorsqu'on intervertit les sommations, on vérie d'abord la sommabilité, en étudiant la conver-
gence pour (|ui,j |). Puis on calcule une des deux à l'aide de l'autre. Si on n'a pas sommabilité,
on a pas le droit d'intervertir les sommations

Exemples
Monter que ζ(n) − 1) converge et calculer sa somme. Étudions la sommabilité de ( k1n ).
P
Pour k xé, soit :
+∞
X 1 1 1 1 1 1
βk = n
= 2× 1 = = −
n=2
k k 1− k
k(k − 1) k−1 k

βk converge, c'est
P une série télescopique. D'une part ( kn ) est sommable et on peut intervertir
1
P
les sommations : ζ(n) − 1
+∞ X +∞ +∞ X+∞ +∞
X 1 X 1 X 1 1
( n
) = ( n
) = ( − )=1
n=2
k n=2
k k−1 k
k=2 k=2 k=2

2.3.6 Produits innis (HP)

Dénition
Soit (un ) une suite réelle, on lui associe le produit partiel :
n
Y
πn = uk
k=0

On dit que le produit inni uk converge si et seulement si (πn ) converge, on pose alors :
Q

+∞
Y
uk = lim πn
n→∞
k=0

Si (uk ) est positive, on étudie :

n
X
ln(πn ) = ln(uk )
k=0

85 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

ce qui revient à l'étude d'une série numérique :

+∞
Y
lim ln(πn ) = 0 ⇒ uk = 0
n→∞
k=0

+∞
Y
lim ln(πn ) = +∞ ⇒ uk = +∞
n→∞
k=0

+∞
Y
lim ln(πn ) = c ⇒ uk = ec
n→∞
k=0

πn+1
Réciproquement si (πn ) converge dans R∗ , on a : lim =1
n→∞ πn
∃n0 ∈ N/∀n ≥ n0 , un > 0, on peut alors écrire, un = 1 + εn , lim εn = 0
n→∞
Si (εn ) garde un signe constant ln(un ) ∼ εn donc ln(un ) converge ⇔ εn converge
P P
Sinon on développe ln(1 + εn ) = εn − ε2n + o(ε2n )

Exemple
Soit pk le k-ième nombre premier :
1
uk = −→ 1
1 − p1k k→+∞

Soit
n n
Y 1 X 1
πn = 1 ⇒ ln(π n ) = − − ln(1 − )
k=1
1 − pk k=1
p k

Ainsi 1
converge si et seulement si (ln(πn )) converge dans R
P
pk

+∞
X 1
uk = n
p
n=0 k

1
converge par produit de Cauchy pour N ≥ 1 xé, la famille ( pn1 ...p
1
nN ) est
P
∀k ∈ [|1; n|], n
pk k 1 N
sommable
+∞ +∞
X 1 X 1 X 1
n1 nN = ( n1 ) × ... × ( nN ) = π n
p1 ...pN p
n =0 1
p
n =0 N
(n1 ,...,nN )∈NN 1 N

Elle contient HpN1 −1 qui diverge :

πn −→ +∞ et pk diverge
P 1
n→+∞

86 MP∗ B.DufourJules
CHAPITRE 2. SÉRIES NUMÉRIQUES 2.3. FAMILLES SOMMABLES

2.3.7 Règle d'Abel (HP)

Transformation d'Abel

On se donne deux suites

Pn (an ) et (bn ) ∈ C .
N

Bn = k=0 bk

On pose :
∀n ∈ N∗ bn = Bn − Bn−1
On pose pour n = 0, B−1 = 0
n+p
X n+p
X n+p
X n+p−1
X
ak bk = ak Bk − ak Bk−1 = (ak − ak+1 )Bk + an+p Bn+p − an Bn−1
k=n k=n k=n k=n

Théorème

On suppose que (an ) ∈ RN

+ est décroissante de limite nulle et :

∃M ≥ 0/∀n ∈ N, |Bn | ≤ M
Alors ak bk converge et
P
+∞
X
∀n ∈ N, | ak bk | ≤ 2M an
k=n

Preuve :
p
X p−1
X
∀p ∈ N∗ ak bk = (ak − ak+1 )Bk + ap Bp
k=0 k=0

p−1
X p−1
X
| (ak − ak+1 )Bk | ≤ M | ak − ak+1 |
k=0 k=0

an −→ 0
n→+∞

+∞
X +∞
X
a k bk = (ak − ak−1 )Bk
k=0 k=0

De plus :

n+p
X n+p−1
X
2
∀(n, p) ∈ N , | ak bk | ≤ (ak − ak−1 )M an+p M + an M ≤ 2an M
k=n k=n

(ak − ak+1 )Bk est absolument convergente, mais ak bk peut-être semi-convergente !

P P
B

87 MP∗ B.DufourJules
2.3. FAMILLES SOMMABLES CHAPITRE 2. SÉRIES NUMÉRIQUES

Exemples
Séries alternées avec bn = (−1)n
P eina
a ∈ R \ 2πZ, nα
Si α > 1 : convergence absolue
Si α ∈]0; 1], an = n1α , bn = eina
n
X n−1
X
| eiak | = |eia | × | eiak |
k=0 k=0
ian|
|1 − e
=
|1 − eia |
ina
|2i sin( na
2 e
2 |
= ia
|2i sin( a2 )e 2 |
sin( na2 )
= | |
sin( a2 )
M
≤
| sin( a2 )|
P eina P sin(na) P cos(na)
Ainsi nα converge, donc nα et nα convergent

88 MP∗ B.DufourJules
Chapitre 3

Probabilités sur un univers

dénombrable
Sommaire
3.1 Tribu,probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.1.1 Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.1.2 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.1.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2 Indépendance, conditionnement . . . . . . . . . . . . . . . . . . . . . 92
3.2.1 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.2 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.3.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.3 Variables aléatoires à valeur dans Rd . . . . . . . . . . . . . . . . . . . 100
3.3.4 Couples de Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . 102
3.3.5 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . 104
3.4 Moments d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . 106
3.4.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.4.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.4.3 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.4.4 Moment d'ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.4.5 Markov, Bienaymé-Tchebychev, grands nombres . . . . . . . . . . . . 113

3.1 Tribu,probabilités
3.1.1 Espaces probabilisés
Dénition
Soit un ensemble Ω appelé univers, un ensemble de résultats. On note ω
un résultat ou réalisation ou issu de l'expérience aléatoire un élément de
Ω. On s'intéresse à certaines qualités de ω c'est-à-dire à certaines parties
de Ω. Une telle partie s'appelle un évènement

89
3.1. TRIBU,PROBABILITÉS CHAPITRE 3. PROBABILITÉS

Exemples
Ω = {eurs de la prairie}
ω est une eur (résultat)
Par exemple on peut considérer : A = { eurs jaunes }
Ā est le complémentaire de A dans Ω : c'est l'ensemble des eurs qui ne sont pas jaune
La roulette , Ω = [|0; 36|]
A = { pair ≤ 36 }
B = { impair ≤ 36 }
C = { rouges }
Choisir un réel entre 0 et 1 et Ω = [0; 1]. Cela revient à choisir en binaire une suite
(εk ) ∈ {0; 1}N et écrire :
+∞
X εk
x=
2k
k=1

Jets d'un dés à 6 faces n fois : Ω = [|1; 6|]

N

On jette une pièce de monnaie un certain nombre de fois, on s'arrête dès qu'on obtient pile :

n-1 fois
z }| {
Ω = {(0; ...; 0; 1) /n ∈ N}

Dénition d'une probabilité

Ω étant déni ainsi qu'un ensemble A de parties de Ω. On veut dénir pour A∈ A , P(A)
probabilité de A, en terme d'expérience aléatoire :

P(A) mesure la probabilité que ω ∈ A

L'évènement impossible est ∅ ∈ A et P(∅) = 0

L'évènement est certain est Ω ∈ A et P(Ω) = 1
On impose aussi :

A∈A
Ā = {Ω (A) ∈ A
P(Ā) = 1 - P(A)

Et autant
 que possible pour un ensemble I d'indices (Ai ) ∈ A tel que :
I


 i ∩ Aj 6= ∅
AS
 Ai ∈ A
∀i 6= q S i∈I P
 P( Ai ) = P(Ai ) (1)


i∈I i∈I
Dans le troisième exemple, on a envi de dénir pour A ∈ A,
Z 1
P(A) = χA (x)dx
0

Avec ce postulat : ∀x ∈ [0; 1] P({x})=0. Si on s'impose la condition précédente alors ,

X
∀A ∈ A, P (A) = P ({x}) = 0
x∈A

90 MP∗ B.DufourJules
CHAPITRE 3. PROBABILITÉS 3.1. TRIBU,PROBABILITÉS

ce qui est absurde car P([0 ;1])

Si on ne s'impose pas Ω ni ou dénombrable et si on s'impose que
∀ω ∈ Ω, P ({ω}) = 0

Si (1) s'applique pour I non dénombrable :

X
P (Ω) = P ({ω}) = 1
ω∈Ω

On a vu sue {ω ∈ Ω/p({ω}) > 0} était alors dénombrable. On se ramène donc au cas où I est
dénombrable. Par ailleurs sur [|0; 1|]N , on peut s'intéresser à l'évènement :
A = {(an ) ∈ {0; 1}N /∃n ∈ N/an = 1}

On a envie
S d'avoir P({0}) = P(Ā)=0 et P(A) = 1 - P(Ā) = 1
Or A = Ak , réunion disjointe
k∈N
Ak = {(an ) ∈ {0; 1}N /a0 = ... = ak−1 = 0 etak = 1}
P (Ak ) = 21k
[ +∞
X
P (A) = P ( Ak ) = P (Ak )
k∈N k=0

3.1.2 Tribus
Dénition

Soit Ω un ensemble et A une famille de parties de Ω. On dit que (Ω, A) est un espace
probabilisable et que A est une tribu sur Ω, ou encore que A est une σ -algèbre, si et seulement
si :
1. Ω ⊂ A
2. ∀A ∈ A, Ā ∈ A
3. ∀(An ) ∈ AN ,
S
An ∈ A
n∈N
Les éléments de A s'appellent des évènements

Exemples
1. A = {Ω; ∅}
2. A ⊂ Ω, A = {Ω; A; Ā; ∅}
3. Si Ω est ni ou dénombrable, A = P(Ω) est une tribu sur Ω
4. Ω = [0; 1], la plus petite tribu sur A comprenant les intervalles de [0; 1] s'appelle la tribu
des Boréliens de [0; 1], elle est à la base de la théorie de la mesure et permet de dénir
l'intégrale de Lebesgue

91 MP∗ B.DufourJules
3.1. TRIBU,PROBABILITÉS CHAPITRE 3. PROBABILITÉS

Propriétés

Soit A une tribu sur Ω ,

1.
n
[
∀n ∈ N, ∀(Ak ) ∈ An , Ak ∈ A
k=0

2.
\ n
\
∀(An ) ∈ AN , An ∈ A et ∀n ∈ N, Ak ∈ A
n∈N k=0

3. ∀(A, B) ∈ A2 , A \ B ∈ A

Preuve :
1. ∅ = Ω̄ ∈ A, et on peut poser :
+∞
[ n
[
∀k ≥ n + 1, Ak = ∅, Ak = Ak ∈ A
k=1 k=1

2. \ [
An = Ak ∈ A
n∈N n∈N

3. A \ B = A ∩ B̄ ∈ A

Dénition

Soit (Ω, A) un espace probabilisable. On appelle probabilité sur A, toute application :

P : A → R+
A →
7 P(A)
1. P(Ω) = 1
2. ∀(An ) ∈ AN deux à deux disjointes, on a la σ -additivité dénombrable :
[ X
P( An ) = P (An )
n∈N n∈N

(Ω, A,P) s'appelle un espace probabilisé

Remarque : on peut aussi rencontrer la notation : P

Exemple trivial
Soit A∈ Ω et A = {Ω, A, Ā, ∅}. Soit p ∈ [0; 1], on pose :
P(Ω) = 1
P(A)=p
P(Ā) = 1-p
P(∅) = 0

92 MP∗ B.DufourJules
CHAPITRE 3. PROBABILITÉS 3.1. TRIBU,PROBABILITÉS

Probabilité uniforme

Soit Ω ni, A = P(Ω) on dénit la probabilité uniforme sur Ω :

P : P(Ω) → R+
A 7→ P(A)= card(A)
card(Ω)

Loi géométrique
Soit p ∈ [0; 1], on pose q = 1 − p. On veut modéliser l'expérience aléatoire suivante. On jette
une pièce avec la probabilité p d'obtenir pile et q d'obtenir face. On jette la pièce jusqu'à obtenir
face, alors on s'arrête : ici, on peut dénir :

n-1 fois
z }| {
Ω = {(0; ...; 1) /n ∈ N∗ }

On pose : P({(0; ...; 0; 1)}) = pn−1 q

On prend A = P(Ω) et pour A ∈ P(Ω)
X
P (A) = P ({ω})
ω∈A

+∞
X X q
P (Ω) = P ({ω}) = pn−1 q = =1
n=1
1−p
ω∈Ω

De plus soit (An ) ∈ P(Ω)N deux à deux disjointes , d'après le théorème de sommation par paquets
,
[ X +∞ X
X
P( An ) = P ({ω}) = ( P ({ω})
S
n∈N ω∈ n∈N An n=0 ω∈An

On dit que P suit la loi géométrique de paramètre p , notée G(p)

Loi binomiale
Soit p ∈]0; 1[, soit l'expérience aléatoire suivante : on lance n fois une pièce avec une probabilité
p d'obtenir pile et q = 1 − p d'obtenir face.
Ω = [|0; 1|]n , on désigne par 0 l'évènement "pile" et 1 l'évènement "face". Pour k ∈ [|0; n|] quelle
est la probabilité pour obtenir k fois pile et n − k fois face ? Un raisonnement de dénombrement
montre que c'est :
 
n k n−k
p q
k

Comme on s'intéresse seulement au nombre de piles , Ω0 = [|0; n|], on dénit alors A = P(Ω0 ) ,

P({ω}) = nk pk q n−k , k ∈ [|0; n|]

93 MP∗ B.DufourJules
3.1. TRIBU,PROBABILITÉS CHAPITRE 3. PROBABILITÉS

X
∀A ∈ P(Ω0 ), P (A) = P ({ω})
ω∈A

n  
0
X n
P (Ω ) = pk q n−k = (p + q)n = 1
k
k=0

On dit que P suit le loi binomiale de paramètres n, p , notée B(n, p)

Loi de Poisson
Donnons λ > 0, on dénit une suite de lois binomiale , B(n, pn ) avec lim npn = λ donc
n→∞
pn = λ
n + o( n1 ). Pour k xé et n ≥ k ,
 
n k
Pn ({k}) = p (1 − pn )n−k
k n
n(n − 1)...(n − k + 1) pkn
= (1 − pn )n
k! (1 − pn )k
k −λ
λ e
∼
k!

On dit que Pn suit une loi de Poisson de paramètre λ, notée P(λ), sur N :

λk e−λ
∀k ∈ N, P ({k}) =
k!

+∞ +∞ k
X X λ
P (N) = P ({k}) = e−λ = e−λ × eλ = 1
k!
k=0 k=0

La loi de Poisson est une limite (convergence en loi) de la loi binomiale. La loi de Poisson modélise
le nombre de succès d'un évènement rare durant un laps de temps donné

Loi Hypergéométrique
Soit U un ensemble ni de cardinal N qu'on partitionne : U = U1 ∪ U2 avec card(U1 ) = N p
et card(U2 ) = N (1 − p) = N q . Soit n ≤ N xé, pour k ≤ n, on cherche la probabilité pour qu'en
choisissant n éléments de
U, on en obtienne k dans U1 et n − k dans U2
Ω = Pk (U ), card(Ω) = N k

(Nkp)(Nn−k
(1−p)
)
P({k}) = N
(n)

P suit la loi géométrique notée H(N,n,p), c'est la loi des tirages sans remises

94 MP∗ B.DufourJules
 Nom Notation Dénition Interprétation
Loi Uniforme U ([|1 ;n|]) P(X=k) = n1 , P(A) = card(A)
card(Ω) Loi spontanée sur un ensemble ni
Loi de Bernouilli B (p) P(X=0) = p ,
P(X=1)=1-p Tirage aléatoire à deux issues
CHAPITRE 3.

Loi binomiale B (n,p) P(X=k) = nk pk (1 − p)n−k Répétition de n épreuves de Bernouilli indépendants

Loi géométrique G (p) P(X=k) = (1 − p)k−1 p Numéro du premier succès d'une épreuve de Bernouilli itérée
k −λ
e
Loi de Poisson P (λ) P(X=k) = λ k! Nombre de succès d'un évènement rare, répété susamment
Np N (1−p)
( )( )
Loi Hypergéométrique H(N,n,p) P(X=k) = k Nn−k Loi des tirages sans remise
(n)
PROBABILITÉS

Tableau de synthèse des lois usuelles

95
3.1.

MP∗ B.DufourJules
TRIBU,PROBABILITÉS
3.1. TRIBU,PROBABILITÉS CHAPITRE 3. PROBABILITÉS

Vocabulaire

Soit (Ω, A,P) un espace probabilisé

1. On dit que A ∈ A est un évènement presque sur si et seulement si P(A)=1
2. On dit que A∈ A est un évènement négligeable si et seulement si P(A)=0. On n'a pas
nécessairement A= ∅
3. On dit que (A,B)∈ A2 sont deux évènements incompatibles si et seulement si A∩ B =
∅
4. On dit que (Ai )i∈I où I est dénombrable est un système complet d'évènements (SCE)
si et seulement si : [
Ai = Ω
i∈I

∀i 6= jAI ∩ Aj = ∅

Probabilités Théorie des ensembles

Univers des possibles Ω Ensemble Ω
Résultat possible ω ω∈Ω
Événement aléatoire A A∈A
A est réalisé ω∈A
A⇒B A⊂B
A et B A∩ B
A ou B A∪ B
A est certain A=Ω
A est presque sur P(A) = 1
A est impossible A=∅
A est négligeable P(A) = 0
A et B sont incompatibles A∩ B = ∅
Système complet d'évènements Partition

3.1.3 Propriétés
Dénition

Soit (Ω, A,P) un espace probabilisé :

1. P(∅) = 0
2. Soit (Ai ) ∈ An deux à deux disjoints :
n
[ n
X
P( Ai ) = P (Ai )
i=1 i=1

3. ∀A ∈ A, P (A) ∈ [0; 1], P (Ā) = 1 − P (A)

4.

∀(A, B) ∈ A2 , A ⊂ B ⇒ P (A) ≤ P (B), P (B \ A) = P (B) − P (A) = P (B) − P (A ∩ B)

96 MP∗ B.DufourJules
CHAPITRE 3. PROBABILITÉS 3.1. TRIBU,PROBABILITÉS

5. Soit (An ) ∈ AN une suite croissante d'évènements : ∀n ∈ N, An ⊂ An+1

[
P( An ) = lim P (An ) = sup(P (An ))
n→+∞ n∈N
n∈N

6. Soit (An ) ∈ AN une suite décroissante d'évènements :

\
P( An ) = lim P (An ) = inf (P (An ))
n→+∞ n∈N
n∈N

7. Soit (A,B)∈ A2 , P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

8. Soit (An ) ∈ AN , [ X
P( An ) ≤ P (An )
n∈N n∈N

Preuve : pour les preuves non indiquées : cf. cours de MPSI

4 Si A ⊂ B alors B = A ∪ (B \ A) et A ∩ (b \ A) = ∅. P(B) = P(A) + P(B \ A) ≥ P(A)
5 ∀n ∈ N, P (An ) ≤ P (An+1 ) ≤ 1 la suite croissante majorée (P (An )) converge. De plus
An+1 = (An+1 \ An ) ∪ An
[ [
An = (An+1 \ An ) ∪ A0
n∈N n∈N

[ +∞
X
P( An ) = P (A0 ) + P (An+1 \ An )
n∈N k=0
= P (A0 ) + lim P (An ) − P (A0 )
n→+∞
= lim P (An )
n→+∞
= sup(P (An ))
n∈N

6 (An ) est suite croissante d'évènements

8 Par récurrence, en utilisant 7)

Formule de Poincaré

Soit (Ai ) ∈ An , on a :
n
[ n
X X X n
\
P( Ai ) = P (Ai )− P (Ai ∩Aj )+ P (Ai ∩Aj ∩Ak )−...+(−1)n−1 P ( Ai )
i=1 i=1 1≤i<j≤n 1≤i<j<k≤n i=1

I = [|1; n|]
n
[ n
X X \
P( Ai ) = (−1)k−1 P( Ai )
i=1 k=1 J⊂I,|J|=k i∈J

97 MP∗ B.DufourJules
3.2. INDÉPENDANCE, CONDITIONNEMENT CHAPITRE 3. PROBABILITÉS

Preuve : par récurrence sur n

Probabilité sur un ensemble dénombrable

Soit Ω dénombrable et (pω )ω∈Ω ∈ (R+ )Ω tel que pω = 1. Alors il existe une unique
P
ω∈Ω
probabilité P sur la tribu P(Ω) ,
P : P(Ω) → R+P
A 7→ P(A)= pω
ω∈A

C'est la seule probabilité sur P(Ω) vériant ∀ω ∈ Ω, P ({ω}) = pω

Preuve : On a bien P (Ω) = ω∈Ω pω = 1

P
Si (An ) ∈ P(Ω)N , 2 à 2 disjointes, par sommation par paquets :
[ X +∞ X
X +∞
X
P( An ) = pω = ( pω ) = P (An )
S
n∈N ω∈ n∈N An n=0 ω∈An n=0

P est bien une probabilité vériant la bonne propriété

Si P' est une probabilité la vériant aussi alors :
X
∀A ∈ P(Ω), P 0 (A) = pω = P (A)
ω∈A

Propriété

Soit I dénombrable et (Ai ) un SCE de Ω, on a :

X
∀A ∈ A, P (A) = P (A ∩ Ai )
i∈I

Preuve : A est la réunion disjointe des (A ∩ Ai )

3.2 Indépendance, probabilités conditionnelles

3.2.1 Indépendance
La notion physique d'évènements indépendants signie que ces deux évènements n'inue pas
l'un sur l'autre. Par exemple, si on lance deux de suite un dé (ou deux dés en même temps), les
évènements liés au premier sont indépendant de ceux liés au second. En terme de probabilités,
on peut considérer :
Ω = [|1; 6|]2 = Ω1 × Ω2

muni de la probabilité uniforme

Soit A1 ⊂ Ω1 et A01 = A1 × Ω2 , A2 ⊂ Ω2 et A02 = Ω1 × A2
On a A01 ∩ A02 = A1 × A2

98 MP∗ B.DufourJules
CHAPITRE 3. PROBABILITÉS 3.2. INDÉPENDANCE, CONDITIONNEMENT

|A1 ×A2 | |A1 | |A2 |

P (A01 ∩ A02 ) = |Ω1 ×Ω2 | = Ω1 × |Ω2 | = P (A01 ) × P (A02 )

Dénition

Soit (Ω, A,P) un espace probabilisé. Soit (Ai ) ∈ AI , on dit que les évènements (Ai ) sont
mutuellement indépendant si et seulement si :
\ Y
∀J nie ⊂ I, P ( Ai ) = P (Ai )
i∈J i∈J

Les évènements (Ai ) sont deux à deux indépendants si et seulement :

∀(i, j) ∈ I2 /i 6= j, P (Ai ∩ Aj ) = P (Ai ) × P (Aj )

L'indépendance mutuelle implique l'indépendance 2 à 2, la réciproque est fausse.

BSoient A et B deux évènements si A et B sont incompatibles et P(A)>0 et P(B)>0

P(A ∩ B) = P(∅) = 0 < P(A) P(B)

Par ailleurs si A = B et si P(A) ∈]0; 1[2 , P(A ∩ B) = P(A) > P (A)2

Exemple
Soit n ∈ N∗ et Ω = [|1; n|] muni de la probabilité uniforme. Soit d un diviseur de n. Notons
Ad = dZ ∩ Ω
n
|Ad | 1
P (Ad ) = |Ω| = d
n = d

Soient (d1 ; ...; dk ) k diviseurs de n premiers entre-eux deux à deux :

k
\
Ad i = AQ k di
i=1
i=1

∀i ∈ [|1; k|], ∀m ∈ [|1; n|], di |m ⇔ d1 ...dk |m

k k
\ 1 Y
P( Adi ) = P (AQk ) = Qk = P (Ai )
i=1 di
i=1 i=1 di i=1

Ce résultat s'applique à toute partie J ⊂ [|1; k|], P ( i∈J Adi ) = i∈J P (Adi ), on en déduit que
T Q
les évènements Adi sont indépendants
Soit n ≥ 2, une famille possède n enfants, on suppose que garçons et lles sont équiprobables.
On munit Ω = {F ; G} de la probabilité uniforme. F ⊂ Ω, soit les évènements :
A : "la famille F possède des enfants des 2 sexes"
B : "la famille F possède au moins n-1 garçons"
|Ā| = 2, Ā = {(F ; ...; F ); (G; ...; G)}
|A| = 2n − 2
P(A) = 1 − 1
2n−1

99 MP∗ B.DufourJules
3.2. INDÉPENDANCE, CONDITIONNEMENT CHAPITRE 3. PROBABILITÉS

B = B0 ∪ B1 , Bi : "la famille possède exactement i lles"

|B0 | = |{G; ...; G}| = 1
|B1 | = n

|B| = |B0 | + |B1 | = n + 1

P(B) = n+1
2n

A ∩ B = B1 ⇒ P (A ∩ B) = n
2n

n n+1 1
P (A) × P (B) = P (A ∩ B) ⇔ = (1 − n−1
2n 2n 2
⇔ 2n n = (2n − 2)(n + 1)
⇔ n + 1 = 2n−1
⇔ n=3

A et B sont indépendants si et seulement si n = 3

Théorème

Si A et B sont deux évènements indépendants, alors :

1. A et B̄ sont indépendants
2. Ā et B sont indépendants
3. Ā et B̄ sont indépendants
Ce résultats se généralise : (Ai ) ∈ AI une famille d'évènements indépendants. Soit I = I1 ∪I2 ,
une partition de I :

∀i ∈ I1 , Bi = Ai
∀i ∈ I2 , Bi = Āi
Alors les (Bi ) sont indépendants

Preuve : On prend une partie J nie de I que l'on partitionne puis la démonstration est
analogue à celle vue en MPSI

Lemme de Borel-Cantelli (HP)

Soit (Ω, A,P) un espace probabilisé. (An ) une suite d'évènements de A. Soit A = {ω ∈
Ω/{n ∈ N, ω ∈ An } est inni }. Alors A∈ A et :
1. X
P (An ) < +∞ ⇒ P (A) = 0
n∈N

2. X
(An ) sont indépendants , P (An ) = +∞ ⇒ P (A) = 1
n∈N

100 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.2. INDÉPENDANCE, CONDITIONNEMENT

Preuve : ω ∈ A ⇔ ∀n ∈ N, ∃k ≥ n/ω ∈ Ak Ainsi :

\ [
A= ( Ak ) ∈ A
n∈N k≥n

Notons : Bn+1 ⊂ Bn , donc :

P (A) = lim P (Bn ) = inf P (Bn )

n→∞ n∈N

1. On en déduit : X
∀n ∈ N, P (Bn ) ≤ P (Ak ) −→ 0
n→+∞
k≥n

car c'est le reste d'une série convergente :

P(A) = lim P (Bn ) = 0

n→+∞

2. ∀k ∈ N, −P (Ak ) ∈ [−1; 0] et P (A¯k ) = 1 − P (Ak ) ≤ exp(−P (Ak )). Fixons n ∈ N, pour N ≥ n,

on a :
YN N
X
0≤ P (A¯k ) ≤ exp(− P (Ak ))
k=n k=n

N
\ N
[ N
[
P( A¯k ) = P ( Ak ) = 1 − P ( Ak ) = 1 − P (CN )
k=n k=n k=n

[ +∞
[
CN ⊂ CN +1 ⇒ lim P (CN ) = P ( CN ) = P ( Ak )
n→+∞
N ≥n k=n
PN
Or lim k=n P (Ak ) = +∞, d'où en reportant :
n→+∞

0 ≤ 1 − P (Bn ) ≤ 0 ⇒ P (Bn ) = 1 ⇒ P (A) = 1

Exemples
1. Soit un singe tapant indéniment sur un clavier d'ordinateur. Si la pièce Hamlet, comporte
N signes, sur un paquet de N signes, la probabilité pour que Hamlet apparaisse est de
1
26N
> 0. Soit pour n ∈ N, l'évènement An :"la pièce Hamlet apparait entre les signes
nN+1 et N(n+1)". On munit N de la mesure de Lebesgue, équivalent P+∞ de la probabilité
uniforme sur N. On a P(An ) = 261N et les (An ) sont indépendants, n=0 P (An ) = +∞, il
est presque sur que la pièce Hamlet apparaitra une innité de fois.
2. Il n'existe pas de loi uniforme sur N, si on avait P sur N/∃α ≥ 0, ∀n ∈ N, P ({n}) = α alors
,
X
P (N) = P ({n}) = 1
n∈N

ce qui est impossible car si α = 0 alors la somme vaut 0 sinon elle diverge.

101 MP∗ B.DufourJules

3.2. INDÉPENDANCE, CONDITIONNEMENT CHAPITRE 3. PROBABILITÉS

3. Existe-t-il cependant une probabilité P sur N , telle que : ∀n ∈ N∗ , P (nN) = 1

n Si c'était le
cas, soit pour p ∈ P, Ap = pN. Soit (p1 ; ...; pk ) ∈ Pk distincts :
k k k
\ \ 1 Y
Ap i = AQ k pi ⇒ P( Api ) = Qk = P (Api )
i=1
i=1 i=1 i=1 pi i=1

Or d'après le Lemme de Borel-Cantelli, P(A) = 1, où A = {n ∈ N/ n appartient à une

innité de pN, possède une innité de facteurs premiers} = ∅, ce qui est absurde, une telle
mesure de probabilité n'existe pas.

Calcul de ϕ(n)
Soit n ∈ N∗ et ϕ(n) = card{k ∈ [|1; n|]/k ∧ n = 1}
On munit Ω = [|1; n|] de la probabilité uniforme :
ϕ(n)
= P (A), A = {k ∈ [|1; n||]/k ∧ n = 1}
n
, l'évènement k ∧ n = 1. Si les diviseurs premiers de n sont p1 ; ...; pr distincts,
∀k ∈ [|1; n|], k ∈ A ⇔ ∀i ∈ [|1; r|], k ∧ pi = 1
⇔ ∀i ∈ [|1; r|], pi - k
⇔ ∀i ∈ [|1; r|], k ∈
/ pi Z ∩ [|1; n|]
Tr
d'où, A = i=1 Api or les (Api ) sont indépendants, donc les (Api ) aussi :
r r r
Y Y Y 1
P (A) = P (Api ) = (1 − P (Api )) = (1 − )
i=1 i=1 i=1
pi
Ainsi :
r r
ϕ(n) Y 1 Y 1
= (1 − ) ⇔ ϕ(n) = n (1 − )
n i=1
pi i=1
pi

3.2.2 Probabilités conditionnelles

Si deux évènements A et B ne sont pas indépendants, la réalisation de l'un aecte la réalisation
de l'autre : si B est réalisé, la probabilité que A le soit aussi est modiée. Dans le cas d'un ensemble
ni Ω, muni de la probabilité uniforme, on veut dénir la probabilité de A sachant B, qui n'est
plus un évènement de Ω mais un évènement de B :
|A ∩ B| |A ∩ B| |Ω| P (A ∩ B)
PB (A) = = × =
|B| |Ω| |B| P (B)

Dénition

Soit (Ω, A,P) un espace probabilisé et B∈ A/P (B) 6= 0. On dénit :

PB : A → R+
A 7→ PB (A) = P P(A∩B)
(B)

C'est une probabilité sur A, dite probabilité conditionnelle associée à B.

Preuve : cf cours de MPSI

102 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.2. INDÉPENDANCE, CONDITIONNEMENT

Exemples
Une famille possède deux enfants (F et G équiprobables). Quelle est la probabilité pour que
le deuxième soit une lle sachant que le premier est un garçon ?
Ω = {(F,F) ;(F,G) ;(G,F) ;(G,G)}
B ={(G,G) ;(G,F)}
A = {(F,F) ;(G,F)}
0.25
PB (A) = P P(A∩B)
(B) = 0.5 = 0.5

Quelle est la probabilité sachant que l'un des deux est un garçon que l'autre soit une lle ?
B = {(G,F) ;(F,G) ;(G,G)}
A = {(G,F) ;(F,G) ;(F ;F)}
A ∩ B = {(G,F) ;(F,G)}
0.5 2
PB (A) = P P(A∩B)
(B) = 0.75 = 3

Formule d'inversions des causes

Si P(A) 6= 0 et P(B) 6= 0 :
P (A∩B) PA (B)×P (A)
PB (A) = P (B) = P (B)

Lien avec l'indépendance

A et B sont indépendants si et seulement si PB (A) = P (A) si et seulement si PA (B) = P (B)

Formule des probabilités composées

Soient (A1 ; ...; An ) ∈ An , tel que P (A1 ∩ ... ∩ An ) > 0, on a

n
\ n−1
Y i+1
\
P( Ai ) = P (A1 × P Ti ( Ak )
Aj
i=1 i=1 j=1 k=1

Formule des probabilités totales, formule de Bayes

Soit (Ai ) un SCE dénombrable tel que : ∀i ∈ I, P (Ai ) > 0, soit B ∈ A :

X X
P (B) = P (B ∩ Ai ) = PAi (B) × P (Ai )
i∈I i∈I

P (Aj ) × PAj (B)

∀j ∈ I, PB (Aj ) = P
PAi (B) × P (Ai )
i∈I

103 MP∗ B.DufourJules

3.3. VARIABLES ALÉATOIRES CHAPITRE 3. PROBABILITÉS

Loi sans mémoire

Soit p ∈]0; 1[ sur N∗ , G(p) la loi géométrique de paramètre p :

∀n ∈ N∗ , P ({n}) = (1 − p)n−1 p
∗ 2
∀(k, n) ∈ (N ) , P[n;+∞[ ([n + k; +∞[) = P ([k + 1; +∞[)
On dit que la loi géométrique est sans mémoire

P ([n+k;+∞[∩[n;+∞[) P ([n+k;+∞[)
Preuve : P[n;+∞[ ([n + k; +∞[) = P ([n;+∞[) = P ([n;+∞[)

+∞
X (1 − p)l−1 p
∀l ∈ N∗ , P ([1; +∞[) = (1 − p)j−1 p = = (1 − p)l−1
j=1
1 − (1 − p)

(1−p)n+k−1
donc, P[n;+∞[ ([n + k; +∞[) = (1−p)n−1 = (1 − p)k = P ([k + 1; +∞[)
Réciproquement, si une loi de probabilité vérie cette propriété :

P ([n + 1; +∞[)
q = P ([2; +∞[), =q
P ([n; +∞[)

P ([n; +∞[) = q n−1 , par récurrence. Par passage au complémentaire, on obtient :

P ([|1; n|]) = 1 − P ([n + 1; +∞[) = 1 − q n

P ({n}) = P ([|1; n|]) − P ([|1; n + 1|]) = 1 + q n − 1 − q n−1 = q n−1 (1 − q)

C'est une loi géométrique

3.3 Variables aléatoires

3.3.1 Dénition
Pour calculer des probabilités, on a besoin de l'existence d'un espace probabilisé (Ω, A,P).
Dans la réalité on n'a pas accès directement à Ω, mais seulement à certaines grandeurs observables
qui sont dénies sur Ω. On déni alors une fonction sur Ω :
X : Ω → E
ω 7→ X(ω)

Généralement E = N, Z, R, Rd . On cherche à transporter la probabilité dénie sur Ω en une

probabilité PX dénie sur E par :

PX (B) = P (X −1 (B))

Dénition

Soit (Ω, A) et (E, B) deux espaces probabilisable. On dit qu'une application X : Ω → E

est une variable aléatoire si et seulement si :

104 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.3. VARIABLES ALÉATOIRES

∀B ∈ B, X −1 (B) ∈ A
PX : B → [0; 1]
De plus si, (Ω, A,P) est un espace probabilisé alors :
B 7→ PX (B) = P (X −1 (B))
est une probabilité sur (E, B)

Preuve : analogue au cas ni étudié en MPSI

Exemples
On lance successivement 2 dés et on s'intéresse à la somme des chires obtenus, on peut
X : Ω → [|1; 6|]2
considérer Ω = [|1; 6|], muni de la probabilité uniforme et
(i, j) 7→ i + j
1
PX ({2}) = P ((1; 1)) =
36
1
PX ({7}) = P ({1; 6}...{6; 1}) =
6

Soit Ω l'ensemble des eurs d'une prairie, on s'intéresse au fait que la eur est jaune ou ne l'est
X : Ω → {0; 1}
pas, on dénit : ω 7→ 1 si la eur est jaune On parle de variable de Bernoulli
7→ 0 sinon

Notations
Soit X → E une variable aléatoire(va), on note pour B ∈ B , "X ∈ B " l'évènement X −1 (B),
de Ω :

P (X ∈ B) = P (X −1 (B)) = PX (B)

Soit x ∈ E/{x} ∈ B, on note, "X = x" l'évènement X −1 ({x}), de sorte que :

P (X = x) = P (X −1 ({x}) = PX ({x})

Si E = R , "X ≤ x" est l'évènement X −1 (] − ∞; x]) :

P (X ≤ x) = P (X −1 (] − ∞; x]))

3.3.2 Variables aléatoires discrètes

Dénition

Soit (Ω, A) un espace probabilisable, E un ensemble. On dit que X → E est une variable
aléatoire discrète (vad) si et seulement si :
1. X(Ω) est dénombrable
2. ∀x ∈ X(Ω), X −1 ({x}) ∈ A

105 MP∗ B.DufourJules

3.3. VARIABLES ALÉATOIRES CHAPITRE 3. PROBABILITÉS

Si de plus P est une probabilité sur (Ω, A), on dénit la probabilité PX dite loi de la va X
sur (X(Ω), P(X(Ω))) par :
X
∀B ∈ P(X(Ω)), PX (B) = P (X −1 ({x})) = P (X ∈ B)
x∈B

Preuve : on utilise le fait que (X −1 ({x})) est un SCE sur Ω

Remarque
On peut aussi dénir :
X
∀B ∈ P(E), PX (B) = P (X = x) < +∞
x∈X(Ω)∩B

Composition des variables aléatoires

Soit (Ω, A), (E, B) et (F, C) trois espaces probabilisables. Soit X : Ω → E et f : E → F

deux va. Alors f ◦ X (notée f (X)) est une va. De plus, si X est une vad alors f (X) est une
aussi une vad.

Preuve : analogue au cas étudié en MPSI, on vérie que (f ◦ X)(Ω) = {f (xn ))} est ni ou
dénombrable lorsque X est une vad

Théorème

Soit X, Y : Ω → Rdeux vad (respectivement va) alors :

1. λX + Y est une vad (resp. va)
2. XY est une vad (resp. va)
3. |X| est une vad (resp. va)
4. min(X; Y ) et max(X; Y ) sont des vad (resp. va)

Preuve : cf cours de MPSI, on vérie aisément (X + Y )(Ω) ni ou dénombrable

Remarque
Lorsque E = R, on dit que X est une vad (resp. vard si elle est discrète)

3.3.3 Variables aléatoires à valeur dans Rd

Dénition

106 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.3. VARIABLES ALÉATOIRES

Πi : Rd → R
Soit d ≥ 1, on dénit ∀i ∈ [|1; d|] la i-ème projection : Soit
(x1 ; ...; xd ) 7→ xi
X : Ω → Rd
ω 7→ X(ω)
∀i ∈ [|1; d|], Xi = Πi ◦ X , de sorte que :
X(ω) = (X1 (ω); ...; Xd (ω))
On dit que X est une vas si et seulement si ∀i ∈ [|1; d|], Xi est une vad

Preuve : Si X est une vad, ∀i ∈ [|1; d|], Xi est vad :

Xi (Ω) = Πi (X(Ω)) ni ou dénombrable

∀xi ∈ Xi (Ω), Xi−1 ({xi }) = {ω ∈ Ω/ la i-ème composante deX(ω) est xi

[
= X −1 ({y1 ; ...; yi−1 ; yi ; ...; yd })
yk ∈Xk−1 (Ω)

c'est un ensemble dénombrable

Réciproquement : ∀i ∈ [|1; d|], Xi vad , X(Ω) ⊂ X1 (Ω) × ... × Xd (Ω)
d
∀(x1 ; ...; xd ) ∈ X(Ω), X −1 ({x1 ; ..; xd }) = Xi−1 ({xi }) ∈ A
T
i=1

Loi de variable aléatoire

Soit X : (Ω, A,P)→ (E, B) on s'intéresse à la loi de X vad, dite aussi distribution. C'est
la donnée :

∀x ∈ X(Ω), PX ({x}) = P (X −1 ({x})) = P (X = x)

On notera X ,→ PX

Loi uniforme

X ,→ U([|1; n|]) , X : Ω → [|1; n|]

1
∀k ∈ [|1; n|], P (X = k) = n

Loi de Bernoulli

X ,→ B(p) , X : Ω → [|0; 1|] , avec p ∈ [0; 1]

P (X = 0) = 1 − p et P (X = 1) = p
C'est la loi des tirages de type succès-échec

107 MP∗ B.DufourJules

3.3. VARIABLES ALÉATOIRES CHAPITRE 3. PROBABILITÉS

Loi géométrique

X ,→ G(p) , X : Ω → N∗

∃p ∈]0; 1[/∀n ∈ N∗ , P (X = n) = (1 − p)n−1 pn

C'est la loi de mesure du premier succès d'une expérience aléatoire de Bernoulli répétées

Loi binomiale

X ,→ B(n, p) , X : Ω → [|0; n|]

n


P (X = k) = k pk (1 − p)n−k
C'est la loi qui mesure le nombre de succès dans le cadre de la répétition d'épreuves de
Bernoulli indépendantes

Loi hypergéométrique

X ,→ H(N, n, p) , X : Ω → [|0; n|]

(Nkp)(Nn−k
(1−p)
)
P (X = k) = N
(n)
C'est la loi de mesure du nombre de succès pour des tirages sans remises

Loi de Poisson

X ,→ P(λ) , X : Ω → N
λn e−λ
P (X = n) = n!

C'est la loi de mesure du nombre de succès d'un évènement rare

3.3.4 Couples de Variables aléatoires

Loi conjointe

Soit X : Ω → E et Y : Ω → F , deux vad. On note :

X(Ω) = (xi )i∈I
Y (Ω) = (yj )j∈J
On dénit la loi conjointe de X et Y comme la loi de : (X, Y ) : Ω → E × F
On la note :
X(Ω) × Y (Ω) → [0; 1]
(xi , yj ) 7→ P ((X, Y ) = (xi , yj ))
P ((X = xi ) ∩ (Y = yj ))
PXY ({xi ; yj })
On la note pi,j

108 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.3. VARIABLES ALÉATOIRES

Figure 3.1  Loi binomiale de paramètres n=10 et p=0.5

Figure 3.2  Loi binomiale de paramètres n=50 et p=0.5

Figure 3.3  Loi de Poisson de paramètres λ = 4

Figure 3.4  Loi de Poisson de paramètres λ = 40

Loi marginale

La première loi marginale (resp. deuxième loi marginale) de (X,Y) est la loi de X (resp.
X(Ω) → [0; 1]
de Y) : notée pi,· (resp. p·,j )
xi 7→ P (X = xi )

109 MP∗ B.DufourJules

3.3. VARIABLES ALÉATOIRES CHAPITRE 3. PROBABILITÉS

3.3.5 Variables aléatoires indépendantes

Théorème

Si ∀i ∈ J, Xi est une vad on a :

(Xi ) sont indépendantes ⇔ ∀(xi ) ∈ (Xi (Ω)) les évènements (Xi = xi ) sont indépendants

Preuve : cf cours de MPSI. On utilise la sommabilité pour conclure dans le cas où l'univers
est dénombrable

Composition de variables aléatoires

Soit (Xi ) une famille de va telle que : ∀i ∈ I, Xi : (Ω, A, P ) → (Ei , Bi ) supposées indépen-
dantes. Soit ∀i ∈ I, fi : (Ei , Bi ) → (Fi , Ci ) une va alors (fi (Xi )) sont des va indépendantes

Preuve : découle du théorème sur la composition des va et du résultat précédant

Remarque
Si ∀i ∈ I, (Xi ) est une vad, on prendra Bi = P(Ei ) et Ci = P(Fi ))

Corollaire
Soit (X1 ; ...; Xn ) une famille de va indépendantes. Xi : (Ω, A, P ) → (Ei , Ci ) une va. Soit m ∈
[|1; n−1|] alors les deux va : (f1 (X1 ); ...; fm (Xm ) et (fm+1 (Xm+1 ); ...; fn (Xn )) sont indépendantes
Preuve : trivial

Exemples
Si X1 , X2 , X3 et X4 sont des va indépendantes alors :
1. X1 + 4X2 et X32 − cos(X4 ) sont indépendantes
2. X13 − 8 exp(−3X2 ) et sin(X32 X2 )

Somme de variables aléatoires indépendantes

Soit X : Ω → E et Y : Ω → E deux vai, où E est muni d'une structure de groupe additif.

X +Y Ω → E
Alors la convoluée de X et Y, est une vad. On cherche
ω 7→ X(ω) + Y (ω)
la loi de X + Y :
X
∀z ∈ (X + Y )(Ω), P ((X + Y ) = z) = P (X = x)P (Y = z − x)
x∈X(Ω)

110 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.3. VARIABLES ALÉATOIRES

Preuve : (X = x) est un SCE

X
P (X + Y = z) = P ((X + Y = z) ∩ (X = x))
x∈X(Ω)
X
= P (X = x)P (Y = z − x)
x∈X(Ω
X
= P (X = x)P (Y = y)
(x;y)∈X(Ω)×Y (Ω),x+y=z

Application : Loi de Poisson

Soit (X1 ; ...; Xn ) n vad indépendantes tel que : ∀i ∈ [|1; n|], Xi ,→ P(λi ) alors :
n
X Xn
Xi ,→ P( λi )
i=1 i=1

Preuve : par convolution

m
X
∀m ∈ N, P (X1 + X2 = m) = P (X1 = k)P (X2 = m − k)
k=0
m
X λk1 −λ2 λm−k
= e−λ1 e 2
k! (m − k)!
k=0
m  
e−(λ1 +λ2 X m k m−k
= λ1 λ2
m! k
k=0
(λ1 + λ2 )m −(λ1 +λ2 )
= e
m!
Le résultat s'en déduit par récurrence

Application : Loi Binomiale

Soit (X1 ; ...; Xn ) n vad indépendantes tel que : ∀i ∈ [|1; n|], Xi ,→ B(ni , p) alors :
n
X n
X
Xi ,→ B( ni , p)
i=1 i=1

Preuve : technique similaire

Remarque
Soit (X,Y) un couple de vad, X et Y sont indépendantes si et seulement si ∀i ∈ I, ∀j ∈ J
P ((X = xi ) ∩ (Y = yj )) = pi,j = P (X = xi )P (Y = yj ) = pi,· p·,j
La loi conjointe est le produit des lois marginales

111 MP∗ B.DufourJules

3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE CHAPITRE 3. PROBABILITÉS

3.4 Moments d'une variable aléatoire

3.4.1 Espérance
Soit un ensemble ni d'élément, on peut mesurer leur taille moyenne :

1 X
x̄ = T (xi )
N
i∈I

On peut les regrouper par classes d'équivalences :

1 X
x̄ = ni T (xi ) ∈ Cl(xi )
N
i∈Cl

ni
N est la probabilité de cette classe

Dénition

Soit X : (Ω, A, P ) → K une vad, on dit que X possède une espérance si et seulement si
(xP (X = x)) est sommable. On dénit alors :
X
E(X) = xP (X = x)
x∈X(Ω)

Remarque
Lorsque X possède une espérance, on dit que qu'elle est d'espérance nie. Notons qu'on peut
écrire : X X
E(X) = xP (X = x) = xP (X = x)
x∈X(Ω) x∈E

Loi constante

Si X est constante : X
E(X) = αP (X = x) = α
x∈X(Ω)

Loi uniforme

X ,→ U([|1; n|])
n
X k n+1
E(X) = =
n 2
k=1

112 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE

Loi géométrique

X ,→ G(p)
1
E(X) =
p

Preuve : Lemme :
+∞
1 X
∀z ∈ C, |z| < 1 ⇒ = (n + 1)z n
(1 − z)2 n=0
Par produit de Cauchy de deux séries absolument convergente :
+∞ +∞
1 X X
= zi × zj
(1 − z)2 i=0 j=0
X
i+j
= z
(i,j)∈N2
+∞ X
X
= zn
n=0 i+j=n
+∞
X
= (n + 1)z n
n=0

Or ,
+∞
X 1
E(X) = n(1 − p)n−1 p =
n=0
p

Loi de Bernoulli

X ,→ B(p)
E(X) = p

Loi binomiale

X ,→ B(n, p)
E(X) = np

Loi de Poisson

X ,→ P(λ)
+∞ +∞ +∞ k
X λk X λk−1 X λ
E(X) = k e−λ = e−λ λ = e−λ λ =λ
k! (k − 1)! k!
k=0 k=1 k=0

113 MP∗ B.DufourJules

3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE CHAPITRE 3. PROBABILITÉS

Cas de divergence
Soit X : Ω → N∗ /∀n ∈ N∗ ,
1 1 1
P (X = n) = n(n+1) = n − n+1

+∞
X
P (X = n) = 1
k=1

n+1 diverge
P P 1
nP (X = n) =
Et si on a X : Ω → {(−1)n n}
1
P (X = (−1)n n) = n(n+1)

La famille ( nP (X = (−1)n n)) n'est pas sommable, pas d'espérance

P

Formule de Transfert

Soit X une vad , X : (Ω, A, P ) → E et f : E → K une application. f(X) est une vad, on
a:

f(X) possède une espérance ⇔ f (x)P (X = x) est sommable

P
x∈E

Dans ce cas :
X X
E(f (X)) = yP (f (X) = y) = f (x)P (X = x)
y∈f (X(Ω)) x∈X(Ω)

Preuve : cf cours de MPSI

Propriétés

1. Positivité : si X ≥ 0 et X possède une espérance alors E(X) ≥ 0

2. Linéarité : ∀λ ∈ K, E(λX + Y ) = λE(X) + E(Y )
3. Si X et Y possède une espérance : X ≤ Y ⇒ E(X) ≤ E(Y )
4. Y ≥ 0 et possède une espérance et si |X| ≤ Y alors X possède une espérance et :
|E(X) ≤ E(|X|) ≤ E(Y )

Preuve : cf cours de MPSI

Théorème de structure

L'ensemble des vad :Ω → K possédant une espérance est K-espace vectoriel

Preuve : découle de la linéarité de l'espérance

114 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE

Variables aléatoires indépendantes

Si X, Y : Ω → K sont des vadi, si elles possèdent une espérance alors XY aussi :

E(XY) = E(X) E(Y)

Preuve : découle du théorème de transfert

BLa réciproque est fausse

3.4.2 Variance
Dénition

Soit X : Ω → R une vard, on dit que X admet un moment d'ordre 2, et on note X ∈ E2

si et seulement si X 2 ∈ E1 , elle possède un moment d'ordre 1, une espérance :
X
E(X) = x2 P (X = x)
x∈R

Propriétés

1. E2 est un R-espace vectoriel

2. Soit (X, Y ) ∈ E1 alors XY ∈ E1 et :
p p
|E(XY )| ≤ E(X 2 ) E(Y 2 )

3. X ∈ E2 ⇒ X ∈ E1 et E(X)2 ≤ E(X 2 )

Preuve :
1. On montre que c'est un sous-espace vectoriel de E1
2. |XY | ≤ 12 (X 2 + Y 2 ) ∈ E1 ⇒ XY ∈ E1
ϕ : E22 → R
De plus soit , c'est une forme bilinéaire symétrique. On vérie
(X, Y ) 7→ E(XY )
de plus qu'elle est positive :

∀X ∈ E2 , ϕ(X, Y ) = E(X 2 ) ≥ 0

ϕ est une forme bilinéaire symétrique positive, elle vérie l'inégalité de Cauchy-Schwartz :
p p p p
|ϕ(X, Y )| ≤ ϕ(X, X) ϕ(Y, Y ) ⇒ |E(XY )| ≤ E(X 2 ) E(Y 2 )

3. On prend Y = 1 ∈ E2 et on applique ce qui précède

115 MP∗ B.DufourJules

3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE CHAPITRE 3. PROBABILITÉS

Variances, écart-type

Soit X ∈ E2 , alors X ∈ E1
p
V (X) = E((X − E(X)2 ) σ(X) = V (X)
La variance mesure la dispersion

Formule de Koenig-Huygens
V (X) = E(X 2 ) − E(X)2

Variables centrées, réduites

On dit que la variable X est centrée si E(X) = 0 et qu'elle est réduite si σ(X) = 1. Notons
que si σ(X) > 0, X−E(X)
σ(X) est la variable centrée-réduite associée à X notée X ∗

Propriété

∀(x, y) ∈ R2 , V (aX + b) = a2 V (X)

Preuve : cf cours de MPSI

Loi uniforme

X ,→ U([|1; n|])
n2 − 1
V (X) =
12

Loi de Bernoulli

X ,→ B(p)
V (X) = p(1 − p)

Loi géométrique

X ,→ G(p)
1−p
V (X) =
p2

116 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE

Preuve : On démontre de manière analogue à celui utilisé pour le calcul de l'espérance de loi
géométrique :
+∞
X 2
|z| < 1 ⇒ n(n − 1)z n−2 =
n=2
(1 − z)3
Il vient :
+∞
X 1+z
n2 z n−1 =
n=1
(1 − z)3

D'après le théorème de transfert : E(X 2 ) = 2−p

p3
La formule de Koenig-Huygens permet alors de conclure

Loi binomiale

X ,→ B(n, p)
V (X) = np(1 − p)

Loi de Poisson

X ,→ P(λ)
+∞ +∞ +∞
X λn e−λ X λn e−λ X λn e−λ
E(X 2 ) = n2 = n(n − 2) + n = λ2 − λ
n=0
n! n=2
n! n=1
n!

V (X) = λ

3.4.3 Covariance
Dénition

Soit X,Y deux vad Ω → R qui admettent un moment d'ordre 2. On dénit la covariance
de X et Y :

Cov(X, Y ) = E((X − E(X))(Y − E(Y ))) = E(XY ) − E(X)E(Y )

Théorème

Si X et Y sont indépendantes alors Cov(X, Y ) = 0

Preuve : Cov(X, Y ) = E(XY ) − E(X)E(Y ) = 0, notons que la réciproque est fausse

117 MP∗ B.DufourJules

3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE CHAPITRE 3. PROBABILITÉS

Remarque
La covariance est une forme bilinéaire, symétrique et positive, d'après l'inégalité de Cauchy-
Schwartz : p p
Cov(X, Y ) ≤ V (X) V (Y ) = σ(X)σ(Y )

Coecient de corrélation

Cov(X, Y )
ρ(X, Y ) = ∈ [−1; 1]
σ(X)σ(Y )

Théorème

1. Soit (X1 ; ...; Xn ) n vad: Ω → R possédant un moment d'ordre 2 :

n
X n
X X
V( Xi ) = V (Xi ) + 2 Cov(Xi , Xj )
i=1 i=1 1≤i<j≤n

2. Si de plus les va (Xi ) sont indépendantes :

Xn n
X
V( Xi ) = V (Xi )
i=1 i=1

Preuve : cf cours de MPSI

3.4.4 Moment d'ordre supérieur

Soit X : Ω → R une vard et k ∈ N∗ , on dit que X possède un moment d'ordre k si et
seulement X k ∈ E1 : X
Mk (X) = E(X k ) = xk P (X = x)
x∈X(Ω)

Exemples
1. Si X(Ω) est ni, X admet des moments à tous les ordres
2. X ,→ G(p), ∀k ∈ N∗ , nk (1 − p)n−1 = o( n12 ) donc X possède des moments de tout ordre
n
3. X ,→ P(λ), ∀k ∈ N∗ , un = nk e−λ λn!

un+1 λ 1
= (1 + )k −→ 0
un n+1 n n→∞

D'après la règle de d'Alembert, un converge, X admet des moments d'ordre k

P

118 MP∗ B.DufourJules

CHAPITRE 3. PROBABILITÉS 3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE

3.4.5 Markov, Bienaymé-Tchebychev, grands nombres

Inégalité de Markov

Soit X une vard positive : Ω → R+ , qui admet une espérance :

E(X)
∀λ ∈ R∗+ , P (X ≥ λ) ≤
λ

Inégalité de Bienaymé-Tchebychev

Soit X une vard positive : Ω → R+ , qui admet un moment d'ordre 2 : soit ε > 0 :

V (X)
P (|X − E(X)| ≥ ε) ≤
ε2

Loi faible des grands nombres

Soit (Xk ) une suite de vard : Ω → R de même loi, ∀x ∈ R, ∀(i, j) ∈ N2 P (Xi = x) =

P (Xj = x) indépendantes possédant un moment d'ordre 2, soit ε > 0 , on a :
n
1X V (X1 )
P (| Xi − E(X1 )| ≥ ε) ≤
n i=1 nε2

Pour ε xé :
n
1X
lim P (| Xi − E(X1 )| = 0
n→+∞ n i=1

n
Preuve : On applique l'inégalité de Bienaymé-Tchebychev à X = 1
P
n Xi
i=1

119 MP∗ B.DufourJules

3.4. MOMENTS D'UNE VARIABLE ALÉATOIRE CHAPITRE 3. PROBABILITÉS

120 MP∗ B.DufourJules

Chapitre 4

Calcul matriciel
Sommaire
4.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.1.1 Structure de Mn,p (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.1.2 Produits par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.1.3 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.4 Matrices triangulaires, diagonales . . . . . . . . . . . . . . . . . . . . . 118
4.1.5 Calcul de puissance et d'inverse . . . . . . . . . . . . . . . . . . . . . . 119
4.2 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.2.1 Matrices équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.2.2 Similitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.2.3 Trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.3 Quelques résultats à connaitre . . . . . . . . . . . . . . . . . . . . . 126
4.3.1 Centre de GLn (K) (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.3.2 Lagrange, Vandermonde, Cauchy . . . . . . . . . . . . . . . . . . . . . 127
4.4 Rang et opérations élémentaires . . . . . . . . . . . . . . . . . . . . 129
4.4.1 Rang d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.2 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4.3 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 131

4.1 Rappels
4.1.1 Structure de Mn,p (K)
Dénition
Soit K un corps commutatif. Soit E un K espace vectoriel de dimension nie n ∈ N, B(e1 ; ...; en )
une base de E et (x1 ; ...; xp ) ∈ E p , on appelle matrice de (x1 ; ...; xp ) dans B :
 
a1,1 ··· a1,p
 .. .. 
matB (x1 ; ...; xp ) =  . . 
an,1 ··· an,p

121
4.1. RAPPELS CHAPITRE 4. CALCUL MATRICIEL

n
X
∀j ∈ [|1; p|], xj = ai,j ei
i=1

Matrice d'une application linéaire

Soit E et F deux K-espace vectoriel de dimension respectives p et n, B(e1 ; ...; en ) une

base de E, C = (f1 ; ...; fn ) une base de F u ∈ L(E, F ) :

matB,C = matC (u(e1 ); ...; u(ep ))

Pour les endomorphismes, on prend par convention la même base à l'arrivée qu'au départ

Matrices élémentaires

1. Mn,p (K) est muni d'une structure naturelle de Kev. On dispose de la base :
∀(i, j) ∈ [|1; n|] × [|1; p|], E i,j = (δi,j )(i,j)∈[|1;n|]×[|1;p|]
2. Mn (K) est muni d'une structure de K algèbre non commutative et non intègre pour
n ≥ 2, de neutre :  
1 0 0
0  0
0 0 1
∀(i, j, k, l) ∈ [|1; 4|]4 , E i,j × E k,l = δi,k E i,j

Groupes des inversibles

On note GLn (K) le groupe multiplicatif des inversibles de Mn (K)

Théorème

A ∈ GLn (K) ⇔ ∃B ∈ Mn (K), AB = In

⇔ ∃C ∈ Mn (K), CA = In
⇔ ∀X ∈ Mn,1 (K), AX = 0 ⇒ X = 0

Preuve : cf cours de MPSI

BOn ne peut simplier par une matrice non inversible, car Mn (K) n'est pas intègre :
B 6= 0, A1 B = A2 B et A1 =
6 A2
         
1 1 0 1 1 0 0 1 0 1
× = × =
0 1 0 0 0 1 0 0 0 0

Par contre on a : ∀X ∈ Mn,1 (K), A1 X = A2 X ⇒ A1 = A2

122 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.1. RAPPELS

4.1.2 Produits par blocs

Soit (n, m, p) ∈ (N∗ )3 , A ∈ Mn,m (K) et B ∈ Mm,p (K) alors :
   
A1,1 ... A1,n2 B1,1 ... B1,n3
 .. ..  ×  .. .. 
A×B =  . ... .   . ... . 
An1 ,1 . . . An1 ,n2 Bn2 ,1 ... Bn2 ,n3
 
A1,1 B1,1, + ... + A1,n2 B1,n3 ··· A1,1 B1,n3 + ... + An1 ,n2 Bn2 ,n3
=  .. ..
. .
 
... 
An1 ,1 B1,1 + ... + An1 ,n2 Bn2 ,1 ... An1 ,1 B1,n3 + ... + An1 ,n2 Bn2 ,n3

Tout se passe comme si les blocs jouaient le rôle de coecients scalaire. Cette approche est utile
pour calculer l'inverse par bloc d'une matrice

Déterminant par blocs

 
A C
M= ∈ Mn (K), det(M ) = det(A) × det(B)
0 B
Ce qui se généralise par récurrence :
 
A1 ∗ ∗ Yn
M =  0  ∗  , det(M ) = det(Ai )
0 0 An i=1

4.1.3 Transposition
Dénition

Soit A = (ai,j ) ∈ Mn,p (K). On pose :

∀(i, j) ∈ [|1; n|] × [|1; p|], [tA]i,j = aj,i

Propriétés

τ: Mn,p (K) → Mp,n (K)

1. t est linéaire
A 7→ A
2. τ ◦ τ = idMn,p (K)
3. t(A × B) = tB × tA
4. A ∈ GLn (K) ⇔ tA ∈ GLn (K), (tA)−1 = t(A−1 )

123 MP∗ B.DufourJules

4.1. RAPPELS CHAPITRE 4. CALCUL MATRICIEL

Matrices symétriques et antisymétriques

Sn (K) = {M ∈ Mn (K)/tM = M }
t
An (K) = {M ∈ M Ln (K)/ M = −M }
Mn (K) = Sn (K) An (K)
dim(Sn (K)) = n(n+1)
2 et dim(An (K)) = n(n−1)
2
t t
On notera que : ∀M ∈ Mn (K), M = M +2 M + M −2 M

Preuve : on applique le théorème des symétries à la transposition

BLe produit de 2 matrices symétriques (A,B) est symétrique si et seulement si t(AB) = tB tA =

BA si et seulement si A et B commutent

4.1.4 Matrices triangulaires, diagonales

Dénition

T (K)sn = {A ∈ Mn (K)/∀(i, j) ∈ [|1; n|]2 , ai,j = 0 si i>j}

T (K)in = {A ∈ Mn (K)/∀(i, j) ∈ [|1; n|]2 , ai,j = 0 si i<j}
Dn (K) = T (K)sn ∩ T (K)in = {A ∈ Mn (K)/∀(i, j) ∈ [|1; n|]2 , ai,j = 0 si i 6= j}

Structure

n(n+1)
T (K)sn , T (K)in et Dn (K) sont des algèbres de Mn (K) de dimensions respectives 2 ,
n(n+1)
2 , n

Propriétés

     
a1,1 ∗ ∗ b1,1 ∗ ∗ a1,1 b1,1, ∗ ∗
1.  0  ∗ × 0  ∗ = 0  ∗ 
0 0 an,n 0 0 bn,n 0 0 an,n bn,n
2. A est inversible si et seulement si tous coecients diagonaux sont non nuls (det(A) 6= 0)
 1
∗ ∗

a1,1
3. Dans ce cas :A−1 =  0  ∗ 
1
0 0 an,n
4. Les puissances de A conservent le caractère triangulaire, donc ∀P ∈ K[X], P (A) est
triangulaire
 k   
a1,1 0 0 P (a1,1 ) 0 0
5. Si A ∈ Dn (K) alors Ak =  0  0  P (A) =  0  0 
0 0 akn,n 0 0 P (an,n )

124 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.1. RAPPELS

Matrices triangulaires nilpotentes

 
a1,1 ∗ ∗
Soit A =  0  ∗  ∈ Tns (K) est nilpotente si et seulement si ∃r ∈ N∗ /Ar = 0 si
0 0 an,n
et seulement si ∀i ∈ [|1, n|], ai,i = 0

Preuve :  r 
a1,1 ∗ ∗
Ar = 0 ⇔  0  ∗  = 0 ⇔ ∀i ∈ [|1; n|], ai,i = 0
0 0 arn,n
∀i ∈ [|1; n|]ai,i = 0, B = (e1 ; ...; en ) le base canonique deKn , u ∈ L(Kn ) canoniquement associée
àA:
u(e1 ) = 0
u(e2 ) ∈ V ect[e1 ]
u(e3 ) ∈ V ect[e1 , e2 ]
..
.
u(en ) ∈ V ect[e1 ; ...; en−1 ]
Fi = V ect[e1 ; ...; ei ] et Fi = {0} si i ≤ 0
∀i ∈ [|1; n|], u(Fi ) ⊂ Fi−1 par récurrence :

uk (Fi ) ⊂ Fi−k

d'où un (Fi ) ⊂ Fi−n = {0} ⇒ un = 0 

0 0 0 ∗ ∗
0 0 0  ∗
Notons que : ∀k ∈ [|1; n − 1|] Ak = 
 
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0

Matrices de Jordan
 
0 1 0 0
0 0  0
On dénit Jn,r = 0
 ∈ Mn (K
0 0 1
0 0 0 0
On en déduit la relation : ∀k k
∈ [|1; n − 1|], Jn,r r
= Jn,r+k ⇒ Jn,r =0

Théorème d'inversion

r−1
X
Ar = 0 ⇔ (In − A) ∈ GLn (K) ⇔ (In − A)−1 = Ak
k=0

125 MP∗ B.DufourJules

4.1. RAPPELS CHAPITRE 4. CALCUL MATRICIEL

4.1.5 Calcul de puissance et d'inverse

Binôme de Newton

∀(A, B) ∈ Mn (K), A et B commutent :

p  
X p
(A + B)p = Ak B n−k
k
k=0

Exemple
 
1 α
M= = I2 + αJ2 ces matrices commutent car J22 = 0
0 0
p        
p
X p k p p 1 pα
∀p ≥ 2, M = (αJ2 ) = I2 + αJ2 =
k 0 1 0 1
k=0
 
1 −α
De plus M −1 = la formule vaut pour p ∈ Z
0 1

Similitudes
 
−b a
Soit M = = mat(Sp,θ ), z = a + ib = peiθ
a b
M n = math(Spn ,nθ )
 
0 −1
M n = (aI2 + b ) = (aI2 + bC)n
1 0
n  
X n n−k k
= a b (−1)k C k
k
k=0
E( n
2) 
X n n−2k 2k
= C a b (−1)k
2k
k=0

Polynômes annulateurs

Soit A ∈ \(K), dim(\(K)) = n2 , toute famille de cardinale n2 + 1 est liée, la famille

2
(In , A, ..., An ) est liée,
2
n
n2 ∗
X
∃(α0 ; ...; αn2 ) ∈ (K ) / αj Aj = 0
j=0

Par conséquent, ∃P ∈ K[X] \ {0}/P (A) = 0

Pour k ∈ N, eectuons la division euclidienne de X k par P :
X k = Qk P + Rk , deg(Rk ) ≤ deg(P ) − 1
On applique à A : Ak = Rk (A)

126 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.1. RAPPELS

Application

√ √
e−7 e−7 
   
1 π 1 − X π

M = 0 −1 42 , det(M − XI3 ) =  0
 −1 − X 42  = (X − 1)(X + 1)(X − 2)
0 0 2  0 0 2 − X
C'est le polynôme caractéristique de A, donc il est annulateur de A d'après le théorème de
Cayley-Hamilton
X k = Qk P + ak + bk X + ck X 2
On
 évalue aux racines de P :
ak + bk + ck
 =1
ak − bk + ck = (−1)k

ak + 2bk + 4ck = 2k


Ak = ak I3 + bk A + ck A2

Inversibilité

En ce qui concerne l'inverse, si on a :

a0 In + a1 A + ... + ar Ar = 0

Si a0 , A(− aa01 In − ... − aar0 Ar−1 ) = In

Ainsi A est inversible et A−1 = − aa10 In − ... − ar r−1
a0 A ∈ K[a]

Exemple
 

b a a
 1 ··· 1
 .. .. 
A = a  a = (b − a)In + aM, M =  .

1 .
a a b 1 ... 1
On a M 2 = nM, ( n1 M )2 = n1 M , c'est la matrice d'un projecteur. (aM )2 = na2 M , d'où :
(A − (b − a)In )2 = na(A − (b − a)In )
A2 − (2(b − a) + na)A + (b − a)(b − a + na)In = 0
A(A − (2(b − a) + na)In ) = (a − b)(b − a + na)In
1 2(b − a) + na
A( A− ) = In
(a − b)(b − a + na) (a − b)(b − a + na)In
1 2(b − a) + na
A−1 = A− si a 6= b et b − a 6= −na
(a − b)(b − a + na) (a − b)(b − a + na)In
 
1 · · · 1
Si b = a, det(A) =  ... ..  = 0 A n'est pas inversible
 
. 

 1
1 · · · 1
   
1 0
 ..   .. 
Si b = −(n − 1)a, A  .  =  .  , A ∈ / GL(K)
1 0

127 MP∗ B.DufourJules

4.2. CHANGEMENT DE BASES CHAPITRE 4. CALCUL MATRICIEL

4.2 Changement de bases

4.2.1 Matrices équivalentes
Dénition

Soit (A, B) ∈ Mn,p (K), on dit que A ∼ B si :

∃(P, Q) ∈ Glp (K) × GLn (K), B = Q−1 AP

si et seulement si A et B représentent la même application linéaire dans des bases diérentes

si et seulement si rg(A) = rg(B)  
Ir 0
si et seulement si A ∼ B ∼ Jn,p,r =
0 0

BSi A ∼
 B alors 
il n'y aaucun raison que A2 ∼ B 2 , par exemple :
0 1 1 1
A= et B = et A2 = 0 et B 2 6= 0
0 0 0 0

Formule de changement de bases

Soit E un K-ev de dimension n. B = (e1 ; ...; en ), B 0 = (e01 ; ...; e0n ) deux bases de E,

x ∈ E, X = CoordB (x) X 0 = CoordB0 (x)

X = P X 0 avec P = PB,B0

4.2.2 Similitudes
Dénition

On dit que A et A' sont semblables si et seulement si ∃P ∈ GLn (K), A0 = P −1 AP si et

seulement si elles représentent le même endomorphisme dans des bases diérentes. C'est une
relation d'équivalence

Théorème

Si A et A' sont semblables alors :

1. Elles sont équivalentes : rg(A) = rg(A')
2. det(A) = det(P −1 AP ) = det(A)
3. A0 = P −1 AP, ∀n ∈ N, A0n = P −1 An P
4. ∀Q ∈ K[X], Q(A0 ) = P −1 Q(A)P

BDeux matrices peuvent être équivalentes, mais pas semblables :

128 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.2. CHANGEMENT DE BASES

   
1 0 1 0
A= et A0 =
0 1 0 2

rg(A) = rg(A') : elles sont équivalentes

det(A) 6= det(A0 ) : elles ne sont pas semblables

Remarques
1. ∀λ ∈ K, ∀P ∈ GLn (K), P −1 (λIn )P = λIn La seule matrice semblable à une matrice scalaire
est elle-même
2. A et A' sont semblables , ∀λ ∈ K, ∀k ∈ N,

(A − λIn )k et (A0 − λIn )k le sont

rg((A − λIn )k ) = rg((A0 − λIn )k )

Méthode

Pour montrer A et A' sont semblables, on ne cherche jamais à résoudre l'équation d'in-
connue P ∈ Gln (K), A0 = P −1 AP . Il est plus rentable de former u ∈ L(Kn ) canoniquement
associée à A et de vérier qu'il existe B 0 base de Kn /matB0 (u) = A0

Application 1
Soit B = (e1 ; ...; en ) base canonique de Kn , u ∈ L(Kn ) canoniquement associée à

···
 
0 1 0 0
 .. .. .. .. .. 
. . . . .
Jn =  ... .. ..
 
. .
 
0
. ..
 
 .. .

1
0 ... ... ... 0


 u(e1 ) = 0

u(e2 ) = e1

Montrons que Jn et tJn sont semblables : .

 ..


u(en ) = en−1


0 0
 u(e1 ) = e2
..



On cherche une base telle que : .
u(e0 ) = e0


 n−1 n
 0
u(en ) = e01
 
0 0 1
Il sut de poser :e0n = e1 , e0n−1 = e2 , ..., e1 = en . On a :P= 0
0   0
1 0 0

129 MP∗ B.DufourJules

4.2. CHANGEMENT DE BASES CHAPITRE 4. CALCUL MATRICIEL

Application 2
   
1 α 1 1
Soit α 6= 0 et M = Monter que M est semblable à
0 1 ( 0 1
u(e1 ) = e1
Soit B = (e1 , e2 ) base canonique de K : 2
u(e2 ) = αe1 + e2
( (
u(e01 ) = e01 e01 = e1
On cherche B 0 = (e01 , e02 ) base de K2 telle que : ⇒
u(e02 ) = e01 + e02 e02 = eα2

Matrices semblables sur C et dans R (HP)

Soit (A, B) ∈ Mn (R)2 . On suppose que A et B sont semblables sur C, ∃P ∈

GLn (C)/P −1 AP = B . Alors A et B sont semblables sur R.

Preuve : P = P1 + iP2 , (P1 , P2 ) ∈ Mn (R)2

P B = AP ⇔ P1 B + iP2 B = AP1 + iAP2

(
P1 B = AP1
⇔
P2 B = AP2
   
0 0 1 0
Hélas on n'est pas sur que P1 ou P2 soit inversible : P1 = et et P1 +P2 ∈ GL2 (C)
0 1 0 0
f : C → C
Pour λ ∈ R, (P1 + λP2 )B = A(P1 + λP2 ), formons : f (i) =
z 7→ det(P1 + zP2 )
det(P ) 6= 0, f n'est pas nulle sur R, car si on avait ∀λ ∈ R(inni), f (λ) = 0 alors f = 0, absurde
donc,
∃λ ∈ R/ det(P1 + λP2 ) 6= 0

On a bien Q ∈ GLn (R), Q−1 AQ = B

Remarque
Soient K et L deux corps commutatifs. A ∈ Mn (K), soit ΠK,A le polynôme minimal de A sur
K. On a : ΠK,A ∈ K[X] ⊂ L[X], ΠK,A (A) = 0, donc :

ΠL,A |ΠK,A

De plus : deg(ΠK,A ) = dim(V ectK [Ak ]k∈N ) = rgK (Ak )0≤k≤n2 −1 = rgL (Ak )0≤k≤n2 −1
Le rang se calcule en appliquant le pivot de Gauss au système de coordonnées dans la base
canonique
( de Mn (K). Ce sont les mêmes coordonnées dans la base canonique de Mn (L).
deg(ΠK,A ) = deg(ΠL,A )
Donc : ⇒ ΠK,A = ΠL,A , le polynôme minimal est indépendant du
ΠL,A |ΠK,A
corps de base

130 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.2. CHANGEMENT DE BASES

Exemple
 Les matrices suivantes
√  sont
elles semblables√
? 
1 1 0 3 2 0 1 0 0 3 2 0
0 1
 0 −1 0 0  0 1 0 −1 0 0
 
0 0
 1 eπ 0 0 0 0 1 eπ
 et  0 0 

0 0 0 0 0 0 0 0 0 0 0 0 
   
0 0 0 0 −1 0 0 0 0 0 −1 0
0 0 0 0 0 3 0 0 0 0 0 3
 √ 
0 1 0 3 2 0
0 0 0 −1 0 0
 
0 0 0 eπ 0 0
rg(A − I6 ) = rg(
0 0 0 −1 0 0) = 4

 
0 0 0 0 −2 0
0 0 0 0 0 2
 √ 
0 0 0 3 2 0
0 0
 0 −1 0 0 
0 0 0 eπ 0 0
rg(B − I6 ) = rg( ) = 3
0 0
 0 −1 0 0 
0 0 0 0 −2 0
0 0 0 0 0 2
Les rangs ne sont égaux, elles ne sont pas semblables

4.2.3 Trace
Dénition

Soit A ∈ Mn (K), on dénit :

n
X
tr(A) = ai,i
i=1

tr : Mn (K) → K
⇒ tr ∈ L(Mn (K), K)
A 7→ tr(A)

C'est une
 forme linéaire
 non nulle :
1 0 ··· 0
.. .
. .. 

0 0
tr( ) = 1 6= 0
. .
 .. ..

 0
0 ··· 0 0

Théorème

1. ∀(A, B) ∈ Mn,p (K) × Mp,n (K) : tr(AB) = tr(BA)

2. ∀(A, P ) ∈ Mn (K) × GLn (K) : tr(P −1 AP ) = tr(A)

131 MP∗ B.DufourJules

4.3. QUELQUES RÉSULTATS À CONNAITRE CHAPITRE 4. CALCUL MATRICIEL

3. Soit E un K-ev de dimension n, u ∈ L(E), on dénit la trace de u comme : tr(u) =

tr(matB (u)).
La trace est une forme linéaire sur E, vériant : ∀(u, v) ∈ L(E), tr(u ◦ v) = tr(v ◦ u)

BSoient (A, B, C) ∈ Mn (K)3 :

tr(ABC) = tr(BCA) = tr(CBA) = tr(CAB) 6= tr(BAC)

Trace d'un projecteur

Soit E un K-ev de dimension n et p ∈ L(E) un projecteur de E, dans une base adaptée

à E = Im(p) ⊕ Ker(p)
 
Ir 0
matB (p) = r = dim(Im(p)) = rg(p)
0 0

Il vient : tr(p) = rg(p)

Exemples
PSoit G un sous-groupe ni de GLn (K) avec K de dimension nie, |G| = m. Posons : p =
g∈G g . Montrer que p est un projecteur, déterminer son image et son noyau.
1
n
Fixons g0 ∈ G, g0 ◦ p = m
1
g∈G g0 ◦ g . Or l'application : g 7→ g0 ◦ g est bijective de G dans G,
P
donc :
1 X
g0 ◦ p = g=p
m
g∈G

d'où
1 X
g0 ◦ p = p2 ⇔ p = p2
m
g0 ∈G

C'est un projecteur. Notons que si x ∈ g∈G Ker(g − id) (ie) ∀x ∈ G, g(x) = x, p(x) =
T
1
P
m g∈G g(x) = x
Réciproquement : si p(x) = x alors
T ∀g ∈ G, (g ◦ p)(x) = p(x) = x = g(x)
Il vient : Im(p) = Ker(p − id) = g∈G Ker(g − id)
1 X
tr(p) = rg(p) = tr(g) ∈ mZ
m
g∈G

4.3 Quelques résultats à connaitre

4.3.1 Centre de GLn (K) (HP)
Lemme

Soit E un K-ev et u ∈ L(E)/∀x ∈ E \ {0}, (x, u(x)) est liée, ∀x ∈ E \ {0}/u(x) = λx x.

Alors u est une homothétie

Preuve : Soit (x, y) ∈ (E \ {0})2 si (x, y) est liée , ∃µ ∈ K∗ /y = µx, on a alors :

132 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.3. QUELQUES RÉSULTATS À CONNAITRE

u(y) = λy y = µu(x) = µλx x = λx x

y 6= 0 alors λx = λy(
u(x + y) = λx+y (x + y)
Si (x, y) est libre ,
u(x + y) = λx x + λy y
(λx+y − λx )x + (λx+y − λy )y = 0, par liberté de (x, y) : λx+y = λx = λy . Ainsi, λx ne dépend
pas de x :

∃λ ∈ K, ∀x ∈ E, u(x) = λx, u = λidE

Corollaire

Soit u ∈ L(E)/∀v ∈ GL(E), u ◦ v = v ◦ u. Alors u est une homothétie. En particulier,

∀v ∈ L(E), u ◦ v = v ◦ u alors u est une homothétie .

Preuve : Soit E \ {0}, H un supplémentaire de Kx dans E il en existe d'après l'axiome du

choix, et v la symétrie par rapport à Kx parallèlement à H, v ∈ GL(E) :

(u ◦ v)(x) = u(x) = (v ◦ u)(x) = v(u(x))

donc u(x) ∈ Ker(v − id) = Kx

∀x ∈ E \ {0}, (x, u(x)) est liée d'après le lemme, u est une homothétie

Matrices qui commutent avec les autres (HP)

Les seules matrices qui commutent avec toutes les autres sont les matrices scalaires, de
la forme λIn , λ ∈ K
A ∈ Mn (K)/∀P ∈ GLn (K), AP = P A alors

∃λ ∈ K, A = λIn

Pour démonter directement ce résultat plus faible que le précédant, on passe par les matrices
élémentaires

4.3.2 Lagrange, Vandermonde, Cauchy

Polynôme d'interpolation de Lagrange

Soit K un corps inni, n ∈ N, (a0 ; ...; an+1 ) ∈ Kn+1 2 à 2 distincts. L'application :

ϕ : Kn [X] → Kn+1
P 7→ (P (a0 ); ...; P (an+1 ))

est un isomorphisme. Soit i ∈ [|0; n|], ei i-ième vecteur de la base canonique de Kn+1 , soit :

Li = ϕ−1 (ei )

133 MP∗ B.DufourJules

4.3. QUELQUES RÉSULTATS À CONNAITRE CHAPITRE 4. CALCUL MATRICIEL

C'est l'unique polynôme de degré ≤ n/∀j ∈ [|0; n|], Li (aj ) = δi,j

n
Y X − aj
Li (X) =
ai − aj
j=0,j6=i

(L0 ; ...; Ln ) forme une base de Kn [X] et ∀P ∈ Kn [X]

n
X
P = Li P (ai )
i=0

Déterminant de Vandermonde

Pour (a1 ; ...; an ) ∈ Kn , on dénit :

a22 an−1
 
1 a 1 ··· 1

n−1 
 
1 a 2 a22 ··· a2  Y
Vn (a1 ; ...; an ) =  . .. .. .. ..  = (aj − ai )

 .. . . . .  0≤i<j≤n

1 an a2n ··· an−1 
n

Preuve : cf cours de MPSI, on raisonne par récurrence sur n, on rajoute une ligne d'indéter-
minées : le déterminant est alors un polynôme en cette dernière, en on connait les racines et sont
coecient dominant, ce qui permet de conclure

Déterminant de Cauchy (HP)

Soient (a1 ; ...; an ; b1 ; ...; bn ) ∈ K2n /∀(i, j) ∈ [|1; n|]2 , ai + bj 6= 0. On forme :
 1 1 
 1 1 · · · an +b1 
 a +b 
 .. .. .. 
Cn (a1 ; ...; an ; b1 ; ...; bn ) =  . . . 
 1 1

a1 +bn · · · an +bn 
∃i 6= j/aj = ai ou bj = bi , on a deux fois la même ligne,
Cn (a1 ; ...; an ; b1 ; ...; bn ) = 0
Supposons que les (ai ) et (bj ) sont 2 à 2 disjoints
g : K \ {−a1 ; ...; −an } →  K
1 1 
 a +b ··· 
an +b1 
Formons :
 1 1
X 7→  ... ..
.
..
.
 

 1 1


a1 +X ··· an +X

En développant par rapport à la dernière ligne :
n
X µi P (X)
g(X) = = Q
n
ai + X
i=1 (X + ai )
i=1

134 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.4. RANG ET OPÉRATIONS ÉLÉMENTAIRES

deg(P ) ≤ n − 1 et P (b1 ) = ... = P (bn−1 ) = 0

n−1
Y
∃µ ∈ K/P (X) = µ (X − bi )
i=1

De plus :
µn = Cn−1 (a1 ; ...; an−1 ; b1 ; ...; bn−1 )
P (−an )
=
(a1 − an )...(an−1 − an )
(an + b1 )...(an + bn−1 )
= µ
(a1 − an )...(an−1 − an )
1 −an )...(an−1 −an )
D'où : µ = Cn−1 (a1 ; ...; an−1 ; b1 ; ...; bn−1 ) (a
(an +b1 )...(an +bn−1 )
En reportant :
(an − a1 )...(an − an−1) (bn − b1 )...(bn − bn−1 )
Cn (a1 ; ...; an ; b1 ; ...; bn ) = Cn−1 (a1 ; ...; an−1 ; b1 ; ...; bn−1 )
(an + b1 )...(an + bn−1 ) (a1 + b1 )...(an + bn )

a+b , par récurrence :

1
C1 (a, b) =

Vn (a1 ; ...; an )Vn (b1 ; ...; bn )

Cn (a1 ; ...; an ; b1 ; ...; bn ) = Q
(ai + bj )
(i,j)∈[|1;n|]2

4.4 Rang et opérations élémentaires

4.4.1 Rang d'une matrice
Sous-matrice

Soit A = (ai,j ) ∈ Mn (K) de rang r, r ≤ min(n, p). Soit I ⊂ [|1.n|] et J ⊂ [|1; p|]. On dit
que A0 = (ai,j )i∈I,j∈J est une sous-matrice de A

Théorème

1. rg(A0 ) ≤ rg(A)
2. r est la taille maximale d'une sous-matrice carrée inversible. Une telle sous-matrice
s'appelle matrice principale de A

Preuve :
1. r'=rg(A'), ∃r0 colonnes de A' qui forment un système libre. Elles forment encore un système
libre dans A, donc r = r'
2. On peut extraire r colonnes de A qui forme un système libre dans Kn . Soit A1 cette matrice
∈ Mn,r (K). rg(A1 ) = r donc on peut extraire les lignes de A1 qui forment un système libre.
La sous-matrice A0 ∈ Mr (K) a pour rang r : elle est inversible

135 MP∗ B.DufourJules

4.4. RANG ET OPÉRATIONS ÉLÉMENTAIRES CHAPITRE 4. CALCUL MATRICIEL

Exemple
 
2 1 0 3 8    
2 1 0 3 8 2 3
−2 −1 0 −3 −8 →
 → est sous-matrice principale
1 0 0 5 8 1 5
1 0 0 5 8

4.4.2 Systèmes linéaires

Soit E et F deux K-ev de dimension respectives n et p, u ∈ L(E,
  F ), y ∈ F . Soit B une base
y1
de E, C une base de F, A = (ai,j ) ∈ Mn,p (K) = matB,C (u), Y =  ... 
 

yn
On cherche à résoudre AX = Y d'inconnue X ∈ E . Cette équation est compatible si et seulement
si y ∈ Im(u). Soit dans ce cas x1 ∈ E, u(x1 ) = y . On a alors :

∀x ∈ E, u(x) = y = u(x1 ) ⇔ (x − x1 ) ∈ Ker(u)



x1
Numériquement, soit x ∈ E et X =  ...  les coordonnées de x dans B . Si rg(u) = rg(A) :
 

xp


a x + ... + a1,p xp = y1
 1,1 1


.
u(x) = y ⇔ AX = Y ⇔ ..


a x + ... + a x = y
n,1 1 n,p p n

En
 appliquant le pivot de Gauss, ce système équivaut à, si les premières lignes sont libres :

 a1,1 x1 + . . . + a1,p xp = y1
..


.






a x + . . . + a x = y
r,1 1 r,p p r

 0 = y r +1
..


.






0 = y
n
Les n-r dernières équations équivalent à la compatibilité du système, c'est un système d'équations
cartésiennes de Im(u). Cette condition étant supposée
 réalisée, si par exemple les r premières co-
a x + . . . + a1,p xp = y1 − a1,r+1 xr+1 − . . . − a1,p xp
 1,1 1


.
lonnes de A sont libres, ce système équivaut à : ..


a x + . . . + a x = y − a
r,1 1 r,p p r r,r+1 xr+1 − . . . − a1,p xp
Pour (xr+1 ; ...; xp ) xé c'est un système de Cramer, on exprime (x1 ; ...; xr ) en fonction de
(xr+1 ; ...; xp ) qui jouent le rôle de paramètres. On obtient une base de Ker(u) en prenant
y1 = . . . = yr = 0

136 MP∗ B.DufourJules

CHAPITRE 4. CALCUL MATRICIEL 4.4. RANG ET OPÉRATIONS ÉLÉMENTAIRES

4.4.3 Opérations élémentaires

Soit A = (ai,j ) ∈ Mn,p (K), pour (i, j) ∈ [|1; n|]2 , E i,j désigne la matrice élémentaire corres-
pondante.

Matrices de Transvection
 
1 0 0 0
0  λ 0
Soit Ti,k (λ) = In + λE i,k = 
0 0  0


0 0 0 1
Elle traduit l'opération d'ajout de λ fois la i-ème colonne à la k-ième colonne lorsque le produit
est fait à gauche, et l'opération analogue pour les lignes lorsque le produit se fait à droite

Matrices de dilatation
 
1 0 0 0 0 0 0
0  0 0 0 0 0
 
0 0 1 0 0 0 0
  i,i
0 0 0 α 0 0 0 = In + (α − 1)E
Di (α) =  
0 0 0 0 1 0 0
 
0 0 0 0 0  0
0 0 0 0 0 0 1
Elle traduit l'opération de multiplier α fois la i-ème colonne lorsque le produit est fait à
gauche, et l'opération analogue pour les lignes lorsque le produit se fait à droite. On a les
propriétés suivantes :
Di (α) × Di (β) = Di (α × β)
Di (α) = Di ( α1 )

Matrices de permutation

Ei,j = Tj,i (1) × Ti,j (−1) × Tj,i (1) × Di (−1)

Elle traduit l'opération d'échanges des lignes / colonnes i et j

Pivot de Jordan

1. GLn (K) est engendré par les transvections et les dilations

2. SLn (K) = {M ∈ Mn (K)/ det(M ) = 1} = Ker(det)

137 MP∗ B.DufourJules

4.4. RANG ET OPÉRATIONS ÉLÉMENTAIRES CHAPITRE 4. CALCUL MATRICIEL

138 MP∗ B.DufourJules

Chapitre 5

Réduction des endomorphismes

Dans ce chapitre K désigne un corps commutatif, E un K-espace vectoriel et u ∈ L(E)

Sommaire
5.1 Éléments propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1.2 Propriété élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.3 Polynômes d'endomorphismes . . . . . . . . . . . . . . . . . . . . . . . 136
5.2 Dimension nie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.1 Éléments propres d'une matrice . . . . . . . . . . . . . . . . . . . . . . 139
5.2.2 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.3 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.2 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.3 Polynôme annulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.3.4 Diagonalisation eective . . . . . . . . . . . . . . . . . . . . . . . . . . 147
5.3.5 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . 151
5.3.6 Commutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.4 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
5.4.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
5.4.3 Décomposition de Dunford . . . . . . . . . . . . . . . . . . . . . . . . 161
5.4.4 Réduction de Jordan (HP) . . . . . . . . . . . . . . . . . . . . . . . . 164
5.4.5 Produit Tensoriel (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 167

5.1 Éléments propres

5.1.1 Dénitions
Vecteurs propres, valeurs propres
On cherche des vecteurs sur lesquels u agit de manière simple :

∃x ∈ E \ {0}, λ ∈ K/u(x) = λx

139
5.1. ÉLÉMENTS PROPRES CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

On dit que x est vecteur propre de u associé à la valeur propre λ

On dit que λ ∈ K est valeur propre de u si et seulement si ∃x ∈ E \ {0}, u(x) = λx
si et seulement si u − λidE n'est pas injectif
si et seulement si u − λidE est bijectif (dimension nie)
ce qui équivaut dans ce cas à det(u − λidE ) = 0

Spectre

On note Sp(u) le spectre de u, l'ensemble des valeurs propres de u

Sous-espaces propres

Pour λ ∈ Sp(u), on note Eλ = Ker(u − λide ) le sous-espace propre associé à λ qui n'est
pas réduit à {0}

Exemples
1. E = C ∞ (R, C), en tant que C espace vectoriel
u : E → E
u ∈ L(E)
f 7→ f 0
Soit λ ∈ C et f ∈ E ,

u(f ) = λf ⇔ f 0 = λf ⇔ ∃A ∈ C, f (t) = Aeλt

Sp(u) = C

∀λ ∈ C, ∃fλ : R → C, fλ 6= 0 vériant : u(fλ ) = λfλ

λ ∈ C, Ker(u − λidE ) = Cfλ , droite vectorielle
u : E → E
2. E = C[X] et
P 7→ XP
λ ∈ C, P ∈ C[X], u(P ) = λP ⇔ XP = λP ⇔ deg(XP ) = deg(P ) + 1 > deg(P ) ≥ deg(λP )
absurde donc Sp(u) = ∅
3. Cas d'une homothétie : λ0 ∈ K/u = λidE
λ0 = λ, x 6= 0

λ ∈ K, x ∈ E, u(x) = λx ⇔ λ0 x = λx ⇔ ou

x = 0, λ 6= λ0

Sp(u) = {λ0 } et Ker(u − λ0 idE ) = E
π
4. Cas d'une rotation : E = R2 , plan euclidien orienté et u la rotation d'angle . Comme
2
∀x 6=, (u(x)|x) = 0, on ne peut pas avoir u(x) ∈ V ect[x], donc

Sp(u) = ∅

140 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.1. ÉLÉMENTS PROPRES

Injectivité

0 ∈ Sp(u) ⇔ u est non injectif

5.1.2 Propriété élémentaires

Théorème de stabilité

1. Si λ ∈ Sp(u), Eλ = Ker(u − λidE ) est stable par u et :

u|Eλ = λidEλ
2. Si F est un sous-espace vectoriel de E stable par u alors :
Sp(u|F ) ⊂ Sp(u)

Preuve :
1. Si x ∈ Eλ , u(x) = λx ∈ Eλ et u|Eλ = λidEλ
2. Si λ ∈ Sp(u|F ) : ∃x ∈ F {0} ⊂ E{0}, u(x) = λx ⇒ λ ∈ Sp(u)

Familles de vecteurs propres

1. Soit (λ1 ; ...; λp ) ∈ Sp(u)p distincts et (x1 ; ...; xp ) ∈ E p des vecteurs propres associés.
Alors (x1 ; ...; xp ) est libre
2. Eλi = Ker(u − λi idE ) on a :
p
M p
M
Eλi = Ker(u − λi idE )
i=1 i=1

3. En dimension nie, le spectre est ni, de cardinal inférieur à dim(E)

Preuve :
1. Supposons (x1 ; ...; xp ) liée, soit r le plus petit nombre d'éléments de la famille qui sont liés :
on suppose, quitte à réaliser une permutation que ce sont les r premiers :
r
X r
X
αk xk = 0 ⇒ αk u(xk ) = 0
k=1 k=1
Xr
⇒ αk λk xk = 0
k=1
Xr r
X
⇒ αk λk xk − λ1 αk xk = 0
k=1 k=1

donc on a r-1 éléments liés, contradiction

141 MP∗ B.DufourJules

5.1. ÉLÉMENTS PROPRES CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

2. Soit (y1 ; ...; yp ) ∈ E1 × ...×

p
X
yi = 0 ⇔ ∃i ∈ [|1; p|]/yi 6= 0
i=1

Soit J = {i ∈ [|1; p|]/yi 6= 0}. yi = 0 et cette est libre, d'après ce qui précède :∀i ∈
P
i∈J
J, yi = 0, on a :
p
M
Ei
i=1

5.1.3 Polynômes d'endomorphismes

Rappels
n
X n
X
P (X) = ak X k ∈ K[X], ⇒ P (u) = ak uk ∈ L(E)
k=0 k=0
Par dénition :
n
X
∀x ∈ E, [P (u)](x) = ak uk (x) ∈ E
k=0

ϕu : K[X] → L(E)
On dénit le morphisme d'algèbres : on obtient :
P 7→ P (u)
Im(ϕu ) = {P (u)/P ∈ K[X]} = V ectk∈N (uk ) = K[u]
C'est la plus petite sous-algèbre de L(E) engendrée par u
Ker(ϕu ) = {P ∈ K[X]/P (u) = 0} est un idéal, c'est l'ensemble des polynômes annulateur de u.
Dans le cas de la dimension nie, dim(L(E)) = n2 . La famille (uk )1≤k≤n2 est liée car elle contient
n2 + 1 éléments, donc u admet un polynôme annulateur non nul : Ker(ϕu ) 6= {0}
∃!Πu ∈ K[X] unitaire tel que Ker(ϕu ) = Πu K[X]
∀P ∈ K[X]P (u) = 0 ⇔ Πu |P , Πu est la polynôme minimal de u (on gardera cette notation dans
la suite du cours)
u : C[X] → C[X]
BEn dimension innie, il n'existe pas toujours de polynôme minimal :
P 7→ XP
uk : C[X] → C[X]
On a ∀A ∈ C[X], [A(u)](P ) = AP
P 7→ X k P
A(u) = 0 alors pour P = 1, A = 0, Ker(ϕu ) = {0}

Remarques
1. Un polynôme annulateur n'est pas forcement le polynôme minimal : u = idE , Πu = X − 1
et X 2 − 1 est annulateur de u
2. L(E) n'étant pas intègre, Πu n'est pas nécessairement irréductible. Pour un projecteur
X 2 − X annule p, donc :
Πp |X 2 − X = X(X − 1)
X(p) = p 6= 0
(X − 1)(p) = p − idE 6= 0
donc Πp = X 2 − X

142 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.1. ÉLÉMENTS PROPRES

Commutation

Soient (u, v) ∈ L(E)2 qui commutent : u ◦ v = v ◦ u :

1. Ker(u) et Im(u) sont stables par v
2. ∀P ∈ K[X], P (u) et v commutent et Ker(P (u)) et Im(P (u)) sont stables par v
3. Tout sous-espace propre de u est stable par v

Preuve :
1. Soit x ∈ Ker(u), u(v(x)) = v(u(x)) = 0, donc v(x) ∈ Ker(u)
Soit y ∈ Im(u), ∃x ∈ E/u(x) = y ⇔ v(y) = v(u(x)) = u(v(x)) ∈ Im(u)
2. Par récurrence, ∀k ∈ N, uk ◦ v = v ◦ uk et par combinaison linéaire, P (u) ◦ v = v ◦ P (u)
3. On applique 2 à P = Xλ, P (u) = u − λidE , Eλ = Ker(u − λidE )
BTout sous-espace stable par u ne l'est pas forcement par v. Par exemple, E = R2 , euclidien
orienté, u = id, v = R π2 et F = V ect[(0, 1)], u et v commutent, F est stable par u mais pas par v

Polynômes annulateurs et valeurs propres

1. Soit λ ∈ K et Q ∈ K[X], on a :
Ker(u − λid) ⊂ Ker(Q(u) − Q(λ)id)
2. Si λ ∈ Sp(u) et si P est annulateur de u, P (λ) = 0. Les valeurs propres gurent parmi
les racines d'un polynôme annulateur
3. λ ∈ Sp(u) ⇔ Πu (λ) = 0, les valeurs propres sont exactement les racines du polynôme
minimal

Preuve :
1. Soit x ∈ Ker(u − λid), u(x) = λx, par récurrence :∀k ∈ N, uk (x) = λk x. On en déduit le
résultat par combinaison linéaire
2. Si λ ∈ Sp(u) : Ker(u − λid) 6= {0}. Si P annule u, Ker(P (u) − P (λ)id) 6= {0}, donc
P (λ) = 0
3. λ ∈ Sp(u) ⇒ Πu (λ) = 0 d'après 2
Soit λ une racine de Πu :
Πu = (X − λ)Q
Si λ n'est pas valeur propre de u, u − λid est injectif :
∀x ∈ E, (Πu (u)(x) = 0 = (u − λid)(Q(u)(x))
alors ∀x ∈ E[Q(u)](x) = 0 donc Q(u) = 0, absurde par dénition de Πu
BLes racines d'un polynôme annulateur ne sont pas nécessairement valeur propre :u = id, Sp(u) =
{1}, X 2 − X = X(X − 1) annule u mais 0 ∈
/ Sp(u)

143 MP∗ B.DufourJules

5.1. ÉLÉMENTS PROPRES CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Polynôme minimal d'une restriction

Soit u ∈ L(E) possédant un polynôme minimal :

1. Si F est stable par u alors : Πu|F |Πu
Lr n
2. Si E = i=1 Ei , on a : Πu = Πu|Ei avec les Ei stables par u
W
i=1

Preuve :

1. Πu annule u donc u|F

2. On a : ∀i ∈ [|1; r|], Πu|Ei |Πu
r
Soit réciproquement, x ∈ E, x =
P
xi ∈ E i
i=1
r
_
P = Πu|Ei , ∀i ∈ [|1; r|], Πu|Ei (u)(xi ) = 0
i=1

donc P (u)(xi ) = 0 ⇒ P (u)(x) = 0. Ceci valant ∀x ∈ E :

n
_
Πu |P = Πu|Ei
i=1

Ils sont unitaires, donc

r
_
Πu = Πu|Ei
i=1

Lemme des noyaux

Soit (A, B) ∈ K2 [X]/A ∧ B = 1 On a Ker(AB(u)) = Ker(A(u))

L
Ker(B(u))

Preuve : D'après le théorème de Bézout : ∃(U, V ) ∈ K[X]2 , AU + BV = 1

A(u)U (u) + B(u)V (u) = id
∀x ∈ E, (A(u) ◦ U (u))(x) + (B(u) ◦ V (u))(x) = x
x ∈ Ker(A(u)) ∩ Ker(B(u)) ⇒ x = 0, la somme est directe
(
x ∈ Ker(A(u)) ⇒ AB(u)(x) = B(u)(A(u)(x)) = 0
x ∈ Ker(B(u)) ⇒ A(u)(B(u)(x)) = 0
donc Ker(A(u)) ⊕ Ker(B(u)) ⊂ Ker(AB(u))
x ∈ Ker(AB(u)) ⇒ AB(u)(x) = 0
x = x1 + x2 = (A(u)U (u))(x) + (B(u)V (u))(x)
B(u)(x1 ) = A(u)(x2 ) = 0, car A(u) ◦ B(u)(x) = B(u) ◦ A(u)(x) = 0
d'où x ∈ Ker(A(u)) ⊕ Ker(B(u))

144 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.2. DIMENSION FINIE

Corollaire

Soit P = P1α1 ...Pkαk avec les Pi irréductibles deux à deux distincts

1.
k
M
Ker(P (u)) = Ker(Piαi (u))
i=1

2. Si P annule u :
k
M
E= Ker(Piαi (u))
i=1

Preuve :
1. Par récurrence sur k, en utilisant la fait que les irréductibles sont premiers entre-eux
2. P (u) = 0 ⇒ Ker(P (u)) = E , puis on applique le lemme des noyaux

5.2 Cas de la dimension nie

5.2.1 Éléments propres d'une matrice
Dénition

Soit A ∈ Mn (K), on a équivalence entre les propriétés suivantes :

1. λ est valeur propre de A
2. A − λIn est non inversible
3. det(A − λIn ) = 0
4. ∃X ∈ Mn,1 (K)∗ , AX = λX
On dit alors que X est vecteur propre de A associé à λ. On note Eλ = {X ∈ Mn,1 (K)/AX =
λX}, le sous-espace propre associé à la valeur propre λ

Remarque
Soit E un K-espace vectoriel de dimK (E) = n, u ∈ L(E), B base de E et A = matB (u). On a :

SpK (A) = Sp(u)

BOnprécisetoujours sur quel

 corps ontravaille :
0 −1 −X −1
A= , A − XI2 =
1 0   1 −X
−X −1
det(A − XI2 ) =   = X2 + 1
1 X

SpR (A) = ∅
SpC = {i; −i}

145 MP∗ B.DufourJules

5.2. DIMENSION FINIE CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Déterminons les vecteurs propres de A dans la cas complexe :

    
0 −1 x x
AX = iX ⇔ =i
1 0 y y
(
−y = ix
⇔
x = iy
⇔ x − iy = 0
⇔ x = iy/y ∈ C
 
i
u1 =
1
   
ī −i
AX = −iX ⇔ ĀX̄ = −̄iX̄ ⇔ AX̄ = iX̄ ⇔ X = =
1̄ 1
 
−i
u2 =
1

Matrices semblables

Soit A ∈ Mn (K), P ∈ GLn (K), A0 = P −1 AP

1. SpK (A) = SpK (A0 )
2. ∀X ∈ Mn,1 (K), AX = λX ⇔ A0 (P −1 X) = λ(P −1 X)

Traduction matricielle de la stabilité

Soit E un K-espace vectoriel, dim(E)K (E) = n, u ∈ L(E)

1. On suppose : E = F ⊕ G. Soit B1 une base de F et B2 une base de G, B1 ∪ B2 = B est
donc une base de E
 
A B
matB (u) = ⇔ F est stable par u
0 C


 A = matB1 (u|F )
C = mat (u0 )

B2
Soit p le projecteur sur G parallèlement à F. On a : 0


 u : G → G
x 7→ u(p(x))

G est stable par u ⇔ B=0
2. Soit
r
M r
[
E= Ei , ∀i ∈ [|1; r|], Bi base de Ei , B = Bi
i=1 i=1

∀i ∈ [|1; r|], Ei est stable par u si et seulement si :

 
A1 0 0
matB (u) =  0  0
0 0 Ar

146 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.2. DIMENSION FINIE

3. Soit B = (e1 ; ...; en )

base de E et ∀i ∈ [|1; n|], Fi = V ectk∈[|1;i|] (ek )
 
a1,1∗ ∗
matB (u) =  0  ∗  ⇔ ∀i ∈ [|1; n|], u(ei ) ∈ Fi ⇔ ∀i ∈ [|1; n|]Fi est stable
0 0 an,n
par u
 
a1,1 0 0
4. matB (u) =  0  0  ⇔ ∀i ∈ [|1; n|], ∃λi ∈ K, u(ei ) = λi ei ⇔ λi ∈ Sp(u)
0 0 an,n

5.2.2 Polynôme caractéristique

Dénition

Soit A = (ai,j ) ∈ Mn (K)

χA : K → K
1. est une fonction polynomiale de degré n, de coecient
λ 7→ det(A − λIn )
dominant (−1) , s'appelle polynôme caractéristique de A
n

2. λ ∈ SpK (A) ⇔ χA (λ) = 0

3. χA (X) = (−1)n X n + (−1)n+1 tr(A)X n−1 + ... + det(A)
χu : K → K
4. Pour u ∈ L(E), dimK (E) = n, on dénit :
λ 7→ det(u − λidE )
Si B base de E tel que matB (u) = A alors :
χu = χA
5. Deux matrices semblables ont même polynôme caractéristique

Preuve :
1  
a1,1 − λ ... a1,n 
.. .. ..
  X
χA =  . . . = ε(σ)a01,σ(1) ...a0n,σ(n)
 
 
 an,1 ... an,n − λ σ∈Sn
(
ai,j si i 6= j
avec a0i,j = C'est un polynôme en λ, deg(χA ) = n, le coecient domi-
ai,j − λ si i = j
nant vaut (−1)n
3 a0 = χA (0) = det(A)
Pour obtenir le coecient de λn−1 il faut choisir σ telle que car{i ∈ [|1; n|], σ(i) > i} ≥
n − 1, σ = id}. C'est donc (−1)n+1 tr(A)

Exemple
Si A ∈ M2 (K), χA = X 2 − tr(A)X + det(A)

147 MP∗ B.DufourJules

5.2. DIMENSION FINIE CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Matrices triangulaires

 
A B
1. Si M = alors
0 C
χM = χA × χC
2. Soit u ∈ L(E) F stable par u :
χu|F |χu
 
a1,1 ∗ ∗
3. Si M =  0 ..
. ∗  alors
 

0 0 an,n
n
Y n
Y
χM = (a1,1 − X) = (−1)n (X − ai,i )
i=1 i=1

4. Les valeurs propres d'une matrices triangulaire sont ses coecients diagonaux
5. χtA = χA
1 et 3 se généralisent aux matrices triangulaires par blocs

Preuve :
 
A − λIp B
1. χM (λ) = 

 = det(A − λIp ) det(C − λIn−p ) = (χA χC )(λ)
0 C − λIn−p 
2. Soit G un supplémentairede F dans
 E, B1 base de F, B2 base de G, B = B1 ∪ B2
A B
matB (u) est de la forme où A = matB1 (u|F )
0 C
donc χA × χC = χM et χu|F |χu
5. χtA = det(tA − λIn ) = det(t(A − λIn )) = det(A − λIn ) = χA

Matrices semblables

Deux matrices semblables ont même polynôme caractéristique et même polynôme mini-
mal. En revanche si deux matrices ont même polynôme caractéristique et même polynôme
minimal, elles ne sont pas forcément semblables

   
0 1 0 0 0 1 0 0
0 0 0 0  0 0 0 0
A= 0 0 0 1 et B = 0 0 0 0
  

0 0 0 0 0 0 0 0
A2 = B 2 0, A et B 6= 0 : ΠA = ΠB = X 2 et χA = χB = X 4
Mais rg(A) = 2 6= rg(B) = 1, elles ne sont pas semblables

148 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION

Cas où K = C

Tout endomorphisme d'un C-espace vectoriel admet au moins une valeur propre et un
vecteur propre associé. Cela s'applique par conséquent aux matrices de Mn (C)

Preuve : χA est scindé sur

 C 
0 −1
BC'est faux si K = R, cf :
1 0
et c'est faux en dimension innie (cf exemple 3 du 5.1.1)

Application aux restrictions

Soit E un C de dimension nie, u, v ∈ L(E) qui commutent. Soit λ une valeur propre
de u, F = Ker(u − λid). Comme u et v commutent, F est stable par v. v|F ∈ L(E) donc
∃x ∈ F \ {0}, ∃µ ∈ C, v(x) = µx et x ∈ F , donc u(x) = λx. u et v ont un vecteur propre
commun

Multiplicité

Soit E un K espace vectoriel de dimension nie, u ∈ L(E) et λ ∈ Sp(u). On dénit m(λ)

la multiplicité de λ en tant quue racine de χu et n(λ) = dim(Ker(u − λid))
1. 1 ≤ n(λ) ≤ m(λ)
2. Si m(λ) = 1 alors le sous-espace propre associé à λ est une droite vectorielle

 Preuve :1. Eλ est stable par u et u|Eλ = λidEλ . Dans une base de Eλ , la matrice de u|Eλ est
λ 0 0
 0  0  ∈ Mn(λ) (K) ⇒ χu|E = (X − λ)n(λ) |χu
λ
0 0 λ
d'où 1 ≤ n(λ) ≤ m(λ)

5.3 Diagonalisation
5.3.1 Dénition
Dénition

Soit u ∈ L(E), les propositions suivantes sont équivalentes :

1. u est diagonalisable
2. ∃B base de E formée de vecteurs propres de u
3. ∃B base de E tel que matB (u) est diagonalisable
4. E = λ∈Sp(u) Ker(u − λidE )B
L

149 MP∗ B.DufourJules

5.3. DIAGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Soit A ∈ Mn (K) les propositions suivantes sont équivalentes :

1. A est diagonalisable sur K
2. A est semblable à une matrice diagonale
3. u ∈ L(Kn ) canoniquement associée à A est diagonalisable

Exemples
1. Soit p un projecteur, le polynôme X 2 − X annule p, Sp(p) = {0; 1}, d'après le lemme des
noyaux :
E = Ker(p − id) ⊕ Ker(p)
Un projecteur est toujours diagonalisable
2. Soit s une symétrie, le polynôme X 2 − 1 annule s, Sp(s) = {1; −1}. D'après le lemme des
noyaux :
E = Ker(s − id) ⊕ Ker(s + id)
Une symétrie est toujours diagonalisable
3. ∀λ0 ∈ K, u = λ0 id, E = Ker(u − λ0 id), donc u est diagonalisable
 
λ ∗ ∗
4. A =  0  ∗  si ∗ = 0 alors A = λIn est diagonalisable
0 0 λ
χA = (λ − X)n ⇒ SpK (A) = {λ}
Si A est diagonalisable
 alors
 elle est semblable à λIn donc ∗ = 0
0 1
Par exemple A = n'est pas diagonalisable, car χA = X 2 , SpC (A) = {0}. Si A était
0 0
diagonalisable sur C elle serait semblable à 02 donc égale à 02 , ce qui est absurde
 
0 −1
5. A = , SpR (A) = ∅ A n'est pas diagonalisable sur R
1 0  
1 1
χA = X 2 + 1 = (X − i)(X + i), SpC (A) = {i; −i}. On a P = base de vecteurs
−i i
propres
   
i 0 −1 0 −1
=P P
0 −i 1 0

5.3.2 Polynôme caractéristique

Théorème

Soit E un K-espace vectoriel de dimension n, u ∈ L(E). Les propositions suivantes sont

équivalentes :
1. χu est scindé sur K
2. ∀λ ∈ Sp(u), n(λ) = m(λ)
3. u est diagonalisable

150 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION

Preuve : M X
Ker(u − λid) ⊂ E, n(λ) < n
λ∈Sp(u) λ∈Sp(u)

Par ailleurs, ∀λ ∈ Sp(u), 1 ≤ n(λ) ≤ m(λ), donc

X X
≤ m(λ) ≤ n = deg(χu )
λ∈Sp(u) λ∈Sp(u)

M
u est diagonalisable ⇔ Ker(u − λid) = E
λ∈Sp(u)
X
⇔ n(λ) = n
λ∈Sp(u)
X X
⇔ n(λ) = n = m(λ)
λ∈Sp(u) λ∈Sp(u)

⇔ χu est scindé sur K, ∀λ ∈ Sp(u), n(λ) = m(λ)

Corollaire

A ∈ Mn (K) est diagonalisable sur K si et seulement si χA est scindé sur K, ∀ λ ∈

SpK (A), m(λ) = n(λ) − rg(A − λIn )

Exemples
   
1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 1
1. A = 0 0 2 0 1 et B = 
   
0 0 2 0 0
  
0 0 0 2 0 0 0 0 2 0
0 0 0 0 2 0 0 0 0 2
χA = χB = (X − 1) (X − 2) est scindé sur R
2 3

rg(A − I5 ) = rg(B − I5 ) = 3
rg(A − 2I5 ) = 3
rg(B − 2I5 ) = 2 < nA (2) = 3 A n'est pas diagonalisable, mais B est diagonalisable sur R
2. Soit u ∈ L(E) nilpotent non nul. Si ur = 0 alors X r est annulateur de u, la seule valeur
propre possible de u est 0. Sp(u) = {0}, si u était diagonalisable, on aurait u=0, absurde

Condition susante de diagonalisabilité

Soit u ∈ L(E), si χu est scindé à racines simples sur K alors u est diagonalisable et les
sous-espaces propres sont tous de dimension 1

Preuve :
n
Y
χu = (X − λi ), λi
i=1

distincts. ∀i ∈ [|1; n|], n(λi ) = m(λi ) = 1

151 MP∗ B.DufourJules

5.3. DIAGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Exemple
 
a1,1 ∗ ∗ n
Q
A= 0  ∗  , χA = (X − ai,i )
0 0 an,n i=1
 
a1,1 0 0
Si ∀i 6= j, ai,i 6= aj,j alors A est diagonalisable et semblable à  0  0 
0 0 an,n
BC'est une condition susante mais pas nécessaire !
λIn est diagonalisable et Sp(λIn ) = {λ}
Généralement la seule connaissance de χA ne sut pas à savoir si A est diagonalisable ou pas

5.3.3 Polynôme annulateur

Théorème

u ∈ L(E) est diagonalisable ⇔ ∃P ∈ K[X], P (u) = 0, P scindé à racines simples

⇔ Πu est scindé à racines simples

Preuve :
M
u est diagonalisable ⇒ E= Ker(u − λid)
λ∈Sp(u)


 ∀λ ∈ Sp(u), Πu|Eλ = X − λ
 W Q
⇒ Πu = X −λ= X −λ

 λ∈Sp(u) λ∈Sp(u)
est scindé à racines simples


⇒ ∃P ∈ K[X], P (u) = 0, (Πu convient)

r
Y
⇒ P (X) = (X − λi ) est scindé à racines simples, d'après le lemme des noyaux
i=1
r
M
E= Ker(u − λi )
i=1
⇒ u diagonalisable

Exemples
 
0 0 0 1
1  0 0 
1. Jn = 0   0 , u canoniquement associée à Jn


0 0 1 0
B = (e1 ; ...; en ) base de Kn . On a vu que un = id, P (X) = X n − 1 annule u il est scindé à
racines simples :
n
Y 2ikπ
P (X) = (X − exp( ))
n
k=1

152 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION

donc Jn est diagonalisable sur C, SpC (u) ⊂ Un

2. Soit G un sous-groupe ni de GLn (K) avec card(G) = n. D'après le théorème de Lagrange,
∀A ∈ G, An = In , X n − 1 scindé à racines simples sur C annule , donc A est diagonalisable
sur C  
1 1
En revanche A = ∈ GL2 (C) et A n'est pas diagonalisable, le sous-groupe engendré
0 1
par A est inni. Si elle l'était elle serait semblable donc égale à I2 , ce qui est faux
3. Soit σ ∈ Sn et Pσ = (δi,σ(j) ∈ Mn (C), Pσ ∈ G sous-groupe des matrices de permutation,
donc Pσn! = In est diagonalisable sur C

Corolaire

Si u ∈ L(E) est diagonalisable et F est stable par u alors u|F est diagonalisable

Preuve : Πu|F |Πu scindé à racines simples donc Πu|F aussi

5.3.4 Diagonalisation eective

Matrices compagnons
Soit
n−1
X
(a0 ; ...; an−1 ) ∈ Kn , P (X) = ak X k + X n
k=0

 
0 0 0 −a0
1  0 −a1 
On lui associe la matrice compagnon de P : CP =  ..  ∈ Mn (K)
 
0  0 . 
0 0 1 −an−1
On montre que :

χCP = P
 
0 0 0 1
1  0 0
On retrouve alors un résultat établi ci-avant : Jn = 
0
 = CX n −1 , χJn = X n − 1,
  0
0 0 1 0
scindé à racines simples sur C donc Jn diagonalisable sur C semblable à :
 
1 0 0 0
0 ωn 0 0 
  avec ωn = exp( 2iπ )
0 0 ... 0  n

0 0 0 ωnn−1

153 MP∗ B.DufourJules

5.3. DIAGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Preuve :

χCP = det(XIn − CP )
 
X 0 0  a0
 
−1  0  a1
= CP =   en développant sur la première colonne
..
 
0 
 X 
 .
0 0 −1 X + an−1 
 
  0 0 0 0 a0 
X 0 0 a1   
 −1 X 0 0 a
.. 2
 
. .
   
= X −1  0 + 0   0 ..
   

0  X an−2   
 0 0  X an−2 
0 0 −1 X + an−1  
0 0 0 −1 X + an−1 
 
−1 X 0 0 

0   0 
= χCa +...+a X n−2 +X n−1 + (−1)n a0 
1 n−1
0 0 −1 X 
0 0 0 −1

D'où χCa +...+a X n−2 +X n−1 = XχCa +...+a X n−2 +X n−1 + a0

0 n−1 1 n−1
On obtient alors
 le résultat
 par récurrence en remarquant que :
X a0 
χCa0 +a1 X =  = X(X + a1 ) + a0 = X 2 + a1 X + a0
−1 X + a1 

Matrices circulantes
 
α0 αn−1 . . . α1
 α1 α0 . . . α2 
Soit (α0 ; ...; αn−1 ) ∈ Cn et A =  .. .. . 
 
 . . . . . .. 
αn−1 αn−2 . . . α0
A = α0 In + α1 Jn + α2 Jn2 + ... + αn−1 Jnn−1  
Q(1) 0 0 0
 0 Q(ω) 0 0 
D'après ce qui précède, A est semblable à :  ..
 
.

 0 0 0 
n−1
0 0 0 Q(ω )
où Q = α0 + α1 X + ... + αn−1 X n−1
Ainsi :

n−1
Y
det(A) = Q(ω k )
k=0

154 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION


x1
Notons que pour X =  ...  ∈ Mn,1 (C)
 

xn


xn = ω k x1

x1 = ω k x2

Jn X = ω k X ⇔
...



xn−1 = ω k xn

1
 
ωk
⇔ ∃µ ∈ C, X = µ  ... 
 
n−1
ωk
 
1 1 1 1
1 ω̄ ... ω̄ n−1 
Pour P =  . .. ..
 
 .. . .


1 ω̄ n−1 ... (ω̄ n−1 )n−1

Théorème (HP)

Soit
n
X
P (X) = ak X k
k=0
 
0 0 0 −a0
1  0 −a1 
unitaire et A = CP =  ..
 
.

0  0 
0 0 1 −an−1
On a : ΠA = χA = P

Preuve : Soit u canoniquement associée à A, B = (e1 ; ...; en ) base canonique de Kn ,

∀i ∈ [|1; n − 1|], u(ei ) = ei+1 et u(en ) = −a0 e1 − ... − an−1 un−1 (e1 )
d'où , P (u)(e1 ) = 0 et ∀k ∈ [|1; k|]
P (u)(ek ) = P (u)(uk−1 (e1 ))
= uk−1 (P (u)(e1 ))
= 0
P annule u sur une base, donc il l'annule sur l'espace en entier. En outre soit
n−1
X
Q(X) = αk X k ∈ Kn−1 [X]
k=0

Q(u) = 0 ⇒ Q(u)(e1 ) = 0 ⇒ (αk )0≤k≤n−1 = 0 car B est libre donc Q = 0, donc ΠCP = P = χCP
Notons que (e1 , u(e1 ), ..., un−1 (e1 )) est une base de Kn , u est cyclique. Réciproquement, soit
u ∈ L(E) où E est un K-espace vectoriel de dimension n, s'il existe x ∈ E/(x, u(x), ..., un−1 (x))
est une base de B de E, alors

155 MP∗ B.DufourJules

5.3. DIAGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

 
0 0 0 −a0
1  0 −a1 
matB (u) =  ..  est cyclique
 
0  0 . 
0 0 1 −an−1

Matrices tridiagonales
 
α1 β1 0 0 0
 γ1 . . . ..
.
 
0 0 
Ce sont les matrices de la forme :   0 ... .. ..
 
. .

 0 

0 0 γn−2 αn−1 βn−1 
0 0 0 γn−1 αn
On peut
 calculer χ par récurrence
 en développant par rapport à la première ligne.
2 −1 0 0 0
−1 . . . . . .
 
0 0
.. .. ..
 
An = 
. . .

0 0 
 
0 0 −1 2 −1
0 0 0 −1 2
   
λ − 2 1 0 0 0  1 1 0 0 0 
. . .
 

 1 .. .. 0

0  0 λ − 2 . .

0

0 
.. .. .. . . .
 
χAn (λ) =  = (λ − 2)χ (λ) − .. .. ..
. . . A
   
n−1
 0 0  0 0 

 0
 0 1 λ−2 1 
0
 0 1 λ−2 1 
 0 0 0 1 λ − 2 0 0 0 1 λ − 2
= (λ − 2)χAn−1 (λ) − χAn−2 (λ)
On peut calculer χAn par récurrence linéaire, avec
χA1 = λ − 2
χA2 = (λ − 2)2 − 1 = λ2 − 4λ + 3
Une méthode alternative
  consiste à rechercher valeurs propres et vecteurs propres simultanément.
x1
 .. 
Soit λ ∈ C, X =  .  ∈ Mn,1 (C) \ {0}
x
 n
(λ − 2)x1 + x2 = 0

An X = λX ⇔ xk−1 + (λ − 2)xk + xk+1 = 0

−xn−1 + (λ − 2)xn = 0

Posons x0 = xn+1 = 0 on a : ∀k ∈ [|1; n|], xk+1 + (λ − 2)xk + xk+1 = 0
Il vient l'équation caractéristique suivante : z 2 +(λ−2)z +1 = 0, de discriminant ∆ = (λ−2)2 −4
Supposons λ ∈ R et |λ − 2| < 2, λ ∈]0; 4[. On a ∆ < 0, X 2 + (λ − 2)X + 1 possède 2 racines
complexes conjuguées, dont le produit vaut 1. (Elles sont donc de la forme eiθ et e−iθ avec
∃(α, β) ∈ C2
θ ∈]0; π[, eiθ + e−iθ = 2cos(θ) = 2 − λ. Il vient :
∀k ∈ [|0; n + 1|], xk = αeikθ + βe−ikθ
(
x0 = 0 ⇒ β = −α
on pose α = 2i 1
xk = 2iαsin(kθ) = sin(kθ)

156 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION

pπ
xn+1 = sin((n + 1)θ) ⇔ (n + 1)θ = pπ ⇔ θ = n+1 , p ∈ [|1; n|]
Réciproquement, posons pour p ∈ [|1; n|], λp = 2(1 − cos( n+1 pπ
))
 pπ 
sin( n+1 )
λ1 < ... < λp , en remontant les calculs : Xp =  ..
.  An Xp = λp Xp
 
npπ
sin( n+1 )
On a n valeurs propres distinctes, ce sont les seuls, donc An est diagonalisable

5.3.5 Théorème de Cayley-Hamilton

Énoncé

Soit E un K-espace vectoriel et u ∈ L(E), alors χu est annulateur de u

Démonstration
Soit x ∈ E xé. On veut montrer que χu (u)(x) = 0. Notons Ex = {P (u)(x)/P ∈ K[X] et
Jx = {P ∈ K[X]/P (u)(x) = 0} ⊂ K[X]. C'est clairement un idéal de K[X], car Πu ∈ Jx donc
Jx 6= {0}, ∃P0 ∈ K[X]/Jx = P0 K[X]
Soit ,
m
X
P0 = αk X k unitaire
k=0

Par division euclidienne : ∀P ∈ K[X], P = QP0 + R, deg(R) ≤ m − 1, P (u)(x) = R(u)(x)

Ainsi, Ex = V ectk∈[|0;n−1|] (uk (x)). De plus par dénition de P0 , (uk (x)) est libre et
m−1
X
um (x) = −αk uk (x)
k=0
 
0 0 0 −a0
1  0 −a1 
Alors : mat(u) =  .. 
 
0  0 . 
0 0 1 −an−1
P0 = χu|Ex |χu , donc χu ∈ Jx et χu (u)(x) = 0

Corollaire

1. Πu |χu et deg(Πu ) ≤ n
2.
r
Y r
M
χu = (X − λi )m(λi ) ⇒ E = Ker(u − λi id)mi
i=1 i=1

Remarque
Pour un endomorphisme cyclique : χu |Πu , pour u = λid
1. Πu = X − λ
2. χu = (X − λ)n

157 MP∗ B.DufourJules

5.3. DIAGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

5.3.6 Commutation
Dénition

Soit u ∈ L(E), on dénit le commutant :

C(u) = {v ∈ L(E)/u ◦ v = v ◦ u}
C'est une sous-algèbre de L(E) contenant K[u]. On a vu que dim(C(u)) = n2 ⇔ ∃λ ∈ K, u =
λid

Commutant d'une matrice diagonalisable

Soit Sp(u) = {λi } distinctes et
r
Y
χu = (X − λi )m(λi )
i=1

∀i ∈ [|1; r|], dim(Ker(u − λi id)) = m(λi ). Si v ∈ C(u), ∀i ∈ P

[|1; r|], Ei est stable par v. Récipro-
r
quement, si ∀i ∈ [|1; r|], Ei est stable par v, soit x ∈ E, x = i=1 xi /xi ∈ Ei

r
X
(v ◦ u)(x) = λi v(xi )
i=1

Xr r
X
(u ◦ v)(x) = u( λi v(xi ) = λi v(xi ) = (v ◦ u)(x)
i=1 i=1
Sr
AinsiL
C(u) = {v ∈ L(E)/∀i ∈ [|1; r|], Ei est stable par v }. Soit B = i=1 Bi , base adaptée à
r
E = i=1 Ei
 
A1 0 0
v ∈ C(u) ⇔ matB (v) =  0 . . . 0 
 

0 0 Ar

r
X
dim(C(u)) = m2i
i=1

Cas particulier
Sir = n (n valeurs
 propres distinctes) :∀i ∈ [|1; n|], mi = 1, dim(C(u)) = n. Matriciellement :
λ1 0 0
A =  0 ... 0 
 

0 0 λn
 
A1 0 0
C(A) = { 0 . . . 0  /Ai ∈ Mmi (K)}
 

0 0 Ar
Si A possède n valeurs propres distinctes : C(A) = Dn (K)

158 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.3. DIAGONALISATION

Familles d'endomorphismes codiagonalisables (HP)

Soit E un K-espace vectoriel de dimension nie, (ui ) une famille d'endomorphismes diago-
nalisables qui commutent alors il existe une base B de E formée de vecteurs propres communs
de E formée de vecteurs propres commun à tous les (ui ), on dit qu'ils sont codiagonalisable
Preuve : dim(E) = 1, rien à faire
Soit n ∈ N∗ , supposons le résultat vrai lorsque dim(E) ≤ n. On pose dim(E) = n + 1
Si ∀i ∈ I , ui est une homothétie, n'importe quelle base convient
∃i0 ∈ I/ui0 n'est pas une homothétie, ui0 étant diagonalisable ,
M
E= Ker(ui0 − λid)
λ∈Sp(ui0 )

∀λ ∈ Sp(ui0 ), dim(Eλ ) ≤ n. Comme ∀i ∈ I, ui et ui0 commutent Eλ est stable par ui et ui|Eλ

est diagonalisable. D'après (HR), il existe Bλ base de Eλ qui diagonalise tous les (ui|Eλ )i∈I
[
B= Bλ
λ∈Sp(ui0 )

est une base de E qui diagonalise tous les (ui )

Exemple
Si G est un sous-groupe abélien ni de GLn (C), ∃Pn ∈ GLn (C)/∀M ∈ G, Pn−1 M Pn est
diagonale

Commutant d'un endomorphisme cyclique

Soit E un K-espace vectoriel de dimension nie n, u ∈ L(E)/∃x0 ∈ E, /B =

(x0 , u(x0 ), ..., un−1 (x0 )) base de E. Soit v ∈ C(u), B étant une base de E :
n
X
∃(α0 , ..., αn−1 ) ∈ Kn /v(x0 ) = αi ui−1 (x0 ) = P (u)(x0 )
i=1

∀k ∈ [|0; n − 1|], v(uk (x0 ) = uk (v(x0 )) = (uk ◦ P (u))(x0 ) = P (u)[uk (x0 )]

v et P (u) coïncide sur une base, donc ils sont égaux. Ainsi, C(u) = Kn−1 [u]. De plus
(a0 , ..., an−1 ) ∈ Kn ,
n−1
X n−1
X
ai ui = 0 ⇒ ai ui (x0 ) = 0
i=0 i=0
(
∀i ∈ [|0; n − 1|], ai = 0
⇒
car B est une base

(id, u, ..., un−1 ) est une base de Kn−1 [u], dim(C(u)) = n. De même la réciproque arme que
si dim(C(u)) = n alors u est cyclique

159 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Exemple
Si u est diagonalisable avec |Sp(u)| = n, Sp(u) = {λi }i∈[|1;n|] distinctes. ∀k ∈ [|1; n|], xk
vecteurs
 propres associés aux λk ,

 x 0 = x1 + ... + xn

u(x0 ) = λ1 x1 + ... + λn xn

(x1 , ..., xn ) est libre, c'est une base de E
...



= λn−1
 n−1
u 1 x1 + ... + λnn−1 xn
det(x1 ,...,xn ) (x0 , u(x0 ), ..., un−1 (x0 )) = V (λ1 ; ...; λn ) 6= 0
(x0 , u(x0 ), ..., un−1 (x0 )) est une base de  E, donc u est cyclique
λ1 0 0
Notons que si matB (u) =  0 . . . 0 
 

0 0 λn
 
µ1 0 0
n
v ∈ C(u) ⇔ ∃(µ1 ; ...; µn ) ∈ K /matB (v) =  0 ..
. 0  ⇔ ∃P ∈ Kn−1 [X]/v = P (u)
 

0 0 µn
C'est le polynôme de Lagrange

5.4 Trigonalisation
5.4.1 Dénition
Dénition

On dit que u ∈ L(E) est trigonalisable si et seulement si :

∃B base de E, matB (u) ∈ Tns (K)

On dit que M ∈ Mn (K) est trigonalisable sur K si et seulement si :

∃P ∈ GLn (K), P −1 M P ∈ Tns (K)

Remarque
 
λ1 ∗ ∗
Si matB (u) =  0 . . . ∗ 
 

0 0 λn
n
(X − λi ) est scindé sur K
Q
u(e1 ) = λ1 e1 , χu =
i=1
Sp(u) = {λi }. On a alors :
 
λn 0 0
..
mat(en ,...,e1 ) (u) =  ∗ .
 
0
∗ ∗ λ1

160 MP∗ B.DufourJules

 CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

Caractérisation

Soit E un K-espace vectoriel de dimension nie, u ∈ L(E), les assertion suivantes sont
équivalentes :
1. u est trigonalisable
2. χu est scindé sur K
3. u admet un polynôme annulateur scindé sur K
4. Πu est scindé sur K

Preuve :
(1) ⇒ (2) : cf. remarque
(2) ⇒ (3) : d'après le théorème de Cayley-Hamilton
(3) ⇒ (4) : tout polynôme annulateur est divisible par Πu
(4) ⇒ (1) :
r
Y
Πu = (X − λi )si
i=1

dim(E) = 1, rien à faire

hérédité : n ∈ N∗ , on suppose la propriété vériée si dim(E) ≤ n. On suppose dim(E) =
n + 1. Eλ1 = Ker(u − λ1 id)
Si E = Eλ1 alors u = λid, toute base de E marche
Sinon, soit G un supplémentaire de Eλ1 dans E :
E = Eλ1 ⊕ G
u1 : G → G
Soit p le projecteur sur G parallèlement à Eλ1 ,
x 7→ p(u(x))
Soit B1 base de Eλ1 et B2 une base de G, B = B1 ∪ B2
 
λ1 0 0
..
. 0 B
 
matB (u) =  0  , C = matB2 (u1 )

0 0 λ1 
0 C
 
0 ∗
On a Πu (A) = 0 = , donc Πu1 est scindé sur K, Πu1 |Πu , d'après (HR), ∃B 0 2
0 Πu (C)
base de G tel que :
 
λ2 ∗ ∗
..
matB0 2 (u1 ) =  0 .
 
∗
0 0 λr
B 0 = B1 ∪ B 0 2 est une base de E
 
λ1 ∗ ∗
.. s
matB0 (u) =  0 . ∗  ∈ Tn (K)
 

0 0 λr

161 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Remarque
Cette démonstration procure un procédé pour un algorithme de triangulation eective

Exemple
 
−3 −3 2
M = 1 1 −2
2 4 −4
   
λ + 3
 3 −2  λ + 2
 λ+2 0 
∀λ ∈ R, χM (λ) =  −1 λ−1 2  =  −1
 λ−1 2 
 −2 −4 λ + 4  −2 −4 λ + 4
 
1 1 0 

= (λ + 2) −1 λ−1 2 
−2 −4 λ + 4
 
1 0 0 

= (λ + 2) −1 λ 2 
−2 −2 λ + 4
 
λ 2 
= (λ + 2) 
−2 λ + 4
= (λ + 2)(λ2 + 4λ + 4)
= (λ + 2)3
χM est scindé sur R, donc M est trigonalisable sur R, si Métait diagonalisable sur R ou C alors
x
elle serait semblable donc égale à 2I3 , absurde. Soit X = y  ∈ R3
z

−x − 3y + 2z = 0
 
0 
(M + 2I3 )X = 0   ⇔ x + 3y − 2z = 0
0

2x + 4y − 2z = 0

(
x + 3y − 2z = 0
⇔
x + 2y − z = 0

y = z

⇔ x = −z

z∈R

     
1 1 0
Une solution est : X = −1 = ε1 . On pose B = (ε1 , 0 , 1) Il vient : u(e1 ) = −2ε1 −e1 −e2
−1 0 0
et u(e2 ) = −4ε1 + e1 − 3e2
 
−2 −2 −4
matB (u) =  0 −1 1 
0 −1 −3
 
−1 1
On pose : C = , χC = (X + 2)2
−1 −3

162 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

    (
x 0 x+y =0
(C + 2I2 ) = ⇔ ⇔ x = −y/y ∈ R
y 0 −x − y = 0
 
1
On pose : ε2 = e1 − e2 = −1 et ε3 = e1
0
 
−2 2 −2
matε1 ,ε2 ,ε3 (u) =  0 −2 1
0 0 −2

Corolaire

Tout endomorphisme d'un C-espace vectoriel est trigonalisable. Toute matrice de Mn (C)
est semblable à une matrice triangulaire
r
Y
χM = (X − λi )
i=1

r
X
∀k ∈ N, tr(M k ) = λki
i=1

 
λ1 ∗ ∗
Preuve : ∃P ∈ GLn (K), P −1 M P =  0 ..
.
 
∗
0 0 λr
 k 
λ1 ∗ ∗
−1 k −1 k ..
P M P = (P M P ) =  0 .
 
∗
0 0 λkr

Remarque
Si ∀i ≥, |λ1 | > |λi |, une seule valeur propre de multiplicité 1 de modula maximal :
r
X λi
|tr(M k )| = |λ1 |k |1 + ( )k | ∼ |λ1 |k
i=2
λ 1

tr(M k )
λ1 = lim k
n→+∞ tr(M )

Matrices nilpotentes
Si u est nilpotent alors il est trigonalisable, ∃B base de E telle que :
 
0 ∗ ∗
matB (u) = 0 
 ∗
0 0 0

163 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

En eet, ∃r ∈ N∗ /X r annule u, ce polynôme est scindé, donc u est trigonalisable (diagonalisable

sur C , car scindé à racines simples su rC), et SpC = {0}
Réciproquement si SpC = {0} alors χu = X n , il annule u d'après le théorème de Cayley-Hamilton
donc u est nilpotent

5.4.2 Applications
Matrices de SL2 (R)
Soit M ∈ SL2 (R) = {M ∈ M2 (R)/ det(M ) = 1}
χM (X) = X 2 − tr(M )X + 1
∆ = tr(M )2 − 4
1. |tr(M )| < 2, χM possède deux racines complexes non réelles conjuguées λ et ¯(λ), λλ̄, λλ̄ =
|λ| = 1, ∃θ ∈]0; π[, λ = eiθ
tr(M ) = 2 cos(θ)
θ = arccos( tr(M )
2 )
χM = (X − eiθ )(X −iθ
 iθ− e ) , scindé à racines simples sur C, donc M est
 diagonalisable sur

e 0 cos(θ) − sin(θ)
C, semblable à . C'est la cas en particulier pour Rθ = .
0 e−iθ sin(θ) cos(θ)
det(Rθ ) = 1 et tr(Rθ ) = 2 cos(θ). Rθ et M sont réelles semblables sur C, donc elles sont
semblables sur R,
 
cos(θ) − sin(θ)
∃P ∈ GL2 (R), M = P P −1
sin(θ) cos(θ)
 
∀ cos(nθ) − sin(nθ)
n
n ∈ Z, M = P P −1
sin(nθ) cos(nθ)
Notons que la suite (M n ) est bornée, car les 4 suites de coecients de M le sont bornées
2. |tr(M )| > 2, χM possède deux racines réelles distinctes inverses l'une de l'autre, λ et λ1 , |λ| <
1 et tr(M ) = λ + λ1
 
λ 0
∃P ∈ GL2 (R), M = P P −1
0 λ1
 n 
λ 0
∀n ∈ Z, M n = P n P −1
0 λ1
La suite (M n ) n'est pas bornée
3. tr(M ) = 2, quitte à remplacer M par -M. χM = (X − 1)2 , soit M = I2 , et elle est
déjà diagonale.
 SoitM 6= I2 , M n'est pas diagonalisable, mais trigonalisable sur R, donc
1 α
semblable à
0 1  
1 α
∃P ∈ GL2 (R), ∃α ∈ R, M = P P −1
  0 1 
1 α 1 1
Or est semblable sur R à
0 1 0 1
∃Q ∈ GL 2 (R), ∀n
 ∈ Z, M n
= Q(I 2 + N )n Q−1
1 n
Mn = P P −1
0 1

164 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

Réduction des matrices de faible rang

Lemme M ∈ Mn (K), rg(M ) = 1 ⇔ ∃(X, Y ) ∈ Mn,1 (K)2 non nul, M = X tY
Preuve : Si M = X tY , ∃(i0 , j0 ) ∈ [|1; n|]2 , xi0 , yj0 6= 0, donc xi0 yj0 6= 0, en notant (C1 ; ...; Cn ) les
colonnes de M,
yj
∀j ∈ [|1; n|], Cj = yj X = cj
yj0 0
donc rg(M ) = 1  
0
 .. 
rg(M ) = 1, j0 ∈ [|1; n|]/Cj0 6=  . 
0
 
λ1
 .. 
 . 
∀j 6= j0 , ∃λj ∈ K/Cj = λj Cj0 , posons X = Cj0 et Y = 
  ∗
 1  ∈ Mn,1 (K)

 . 
 .. 
λn
On a M = X tY
(
X 0 = λX
Remarque 0t 0
M = X Y , ∃λ ∈ K / ∗
Y 0 = λ1 Y
Soit, donc M ∈ Mn (K), rg(M ) = 1, (X, Y ) ∈ Mn,1 (K)2 , M = X tY et u ∈ L(Kn ) canoniquement
associée à M. Soit (ε1 ; ...; εn ) une base de Ker(u) qu'on complète en base B de Kn
 
0 ... 0 ∗
matB (u) =  ... ..
.
 
∗ 
0 . . . 0 tr(u)
χu = χM = X n−1 (X − tr(u))
n
X
tr(M ) = xi yi = tY X 6= 0
i=1
(
m(0) = n(0) = n − 1
m(tr(M )) = n(tr(M )) = 1
M est diagonalisable
n
tr(M ) = 0 ⇒ χM = X
m(0) = n > n(0) = n − 1, M n'est pas diagonalisable, mais trigonalisable sur K et nilpotente :
M 2 = X tY X tY = 0
 
1 ... 1
 .. ..  , car(K) = 0
Exemple M = . .
1 ... 1
tr(M ) = n 6= 0
 
x1 n
Ker(u) = {x =  ...  ∈ Mn,1 (K)/
X
xi = 0}
 

xn i=1

165 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

 
1
 .. 
Ker(u − nid) = V ect( . 
1
 
1 0 ... 1 0
.. .. ..  ..
. . . .

−1
. ..
 
En posant P =  0
 .. 0 1.

 .
 
 ..

−1 1 1
0 . . . 0 −1 1
 
0 ... 0 0
 .. .. 
. .
On a donc P M P =  .
−1  
. .

0
0 ... 0 n
 
1
 .. 
Notons que M = nM et M = n M est la matrice du projecteur sur V ect[ .  //H
2 1

1
 
0 ... 0 α1
 .. .. .. 
Soit (α1 ; ...; αn ) ∈ Kn non nul, M =  . . . 
. Soit u canoniquement associé à M,

0 0 αn 
α1 ... αn 0
rg(M ) = rg(u) = 2
On sait que m(0) ≥ n(0) = n − 1
χu (X) = X n−1 (X − λ)(X
 − µ), λ, µ ∈ C 
0 ∗ ∗ ∗ ∗
0  ∗ ∗ ∗
M est semblable sur C à 
 
0  0 ∗ ∗ 
0  λ ∗
0 0 0 0 µ
tr(M ) = λ + µ et tr(M 2 ) = λ2 + µ2 . Or le coecient (k, k) de M 2 vaut k ∈ [|1; n|], αk2
n
X n
X
k = n + 1, αk2 ⇒ tr(M 2 ) = 2 αk2
k=1 k=1
tr(M ) = 0 ⇔ λ + µ = 0 ⇔ λ = −µ
tr(M 2 ) = λ2 + µ2 = 2λ2
Si K = R alors v
Xn u n
2 2
uX
λ = αk > 0, λ 6= 0, µ 6= 0, λ = t αk2
k=1 k=1
 
 0 0 0 0 0
m(0) = n(0) = n − 1
 0  0 0 0 
donc M est diagonalisable sur R, semblable à 
 
m(λ) = n(λ) = 1 0 0 0 0 0 



m(µ) = n(µ) = 1 0 0 λ 0 
0 0 0 0 −λ
Si K = C, alors M est diagonalisable si et seulement si λ 6= 0

166 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

Suites récurrentes linéaires

Soit (α, β) ∈ K2 , S = {(un ) ∈ KN /∀n ∈ N, un+2 = αun+1 + βun }, c'est un K-espace vectoriel,
ϕ : S → K2
dim(S) = 2, car : est un isomorphisme
(un ) 7→ (u0 , u1 )
 
un
Formons pour (un ) ∈ S, Xn = Il vient :
un+1
 
0 1
∀n ∈ N, Xn+1 = Xn = AXn
β α

Par récurrence : ∀n ∈ N, Xn = An X0
χA = X 2 − αX − β
Dans K = C : ∆ = α2+ 4β 6= 0, A est diagonalisable
 :n ∃z1 6= z2 ∈ C /χA = (X − z1 )(X − z2 )
2

z1 0 z1 0
∃P ∈ GL2 (C), A = P P −1 d'où, Xn = P P −1 X0
0 z2 0 z2n

∃(a, b) ∈ C2 /∀n ∈ N, un = az1n + bz2n

∆ = 0, ∃z0 ∈ C/χA = (X − z0 )2 . Si A était diagonalisable alors elle serait semblable à z0 I2 ,

non !Mais A est trigonalisable :
 
z0 1
∃P ∈ GL2 (C)/A = P P −1
0 z0

z0 nz0n−1
 n 
d'où, An = P P −1
0 z0n
En développant,

∃(a, b) ∈ C2 /∀n ∈ N, un = az0n + bnz0n−1

5.4.3 Décomposition de Dunford

Théorème

Soit E un C-espace vectoriel de dimension nie n ∈ N∗ , u ∈ L(E) et

r
Y
χu = (X − λi )mi , mi ≥ 1
i=1

avec les λi distincts. En appliquant le théorème de Cayley-Hamilton et le lemme des noyaux :

r
M r
M
E = Ker(χu (u)) = Ker(u − λi id)mi = Fi
i=1 i=1

avec Fi sous-espace caractéristique associé à λi . On a : Sp(u|Fi ) = {λi }, soit Bi une base de

r
Fi qui trigonalise u|Fi et B =
S
Bi
i=1

167 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

∗ ∗
 
λ1
..
. 0
 
0
 ∗ 

0 0 λ1 
..
 
A = matB (u) =  .  diagonale par bloc
 
 
 λr ∗ ∗
..
 
0 . ∗
 
 0
0 0 λr
u peut s'écrire : u = δ + n avec δ diagonalisable et n nilpotent

Preuve : Notons li = dim(Fi ), comme Fi = Ker(u − λi id)mi , (X − λi )mi annule u|Fi donc
Sp(u|Fi ) = {λi }. Ainsi χu|Fi = (X − λi )mi , en réduisant par blocs dans une base adaptée :

r
M r
Y
E= Fi et χu = χu|Fi , ∀i ∈ [|1; r|], li = mi
i=1 i=1

 
λ1 0 0  
..
0 ∗ ∗
. 0
 
0 0  0  ∗ 0 
   
0 0 λ1  0 0 0 
.. ..
   
En outre : A =  . + . =D+N
   
   
 λr 0 0  0 ∗ ∗
.
   

0 .. 0 
  0 0  ∗
 0
0 0 0
0 0 λr
En formant δ et n ∈ L(E) qui ont pour matrice D et N dans B, u = δ + n, où δ est diagonalisable
et n nilpotent. De plus , en raisonnant par blocs :
 
N1 0 0
N =  0 ... 0 
 

0 0 Nr
 
λ 1 N1 0 0
..
DN = N D =  0 .
 
0 
0 0 λr Nr

Unicité de la décomposition (HP)

Avec les mêmes notations et hypothèses. Soit n ∈ C[u] et si u = δ 0 + n0 avec δ 0 diagonalisable
et n nilpotent et δ 0 n0 = n0 δ 0 alors δ = δ 0 et n = n0 Lr
Preuve : Notons pour 1 ≤ i ≤ r, Πi le projecteur sur Fi parallèlement à j=1;j6=i Fj . On a :

r
X
δ= λi Πi
i=1

168 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

 
0 0
car matB (Πi ) =  In 
0 0
r
X
n=u−δ =u− λi Πi
i=1
r
Comme (X − λi )mi ∧ (X − λj )mj = 1 = (X − λi )mi ∧ Ci
Q
j=1,j6=i
D'après le théorème de Bézout :
∃(Ai , Bi ) ∈ C[X]2 /Ai (X − λi )mi + Bi Ci = 1

∀x ∈ E, x = (Ai (X − λi )mi ))(u)(x) + (Bi Ci )(u)(x)

Or (X − λi )mi Ci = χu , donc : (X − λi )mi )(u)[Bi Ci (u)(x)] = χu [Bi (u)(x)] = 0

Ainsi (Bi Ci )(u)(x) ∈ Fi .
De plus d'après le lemme des noyaux,
r
M
Fj = Ker(Ci (u))
j=1,j6=i

et Ci (u)[Ai (X − λi )mi (u)(x)] = χu (u)[Ai (u)(x)] = 0 donc

r
M
[Ai (X − λi )mi (u)(x)] ∈ Fj
j=1,j6=i

Ainsi Πi (x) = (Bi Ci )(u)(x)

∀x ∈ E, Πi (x) = (Bi Ci ) ∈ C[X]
En reportant : (δ, n) ∈ C[u]2 , si à présent u = δ 0 + n0 = δ + n
δ 0 commute avec n' donc avec δ 0 +n = u donc avec δ ∈ C[u]. De même n0 commute avec n ∈ C[u].
Il vient :

δ 0 − δ = n − n0

δ et δ 0 sont deux endomorphismes diagonalisables qui commutent, ils sont co-diagonalisables

et δ − δ 0 est diagonalisable. n et n0 sont deux endomorphismes nilpotent qui commutent, soit
(p1 , p2 ) ∈ N2 /np1 = n0p2 = 0

pX
1 +p2  
0 p1 +p2 p1 + p2 k
(n − n ) = n (−n0 )p1 +p2 −k = 0
k
k=0

(
n = n0
n − n0 = δ − δ 0 est diagonalisable et nilpotent, c'est 0, d'où :
δ = δ0

Exemple
 
1 1 2
(
D=M
M= 0
 −1 1 est diagonalisable donc
0 0 3 N = 03

169 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

5.4.4 Réduction de Jordan (HP)

Soit E un C-espace vectoriel de dimension nie, u ∈ L(E), si

r
Y
χu = (X − λi )mi
i=1

On a vu que :
r
M
E= Ker(u − λi id)mi
i=1

Dans une base adaptée B :

∗ ∗
 
λ1
..
. 0
 
0
 ∗ 

0 0 λ1 
..
 
matB (u) =  .
 

 
 λr ∗ ∗
..
 
0 .
 
 0 ∗
0 0 λr
 
λ1 0 0  
0 ∗ ∗
..
. 0
 
0 0  0  ∗ ∗ 
   
0 0 λ1  0 0 0
  
.. ..
 
On peut l'écrire : . + .
   

   
 λr 0 0 
  0 ∗ ∗
..
 
0 0  ∗
0 . 0
   
 0
0 0 0
0 0 λr
On cherche une forme matricielle simple et unique par un endomorphisme nilpotent. Soit donc
E de dimension nie n, f ∈ L(E) nilpotent d'indice p ∈ N∗ , f p = 0 et f p−1 6= 0

1. Soit x0 ∈ E/f p−1 (x0 ) 6= 0, on montre que (x0 , ..., f p−1 (x0 )) est libre. On complète en
une base :
B1 = (f p−1 (x0 ); ...; x0 ; εp+1 ; ...; εn ) = (ε1 ; ...; εn )
Soit U = matB1 (f )
P ∈ Mn (C)/∀k ∈ [|1; n|] la k-ième ligne de P est la première ligne de U k−1 . Soit
h ∈ L(E)/matB1 (h) = P
2. On montre que V ect = [f p−1 (x0 ); ...; x0 ] ⊕ Ker(h) = E
3. On montre que ∀x ∈ E, x ∈ Ker(h) si et seulement si ∀k ∈ [|1; n|], la première
coordonnée de f k−1 (x) dans B1 est nulle. En on déduit que Ker(h) est stable par f

170 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

Preuve :

1. Soit

p−1
X p−1
X
(α0 ; ...; αp−1 ) ∈ Kp , αk f k (x0 ) = 0 ⇒ f p−1 ( αk f k (x0 )) = 0
k=0 k=0

Soit α0 f p−1 (x0 ) = 0 ⇒ α0 = 0

De proche en proche, on applique f p−2 , f p−3 , ... et on montre que : ∀k ∈ [|0; p − 1|], αk = 0.
La famille est libre

 
0 1 0 0
 .. .
. 0 ..

0 
 .. .. . .
 
. . .

1 ∗
2. U = 
. .

 .. ..

0 
. . ..
 
 .. ..

. 
0 0 ... 0  
1 0 0
0  0 ∗
U = 0, car f = 0, d'où : P = 
p r   rg(P ) = p
0 0 1 
0 0
D'après le théorème du rang : dim(Ker(h)) = n − p
x ∈ V ect[f p−1 (x0 ); ...;
 x0 ] ∩ Ker(h)
λ1
 .. 
.
 
λp 
X = CoordB1 (x) =  0

.
 
 .. 
0
   
λ1 λ1
  ..   .. 
. .

1 0 0     
0  0 ∗ λp   .. λp  ..
 
PX = 0 ⇒  0 0 1   0 
  =
0 . 0 ⇒  =
0 0 . 0
. .
   
0 0 .  .. 
.
   

( 0 0
p−1
V ect[f (x0 ); ...; x0 ] ∩ Ker(h) = {0}
d'où,
dim(Ker(h)) + dim(V ect...) = n
E = V ect[f p−1 (x0 ); ...; x0 ] ⊕ Ker(h)

171 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

 
x1
3. Soit x ∈ E, X =  ...  = CoordB1 (x)
 

xn

x ∈ Ker(h) ⇔ h(x) = 0
⇔ PX = 0
⇔ ∀k ∈ [|1; n|], le produit de la k-ième ligne deP par le produit ligne de U p−1
⇔ ∀k ∈ [|1; n|], L1 (U k−1 )X = 0
⇔ ∀k ∈ [|1; n|], L1 (U k−1 X) = 0
⇔ ∀k ∈ [|1; n|], la première coordonnée de f k−1 (x) dans B1 est nulle

x ∈ Ker(h), ∀k ∈ [|1; n|] la coordonnée de f k (x) dans B est nulle, donc f (x) ∈ Ker(h).
Ainsi dans une base adaptée :
 
0 1 0 0
0 . . . . . . 0
 
0

matB (f ) = 0 0

 0 1 

0 0 0 0 
0
0 U
f p = 0 ⇒ U 0p = 0
Soit u0 = u|Ker(h) , u0 est nilpotent d'indice p0 ≤ p, car u0p = 0. Par récurrence sur la
 
0 1 0 0
 . .. . .. 
dimension de E, il existe une base de B 0 de E /Jp = 0 0 


0 0 0 1 
0 0 0 0
 
Jn1 0 0 0
 0 Jn2 0 0 
matB0 (f ) =  .
 
 0 0 . . 0 


0 0 0 Jnr
Notons,
 si dans cette réduction ni blocs Ji apparaissent :

 n = dim(E) = m1 + 2m2 + ... + pmp

dim(Ker(f )) = m1 + m2 + ... + mp





dim(Ker(f 2 )) = m1 + 2m2 + ... + 2mp

..


 .

k
dim(Ker(f )) = m1 + 2m2 + ... + kmk + ... + kmp




dim(Ker(f p )) = m1 + 2m2 + ... + pmp

∀k ∈ [|1; p − 1|], dim(Ker(f p )) − dim(Ker(f p−1 )) = mk + ... + mp

mk = dim(Ker(f k )) − dim(Ker(f k−1 )) − dim(Ker(f k+1 )) + dim(Ker(f k ))

= 2 dim(Ker(f k )) − dim(Ker(f k−1 ) − dim(Ker(f k+1 ))

ne dépend que de f. La réduction est bien unique

Conséquences : une matrice et sa transposée son semblable dans C, donc dans R (cf Dun-
ford). De plus la dimension du commutant est supérieur ou égale à n

172 MP∗ B.DufourJules

CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES 5.4. TRIGONALISATION

5.4.5 Produit Tensoriel (HP)

Dénition

Soit A ∈ Mn (K), B ∈ Mp (K). On dénit :

 
a1,1 B . . . a1,p B
A ⊗ B =  ... ..  ∈ M (K)
. 

np
ap,1 B . . . ap,p B

ϕ : Mn,p (K) → Mn,p (K)

C'est la matrice dans une base de Mnp (K) de
M 7→ AM B
 
λ1 0 0
Si A est diagonalisable : ∃P ∈ GLn (K), ∃(λ1 ; ...; λn ) ∈ Kn /P −1 AP =  0 . . . 0 
 

0 0 λn
Alors par produits par blocs ,
 
λ1 B 0 0
(P −1 ⊗ Ip )(A ⊗ B)(P ⊗ Ip ) =  0 ..
.
 
0 
0 0 λn B
On a : (P −1
⊗ Ip ) = (P ⊗ Ip ) −1

 
λ1 B 0 0
A ⊗ B est semblable à  0 ..
.
 
0 
0 0 λn B
Si B est diagonalisable : ∃Q ∈ GLp (K), ∃(µ1 ; ...; µp ) ∈ K p

 
µ1 0 0
Q−1 BQ =  0 . . . 0 
 

0 0 µp
Alors,
Q−1
     
λ1 B 0 0 0 λ1 B
0 0 0 Q 0 0
(In ⊗ Q−1 )  0 .. .. .. ..
. 0  (In ⊗ Q) =  0 . . .
     
0  0 0 0 0
0 0 λn B 0 0 Q−1 0 0 λn B 0 0 Q
 
λ1 µ1 0 0
..
=  0 .
 
0 
0 0 λn µp
donc A ⊗ B est diagonalisable et SpK (A ⊗ B) = {λµ/λ ∈ SpK (A), µ ∈ SpK (B)}
Réciproquement, si A est diagonalisable non nul, si A ⊗ B est diagonalisable, ∃i ∈ [|1; n|], λi 6= 0,
λi B est diagonalisable, donc B l'est, par stabilité des sous-espaces d'un endomorphisme diago-
nalisable. Notons que :

tr(A ⊗ B) = tr(A) × tr(B)

173 MP∗ B.DufourJules

5.4. TRIGONALISATION CHAPITRE 5. RÉDUCTION DES ENDOMORPHISMES

Exemple
   
  0 0 A 0 0 1
1 −1
A= , M =  0 A 0  ⇒ M = 0 1 0 ⊗ A = B ⊗ A
1 −1
  A 0 0 1 0 0
X
 0 −1 

χB =  0 X − 1 0  = (X − 1)2 (X + 1) ⇒ Sp(B) = {−1; 1}
−1 0 X
Be2 = e2 , B(e1 +e3 ) = e1 + e3et B(e1 − e3 ) = e3 − e1
0 1 1 1 0 0
P = 1 0 0  , P −1 BP = 0 1 0 
0 1 −1  0 0 −1

A 0 0
M est semblable à  0 A 0 
 0 0 −A
1 − λ −1 
χA (λ) =  = λ2 , A non diagonalisable. Par suite M ne l'est pas. A est semblable
1 −1 − λ  
0 1
0 0 0 0 
   
0 1 0 1
à donc M est semblable à  0 . On raisonne matriciellement pour
 
 0 
0 0  0 0 
 0 1
0 0
0 0
déterminer le commutant

174 MP∗ B.DufourJules

Chapitre 6

Espaces vectoriels normés

Sommaire
6.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
6.1.1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
6.1.2 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
6.1.3 Boules et sphères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
6.1.4 Suite dans un espace vectoriel normé . . . . . . . . . . . . . . . . . . . 174
6.1.5 Comparaison des normes . . . . . . . . . . . . . . . . . . . . . . . . . 175
6.2 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.2.2 Intérieur, adhérence, frontières . . . . . . . . . . . . . . . . . . . . . . 179
6.2.3 Inuence de la norme . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.2.4 Caractérisation séquentielle . . . . . . . . . . . . . . . . . . . . . . . . 181
6.2.5 Topologie induite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.3 Limite et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
6.3.1 Dénition de limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
6.3.2 Propriétés des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.3.3 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
6.3.4 Continuité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
6.3.5 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . . 192
6.3.6 Lc (E, F ) et Lc (E) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
6.4 Compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.4.2 Compacité et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . 196
6.4.3 Compacité en dimension nie . . . . . . . . . . . . . . . . . . . . . . . 197
6.4.4 Théorème de Riesz (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 200
6.5 Séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.5.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.5.2 Cas de la dimension nie . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.5.3 Algèbre normée de dimension nie . . . . . . . . . . . . . . . . . . . . 205
6.5.4 Utilisation de la densité de GLn (C) . . . . . . . . . . . . . . . . . . . 207
6.6 Convexité, connexité . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
6.6.1 Barycentres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

175
6.1. DÉFINITIONS CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.6.2 Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

6.6.3 Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
6.6.4 Inégalités de Hölder et Minkowski (HP) . . . . . . . . . . . . . . . . . 217
6.6.5 Connexité par arcs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
6.7 Compléments (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.7.1 Semi-continuité inférieure du rang . . . . . . . . . . . . . . . . . . . . 222
6.7.2 Résultant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.7.3 Continuité des racines . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
6.7.4 Topologie de Mn (C) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224

6.1 Dénitions
6.1.1 Normes
Dénition

||.|| : E → R+
Soit K = R ou C, E un K-espace vectoriel. On dit l'application :
x 7 → ||x||
est une norme si et seulement elle vérie les 3 propriétés suivantes :
1. axiome de séparation : ∀x ∈ E, ||x|| = 0 ⇔ x = 0
2. axiome d'homogénéité : ∀x ∈ E, ||λx|| = |λ| · ||x||
3. inégalité triangulaire : ∀(x, y) ∈ E 2 , ||x + y|| ≤ ||x|| + ||y||

Figure 6.1  Inégalité triangulaire

Remarque
Dans ce cas, ||.|| vérie la deuxième inégalité triangulaire :
∀(x, y) ∈ E 2 , | ||x|| − ||y|| | ≤ ||x − y||
Preuve : ||x|| ≤ ||x − y|| + ||y|| ⇔ ||x|| − ||y|| ≤ ||x − y||
En échangeant x et y : ||y|| ≤ ||y − x|| + ||x||
Soit ||y|| − ||x|| ≤ ||y − x|| = ||x − y|| ⇒ | ||x|| − ||y|| | ≤ ||x − y||

176 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.1. DÉFINITIONS

Normes sur Kn

Sur Kn , on dénit : ∀x = (x1 ; ...; xn ) ∈ Kn ,

1.
n
X
||x||1 = |xk |
k=1

2. v
u n
uX
||x||2 = t |xk |2
k=1

3.
||x||∞ = sup |xk |
1≤k≤n

Preuve :
1. Ces 3 applications sont à valeurs dans R+ et ||(0; ...; 0)||i = 0
2. ||(x1 ; ...; xn )|| = 0 ⇒ ∀k ∈ [|1; n|], xk = 0
3. L'homogénéité est évidente pour les normes 1 et 2. Soit λ ∈ K, (x1 ; ...; xn ) ∈ Kn
∀k ∈ [|1; n|], |λxk | = λ|·|xk | ≤ |λ|·||(x1 ; ...; xn ||∞ ⇒ ||λ(x1 ; ...; xn )||∞ ≤ |λ|·||(x1 ; ...; xn )||∞
Pour λ = 0, égalité, λ 6= 0, on applique ce qui précède à λ(x1 ; ...; xn ) et λ1 , il vient :
1
||(x1 ; ...; xn )||∞ ≤ |λ| ||λ(x1 ; ...; xn )||∞
|λ| · ||(x1 ; ...; xn )||∞ ≤ ||λ(x1 ; ...; xn )||∞
4. ∀(x = (x1 ; ...; xn ), y = (y1 ; ...; yn )) ∈ (Kn )2 :
n
X n
X n
X
||x + y||1 = |xk + yk | ≤ |xk | + |yk | = ||x||1 + ||y||1
k=1 k=1 k=1

∀k ∈ [|1; n|], |xk + yk | ≤ |xk | + |yk | ≤ ||xk ||∞ + ||yk ||∞

Pour ||.||2 , l'inégalité triangulaire sera vériée à la n du chapitre (cf l'inégalité de Min-
kowski)

Remarque
Pour n = 1, ||.||1 = ||.||2 = ||.||∞ = |.|
p ∈ [1; +∞[, on dénit ,
n
X 1
||(x1 ; ...; xn )||p = ( |xk |p ) p
k=1

C'est une norme et on vérie :

||x||p −→ ||x||∞
n→∞

177 MP∗ B.DufourJules

6.1. DÉFINITIONS CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Normes d'espaces de fonctions

Si E = C 0 ([a; b], R), on dénit : ∀f ∈ E

Z b
||f ||1 = |f (t)|dt, norme de la convergence en moyenne
a
s
Z b
||f ||2 = |f (t)|2 dt norme de la convergence en moyenne quadratique
a

||f ||∞ = sup |f (t)| = maxt∈[a;b] |f (t)|

t∈[a;b]

Norme de la convergence uniforme

Soit (E, ||.||) un K-espace vectoriel normé, X un ensemble,

B(X, E) = {f : X → E bornée sur X, ∃M ≥ 0, ∀x ∈ X, ||f (x)|| ≤ M }

C'est un K-espace vectoriel, on dénit ∀f ∈ B(X, E) :

||f ||∞ = supx∈X ||f (x)|| < +∞

C'est une norme appelée norme de la convergence uniforme sur X.

En eet :
1. ∀f ∈ B(X, E), ||f ||∞ = 0 ⇒ ∀x ∈ X, ||f (x)|| = 0 ⇒ f = 0
2. ∀(λ, f ) ∈ K × B(X, E), ∀x ∈ X, ||λf (x)|| = |λ| · ||f (x)|| ≤ |λ| · ||f ||∞
donc, ||λf (x)||∞ ≤ |λ| · ||f ||∞
On a égalité si λ = 0, si λ 6= 0, on applique ce qui précède :
||f ||∞ = || λ1 λf ||∞ ≤ |λ|
1
||λf ||∞
|λ| · ||f ||∞ ≤ ||λf ||∞
|λ| · ||f ||∞ = ||λf ||∞
3. Enn, ∀(f, g) ∈ B(X, E)2 , ∀x ∈ X :
||(f + g)(x)|| ≤ ||f (x)|| + ||g(x)|| ≤ ||f ||∞ + ||g||∞
||f + g||∞ ≤ ||f ||∞ + ||g||∞

Exemples
Si X = N, E = K, on dénit sur l'espace :

l∞ (N) = {(un )n∈n ∈ KN bornées }

||(un )||∞ = sup |un |

n∈N

178 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.1. DÉFINITIONS

Algèbre normée

Soit A une K-algèbre et ||.|| une norme sur A. On dit que (A, +, ×, ·) est une algèbre
normée si et seulement si ∀(x, y) ∈ A2 ,

||xy|| ≤ ||x|| · ||y||

Exemple
(K, ||.||) ou (C 0 ([a; b], R), ||.||∞ )

Norme-produit

Soit (E1 , ||.||1 ); ...; (Ep , ||.||p ), p K-evn. On dénit sur E1 × ... × Ep , la norme dite norme-
produit,
∀(x1 ; ...; xp ) ∈ E1 × ... × Ep , ||(x1 ; ...; xp )|| = max ||xi ||i
1≤i≤p

6.1.2 Distances
Dénition

Soit (E, ||.||) un K-evn :

1. (x, y) ∈ E 2 , on dénit d(x, y) = ||x − y||
i ∀(x, y) ∈ E 2 , d(x, y) = 0 ⇔ ||x − y|| = 0
ii ∀(x, y) ∈ E 2 , d(y, x) = d(x, y)
iii ∀(x, y, z) ∈ E 3 , d(x, y) + d(y, z) ≥ d(x, z)
Généralement si un ensemble E est muni d'une application, d : E 2 → R+ vériant ces
trois propriétés, on dit que (E, d) est un espace métrique
2. Pour x ∈ E et A ⊂ E, A =
6 ∅, on dénit :

d(x, A) = inf {||x − a||}

a∈A

3. Pour A, B parties non vide de E, on dénit :

d(A, B) = inf {||a − b||}

(a,b)∈A×B

4. On dit que A ⊂ E est bornée si set seulement si ∃M ≥ 0/∀a ∈ A, ||a|| ≤ M . Dans ce

cas on dénit le diamètre de A,

δ(A) = sup {||a − a0 ||}

(a,a0 )∈A2

179 MP∗ B.DufourJules

6.1. DÉFINITIONS CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Remarques
Par dénition, ∀ε >, ∃aε ∈ A/

d(x, A) ≤ ||x − aε || ≤ d(x, A) + ε

En particulier, ∀n ∈ N, ∃(an ) ∈ A/
1
d(x, A) ≤ ||x − an || ≤ d(x, A) + n+1
lim ||x − an || = d(x, A)
n→+∞

BLa suite (an ) ne converge pas forcement ! Par exemple en prenant E = R, A et x = 0

Bd(x, A) n'est pas forcement atteinte ! Avec A = R∗+ et x = 0

d(0, R∗+ = inf {|x|}

x>0

Mais 0 ∈
/ R∗+ , on peut avoir d(x, A) = 0 et x ∈
/A

6.1.3 Boules et sphères

Dénition

Soit (E, ||.||) un K-evn, a ∈ A

1. Pour r ≥ 0, on dénit :
B(a, r) = {x ∈ E/||x − a|| ≤ r}
La boule fermée de centre a, de rayon r
S(a, r) = {x ∈ E/||x − a|| = r}
La sphère de centre a et de rayon r
2. Pour r > 0, on dénit :
B(a, r) = {x ∈ E/||x − a|| < r}
La boule ouverte de centre a et rayon r. Notons que {0} = B(a, 0) = S(a, 0)

Remarque
On passe de B(a, r) à B(a0 , r0 ) par la translation de vecteur a0 − a puis l'homothétie de
0
rapport rr

Exemples
Pour E = R2 ,
S1 (0, 1) = {(x; y) ∈ R2 /|x| + |y| = 1}
S2 (0, 1) = {(x; y) ∈ R2 /x2 + y 2 = 1}
B∞ = {(x; y) ∈ R2 /max(|x|, |y|) ≤ 1} = [−1; 1]2

180 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.1. DÉFINITIONS

6.1.4 Suite dans un espace vectoriel normé

Dénition

Soit (E, ||.||) un K-evn, (un ) ∈ E N et l ∈ E , on dit que (un ) converge vers l si et seulement
si :
lim ||un − l|| = 0
n→+∞

∀ε > 0, ∃n0 ∈ N, n ≥ n0 ⇒ ||un − l|| ≤ ε, un ∈ B(l, ε)

∀ε > 0, {n ∈ N/un ∈/ B(l, ε)} est ni

Propriétés élémentaires

1. Unicité de la limite : si au sens de norme ||.||, (un ) converge vers l et l0 alors l = l0 . On

note alors :
lim un = l
n→+∞

2. Si (un ) converge alors elle est bornée (la réciproque est fausse , cf (−1)n
3. lim un = l ⇒ lim ||un || = ||l||
n→+∞ n→+∞
4. lim un = l et lim vn = l0 alors
n→+∞ n→+∞

∀λ ∈ K, lim λun + vn = λl + l0 , linéarité de la limite

n→+∞

Si de plus (E, ||.||) est une algèbre normée ,

lim un vn = l · l0
n→+∞

||l||
5. Si lim un = l 6= 0 alors ∃n0 ∈ N, ∀n ≥ n0 , ||un || ≥ 2 >0
n→+∞
6. Soit (E1 , ||.||1 ); ...; (Ep , ||.||p ) p K-evn. Dans (E1 × ... × Ep , ||.||∞ ). Soit (un ),
(1) (p)
(un ) = (un ; ...; un ) ∈ E N
(
∀i ∈ [|1; p|]
On a lim un = (l1 ; ...; lp ) ⇔ (i)
n→+∞ lim un = li
n→+∞

Preuve : se référer au chapitre 2

BLa notion de convergence dépend de la norme !Par exemple, soit E = C 0 ([0; 1], R)
fn : [0; 1] → R
∀n ∈ N,
x 7→ xn
Z 1
1
||fn ||1 = xn dx = −→ 0
0 n + 1 n→+∞

||fn ||∞ = 1, donc (fn ) converge au sens de norme 1 mais pas de norme inni

181 MP∗ B.DufourJules

6.1. DÉFINITIONS CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Suites extraites

Soit σ : N → N strictement croissante, (un ) ∈ E N , on dit que (uσ(n) ) est extraite de

(un ). Soit λ ∈ E , on dit que λ est valeur d'adhérence de (un ) si et seulement si ∃σ : N → N
strictement croissante telle que :
lim uσ(n) = l
n→+∞

Propriétés

1. lim un = l ⇒ ∀σ : N → N strictement croissante lim uσ(n) = l

n→+∞ n→+∞
2. Si (un ) possède deux valeurs d'adhérence distinctes, elle diverge
3. lim u2n = lim u2n+1 = l ⇒ lim un = l
n→+∞ n→+∞ n→+∞
4. λ est valeur d'adhérence de (un ) si et seulement si ∀ε > 0, ∀n ∈ N, ∃p ≥ n/||up −λ|| < ε
ce qui équivaut à dire que {p ∈ N/up ∈ {B(λ, ε)} est inni

Comparaison

Soit (un ), (vn ) ∈ E N , on dit que

un = O(vn ) ⇔ ∃M ≥ 0, ∃n0 ∈ N, n ≥ n0 ⇒ ||un || ≤ M ||vn ||
un = o(vn ) ⇔ ∀ε > 0, ∃n0 ∈ N, n ≥ n0 ⇒ ||un || ≤ ε||vn ||
un ∼ vn ⇔ ∀ε > 0, ∃n0 ∈ N, n ≥ n0 ⇒ ||un − vn || ≤ ε||vn ||

6.1.5 Comparaison des normes

Dénition

Soit E un K-evn muni de deux normes ||.|| et ||.||0

1. On dit que ||.||0 est dominée par ||.|| si et seulement si :

∃α > 0/∀x ∈ E, ||x||0 ≤ α||x||

2. On dit que( ||.|| et ||.|| sont équivalentes, si et seulement si elles se dominent l'une
0

∃(α, β) ∈ R∗+ , ∀x ∈ E, β||x|| ≤ ||x||0 ≤ α||x||

l'autre : 1 1 0
α ||x|| ≤ ||x|| ≤ β ||x||
C'est une relation d'équivalence

Exemples
1. Sur Kn , ||.||1 , ||.||2 , ||.||∞ sont équivalentes

182 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.1. DÉFINITIONS

2. Dans C 0 ([a; b], R), on a :

s s
Z b Z b Z b
∀f ∈ E, ||f ||1 = |f (t)|dt ≤ f 2 (t)dt 12 dt = ||f ||2 ≤ ||f ||∞
a a a

Propriétés

1. Si ||.||0 est dominée par ||.|| :

→ toute suite bornée pour ||.|| l'est pour ||.||0
→ lim un = l pour ||.|| ⇒ lim un = l0 pour ||.||0
n→+∞ n→+∞
2. Si ||.|| et ||.||0 sont équivalentes :
→ une suite est bornée pour ||.|| si et seulement si elle l'est pour ||.||0
→ lim un = l pour ||.|| si et seulement si lim un = l pour ||.||0
n→+∞ n→+∞

Preuve : application directe de la dénition

Remarque
Pour montrer que deux normes ne sont pas équivalentes, on applique le 2 :
f : [0; 1] → R
Exemple : Pour E = C 0 ([a; b], R), on a vu que ||.||1 ≤ ||.||2 ≤ ||.||∞ . Soit n
t 7→ tn

||fn ||∞ = 1
Z 1
1
||fn ||1 = tn dt =
0 n+1
s
1
Z r
1
||fn ||2 = t2n dt =
0 2n + 1
√
Si on prend 2n + 1fn alors cette suite est bornée pour ||.||2 mais pas pour ||.||∞ . De même
(n + 1)fn est bornée pour ||.||1 mais pas pour ||.||2 . Ces normes ne sont pas équivalentes

Cas de la dimension nie

Toute les normes sont équivalentes en dimension nie

Preuve : cf compacité

Remarque
En dimension nie, lorsqu'on parle de converge, on a pas besoin de préciser avec quelle norme
(p)
on travaille. Par exemple Mp = (ai,j ) converge vers M = (ai,j ) ∈ Mn (K) si et seulement si :

183 MP∗ B.DufourJules

6.2. TOPOLOGIE CHAPITRE 6. ESPACES VECTORIELS NORMÉS

lim Mp = M au sens de ||.||∞

p→+∞
(p)
∀(i, j) ∈ [|1; n|]2 , ai,j −→ ai,j
p→∞

Attention, ceci n'est plus valable en dimension innie : soit (ei ) une base de E. ∀x ∈ E, ∃!(xi )i∈I ∈
K(I) . Si J ⊂ I dénombrable, on dénit sur E, J = {in /n ∈ N}
X
|| xi ei ||∞ = max |xi |
i∈J
i∈J
X X
|| xi ei ||1 = |xi |
i∈J i∈J
n
X n
X
∀n ∈ N, || eik ||1 = n + 1, || eik ||∞ = 1
k=0 k=0

Ces normes ne sont pas équivalentes

Interprétation géométrique
Soit E un K-ev muni de deux normes ||.|| et ||.||0 . Si ||.||0 est dominée par ||.|| :

∃α > 0/∀x ∈ E, ||x||0 ≤ α||x||

Donc ∀(a, r) ∈ E × R∗+ , x ∈ B||.|| (a, r), ||x − a|| ≤ r donc ||x − a||0 ≤ αr alors x ∈ B||.||0 (a, αr) :

B||.|| (a, r) ⊂ B||.||0 (a, αr)

Réciproquement, si toute boule ouverte pour ||.|| est incluse dans une boule ouverte pour ||.||0 de
même centre. En particulier,

∃α > 0/B||.|| (0; 1) ⊂ B||.||0 (0, α)

x 1 x
∀x ∈ E \ {0}, || || = ⇒ ∈ B||.|| (0; 1)
2||x|| 2 2||x||
||.|| domine donc ||.||0 . Deux normes sont équivalentes si et seulement toute boule ouverte pour
l'une est incluse dans une boule ouverte pour l'autre de même centre. Deux normes équivalentes
dénissent les mêmes parties bornées

6.2 Topologie
6.2.1 Dénitions
Dénition

Soit (E, ||.||) un K-evn

1. soit x ∈ E, A ⊂ E , on dit que A est un voisinage de a et on note A ∈ V(x) si et
seulement si ∃r > 0/B(x, r) ⊂ A
2. On dit que O ⊂ E est un ouvert de E si et seulement si :

184 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.2. TOPOLOGIE

O = ∅ ou ∀x ∈ O, O ∈ V(x)
∀x ∈ O, ∃rx > 0/B(x, rx ) ⊂ O
[
O= B(x, rx )
x∈O

3. On dit que F est un fermé de E si et seulement si

E \ F = {E F est un ouvert de E

Propriétés

1. Toute réunion d'ouverts est un ouvert

2. Toute intersection nie d'ouverts est un ouvert
3. E et ∅ sont ouverts et fermés
4. Toute intersection de fermés est un fermé
5. Toute réunion nie de fermés est un fermé

Preuve :
1. Soit (Oi ) une famille d'ouverts de E :
[ [
x∈ Oi , ∃i0 ∈ I/x ∈ Oi0 et ∃r > 0/B(x, r) ⊂ Oi0 ⊂ Oi
i∈I i∈I
[
Oi est ouverte
i∈I
Tn
2. Soit (O1 ; ...; On ) n ouverts de E, soit x ∈ k=1 Ok . ∀k ∈ [|1; n|], ∃rk > 0/B(x, rk ) ⊂ Ok .
n
\
r = min1≤k≤n (rk ) > 0, B(x, r) ⊂ Ok est un ouvert
k=1

3. ∀x ∈ E, B(x, 1) ⊂ E donc E est un ouvert donc ∅ est un fermé. ∅ est ouvert donc E est
fermé
4. 5. S'en déduisent par passage au complémentaire

Exemples
1. Toute boule ouverte est ouverte. En eet soit a ∈ E et r > 0 et x ∈ B(a, r), rx = r −||x−a||
y ∈ B(x, rx ), ||a − y|| ≤ ||x − a|| + ||x − y|| < ||x − a|| + rx < r
B(x, rx ) ⊂ B(a, r)
Les ouverts sont exactement les réunions de boules ouvertes
2. Les boules fermées sont fermées, en eet a ∈ E, r ≥ 0. Soit x ∈ E \ B(a, r), ||x − a|| > r.
La boule ouverte de rayon rx = ||x − a|| − r ⊂ E \ F
y ∈ B(x, rx ), ||y − a|| ≥ ||x − a|| − ||x − y|| > ||x − a|| − rx = r

185 MP∗ B.DufourJules

6.2. TOPOLOGIE CHAPITRE 6. ESPACES VECTORIELS NORMÉS

y ∈ E \ B(a, r)
En particulier, les singletons sont fermés
3. Dans (R, |.|), ]0; 1] n'est ni ouvert ni fermé. En eet :
∀r > 0, B(1, r) =]1 − r; 1 + r[*]0; 1]
∀r > 0, B(0, r) =] − r; r[* R\]0; 1[

Remarque
Les parties nies, réunion nies de fermés sont fermées
BUne intersection quelconque d'ouverts n'est pas nécessairement un ouvert
\ 1 1
]− ; [= {0}, non ouvert
n+1 n+1
n∈N

6.2.2 Intérieur, adhérence, frontières

Dénition

1. On dit que x est intérieur a A si et seulement si A ∈ V(x) si et seulement si ∃r >

0/B(x, r) ⊂ A. On note Å appelé intérieur de A, l'ensemble des points intérieurs à A
2. On dit que x ∈ E est adhérent à A si et seulement si :
6 ∅. L'ensemble des points adhérents à A s'appelle l'adhérence de
∀r > 0, B(x, r) ∩ A =
A, notée A
3. On dénit la frontière (ou bord)de A, parfois aussi noté : ∂A
f r(A) = A \ Å

Exemple
1. Q̊ = ∅ car R \ Q est dense dans R, ]a; b[* Q
2. Q = R, car Q est dense dans R : ∀x ∈ R, ∀r > 0, ]x − r; x + r[∩Q 6= ∅
3. ∂Q = R
4. De même : R \ Q = R et R ˚
\Q=∅

Théorème

Soit A ⊂ E :
1. Å est la réunion de tous les ouverts de A (c'est le plus grand ouvert de E dans A)
2. E \ A = E ˚ \A
3. A est l'intersection de tous les fermés de E contenant A (c'est le plus fermé contenant
A)

186 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.2. TOPOLOGIE

Preuve :
1. x ∈ Å, ∃r > 0/B(x, r) ⊂ A et B(x, r) est un ouvert inclus dans A.
[
Å ⊂ O
O ouvert ⊂Å

O un ouvert de A, x ∈ O, ∃r > 0/B(x, r) ⊂ O ⊂ A, donc x ∈ Å. Ainsi

[
O ⊂ Å
O ouvert ⊂Å

2.

x∈E\A ⇔ ∃r > 0/B(x, r) ∩ A = ∅

⇔ ∃r > 0/B(x, r) ⊂ E \ A
⇔ x ∈ E˚\A

3. s'en déduit

Remarque
A est ouvert ⇔ A = Å
A est fermé ⇔ A = A

Exemples
Soit F un sev de E. Supposons F̊ 6= ∅
∃x0 ∈ F, ∃r0 > 0/B(x0 , r0 ) ⊂ F
∀y ∈ E, ||x0 − y|| < r0 ⇒ y ∈ F
Soit x ∈ E \ {0}, posons y = x0 + r20 ||x||
x

Il vient, ||y − x0 || = r20 < r0 , y ∈ F

Par suite : x = 2||x||
r0 (x0 − y) ∈ F ⇒ F = E absurde
Par contraposée si F est un sev strict de E, F̊ = ∅

6.2.3 Inuence de la norme

Théorème

Deux normes équivalentes dénissent les mêmes ouverts, fermés, voisinages, intérieur et
adhérences

Preuve : Si ||.|| et ||.||0 sont équivalentes et O ouvert pour ||.||, soit x ∈ O :

∃r > 0/B||.|| (x, r) ⊂ O ⇔ ∃r0 > 0, B||.||0 (x, r0 ) ⊂ B||.|| (x, r) ⊂ O

donc O est ouvert pour ||.||0

187 MP∗ B.DufourJules

6.2. TOPOLOGIE CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Remarque
En dimension nie, on n'a pas besoin de préciser lorsqu'on parle des ouverts, fermés etc... de
préciser avec quelle norme on travaille

Exemple
ϕ : E → R
Donc E = C 0 ([0; 1], R) soit H = {f ∈ E/f (0) = 0} = Ker(ϕ) avec ,
f 7→ f (0)
forme linéaire non nulle. H est un hyperplan de E. Munissons E de ||.||∞ : soit g ∈ H, ∀ε >
0, ∃fε ∈ H/||g − fε ||∞ < ε (id est : fε ∈ B(g, ε) ∩ H )
En particulier, ∀ε > 0, |g(0)| = |g(0) − fε (0)| ≤ ||g − fε ||∞ , donc g(0) = 0. Ainsi H = H , qui est
fermé pour ||.||∞
Munissons E de ||.||1 , g ∈ C 0 ([0; 1], R)
fε : [0; 1] → R
Soit ε > 0, α > 0, dénissons t 7→ t
α g(α) elle est continue et fε ∈ H
t 7→ g(t), t > α
Il vient, Z 1 Z α
t
||fε − g1 ||1 = |fε − g|dt = | g(α) − g(t)|dt
0 0 α

||f − g||1 ≤ α2 |g(α)| + α||g||∞ ≤ 3α 2 ||g||∞

On prend α = 3||g||2ε
∞
ainsi ||f − g||1 ≤ ε. Ainsi g ∈ H et H = E

Points isolés, d'accumulation

Soit A ⊂ E , on dit que a ∈ A est un point isolé de A si et seulement si :

∃r > 0/B(a, r) ∩ A = {a}

On dit que a ∈ E est un point d'accumulation de A si et seulement si :

∀r > 0, B(a, r) \ {0} ∩ A 6= ∅, donc a ∈ A

Exemple
0 est un point isolé de Z et d'accumulation de [0; 1]

6.2.4 Caractérisation séquentielle

Théorème

1. Soit A ⊂ E et a ∈ E , on a :

a ∈ A ⇔ ∃(an ) ∈ AN / lim an = a
n→+∞

2. A est fermé ⇔ ∀(an ) ∈ AN convergente lim an ∈ A

n→+∞

188 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.2. TOPOLOGIE

Preuve :
1. ii) → i) : soit r > 0, ∃n0 ∈ N/∀n ≥ n0 , ||an − a|| ≤ 2r et an0 ∈ B(a, r) ∩ A, donc a ∈ A
i) → ii) : a ∈ A : ∀n ∈ N, ∃(an ) ∈ A/||an − a|| < n+1
1
alors lim an = a
n→+∞
2. s'en déduit puisque A est fermée ⇔ A ⊂ A

Exemple
Les sphères sont fermées. En eet soit a ∈ E et r ≥ 0, soit (an ) ∈ S(a, r)N / lim an = l ∈ E .
n→+∞
On a ∀n ∈ N, ||an − a|| = r
| ||a − l|| − ||an − a|| | ≤ ||an − l|| −→ 0
n→+∞

Donc lim ||an − a|| = ||a − l|| = r, l ∈ S(a, r)

n→+∞

Remarques
1. a est un point d'accumulation de A si et seulement si ∃(an ) ∈ (A \ {a})N / lim an = a
n→+∞
ce qui équivaut à l'existence d'une suite injective de points de A qui converge vers a
2. On dit qu'une partie A de E est discrète si et seulement si tous ses points isolés : par
exemple, α > 0, αZ est une partie discrète de R

6.2.5 Topologie induite

Dénitions

1. Soit (E, ||.||) un K-evn, A une partie non vide de E. On dit que O ∈ A est un ouvert
relatif de A si et seulement si :
O = ∅ ou ∀x ∈ O, ∃r > 0, B(x, r) ∩ A ⊂ O
Notons que les ouverts de A sont exactement les intersections de A avec les ouverts de
E
2. On dit que F ⊂ A est un fermé (relatif) de A si et seulement si A \ F est un ouvert
3. Pour x ∈ A et V ⊂ A, on dit que V est un voisinage (relatif) de x dans A et note
V ∈ VA (x) si et seulement si ∃r > 0/B(x, r) ∩ A ⊂ V

Remarque
Les ouverts,fermés et voisinages relatifs vérient les même propriétés ensemblistes que ceux
de E

Exemple
||.||F
: F → R
Soit F un sev de E, on peut dénir norme dur F. On vérie que les
x 7→ ||x||
ouverts, fermés relatifs de F sont les ouverts, fermés de (F, ||.||F ) car
B||.|| (x, r) ∩ F = B||.||F (x, r) = {y ∈ F/||x − y|| < r}
] 21 ; 1] est un ouvert relatif de ]0; 1]

189 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Densité

Soit B ⊂ A deux parties de E. Les propositions suivantes sont équivalentes :

1. B est dense dans A
2. A ⊂ B
3. ∀a ∈ A, ∀r > 0, B(a, r) ∩ B 6= 0
4. ∀O ouvert de A, O ∩ B 6= ∅
5. ∀a ∈ A, ∃(bn ) ∈ B N / lim bn = a
n→+∞

Preuve : Si B est dense dans A, soit O un ouvert de A non vide, soit x0 ∈ O : ∃r0 >
0/B(x0 , r0 ) ∩ A ⊂ O
Or x0 ∈ A ⊂ B , donc B(x0 , r0 ) ∩ B 6= ∅. Si b ∈ B(x0 , r0 ) ∩ B, b ∈ O ∩ B 6= ∅
Réciproquement : si tout ouvert non vide de A reste dans B :
∀a ∈ A, ∀r > 0, (B(a, r) ∩ A) ∩ B 6= ∅

Exemple
E = C([0; 1], R) muni de ||.||1 , soit H = {f ∈ E/f (0) = 0}. On a vu que H = E , donc H est
dense dans E

Théorème

1. Soit F un sous-espace vectoriel de E, alors F aussi un sous-espace vectoriel de E

2. Soit H un hyperplan de E : ou bien H = H et H est fermé, ou bien H = E et H est
dense dans E

Preuve :
2
1. O ∈ F ⊂ F et soit (λ, x, y) ∈ K × F , ∃(xn ), (yn ) ∈ F N , lim xn = x et lim yn = y alors
n→+∞ n→+∞
lim λxn + yn ) = λx + y ∈ F
n→+∞
2. H est un sev de E contenant H qui est un hyperplan, donc si H 6= H, ∃x0 ∈ H \ H et
H ⊕ Kx0 = E ⊂ H → H = E

6.3 Limite et continuité

6.3.1 Dénition de limite
Dénition

Soit (E, ||.||E ) et (F, ||.||F ) deux K-evn. Soit A ⊂ E et f : A → F , a ∈ A, l ∈ F . On dit

que :
lim f (x) = l ⇔ ∀ε > 0, ∃α > 0/∀x ∈ A, ||x − a||E ≤ α ⇒ ||f (x) − l|| ≤ ε
x→a

190 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

Voisinage de +∞

Soit V ⊂ R, on dit que V est un voisinage de +∞ si et seulement si ∃A ∈ R/[A; +∞[⊂

V . On note V ∈ V(+∞)
Soit A ⊂ R, V ⊂ A, on dit que V est un voisinage de +∞ dans A si et seulement si
∃A ∈ R, [A; +∞[∩A ⊂ V et on note V ∈ VA (+∞)
Soit A ⊂ R, on dit que +∞ est adhérent à A si et seulement si ∀A ∈ R, [A; +∞[∩A =
6 ∅
si et seulement si ∃(an ) ∈ AN / lim an = +∞
n→+∞
De même pour −∞

Dénition avec les voisinages

lim f (x) = l ⇔ ∀W ∈ VF (l), ∃V ∈ VE (a)/f (V ∩ A) ⊂ W

x→a

Exemples
1. lim un = l ⇔ ∀ε > 0, ∃A ∈ R/∀x ∈ A, x ≥ A ⇒ ||f (x) − l||F ≤ ε
n→+∞
f → E
: N
On retrouve bien la dénition de limite de suite, lorsque
7 →
n un
(
f : R2 \ {(0; 0)} → R x = r cos(θ)
2. Soit x2 y 2 On réalise le changement polaire :
(x; y) 7→ x2 +y 2 y = r sin(θ)

r4 cos(θ)2 sin(θ)2
f (x, y) = f (r cos(θ), r sin(θ)) =
r2 (cos(θ)2 + sin(θ)2
= r2 cos(θ)2 sin(θ)2
≤ r2 = ||(x, y)||2
√
Soit ε > 0, ||(x, y)||2 ≤ ε → |f (x, y)| ≤ ε. La limite existe et vaut :
lim f (x, y) = 0
(x,y)→(0,0)

g : R2 \ {(0; 0)} → R
3. xy
(x; y) 7→ x2 +y 2
r 2 cos(θ) sin(θ)
g(r cos(θ), r sin(θ)) = = cos(θ) sin(θ)
r 2 (cos(θ)2 +sin(θ)2
(
θ = 0 → g(x, 0) = 0
⇒ pas de limite
θ = π4 → g(x, x) = 12
BDans l'exemple 3, on a lim ( lim g(x, y)) = 0, mais g n'admet pas de limite en (0, 0).
x→0 y→0
Lorsque lim f (x, y) = l alors :
(x,y)→(0,0)

lim ( lim f (x, y)) = l

x→0 y→0
lim ( lim f (x, y)) = l
y→0 x→0
Généralement, on n'a pas le droit d'intervertir deux limites sans précautions

191 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

h : R2 \ {(0; 0)} → R
4. x2
(x; y) 7→ x2 +y 2
lim ( lim h(x, y)) = 1
x→0 y→0
lim ( lim h(x, y)) = 0
y→0 x→0

6.3.2 Propriétés des limites

Composition des limites

Soient (E, ||.||E ), (F, ||.||F ) et (G, ||.||G ) trois K-evn : f : A ⊂ E → B ⊂ F et g : B → G.

Soient
 a ∈ A (éventuellement ±∞), b ∈ B (idem) et l ∈ G ∪ {±∞}. On suppose que :
 lim f (x) = b
x→a
⇒ lim g(f (x)) = l
 lim g(y) = l x→a
y→b

Preuve : se ramener à la dénition avec les voisinages

Caractérisation séquentielle de la limite

Soit f : A ⊂ E → F, a ∈ A, l ∈ F ∪ {±∞}

lim f (x) = l ⇔ ∀(an ) ∈ AN / lim an = a, lim f (an ) = l

x→a n→+∞ n→+∞

Preuve : cf cas de CR

Corollaire

S'il existe (xn , yn ) ∈ (A2 )N / lim xn = a = lim yn et lim f (xn ) = l1 6= l2 =

n→+∞ n→+∞ n→+∞
lim f (yn ). Alors f n'a pas de limite en a.
n→+∞

Exemples
g : R2 \ {(0; 0)} → R
1. xy
(x; y) 7→ x2 +y 2
(
1
g( n+1 , 0) = 0
1 1 1
⇒ g n'a pas de limite en (0, 0)
g( n+1 , n+1 )= 2

f : R∗+ → R
2.
t 7→ sin( 1t )
(
1
f ( kπ )=0
∗
∀k ∈ N , 1 ⇒ f n'a pas de limite en 0
f ( (4k+1) π ) = 1
2
En revanche t sin( 1t ) −→ 0
t→0

192 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

χQ : R → R
3. t 7 → 0 si t ∈
/Q
1 si t ∈ Q
Cette fonction n'admet de limite en aucun point, se qui se démontre en utilisant la carac-
térisation séquentielle de la limite et la densité de Q et R

Propriétés générales

1. Unicité de la limite : si f a pour limite l et l' en a alors l = l'

2. Si f a une limite nie en a, ∃V0 ∈ V(a), ∃M ≥ 0/∀x ∈ V0 ∩ A, ||f (x)|| ≤ M (f est bornée
au voisinage de a)
||l||
3. Si de plus lim f (x) = l 6= 0 : ∃V0 ∈ V(a)/∀x ∈ V0 ∩ A, ||f (x)|| ≥ 2
x→+a

4. Si F = R ou C : f (x)
1
−→ 1
x→a l

 lim f (x) = l1
x→+a

5. Linéarité : lim g(x) = l2 ⇒ λf (x) + g(x) −→ λl1 + l2
 x→+a x→+a

λ∈K

Si F est une algèbre normée :
f (x) × g(x) lim l1 × l2
x→+a

6. Soit (F1 , ||.||1 ), ..., (Fp , ||.||p ) pK-evn

: A →
f F1 × ... × Fp
∀i ∈ [|1; p|], fi : A ⊂ E → Fi . Formons :
x 7→ (f1 (x); ...; fp (x))
On a lim f (x) = l = (l1 , ..., lp ) ⇔ ∀i ∈ [|1; p|], lim fi (x) = li
x→+a x→a

6.3.3 Continuité
Dénition

Soit f : A ⊂ E → F
1. Soit x0 ∈ A, on dit que f est continue en x0 si et seulement si lim f (x) = f (x0 ), ce
x→x0
qui se traduit :
∀ε > 0, ∃α > 0, ||x − x0 ||E ≤ α ⇒ ||f (x) − f (x0 )||F ≤ ε
2. On dit que f est continue sur A0 ⊂ A si et seulement si elle est continue pour tout
point deA0
3. On dit que f est continue si et seulement si elle est continue en tout point de son
ensemble de dénition

Exemples
1. χQ n'a de limite en aucun point, donc est discontinue partout

193 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

f : R → R
2. t 7 → t si t ∈ Q
−t si t ∈ R \ Q
Comme |f (t)| = |t| : lim f (t) = 0 = f (0), f est continue en 0
t→0
Soit t0 6= 0, ∃(rn ) ∈ QN /rn −→ t0 et ∃(in ) ∈ (R \ Q)N /in −→ t0
n→+∞ n→+∞
lim f (rn ) = t0 6= −t0 = lim f (yn )
n→+∞ n→+∞
f : R → R
3. t 7→ 0 si t ∈
/Q
p
q →
7 1
q si t ∈ Q et p∧q =1
t1 ∈ R \ Q, ε > 0, {q ∈ N∗ / 1q ≥ ε} est ni et { pq ∈ Q ∩ [t1 − 1; t1 + 1]/ 1q ≥ ε} aussi. Ainsi
{t ∈ [t1 − 1; t1 + 1]/f (t) ≥ ε} est ni :
∃α0 > 0/∀t ∈ [t1 − 1; t1 + 1]0 ≤ f (t) ≤ ε

Propriétés

∀(an ) ∈ AN , an −→ x0
1. f est continue en x0 si et seulement si n→+∞
 lim f (an ) = f (x0 )
n→+∞
2. Si f est continue en x0 , elle est bornée au voisinage de x0 . Si de plus f (x0 ) 6= 0, f ne
s'annule pas au voisinage de x0 . Plus généralement : si F = R et si λ < f (x0 ) < µ :
∃V ∈ V(x0 )/∀x ∈ V ∩ A, λ ≤ f (x) ≤ µ
prendre ε = min(µ − f (x), f (x0 ) − λ) > 0

Remarque
Comme deux normes équivalentes dénissent les même ouverts, fermés et voisinages, elles
dénissant les mêmes limites et fonctions continues

Théorème

e∗i : Rn → R
Soit n ∈ N∗ , i ∈ [|1; n|], , e∗i est continue
(x1 ; ...; xn ) 7→ xi

Théorèmes généraux de la continuité

Toute somme, produit, composée de fonctions continues est continue

Exemples
f : R3 → R
1. p √
2
(x; y; z) 7→ sin(x y + 1 − e ) ln(1 + 3 z 4 + exy ) − z 5
4 z

f : R2 \ {(0; 0)} → R
2.
(x; y) 7→ x2xy
+y 2
sont continues d'après les théorèmes généraux de la continuité (TGC)

194 MP∗ B.DufourJules

 CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

Continuité globale

Soit f : A ⊂ E → F . Les propositions suivantes sont équivalentes :

1. f est continue sur A
2. ∀O ouvert de F, f −1 (O) est un ouvert relatif de A
3. ∀F fermé de F, f −1 (F) est un fermé de A

Preuve :
(1) ⇒ (2) Si f est continue, soit O un ouvert de F,
si f −1 (O) = ∅, c'est un ouvert de A
si f −1 (O) 6= ∅, soit x0 ∈ f −1 (O) : f (x0 ) ∈ O ouvert, donc ∃ε > 0/B(f (x0 ), ε) ⊂ O. f étant
continue en x0 ,
ε
∃α > 0/∀x ∈ A, ||x − x0 || < α ⇒ ||f (x) − f (x0 )|| ≤ 2
Ainsi ∀x ∈ B(x0 , x) ∩ A, ||x − x0 || ≤ α, donc f (x) ∈ B(x0 , ε) ⊂ O, x ∈ f −1 (O)
B(x0 , α) ∩ A ⊂ f −1 (O), qui est bien un ouvert de A
(2) ⇔ (3) ∀X ⊂ F, f −1 (F \ X) = {x ∈ A/f (x) ∈ / X} = A \ f −1 (X)
(2) ⇒ (1) Supposons (2) et soit x0 ∈ A et ε > 0. Soit O = B(f (x0 ), ε) un ouvert de F
f −1 (O) est un ouvert de A, x0 ∈ f −1 (O)
ouvert de A, ∃α > 0/B(x, α) ∩ A ⊂ f −1 (O), d'où ∀x ∈ A, ||x − x0 || ≤ α
2 < α et x ∈
f −1 (O), f (x) ∈ B(f (x), ε) ⇒ ||f (x) − f (x0 )|| ≤ ε

Remarque
On utilise fréquemment ce théorème en invoquant le continuité de f pour montrer que f −1 (O)
est un ouvert de A

Exemples
: Mn (K) →
det K
1. est continue d'après les TGC
M 7→ det(M )
−1
GLn (K) = det (K \ {0}) est donc ouvert dans Mn (K)
M0 ∈ GLn (K), ∃α0 > 0/||M − M0 || ≤ α0 ⇒ M ∈ GLn (K)
SLn (K) = det−1 ({1}), est un fermé
f : Mn (R) → Mn (R)
2. est continue d'après les TGC
M 7→ tM M
On (R) = f ({In }) est fermé
−1

Homéomorphisme

On dit que f : A ⊂ E → B ⊂ F est un homéomorphisme de A → B si et seulement si :

1. f est continue
2. f est bijective
3. f −1 est continue

195 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Exemple
Si f est une isométrie surjective :

∀(x, y) ∈ E 2 : ||f (x) − f (y)||F = ||x − y||E

C'est un homéomorphisme. En eet f est bijective et f −1 est une isométrie

f : [0; 1[∪[2; 3[ → [0; 2]
BOn peut avoir f bijective et continue sans que f −1 soit continue : t 7→ t si t ∈ [0; 1]
t 7→ 4 − t si t ∈ [2; 3]

Théorème

Soit I un intervalle de R et f : I → R continue strictement monotone. Alors J = f (I) est

un intervalle, f induit un homéomorphisme de I → J
Preuve : f est injective car strictement monotone donc induit une bijection I → J . f −1 est
strictement monotone et f −1 (J) = I est un intervalle, donc f −1 est continue

Exemples
π π
1. sin : [− ; ] → [−1; 1]
2 2
π π
2. tan :] − ; [→ R
2 2
π π
3. arccos : [−1; 1] → [− ; ]
2 2

Projection stéréographique
n+1
X
n ∈ N, Sn = {(x1 ; ...; xn+1 ) ∈ Rn+1 / x2i = 1}, Π = {(x1 ; ...; xn+1 ) ∈ Rn+1 }
i=1

f : Sn \ {P = (0; ...; 0; 1)} → Π

intersection de P(M) avec M
M 7→ f (M )
Soit M = (x1 ; ...; xn+1 ) ∈ Sn {P }, xn+1 6= 1

196 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

f (M ) = (x01 ; ...; x0n+1 ), x0n+1 = 0

−−−−−→ −−→
∃λ ∈ R/P f (M ) = λP M
Il vient : λ = 1−x1n+1
(
x0i = 1−xxn+1 , ∀i ∈ [|1; n|]
f est continue
x0n+1 = 0
Réciproquement : soit (x01 ; ...; x0n ) ∈ Rn et (x1 ; ...; xn+1 ) ∈ Sn \ {P }, on a : f (x1 ; ...; xn+1 ) =
(x01 ; ...; x0n ; 0)
n+1
X n
X
x2i = 1 ⇒ x2n+1 = 1 − x2i
i=1 i=1

n
X 0 1 − x2n+1 1 + xn+1
xi2 = =
i=1
(1 − xn+1 )2 1 − xn+1
n 0
xi2 − 1
P

xn+1 = i=1
n
0
xi2 + 1
P
i=1

2x0i
Ainsi : ∀i ∈ [|1; n|], xi = x0i (1 − xn+1 ) = Pn
1+
i=1

Et réciproquement en remontant les calculs : f est bijective : Sn \ {P } → Π, f −1 est continue

Figure 6.2  Projection stéréographique

Application
Les points à coordonnées rationnelles sont denses dans la sphère :

Sn ∩ Qn+1 est dense dans Sn

Remarque
f : Π = {(t, 0)/t ∈ R} → S1 \ {(0; 1)} θ
2t t2 −1 , t = tan( ), θ ∈] − π; π[
t 7→ ( 1+t2 = sin(θ), t2 +1 = − cos(θ)) 2
Notons : t ∈ Q ⇔ f −1 (t) ∈ Q2 ∩ S1 (
a 2t
a b 2 2 2 2 = 1+t 2
( b ; c ) ∈ Q ∩ S1 ⇔ a + b = c ⇔ ∃t ∈ Q/ bb t2 −1
c = t2 +1

197 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.3.4 Continuité uniforme

Dénition

Soit f : A ⊂ E → F
1. On dit que f est uniformément continue sur A si et seulement si :

∀ε > 0, ∃α > 0/∀(x, y) ∈ A2 , ||x − y||E ≤ α ⇒ ||f (x) − f (y)||F ≤ ε

2. On dit que f est k-lipschitzienne sur A si et seulement si :

∀(x, y) ∈ A2 , ||f (x) − f (y)||F ≤ k||x − y||E

On dit que f est lipschitzienne si et seulement si ∃k ≥ 0/f soit k-lipschitzienne (f est

dite contractante si k ∈ [0; 1[)

Théorème

1. Si f est lipschitzienne alors f est uniformément continue

2. Si f est uniformément continue alors elle est continue

Preuve :
1. Si f est k-lipschitzienne, ε > 0, α = ε
k+1 , ||x − y|| ≤ α alors
||f (x) − f (y)|| ≤ kα ≤ ε
2. Si f est uniformément continue, x0 ∈ A et ε > 0
∀y ∈ A, ||x0 − y||E ≤ α ⇒ ||f (x0 ) − f (x)||F ≤ ε
BDans la dénition de la continuité sur A, α dépend de ε et x0 , dans la continuité uniforme,
α ne dépend que de ε
La réciproque de ce théorème est fausse :
f : [0; 1] → √ R
est uniformément continue
t 7→ t
t 6= 0, | f (t)−f
t−0
(0)
| = √1t −→ +∞
t→+∞

f n'est pas lipschitzienne

f : R → R+ α+ 2
2 est continue, pour ε = 1, x−y = α et x+y = α2 , x = 2 α , y = 12 ( α2 −α)
t 7→ t
∀α > 0, |x − y| ≤ α et |x2 − y 2 | = |x − y| × |x + y| ≥ 2 : f n'est pas uniformément continue

Théorème

1. Toute somme et composée d'applications lipschitzienne est lipschitzienne

2. Soit f : I ⊂ R → R, C 1 , f est lipschitzienne si et seulement si ∀t ∈ I, |f (t)| ≤ k

198 MP∗ B.DufourJules

 CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

Preuve :
1. Revenir aux dénitions
2. Inégalité des accroissements nis

Application
dA : E → R
Soit A une partie d'un K-evn :
x 7→ d(x, A)
Soit (x, y, a) ∈ E 2 × A, d(x, A) ≤ ||x − a|| ≤ ||y − a|| + ||x − y||
Il vient ∀a ∈ A, d(x, A) ≤ d(y, A) + ||x − y|| et réciproquement ,

|d(x, A) − d(y, A)| ≤ |x − y|

dA est 1-lipschitzienne donc continue, idem pour la norme

6.3.5 Applications linéaires continues

Théorème

Soient (E, ||.||E ) et (F, ||.||F ) deux K-evn et u ∈ L(E, F ). Les propositions suivantes sont
équivalentes :
1. u est continue
2. u est continue en 0
3. u est bornée sur BE (0; 1)
4. u est bornée sur SE (0; 1)
5. u est lipschitzienne
6. u est uniformément continue
Dans ce cas on note :
||u(x)||F
|||u||| = sup
x∈E\{(0;0)} ||x||

Preuve :
(1) ⇒ (2) oui
(2) ⇒ (3) si u est continue en 0, on a u(0) = 0 et pour ε = 1 :
∃α1 > 0/∀x ∈ E, ||x|| ≤ α1 ⇒ ||u(x)|| ≤ 1
Soit x ∈ BE (0; 1), ||α1 x||E α1 ⇒ α1 ||x||E ≤ 1, ||u(x)||F ≤ 1
α1
(3) ⇒ (4) oui
(4) ⇒ (5) soit M = sup||x||=1 ||u(x)||, soit x 6= y ∈ E 2 , | ||x−y||
x−y
| = 1, donc ||u(x) − u(y)|| ≤ M ||x − y||
(5) ⇒ (1) oui
BEn dimension innie, la continuité d'une application linéaire et la valeur de |||u||| dépendent
des normes choisies sur E et F !

199 MP∗ B.DufourJules

6.3. LIMITE ET CONTINUITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Exemples
ϕ : PE k → PC
1. E = C[X], soit ak X 7→ ak , ϕ ∈ L(E, C)
k∈N k∈N
On munit E de le norme innie. Soit pour n ∈ N,
n
X
Pn = Xk
k=0

||Pn ||∞ = 1 et ϕ(Pn ) = n+1 donc ϕ n'est pas continue de (E, ||.||∞ ) → (C, |.|). En revanche
si on munit E de ||.||1 :
X X
|| ak X k ||1 = |ak |
k∈N k∈N

, on a ∀P ∈ E, |ϕ(P )| ≤ ||P ||1 , donc ϕ est continue de (E, ||.||∞ ) → (C, |.|)
De plus |||ϕ||| ≤ 1, d'après ce qui précède. Pour P = 1, ||P ||1 = 1 et |ϕ(P )| = 1, donc
|||ϕ||| = 1
BPour montrer que u ∈ L(E, F ) est continue, on prouve l'existence de M ≥ 0/∀x ∈
E, ||u(x)||F ≤ M ||x||. On a alors |||u||| ≤ M
ϕ : PE k → PC ak
2. Avec E = C[X] muni de la norme inni ak X 7→ 2k
k∈N k∈N

X X ak X |ak | X 1
∀P = ak X k , |ϕ(P )| = | | ≤ ≤ ||P ||∞ ×
2k 2k 2k
k∈N k∈N k∈N k∈N

Ainsi ϕ est continue de (E, ||.||∞ ) → (C, |.|) et |||ϕ||| ≤ 2

n n
De plus, soit ∀n ∈ N, Pn = X k , ||Pn ||∞ = 1, ϕ(Pn ) = 1
P P
−→
2k n→+∞
2
k=0 k=0
|||ϕ||| = 2, mais pas atteinte

Cas de la dimension nie

Si dim(E) < +∞, toute application linéaire, u ∈ L(E, F ) est continue.

Preuve : Toutes les normes de E sont équivalentes puisque E est de dimension nie. Soit
B = (e1 ; ....; en ) base de E, il vient :
n
X
∀x ∈ E, x = ei xi
i=1

n
X n
X
||u(x)|| ≤ |xi | × ||u(ei )|| ≤ ||x||∞ ||u(ei )|| ≤ M ||x||∞
i=1 i=1

u est continue

200 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.3. LIMITE ET CONTINUITÉ

Cas des formes linéaires (HP)

Soit (E, ||.||E ) un K-evn et ϕ : E → K une forme linéaire. Soit H = Ker(ϕ). On a : ϕ

est continue si et seulement si H = Ker(ϕ) est fermé

Preuve : si ϕ est continue alors : Ker(ϕ) = ϕ−1 ({0}) est fermé

Réciproquement si Ker(ϕ) est fermé : si ϕ = 0 alors ϕ est continue. Supposons dorénavant que
ϕ 6= 0, E\H est ouvert non vide (H est un hyperplan). Soit x0 ∈ E\H, ∃r0 > 0/B(x0 , r0 ) ⊂ E\H .
Ainsi
∀j ∈ E, ||x0 − y|| < r0 ⇒ ϕ(y) 6= 0
Par contraposée :ϕ(y) = 0 ⇒ ||x0 − y|| ≥ r0
Comme x0 ∈ Ker(ϕ), E = Ker(ϕ) ⊕ Kx0 . Soit x ∈ E, x = z + λx x0 , |ϕ(x)| = |λx | · |ϕ(x0 )|
Si λx = 0 alors |ϕ(x)| = 0
Si λx 6= 0, (x ∈ λx ∈ Ker(ϕ), donc
/ Ker(ϕ), −z
(
z || λxx || ≥ r0
||x0 + || ≥ r0 ⇒
λx |λx | ≤ ||x||
r0

|ϕ(x0 )|
Finalement : ϕ(x) ≤ r0 ||x||, vrai aussi si λx = 0
ϕ est bien continue

6.3.6 Lc (E, F ) et Lc (E)

Théorème-Dénition

Soient (E, ||.||E ) et (F, ||.||F ) deux K-evn. On note Lc (E, F ) (resp. Lc (E)), l'ensemble
des applications linéaires continues de E dans F (resp. dans E), on a :
1. (Lc (E, F ), ||.||) est un K − evn
2. Si (G, ||.||G ) est un K-evn, ∀(u, v) ∈ Lc (E, F ) × Lc (F, G)
v ◦ u ∈ Lc (E, G), |||v ◦ u||| ≤ |||v||| · |||u|||
3. (Lc (E), |||.|||) est une algèbre normée

Preuve :
1. O ∈ Lc (E, F ), ∀(λ, u, v) ∈ K × Lc (E, F )2 , λu + v ∈ Lc (E, F )
De plus , ∀u ∈ Lc (E, F ), |||u||| = 0 ⇒ ∀x ∈ E||u(x)|| ≤ |||u||| · ||x|| = 0 donc u(x) = 0 et
u=0
Comme de plus , |||u||| = supx∈S(0,1) ||u(x)||. On a : ∀(λ, u, v) ∈ K × Lc (E, F )2
|||λu||| = |λ| · |||u||| et |||u + v||| ≤ |||u||| + |||v|||
2. v ◦ u ∈ Lc (E, F ) et ∀x ∈ E :
||v(u(x))|| ≤ |||v||| · ||u(x)|| ≤ |||v||| · |||u||| · ||x||
donc v ◦ u est continue et |||v ◦ u||| ≤ |||v||| · |||u|||
On peut avoir inégalité stricte, u 6= 0 et u2 = 0
3. trivial

201 MP∗ B.DufourJules

6.4. COMPACITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.4 Compacité
6.4.1 Dénition
Dénition de Bolzano-Weierstrass

Soit (E, ||.||) un K-evn, A ⊂ E . On dit que A est un compact de E, si et seulement si

toute suite d'éléments de A admet une valeur d'adhérence dans A

∀(an ) ∈ AN , ∃σ : N → N strictement croissante de ∃λ ∈ A/ lim aσ(n) = λ

n→+∞

C'est la propriété de Bolzano-Weierstrass

Exemples
1. Dans K = R ou C, toute partie fermée bornée est compacte. Soit A telle partie et (an ) ∈
AN , (an ) est bornée car A l'est. D'après le théorème de Bolzano-Weierstrass, elle admet
une valeur d'adhérence. [0; 1] ∪ [2; 3], {3} ∪ [4; 50], les boules fermés, sphères, sont compacts
2. Soit (E, ||.||) un K-evn et (xn ) ∈ E N qui converge vers l ∈ E . Soit A = {xn /n ∈ N} ∪ {l}.
Soit (yn ) ∈ AN , si ∃a ∈ A/{n ∈ N/yn = a} est inni, on peut extraire ∀n ∈ N(yσ(n) ) = a.
Si au contraire ∀a ∈ A, {n ∈ N/yn = a} = Ia est ni
Soit ε > 0, comme lim xn = l.
n→+∞
/ B(l, ε)} est ni et {n ∈ N/yn ∈/ B(l, ε)} = a∈B Ia est ni
S
{a ∈ A/a ∈
lim yn = l ∈ A
n→+∞

Condition susante de non compacité

Soit X ⊂ E, ∃ε0 > 0, (xn ) ∈ X N /∀n 6= m, ||xn − xm || ≥ ε0 ⇒ X n'est pas compact

Preuve : s'il existait σ : N → N strictement croissante / (xσ(n) ) converge on aurait :

lim xσ(n+1) − xσ(n) = 0, donc ∃n0 ∈ N/∀n ≥ n0 , ||xσ(n+1) − xσ(n) || < ε0 , impossible
n→+∞

Exemple
E = C[X] muni de la norme innie, ∀n 6= m, ||X n − X m ||∞ = 1 = ||X n ||∞ , donc SE (0, 1)
n'est pas compacte

Propriétés

1. Tout compact est fermé borné (la réciproque est fausse en dimension innie)
2. Toute réunion nie de compacte est compacte
3. Toute intersection de compacts est compacte
4. Soit (E1 , ||.||1 ), ..., (Ep , ||.||p )pK-evn E = E1 × ... × Ep muni de la norme innie

202 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.4. COMPACITÉ

Preuve :

1. Soit A un compact, (xn ) ∈ AN qui converge vers l ∈ E . On peut extraire xσ(n) −→ λ ∈ A

n→+∞
alors λ = l ∈ A. A est fermée
Si A n'est pas bornée, ∃(xn ) ∈ AN /∀n ∈ N, ||xn || ≥ n. Soit σ : N → N strictement
croissante, ∀n ∈ N, ||xσ(n) || ≥ σ(n) −→ +∞ avec (xσ(n) ) non bornée n'est pas compact :
n→+∞
nécessairement A est bornée
2. Soit (A1 ; ...; Ap ) p compacts de E, (xn ) ∈ (A1 ∪ ... ∪ Ap )N , ∃i0 ∈ [|1; p|]/{n ∈ N/xn ∈ Ai0 }
u : N → E
est inni. On extrait (xσ(n) ) ∈ AN i0 puis (x(σ◦ϕ)(n) ), qui converge vers
n 7→ un
l ∈ Ai0 , compact
BC'est faux pour une réunion innie ,

[
Z= {n}
n∈Z

mais Z n'est pas borné, donc non compact

3. Soit (Ai ) une famille de compacts de E si Ai = ∅, compact
T
i∈I
Sinon, soit (xn ) ∈ ( Ai )N , soit i0 ∈ I , on peut extraire xσ(n) −→ λ ∈ Ai0 et ∀i ∈
T
i∈I n→+∞
I, (xσ(n) ) ∈ (Ai )N et A, fermé (car compact), donc λ ∈ Ai . Ainsi λ ∈
T
Ai
i∈I

4. Soit (xn ) = (xn,1 ; ...; xn,p ) ∈ (A1 × ... × Ap ) . On extrait d'abord une suite sous-suite
N

convergente de la première : en composant et répétant l'opération sur chaque composante,

on obtient une sous-suite convergente de (xn )

Remarque
Si A est compacte, soit B ⊂ A, B est compacte si et seulement si B est fermée. En eet, si B
est compacte elle est fermée. Si B est fermée, soit (xn ) ∈ B N ⊂ AN , ∃xσ(n) −→ λ ∈ A, λ ∈ B ,
n→+∞
par fermeture

6.4.2 Compacité et continuité

Théorème

Soient (E, ||.||E ) et (F, ||.||F ) deux K-evn, A un compact de E et f : A → F , continue

alors f (A) est un compact de F. L'image d'un compact est compacte

Preuve : Soit (yn ) ∈ f (A)N , ∀n ∈ N, ∃(xn ) ∈ AN , yn = f (xn ). On extrait xσ(n) −→ x ∈ A,

n→+∞
par continuité de f, lim yσ(n) = f (x) ∈ f (A)
n→+∞

203 MP∗ B.DufourJules

6.4. COMPACITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Corollaire

Si A est compact et f : A → R continue alors :

∃(a1 , a2 ) ∈ A2 /f (a1 ) = min(f (x)), f (a2 ) = max(f (x))

x∈A x∈A

Une application réelle continue sur un compact y est bornée et atteint ses bornes

Preuve : f (A) est compacte, donc fermée bornée. On peut dénir M = sup (f (x)) ∈ f (A) =
x∈A
f (A). En eet ∀ε > 0, ∃x ∈ A/M − ε < f (x) ≤ M , donc ∃a2 ∈ A/f (a2 ) = max(f (x)). De même
x∈A
pour le minimum, en appliquant ce résultat à −f

Théorème de Heine

Toute application continue sur un compact y est uniformément continue

Preuve : Soit A compact de E et f : A → F continue. Si f n'était pas uniformément continue :

∃ε0 > 0, ∀α > 0, ∃(x; y) ∈ A2 /||x − y||E ≤ α et ||f (x) − f (y)||F > ε0
Alors ∀n ∈ N, ∃(xn , yn ) ∈ A2 /||xn − yn || ≤ n+1
1
et ||f (xn ) − f (yn )||F > ε0 . On peut extraire
xσ(n) −→ x ∈ A, comme lim (xσ(n) − yσ(n) ) = 0, lim yn = x, d'où par continuité de f,
n→+∞ n→+∞ n→+∞
lim f (xσ(n) ) = lim f (yσ(n) ) = f (x)
n→+∞ n→+∞
ce qui est contredit par ∀n ∈ N, ||f (xσ(n) ) − f (yσ(n) )|| > ε0

Remarque
En particulier, toute application continue d'un segment de R → F est uniformément continue
sur ce segment

6.4.3 Compacité en dimension nie

Théorème de Bolzano-Weierstrass

Soit p ∈ N et E = Kp muni de la norme innie

1. Les compacts de (Kp , ||.||∞ ) sont exactement les fermés bornés
2. De toute suite bornée sur un compact, on peut extraire une sous-suite convergente

Preuve :
1. Les compacts sont fermés, bornés. Soit alors A ⊂ E fermée et bornée dans (E, ||.||∞ ) :
∃M ≥ 0/∀x = (x1 ; ...; xp ) ∈ A, ||x||∞ ≤ M , donc A ⊂ [−M ; M ]2 . Or [−M ; M ] est compact
dans R (pour C se ramener à R2 ) donc [−M ; M ]p est compact dans Rp . A fermée dans un
compact, alors A est un compact
2. s'en déduit

204 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.4. COMPACITÉ

Équivalence des normes en dimension nie

Soit E un K-ev de dimension p, xons une base B = (e1 ; ...; ep ) de E. Soit
p
X
∀x ∈ E, x = xi ei ∈ E, ||x||∞ = max |xi |
1≤i≤p
i=1

ϕ : (SE,||.|| (0, 1), ||.||∞ ) → (SKp ,||.||∞ (0, 1), ||.||∞ )

Soit ||.|| une autre norme sur E. L'application Pp
x= xi ep 7→ (x1 ; ...; xp )
i=1
est un homéomorphisme, car c'est une isométrie bijective. Donc SE,||.|| (0, 1) est compacte dans
(E, ||.||∞ ).
On a
p
X p
X Xp
∀x ∈ E, x = xi ei ∈ E, ||x|| ≤ |xi | · ||ei || ≤ ( ||ei ||)||x||∞ = β||x||∞
i=1 i=1 i=1
On cherche à présent
||x|| x
α > 0/∀x ∈ E, α||x||∞ ≤ ||x|| ⇔ ∀x ∈ E \ {0}, α ≤ ||x|| ∞
= || ||x||∞
|| ⇔ ∀x ∈ SE,||.|| (0, 1)||x|| ≥ α
Or ∀(x, y) ∈ E 2 , | ||x|| − ||y|| | ≤ ||x − y|| ≤ β||x − y||∞ donc β -lipschitzienne de (E, ||.||∞ ) →
(R, |.|), donc elle est continue. Or SE,||.|| (0, 1) est compacte dans (E, ||.||∞ ), donc :
∃x0 ∈ SE,||.|| (0, 1)/||x0 || = min ||x|| > 0
x∈SE,||.|| (0,1)

car x0 . Il sut de poser α = ||x||

Corollaire

Les compacts en dimension nie sont exactement les fermés bornés

Remarque
Généralement, soit (un ) ∈ E N
λ est valeur d'adhérence de (un ) ⇔ ∀ε > 0, ∀n ∈ N, ∃k ≥ n/||un − λ|| ≤ ε
⇔ ∀n ∈ N, ∀ε > 0, ∃k ≥ n/uk ∈ B(λ, ε)
⇔
∀n ∈ N, λ ∈ {uk /k ≥ n}
Ainsi l'ensemble des valeurs d'adhérences de (un ) est donc {uk /k ≥ n} fermé
T
n∈N

Caractérisation des suites convergentes en dimension nie

En dimension nie une suite bornée converge si et seulement si elle admet une unique
valeur d'adhérence

Preuve : Si λ est l'unique valeur d'adhérence de (un ) bornée. Si (un ) ne converge pas vers λ :
∃ε > 0/{n ∈ N/||un − λ|| > ε} est inni
On peut extraire (uσ(n) )/∀n ∈ N, ||uσ(n) − l|| > ε. On peut ré-extraire (u(σ◦ϕ)(n) ) −→ λ0 et
n→+∞
||λ − λ0 || ≥ ε > 0, impossible

205 MP∗ B.DufourJules

6.4. COMPACITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Théorème d'Alembert-Gauss

Tout polynôme de C[X] est scindé sur C

Lemme très utile (HP) Soit (E, ||.||) un K-evn de dimension nie
f : E → R/ lim f (x) = +∞ continue
||x||→+∞
∀A ∈ R, ∃B ∈ R/∀x ∈ E, ||x|| ≥ B ⇒ f (x) ≥ A
Alors : ∃x0 ∈ E/f (x0 ) = min f (x)
x∈E
Preuve : ∃B0 ∈ R/∀x ∈ E, ||x|| ≥ B0 ⇒ f (x) ≥ f (0), B(0, B0 ) est compacte car fermée bornée, f
étant continue, ∃x0 ∈ B(0, B0 )/f (x0 ) = min (f (x))
||x||≤B0
Comme 0 ∈ B(0, B0 ), f (x0 ) ≤ f (0). Donc ∀x ∈ E, ||x|| > B0 , f (x) ≥ f (0) ≥ f (x0 ). Ainsi
f (x0 ) = min(f (x))
x∈E

Preuve Soit P ∈ C[X] non constant

n
Si P = ak X k avec n ≥ 1 et an 6= 0
P
k=0

n
∗
X
nak k−n
∀z ∈ C , |P (z)| = |an z || z |
an
k=0

n n n
X ak k−n X ak X ak k−n |an z n |
| z |≤ | | · |z|k−n −→ 0 et |P (z)| ≥ |an z n | · | z − 1| ≥
an an |z|→+∞ an 2
k=0 k=0 k=0

Ainsi lim |P (z)| = +∞

|z|→+∞
|P | étant continue, d'après le lemme : ∃z0 ∈ C/|P (z0 )| = minz∈C |P (z)|
Supposons |P (z0 )| = ρ0 > 0, soit P (z0 ) = ρ0 eiθ0
n
Soit Q(X) = P (X + z0 ) = bk X k , deg(Q) ≥ 1. Soit m = min{k ∈ [|1; n|]/bk 6= 0}
P
k=0
∀h ∈ C, P (z0 + h) = Q(h) = P (z0 ) + bm hm + ... + bn hn = ρ0 eiθ0 + bm hm (1 + ε(h))
Soit t > 0, si bm = ρeiθ , posons h(t) = teiα avec α tel que arg(bm hm ) ≡ θ + mα[2π] ≡ θ0 + π[2π]
h(t) = t exp(i θ0 +π−θ
m ) −→ 0
t→0
Comme lim ε(h(t)) = 0, ∃t0 > 0/|ε(h(t0 ))| ≤ 1
2
t→0
Il vient : |P (z0 + h(t0 ))| ≤ |P (z0 ) + bm hm (t0 )| + 21 |bm hm (t0 )| ≤ ρ0 − 21 ρtm
0 < ρ0 = |P (z0 )|,
contradiction

Sous-espaces de dimension nie

Soit (E, ||.||) un K-evn et F un sev de E de dimension nie. Alors F est fermé dans
(E, ||.||)

Preuve : Soit (xn ) ∈ F N qui converge vers x ∈ E . On dispose sur F de la norme ||.||F qui
coïncide sur F avec ||.||. (xn ) est bornée pour ||.||F . Or d'après le théorème de Bolzano-Weierstrass
dans F : on peut extraire (xσ(n) ), qui converge vers x0 ∈ F , pour ||.||F . Par unicité de la limite
x = x0 ∈ F

206 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.4. COMPACITÉ

Théorème

Soit E un K-evn, F un sev de dimension nie , x0 ∈ E, ∃y ∈ F/||x0 − y|| = d(x, F )

f : F → R
Preuve : continue et vérie :
y 7 → ||x0 − y||

∀y ∈ F, f (y) ≥ ||y|| − ||x0 || −→ +∞

||y||→+∞

Un théorème précédent permet de conclure

BIl n'y a pas nécessairement unicité : (R2 , ||.||∞ ), F = V ect[(0, 1)]
∀y = (0, b) ∈ F, ||x0 − y||∞ = max(1, |b|) ≥ 1, ∀b ∈ [−1; 1], ||x0 − (0, b)|| = 1, donc d(x0 , F ) = 1
est atteinte en tous les (0, b), b ∈ [−1; 1]
BCe résultat est faux en dimension innie, par exemple avec F hyperplan dense et x0 ∈ /
F, d(x0 , F ) = 0. On peut même avoir F fermé et la distance à x0 non atteinte

Remarque
En dimension nie la distance d'un point à un fermé est toujours atteinte. Soit en eet F
fermé 6= ∅, x0 ∈ E (dimension nie). Soit (yn ) ∈ F N / lim ||xn − yn || = d(x, F), (yn ) est bornée,
n→+∞
on peut extraire une sous suite qui converge dans F , de sorte que la distance soit atteinte

6.4.4 Théorème de Riesz (HP)

Énoncé

Soit (E, ||.||) un K-evn de dimension innie. Alors B(0, 1) et S(0, 1) ne sont pas compacte

Lemme
Soir (E, ||.||) un K-evn et F un sev fermé strict de E. Alors ∃x ∈ E/||x|| = 1 et d(x, F ) ≥ 12
Preuve : Soit x1 ∈ E \ F, d(x1 , F ) > 0, car si d(x1 , F ) = 0 on aurait x1 ∈ F = F
∃y1 ∈ F/d(x0 , F ) ≤ ||x1 − y1 || < 2d(x1 , F ). On a d(x1 − y1 , F ) = d(x1 , F ), car
{||x1 − y1 − y||/y ∈ F } = {||x1 − y 0 ||/y 0 ∈ F }
: F → F
bijective . Posons x = ||xx11 −y
−y1 || , (x1 6= y1 car x1 ∈
1
/ F)
y 7→ y + y1
1 −y1 ,F )
||x|| = 1, d(x, F ) = d(x||x1 −y1 || . Généralement :∀λ > 0, ∀x ∈ E, d(λx, F ) = λd(x, F ), puisque
{||λx − y||/y ∈ F } = {λ||x − y 0 ||/y 0 ∈ F }

d(x1 − y1 , F ) d(x1 , F ) 1
d(x, F ) = = >
||x1 − y1 || ||x1 − y1 || 2

Démonstration
Soit x1 ∈ S(0, 1), n ∈ N∗ , supposons (x1 ; ...; xn ) ∈ S(0, 1)N dénis tel que :
1
∀i 6= j ∈ [|1; n|]2 , ||xi − xj || ≥
2

207 MP∗ B.DufourJules

6.5. SÉRIES CHAPITRE 6. ESPACES VECTORIELS NORMÉS

On applique le lemme à Fn = V ect[(x1 ; ...; xn ] sev de dimension nie donc fermé =

6 E , d'après le
lemme :
1
∃xn+1 ∈ S(0, 1)/d(xn+1 , Fn ) ≥
2
1
∀i ∈ [|1; n|], ||xn+1 − xi || ≥
2
1
On a construit (xn ) ∈ S(0, 1)N , par récurrence ∀n 6= m, ||xn − xm || ≥
2
(xn ) ne possède donc pas de valeurs d'adhérence, S(0, 1) n'est pas compacte (ni B(0, 1))

6.5 Séries dans un espace vectoriel normé

6.5.1 Dénitions
Dénition

Soit (E, ||.||) un K-evn, (un ) ∈ E N , on dénit :

n
X
∀n ∈ N, Sn = uk
k=0

On dit que la série un converge dans (E, ||.||) si et seulement si la suite (Sn ) converge
P
dans (E, ||.||). Dans ce cas, on note :
+∞
X
S= uk = lim Sn la somme totale
n→+∞
k=0

+∞
X
∀n ∈ N, Rn = S − Sn = uk
k=n+1

Théorème

L'ensemble des séries convergentes est un K-evn et si un et vn convergent alors :

P P

X X X
∀λ ∈ K, λun + vn = λ un + vn converge

Critère de non convergence

un converge ⇒ un −→ 0
P
n→+∞

208 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.5. SÉRIES

Espaces lp

On dénit pour p ∈ [1; +∞[

+∞
X
lp = {(un ) ∈ CN / |un |p < +∞}
n=0

C'est l'ensemble des suites de puissances p-ième sommable

l∞ = {(un ) ∈ CN /(un ) bornée }

+∞
X
l1 = {(un ) ∈ CN / |un | < +∞} ensemble des suites absolument convergentes (sommables)
n=0

l2 ensemble des suites de carré sommables

Théorème

On dénit sur lp
+∞
X 1
||(un )||p = ( |un |p ) p ||(un )||∞ = sup |un |
n=0 n∈N

Alors (lp , ||.||p ) est un C-evn

Preuve : confer Hölder et Minkowski. Notons que pour p = 1 ou ∞, c'est trivial. Pour
p = 2, (l2 , ||.||2 ) est un espace préhilbertien

Inégalité de Cauchy-Schwartz

Si ((un ), (vn )) ∈ l2 alors (un vn ) ∈ l2

v v
+∞
X
u +∞
uX
u +∞
uX
|un vn | ≤ t 2
|un | t |vn |2
n=0 n=0 n=0

209 MP∗ B.DufourJules

6.5. SÉRIES CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.5.2 Cas de la dimension nie

Théorème

Soit (E, ||.||) un K-evn de dimension nie et un une série à termes dans E. Si
P
+∞
||un || < +∞, on dit que un converge absolument. On a alors :
P P
n=0

X +∞
X +∞
X
un converge , || un || < ||un ||
n=0 n=0

Preuve : Soit B = (e1 ; ...; ep ) une base xée de E et :

p
X
|| xi ei ||∞ = max |xi |
1≤i≤p
i=1

Comme dim E < +∞, ∃α > 0/||.||∞ ≤ α||.||

+∞
X +∞
X
||un ||∞ ≤ α ||un || < +∞
n=0 n=0
Pn
Soit pour n ∈ N, un = i=1 un,i ei . Comme ∀i ∈ [|1; p|], |un,i | ≤ ||un ||∞
+∞
X X
|un,i | < +∞ et un,i converge absolument
n=0 n∈N

donc converge. Ainsi un converge (car elle converge pour ||.||∞ ). De plus ,
P

N
X N
X
∀N ∈ N, || un || ≤ ||un ||
n=0 n=0

et on peut passer à la limite

Familles sommables

Soit (E, ||.||) un K-evn de dimension nie,

PI dénombrable et (ai ) ∈ E .
I

On dit (ai ) est sommable si et seulement si ||ai || < +∞

i∈I

Théorème

Si B = (e1 ; ...; ep ) une base de E et si

p
X
∀i ∈ I, ai = ai,k ek
k=1

210 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.5. SÉRIES

(ai ) est sommable si et seulement si ∀k ∈ [|1; p|], (ai,k) l'est, on dénit alors :

X p X
X
ai = ( ai,k )ek
i∈I k=1 i∈I

Preuve : (ai ) est sommable pour ||.|| si et seulement si elle l'est pour ||.||∞

Propriétés

1. Si (ai ) et (bi ) sont sommables, ∀λ ∈ K, (λai + bi ) l'est et

X X X
λai + bi = λ ai + bi
i∈I i∈I i∈I

2. Si on a la partition : I =
S
Ik
k∈N

ai l'est
P
i)∀k ∈ N,


i∈Ik
(ai ) est sommable ⇔ +∞
P P
ii)

 ( ||ai ||) < +∞
k=0 i∈Ik

3. Soit σ une permutation de N : ai est sommable si et seulement si aσ(i) l'est.

P P
i∈I i∈I
Dans ce cas on a égalité

Preuve : raisonner sur les coordonnées

Théorème de Fubini

2
Soit (un,p ) ∈ E N , dim(E) < +∞
+∞ X
X +∞ +∞ X
X +∞
(un,p ) est sommable ⇔ ( ||un,p ||) < +∞ ou ( ||un,p ||) < +∞
n=0 p=0 p=0 n=0

Dans ce cas :
+∞ X
X ∞ +∞ X
X +∞
( un,p ) = ( un,p )
n=0 p=0 p=0 n=0

211 MP∗ B.DufourJules

6.5. SÉRIES CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Produit de Cauchy

Soit (A, ||.||) une algèbre normée de dimension nie. Soit up et vq deux séries abso-
P P
lument convergentes. Alors (up vq ) est sommable et
X X
( up vq ) converge absolument
n∈N p+q=n

+∞ X
X X X+∞ X+∞
( u p vq ) = up vq = ( up ) × ( vq )
n=0 p+q=n (p,q)∈N2 p=0 q=0

Preuve : On utilise une partition de N2

6.5.3 Algèbre normée de dimension nie

Exponentielle

Soit (A, ||.||) une K-algèbre normée de dimension nie. Soit a ∈ A, la série
+∞ n
X a
converge absolument
n=0
n!

On a :
1. exp(0) = 1A
2. a,b commutent exp(a + b) = exp(a) × exp(b)
3. ∀a ∈ A, exp(a) ∈ A−1 , exp(a)−1 = exp(a)

n ||a||n ||a||n
Preuve : ∀n ∈ N, || an! || ≤
P
n! ⇒ n∈N n! < +∞
1. trivial
2. Si a et b commutent, formons :

X ap n
bq X ak bn−k (a + b)n
∀n ∈ N, cn = × = × =
p+q=n
p! q! k! (n − k)! n!
k=0

Par produit de Cauchy pour des séries absolument convergente :

+∞
X
exp(a + b) = ck = exp(a) × exp(b)
k=0

3. a et −a commutent, en appliquant ce qui précède :

exp(a) × exp(−a) = exp(a − a) = exp(0) = 1A

212 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.5. SÉRIES

Cas de Mn (K)
Soit ||.|| une norme quelconque sur Cn , on lui associe sur Mn (K) :

||M X||
|||M ||| = sup
X∈Mn,1 (C)\{0} ||X||

c'est une norme d'algèbre. Soit A ∈ Mn (C), qu'on décompose, A = D + N avec D diagonalisable
et N nilpotente, vériant DN = N D. On a alors

exp(A) = exp(D) × exp(N )

 
λ1 0 0
Or, si D = P  0 ..  −1
. 0 P


0 0 λn

N
 
P λ1
k! 0 0  λ 
N
k=0  e 1 0 0
X Dk 
..

 −1 ..  −1
∀N ∈ N, =P 0 . P ⇒ exp(D) = P  0 . 0 P
 
k!  0  
k=0  N
P λn
 0 0 eλ n
0 0 k!
k=0

Notons plus généralement que si A0 = P −1 AP alors exp(A0 ) = P exp(A)P −1

Par ailleurs si N r−1 6= 0 et N r = 0 alors :
r
X Nk
exp(N ) =
k!
k=0

Dans la pratique pour calculer l'exponentielle d'une matrice, on la diagonalise, sinon on la tri-
gonalise, puis on utilise la décomposition de Dunford

Déterminant

∀A ∈ Mn (C), det(exp(A)) = exp(tr(A))

Preuve : ∃P ∈ GLn (C), ∃(λ1 ; ...; λn ) ∈ Cn telle que :

   λ 
λ1 ∗ ∗ e 1 ∗ ∗
..  −1
⇒ exp(A) = P  0 ..  −1
A=P0 . ∗ P . ∗ P
 

0 0 λn 0 0 eλn

n
Y n
X
det(exp(A)) = eλk = exp( λk ) = etr(A)
k=1 k=1

213 MP∗ B.DufourJules

6.5. SÉRIES CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Inverse de 1A − a, ||a|| < 1 (HP)

Soit (A, ||.||) une algèbre normée de dimension nie, a ∈ A/||a|| < 1, alors 1A − a est
inversible et
+∞
X
(1A − a)−1 = an converge absolument
n=0

Preuve : ∀n ∈ N, ||a||n ≤ ||a||n donc

+∞
X
||an || < +∞
n=0

+∞
X +∞
X
n
(1A − a)( a )=( an )(1A − a) = 1A
n=0 n=0

6.5.4 Utilisation de la densité de GLn (C)

Théorème

GLn (C) est un ouvert dense dans Mn (C)

Preuve : GLn (C) = det−1 (C∗ ) est ouvert

Soit M ∈ Mn (C), SpC (M ) ni. {p ∈ N/M − p+1 In
est non inversible} est ni, donc :
∃p0 ∈ N/∀p ≥ p0 , M − p+1 In est inversible. La suite (M − p+1
1 In
) ∈ (GLn (C)N et converge vers M

On notera qu'on a perturber quelque coecients de la matrice, pour construire une suite donc
certain coecient tendent vers 0, pour obtenir la limite souhaitée : cette méthode est à retenir

Corollaire

∀(A, B) ∈ Mn (C), χAB = χBA

Preuve : si A ∈ GLn (C), AB = A(BA)A−1 . AB et BA sont semblables, elles ont même

polynôme caractéristique
Si A ∈
/ GLn (C), soit (Ap ) ∈ GLn (C)N / lim Ap = A, λ ∈ C xé
n→+∞
det(λIn − Ap B) = det(λIn − BAp )
Par passage à la limite : ∀λ ∈ C, χAB (λ) = χBA (λ) ⇒ χAB = χBA

214 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

6.6 Convexité, connexité

6.6.1 Barycentres
Paramétrage d'un segment

z ∈ [x, y] ⇔ ∃t ∈ [0, 1]/z = tx + (1 − t)y

Dénition
p
Soit E un R-ev, p ∈ N∗ , (x1 ; ...; xp ) ∈ E p , (λ1 ; ...; λp ) ∈ Rp / λi 6= 0. On dénit le barycentre
P
i=1
du système de points pondérés ((x1 , λ1 ); ...; (xp , λp ))
p
1 X
g= p λi xi
P
λi i=1
i=1

On note g = bar((x1 , λ1 ); ...; (xp , λp )). On note :

p
X p
X
µ= λi , µg = λi xi
i=1 i=1

g = bar((x1 , t1 ); ...; (xp , tp ))
En posant, ∀i ∈ [|1; p|], ti = λµi , on a Pp
 ti = 1
i=1

Associativité du barycentre

 Soit (x 1 ; ...; xp ; xp+1 ; ...; xn ) ∈ E et (λ1 ; ...; λp ; λp+1 ; ...; λn ) ∈ R , tel que :
N N
p
P
µ1 =

 λi 6= 0
i=1
Pn , µ = µ1 + µ2 6= 0
µ2 =

 λi 6= 0
i=p+1
On a : g1 = bar((x1 , λ1 ); ...; (xp , λp )) et g2 = bar((xp+1 , λp+1 ); ...; (xn , λn ))
g = bar((x1 , λ1 ); ...; (xn , λn )) = bar((g1 , µ1 ), (g2 , µ2 ))

Preuve :
p n n
µ1 g1 + µ2 g2 µ1 1 X µ2 1 X 1X
= ( λ i xi ) + ( λ i xi ) = λi xi
µ µ µ1 i=1 µ µ2 i=p+1 µ i=1

Remarque
Sn
Par récurrence on a plus généralement soit I ni= k=1 Ik partition de I.
X X
(λi )i∈I ∈ RI /∀k ∈ [|1; n|], µk = λi 6= 0 et 6 0
λi =
i∈Ik i∈I

Soit (xi )i∈I ∈ E et ∀k ∈ [|1; n|], gk = bar((xi , λi ))i∈Ik bar(xi , λi )i∈I = bar(gk , µk )k∈[|1;n|]
I

On peut de proche en proche toujours se ramener à des barycentres de deux points

215 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.6.2 Convexité
Segment

Soit (x; y) ∈ E 2 , on dénit le segment :

[x; y] = {tx + (1 − t)y/t ∈ [0; 1]} = {bar((x, t1 ), (y, t2 ))/(t1 , t2 ) ∈ R2+ , t1 + t2 = 1}

Parties convexes

On dit qu'une partie C de E est convexe si et seulement si

∀(x; y) ∈ C 2 , [x; y] ⊂ C, ∀t ∈ [0; 1], tx + (1 − t)y ∈ C

∅ est convexe car on ne peut pas trouver de points mettant l'hypothèse en défaut

Exemples

1. Tout sous-espace vectoriel est convexe

2. Tout segment est convexe
3. Si (E, ||.||) est un R-evn, les boules ouvertes et les boules fermées sont convexes

Preuve :
1. trivial (
x1 = t1 x + (1 − t1 )y
2. Soit (x; y) ∈ E et (x1 , x2 ) ∈ [x; y] :∃(t1 , t2 ) ∈ [0; 1] /
2 2 2
x2 = t2 x + (1 − t2 )y
Soit t ∈ [0; 1], tx1 +(1−t)x2 = (tt1 +(1−t)t2 )x+(t(1−t1 )+(1−t)(1−t2 )x2 = t0 x+(1−t0 )x2
Découle de l'associativité du barycentre
2
3. Soit a ∈ E, r ≥ 0(resp. r > 0). Soit (x, y) ∈ B(a, r) (resp. B(a, r)2 ) et t ∈ [0, 1]

||a − (tx + (1 − t)y)|| = ||ta + (1 − t)a − (tx + (1 − t)y)||

= ||t(a − x) + (1 − t)(a − y)||
≤ t||a − x|| + (1 − t)||a − y|| ≤ r

(resp. < r, car t ou 1 − t 6= 0)

216 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

Intersection de parties convexes

Toute intersection de parties convexes est encore convexe

Preuve : Soit (Ci ) une famille de parties convexes, (x; y) ∈ Ci et t ∈ [0; 1].
T
Ti∈I
∀i ∈ I, tx + (1 − t)y ∈ Ci convexe, donc (tx + (1 − t)y) ∈ Ci
i∈I

Théorème

Soit E un R-ev, ϕ une forme linéaire non nulle, H = Ker(ϕ) hyperplan, on dénit

H + = {x ∈ E/ϕ(x) ≥ 0}
H − = {x ∈ E/ϕ(x) ≤ 0}
demi-espaces déni par H. Alors H + et H − sont convexes

Preuve : ∀(x, y) ∈ (H + )2 (resp.(H − )2 ), ∀t ∈ [0; 1], ϕ(tx + (1 − t)y) = tϕ(x) + (1 − t)ϕ(y) ≥ 0

(resp. ≤ 0)

Enveloppe convexe
Soit E un R-ev, A une partie de E, on dénit l'enveloppe convexe de A comme l'intersec-
tion de tous les convexes de E contenant A, on la note conv(A) : c'est le plus petit convexe
(au sens de l'inclusion) contenant A. On a :
p
X
∗ p
conv(A) = {bar((x1 , t1 ); ...; (xp , tp ))/p ∈ N (x1 ; ...; xp ) ∈ A , (t1 ; ...; tp ) ∈ Rp+ et ti = 1}
i=1

c'est l'ensemble des barycentres à coecients positifs d'un nombre ni de points de A

Figure 6.3  Enveloppe convexe d'un ensemble de points

Preuve
( : notons B l'ensemble des barycentres à coecients positifs de points de A.
x = bar((x1 , t1 ); ...; (xp , tp ))
Soit
y = bar((y1 , s1 ); ...; (ym , sm ))
p
X m
X
(t1 ; ...; tp ) ∈ Rp+ , ti = 1 et (s1 ; ...; sm ) ∈ Rm
+ si = 1
i=1 i=1

217 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Soit t ∈ [0; 1],

p
X m
X
tx + (1 − t)y = ti xi + (1 − t)sj yj = bar((x1 , t1 ); ...; (xp , tp ); (y1 , s1 ); ...; (ym , sm )) ∈ B
i=1 j=1

p
X m
X
car ti + (1 − t)sj = 1
i=1 j=1

B est convexe et ∀x ∈ A, x = bar(x, 1) ∈ B ⇒ A ⊂ B

Soit C partie convexe de E, contenant A, tout barycentre d'un point ou de x de A aectés de
coecients positifs est dans C (car A ⊂ C convexe)
Soit p ∈ N∗ , supposons que tout barycentre de p points à coecients positifs d'éléments de A
p
est dans C , soit (x1 ; ...; xp+1 ) ∈ Ap+1 et (t1 ; ...; tp+1 ) ∈ Rp+ /
P
ti = 1
i=1
p
si tp+1 = 0, g = bar((x1 , t1 ); ...; (xp+1 , tp+1 )) = ti xi ∈ C , d'après (HR)
P
i=1
tp+1 = 1, g = xp+1 ∈ A ⊂ C
p
ti = 1−tn+1 , par associativité du barycentre, en notant g1 = bar((x1 , t1 ); ...; (xp , tp )) ∈
P
tp+1 ∈]0, 1[,
i=1
C , d'après (HR) :
g = bar((g1 , 1 − tp+1 ), (xp+1 , tp+1 )) ∈ C

par convexité, d'où B ⊂ C

6.6.3 Fonctions convexes

Dénition

Soit E un R-ev et C une partie convexe de E. On dit que f : C → R est une fonction
convexe si et seulement :

∀(x; y) ∈ C 2 , ∀t ∈ [0; 1], f (tx + (1 − t)y) ≤ tf (x) + (1 − t)f (y) (1)

Le graphe reste au-dessus de ses cordes, la partie située au dessus du graphe de la fonction
est convexe.

f est strictement convexe ⇔ ∀(x, y) ∈ C 2 , ∀t ∈]0; 1[, f (tx + (1 − t)y) < tf (x) + (1 − t)f (y)
⇔ f est convexe et on a égalité dans (1)
⇔ x = y ou t ∈ {0; 1}

Concavité

On dit que f est concave (resp. strictement concave) si et seulement si -f est convexe
(resp. strictement convexe)

218 MP∗ B.DufourJules

 CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

Exemples
1. Toute norme est convexe : en eet
∀(x, y) ∈ E 2 , ∀t ∈ [0; 1], ||tx + (1 − t)y|| ≤ t||x|| + (1 − t)||y||

2. Si ||.|| est une norme euclidienne (notée ||.||2 ), si on a égalité : tx = 0 ou ∃λ ≥ 0/(1 − t)y =
λtx. Si t ∈]0, 1[ et x 6= 0 : y = 1−t
λt
∈ R+ x et réciproquement

Parties de convexes de R

Les parties convexes de R sont exactement les intervalles de R

2 ) donc convexe
Preuve : si I = [a, b] ou ]a, b[, c'est une boule pour |.| (de centre a+b
si I = R, I est convexe
si I = [a; +∞[ (resp. ]a; +∞[) : ∀(x, y, r) ∈ I 2 × [0; 1], tx + (1 − t)y ≥ a (resp. > a)
De même si I =] − ∞; a] ou ] − ∞; a[ (
α = inf(C)
Réciproquement, soit C une partie convexe de R non vide. Soit dans R
β = sup(C)
∀x ∈ C, α ≤ x ≤ β et soit x ∈]α; β[, si ∃(x1 , x2 ) ∈ C 2 , α ≤ x1 < x < x2 ≤ β et x ∈ [x1 ; x2 ] ⊂ C ,
par convexité. Donc ]α; β[⊂ C , notons que α, β appartiennent ou non à C
C = [α; β] ou ]α; β] ou [α; β[ ou ]α; β[
C'est bien un intervalle

Fonction d'une variable réelle

Soit I intervalle de R, f : I → R, les propositions suivantes sont équivalentes :

1. f est convexe
2. ∀(x, y, z) ∈ I 3 , x < y < z, f (z)−f
z−x
(x)
≤ f (y)−f (x)
y−x ≤ f (y)−f (z)
y−z

τa : I \ {a} → R
3. ∀a ∈ I, f (t)−f (a) est croissante
t 7→ t−a

Preuve :
(1) ⇒ (2) x < y < z , soit t ∈ [0; 1]/z = tx + (1 − t)y . On a t = y−x
y−z
et 1 − t = z−x
y−x
Si f est convexe, f (z) ≤ y−x f (x) + y−x f (y) = tf (x) + (1 − t)f (y)
y−z z−x

f (z)−f (x) f (y)−f (z)

f (z) − f (x) ≤ (1 − t)(f (y) − f (x)), d'où z−x ≤ y−z . Par ailleurs :

f (y) − f (x) f (y) − f (z)

≤ ⇔ (f (y) − f (x))(y − z) ≤ (y − x)(f (x) − f (z))
y−x y−z
⇔ f (z)(y − x) ≤ (y − x)f (y) + (y − z)(f (x) − f (y))
⇔ f (z)(y − x) ≤ f (y)(z − x) + f (x)(y − z)
y−z z−x
⇔ f (z) ≤ f (x) + f (y)
y−x y−x
qui est vrai

219 MP∗ B.DufourJules

 6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

(2) ⇒ (3) Soit t1 < t2 ∈ (I \ {a})2 si t1 < t2 < a, on utilise (2) avec x = t1 et z = t2 , y = a,
τa (t1 ) < τa (t2 )
Si t1 < a < t2 alors on utilise (2) avec x = t1 , z = a, y = t2
Si a < t1 < t2 alors on pose x = a, y = t2 , z = t1 . Dans tous les cas :

t1 < t2 ⇒ τa (t1 ) < τa (t2 )

(3) ⇒ (1) soit x < y ∈ I 2 , t ∈]0; 1]. On pose :a = tx + (1 − t)y . D'après (3) :

f (a) − f (x) f (y) − f (a)

τa (x) ≤ τa (y) ⇔ ≤
a−x y−a
⇔ (y − a)(f (a) − f (x)) ≤ (a − x)(f (y) − f (a))
⇔ (y − x)f (a) ≤ (y − a)f (x) + (a − x)f (y)
y−a a−x
⇔ f (a) = f (tx + (1 − t)y) ≤ tf (x) + (1 − t)f (y) = f (x) + f (y)
y−x y−x
f est convexe

Propriétés analytiques

Soit f : I → R convexe, alors :

1. f admet en tout point a ∈ I une dérivée à gauche fg0 (a) et une dérivée à droite fd0 (a)
2. f est continue sur ˚
I
3. ∀x < a < b < y ∈ I 4 , f (a)−f
a−x
(x)
≤ fg0 (a) ≤ fd0 (a) ≤ f (b)−f (a)
b−a ≤ fg0 (b) ≤ fd0 (b) ≤
f (y)−f (b)
y−b

Preuve :
1. Soit a ∈ ˚
I, τa étant croissante sur I \ {a} admet une limite à gauche et à droite en a :

f (a) − f (x) f (y) − f (a)

lim = sup(τa (x)) = fg0 (x) ≤ fd0 (x) = lim = inf (τa (y))
x→a a−x x<a y→a y−a y>a

220 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

2. f est dérivable à gauche et à droite en a ∈ ˚

I , donc continue en a :

∀x < a, f (x) = f (a) + (x − a)fg0 (a) + (x − a)ε(x − a)

3. D'après le théorème de la limite monotone et le (1) :

f (a) − f (x) f (b) − f (a) f (y) − f (b)

≤ fg0 (a) ≤ fd0 (a) ≤ ≤ fg0 (b) ≤ fd0 (b) ≤
a−x b−a y−b

Remarque
f : [0; 1] → R
x 7→ 0 si x ∈]0; 1[
f n'est pas nécessairement continue sur I ! est convexe mais
0 7→ 1
1 7 → 1
discontinue sur [0; 1]

Caractérisation des fonctions dérivables

Soit f : I ⊂ R → R dérivable

f est convexe (resp. strictement) ⇔ f' est croissante (resp. strictement)

Si de plus f est 2 fois dérivable :

f est convexe (resp. strictement) ⇔ f 00 ≥ 0 (resp. > 0) sur I et {x ∈ I/f 00 (x) = 0} est
discret

Preuve : si f est convexe d'après un théorème précédent (resp. strictement) : ∀a ≤ b ∈

I 2 , f 0 (a) ≤ f 0 (b) (resp. f 0 (a) < f 0 (b) car si f 0 (a) = f 0 (b), ∀x ∈ [a; b], f 0 (x) = f 0 (a) = f 0 (b), f'
constante donc f ane, absurde)
Réciproquement supposons f' croissante (resp. strictement), soit x < a < y ∈ I 3 , d'après l'égalité
des accroissements nis ,
f (a) − f (x)
∃t1 ∈]x; a[/ = f 0 (t1 )
a−x

f (y) − f (a)
∃t2 ∈]a; y[/ = f 0 (t2 )
y−a

t1 < a < t2 , d'où f 0 (t1 ) ≤ f 0 (t2 ) (resp. f 0 (t1 ) < f 0 (t2 ), d'où f (a)−f
a−x
(x)
≤ f (y)−f
y−a
(a)
(resp.<)
Posons t ∈]0; 1[, en posant a = tx + (1 − t)y , on obtient que f est convexe car :

f (a) = f (tx + (1 − t)y) ≤ tf (x) + (1 − t)f (y) (resp. <)

Enn si f est 2 fois dérivable alors f 0 est croissante (resp. strictement) si et seulement si f 00 ≥ 0
sur I (resp. f>0 et l'ensemble des points d'annulation est discret)

221 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Exemples
1. exp est convexe car exp00 = exp > 0

2. ln est convexe car ∀t ∈ R∗+ , ln00 (t) = − t12 < 0. Il vient :

∀t ∈ [0; 1], ∀(x; y) ∈ (R∗+ )2 , t ln(x) + (1 − t) ln(y) ≤ ln(tx + (1 − t)y)
exp et ln étant strictement croissante il vient l'inégalité de concavité de ln :
xt y 1−t ≤ tx + (1 − t)y
√
Pour t = 12 , on obtient : xy ≤ x+y
2 avec égalité si x = y

Inégalité de Jensen

Soit f convexe (resp. strictement), C convexe ⊂ E → R. On a

p
X
∀p ∈ N∗ , ∀(x1 ; ...; xp ) ∈ C p , ∀(t1 ; ...; tp ) ∈ Rp+ / ti = 1
i=1

Xp p
X
f( t i xi ) ≤ ti f (xi )
i=1 i=1

(resp. on a égalité si tous les xi sont égaux ou ∃i0 ∈ [|1; p|], ti0 = 1)

Preuve : par récurrence sur p, vrai si p = 1 ou 2

Hérédité : on suppose le résultat vrai pour p ∈ N∗
p+1
Soit (t1 ; ...; tp+1 ) ∈ (R∗+ )p+1 et (x1 ; ...; xp+1 ) ∈ C p+1 , ti = 1. Le résultat est vrai si tp+1 = 0
P
i=1
ou tp+1 = 1, d'après (HR). Si tp+1 ∈]0; 1[,
p
X p
X
f( ti xi ) = f ((1 − tp+1 ) t0i xi + tp+1 xp+1 )
i=1 i=1

222 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

p
où, ∀i ∈ [|1; p|], t0i = ti
≥ 0 et t0i = 1
P
p
P
ti i=1
i=1
Il vient par complexité et (HR) :

p+1
X Xp
f( ti xi ) ≤ (1 − tp+1 )f ( t0i xi ) + tp+1 f (xp+1 )
i=1 i=1
p
X
≤ (1 − tp+1 ) t0i f (xi ) + tp+1 f (xp+1 )
i=1
p+1
X
= ti f (xi )
i=1

Inégalité de convexité

Si f est convexe sur I alors elle est au-dessus de ses tangentes, ce qui se traduit lorsque f
est dérivable,
∀(x, a) ∈ I 2 , f (x) ≥ f 0 (a)(x − a) + f (a)

Inégalité de la moyenne

Soit (x1 ; ...; xn ) ∈ (R∗+ )n ,

v
u n n
1 uY 1X
n ≤ n
t x i ≤ xi
P 1 i=1
n i=1
xi
i=1

Avec égalité si et seulement si x1 = ... = xn

Preuve : stricte concavité de ln

v
n n u n
1X X 1 uY
ln( xi ) ≥ n
ln(xi ) = ln( t xi )
n i=1 i=1
n i=1

On applique l'exponentielle

223 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.6.4 Inégalités de Hölder et Minkowski (HP)

Soit n ∈ N ∪ {+∞}, (p, q) ∈]1; +∞[/ p1 + 1
q =1

Inégalité de Hölder

Soit (x1 ; ...; xn ), (y1 ; ...; yn ) ∈ (Cn )2 (resp. si n = +∞, (xk ), (yk ) ∈ l × ln ). On a :
n n n n
X X X 1 X 1
| xi yi | ≤ |xi | · |yi | ≤ ( |xi |p ) p ( |yi |q ) q = ||(x1 ; ...; xn )||p × ||(y1 ; ...; yn )||q
i=1 i=1 i=1 i=1

Avec égalité si et seulement si ∃λ ∈ C/(xpi ) = λ(yiq ) ou (yi ) = 0

Preuve : Soit x = (xi ) et y = (yi ). Ce résultat est vrai si x ou y est nul. On les suppose
dorénavant non nuls :
x0 = ||x||
x
p
et y 0 = ||y||y
q
∀i ∈ [|1; n|], x0i = ||x||i p et yi0 = ||y||
x yi
q (
1 1
1 1 , ∈]0; 1[
On a ∀i ∈ [|1; n|], |x0i | × |yi0 | = (|x0i |p ) p (|yi0 |q ) q avec p1 q 1
p + q =1
Par concavité de ln : |xi | × |yi | ≤ p |xi | + q |yi | . En posant t = 1q et 1 − t = p1 et en sommant
0 0 1 0 p 1 0 q

n n n
X 1X 0 p 1X 0q
|x0i ||yi0 | ≤ |x | + |y |
i=1
p i=1 i q i=1 i

d'où
n
X
|xi ||yi | ≤ ||x||p ||y||q
i=1

avec égalité si et seulement si par stricte concavité du ln

||x||p
∀i ∈ [|1; n|], |x0i |p = |yi0 |q ⇔ ∀i ∈ [|1; n|], |xi |p = p
|y |q
||y||qq i

Remarque
Pour p = q = 2, on retrouve l'inégalité de Cauchy-Schwartz. Notons que lorsque n = +∞ si
x ∈ lp et y ∈ lq , on a
+∞
X
(xk yk ) ∈ l1 et |xk yk | ≤ ||x||p ||y||q < +∞
k=1

Par passage à la limite quand n → +∞ du cas ni

Inégalité de Minkowski

Soit ((x1 ; ...; xn ), (y1 ; ...; yn )) ∈ (Cn )2 (resp. l2 ). On a : ||x + y||p ≤ ||x||p + ||y||p

224 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

Preuve :
n
X n
X n
X
||x + y||pp = |xi + yi |p−1 |xi + yi | ≤ |xi ||xi + yi |p−1 + |yi ||xi + yi |p−1
i=1 i=1 i=1

D'après l'inégalité de Hölder :

n p
X 1
||x + y||pp ≤ (||x||p + ||y||p )( (|xi + yi |p−1 )q ) q ≤ ||x||p + ||y||p × ||x + y||pq
i=1

Or p1 + 1q = 2 ⇒ p + q = pq ⇒ pq − q = p
Si x + y = 0 c'est bon
p− p
Si x + y 6= 0, ||x + y||p = ||x + y||p q ≤ ||x||p + ||y||p
On a égalité si x + y 6= 0 si et seulement si ∃λ ∈ R+ /∀i ∈ [|1; n|], |yi |p = λ(|xi yi |p−1 )q , ∃µ ∈
R+ /∀i ∈ [|1; n|], |yi |p = µ(|xi yi |p−1 )q et ∀i ∈ [|1; n|], |xi + yi | = |xi | + |yi |. Si et seulement si
y = 0 ou ∃α ≥ 0/∀i ∈ [|1; n|], |xi | = α|yi | et |xi + yi | = |xi | + |yi | si et seulement si y = 0 ou
∃α ≥ 0/x = αy

Remarque
On peut généraliser Hölder et Minkowski lorsque p = 1 et q = +∞

n
X 1
lim ( |xi |q ) q = sup |xi | = ||x||∞
q→∞ i∈[|1;n|]
i=1

6.6.5 Connexité par arcs

Dénition

1. Soit E un K-evn, on appelle chemin toute application de [a, b] ⊂ R →

γ : [a, b] → E
E, arc paramétré continu sur [a, b]
t 7→ γ(t)
Si de plus γ(a) = γ(b), on dit que c'est un chemin fermé ou un lacet
2. On dit qu'une partie A est connexe par arcs (cpa) si et seulement si ∀(x, y) ∈ A2 , ∃γ :
[0, 1] → A continu tel que : γ(0) = x et γ(1) = y

Remarque
Soit γ : [0;
( 1] → E continue /γ(0) = x et γ(1) = y . Soit (a; b) ∈ R avec a 6= b, on
2

[a; b] si a < b γ : [a;˜b] → E

note [a;˜b] = On peut dénir 1 continue et vérie
[b; a] si b < a u 7→ γ( u−a
b−a )
γ1 (a) = 0 et γ1 (b) = 1. Et si γ([0; 1]) ⊂ A, on aussi γ1 ([a;˜b]) ⊂ A

225 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Théorème

Les parties connexes de R sont exactement les intervalles de R

γ [0; 1] →
: R
Preuve : Soit I un intervalle de R, (x; y) ∈ I 2 . est continue
t 7→ tx + (1 − t)y
et I étant convexe, γ([0; 1]) ⊂ I . Donc I est connexe par arcs.
γ : [0; 1] → A
Réciproquement : soit A une partie connexe par arcs de R. Soit x < y ∈ A2 et
t 7→ γ(t)
continue /γ(0) = x et γ(1) = y . Soit z ∈]x; y[, on peut dénir :

t0 = sup{t ∈ [0; 1]/γ(t) < z} = sup(B)

B 6= ∅ car 0 ∈ B . Il existe une suite (tn ) ∈ B N / lim tn = t0 et γ continue donc γ(t0 ) ≤ z . Donc
n→+∞
t0 6= 1 car γ(1) = y > z . Si γ(t0 ) < z , par continuité ∃t ∈]t0 ; 1[/γ(t) < z , ce qui contredit la
dénition de t0 . Donc γ(t0 ) = z . Ainsi z ∈ A, qui est convexe, c'est donc un intervalle de R

Parties étoilées

On dit qu'une partie A ⊂ E est étoilée par rapport à A ⇔ ∀x ∈ A, [x0 ; x] ⊂ A. On a :

1. Si A est convexe non vide elle est étoilée par rapport à chacun de ses points
2. Si A est étoilée par rapport à x0 elle est connexe par arcs

Preuve :
1. oui
2. Si A est étoilée par rapport à x0 , soit (x; y) ∈ A2 , on peut dénir :
γ : [0; 1] → A
1
t 7→ x + t(x0 − x) si t ∈ [0; ] continue
2
1
7→ 2x0 − y + 2t(y − x0 ) si t ∈ [ ; 1]
2

Remarque
S'il existe x0∈ A/∀x ∈ A, ∃γ : [0; 1] → A continue /γ(0) = x0 et γ(1) = x pour (x; y) ∈ A2 ,
γ1 : [0; 1 ] → A

on peut former 1
2 continues tel que :
γ2 : [ ; 1] → A

2
1 1
γ1 (0) = x, γ1 ( ) = x0 , γ2 ( ) = x0 , γ2 (1) = y
2 2
γ : [0; 1] → A
1
Alors soit t 7→ γ1 (t) si t ≤
2 continue et γ(0) = x, γ(1) = y , donc A est connexe
1
7→ γ2 (t) si t >
2
par arcs

226 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.6. CONVEXITÉ, CONNEXITÉ

Exemples
1. R2 \ {(0; 0)} est connexe par arcs. En eet, soit (x; y) ∈ R2 \ {(0; 0)}, si (0; 0) ∈ / [x; y] alors
[x; y] ⊂ R2 \ {(0; 0)}. Si (0; 0) ∈ [x; y], soit z ∈
/ (xy) : (0; 0) ∈ / [z; y]. On relie x
/ [x; z], (0; 0) ∈
et y en passant par z
2. R2 \ {(x; 0)/x ≤ 0} est connexe par arcs, car étoilé par rapport à (1; 0)
3. Les boules sont connexes par arcs ainsi que les sphères en dimension supérieure supérieure
ou égale à 2. En eet les boules sont convexes, soit par ailleurs E de dim ≥ 2 et soit
γ : [0; 1] → S(0; 1)
(x; y) ∈ S(0; 1). Si 0 ∈ / [x; y] : on forme x+t(y−x) continue avec
t 7→ ||x+t(y−x)||
γ(0) = x et γ(1) = y . Si 0 ∈ [x; y] : ∃t ∈ [0; 1]/tx + (1 − t)y = 0. Il vient t||x|| = (1 − t)||y||,
donc t = 21 , y = −x. Comme dim(E) ≥ 2, ∃z ∈ S(0; 1) \ {x; −x} et on relie x à y en passant
par z
4. Si dim ≥ 2, E \ B(0; 1) est connexe par arcs. Soit en eet (x; y) ∈ (E \ B(0; 1))2 , ||x|| > 1
et ||y|| > 1. Comme S(0; ||x||) est connexe par arcs, on relie x à y ||x||
||y|| sur cette sphère, puis
ce point à y sur le segment correspondant
5. GLn (R)+ = {M Q ∈ GLn (R)/ det(M ) > 0} est connexe par arcs. Soit M ∈ GLn (R)+ , on
peut écrire M = Mi où chaque (Mi ) est une transvection ou dilatation Dn (det(A)). On
forme si Mi0 = Dn (det(M )) et si ∀k 6= i0 , Mk = Tik ,jk (λk )(ik 6= jk )
γi0 : [0; 1] → GLn (R)+
t 7→ Dn (t det(M ) + (1 − t))
γk : [0; 1] → GLn (R)+
∀k 6= i0 ,
t 7→ Tik ,jk (tλk )
γ = γ1 ...γr : [0; 1] → GLn (R)+
continue et vérie γ(0) = In , γ(1) = M
t 7→ γ1 (t)...γr (t)

Théorèmes des valeurs intermédiaires

Soit A ⊂ E connexe par arcs et f : A → F continue alors f (A) est connexe par arcs.
L'image continue d'un connexe par arcs est connexe par arcs

Preuve : soit (y1 ; y2 ) ∈ f (A)2 , ∃(x1 ; x2 ) ∈ A2 /f (xi ) = yi , ∀i ∈ [|1; 2|], ∃γ : [0; 1] → A continu.
γ(0) = x1 , γ(1) = x2 . Alors f ◦ γ : [0; 1] → f (A) continu et (f ◦ γ)(1) = y2

Corollaire : cas réel

Soit A connexe par arcs ⊂ E et f : A → R continue. Si (a, b) ∈ f (A)2 alors ∀c ∈ [a;˜b], c ∈

f (A)

Preuve : f (A) est connexe par arcs dans R, c'est donc un intervalle

Remarque
On utilise fréquemment ce corollaire pour monter que des parties ne sont pas connexes par
arcs

227 MP∗ B.DufourJules

6.6. CONVEXITÉ, CONNEXITÉ CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Exemples
1. Soit E un R-evn et H un hyperplan fermé, soit ϕ ∈ L(E, R) continue telle que H = Ker(ϕ).
Soit x0 ∈/ H, ϕ(x0 )ϕ(−x0 ) < 0. Si E \ H était connexe par arcs alors ε(E \ H) ⊂ R∗ le
serait aussi et (ϕ(x0 ); ϕ(−x0 )) sont de signes opposés, impossible
2. GLn (R) n'est pas connexe par arcs, det(GLn (R)) = R∗ qui n'est pas connexe par arcs et
det est continue

Composantes connexes par arcs

Soit A une partie d'un evn E. On dénit sur A :

xRy ⇔ ∃γ : [0; 1] → A continu /γ(0) = x et γ(1) = y

R est une relation d'équivalence. Ses classes d'équivalences sont appelées les composantes
connexes par arcs de A (elles forment une partition de A)

Exemples
1. Les composantes connexes par arcs de R∗ sont R∗+ et R∗−
2. Les composantes connexes par arcs de GLn (R) sont GLn (R)+ et GLn (R)− . En eet ces
parties sont connexes par arcs, elles forment une partition de GLn (R) qui n'est pas connexe
par arcs

Application
Soit A = (ai,j ) ∈ Mn (R)/∀i ∈ [|1; n|],
X
ai,i > |ai,j |
j6=i

C'est une matrice à diagonale strictement dominante à coecients diagonaux positifs. On consi-
dère A l'ensemble des matrices à diagonales strictement dominante. Soit (A; B) ∈ A2 , t ∈
[0; 1], ∀i ∈ [|1; n|]
X X
|tai,j + (1 − t)bi,j | ≤ t|ai,j | + (1 − t)|bi,j | < tai,i + (1 − t)bi,i
j6=i j6=i

tA + (1 − t)B ∈ A qui est convexe donc connexe par arcs. On a vu que det(A) ⊂ R∗ (résoudre
AX=0, jouer sur l'encadrement de chaque coecient et conclure), d'après le TVI det(A) ⊂ R∗+
ou R∗− et In ∈ A, donc ∀A ∈ A, det(A) > 0

Remarque
Si A est connexe par arcs et f : A → B est continue, f (A) ⊂ B est incluse dans une des
composantes connexes par arcs de B
BL'intersection de connexes par arcs n'est pas toujours connexes par arcs ! ! !

228 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.7. COMPLÉMENTS (HP)

Notion de connexe (HP)

Généralement, on dit qu'une partie A de E est connexe si et seulement si les suites de

parties de A à la fois ouverte et fermées dans A sont ∅ et A

Théorème (HP)

E est connexe. Soit en eet B ⊂ E ouverte et fermée. Si B 6= ∅, soit x0 ∈ B et y ∈ E

∗
Soit t0 = sup{t ∈ [0; 1]/ty + (1 − t)x ∈ B} = sup D. ∃(tn ) ∈ DN / lim tn = t0 et B étant
n→+∞
fermée, t0 y+(1−t0 )x0 = z0 ∈ B . B étant ouverte, si t0 < 1, ∃α > 0/∀t ∈ [t0 ; α], ty+(1−t)x0 ∈
B , ce qui contredit la dénition de t0 . Donc t0 = 1, y ∈ B, B = E

6.7 Compléments (HP)

6.7.1 Semi-continuité inférieure du rang
Théorème

Soit A ∈ Mn (C) de rang r, alors

∃V ∈ V(A)/∀M ∈ V, rg(M ) ≥ r

lim Ap = A, ∃n0 ∈ N/∀n ≥ n0 , rg(An ) ≥ n

n→+∞

Preuve : par dénition, il existe une sous-matrice carrée de rang r extraite de A, notons
f : Mn (C) → C
la Ar = (ai,j ). Or l'application : est continue. f (A) 6= 0, par
M 7→ det(M )
continuité :∃V ∈ V(A)/∀m ∈ V, f (A) 6= 0, donc rg(A) ≥ r
BOn peut avoir rg(A) > r cf A = 0

Application
Si (Ap ) ∈ SAN
converge vers A0 , notons pour λ ∈ C, n(λ) = n − rg(A − λIn ) et nA0 (λ) =
n − rg(A − λIn ) = nAp (λ)
On a par semi-continuité inférieure du rang : nA0 (λ) ≥ nA (λ). Si A est diagonalisable :
X X
n= nA (λ) ≤ nA0 (λ) ≤ n
λ∈Sp(A) λ∈Sp(A)

donc ∀λSp(A), nA0 (λ) = nA (λ), A0 est diagonalisable

229 MP∗ B.DufourJules

6.7. COMPLÉMENTS (HP) CHAPITRE 6. ESPACES VECTORIELS NORMÉS

6.7.2 Résultant
Soit (P, Q) ∈ K[X], K corps commutatif, deg(P ) = n, deg(Q) = m
n
X m
X
P (X) = ak X k et Q(X) = bk X k
k=0 k=0

ϕ : E = Kn−1 [X] × Km−1 [X] → Kn+m−1 [X]

L'application est linéaire :
(A, B) 7→ BP + AQ

ϕ(λ(A, B) + (A0 , B 0 )) = ϕ((λA + A0 , λB + B 0 ))

= (λB + B 0 )P + (λA + A0 )Q
= λ(BP + AQ) + (B 0 P + A0 Q)
= λϕ((A, B)) + ϕ((A0 , B 0 ))

ϕ est bijective si et seulement si P ∧ Q = 1. Si ϕ est bijective alors 1 admet un antécédent par

ϕ:
∃(A, B) ∈ E 2 /ϕ(A, B) = 1 ⇔ BP + AQ = 1
D'après le théorème de Bézout, P ∧ Q = 1. Réciproquement si ϕ n'est pas bijective alors elle
n'est pas injective : ∃(A, B) ∈ E \ {(0, 0)}, ϕ(A, B) = P B + AQ = 0, P ∧ Q = 1, Q|P B ⇒ Q|B ,
d'après le théorème de Gauss
deg(B) ≤ m − 1 et deg(Q) = m ⇒ deg(B) = −∞, B = 0 ⇒ A = 0, contradiction, on a le résultat
par passage à la contraposée
On pose B1 = ((1, 0); (X, 0); ...; (X n−1 , 0); (0, 1); ...; (0, X n−1 )) et B2 est la base canonique de
Kn+m−1 [X]  
b0 0 0 a0 0 0
 .. .. .. ..
 . . 0 . . 0 

 
 bm · · · b0 an · · · a0 
matB1 ,B2 (ϕ) =  .. ..
 
. .

 0 bm 0 0 0 
. . . .
 
.. .. .. 0 .. 0 
 
0 0
0 0 bm 0 0 0 an
det(matB1 ,B2 (ϕ)) = R(P, Q), résultante R(P, Q) 6= 0 ⇔ P ∧ Q = 1
On pose : En = { P unitaire, deg(P ) = n, scindé à racines simples sur K}.
Si K = C, P ∈ En ⇔ P ∧ P 0 = 1 ⇔ R(P, P 0 ) 6= 0
ψ : Cn [X] → C
est continue, En = ψ −1 (C∗ ), donc En est un ouvert
P 7→ R(P, Q)
Si K = R, on munit Rn [X] de la norme inni. Soit P0 ∈ En , P0 = an (X − λ1 )...(X − λn ), λ1 <
... < λn . Au voisinage de chaque λi , P0 change de signe, soit µ1 < λ1 < µ2 < λ2 < ... < µn <
λn < µn+1 , ∀i ∈ [|1; n|], P0 (µi )P0 (µi+1 ) < 0. Pour i ∈ [|1; n|], µi et µi+1 étant xés, l'application
Rn [X] → R
est continue, donc il existe r > 0/||P0 − P || < r ⇒ ∀i ∈
P 7→ P (µi )P (µi+1 )
[|1; n|], P (µi )P (µi+1 ) < 0, P s'annule une fois sur chaque intervalle ]µi ; µi+1 [ et deg(P ) ≤ n,
donc P possède n racines distinctes. On a même, ∀ε > 0, ∃α > 0/||P0 − P ||∞ ≤ α alors les
racines de P sont de la forme ν1 < ... < νn où ∀i ∈ [|1; n|], |νi − λi | ≤ ε, choisir ∀i ∈ [|1; n|]µi =
λi − ε, µi+1 = λi+1 ε. On a continuité des racines dans le cas réel, donc En est encore ouvert sur
R

230 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.7. COMPLÉMENTS (HP)

BX 2 + 1
n est scindé X 2 + 1
−→
n n→+∞ X2
Dans le cas où K = C, on pose ∆n l'ensemble des matrices diagonalisables sur K à n valeurs
propres :
A ∈ ∆n ⇔ χA ∈ En ⇔ R[χA , χ0A ] 6= 0
A → (χA , χA0 ) est continue, ∆n est ouvert

6.7.3 Continuité des racines

Soit un polynôme
n
X n
Y
P0 (X) = ak X k = (X − λj ) ∈ C[X] unitaire
k=0 j=1

scindé à racines simples. On munit Cn [X] de la norme innie. Soit

n
X n
Y
P (X) = bk X k = (X − µj ) unitaire
k=0 j=1

Pour ε > 0 xé, soit i ∈ [|1; n|], supposons ∀j ∈ [|1; n|], |λi − µj | ≥ ε, alors :
n
Y
|P (λi )| = | (λi − µj )| ≥ εn
j=1
= |(P − P0 )(λi )|
n
X
= | (ak − bk )λki | −→ 0
P →P0
k=0
n−1
X
≤ ||P − P0 ||∞ |λi |k
k=0

εn
∃α > 0/||P − P0 ||∞ ≤ α ⇒ ∀i ∈ [|1; n|], |(P − P0 )(λi )| ≤ et d'après ce qui précède,
2
1
∀i ∈ [|1; n|], ∃j ∈ [|1; n|], |λi − µj | ≤ ε. Si de plus on s'impose ε < min |λi − λj | alors
2 i6=j
∀i1 6= i2 , B(λi1 , ε) ∩ B(λi2 , ε) = ∅
∀k ∈ N, ∃σ(k) ∈ [|1; n|]/|λk − µσ(k) | ≤ ε. On a n disques disjoints, σ est bijective et P possède n
racines distinctes

6.7.4 Topologie de Mn (C)

Matrices trigonalisables
Soit P ∈ R[X] unitaire de degré n. Soit P scindé sur R,
n
Y
P (X) = (X − λj )
j=1

Soit z = a + ib ∈ C,
n
Y n
Y n
Y
|P (z)| = | (a + ib − λj )| = |a − λj + ib| ≥ |b| ≥ |Im(z)|n
j=1 j=1 j=1

231 MP∗ B.DufourJules

6.7. COMPLÉMENTS (HP) CHAPITRE 6. ESPACES VECTORIELS NORMÉS

Supposons ∀z ∈ C, |P (z)| ≥ |Im(z)|n . Soit λ racine de P, 0 ≥ |Im(λ)|n , λ ∈ R

On pose Sn = {P ∈ R[X] unitaire de degré n, scindé sur R}. L'application qui à un polynôme
associe son coecient dominant est continue. Soit (Pk ) ∈ Rn [X]N , supposons qu'elle converge
vers P ∈ Rn [X], ∀k ∈ N, |Pk (z)| ≥ |Im(z)|n , par continuité du module, |P (z)| ≥ |Im(z)|n , donc
P est scindé sur R
Soit (Mk ) ∈ Mn (R)N , ∀k ∈ N, Mk trigonalisable converge vers M
∀k ∈ N, χMk est scindé χ : M 7→ χM est continue, donc χM est scindé car M = lim Mk ⇒
k→+∞
χM = lim χMk , donc l'ensemble des matrices trigonalisables de Mn (R) est fermé, ce qui n'est
k→+∞
pas le cas pour celui des matrices diagonalisables

Matrices stochastiques
A = (ai,j ) est une matrice stochastique si et seulement si ∀(i, j) ∈ [|1; n|]2 et
n
X
∀i ∈ [|1; n|] ai,j = 1
j=1

On a alors ∀λ ∈ Sp(A), |λ| ≤ 1. De plus si AX = X alors avec les notations précédentes,

J = [|1; n|] :  
1
 .. 
∀j ∈ J, xj = xi0 , X = xi0  . 
1
 
1
 .. 
car on a toujours X =  .  vecteur propre associé à la valeur propre 1 pour une matrice
1
stochastique
Soit une suite de variables aléatoires qui prennent un nombre ni de valeurs dans [|1; n|]. On dit
qu'il s'agit d'un processus stochastique si et seulement si :

∀(i, j) ∈ [|1; n|]2 , ∀p ∈ N, PXp =j (Xp+1 = i) = pi,j

est indépendant de p. Ce processus ne tient compte à l'étape p + 1 uniquement des états à l'étape
p, d'après le formule des probabilités totales :
n
X
∀i ∈ [|1; n|], pi,j = 1
i=1

(m)
A = (pi,j ) est stochastique et tA est encore stochastique. On note dès lors pi,j la probabilité
PX0 =j (Xm = i)
n n
(m+1)
X X
pi,j = PXm =k (Xm+1 = i) × PX0 =j (Xm = k) = pi,k pk,j
k=1 k=1
 
0 1
Généralement, (Am ) ne converge pas, par exemple : A =
1 0
A2 = I2 , A2m+1 = A et A2m = I2

232 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.7. COMPLÉMENTS (HP)

Par contre
m
1 X k
( A )
m+1
k=0

converge. En eet si A et B sont stochastiques, A × B l'est : les coecients de AB sont positifs

et vérient :
     
1 1 1
 ..   ..   .. 
AB  .  = A  .  =  . 
1 1 1

Il vient que Ak est stochastique, donc les coecients de Ak sont dans [0; 1]
De plus, soit E un K-espace vectoriel de dimension nie, u ∈ L(E). On a alors :

∀x ∈ E, (u(x)k ) est bornée





E = Im(u − id) ⊕ Ker(u − id)
m
1
uk (x)) converge vers le projecteur sur Ker(u − id)//Im(u − id)
 P
( m+1

k=0

m
1 um+1 (x)−x
uk (x))(u − id)(x) =
P
∀x ∈ E, ( m+1 m+1 −→ 0
k=0 m→0
y ∈ Ker(u − id) ∩ Im(u − id), ∃x ∈ E/y = (u − id)(x) et u(y) = y :
m m
1 X k 1 X k
( u )(y) = y = ( u )(u − id)(x) −→ 0
m+1 m+1
k=0 k=0

donc
( y = 0, on a :
Im(u − id) ⊕ Ker(u − id)
⇒ E = Im(u − id) ⊕ Ker(u − id)
dim(Im(u − id)) + dim(Ker(u − id)) = m
Soit x ∈ E, x = x1 + y1 avec x1 ∈ Ker(u − id) et y1 = (u − id)(x2 ) ∈ Im(u − id). Il vient :
m
1 X k um+1 (x2 ) − x2
( u )(x) = x1 + −→ x1
m+1 m+1 m→+∞
k=0

Remarque Soient f, g : A ⊂ E → F continues telle que : ∃B dense dans A, fB = gB

∀a ∈ A, ∃(bn ) ∈ B N / lim bn = a, ∀n ∈ N, f (bn ) = g(bn ) par continuité, f (x) = g(x) et f = g .
n→+∞
Deux applications continues qui coïncident sur une partie dense sont égales

Suites de matrices de limite diagonalisable

Soit M ∈ Mn (C), on suppose que (M p ) est bornée :

∀λ ∈ SpC (M ), |λ| ≤ 1, |λ| = 1 ⇒ m(λ) = n(λ)

Preuve : on munit Mn (C) de la norme triple d'algèbre :

||M X||
|||M ||| = sup
||X||=1 ||X||

233 MP∗ B.DufourJules

6.7. COMPLÉMENTS (HP) CHAPITRE 6. ESPACES VECTORIELS NORMÉS

X X X
∃X ∈ Cn , M X = λX ⇒ M =λ , X0 = , ||X 0 || = 1
||X|| ||X|| ||X||
⇒ M X 0 = λX 0
⇒ M p X 0 = λp X 0
||M p X 0 || = |λp | ≤ |||M |||p , donc |λ| ≤ 1
Si |λ| = 1 : n(λ) ≤ m(λ), χM = (X − λ)m(λ) Q(X), Q(λ) 6= 0
Cn = Ker(u − λid) ⊕ Ker(Q(u))
(up ) est bornée donc (up|F ) l'est aussi. On trigonalise u|F = λidE + n avec n nilpotent, r = ν(n)
r−1  
X p
(u|F )p = (λidE + n)p = nk λp−k idE
k
k=0

En trigonalisant n, si il est non nul alors la première diagonale non nulle de sa matrice représen-
tative est la k-ième, alors les (nj ) ne sont pas bornés, donc n = 0, d'où n(λ) = m(λ)

Corollaire : Si M ∈ GLn (C) et (M p ) est bornée alors M est diagonalisable :

∀λ 6= 0 ∈ SpC (M ), |λ| ≤ 1, λ1 ∈ SpC (M −1 ) ⇒ |λ| ≤ 1 et | λ1 | ≤ 1 donc |λ| = 1
D'après ce qui précède, il n'y a pas de composante nilpotente dans la décomposition de Dunford,
donc la matrice est diagonalisable

Théorème de Perron-Frobenius
Soit A une matrice stochastique, on note u ∈ L(Rn ) canoniquement associé à A. ∀p ∈ N, Ap
est stochastique à coecients dans [0; 1], donc bornée, d'après le théorème précédent, |λ| ≤ 1
|λ| = 1, alors
n
X n
X
|xj0 | = |λ| · |xj0 | = ai,j |xi | ≤ ai,j |xj0 |, xj0 = max xi
i∈[|1;n|]
i=1 i=1
d'où, ∀i ∈ [|1; n|], |xi | = |xj0 |
 
n n 1
X X  .. 
| ai,j xi | = ai,j |xi |, X = xj0  .  , λ = xj0 = 1
i=1 i=1 1
 
1
dim(Ker(u − id)) = 1 car tAX = X ⇒ X ∈ V ect[ ... 
 

1
Le sous-espace propre est égal ou sous-espace caractéristique, 1 = n(1) = m(1), en trigonalisant :
···
 
1 0 0
 λ1 ∗ ∗ 
.
 
0
 0 .. ∗ 0 0 

 
 0 0 λ r

A = P −1  . . P
 
 .. 0 . . 0 
 
 λr ∗ ∗
..
 
0 0 0 . ∗
 
0
0 0 λn

234 MP∗ B.DufourJules

CHAPITRE 6. ESPACES VECTORIELS NORMÉS 6.7. COMPLÉMENTS (HP)

Sur chaque sous-espace propre / caractéristique, u|F = λid + n

r−1  
X p p−k k
up|F = λ n −→ 0
k p→+∞
k=0
 
1 0 ··· 0
0 0 0 0
Finalement : Ar −→ P  .
 −1
P

p→+∞  .. 0 0 0
0 0 0 0

235 MP∗ B.DufourJules

6.7. COMPLÉMENTS (HP) CHAPITRE 6. ESPACES VECTORIELS NORMÉS

236 MP∗ B.DufourJules

Chapitre 7

Fonction d'une variable réelle

Sommaire
7.1 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7.1.2 Dérivées d'ordre supérieures . . . . . . . . . . . . . . . . . . . . . . . . 231
7.1.3 C k -diéomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.1.4 Fonctions C k par morceaux . . . . . . . . . . . . . . . . . . . . . . . . 234
7.2 Accroissements nis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.2.1 Le théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.2.2 Complétude, suites de Cauchy (HP) . . . . . . . . . . . . . . . . . . . 236
7.2.3 Théorème de prolongement de la dérivée . . . . . . . . . . . . . . . . . 238
7.2.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
7.3 Arcs paramétrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
7.3.2 Étude locale d'un arc plan . . . . . . . . . . . . . . . . . . . . . . . . . 245
7.3.3 Tracé d'un arc plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
7.3.4 Théorème de relèvement (HP) . . . . . . . . . . . . . . . . . . . . . . 250
7.3.5 Abscisses curvilignes (HP) . . . . . . . . . . . . . . . . . . . . . . . . . 250

7.1 Dérivation
7.1.1 Dénition
Dénition

Soit dans tout le chapitre I un intervalle de R et E un R-espace vectoriel de dimension

nie. Soit f : I → E et t0 ∈ I , on dit que f est dérivable (resp. à droite, à gauche) en t0 si et
τt0 : I \ {t0 } → E
seulement si f (t)−f (t0 ) admet une limite (resp. à droite, à gauche)
t 7→ t−t0
en t0 :
f (t) − f (t0 )
lim = f 0 (t0 ) ∈ E
t→t0 t − t0

237
7.1. DÉRIVATION CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

f est dérivable en t0 ∈ ˚
I si et seulement si elle l'est à droite et à gauche :
fd0 (t0 ) = fg0 (t0 )

On dit que f est dérivable sur I si et seulement si elle l'est en tout point de I . On note alors :
f0 : I → E
. On la note également parfois df dt ou D(f ), on évitera cependant les
t 7→ f 0 (t)
df (t)
dt (t) et dt
notations df

Propriétés, théorèmes généraux

1. f est dérivable en t0 ⇔ ∃ε : I \{t0 } → E/ lim ε(h) = 0, f (t0 +h) = f (t0 )+hf 0 (t0 )+hε(h)
h→0
f admet un dl1 (t0 ) si et seulement si elle dérivable en t0
2. Si f est dérivable en t0 (resp. sur I ) alors elle y est continue. La réciproque est fausse
(cf |.| en 0)
3. Si f et g sont dérivables en t0 (resp. sur I ), ∀λ ∈ K avec K = R ou C alors λf + g
l'est et (λf + g)0 = λf 0 + g 0 . Si de plus E est une algèbre normée alors f × g l'est et
(f g)0 = f 0 g + f g 0
4. Si g : J ⊂ R → I est dérivable en u0 et f en t0 = g(u0 ), alors f ◦ g est dérivable en u0
et (f ◦ g)0 (u0 ) = g 0 (u0 )f 0 (g(u0 ))
5. Si f : I → J ⊂ R est bijective , dérivable en t0 , f 0 (t0 ) 6= 0 et si f −1 est continue en
u0 = t0 alors f −1 est dérivable en u0 et
1 1
(f −1 )0 (u0 ) = =
f 0 (t0 ) (f 0 ◦ f −1 )(u0 )

Φ : I → E
6. Soit E1 × ... × Ep p R-evn de dimension nie,
(x1 ; ...; xp ) 7→ Φ(x1 ; ...; xp )
p-linéaire. Soit i ∈ [|1; p|], fi : I → E dérivable en t0 alors
ψ : I → E
est dérivable en t0 et
t 7→ Ψ(f1 (t); ...; fp (t))
p
X
ψ(t0 ) = Φ(f1 (t0 ); ...; fi0 (t0 ); ...; fp (t0 ))
i=1

Remarque
Soit ϕ une application p-linéaire en dimension nie alors elle est continue

238 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.1. DÉRIVATION

Théorème

Soit u ∈ L(E, F ) où F est un R-espace vectoriel de dimension nie. Si f est dérivable en

t0 , u ◦ f l'est et :
(u ◦ f )0 (t0 ) = u(f 0 (t0 ))

Preuve : utiliser un dl1 de f et la linéarité de u

Dérivation dans une base

Soit (e1 ; ...; en ) une base de E , si ∀t ∈ I, fi : I → R telles que :

n
X
f (t) = fi (t)ei
i=1

f est dérivable en t0 si et seulement si ∀i ∈ [|1; n|], fi l'est. Alors :

n
X
f 0 (t) = fi0 (t)ei
i=1

Dérivée du déterminant

Soit B une base de E, ∀i ∈ [|1; n|], fi : I → E dérivable en t0 , alors t 7→

detB (f1 (t); ...; fn (t)) l'est et
n
X
det(f1 (t); ...; fn (t))0 = det(f1 (t0 ); ...; fi0 (t0 ); ...; fp (t0 ))
B B
i=1

7.1.2 Dérivées d'ordre supérieures

Dénition

Soit f : I → E , on dénit par récurrence :

1. f (0) = f , si f est n fois dérivable sur I et f (n) est dérivable alors f est dite n + 1 fois
dérivable sur I et
f (n+1) = (f (n) )0
2. On dit que f est n fois dérivable ne t0 ∈ I si et seulement si f est n − 1 fois dérivable
sur I et f (n−1) est dérivable en t0
(
f est n dérivable sur I
3. Pour n ∈ N, on dit que f est de classe C si et seulement si
n
f (n) est continue sur I
On dit sue f est de classe C si et seulement si ∀n ∈ N, f est C n si et seulement si f
∞

est n fois dérivable à dérivée continue sur I

239 MP∗ B.DufourJules

7.1. DÉRIVATION CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

Remarque

f est de classe C n sur I ⇔ ∀k ∈ [|0; n|], f (k) est de classe C k

⇔ ∃k ∈ [|0; n|], f (k) est de classe C n−k

On a alors f (n) = (f (k) )(n−k)

BUne fonction peut-être dérivable sur I sans que sa dérivée soit continue, on étudie la fonction :
f0 : I → E
t 7→ f 0 (t)
On a montré dans le cours de MPSI qu'elle est n fois dérivable (TGD) mais pas C n
Bf est dérivable en t0 ⇔ f admet un dl1 (t0 )
f est dérivable n fois ⇒ f admet un dln (t0 ), d'après la formule de Taylor-Young. La réciproque
est fausse pour n ≥ 2 : on pose f (x) = xn+1 sin( xn+1
1
) et f (0) = 0
f (x) = 0 + o(x ) admet un dln (0) mais n'est pas dérivable 2 fois car f 0 n'est pas continue en 0
n

Formule de Leibniz

Soit B : E1 × E2 → E bilinéaire, avec E1 , E2 , E R-evn de dimension nie, f : I → E1 et

g : I → E2 n fois dérivable (resp. C n ) alors B(f, g) l'est et :
n  
X n
B(f, g) = B(f (k) , g (n−k) )
k
k=0

Preuve : par récurrence sur n

Théorème généraux de la classe

1. Soit E une algèbre normée de dimension nie. Si f et g : I → E sont n fois dérivables

(resp. C n , avec n ∈ N ∪ {+∞}) sur I alors f × g l'est ainsi que λf + g
2. Soit f : I → E et g : E → I n fois dérivables (resp. C n ), alors f ◦ g l'est aussi
3. Soit f : I → C qui ne s'annule pas sur I . Si f est n fois dérivable (resp. C n ) alors 1
f
l'est

Preuve : cf cours de MPSI

240 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.1. DÉRIVATION

7.1.3 C k -diéomorphisme
Dénition

Soient I et J deux intervalles de R, k ∈ N∗ ∪ {+∞}. On dit que f : I → J est un

C -diéomorphisme si et seulement si :
k

1. f est C k
2. f est bijective
3. f −1 est C k

Théorème de caractérisation

Soit f : I → R, C k (k ≥ 1). Si ∀t ∈ I, f 0 (t) 6= 0 alors f induit un C k -diéomorphisme de

I → J = f (I)

Preuve : f 0 continue et ne s'annule pas sur l'intervalle I, donc y reste de signe constant : f est
strictement monotone donc injective. D'après le théorème des bijections, f induit une bijection
de I → f (I) = J intervalle, alors f −1 : J → I est strictement monotone et f −1 (J) = I est
un intervalle, donc f −1 est continue. On sait alors que f −1 est dérivable : on montre alors par
récurrence que f −1 est bien de classe C k

Exemples
−π π
1. tan dénit un C ∞ -diéomorphisme de ] − ; [→ R
2 2
−π π
2. sin dénit un C ∞ -diéomorphisme de ] − ; [→] − 1; 1[ et un homéomorphisme de
2 2
−π π
[− ; ] → [−1; 1]
2 2
3. On a ∀x ∈] − 1; 1[, arcsin0 (x) = √1−x
1
2

10 x x
arcsin00 (x) = (1 − x2 )− 2 = 3 = arcsin0 (x) (1)
(1 − x2 ) 2 1 − x2
Par récurrence triviale :
Pn (x)
∀n ∈ N∗ , ∃Pn ∈ Rn−1 [X]/∀x ∈] − 1; 1[, arcsin(n) (x) = 1
(1 − x2 )n− 2
avec Pn+1 (x) = (1 − x2 )Pn0 (x) + 2x(n − 12 )Pn (x)
d'où, Pn+1 = (1 − X 2 )Pn0 + (2n − 1)XPn (2)
Ces polynômes sont égaux car ils coïncident sur [−1; 1] inni. Par ailleurs d'après (1) :
(1 − x2 ) arcsin00 (x) = x arcsin0 (x). D'après la formule de Leibniz,
∀x ∈]−1; 1[, (1−x2 ) arcsin(n+2) (x)−2nx arcsin(n+1) (x)−n(n+1) arcsin(n) (x) = x arcsin(n+1) (x)+n arcsin(n) (x)
Pn+2 = (2n + 1)XPn+1 + n2 (1 − X 2 )Pn (3)
On obtient une équation diérentielle en fonction de Pn , ce qui permet d'en déduire direc-
tement ses coecients. De plus par récurrence :
∀n ∈ N, ∀x ∈ [0; 1[, arcsin(n) ≥ 0

241 MP∗ B.DufourJules

7.1. DÉRIVATION CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

7.1.4 Fonctions C k par morceaux

Dénition

1. Soit [a; b] ⊂ R(a < b). On appelle subdivision de [a; b] toute suite nie strictement
croissante σ = (a = a0 < a1 < ... < an = b)
On note Σ([a; b]) l'ensemble des subdivisions de [a; b]. Pour σ ∈ Σ([a; b])2 , on dénit le
pas de σ
δ(σ) = max (ai+1 − ai ) > 0
0≤i≤p−1

Soit (σ, σ 0 ) ∈ Σ([a; b])2 on dit que σ 0 est plus ne que σ si et seulement si σ ⊂ σ 0
2. On dit que f : [a; b] → E , R-evn est C k par morceaux (noté CM
k
) sur [a; b] si et seulement
si ∃σ = (a0 ; ...; ap ) ∈ Σ([a; b])/
(a) f admet une limite à droite (resp. à gauche) f (a+ ) (resp. f (b− )) en a (resp. en b)
(b) ∀i ∈ [|1; p − 1|], f admet une limite à droite et à gauche f (a− i et f (ai ) en ai
+

f˜i : [ai ; ai+1 ] → E

t 7→ f (t) si t ∈]ai ; ai+1 [
(c) ∀i ∈ [|0; p − 1|], est C k
ai 7→ f (a+
i )
ai+1 7→ f (a−
i+1 )
On dit que σ est adaptée à f (toute subdivision plus ne que σ l'est aussi)
3. Soit I intervalle de R, on dit que f est CM
k
sur I si elle l'est sur chaque [a; b] ⊂ I

Exemples
f ]0; 1] → R
:
1. continue, comme lim f (x) = +∞, on ne peut pas prolonger f en
x 7→ x1 x→0+
une fonction continue par morceaux sur [0; 1]

f : R∗+ → R
2. est C ∞ par morceaux. ∀[a; b] ⊂ R∗+ . Soit A = {k ∈ N∗ / k1 ∈ [a; b]}.
x 7→ xE( x1 )
On forme σ = (a0 = a; max(A)
1 1
; ...; min(A) ; b) adaptée à f . Notons que lim f (x) = 1, mais f
x→0
n'est pas prolongeable en une fonction continue par morceaux sur [0; 1] car elle est y admet
une innité de discontinuités

242 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.1. DÉRIVATION

3. On dit que f : [a; b] → E est en escalier sur [a; b] si et seulement si elle admet une subdivision
adaptée σ = (a0 ; ...; ap ) ∈ Σ([a; b])/∀i ∈ [|0; p − 1|], f|]ai ;ai+1 [ est constante. Les fonctions en
escaliers sont C ∞ par morceaux

4. On dit que f : I → E est en escalier sur I si et seulement si ∃[a; b] ⊂ I/f est en escalier
sur [a; b] et f = 0 sur I \ {[a; b]}

5. Les fonctions anes par morceaux continues sont sont C ∞ par morceaux

Régularité

On dit que f fonction continue par morceaux : [a; b] → E est régulière si et seulement si :

f (x+ ) + f (x− )
∀x ∈]a; b[, f (x) =
2
avec f (a) = f (a+ ) et f (b) = f (b− )
Lorsque f est CM 1
, on déni f 0 par f 0 (a) = fd0 (a) et f 0 (b) = fg0 (b). ∀x ∈]a; b[, f 0 (x) =
fg0 (x)+fd0 (x)
2 . Si f est CM
k
, f ainsi dénie est CM
k+

Théorèmes généraux

1. Toutes combinaison linéaire, produit de fonctions CM

k
l'est encore. L'ensemble
k
CM ([a; b], E) est une K-algèbre
2. Toute fonction continue par morceaux sur un segment y est borné (les bornes ne sont
pas forcement atteintes !)

Exemple
f : [0; 1] → R
x 7→ 1 est continue par morceaux mais les bornes ne sont pas toutes atteintes
1 7→ 0

243 MP∗ B.DufourJules

7.2. ACCROISSEMENTS FINIS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

7.2 Théorème des accroissements nis

7.2.1 Le théorème
Inégalité des accroissements nis

Soit (E, ||.||) un R-evn de dimension nie. Soit [a; b] ⊂ R, avec a < b, f : [a; b] → E , telle
que :
1. f est continue sur [a; b]
2. f est CM
1
et ∃M ≥ 0/∀x ∈ [a; b], ||f 0 (x)|| ≤ M
alors,
||f (a) − f (b)|| ≤ M |b − a|

Preuve : on reprend la démonstration de MPSI en remplaçant la valeur absolue par la norme

f : [0; 2π] → C
BSi dim E ≥ 2, on n'a plus égalité des accroissements ni ni théorème de Rolle.
t 7→ eit
est C ∞ , ∀t ∈ [0; 2π], f 0 (t) = ieit 6= 0, mais f (0) = f (2π) = 1

Corollaire

Soit f : I ⊂ R → E, CM
1
et continue :
1. Soit k ≥ 0, f est k -lipschitzienne sur I si et seulement si ∀x ∈ I en lequel f est dérivable
||f 0 (x)|| ≤ k
2. f est constante sur I si et seulement si en tout point de dérivabilité de f 0 = 0

Preuve :
1. Si f est k -lipschitzienne : ∀t0 ∈ I, ∀h ∈ R∗ /t0 + hi nI , || f (t0 +h)−f
h
(t0 )
|| ≤ k donc quand
h −→ 0+ et 0− : ||fg0 (t0 )|| ≤ k et ||fd0 (t0 )|| ≤ k
Réciproquement si ∀t ∈ I, ||f 0 (t)|| ≤ k , d'après l'inégalité des accroissements nis : ∀(a, b) ∈
I 2 avec a < b : ||f (b) − f (a)|| ≤ k(b − a)
2. f est constante si et seulement si elle est 0-lipschitzienne

7.2.2 Complétude, suites de Cauchy (HP)

Suites de Cauchy

Soit (E, ||.||) un K-evn. On dit (un ) ∈ E N est une suite de Cauchy si et seulement si

∀ε > 0, ∃N ∈ N, ∀n ≥ N, ∀m ≥ N, ||un − um || ≤ ε

Cette propriété est interne dans la suite

244 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.2. ACCROISSEMENTS FINIS

Théorèmes

1. Toute suite convergente est de Cauchy

2. Toute suite de Cauchy est bornée
3. Si une suite de Cauchy possède une valeur d'adhérence λ alors elle converge vers λ
4. Un espace est dit complet lorsque toute suite de Cauchy converge dans cet espace

Preuve :
1. Si lim un = l, soit ε > 0, ∃N ∈ N, ∀n ∈ N, n ≥ N ⇒ ||un − l|| ≤ ε
n→+∞
Alors, ∀n ≥ N, ∀m ≥ N, ||un − um || ≤ ||un − l|| + ||um − l|| ≤ ε
2. Si (un ) est de Cauchy, ∃N1 ∈ N, ∀n ≥ N1 , ∀m ≥ N1 , ||un − um || ≤ 1. En particulier
∀n ≥ N1 , ||un − um || ≤ 1, d'où ||un || ≤ ||uN1 || + 1

∀n ∈ N, ||un || ≤ max(||u0 ||, ..., ||uN1 ||, ||uN1 || + 1)

3. Si lim uσ(n) = λ et si (un ) est de Cauchy : soit ε > 0

n→+∞

ε
∃N1 ∈ N/∀n ≥ N1 , ||un − um || ≤
2
ε
∃N2 ∈ N/∀n ≥ N2 , ||uσ(n) − λ|| ≤
2
Alors ∀n ≥ max(N1 , N2 ), ||un − λ|| ≤ ||un − uσ(n) || + ||uσ(n) − λ|| ≤ ε
BToute suite convergente est de Cauchy mais la réciproque est fausse !Dans (R[X], ||.||∞ ), soit
pour n ∈ N,
n m
X Xk X Xk 1
Pn = ⇒ Pm − P n = ⇒ ||Pm − Pn || =
k+1 k+1 n+2
k=0 k=n+1

Soit ε > 0, ∃N ∈ N, ∀n ≥ N, n+2

1
≤ ε et si n ≥ N et m ≥ N, ||Pn − Pm ||∞ ≤ ε
(Pn ) est de Cauchy
Supposons que (Pn ) converge, vers P (X) = ak X k . Soit k0 ∈ N, ∀n ≥ k0
P
k∈N

1
| − ak0 | ≤ ||Pn − P ||∞ −→ 0
k0 + 1 n→+∞

donc ak0 = k0 +1 ,
1
impossible car {k ∈ N/ak 6= 0} est ni

Espaces de Banach, complétude

On dit que (E, ||.||) est un espace de Banach ou complet si et seulement si toute suite de
Cauchy dans E converge

245 MP∗ B.DufourJules

7.2. ACCROISSEMENTS FINIS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

Exemples
1. R et C sont complets
2. Tout K-espaces vectoriel de dimension nie est complet
3. Les espaces lp sont complets
Preuve : si (un ) est de Cauchy dans (E, ||.||) de dimension nie, elle est bornée. D'après
le théorème de Bolzano-Weierstrass elle admet une valeur d'adhérence λ, d'après ce qui
précède, elle converge vers λ
n
BQ n'est pas complet : un = k! converge vers e ∈
1
/ Q. Pour faire de l'analyse on se place
P
k=0
toujours dans un espace complet

Critère de Cauchy

Soit (E, ||.||) un espace complet et (E1 , ||.||1 ) un K-evn. f : A ⊂ E → F et a ∈ A. On dit

que f vérie les critères de Cauchy au voisinage de a si et seulement si :
1. ∀ε > 0, ∃α > 0/∀(x, y) ∈ A2 , ||x − a||E ≤ α
2. ||y − a||E ≤ α ⇒ ||f (a) − f (y)|| ≤ ε
Si c'est le cas, f admet une limite nie en a

Preuve : soit (an ) ∈ AN / lim an = a. Soit ε > 0 et α > 0 associé par le critère de Cauchy :
n→+∞
∃N ∈ N, ∀n ≥ N, ||an − a||E ≤ α alors ∀n ≥ N, ∀m ≥ N, ||f (an ) − f (am )|| ≤ ε et (f (an )) est une
suite de Cauchy dans (F, ||.||) elle converge. On sait qu'alors f admet une limite nie en a

7.2.3 Théorème de prolongement de la dérivée

Prolongement d'une fonction lipschitzienne au voisinage d'un point

Soit E un K-evn de dimension nie (donc complet), soit (a, b) ∈ R2 avec a < b et
f :]a; b] → E , k -lipschitzienne. Alors f admet une limite nie en a+

Preuve : soit ε > 0, si (x; y) ∈]a; a + k+1

ε 2 ε
] , |x − y| ≤ k+1 et ||f (x) − f (y)|| ≤ k k+1
ε
≤ ε, f
vérie le critère de Cauchy au voisinage de a donc admet une limite nie en ce point. De même
sur [c; a[

Corollaire

Soit (E, ||.||) un K-evn de dimension nie et f :]a; b] → E . On suppose que f est CM
1
sur
]a; b] et continue telle que : lim f (x) = l ∈ E , alors :
0
x→a+
1. f admet une limite nie en a, f (a+ )
f˜ : [a; b] → E
2. a 7→ f (a+ ) est dérivable en a
x 7 → f (x) sinon
3. f˜0 (a) = l
d

246 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.2. ACCROISSEMENTS FINIS

Preuve :
1. f 0 admet une limite nie en a, donc elle est bornée au voisinage de a

∃k ≥ 0, ∃c ∈]a; b]/∀x ∈]a; c], ||f 0 (x)|| ≤ k

f est alors k -lipschitzienne sur ]a; c], le théorème précédent permet de conclure
2. Soit ε > 0 : ∃α > 0/ si x ∈]a; a + α], ||f 0 (x) − l|| ≤ ε. Soit alors y ∈]a; a + α] xé et
ϕ : [x;˜y] → E
C 1 continue.
t 7→ f (t) − f (y) − (t − y)l M
∀y ∈ [x;˜y], ||ϕ0 (t)|| = ||f 0 (t) − l|| ≤ ε. D'après l'inégalité des accroissements nis,

||ϕ(x) − ϕ(y)|| ≤ ε|x − y| ⇒ ||f (x) − f (y) − l(x − y)|| ≤ ε|x − y|

+
Pour x xé, lorsque y −→ a+ , ||f (x) − f (a+ ) − l(x − a)|| ≤ ε|x − a| ⇒ || f (x)−f
x−a
(a )
− l|| ≤ ε
Ainsi f˜ est dérivable à droite en a et f˜d0 (a) = l

Prolongement de la dérivée

Soit f : [a; b] → E (evn de dimension nie), telle que :

1. f est continue sur [a; b]
2. f ∈ CM
1
(]a; b], E) et ∃l = lim f 0 (x) ∈ E
x→a+
Alors f est dérivable en a à droite et fd0 (a) = l

Preuve : on peut appliquer le corollaire avec f˜ = f . Ce résultat est aussi vrai à gauche sur
[c; a]
BLa continuité en a est essentielle ! !
f : [0; 1] → R
0 7→ 1 1
CM sur [0; 1] et ∀x 6= 0, f 0 (x) = 0, lim f 0 (x) = 0, mais f n'est pas
x→0+
x 7→ 0 si x 6= 0
dérivable à droite en 0+ (car non continue à droite en 0)

Exemples
f : R → R
1.
1
x 7→ e− x si x > 0
x 7 → 0 si x ≤ 0
D'après les théorèmes généraux de la classe, elle est C ∞ sur R∗ est continue
1 1
e− x (−2x + 1)e− x
∀x > 0, f (x) = 2 ⇒ f 00 (x) =
0
x x4
Pn (x) − 1
Par récurrence triviale : ∀n ∈ N, ∃Pn ∈ R[X]/∀x > 0 : f (n) (x) = x2n e
x −→ 0
x→0+
∀x < 0, ∀n ∈ N, f (x) = 0. En appliquant par récurrence le théorème de prolongement de
(n)

la dérivée, on montre que ∀n ∈ N, f est n fois dérivable sur R, f (n) (0) = 0, f (n) est continue
sur R

247 MP∗ B.DufourJules

7.2. ACCROISSEMENTS FINIS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

f : R → R
− x12
2. x 7→ e si x 6= 0 De même, f est C ∞ sur R et ∀n ∈ N, f (n) (0) = 0. Notons
0 7→ 0
que ∀x 6= f (x) > 0. De manière générale, on ne peut pas raccorder un polynôme à cette
fonction : il serait C n mais pas C n+1 , avec n = deg P

f : R → R
2 ) si x ∈] − 1; 1[ C
1 1
3. x 7→ exp(− (1−x)(1+x) ) = exp(− 1−x ∞
sur R
x 7 → 0 si |x| ≥ 1

248 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.2. ACCROISSEMENTS FINIS

f : R → R
x 7→ 0 si x ≤ 0
4. x 7→ 1 si x ≥ 1
Rx
x 7→ a 1
exp(− t(1−t) )dt si x ∈]0; 1[
0
avec a = R1
1
>0
1
exp(− t(1−t) )dt
0

7.2.4 Formules de Taylor

Taylor-Young

Soit f : I → E, t0 ∈ I, f est n fois dérivable en t0 . On a :

n
X (x − a)k
∀(x, a) ∈ I 2 , f (x) = f (k) (a) + o((x − a)n )
k!
k=0

Remarque
C'est un résultat local, il indique le comportement de f au voisinage de a

249 MP∗ B.DufourJules

7.2. ACCROISSEMENTS FINIS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

Taylor avec reste intégral

Soit f : [a;˜b] → E . On la suppose C n et CM

n+1
sur [a;˜b]. On a :
n x
(x − a)k (x − t)n (n+1)
X Z
∀(x, a) ∈ I 2 , f (x) = f (k) (a) + f (t)dt
k! a n!
k=0

Inégalité de Taylor-Lagrange

Soit f : I → E C n et CM
n+1
. On pose

Mn+1 = sup ||f (n+1) (t)||

t∈[a;b]

n
X (x − a)k |x − a|n+1
∀(x, a) ∈ I 2 , ||f (x) − f (k) (a)|| ≤ Mn+1
k! (n + 1)!
k=0

Remarque
La formule de Taylor avec reste intégral et l'inégalité de Taylor-Lagrange sont des résultats
globaux à l'inverse de Taylor-Young qui est locale. L'inégalité de Taylor-Lagrange généralise
l'inégalité des accroissements nis

Théorème de Rolle

Soit f : I ⊂ R → R dérivable

∃(a, b) ∈ I 2 , f (a) = f (b) ⇒ ∃c ∈]a; b[, f 0 (c) = 0

Égalité des accroissements nis

Soit f : I ⊂ R → R continue sur [a; b] et dérivable ]a; b[, alors

∃c ∈]a; b[, f (b) − f (a) = (b − a)f 0 (c)

Égalité de Taylor Lagrange (HP)

Soi f ∈ C n ([a;˜b], R), ∃c ∈ ]a;˜b[/

n−1
X f (k) (a) (b − a)n (n)
f (b) − f (a) − (b − a)k = f (c)
k! n!
k=1

250 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.3. ARCS PARAMÉTRÉS

Preuve :
n−1 b
f (k) (a) (b − t)n−1 (n)
X Z
f (b) − f (a) − (b − a)k = f (t)dt = Rn
k! a (n − 1)!
k=1

Notons mn = min (f (n) (t)) et Mn = max (f (n) (t))

˜
t∈[a;b] ˜
t∈[a;b]

b
(b − t)n−1 (b − a)n (b − a)n
Z
mn dt = mn ≤ Rn ≤ Mn
a (n − 1)! n! n!
D'après le théorème des valeurs intermédiaires, on a le résultat car f (n) est C 1

7.3 Arcs paramétrés

7.3.1 Dénition
Dénition

γ : I → E
Soit I intervalle de R, E un R-evn de dimension nie, C k ou CM
k
t 7 → γ(t)
On dit que γ est un arc paramétré de classe C k (ou γ(I) ⊂ E )

Arcs équivalents

On dit que 2 arcs C k , γ1 et γ2 sont C k équivalents si et seulement si ∃ϕ : J → I, C k -

diéomorphisme tel que γ2 = γ1 ◦ ϕ. C'est une relation d'équivalence sur l'ensemble des arcs
paramétrés de classe C k . Si E = Rn , on note :

γ(t) = (x1 (t); ...; xn (t)), xi : I → R, C k

Considérations cinématique
Traditionnellement, on considère que γ(t) ∈ E en tant qu'espace ane et les dérivées succes-
sives d'ordre supérieur ou égal à 1 comme des vecteurs

Exemples
γ1 : [0; 2π[ →  R2 
1. cos(t) arc paramétré du cercle
t 7→
sin(t)
γ2 : ]0; 2π] →  R2
2. γ1 et γ2 sont équivalents

cos(t) = cos(2π − t)
t 7→
− sin(t) = sin(2π − t)
γ3 →  R2 
: [0; 2π[
3. Ils ne sont pas équivalents à cos(2t) car γ3 (0) = γ3 (π), on aurait
t 7→
sin(2t)
γ1 (ψ(0)) = γ1 (ψ(π)), mais γ1 injective et ψ bijective : absurde

251 MP∗ B.DufourJules

7.3. ARCS PARAMÉTRÉS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

On retiendra que deux arcs sont équivalents lorsqu'ils décrivent le même courbe en passant par
les mêmes points le même nombre de fois

Graphe

γ : I →  Rn 
x1 (t)
On dit  ..  est un graphe si et seulement si ∃i ∈ [|1; n|]/∀t ∈
t 7→  . 
xn (t)
I, xi (t) = t

Tangente

Soit γ : I → E un arc C k (k ≥ 1), soit t0 ∈ I . S'il existe n ∈ N∗ /f (n) (t0 ) 6= 0, on dénit

p = min{n ∈ N∗ /f (n) (t0 ) 6= 0}. La formule de Taylor-Young fournit alors :

hp (p) hp (p)
f (t0 + h) = f (t0 ) + (f (t0 ) + ε(h)) ⇒ f (t0 + h) − f (t0 ) ∼h→0 f (t0 )
p! p!

La droite passant par les points f (t0 ) et f (t0 + h) se rapproche de la droite passant par f (t0 )
de vecteur directeur, f (p) (t0 ) appelée tangente à l'arc au point f (t0 ) (notée τf (t0 ) )

Points réguliers

On dit que f présente un point régulier en f (t0 ) si et seulement si f (t0 ) 6= 0(p = 1). La
tangente en f (t0 ) est alors orientée par f 0 (t0 ). On dit que l'arc est régulier si et seulement
si ∀t ∈ I, f 0 (t) 6= 0. Si f 0 (t0 ) = 0, on dit que f présente un point stationnaire en t0

Théorème

Soient f : I → E et g : J → E deux arcs C k équivalents. Soit

ϕ : J → I
C k -diéomorphisme, tel que g = f ◦ ϕ. Soit t0 ∈ I et u0 ∈
u 7→ ϕ(u) = t
J/ϕ(u0 ) = t, donc f (t0 ) = g(u0 ). S'il existe p = min{n ≥ 1/f (n) (t0 ) 6= 0 et g (n) (t0 ) 6= 0} et
g (p) (u0 ) est colinéaire à f (p) (t0 ). La tangente à f en f (t0 ) est celle à g en g(t0 ) = f (t0 ). La
tangente est donc une notion géométrique indépendante du paramétrage et non cinématique

Preuve : par récurrence sur p

p = 1 : si f 0 (t0 ) 6= 0 : g 0 (u0 = ϕ0 (u0 ) × f 0 (t0 ) 6= 0 et ils sont colinéaires
hérédité : si le résultat est vrai jusqu'à l'ordre p − 1
Supposons p = min{n ∈ N∗ /f (n) (t0 ) 6= 0}. On a f 0 (t0 ) = ... = f (p−1) (t0 ), donc par hypothèse de
récurrence : g 0 (u0 ) = ... = g 0(p−2) (u0 ) = 0 et g (p−1) (u0 ) est colinéaire à f (p−1) (t0 ) = 0. On vérie
alors par récurrence que g (p) (u0 ) = ϕ(p) (u0 ) × f (p) (t0 )

252 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.3. ARCS PARAMÉTRÉS

7.3.2 Étude locale d'un arc plan

Soit f : I → R2 , C k , soit t0 ∈ I . On suppose qu'il existe p = min{n ∈ N∗ /f (n) (t0 ) 6= 0}, q =
min{m ≥ p + 1/f (n) (t0 ) est non colinéaire à f (p) (t0 )}. La formule de Taylor-Young fournit :

hp (p) hp+1 (p+1) hq−1 (q−1) hq

f (t0 + h) = f (t0 ) + f (t0 ) + f (t0 ) + ... + f (t0 ) + f (q) (t0 ) + hq ε(h)
p! (p + 1)! (q − 1)! q!

Dans le repère ane de R2 , R0 = (f (t0 ); f (p) (t0 ); f (q) (t0 )), les coordonnées de f (t0 +h), s'écrivent :

hp
!
x(t0 + h) = p! + o(hp )
f (t0 + h) = hq
y(t0 + h) = q! + o(hq )

Étude des cas possibles

1. points biréguliers, p impair et q pair

2. points d'inexion, p impair et q impair
3. point de rebroussement de première espèce, p pair et q impair
4. point de rebroussement de seconde espèce, p pair et q pair

Exemples
2
f : R → R 
   
1 0
1. t 0
⇒ f (t) = 00
⇒ f (t) =
t 7→ 2t 2
t2
   
1 0
En t = 0 : f 0 (0) = , f 00 (0) = , p = 1, q = 2 : c'est un point birégulier
0 2

2
f : R → R 
     
1 0 0
2. t ⇒ f 0 (t) = ⇒ f 00
(t) = ⇒ f 000
(t) =
t 7→ 3 3t2 6t 6
t
     
1 0 0
En t = 0, f 0 (0) = , p = 1, f 00 (0) = , f 000 (t) = , q = 3, 0 est un point d'inexion
0 0 6

253 MP∗ B.DufourJules

7.3. ARCS PARAMÉTRÉS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

 !
 0 (3) 0
f (0) = f (0) = 0

f : R → R2


3. t 2
⇒ ! !
t 7→ 2 0
t4
 00 (4)
f (0) = 0 , f (0) = 24



p = 2, q = 4 ,point de rebroussement de seconde espèce

Points multiples

 
x0
On dit que f présente un point multiple en M ∈ R2 si et seulement si card{t ∈
y0
I/f (t) = M } ≥ 2, ∃(t1 , t2 ) ∈ I 2 , M = f (t1 ) = f (t2 )

Exemple
f : R \ {−1; 1} → ( R2
x(t) = 2t−1
t2 −1
t 7→ t2
y(t) = t−1
 
x0
M0 ∈ R2 est un point multiple de f si et seulement si ∃(t1 6= t2 ) ∈ (R\{−1; 1})2 /∀i ∈ {1; 2}
y0

2
2ti −1 x0 ti − 2ti + 1 − x0 = 0
(
x0 =

t2i −1
t2i
⇔ t2i − y0 ti + y0 = 0
y0 =
x0 6= 0 sinon t1 = t2 , non

ti −1 
(
x0 X 2 − 2X + 1 − x0
⇔
X 2 − y0 X + y0

2 = x0 y0

⇔ 1 − x0 = x0 y0

 2
y0 − 4y0 > 0
(
x0 = −1
⇔
y0 = −2

254 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.3. ARCS PARAMÉTRÉS

7.3.3 Tracé d'un arc plan

1. On étudie les symétries et périodicités éventuelles pour restreindre le domaine de dé-

nition
2. On forme les tableaux de variations concomitant de x(t) et y(t)
3. On étudie les points stationnaires (x0 (t0 ) = y 0 (t0 ) = 0) et la tangente en ces points
4. On étudie les points multiples
5. On étudie les éventuelles branches innies :

 lim |x(t)| = +∞
t→+∞
α ∈ I, lim ||f (t)|| = +∞ :
t→α  lim |y(t)| = +∞
t→+∞

Dans ce cas si lim x(t)

y(t) = a, on dit que y = ax est direction asymptotique quand t → α.
t→α
Si de plus lim y(t) − ax = b on dit que y = ax + b est asymptote quand t → α
t→α (
x(t) = t
BOn peut avoir une direction asymptotique sans asymptote : ⇒
y(t) = ln(t)
x(t)
lim 0
y(t) t→+∞
y(t)
Lorsque lim = ±∞, on dit qu'on a une branche parabolique
t→+∞ x(t)
6. On place les points remarquables avec leurs tangentes, les asymptotes éventuelles, enn
on trace

255 MP∗ B.DufourJules

7.3. ARCS PARAMÉTRÉS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

Exemples
f : R →  R2 
1. cos(3t) est 2π -périodique
t 7→
  sin(2t)
x(t)
f (−t) = = SOx (f (t))
−y(t)
 
−x(t)
f (t + π) = SOy (f (t))
y(t)
π
On fait l'étude sur [0; ]
2
π π π
t 0 4 3 2
x (t) 0
0
− 0 +
1H
x(t)
HH j − √3
2 H
H  *0
j−1
H
y 0 (t) + 0 −

 * 1 HH
y(t) 0  j √3
H
2 H
HH j0

Tout les points sont biréguliers, sauf un :

 0
x (t) x00 (t) −3 sin(3t) −9 cos(3t)
  
y (t) y 00 (t) =  2 cos(2t) −4 sin(2t)  = 12 sin(3t) sin(2t)+18 cos(2t) cos(3t) = 15 cos(t)−3 cos(5t)
 0   

15
Le point birégulier vérie cos(5t) = cos(t)
3

256 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.3. ARCS PARAMÉTRÉS

f : R → R2
t2 −t+1
(
2t−1 0
2. x(t) = t2 −1 ⇒ x (t) = −2 (t2 −1)2 <0
t 7→ t 2
0 t(t−2)
y(t) =
 t−1 ⇒ y (t) = (t−1)2
x(t) −→ 0
Branches innies : t→+∞
x = 0 est asymptote
y(t) −→ −∞
 t→+∞

x(t) −→− −∞

1
t→−1
1 y = − asymptote
y(t) −→− −
 2
 t→−1 2

 x(t) −→ +∞
t→−1+
1
y(t) −→+ −

 t→−1 2
x(t) −→ −∞
t→1−
y(t) −→ −∞
− t→1
x(t) t2 (t+1)
y(t) = 2, y = 2x direction asymptotique
2t−1 −→ t→1
2 1 1
y(t) − 2x(t) = t +2t−1
t+1 −→− , y = 2x + est asymptote
 t→1 2 2
x(t) −→ +∞ 1
t→1+
, y = 2x + est asymptote
y(t) −→ +∞ 2
 t→1+
x(t) −→ 0
t→+∞
x = 0 est asymptote
y(t) −→ +∞
t→+∞
t −∞ −1 0 1 2 +∞
0
x (t) − − −
0 +∞ +∞H
@ @ HH
x(t) @ @
j 1H
R
@ R
@ H
−∞ −∞ j 0
H
y 0 (t) + 0 − − 0 +
*
 0 +∞H * +∞

1  @ HH 
y(t) − j4
*
 2 @
R
@
−∞  −∞

257 MP∗ B.DufourJules

7.3. ARCS PARAMÉTRÉS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

7.3.4 Théorème de relèvement (HP)

Théorème

: I →
f U
Soit I un intervalle de R, C k . On appelle relèvement de f toute
t 7→ f (t)
application θ : I → R/∀t ∈ I, f (t) = eiθ(t)

1. Si θ1 et θ2 sont deux relèvements continue de f alors ∃k ∈ Z/∀t ∈ I, θ(t) = θ1 (t) + 2kπ

2. Si k ≥ 1 alors il existe un relèvement de classe de classe C k de f

Preuve :
1. ∀t ∈ I, ei(θ1 (t)−θ2 (t)) = 1, car eiθ1 (t) = eiθ2 (t) = f (t), ∃k(t) ∈ Z/θ2 (t) − θ1 (t) = 2k(t)π
k : I → Z
Alors est continue à valeurs dans Z, donc d'après le théorème des
t 7→ k(t)
valeurs intermédiaires elle est constante
0
2. Si θ existe : ∀t ∈ I, f (t) = eiθ(t) ⇒ f 0 (t) = iθ0 (t)eiθ(t) , d'où θ0 (t) = −i ff (t)
(t)

Soit t0 ∈ I, θ0 = θ(t0 )
Zt 0
f (u)
θ(t) = θ0 − i du
f (u)
t0

θ : I → C
Réciproquement soit pour t0 ∈ I xé et θ0 un argument de f (t0 ). Soit : R t 0 (u)
t 7→ θ0 − i t0 ff (u) du
0
est C k et θ0 (t) = −i ff (t)
(t)
.
On pose g(t) = f (t)e−iθ(t) ⇒ g(t0 ) = 1 et g 0 (t) = (f 0 (t) − iθ0 (t)f (t))e−iθ(t) = 0, donc g est
constante : ∀t ∈ I, g(t) = 1, f (t) = eiθ(t) , or |f (t)| = 1, donc θ : I → R

Remarque
C'est encore vrai si k = 0

7.3.5 Abscisses curvilignes (HP)

Dénition
Soit f : I → E , R-evn de dimension nie, [a; b] ⊂ I/f|[a;b] est C 1
Soit σ = (a0 ; ...; an ) ∈ Σ([a; b]). On lui associe la ligne polygonale

n−1
[
LP (σ) = [f (ai ); f (ai+1 )]
i=0

On déni la longueur de la ligne polygonale :

n−1
X n−1
X Z ai+1 Z an
l(LP (σ)) = ||f (ai+1 ) − f (ai )|| ≤ ||f 0 (t)||dt = ||f 0 (t)||dt
i=0 i=0 ai a0

258 MP∗ B.DufourJules

CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE 7.3. ARCS PARAMÉTRÉS

Théorème

La longueur de l'arc entre les points de paramètres a et b est dénie par

Z b
sup l(LP (σ)) = ||f 0 (t)||dt
σ∈Σ([a;b]) a

Rb
Preuve : on vient de voir que ∀σ ∈ Σ([a; b]), l(LP (σ)) ≤ ||f 0 (t)||dt. Soit alors ε > 0, on sait
a
que
Z b n−1
X
∃α ≥ 0/δ(σ) ≤ α ⇒ | ||f 0 (t)||dt − (ai+1 − ai )||f 0 (ai )|| |
a i=0

sommes de Riemann associées à ||f || continue sur [a; b]. Par ailleurs :
0

n−1
X n−1
X n−1
X Z ai+1
0
| (ai+1 − ai )||f (ai )|| − ||f (ai+1 ) − f (ai )|| | ≤ | ||f 0 (ai )||dt − ||f (ai+1 ) − f (ai )|| |
i=0 i=0 i=0 ai

f étant uniformément continue, ∃α0 > 0/∀(x; y) ∈ [a; b]2 , |x − y| ≤ α0 ⇒ ||f (x) − f (y)|| ≤ ε
2
Si δ(σ) ≤ α0 , ∀i ∈ [|0; n − 1|], ∀t ∈ [ai ; ai+1 ], ||f 0 (t) − f 0 (ai )|| ≤ 2ε . Alors :

ai+1 ai+1
ε |ai+1 − ai |
Z Z
0 0
|| f (t)dt − f (ai )(ai+1 − ai )|| ≤ ||f 0 (t) − f 0 (ai )||dt ≤
ai ai 2 b−a
n−1 Z ai+1
X ε
|| f 0 (t)dt − f 0 (ai )(ai+1 − ai )|| ≤
i=0 ai 2
Par inégalité triangulaire :
n−1 n−1
X X ε
| (ai+1 − ai )||f 0 (ai )|| − ||f (ai+1 ) − f (ai )|| | ≤
i=0 i=0
2

Finalement : si δ(σ) ≤ max(α, α0 ) alors

Z b
|l(LP (σ)) − ||f 0 (t)||dt| ≤ ε
a

Application
En physique, si δ désigne l'abscisse curviligne d'un arc, on écrit :
dδ 2 dx dy dz
dδ 2 = dx2 + dy 2 + dz 2 ⇒ ( ) = ( )2 + ( )2 + ( )2
dt dt dt dt
Puis on intègre

259 MP∗ B.DufourJules

7.3. ARCS PARAMÉTRÉS CHAPITRE 7. FONCTION D'UNE VARIABLE RÉELLE

260 MP∗ B.DufourJules

Chapitre 8

Suites et séries de fonctions

Sommaire
8.1 Modes de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . 253
8.1.1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
8.1.2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
8.1.3 Cas d'une série de fonctions . . . . . . . . . . . . . . . . . . . . . . . . 257
8.2 Théorème de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . 260
8.2.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
8.2.2 Théorème d'interversion des limites . . . . . . . . . . . . . . . . . . . . 262
8.2.3 Intégration termes à termes . . . . . . . . . . . . . . . . . . . . . . . . 263
8.2.4 Théorème de dérivation termes à termes . . . . . . . . . . . . . . . . . 265
8.3 Approximation uniforme . . . . . . . . . . . . . . . . . . . . . . . . . 267
8.3.1 Théorème de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . 267
8.3.2 Approximations uniformes des fonctions CM sur [a; b] . . . . . . . . . 269
8.3.3 Théorème de Weierstrass trigonométrique (HP) . . . . . . . . . . . . . 270

8.1 Modes de convergence

8.1.1 Convergence simple
Dénition

Soient (E, ||.||E ), (F, ||.||F ) deux K-evn (K = R ou C, A ⊂ E et (fn ) une suite de fonctions
de A → F
1. On dit que la suite (fn ) converge simplement (cvs) vers f : A → F si et seulement si
∀x ∈ A, lim fn (x) = f (x)
n→+∞

2. On dit que la sérieP fn converge simplement sur A si et seulement si

P
∀x ∈ A, la série fn (x) converge. On dénit alors la fonction somme :
S : A → F
+∞
P
x 7→ S(x) = fk (x)
k=0

261
8.1. MODES DE CONVERGENCE CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

Rn : A → F
et la fonction reste +∞
P
x 7→ fk (x)
k=n+1
Sn : A → F
Ainsi que les sommes partielles : Pn
x 7→ S(x) = fk (x)
k=0
lim Rn = 0
n→+∞

Exemples
f : [0; 1] → R
fn : [0; 1] → R
1. converge simplement vers 1 7→ 1
x 7→ xn
x 7→ 0

B∀n ∈ N, fn est continue mais lim fn ne l'est pas : cela découle de l'interdiction d'in-
n→+∞
tervertir les limites :

lim ( lim xn ) = 0 et lim ( lim− xn ) = 1

x→1− n→+∞ n→+∞ x→1

fn : R → q R
2. ⇒ lim fn = |x|
x 7→ x2 + n1 n→+∞

(fn ) converge simplement vers |.|

262 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.1. MODES DE CONVERGENCE

B∀n ∈ N, fn est dérivable sur R, mais pas sa limite

fn : R → R
3. nx C ∞ impaire
x 7→ 1+n 2x

fn (0) = 0 −→ 0
n→+∞
2
1−(nx)
∀x 6= 0, fn (x) = 1
1
nx+ nx
−→ 0 et fn0 (x) = n (1+(nx)2)
n→+∞
1
x 0 n +∞
fn0 (x) + 0 −
1
2
 @
fn (x) @
0
R
@
0

ζ : {z ∈ C/Re(z) > 1} → C
4. +∞ +∞
1
e−z ln(n)
P P
z 7→ nz =
n=1 n=1
fn : A → C
Pour fn converge simplement vers ζ sur A
P
1 ,
z 7→ nz
fn : R+ → R
5. Soit ∀n ≥ 1, D'après le CSSA, fn converge simplement sur R∗+
P
(−1)n
x 7 → nx

Théorème

Si ∀n ∈PN, fn est paire (resp. impaire, T-périodique, croissante, décroissante, convexe) et

si la suite fn converge simplement alors sa limite simple possède les mêmes propriétés

Preuve : ∀n ∈ N, fn : A → R est convexe :

263 MP∗ B.DufourJules

8.1. MODES DE CONVERGENCE CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

∀(x, y) ∈ A2 , ∀t ∈ [0; 1], fn (tx + (1 − t)y) ≤ tfn (x) + (1 − t)fn (y)

En somment :
+∞
X +∞
X +∞
X
fn (tx + (1 − t)y) ≤ t fn (x) + (1 − t) fn (y)
n=0 n=0 n=0

fn : [0; 1] → R
BLa convergence simple conserve des propriétés analytiques ! ! Mais pas la continuité :
x 7→ xn
et on ne peut pas non plus intervertir avec
R

fn : [0; 1] → R
t 7→ (n + 1)2 tn ⇒ fn −→ 0
n→+∞
1 7→ 0
R1
Mais 0 fn (t)dt = n + 1 −→ +∞
n→+∞
On retiendra qu'on n'a pas le droit sans précautions d'intervertir et ce qui revient à
R
lim
n→+∞
intervertir deux limites

8.1.2 Convergence uniforme

Dénition

Soit ∀n ∈ N, fn : A → F . On dit que (fn ) converge uniformément (cvu) vers f sur A si

et seulement si :
1. ∀n ∈ N, fn − f est bornée sur A
2. lim ||fn − f ||∞,A = 0
n→+∞
ce qui équivaut à dire que (fn ) converge vers f au sens de ||.||∞,A :

∀ε > 0, ∃n0 ∈ N, ∀n ≥ n0 , ∀t ∈ A, ||fn (t) − f (t)||F ≤ ε

Remarque
La convergence simple s'écrit :
∀ε > 0, ∀t ∈ A, ∃n0 ∈ N, ∀n ≥ n0 , ||fn (t) − f (t)||F ≤ ε

Théorème

La convergence uniforme entraîne la convergence simple. La réciproque est fausse

∀n ∈ N, fn [0; 1[ → R
:
lim f = 0 mais ||fn ||∞,[0;1[ = 1 donc (fn ) ne converge pas
x 7→ xn n→+∞ n
uniformément vers 0 (ni vers une autre, car la limite uniforme est une limite simple)

Remarque graphique
Graphiquement si F = R, (fn ) converge vers f sur A si et seulement si :
∀ε > 0, ∃n0 ∈ N, ∀n ≥ n0 , ∀t ∈ A, f (t) − ε ≤ fn (t) ≤ f (t) + ε
si et seulement si le graphe de fn est dans un tube de largeur 2ε autour de celui de f

264 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.1. MODES DE CONVERGENCE

En pratique
Pour montrer que (fn ) converge vers f sur A, on peut :
* évaluer ∀n ∈ N, ||fn − f ||∞,A
* ou bien exhiber (αn ) ∈ (R+ )N :
(a) lim αn = 0
n→+∞

(b) ∀n ∈ N, ∀t ∈ A, ||fn − f ||F ≤ αn

Remarque
Il peut advenir qu'on n'ai pas convergence uniforme sur A mais seulement sur certaines
parties, à préciser, de A

Exemples
fn : [0; 1] → R
1. La limite simple est 0, mais f ne converge pas uniformément vers
x 7→ xn
0 sur [0; 1[. Mais pour α ∈ [0; 1[, xé, ∀n ∈ N, ∀x ∈ [0; α], |fn (x)| ≤ αn −→ 0
n→+∞
donc (fn ) cvu vers 0 sur [0; α]
fn : R → R
2. nx Pour x xé, fn (x) ∼ nx
n2 x = 1
−→ 0 sur R+
x 7→ 1+n2 x
n n→+∞
1
Mais on a pas cvu sur R+ , car ||fn − 0||∞,R+ =
2
En revanche pour α > 0 xé, ∃n0 ∈ N/∀n ≥ n0 , n1 ≤ α. L'étude de fn montre que
∀n ≥ n0 , fn est décroissante positive sur [α; +∞[, donc ||fn ||∞,[α;+∞[ = f (α) −→ 0
n→+∞
(fn ) converge uniformément vers 0 sur [α; +∞[, ∀α > 0 (mais pas sur R+ ou R∗+
fn : R → q R
3. (fn ) converge simplement sur R vers |.|
x 7→ x2 + n1
q
∀n ≥ 1, ∀x ∈ R, x2 + n1 − |x| = √ 2 1√ 2 1 ≤ √1n
n( x + x +n)
||fn − |.| ||∞,R ≤ √1 , (fn ) converge uniformément vers |.| sur R
n

8.1.3 Cas d'une série de fonctions

Convergence normale

P Soit F un K-evn de dimension nie, fn une série de fonctions A ⊂ E → F . On dit que

P
fn converge normalement, cvn sur A si et seulement si :
+∞
X
||fn ||∞,A < +∞
n=0

si et seulement si ∃ un SATP convergente telle que ||fn ||∞,A ≤ un

P

265 MP∗ B.DufourJules

8.1. MODES DE CONVERGENCE CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

Théorème

Si fn converge normalement sur A alors elle converge uniformément sur A

P

Preuve : si fn converge normalement sur A, soit t ∈ A

P

∀n ∈ N, ||fn (t)||F < ||fn ||∞,A

Ainsi fn (t) converge absolument dans F donc converge, donc converge simplement sur A,
P
S : A → F
notons +∞
P De plus, ∀n ∈ N, ∀t ∈ A
t 7→ fn (t)
n=0

n
X +∞
X
|| fk (t) − S(t)|| = || fk (t)||F
k=0 k=n+1
+∞
X
≤ ||fk (t)||F
k=n+1
+∞
X
≤ ||fk ||∞,A −→ 0
n→+∞
k=n+1
n
fk converge uniformément vers S sur A
P
k=0
n
fn converge uniformément sur A vers S si et seulement si fk sur A si et seulement si
P P
B
k=0

n
X +∞
X
|| fk − fk ||∞,A = 0
k=0 k=0

+∞
donc : || fk ||∞,A −→ 0, ce qui équivaut à
P
k=n+1 n→+∞

 lim αn = 0
n→+∞
∃(αn ) ∈ RN
+/
+∞
P
∀t ∈ A, ∀n ∈ N, ||
 fk (t)||F ≤ αn
k=n+1

On majore la norme du reste par une suite de limite nulle indépendante de t

Exemples
ζ : A = {z ∈ C/Re(z) > 1} → C
1. +∞
P 1
z 7→ nz = fn (z)
n=1
∀z ∈ A, ∀n ≥ 1, |fn (z)| = e −Re(z) ln(n)
1
= nRe(z) terme général d'une SATP convergente
d'après le critère de Riemann
∀ε > 0, 1 + ε ∈ A ⇒ ||fn ||∞,A = n1 . Il n'y a pas convergence normale sur A car la série
harmonique diverge. En revanche pour α > 1 xé, soit Aα = {z ∈ C/Re(z) ≥ α}
∀n ≥ 1, ∀z ∈ Aα , |fn (z)| ≤ n1α SATP convergente. On a convergence normale sur Aα pour
α>1

266 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.1. MODES DE CONVERGENCE

: R∗+ →
fn R
2. ∀n ≥ 1, (−1)n
z 7→ P nx
∀x > 0, d'après le CSSA, fn (x) converge donc fn converge simplement sur R∗+
P
∀n ≥ 1, ∀x > 0, |fn (x)| = nx , ||fn ||∞,R∗+ = 1. En revanche, ∀α > 1, ∀x ≥ α, |fn (x)| ≤ n1α ,
1

donc fn converge normalement sur [α; +∞[, α > 1. De plus, d'après le CSSA, ∀x >
P
0, ∀n ≥ 1
+∞
X (−1)k 1
| |≤
kx (n + 1)x
k=n+1
Soit β > 0, ∀x ∈ [β; +∞[, ∀n ≥ 1
+∞
X (−1)k 1
| |≤ −→ 0
kx (n + 1)β n→+∞
k=n+1

fn converge uniformément sur [β; +∞[ avec β > 0. On a convergence uniforme sur
P
1 1
[ ; +∞[, mais pas convergence normale sur [ ; +∞[
2 2
fn : R → C
3. inθ
θ 7→ en2
||fn ||∞,R = n12 , donc fn converge normalement sur R
P

fn : R → C
4. Soit inθ 2π périodique
θ 7→ e n
Pour θ ∈]0; 2π[, soit (n, p) ∈ N × N∗ , on eectue une transformation d'Abel, en posant :
k
X 1 − eikθ | sin(k θ2 )| 1
∀k ∈ N∗ , Bk = eijθ = eiθ ⇒ |B k | = θ
≤
j=1
1−e iθ
| sin( 2 )| | sin( θ2 )|

e ikθ
= Bk − Bk−1 . On forme la tranche de Cauchy :
n+p n+p n+p
X eikθ X Bk X Bk−1
= −
k k k
k=1 k=n+1 k=n+1
X 1 1 Bn+p Bn
= Bk ( − )+ −
k k+1 n+p n+1
k=n+1

En particulier pour n = 0 :
p p−1
X eikθ X 1 1 1 1 1
= Bk ( − )≤ = O( 2 )
k k k+1 k(k + 1) sin( θ2 ) k
k=1 k=1
P eikθ
Ainsi k , de plus pour n xé lorsque p −→ +∞
+∞ +∞
X eikθ X 1 1 Bn
Rn (θ) = = Bk ( − )−
k k k+1 n+1
k=n+1 k=n+1
+∞
1 X1 1 1 2
|Rn (θ)| ≤ θ
( ( − )+ )=
| sin( 2 )| k=n+1 k k + 1 n+1 (n + 1) sin( θ2 )
Soit α ∈]0; π[, ∀θ ∈ [α; 2π − α], | sin(1 θ )| ≤ sin(1 α )
2
P2 eikθ
|Rn ( θ2 )| ≤ (n+1)2sin( α ) −→ 0 ⇒ k converge uniformément sur [α; 2π − α]
2 n→+∞

267 MP∗ B.DufourJules

8.2. THÉORÈME DE TRANSFERT CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

8.2 Théorème de transfert

8.2.1 Continuité
Dénition

Soit (fn ) ∈ AN , fn : A ⊂ E → F . On suppose que :

1. ∀n ∈ N, fn est continue en x0 (resp. A)
2. (fn ) (resp. fn ) converge uniformément sur A vers f (resp. S )
P

alors f (resp. fn ) est continue en x0 (resp. A). On retiendra qu'une limite uniforme
P
conserve la continuité

Preuve : soit x0 ∈ A, ∀x ∈ A :

||f (x) − f (x0 )|| ≤ ||f (x) − fn (x)|| + ||fn (x) − fn (x0 )|| + ||fn (x0 ) − f (x0 )||

Soit ε > 0, d'après 2. : ∃N ∈ N, ∀n ≥ N, ||f − fn ||∞,A ≤ 3ε

N étant xé (car ε l'est), fn est continue en x0 ; donc ∃α > 0/∀x ∈ A, ||x − x0 ||E ≤ α ⇒
||fN (x) − fN (x0 )||F ≤ 3ε
Ainsi : ||x − x0 ||E ≤ α ⇒ ||f (x) − f (x0 )||F ≤ ε

Corollaire

Dans (F(A, F ), ||.||∞,A ) le sous-espace vectoriel des applications continues est fermé
(pour ||.||∞,A )

Corollaire

Soit (fn ) ∈ (F A )N telle que :

1. ∀n ∈ N, fn est continue
2. ∀x ∈ A, ∃Vx ∈ VA (x)/(fn ) converge uniformément sur Vx
alors f est continue

Preuve : pour x0 ∈ A xé, on applique le théorème à Vx0 à la place de A

Remarque
On applique très fréquemment le corollaire 2 dans le cas où :
1. A = I est un intervalle de R et ∀[a; b] ⊂ I, (fn ) converge uniformément sur [a; b] alors la
fonction limite est continue sur les segments inclus dans I , donc sur I
2. A = Rp et ∀A ≥ 0, (fn ) converge uniformément sur B(0, A), la fonction limite est alors
continue sur Rp

268 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.2. THÉORÈME DE TRANSFERT

Exemples
f : [0; 1] → R
fn : [0; 1] → R
1. continue sur [0; 1] converge simplement vers 1 7→ 1
x 7→ xn
x 7→ 0
qui est discontinue en 1, donc on n'a pas convergence normale sur [0; 1]

A → fn : A
2. Soit A une algèbre normée de dimension nie (C ou Mn (C)). Soit pour n ∈ N, an
a 7→ n!
||a||n n
est continue. On a ||fn (a)|| ≤ n! , soit R ≥ 0 : ∀a ∈ B(0, R), ∀n ∈ N : ||fn (a)|| ≤ Rn! ,
terme général d'une SATP convergente, donc fn converge normalement sur B(0, R),
P
+∞
donc exp = fn est continue sur B(0, R), ∀R ≥ 0, donc sur A
P
n=0

ζ : A = {z ∈ C/Re(z) > 1} → C
3. +∞
P 1 ∀n ≥ 1, fn est continue d'après ce qu'on vient
z 7→ nz
n=1
de voit. Pour α > 1, soit Aα = {z ∈ C/Re(z) ≥ α}, fn converge normalement sur Aα ,
P
donc ζ est continue sur Aα , ∀α > 1, donc sur A
fn [R∗+ →
: R
4. Pour n ≥ 1, soit continue. Posons α > 0 : fn converge nor-
P
(−1)n
x P 7→ nx
malement sur [α; +∞[, donc fn est continue sur [α; +∞[, ∀α > 0, donc sur R∗+

5.
+∞ inθ
X e
S(θ) =
n=1
n

est continue sur [α; 2π − α], ∀α ∈]0; π] donc sur ]0; 2π[

6.
+∞ inθ
X e
F (θ) =
n=1
n2

est continue sur R car converge normalement sur R

Interversions des limites

Si ∀n ∈ N, fn est continue en α ∈ A et si on a convergence uniforme de (fn ) verd f sur

un voisinage de A, alors

lim ( lim fn (x)) = lim ( lim fn (x)) = f (α)

n→+∞ x→α x→α n→+∞

car f est continue en α

269 MP∗ B.DufourJules

8.2. THÉORÈME DE TRANSFERT CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

8.2.2 Théorème d'interversion des limites

Théorème

SoitF un K-evn de dimension nie (complet surait) et ∀n ∈ N, fn : A ⊂ E → F . Soit

α ∈ A éventuellement ±∞, on suppose que :
1. lim fn (x) = ln ∈ F
x→α
2. (fn ) converge uniformément vers f sur un voisinage B de α
Alors la suite (ln ) converge dans F vers l ∈ F et l = lim ln = lim f (x)
n→+∞ x→α

Preuve : Montrons que la suite (ln ) est de Cauchy.

Soit ε > 0, ∃n1 ∈ N, ∀n ≥ n1 , ||fn − f ||∞,B ≤ 2ε , de sorte que :

∀n, m ≥ n1 , ||fn − fm ||∞,B ≤ ε

Pour n et m ≥ n1 xés :
∀x ∈ B, ||fn (x) − fm (x)||F ≤ ε
donc lorsque x → α, ||ln − lm || ≤ ε(ln ) est de Cauchy dans F (dimension nie ou complet) donc
converge, soit l = lim ln . Soit à présent x ∈ B et n ∈ N
n→+∞

||l − f (x)|| ≤ ||l − ln ||F + ||ln − fn (x)||F + ||fn (x) − f (x)||F

Soit ε > 0, ∃n ∈ N/||l − ln || ≤ 3ε et ||fn − f ||∞,B ≤ ε

3n étant xé ∃V ∈ VB (x)/∀x ∈ V, ||ln −
fn (x)||F ≤ 3ε alors ||l − f (x)||F ≤ ε

Remarque
C'est une généralisation du théorème de continuité

Corollaire

Soit fn une série de fonctions, A → F de dimension nie (complet surait)et α ∈ A,

P
tel que :
1. ∀n ∈ N, lim fn (x) = ln ∈ F
n→+∞
2. fn converge normalement sur un voisinage B de α
P

alors ln converge et
P
+∞
X
ln = lim S(x)
x→α
n=0

Exemples
ζ : ]1; +∞[ → R
+∞
P 1 continue sur ]1; +∞[, car on a convergence normale sur les
x 7→ nx
n=1
[a; +∞[ avec a > 1. Il y a convergence normale sur [2; +∞[, donc convergence uniforme. ∀n ≥

270 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.2. THÉORÈME DE TRANSFERT


 lim 1
x =0
x→+∞ n
2, 1
⇒ lim ζ(x) = 1
 lim 1x =1 x→+∞
x→+∞

+∞ +∞
1 X 2 x 1 X
ζ(x) − 1 = (1 + ( ) ) = (1 + gn (x))
2x n=3
n 2x n=3

2
∀n ≥ 3, lim gn (x) = 0, n2 ≤ <1
x→+∞ 3
∀x ≥ 2, |gn (x)| ≤ n2 est le terme général d'une SATP convergente,
4
gn converge normalement
P
sur [2; +∞[, on peut intervertir les limites :
+∞
X 1 1
lim gn (x) = 0 ⇒ ζ(x) = 1 + x
+ o( x )
x→+∞
n=3
2 2

Notons que si on avait convergence uniforme de 1

sur ]1; +∞[, d'après le théorème : lim n1x
P P
nx
n≥1 x→1
converge, ce qui est faux
P (−1)n n
De même, xn ne converge pas uniformément sur R+ , car sinon la série
∗
lim (−1)
nx converge,
P
x→0
absurde P
einθ
De même n ne converge pas uniformément sur ]0; 2π[, sinon la série harmonique convergerait

8.2.3 Intégration termes à termes

Théorème d'intégration sur un segment

Soit (fn ) une suite de fonctions de [a; b] → F de dimension nie. On suppose :

1. ∀n ∈ N, fn est continue sur [a; b]
2. (fn ) (resp. fn ) converge uniformément vers f (resp. S )
P
Rb Rb
alors : lim a fn (t)dt = a f (t)dt
n→+∞

+∞ Z
X b Z b
fn (t)dt = S(t)dt
n=0 a a

Rb Rb +∞
On peut intervertir lim et ou et
P
n→+∞ a a
n=0

Rb Rb Rb
Preuve : || a
fn (t)dt − a
f (t)dt|| ≤ a
||fn (t) − f (t)||dt ≤ (b − a)||fn − f ||∞,[a;b]

Exemples
R 2π eit
1. Soit z ∈ C \ U, I(z) = − 2π
1
0 z−eit
dt
f : [0; 2π] → C∗
Si C k avec θ : [0; 2π] → R, C k , g = f
= eiθ(t) : [0; 2π] → U
t 7→ |f (t)|eiθ(t) |f |
f0 |f |0 f
g 0 (t) = iθ0 (t)g(t) = |f | − |f |2 .

271 MP∗ B.DufourJules

8.2. THÉORÈME DE TRANSFERT CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

f0 |f |0 Rt f 0 (u)
De plus :iθ0 (t) = f − |f | ⇒ θ(t) = i− ln |f (t)| + ln |f (t0 )|
0 f (u)
du
R 2π −ieit R 2π eit
Pour f (t) = z − e , 2π -périodique, θ(2π) = −i 0 z−eit dt = 0 z−e
it
it dt

+∞ +∞
eit 1 X
it n
X
|z| < 1 ⇒ ∀t ∈ [0; 2π], = − = − (ze ) = − fn
z − eit 1 − ze−it n=0 n=0

∀n ∈ N, fn est continue sur [0; 2π], ∀t ∈ [0;

P2π], |fn (t)| = |z| terme général d'une série
n

géométrique absolument convergente donc fn converge normalement : on peut réaliser

l'interversion :
+∞
1 X n 2π −int
Z
I(z) = z e dt = 1
2π n=0 0

+∞ int +∞
eit eit 1 X e X
|z| > 1 ⇒ = = = gn (t)
z − eit z 1 − ezit n=1
zn n=1

On a encore continuité et convergence normale, donc gn , on peut intervertir :

P

+∞ Z 2π
1 X 1
I(z) = − eint dt = 0
2π n=1 z n 0

2. Soit x ∈ [0; 1[

+∞ +∞ Z 1 +∞
Z 1X +∞
Z 1X
X (−1)n xn+1 X
S(x) = =x (−tx)n dt = x (−tx)n dt = x fn (t)dt
n=0
n+1 n=0 0 0 n=0 0 n=0

∀n ∈ N, fn est continue sur [0; 1], ∀t ∈ [0; 1], |fn (t)| ≤ xn , terme général d'une SATP
convergente donc fn converge sur [0; 1], on peut intervertir :
P

Z 1
dt
S(x) = x = x[ln(1 + tx)]10 = x ln(1 + x)
0 1 + tx

gn : [0; 1] → R
Par ailleurs, soit est continue, gn est une série alternée
P
(−1)n xn+1
x 7→ n+1
vériant le CSSA, donc :

+∞
X xn+1 1
∀n ∈ N, ∀x ∈ [0; 1], | gk (x)| ≤ ≤ −→ 0
n+1 n + 1 n→+∞
k=n+1

On a bien convergence uniformément sur [0; 1], donc S est continue en 1 et

S(1) = lim− S(x) = lim− ln(1 + x) = ln(2)

x→1 x→1

272 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.2. THÉORÈME DE TRANSFERT

8.2.4 Théorème de dérivation termes à termes

Problème
Soit (fn ) une suite de fonctions C 1 qui converge (au moins simplement) vers f : à quelles
conditions f est-elle C 1 et a-t-on f 0 = lim fn0 . Il ne sut pas que (fn ) converge vers f ,
n→∞
fn : R → q R
1 converge vers |.| non dérivable ! ! !
x 7→ x2 + n
Si fn est dénie sur I intervalle, xons a ∈ I , comme f est C 1 :
Z x
∀x ∈ I, fn (x) = fn (a) + fn0 (t)dt
a

Pour intervertir, il sut que (fn0 ) converge uniformément sur les segments de I

Théorème

Soit I un intervalle de R, a ∈ I et (fn ) une suite (resp. fn ) de fonctions C 1 : I → F

P
(K-ev de dimension nie). On suppose :
P 0 fn ) converge uniformément sur les segments de I vers une fonction g
1. (fn0 ) (resp.
P 0
(resp. fn )
2. (fn (a)) (resp. fn ) converge uniformément sur les segments de I vers une fonction g
P

alors : (fn ) (resp. fn ) converge uniformément sur les segments de I vers f (resp. S ) C 1
P
sur I et telle que f (resp. S ) = g (resp.
0 0
fn )
P 0

Preuve : soit x ∈ I, ∀n ∈ N
Z x
fn (x) = fn (a) + fn0 (t)dt
a

et fn0 converge uniformément sur [a;˜x] vers g , donc on peut intervertir :

Z x
lim fn (x) = lim fn (a) + g(t)dt = f (x)
n→+∞ n→+∞ a

Par ailleurs, soit J un segment de I et J 0 un segment de I contenant J et a

Z x
∀x ∈ J, ||fn (x) − f (x)|| ≤ ||fn (a) − f (a)|| + || (fn0 − g)(t)dt||
a
Z x
≤ ||fn (a) − f (a)|| + ||(fn0 − g)(t)||dt
a
≤ ||fn (a) − f (a)|| + l(J 0 )||fn0 − g||∞,J 0

(fn ) converge uniformément vers f sur les segments de I . Par ailleurs, g est C 0 sur I car la limite
uniforme des ( fn0 ) continue et
Z x
∀x ∈ I, f (x) = f (a) + fn0 (t)dt
a

f est C et f = g
1 0

273 MP∗ B.DufourJules

8.2. THÉORÈME DE TRANSFERT CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

Cas d'une série de fonctions

Soit fn la série de fonctions : I → F

P

1. Si les conditions suivantes sont vériées :

(a) ∀n ∈ N, fn est C 1
(b) fn converge uniformément sur les segments de I
P 0

(c) fn converge simplement sur I

P
+∞ +∞
Alors S = fn est C 1 sur I et S 0 =
P P 0
fn
n=0 n=0
2. Si les conditions suivantes sont vériées :
(a) ∀n ∈ N, fn est C p (avec p ∈ N ∪ {∞})
P (k)
(b) ∀k ∈ [|0; p|], fn converge uniformément sur les segments de I
+∞ +∞
P (k)
Alors S = fn est C p sur I et ∀k ∈ [|0; p|], S (k) =
P
fn
n=0 n=0

Exemples
ζ : ]1; +∞[ → R
1. +∞
P 1
+∞
P
x 7→ nx = fn
n=1 n=1
(k) (− ln(n))k
∀n ≥ 1, fn est C ∞ et ∀k ∈ N, ∀x > 1, fn = nx
(k) (ln(n))k
Soit [a; b] ⊂]1; +∞[, ∀x ∈ [a; b], |fn (x)| ≤ O( a+11
), terme général d'une SATP
na =
n 2
P (k)
convergente, donc fn converge normalement sur les segments de ]1; +∞[, donc ζ est
C ∞ sur ]1; +∞[ et ∀k ∈ N, ∀x > 1
+∞
X (− ln(n))k
ζ (k) (x) =
n=1
x

f : R∗+ → R
2. +∞
(−1)n
+∞ +∞
(−1)n fn
P P P
x 7→ nx = gn =
n=1 n=1 n=1
∀n ≥ 1, gn est C ∞ et ∀x > 0, ∀k ∈ N

(− ln(n))k
gn(k) (x) = (−1)n
nx
ϕ : R∗+ → R
Soit [a; b] ⊂ R∗+ et x ∈ [a; b]. Étudions ln(t)k
t 7 → tx
k−1
On a ϕ0 (t) = ln(t)
tx+1 (k − x ln(t))
k (k) (k)
Posons N = E(e n )+, pour n ≥ N, ∀x ∈ [a; b], |gn+1 (x)| ≤ |gn (x)|. D'après le CSSA :
+∞
X X (k) ln(n + 1)k
gn(k) (x) converge et | gp(k) (x)| ≤ |gn+1 (x)| ≤ −→ 0
p=n+1
na n→+∞
n≥1

274 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.3. APPROXIMATION UNIFORME

(k)
D'après le théorème de dérivation termes à termes, f est C ∞ car converge unifor-
P
gn
mément sur les segments de R∗+
+∞
X (−1)n (− ln(n))k
∀x > 0, ∀k ∈ N, f (k) (x) =
n=1
nx

ϕ : R → A
3. Soit A une algèbre normée de dimension nie et a ∈ A. Soit +∞
P tn a n
t 7→ exp(ta) = n!
n=0
tn a n tn−1 an
∀n ∈ N, fn = n! est C ∞ sur R et ∀t ∈ R, fn0 (t) = (n−1)!
Rn−1 ||a||n
Soit R ≥ 0, ∀n ≥ 1, ∀t ∈ [−R; R], ||fn0 (t)|| ≤ (n−1)!
fn converge normalement sur les segments de R et fn converge simplement sur R, ϕ
P 0 P
est C 1 sur R
+∞ n−1 n
X t a
∀t ∈ R, ϕ0 (t) = = aϕ(t) = ϕ(t)a
n=0
(n − 1)!

Ainsi par récurrence ϕ est C ∞ . Par exemple, si M ∈ Mn (C), ϕ : t 7→ etM est C ∞ sur R et
ϕ0 (t) = M exp(tM ) = exp(tM )M

8.3 Théorèmes d'approximation uniforme

8.3.1 Théorème de Weierstrass

Toute fonction continue sur un segment (compact surait) est limite uniforme d'une
suite de fonctions polynômes
L'espace des fonctions polynômes est dense dans C([a; b], K) muni de ||.||∞ , [a; b]
∀f ∈ C([a; b], K), ∀ε > 0, ∃P ∈ K[X]/∀x ∈ [a; b], |f (x) − P (x)| ≤ ε

Preuve : on étudie le cas où [a; b] = [0; 1], f ∈ C 0 ([0; 1], K). Soit x ∈ [0; 1] et ∀k ∈ N, Xk
variable aléatoire, Xk ,→ B(x)
(
P (Xk = 1) = x
P (Xk = 0) = 1 − x
On a, E(Xk ) = x et V (Xk ) = E(Xk2 ) − E(Xk )2 = x(1 − x)
n n n
1X 1 X 1 X x − x2
Yn = Xk ⇒ E(Yn ) = x, V (Yn ) = 2 V ( Xk ) = 2 V (Xk ) =
n n 1
n n2
k=1 k=1

(nYn ) ,→ B(n, x), Yn prend les valeurs k

∈ [|0; n|]
n /k
 
k n k
P (Yn = ) = x (1 − x)n−k
n k
n n  
X k k X n k k
E(f (Yn )) = f ( )P (Yn = ) ⇒ E(f (Yn )) − f (x) = x (1 − x)n−k (f ( ) − f (x))
n n k n
k=0 k=0

275 MP∗ B.DufourJules

8.3. APPROXIMATION UNIFORME CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

f étant continue sur [0; 1] elle y est bornée est uniformément continue, d'après le théorème de
Heine. Soit ε > 0,
ε
∃α > 0/∀(x1 ; x2 ) ∈ [0; 1]2 , |x1 − x2 | ≤ α ⇒ |f (x1 ) − f (x2 )| ≤
2
   
X n k k X n k k
|E(f (Yn ))−f (x)| ≤ x (1−x)n−k |f ( )−f (x)|+ x (1−x)n−k |f ( )−f (x)|
k
k n k
k n
k∈[|0;n|],| n −x|≤α k∈[|0;n|],| n −x|>α

 
X n k
x (1 − x)n−k = P (|Yn − x| > α)
k
k
k∈[|0;n|],| n −x|>α

= P (|Yn − E(Yn )| > α)

V (Yn )
≤
α2
x(1 − x)
=
nα2
1
≤
4nα2

Finalement : |E(f (Yn )) − f (x)− ≤ 2ε + ||f ||∞

2nα2
∃n0 ∈ N, n ≥ n0 ⇒ k ||f ||∞
2nα2 k ≤ 2
ε

∀n ≥ n0 , ∀x ∈ [0; 1], |E(f (Yn )) − f (x)| ≤ ε. Or E(f (Yn )) est un polynôme en x, dit polynôme de
Bernstein. Par transformation ane, on se ramène au cas général sur [a; b]

Application
Rb
Soit f ∈ C([a; b], K), si ∀n ∈ N, a
tn f (t)dt = 0. Par combinaison linéaire :
Z b
∀P ∈ C[X], P (t)f (t)dt = 0
a

Soit (Pn ) ∈ C[X]/ lim ||Pn − f¯||∞,[a;b] = 0

n→+∞
∀t ∈ [a; b], |Pn (t)f (t) − f¯(t)f (t)| ≤ ||f ||∞,[a;b] × ||Pn − f¯||∞,[a;b] , (Pn f ) converge uniformément
vers |f |2 sur [a; b], on peut intervertir :
Z b Z b
lim Pn (t)f (t)dt = |f |2 (t)dt
n→+∞ a a

d'où |f |2 = 0 sur [a; b] et f = 0

Remarque
On utilise fréquemment le théorème de Weierstrass pour montrer une propriété portant sur
des fonctions continues sur [|a; b|], on le vérie d'abord pour les polynômes, puis on passe à la
limite uniforme
BCe théorème ne s'applique plus en dehors d'un segment ! ! ! En eet on a le lemme : si (Pn ) ∈
K[X]N converge uniformément sur R vers f alors f est une fonction polynomiale

276 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.3. APPROXIMATION UNIFORME

Preuve : ||Pn − f ||∞ −→ 0, donc ||Pn+1 − Pn || −→ 0

n→+∞ n→∞
(Pn+1 − Pn ) est bornée sur R, c'est un polynôme constant. Par récurrence

∀n ∈ N, ∃αn ∈ N/Pn = P0 + αn , αn = Pn (0) − P0 (0) −→ f (0) − P0 (0) = α

n→+∞

d'où, ∀x ∈ R, Pn (x) −→ P0 (x) + α = f (x) ⇒ f = P0 + α ∈ K[X]

n→+∞

Exemple
Pn : R → R
exp est limite uniforme sur les segments de R (mais pas sur R) de n
P xk
x 7→ k!
k=0

8.3.2 Approximations uniformes des fonctions CM sur [a; b]

Théorème

L'espace E([a; b], E) des fonctions en escalier est dense dans C([a; b], E)
Toute fonction continue par morceaux de [a; b] → E, K espace vectoriel normé de
dimension nie est limite uniforme sur [a; b] d'une suite de fonctions en escalier
0
∀f ∈ CM ([a; b], K), ∀ε > 0, ∃ϕ ∈ E([a; b], K)/

∀t ∈ [a; b], ||f (t) − ϕ(t)|| ≤ ε

Preuve : cf cours de MPSI

Remarque
De même qu'avec le théorème de Weierstrass pour montrer un résultat portant sur les fonc-
tions CM
0
sur un segment, on le vérie d'abord pour les fonctions en escaliers puis on passe, si
possible, à la limite uniforme

Lemme de Riemann-Lebesgue (HP)

Soit f ∈ CM
0
([a; b], K), λ ∈ R
Z b
lim f (t)eiλt dt = 0
|λ|→+∞ a

Preuve : si f est constante, f = c

Z b Z b
c iλb 2c
∀λ 6= 0, ceiλt dt = (e − eiλa ) ⇒ k ceiλt dtk ≤ −→ 0
a iλ a |λ| |λ|→+∞

277 MP∗ B.DufourJules

8.3. APPROXIMATION UNIFORME CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

Par combinaison linéaire, c'est vrai pour les fonctions en escalier sur [a; b]
Soit f continue par morceaux, ε > 0
ε
∃ϕ ∈ E([a; b], K)/||f − ϕ||∞ ≤
2(b − a)

Il vient : ∀λ ∈ R
Z b Z b Z b
k f (t)eiλt dtk ≤ k (f (t) − ϕ(t))dtk + k ϕ(t)dtk
a a a
Z b
≤ (b − a)||f − ϕ||∞ + k ϕ(t)eiλt dtk
a
Rb ε
Rb
∃λ0 ∈ R/|λ| ≥ λ0 , k a
ϕ(t)eiλt dtk ≤ 2 ⇒k a
f (t)eiλt dtk ≤ ε

Lemme de Riemann-Lebesgue généralisé (HP)

Soit g une fonction T -périodique, continue de R → C, T > 0. Soit f : [a; b] → C, CM
0
. Alors :
Z b
lim f (t)g(λt)dt
|λ|→+∞ a

La méthode consiste à vérier le résultat pour les fonctions constantes, puis à approcher uniformé-
ment f par des fonctions en escaliers. Reste à majorer l'intégrale, en choisissant une subdivision
adaptée

8.3.3 Théorème de Weierstrass trigonométrique (HP)

Produit de convolution d'une fonction périodique
Soient f, g ∈ C2π
0
= {f : R → C continues 2π -périodique }.
f ∗g : R → C
On pose 1
2π
R
x 7→ 2π f (x − t)g(t)dt
0
On a les propriétés suivantes :
1. f ∗ g ∈ C2π
0

2. f ∈ C2π
0
alors f est uniformément continue sur R
3. f est bornée
4. f ∗ g est 2π périodique et uniformément continue
5. Le produit de convolution est commutatif

Approximation de l'unité
Rπ
On pose : Qk (t) = ck ( 1+cos(t)
2 )2 avec ck ∈ R/ 2π
1
Qk (t)dt = 1
−π
Les propriétés utiles de Qk sont :
1. Qk ≥ 0
Rπ
2. 2π
1
Qk (s)ds = 1
−π

278 MP∗ B.DufourJules

CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS 8.3. APPROXIMATION UNIFORME

3. ∀δ ∈]0; π],
R
[−π:π]\[−δ;δ]
Qk (s)ds −→ 0
k→+∞
On dit que c'est une approximation de l'unité

π k k
aj,k π
Z Z
1 X X
Pk (t) = (f ∗ Qk )(t) = f (s)Qk (t − s)ds = aj eij(t−s) = f (s)e−ijs dseijt
2π −π 2π −π
j=−k j=−k

c'est un polynôme trigonométrique 2π -périodique

Théorème de Weierstrass-trigonométrique
L'espace des polynômes trigonométriques 2π -périodique est dense pour k.k∞ dans C2π
0

279 MP∗ B.DufourJules

8.3. APPROXIMATION UNIFORME CHAPITRE 8. SUITES ET SÉRIES DE FONCTIONS

280 MP∗ B.DufourJules

Chapitre 9

Séries entières
Sommaire
9.1 Rayon de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.1.2 Dénition du rayon de convergence . . . . . . . . . . . . . . . . . . . . 273
9.1.3 Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 276
9.2 Propriétés analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . 279
9.2.1 Convergence normale sur les compacts du disque ouverts . . . . . . . . 279
9.2.2 Continuité, dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
9.3 Développements en séries entières . . . . . . . . . . . . . . . . . . . 284
9.3.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
9.3.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
9.3.3 Développement obtenu par la formule de Taylor . . . . . . . . . . . . . 287
9.3.4 Développements en série entières usuels . . . . . . . . . . . . . . . . . 289
9.3.5 Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
9.3.6 Développement obtenu à partir d'une équation diérentielle / fonc-
tionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
9.4 Séries génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
9.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
9.4.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
9.4.3 Processus de Galton-Watson (HP) . . . . . . . . . . . . . . . . . . . . 298

9.1 Rayon de convergence

9.1.1 Introduction
Les grecs savaient que si |z| < 1 :
+∞
1 X
= zn
1 − z n=0

Par ailleurs on sait que : ∀z ∈ C

+∞ n
X z
exp(z) =
n=0
n!

281
9.1. RAYON DE CONVERGENCE CHAPITRE 9. SÉRIES ENTIÈRES

+∞
X z 2n+1
sin(z) = (−1)n
n=0
(2n + 1)!

On s'intéresse aux problèmes suivants :

* Étant donné (an ) ∈ CN , pour quelles valeurs de z ∈ C, an z n converge-t-elle ? (cela revient
P
à étudier la convergence simple)
* Quelles propriétés analytiques la fonction somme vérie-t-elle ?
* Étant donné une fonction f : A ⊂ C → C peut-t-on écrire et sur quel domaine a-t-on un
développement en série entière (DSE)

9.1.2 Dénition du rayon de convergence

Lemme d'Abel

Soit (an ) ∈ CN , soit r > 0/(an rn ) est bornée. Alors ∀ρ ∈ [0; r[,
X
an ρn converge absolument

Preuve : |an ρn | = |an rn | × | ρr |n = O(( ρr )n ), donc

+∞
X
|an ρn | < +∞
n=0

Dénition

Soit (an ) ∈ CN , R = sup{r ≥ 0/(an rn ) est bornée } P ∈R

R s'appelle le rayon
( de convergence de la série entière an z n
an z n converge absolument, disque ouvert de convergence
P
|z| < R :
On a : ∀z ∈ C,
an z n divergence grossière
P
|z| > R :
On ne peut rien dire généralement si |z| = R, cercle de convergence

Preuve : si |z| < R, ∃r ≥ 0/|z| < r et (an rn ) est bornée, d'après le lemme d'Abel, an z n
P
converge absolument
si |z| > R, (an z n ) n'est pas bornée donc ne tend pas vers 0, divergence grossière

Remarque fondamentale
Soit z0 ∈ C
1. an z0n converge ⇒ |z0 | ≤ R
P

2. an z0n diverge ⇒ |z0 | ≥ R

P

3. an z0n est semi-convergente ⇒ |z0 | = R

P

282 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.1. RAYON DE CONVERGENCE

Utilisation de la règle de d'Alembert

Soit (an ) ∈ CN :
+∞
* ou bien, ∃n0 ∈ N/∀n ≥ n0 , an = 0 alors R = +∞ et an z n ∈ Cn [X]
P
n=0
* ou bien ∃σ : N → N strictement croissante telle que : ∀k ∈ N, σ(k) 6= 0 et ∀n ∈ N\σ(N), an =
0
Pour z 6= 0, on pose , un = |aσ(n) z σ(n) | > 0. Si ∃l = lim uun+1 , si l > 1, an z n converge
P
n→+∞ n

absolument
Si l > 1 : an z n diverge grossièrement
P

Théorème

Si ∀n ∈ N, an 6= 0 et si ∃l = lim k aan+1
n
k ∈ R+
n→+∞
Alors le rayon de convergence de an z n vaut 1l
P

Preuve : ici, σ = idN et un = |an z n |

un+1 an+1 z n+1 an+1

=k n
k=k × |z| −→ l|z| = L
un an z an n→+∞

(
Si |z| < 1
L converge absolument 1
⇒R=
Si |z| > 1
L diverge grossièrement l

Exemples
(n+1)!
1. n!z n , lim
P
n! = +∞, R = 0
n→+∞
P zn
2. n! , n→+∞
n!
lim (n+1)! = 0, R = +∞

3. z n , lim 1
= 1, R = 1, il y a divergence sur tout le cercle de convergence
P
n→+∞ 1

283 MP∗ B.DufourJules

9.1. RAYON DE CONVERGENCE CHAPITRE 9. SÉRIES ENTIÈRES

zn
4. lim n+1 = 1, R = 1. Il y a divergence pour z = 1 et convergence pour z =
P
n+1 , n→+∞ n+2
P zn e−inθ0
eiθ , θ ∈]0; 2π[. De même n+1 , R = 1, il y a convergence pour z = e /θ 6= θ0 + 2kπ
iθ

et divergence, si z = eiθ
P zn n2
5. n2 , lim (n+1)2 = 1, R = 1. Il y a convergence sur tout le cercle de convergence
n→+∞
(
ap = p si p ∈ {n!/n ∈ N}
6. n!z n! ,
P
ap = 0 sinon
Pour z 6= 0, on forme un = |n!z n! | > 0

un+1
= (n + 1)|z|(n+1)!−n! = (n + 1)|z|n×n!
un

donc R = 1 et on a divergence sur tout le cercle de convergence :

|z| < 1 : uun+1 n!
converge absolument
P
n
−→ 0, n!z
n→+∞
un+1
|z| > 1 : un −→ 0, n!z divergen
P
n→+∞
n
7. (−2)n z 3n , si n = 3k, an = a3k = (−2)k = (−2) 3 , sinon an = 0
P
Pour z 6= 0, soit un = |(−2)n z 3n |, uun+1 = 2|z|3 , donc |z| < √
1
⇒ (−2)n z 3n converge
P
3
n 2
absolument
√ √
Si |z| > 3 2 alors (−2)n z 3n diverge donc R = 3 2, d'après la règle de d'Alembert
P

8. a2n = 2n , a2n+1 = −3. Si an z n converge absolument, alors par sommabilité :

P

X X
2n |z|2n et 3|z|2n+1 converge

1
donc R =
2
3n2 −n4 +1
9. ∃F ∈ C(X) \ {0}/∀n ∈ N, an = F (n), par exemple, an = n5 +8
(
deg(P ) = k, γ(P ) = a 6= 0
:Si F = Q P
avec
deg(Q) = l, γ(Q) = b 6= 0
|an | ∼ k ab knk−l 6= 0 ⇒ k aan+1
n
k −→ 1, R = 1
n→+∞

9.1.3 Propriétés élémentaires

Théorème

Soit λ ∈ C∗ , si P an z n a pour rayon de convergence R alors an λz n a pour rayon de

P P
convergence R, et λ an z a pour rayon de convergence |λ|
n n R

Preuve : comme λ 6=P 0, an z n converge ⇔ λan z n converge

P P
Si |z| < |λ| , |λz| < R ⇒
R
λ an z converge absolument
n n

Si |z| > |λ| , |λz| > R ⇒

R
λ an z n diverge
P n

284 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.1. RAYON DE CONVERGENCE

Comparaison

Soit an z n de rayon de convergence Ra et bn z n de rayon de convergence Rb

P P

1. ∀n ∈ N, |an | ≤ |bn | ⇒ Ra ≥ Rb
2. |an | = O(|bn |) ⇒ Ra ≥ Rb
3. |an | ∼ |bn | ⇒ Ra = Rb

Preuve :

1. |z| < Rb ⇒ |an z n | ≤ |bn z n |, donc an z n converge absolument, donc Ra ≥ Rb

P

2. ∃M ≥ 0, ∃n2 ∈ N, ∀n ≥ n0 , |an | ≤ M |bn |, puis on applique 1.

(
|an | = O(|bn |)
3. |an | ∼ |bn | ⇒
|bn | = O(|an |)

Exemples
π
R2
1. an = tn sin(t)dt, ∀t ∈ [0; π2 ]t ≤ sin(t) ≤ 1, par concavité :
0

2 π 1 π
( )n+1 ≤ an ≤ ( )n+1
π(n + 2) 2 n+1 2

lim cn+1 = limbn+1

= π
2 , Ra = 2
n→+∞ cn n→+∞ bn π

2. an = 2 + (−1)n , ∀n ∈ N, 1 ≤ an ≤ 3, Ra = 1
3. P
an = 1 + einθ , θ ∈]0; 2π[, ∀n ∈ N, |an | ≤ 2 ⇒ Ra ≥ 1
an diverge, car le terme général ne tend pas vers 0, il y a divergence grossière, z = 1,
donc Ra = 1

Troncature

Soit an z n une série entière de rayon de convergence Ra . Alors la série an z n (dénie

P P
n≥n0
(
a0n = 0 si n ≤ n0 − 1
par an z avec ) a pour rayon de convergence Ra
P 0 n
a0n = an si n ≥ n0
an+n0 z n converge a pour rayon de convergence Ra
P

Preuve : an z n converge
an z n converge ⇔
P P
n≥n0 n≥0
Et si z = an+n0 z n converge ⇔ an+n0 z n+n0 converge ⇔ an z n converge
P P P
6 0,
n≥0 n≥0 n≥n0

285 MP∗ B.DufourJules

9.1. RAYON DE CONVERGENCE CHAPITRE 9. SÉRIES ENTIÈRES

Sommes de Cauchy

Soient an z n et Pbn z n deux séries entières de rayon de convergence Ra et Rb . Le rayon

P P
de convergence RS de (an + bn )z n vérie :

RS ≥ min(Ra , Rb )

Si de plus Ra 6= Rb alors RS = min(Ra , Rb )

Preuve : si |z| < min(Ra , Rb ), an z n et bn z n convergent, donc (an + bn )z n , ainsi RS ≥

P P P
min(Ra , Rb ) (P
bn z n converge
Si Ra < Rb , soit z ∈ C/|z| ∈]Ra , Rb [: P (an + bn )z n diverge
P
⇒
an z n diverge
Ainsi RS ≤ Ra , nalement RS = Ra
BSi Ra = Rb , on ne peut rien dire :
an = bn = 1, Ra = Rb = 1
an = 1 = −bn , Ra = Rb = 1 et RS = +∞

Produit de Cauchy

Soit
X n
X
cn = ap bq = ak bn−k
p+q=n k=0

Le rayon de convergence Rp de cn z n vérie Rp ≥ min(Ra , Rb ). De plus si |z| < min(Ra , Rb )

P

+∞
X X+∞ +∞
X
cn z n = ( ap z p ) × ( bq z q )
n=0 p=0 q=0

Preuve : si |z| < min(Ra , Rb )), la famille (ap z p bq z q )(p,q)∈N2 est sommable, en regroupant
[
In = {(p, q) ∈ N2 /p + q = n}, N2 = In
n∈N

+∞
X X +∞
X +∞
X +∞
X
( ap bq z p+q ) = cn z n = ( ap z p ) × ( bq z q )
n=0 (p,q)∈In n=0 p=0 q=0

BMême
 lorsque Ra 6= Rb , on peut avoir Rp > min(Ra , Rb )
a0
 =1
Soit a1 = −1 Ra = +∞

∀p ≥ 2, ap = 0


∀q ∈ N, bq = 1, Rb = 1
c0 = a0 b0 = 1
n
X
∀n ∈ N, cn = ak bn−k = a0 bn + a1 bn−1 = 0
k=0

286 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.2. PROPRIÉTÉS ANALYTIQUES

donc Rp = +∞ > min(Ra , Rb )

Dérivation formelle

P Si an z n a pour rayon de convergence Ra , alors la série

P entière P
dite "dérivée formelle"
P
(n+1)an+1 z n a le même rayon de convergence, ainsi que nan z n , an n+1
n+1 z ("primitive
formelle") et la sréie entière dérivée p-ième formelle
X (n + p)!
an+p z n
n!
n≥0

Preuve : par troncature (n + 1)an z n a le même rayon de convergence que nan z n , Ra0
P P
Comme ∀n ∈ N , |an | ≤ |nan |, Ra ≥ Ra . De plus, soit z ∈ C/|z| < Ra et r ∈]|z|; Ra [. On a :
∗ 0

z
|nan z n | = |an rn | × nk kn = o(|an rn |)
r
donc nan z n converge absolument et Ra0 = Ra . Le reste s'en déduit immédiatement
P

9.2 Propriétés analytiques

9.2.1 Convergence normale sur les compacts du disque ouverts
Théorème

Soit Pan z n unePsérie entière de rayon de convergence R > 0. Soit ρ < R, la série de
P
fonctions an z n = fn (z) convergence normalement sur D(0, ρ) et plus généralement sur
les compacts du disque ouverts de convergence (mais pas a priori sur le disque ouvert ! ! !)

Preuve : soit z ∈ D(0, ρ), ∀n ∈ N, |an z n | ≤ |an |ρn , terme général d'une SATP convergente car
ρ < R. Plus généralement si K compact non vide tel que K ⊂ D(0, ρ)
Soit ρP = maxz∈K |z|, atteint car k.k continue sur K, ρ < R et K ⊂ D(0, ρ)
BSi |an |Rn < +∞, on a même convergence normale sur D(0, ρ). Ce n'est pas forcément le
cas ! ! cf an = 1, R = 1, ||f ||∞,D(0,1) = 1

Convergence radiale d'Abel (HP)

Soit an z n une série entière de rayon de convergence. Soit z0 ∈ C, |z0 | = R. On suppose

P
que an z0n est convergente. Notons en cas de convergence :
P

+∞
X
S(z) = an z n
n=0

Alors lim S(tz0 ) = S(z0 ), la fonction somme est continue sur [0; z0 ]
t→1

287 MP∗ B.DufourJules

9.2. PROPRIÉTÉS ANALYTIQUES CHAPITRE 9. SÉRIES ENTIÈRES

[0; 1] →
fn : C
Preuve : ∀n ∈ N, et montrons que fn converge uniformément
P
t 7→ an tn z0n
sur [0; 1[. Pour ce faire, eectuons une transformation d'Abel, en posant :
+∞
X
∀n ∈ N, Bn = aj z0j −→ 0
n→+∞
j=n

car aj z0j converge. Il vient : ∀n ∈ N, an z n = Bn − Bn−1 , ∀t ∈ [0; 1[, ∀n ∈ N

P

+∞
X +∞
X +∞
X
an tn z0n = tn Bn − tn+1 Bn+1
n=N n=N n=N
+∞
X +∞
X
= tn Bn − tn+1 Bn
n=N n=N
+∞
X
= t N BN + (tn − tn−1 )Bn
n=N +1

Soit ε > 0, lim Bn = 0, ∃n0 ∈ N, ∀n ≥ n0 , |Bn | ≤ 2ε , ∀n ≥ n0 , ∀t ∈ [0; 1[

n→+∞

+∞ +∞
X ε X ε
k an tn z0n k ≥ tN + (tn+1 − tn )
2 2
n=N n=N +1
N
= t ε
≤ ε

fn converge uniformément sur [0; 1[, on peut appliquer le théorème d'interversion des limites
P

Remarques
De même on peut montrer qu'on a converger uniformément sur un secteur angulaire. Pour θ0
xé ∈ [0; π2 [
z − z0
Dθ0 = {z ∈ D(0, R)/Arg( ) ∈] − θ0 ; θ0 [}
z0
Pour une série alternée, on utilise fréquemment ce résultat. On majore le reste en utilisant le
CSSA :
+∞
X
k an tn Rn k ≤ |aN |tN RN ≤ |aN |RN
n=N

Exemple
+∞
X (−1)n tn
S(t) = ,R = 1
n=0
n+1
convergence pour t = 1. D'après le CSSA :
+∞
X (−1)n tn tN 1
∀N ∈ N, ∀t ∈ [0; 1[, k k≤ ≤ −→ 0
n+1 N +1 N +1 N →+∞
n=N

288 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.2. PROPRIÉTÉS ANALYTIQUES

Il y a convergence uniforme sur [0; 1[ et

lim S(t) = S(1)

t→1−

P einθ
Soit θ ∈]0; 2π[, on sait par transformation d'Abel que n , d'après le théorème
+∞ n inθ +∞ inθ
X t e X e
lim =
t→1
n=1
n n=1
n

On peut calculer S(t) en dérivant termes à termes, converge normalement sur [0; α]
P n−1 inθ
t e
eiθ
avec α < 1, donc S est dérivable sur [0; α], ∀α < 1, donc sur [0; 1[. S 0 (t) = 1−te iθ qu'on primitive

en séparant parties réelles et imaginaires, en tenant compte de S(0) = 0

9.2.2 Continuité, dérivabilité

Continuité

Soit an z n une série entière de rayon de convergence R, alors la fonction somme

P

+∞
X
S(t) = an z n
n=0

est continue sur le disque ouvert D(0, R)

Preuve : ∀n ∈ N, z 7→ an z n est continue, on a convergence normale sur les compacts de

D(0, R) : S est continue sur les compacts du disque ouvert D(0, R), donc sur D(0, R)

Corollaire
Avec les mêmes notations, S est continue sur ] − R; R[, le théorème de convergence radiale
garantit que si S converge en −R ou R, elle y est continue en tant que fonction d'une variable
réelle

Dérivabilité

La fonction somme d'une série entière

+∞
X
S(t) = an tn
n=0

de rayon de convergence R > 0 est C ∞ sur l'intervalle ouvert de convergence ] − R; R[ et

∀p ∈ N, ∀t ∈] − R; R[
+∞ +∞
X n! X (n + p)!
S (p) (t) = an tn−p = an+p tn
n=p
(n − p)! n=0
n!

289 MP∗ B.DufourJules

9.2. PROPRIÉTÉS ANALYTIQUES CHAPITRE 9. SÉRIES ENTIÈRES

fn : ] − R; R[ → C
Preuve : pour C ∞ . On sait que ∀p ∈ N, le rayon de convergence
t 7 → an tn
de
X (n + p)!
an+p tn
n!
n≥0

est R et on a convergence sur les segments de ] − R; R[

Corollaire

S (p) (0)
∀p ∈ N, ap =
p!

Unicité du développement en série entières

Soit
+∞
X +∞
X
S1 (t) = an tn et S2 (t) = bn t n
n=0 n=0

de rayon de convergence respectif R1 et R2 . On suppose qu'il existe r > 0/∀t ∈]−r; r[, S1 (t) =
S2 (t). Alors ∀n ∈ N, an = bn (S1 = S2 partout où elles sont dénies)

(n) (n)
S1 (0) S2 (t)
Preuve : ∀n ∈ N, an = n! = n! = bn

Remarque
Si deux séries entières coïncident au voisinage de 0, leurs coecients sont égaux et elles sont
égales. On dit qu'on a unicité du développement en série entière

Développement limité

∀n ∈ N, S admet un dln (0) :

n
X
S(z) = ak z k + o(z n+1 )
k=0

Preuve : on peut écrire :

n
X +∞
X
S(z) = ak z n + z n+1 ak+n+1 z k
k=0 k=0

290 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.2. PROPRIÉTÉS ANALYTIQUES

Primitivation

Soit
+∞
X
S(z) = an z n
n=0

la fonction d'une série entière de rayon de convergence R > 0, F une primitive de S sur
] − R; R[, on a
+∞
X an z n+1
∀t ∈] − R; R[, F (t) = + F (0)
n=0
n+1

Preuve : dénissons
+∞
X an n+1
G(t) = F (0) + t
n=0
n+1

série entière de rayon de convergence R (primitive formelle de F ), G est C 1 sur ] − R; R[ et

G0 (t) = S(t). Comme G(0) = F (0) alors

∀t ∈] − R; R[, G(t) = F (t)

Exemples
1.
+∞
1 X
∀t ∈] − 1; 1[, = tn
1 − t n=0

En primitivant :

+∞ n+1 +∞
X t X (−1)n n+1
∀t ∈] − 1; 1[, ln(1 − t) = − , ln(1 + t) = t
n=0
n+1 n=0
n+1

Par continuité de ln en 2 :
+∞
X (−1)n
ln(2) =
n=0
n+1

2.
+∞
1 X
∀t ∈] − 1; 1[, 2
= (−t2 )p
1+t p=0

+∞
X t2p+1
arctan(t) = (−1)p
p=0
2p + 1

291 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

9.3 Développements en séries entières

9.3.1 Position du problème
Dénition

On dit qu'une fonction f : A ⊂ C → C est développable en série entière (DSE), au

voisinage de z0 (ou en z0 ) ∈ A si et seulement si :
+∞
X
∃R0 > 0, ∃(an ) ∈ CN /∀h ∈ C, |h| < R0 ⇒ f (z0 + h) = an hn
n=0

De même pour un DSE réel, en se limitant à h ∈] − R0 ; R0 [

Exemples
1.
+∞ n
X z
∀z ∈ C, exp(z) =
n=0
n!

f : C∗ → C
2. 1 , soit z0 ∈ C et h ∈ C/z0 + h 6= 0
∗
z 7 → z

1 1 1
= ×
z0 + h z0 1 + zh0

Pour |h| < |z0 |, k zh0 k < 1

+∞
X (−1)n hn
1 1
= ×
z0 + h z0 n=0 z0n

Cas réel
Pratiquement, on peut toujours se ramener à un DSE en 0, en formant g(h) = f (t0 + h). S'il
existe R > 0 et (an ) ∈ CN /∀h ∈] − R; R[,
+∞
X
f (t) = an tn
n=0

notons que R0 ≤ R, rayon de convergence de an z n . f est nécessairement, C ∞ au voisinage de

P
0 et
f (n) (0)
∀n ∈ N, an =
n!
P f (n) (z0 )
On forme dans ce cas, la série dite de Mac-Laurin de f , n! , dont on évalue le rayon de
convergence de R, reste alors à vérier qu'il existe R0 ≤ R/∀t ∈] − R0 ; R0 [
+∞ (n)
X f (0) n
f (t) = t
n=0
n!

292 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES

Problème
Ce n'est pas parce que f est C ∞ et que sa série de Mac-Laurin a un rayon de convergence
R > 0, qu'on a forcément :
+∞ (n)
X f (0) n
∀t ∈] − R0 ; R0 [, f (t) = t
n=0
n!

f: R → R
Exemple x 7→ exp(− x12 ), x 6= 0
0 7→ 0
∀n ∈ N, f (n) (0) = 0. La série de Mac-Laurin (série nulle) a un rayon de convergence inni, mais
f ne coïncide avec cette série qu'en 0, donc n'est pas DSE

9.3.2 Propriétés
Théorèmes

1. Unicité : si f est DSE au voisinage de 0 avec :

+∞
X
∀t ∈] − R; R[, f (t) an tn
n=0

f (n) (0)
alors ce développement est unique et ∀n ∈ N, an = n!
2. Avec les mêmes hypothèses, f admet un dln (0) :
n
X
f (t) = ak tk + O(tn+1 )
k=0

3. Si f est paire (resp. impaire) alors les coecients ∀n ∈ N, a2n+1 = 0 (resp. a2n = 0)

Preuve : 3. si f est paire :

+∞
X +∞
X
∀t ∈] − R; R[, f (−t) = (−1)n an tn = f (t) = an tn
n=0 n=0

Par unicité du développement en série entière : ∀n ∈ N, an = (−1)n an

Combinaison linéaire, produit de Cauchy

Si f et g sont DSE au voisinage de 0 avec :

+∞
X
∀t ∈] − r1 ; r1 [, f (t) = an tn
n=0

293 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

+∞
X
∀t ∈]r2 ; r2 [, f (t) = bn tn
n=0

On pose r = min(r1 , r2 ), ∀λ ∈ C, λf + g et f g sont DSE, et ∀t ∈] − r, r[

+∞
X
(λf + g)(t) = (λan + bn )tn
n=0

+∞ X
X n
(f g)(t) = ( ak bn−k )tn
n=0 k=0

Dérivation, primitivation

Si f est DSE au voisinage de 0 avec

+∞
X
∀t ∈] − R; R[, f (t) = an tn
n=0

alors f 0 (resp. ∀p ∈ N, f (p) ) est DSE avec

+∞
X
∀t ∈] − R; R[, f 0 (t) = (n + 1)an+1 tn
n=0

+∞
X (n + p)!
f (p) (t) = an+p tn
n=0
n!

Si F est une primitive de f sur ] − R; R[, F est DSE et :

+∞
X an n+1
∀t ∈] − R; R[, F (t) = F (0) + t
n=0
n +1

Composition (HP)
Principe général
Soit f et g DSE au voisinage de 0, avec g(0) = 0

+∞
X
∀z ∈ D(0, r), f (z) = an z n
n=0

+∞
X
∀u ∈ D(0, α), g(u) = bp up , b0 = 0
p=0

294 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES

g étant continue en 0, pour |u| susamment petit, |g(u)| < r

2
+∞
X X+∞ +∞
X +∞
X
f (g(u)) = an ( bp up )n = an cn,p up
n=0 p=0 n=0 p=0

cn,p , coecients du produit de Cauchy. On veut appliquer le théorème de Fubini. Pour ce faire,
on forme :
+∞
X +∞
X +∞
X
f˜(z) = |an |z n et g̃(u) = |bp |z n ⇒ ∀n ∈ N, g̃(u)n = ˜ up
cn,p
n=0 p=0 p=0

g̃(0) = 0 et g̃ continue en 0, donc ∃β > 0/|u| < β ⇒ |g̃(u)| ≤ r

2
+∞
X +∞
X
f˜(g̃(u)) = |an | ˜ |u|p < +∞
cn,p
n=0 p=0

car |g̃(|u|)| < r. Or les règles du produit de Cauchy impliquent que :∀(n, p) ∈ N2 , |cn,p | < cn,p
˜ ,
donc si |u| < β :
+∞ X
X +∞ +∞ X
X +∞
p
|an cn,p u | ≤ ( ˜ |u|p ) < +∞
|an |cn,p
n=0 p=0 n=0 p=0

Ainsi la famille (un cn,p up )(n,p)∈N2 est sommable, d'après le théorème de Fubini :
+∞ X
X +∞
f (g(u)) = an cn,p up
p=0 n=0

donc f ◦ g est DSE en 0.On remarque que lorsque les (bp ) sont positifs : g̃ = g et cn,p
˜ = cn,p

Exemple
z 1 1
= , f (u) =
ez −1 +∞
P zn 1+u
1+ n!
n=1

9.3.3 Développement obtenu par la formule de Taylor

Exemple : (1 + t)α
f: ] − 1; +∞[ → C
Soit α ∈ C \ N et est C ∞
t 7→ (1 + t)α
∀t > −1, ∀p ∈ N, f (p) (t) = α(α − 1)(α − p + 1)(1 + t)α−p
f (p) (0) α(α−1)...(α−p+1)
Posons ∀p ∈ N, ap = p! = p! 6= 0, car α ∈
/N

|ap+1 | |α − p|
= −→ 1
|ap | p + 1 p→+∞
D'après le règle de d'Alembert, R = 1. Fixons t ∈] − 1; 1[ et formons pour n ∈ N
n Z t Z t
X f (p) (0) p (t − u)n (n+1) (t − u)n
Rn,f (t) = f (t)− t = f (u)du = α(α−1)(α−n)(1+u)α−n−1 du
p=0
p! 0 n! 0 n!

295 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

g : [0;˜ t] → R
Soit t−u t+1 est décroissante sur [0;˜ t], g(t) = 0
u 7→ 1+u = u+1 −1

t t
|α(α − 1)...(α − n)| |α(α − 1)...(α − n)| n
Z Z
n α−n−1
|Rn,f (t)| ≤ | g(u) |1+u| du| ≤ |t| | |1+u|α−1 du|
n! 0 n! 0

P α(α−1)...(α−n)
Le rayon de convergence de n! Cz n est 1 d'après la règle de d'Alembert :

|α(α − 1)...(α − n)|

lim C|t|n = 0
n→+∞ n!

Finalement :
+∞ (p)
X f (0)
∀t ∈] − 1; 1[, f (t) = tp
p=0
p!

+∞
X α(α − 1)...(α − n + 1) n
∀t ∈] − 1; 1[, (1 + t)α = t
n=0
n!

1
Cas α = − ∀n ∈ N∗ , α(α−1)...(α−n+1)
n! = (−1)n (2n)!
22n (n!)2
2
+∞
1 X (−1)n (2n)! n
∀t ∈] − 1; 1[, √ = t
1 + t n=0 22n (n!)2

diverge en −1 et en 1, d'après le CSSA. Par conséquent :

+∞
1 X (2n!) 2n
∀t ∈] − 1; 1[, √ = 2n (n!)2
t
1 − t2 n=0
2

En primitivant sachent que arcsin(0) = 0 :

+∞
X (2n)!
∀x ∈ [−1; 1], arcsin(x) = 2n (n!)2 (2n + 1)
x2n+1
n=0
2

qui converge en −1 et en 1

1
Cas α = ∀n ∈ N∗ , α(α−1)...(α−n+1)
n! = (−1)n−1 (2n−2)!
22n−1 n((n−1)!)2
2
+∞
√ X (−1)n (2n)!
∀t ∈] − 1; 1[, 1 + t = 1 + tn+1
n=0
22n+1 (n!)2 (n + 1)

Remarque pour α ∈ N, (1 + t)α est polynomial et R = +∞

296 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES

Fonctions trigonométriques

On dénit sur C,

exp(iz) + exp(−iz) exp(iz) − exp(−iz)

∀z ∈ cos(z) = et sin(z) =
2 2i
exp(z) + exp(−z) exp(z) − exp(−z)
∀z ∈ C, ch(z) = et sh(z) =
2 2
Ces applications sont DSE (cf infra)

Théorème
( (
cos(z) = ch(iz) ch(z) = cos(iz)
∀z ∈ C, ∀z ∈ C,
sin(z) = 1i sh(iz) sh(z) = 1i sin(iz)
π π
∀z ∈ C \ ( + πZ), tan(z) = 1i th(iz) et ∀z ∈ C \ i( + πZ), th(z) = 1
i tan(iz)
2 2

9.3.4 Développements en série entières usuels

+∞ n
X z
∀z ∈ C, exp(z) =
n=0
n!
+∞
X z 2n
∀z ∈ C, ch(z) =
n=0
(2n)!
+∞
X z 2n+1
∀z ∈ C, sh(z) =
n=0
(2n + 1)!
+∞
X (−1)n z 2n
∀z ∈ C, cos(z) =
n=0
(2n)!
+∞
X (−1)n z 2n+1
∀z ∈ C, sin(z) =
n=0
(2n + 1)!
+∞
1 X
∀z ∈ B(0, 1), = zn
1 − z n=0
+∞  
1 X n+p n
∀n ∈ N, ∀z ∈ B(0, 1), = z
(1 − z)p+1 n=0
p
+∞ n
X x
∀x ∈ [−1; 1[, ln(1 − x) = −
n=1
n

297 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

+∞
X (−1)n+1 xn
∀x ∈ [−1; 1[, ln(1 + x) =
n=1
n
+∞
X (−1)n x2n+1
∀x ∈ [−1; 1], arctan(x) =
n=0
2n + 1
+∞
X (2n)!
∀x ∈ [−1; 1], arcsin(x) = 2n (n!)2 (2n + 1)
x2n+1
n=0
2
+∞
π X (2n)!
∀x ∈ [−1; 1], arccos(x) = − x2n+1
2 n=0 22n (n!)2 (2n + 1)
+∞     n−1
α
X α n α 1 Y
∀α ∈ R, ∀x ∈] − 1; 1[, (1 + x) = x , = (α − 1)
n=0
n n n! i=0
+∞
√ X (2n)!
∀x ∈] − 1; 1[, 1 − x = − 2n (n!)2
xn
n=0
(2n − 1)2
+∞
1 X (2n)! n
∀x ∈] − 1; 1[, √ = 2n (n!)2
x
1 − x n=0 2
+∞
1 1+x X x2n+1
∀x ∈] − 1; 1[, argth(x) = ln( )=
2 1−x n=0
2n + 1
+∞
p X (2n)!
∀x ∈ [−1; 1], argsh(x) = ln( x2 + 1 + x) = (−1)n x2n+1
n=0
22n (n!)2 (2n + 1)
+∞
p X z 2n
∀x ∈ C, argch(x) = ln(x + x2 − 1) =
n=0
(2n)!

9.3.5 Fractions rationnelles

Méthode générale
Soit F ∈ C(X)/ 0 n'est pas un pôle de F
P
F =Q , (P, Q) ∈ C[X] × (C[X] \ {0}), P ∧ Q = 1, Q(0) 6= 0, deg(Q) ≥ 1
r
Y
Q(X) = (X − αi )mi
i=1
mi
r X
X αi,j
F (X) = E(X) =
i=1 j=1
(X − αi )j

On se ramène à développer 1
(z−α)k
,α ∗
∈ C ,k ≥ 1
1 −1 k 1
=( ) ×
(z − α)k α (1 − αz )k

298 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES

DSE sur D(0, α) par produit de Cauchy. Par ailleurs,

+∞  
1 X k+n−1 n
∀t ∈] − 1; 1[, = t
(1 − t)k n=0
k−1

Par unicité, ∀z ∈ D(0, |α|) :

+∞ 
k + n − 1 zn

1 X
=
(1 − αz )k n=0
k−1 αn

Par combinaison linéaire f est DSE sur D(0, R)/R = min1≤i≤r (|αi |) > 0

+∞
X
∀z ∈ D(0, R), F (z) = an z n
n=0

+∞
Si le rayon de convergence R0 de S(z) = an z n était > R, soit αi0 un pôle de module R, S
P
n=0
serait dénie continue en αi0 , absurde donc R0 = R

Remarque
Pour obtenir les coecients du développement, on a intérêt à écrire :

+∞
X
∀z ∈ D(0, R), P (z) = ( an z n )Q(z)
n=0

et identier

Exemple

+∞ +∞ +∞ +∞ +∞
1 X
n 2
X
n
X
n
X
n
X
= an z ⇔ 1 = (1 + z + z ) an z = an z + an−1 z + an−2 z n
1 + z + z2 n=0 n=0 n=0 n=1 n=2

Par
 unicité du DSE, 
∀n ≥ 2, an + an−1 + an−2 = 0
a
 0
 = 1 a3p
 =1
a0 + a1 = 0 ⇒ a3p+1 = −1
 
a1 = −1 a3p+2 = 0
 
Autre méthode :
+∞ +∞ +∞
1 1−z 3
X
n
X
n
X
= ⇒ 1 − z = (1 − z ) an z = an z − an+3 z n
1 + z + z2 1 − z3 n=0 n=0 n=3

299 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

9.3.6 Développement obtenu à partir d'une équation diérentielle /

fonctionnelle
Équation diérentielle
Soit une équation diérentielle linéaire de la forme :

a0 (t)y 00 + a1 (t)y 0 + a2 (t)y = b(t) (9.1)

où a0 , a1 , a2 sont des fonctions polynomiales en t et b est DSE sur ] − R; R[

+∞
X
∀t ∈] − R; R[, b(t) = βn tn
n=0

Si f est DSE et solution de (9.1) au voisinage de 0, avec ∀t ∈] − R; R[,

+∞
X
f (t) = αn tn
n=0

alors on peut évaluer le coecient en tn de a0 (t)f 00 (t) + a1 (t)f 0 (t) + a2 (t)f (t), par unicité ce
coecient vaut βn . On obtient alors des relations de récurrence sur les (αn )n∈N

Exemple
Soit f (t) = arcsin(t)2 est DSE sur [−1; 1], par produit de Cauchy, ∃(αn ) ∈ RN /
+∞
X
∀t ∈ [−1; 1], f (t) = αn tn , ∀n ∈ N, α2n+1 = 0
n=0

2 arcsin(t) 2t arcsin(t)
On a par ailleurs, f 0 (t) = √
1−t2
et f 00 (t) = 2
1−t2 + 3
(1−t2 ) 2
2 00 0 2 00 0
(1 − t )f (t) = tf (t) + 2 ⇔ (1 − t )f (t) − tf (t) = 2
+∞
X +∞
X +∞
X
f 0 (t) = nαn tn−1 ⇒ tf 0 (t) = nαn tn = nαn tn
n=1 n=1 n=0

+∞
X +∞
X +∞
X +∞
X
f 00 (t) = (n+1)(n+2)αn+2 tn = n(n−1)αn tn−2 ⇒ t2 f 00 (t) = n(n−1)αn tn = n(n−1)αn tn
n=0 n=2 n=2 n=0

Ainsi,
+∞
X
(1 − t2 )f 00 (t) − tf 0 (t) = ((n + 1)(n + 2)αn+2 − (n(n − 1) + n)αn )tn = 2
n=0

∀t ∈] − 1; 1[, par unicité :

n = 0 : 2α2 − 4α0 = 2. Notons que : α0 = f (0) = 0 et α1 = f 0 (0) = 0
n2
∀n ≥ 1, αn+2 = (n+1)(n+2) αn
Par récurrence, ∀p ∈ N, α2p+1 = 0 et ∀p ≥ 1 :

(2p − 2)2 × ... × 22 22p−1 ((p − 1)!)2

α2p = α2 =
(2p) × ... × 4 × 3 (2p)!

300 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES

De plus pour z 6= 0 et p ≥ 1, soit :

up = |α2p z 2p | > 0
up+1 α2(p+1) 4p2
up = |z|2 α2p = 2
(2p+1)(2p+3) |z| p→+∞
−→ |z|2
(
|z| < 1 : up converge
P
D'après la règle de d'Alembert : ⇒R=1
|z| > 1 : up diverge
P

Remarque
Le théorème de Cauchy-Lipschitz justie que si une fonction des DSE est solution de (9.1)
sur ] − R; R[, et vérie le même produit de Cauchy que f alors f = g sur ] − R; R[

Équation fonctionnelle
Soit une suite (αn ) vériant une relation de récurrence. Pour calculer les (αn ), il est intéressant
de former la série génératrice de la suite (αn ) :

+∞
X
S(z) = αn z n
n=0

si le rayon de convergence de S(z) est strictement positif alors la relation de récurrence vériée
par les (αn ) procure une équation fonctionnelle ou diérentielle satisfaite par S . Réciproquement,
f est solution de cette équation et est DSE avec
+∞
X
f (z) = γn z n
n=0

l'équation fournit une relation de récurrence sur les (γn ), qui permet le cas échéant d'identier
les (γn ) aux (αn )

Exemple
Calculer le terme général de la suite dénie par α0 = 1 et
n
X
∀n ∈ N, αn+1 = αk αn−k
k=0

Soit S(z) la série génératrice associée à la suite (αn ). Supposons que le rayon de convergence R
de S est strictement positif. Alors :
+∞
X +∞ X
X n
∀z ∈ D(0, R), S(z) − 1 = αn+1 z n+1 = ( αk αn−k )z n+1 = zS(z)2
n=0 n=0 k=0

∀t ∈] − R; R[, tS(t)2 − S(t) + 1 = 0 √

∆ = 1 − 4t, si |t| < min(R; 14 ) = α, ∃ε(t) ∈ {1; −1}/S(t) = 1+ε(t)2t 1−4t
∀t ∈] − α; α[, ε(t) = 2tS(t)−1
√
1−4t
continue à valeurs dans {−1; 1}, donc constante sur ]0; α[ et ] − α; 0[.

301 MP∗ B.DufourJules

9.3. DÉVELOPPEMENTS EN SÉRIES ENTIÈRES CHAPITRE 9. SÉRIES ENTIÈRES

Or S est continue en 0, donc ∀t ∈] − α; α[\{0}, ε(t) = −1 et S(0) = 1

f : ] − 41 ; +∞[ → R
√
Réciproquement, formons t 7→ 1− 1−4t
2t
0 7→ 1

√ +∞ +∞ +∞
1− 1 − 4t 1 X 1 X (−1)n (2n)! (−4t)n+1 X (2n)! 1 1
= = tn , ∀t ∈] − ; [
2t 2t n=0 2t n=0 22n+1 (n!)2 n + 1 n=0
(n!)2 (n + 1) 4 4

Comme ∀t ∈] − 14 ; 14 [, tf (t)2 = f (t) − 1. On a par produit de Cauchy : γ0 = 1

n
X
∀n ∈ N, γn+1 = γk γn−k
k=0

donc par récurrence :

(2n)!
∀n ∈ N, γn+1 = αn =
(n!)2 (n + 1)

Remarque

f est C ∞ sur R∗+ et sur ] − 41 ; 14 [ car somme d'une série entière. De même

+∞
sin(x) X (−1)p x2p
∗
∀x ∈ R , =
x p=0
(2p + 1)!

sinc : R → R
est C ∞ sur R, donc x 7→ sin(x)
x
l'est aussi
0 7→ 1
f: R → R f2 : R → R
f1 : R → R ex −1
De même, x 7→ ex −1 . Posons
sin(x)
et x 7 →
x 7→ sinc(x) x
0 7→ 1 0 7 → 1

+∞ +∞
X (−1)p x2p X xn
f1 (x) = et f2 (x) =
p=0
(2p + 1)! n=0
(n + 1)!

f1 (x)
∀x ∈ R, f (x) = f2 (x) elles sont C ∞ sur R, donc f aussi d'après les théorèmes généraux de la
classe

302 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.4. SÉRIES GÉNÉRATRICES

9.4 Séries génératrices

9.4.1 Dénition
Dénition

Soit (Ω, T , P) un espace probabilisé. X : Ω → N une variable aléatoire discrète dans N.

On note :
+∞
X
∀n ∈ N, pn = P (X = n) ≥ 0, pn = 1
n=0
X
Ω → t : R
Soit t ∈ [−1; 1] et la variable aléatoire discrète
ω 7→ tX(ω)
On dénit la fonction génératrice de la variable aléatoire X :
+∞
X
GX (t) = E(tX ) = pn tn
n=0

c'est une série entière de rayon de converge supérieur ou égal à 1

Preuve :
+∞
X +∞
X
∀t ∈ [−1; 1], pn |t|n ≤ pn = 1 < +∞
n=0 n=0

donc tX a une espérance nie et sa série génératrice a un rayon de convergence supérieur ou égal
à1

Loi de Bernoulli

X ,→ B(p), p0 = 1 − p, p1 = p et ∀n ≥ 2, pn = 0

GX (t) = 1 − p + pt, R = +∞

Loi binomiale

n


X ,→ B(n, p), ∀k ∈ [|0; n|], pk = k pk (1 − p)n−k , ∀m > n, pm = 0
n  
X n
GX (t) = pk (1 − p)n−k tk = (1 − p + pt)n , R = +∞
n=0
k

303 MP∗ B.DufourJules

9.4. SÉRIES GÉNÉRATRICES CHAPITRE 9. SÉRIES ENTIÈRES

Loi de Poisson
n
X ,→ P(λ), ∀n ∈ N, pn = e−λ λn!
+∞
X λn n
GX (t) = e−λ t = eλ(t−1) , R = +∞
n=0
n!

Loi géométrique

X ,→ G(p), p0 = 0, ∀n ≥ 1, pn = (1 − p)n−1 p
+∞
X pt
∀t ∈ [−1; 1], GX (t) = p(1 − p)n−1 tn = ,R > 1
n=0
1 − (1 − p)t

9.4.2 Propriétés
Propriétés analytiques

GX est continue sur [−1; 1] et C ∞ sur ] − 1; 1[

Preuve : comme GX (1) = 1, la série converge normalement sur [−1; 1] donc y est continue.
De plus, GX est C ∞ sur ] − R; R[⊃] − 1; 1[

Remarque
On peut avoir R = 1 :

6
∀n ∈ N∗ , P (X = 0) = 0 et P (X = n) =
(πn)2

Corollaire

Si 2 variables aléatoires discrètes ont même fonction génératrice, elles ont la même loi.
La fonction génératrice caractérise la loi de probabilité

(n)
G (0)
Preuve : ∀n ∈ N, pn = Xn!
Si GX = GY alors ∀n ∈ N, P (X = n) = P (Y = n)

Remarque
Ce résultat permet d'identier la loi d'une variable aléatoire à partir de sa fonction génératrice

304 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.4. SÉRIES GÉNÉRATRICES

Théorème

Si X et Y sont deux variables discrètes indépendantes, on a :

GX+Y = GX GY

Preuve : ∀t ∈ [−1; 1], GX+Y (t) = E(tX+Y ) = E(tX tY ). Or tX et tY sont indépendantes,

donc :
GX+Y (t) = E(tX tY ) = E(tX )E(tY ) = GX (t)GY (t)

Corollaire

Si X1 , ..., Xn sont des variables aléatoires discrètes indépendantes alors :

n
Y
GP
n = GXi
Xi
i=1 i=1

Loi binomiale
X1 ,→ B(n1 , p) et X2 ,→ B(n2 , p) indépendantes :
GX1 +X2 (t) = GX1 (t)GX2 (t) = (1 − p + pt)n1 (1 − p + pt)n2 = (1 − p + pt)n1 +n2
c'est la fonction génératrice d'une v.a : X ,→ B(n1 + n2 , p) ⇒ X1 + X2 ,→ B(n1 + n2 , p)

Loi de Poisson
X1 ,→ P(λ1 ) et X2 ,→ P(λ2 ) indépendantes :
GX1 +X2 (t) = e(λ1 +λ2 )(t−1)
Par caractérisation : X1 + X2 ,→ P(λ1 + λ2 )

Théorème

Soit X v.a.d à valeurs dans N

1. X a une espérance nie ⇔ lim G0X (t) = l ∈ R ⇔ GX dérivable en 1−
t→1−
Dans ce cas :
+∞
X
E(X) = npn = G0X (1)
n=0

2. X admet un moment d'ordre 2 ⇔ GX est deux fois dérivable en 1

+∞
X
E(X 2 ) = n2 pn = G00X (1) + G0X (1)
n=0

Par conséquent : V (X) = G00X (1) + G0X (1) − (G0X (1))2

305 MP∗ B.DufourJules

9.4. SÉRIES GÉNÉRATRICES CHAPITRE 9. SÉRIES ENTIÈRES

Preuve :
P+∞
1. X a une espérance nie ⇒ n=1 npn < ∞.
+∞
X
∀t ∈] − 1; 1[, G0X (t) = npn tn−1
n=1

∀t ∈ [0; 1[, |npn tn−1 | ≤ npn terme général d'une SATP convergente, donc npn tn−1
P
P+∞
converge normalement sur [0; 1[, on peut intervertir lim et n=1
− t→1

+∞
X
lim G0X (t) = npn = E(X) ∈ R
t→1−
n=1

donc G0X est continue en 1, d'après le théorème de prolongement de la dérivée, GX est

dérivable en 1 et
G0X (1) = lim G0X (t)
t→1−

Supposons que GX soit dérivable en 1, soit t ∈ [0; 1[,

+∞ +∞
GX (1) − GX (t) X 1 − tn X
ϕ(t) = = npn = pn (1 + t + ... + tn−1 )
1−t n=1
1 − t n=1

fonction de t croissante sur [0; 1[, donc :

G0X (1) = lim ϕ(t) = sup ϕ(t)

t→1− t∈[0;1[

N
X
∀N ∈ N∗ , ∀t ∈ [0; 1[, pn (1 + t + ... + tn−1 ) ≤ ϕ(t) ≤ G0X (1)
n=1

car ce sont des SATP. N étant xé, lorsque t → 1 :

+∞
X
npn ≤ G0X (1)
n=1

on a bien une espérance nie

2. De même, en utilisant :
+∞
X
G00X (t) = n(n − 1)pn tn
n=2

9.4.3 Processus de Galton-Watson (HP)

Soit X variable aléatoire discrète à valeurs dans N (par exemple le nombre de garçons à une
génération donnée). On suppose que P (X = 0) > 0 et P (X = 0) + P (X = 1) < +∞. On note
ϕ la fonction génératrice de X , ϕ = GX . On donne une suite de variables aléatoires discrètes
indépendantes de même loi que X , Xn,p , n ∈ N∗ et on dénit
Zn
et Zn+1 =
X
Z0 = 1 Xn,p
p=1

306 MP∗ B.DufourJules

CHAPITRE 9. SÉRIES ENTIÈRES 9.4. SÉRIES GÉNÉRATRICES

Zn désigne donc le nombre de garçons à la n-ième génération

La fonction ϕ est deux fois dérivable, si on suppose que X admet une espérance nie m :
+∞
X +∞
X
ϕ0 (t) = (n + 1)P (X = n + 1)tn > 0 ⇒ ϕ00 (t) = (n + 1)(n + 2)P (X = n + 2)tn
n=0 n=0

ϕ est croissante et strictement convexe sur [0; 1]. Posons désormais ϕn = GZn
+∞
X
ϕn+1 (t) = P (Zn+1 = k)tk
k=0
+∞ X
X +∞ Xl
= ( P ((Zn = l) ∩ ( Xn,p = k))tk
k=0 l=0 p=1
+∞ X
X +∞ l
X
= P (Zn = l)P ( Xn,p = k)tk < +∞
k=0 l=0 p=1
+∞
X +∞
X Xl
= P (Zn = l) P( Xn,p = k)tk
l=0 k=0 p=1

Les Xn,p étant indépendants de même loi :

+∞
X
ϕn+1 (t) = P (Zn = l)ϕ(t)l = ϕn ◦ ϕ(t)
l=0

On en déduit : E(Zn ) = ϕ0n (1) = ϕ0 (1)ϕ0n−1 (ϕ(1)) = mn

Soit la variable aléatoire T le plus entier n tel que Zn = 0
[ [
P (T < +∞) = P ( (T = n)) = P ( Zn = 0) = lim P (Zn = 0) = lim ϕn (0)
n→+∞ n→+∞
n∈N n∈N

On notera que Zn = 0 ⇒ Zn+1 = 0, on pose un = ϕn (0) avec u0 > 0. un+1 = ϕn+1 (0) = ϕ(un ),
ϕ étant croissante, (un ) est monotone. On a donc une limite l vériant l = ϕ(l), car

lim un = lim ϕ(un ) = l

n→+∞ n→+∞

donc P (T < +∞) est une point xe de ϕ. Soit a un autre point xe de ϕ. Or a > 0 et
∀n ∈ N, un < a, donc l ≤ a, l est le plus petit point xe de ϕ
On pose g(x) = ϕ(x) − x. Pour h petit :

g(1 − h) = g(1) − hg 0 (1) + o(h) = −h(m − 1) + o(h) < 0

D'après le théorème des valeurs intermédiaires, g s'annule sur ]0; +∞[, donc P (T < +∞) < 1.
Par stricte convexité, la courbe est strictement au-dessus de sa tangente sur [0; 1] et ϕ(x) > x,
donc
P (T < +∞) = 1 ⇔ m ≤ 1

307 MP∗ B.DufourJules

9.4. SÉRIES GÉNÉRATRICES CHAPITRE 9. SÉRIES ENTIÈRES

308 MP∗ B.DufourJules

Chapitre 10

Intégration

Sommaire
10.1 Intégration sur un segment . . . . . . . . . . . . . . . . . . . . . . . 301
10.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
10.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
10.1.3 Sommes de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
10.1.4 Intégrales et primitives . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
10.2 Intégration sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.2 Cas d'une fonction à valeurs positives . . . . . . . . . . . . . . . . . . 313
10.2.3 Espace L1 (I, K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
10.2.4 Espace L2 (I, K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
10.2.5 Intégrations par parties . . . . . . . . . . . . . . . . . . . . . . . . . . 319
10.2.6 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . 321
10.2.7 Intégration des relations de comparaisons . . . . . . . . . . . . . . . . 322
10.3 Comparaison séries-intégrales . . . . . . . . . . . . . . . . . . . . . . 324
10.3.1 Relation de Chasles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
10.3.2 Cas d'une fonction positive décroissante . . . . . . . . . . . . . . . . . 325
10.4 Théorème de convergence dominée . . . . . . . . . . . . . . . . . . . 327
10.4.1 Le théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
10.4.2 Théorème d'intégration termes à termes . . . . . . . . . . . . . . . . . 331
10.5 Intégrale fonction d'un paramètre . . . . . . . . . . . . . . . . . . . 335
10.5.1 Les théorèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
10.5.2 Calcul d'intégrale à paramètre . . . . . . . . . . . . . . . . . . . . . . 339
10.5.3 Théorèmes de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
10.6 Compléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
10.6.1 Intégrale de Dirichlet (HP) . . . . . . . . . . . . . . . . . . . . . . . . 343
10.6.2 Transformée de Laplace (HP) . . . . . . . . . . . . . . . . . . . . . . . 344
10.6.3 Analyse complexe (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . 345
10.6.4 Transformation de Fourrier . . . . . . . . . . . . . . . . . . . . . . . . 347
10.6.5 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348

309
10.1. INTÉGRATION SUR UN SEGMENT CHAPITRE 10. INTÉGRATION

10.1 Intégration sur un segment

Les grecs réalisèrent les premières approximations de calcul d'aire, avec la méthode d'exhaus-
tion (Archimède, -120) : celle consiste à approcher l'aire du domaine, par celle de polygones dont
on connait l'aire. Au XVIII siècle, Leibniz établit le lien entre calcul diérentiel et calcul d'aire :
Z b Z b
dF
f= ⇒A= f (t)dt = dF = F (b) − F (a)
dt a a
Vers 1850, parallèlement à l'axiomatisation des mathématiques, Riemann dénit plus rigoureu-
sement l'intégrale : à l'aide de subdivisions, il découpe le segment et réalise une approximation
de la fonction par des fonctions en escaliers : il réalise un calcul de valeur moyenne, l'intégrale
gomme donc du point de vue analytique les aspérités / irrégularité.
En 1905, Lebesgue propose de réaliser un découpage de l'ensemble des valeurs prise par la fonc-
tion, plutôt qu'un découpage de l'ensemble des valeurs prise par la variable comme dans la
théorie de Riemann. Ce point de vue est plus riche que la théorie précédente. Par exemple, on
peut calculer dans ce cadre :
Z b
χQ (t)dt
a
Ce point de vue plus statistique est directement lié à la théorie de la mesure en probabilité. En
eet, un ensemble dénombrable est négligeable devant un ensemble plus que dénombrable, donc :
Z b
χQ (t)dt = 0
a
On notera que plus généralement, la théorie de Lebesgue s'étend aux espaces complets

10.1.1 Dénition
Soit [a; b] ⊂ R, E un K-evn de dimension nie et f : [a; b] → E, CM
0
([a; b], E)

1. Si f ∈ E([a; b], E) soit σ = (a0 ; ...; ap ) adaptée à f , avec

∀i[|0; p − 1|], f|]ai ;ai+1 [ = λi ∈ E

On dénit :
Z p−1
X
f= (ai+1 − ai )λi
[a;b] i=0

2. Si f est quelconque alors on forme (ϕn ) une suite de fonctions en escaliers qui converge
uniformément vers f sur [a; b]. On a :
Z Z Z
∀(n, m) ∈ N2 , k ϕn − ϕm k ≤ kϕn − ϕm k ≤ (b − a)kϕn − ϕm k∞
[a;b] [a;b] [a;b]

(ϕn ) converge uniformément donc est une suite de Cauchy pour k.k∞ , ( [a;b] ϕn ) est
R

aussi de Cauchy pour k.k∞ , donc elle converge car on est en dimension nie. En outre,
si (ψn ) est une autre suite de fonctions en escaliers qui converge uniformément vers f ,
on a : Z Z
k ϕn − ψn k ≤ (b − a)kϕn − ψn k −→ 0
[a;b] [a;b] n→+∞

310 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.1. INTÉGRATION SUR UN SEGMENT

On peut ainsi dénit : Z Z

f = lim ϕn
[a;b] n→+∞ [a;b]

On notera que pour les fonctions en escaliers, l'intégrale est linéaire et k

R
[a;b]
ϕn k ≤
R
[a;b]
kϕn k

10.1.2 Propriétés
Théorème

1. Linéarité : ∀(f, g, λ) ∈ CM
0
([a; b], E)2 × K
Z Z Z
λf + g = λ f+ g
[a;b] [a;b] [a;b]

c'est une forme linéaire sur E

2. Positivité : si E = R Z
f ≥0⇒ f ≥0
[a;b]
Z Z
f ≤g⇒ f≤ g
[a;b] [a;b]

3. Relation de Chasles : on pose,

Rb
si a < b : a f (t)dt = − [a;b] f
R
Rb
si a > b : a f (t)dt = [a;b] f
R
Ra
de plus : a f (t)dt = 0
On a alors : Z b Z c Z c
f (t)dt + f (t)dt = f (t)dt
a b a

4. Si l'ensemble {t ∈ [a; b]/f (t) 6= g(t)} est ni alors :

Z Z
f= g
[a;b] [a;b]

On ne modie pas l'intégrale lorsqu'on modie la valeur de f en nombre ni de points

Rb
5. Si f est positive et a f (t)dt = 0 alors f est nulle en tout point de continuité. Si de
plus f est continue, alors f = 0

311 MP∗ B.DufourJules

10.1. INTÉGRATION SUR UN SEGMENT CHAPITRE 10. INTÉGRATION

Inégalité de la moyenne

Si f ∈ CM
0
([a; b], E)
Z Z
k fk ≤ kf k ≤ (b − a)kf k∞,[a;b]
[a;b] [a;b]

Preuve : soit (ϕn ) une suite de fonctions en escaliers qui convergent uniformément vers f sur
[a; b], on a priori :
Z Z Z Z
k ϕn k ≤ kϕn k et lim ϕn = f
[a;b] [a;b] n→+∞ [a;b] [a;b]

Par ailleurs : ∀t ∈ [a; b], |kϕn (t)k − kf (t)k| ≤ k(ϕn − f )(t)k ≤ k(ϕnR − f )(t)k∞,[a;b]
Donc, (kϕn k) converge uniformément vers kf k sur [a; b] et lim [a;b] kϕn k = [a;b] kf k
R
n→+∞
Il s'ensuit que : k [a;b] f k ≤ [a;b] kf k
R R

Enn, ∀t ∈ [a; b], kf (t)k ≤ kf k∞,[a;b] , donc

Z
kf k ≤ (b − a)kf k∞,[a;b]
[a;b]

BSi on ne connait pas les positions respectives de a et b, on a seulement :

Z b Z b
k fk ≤ | kf k|
a a

Cas d'égalité, si E = C
Soit f continue [a; b] → C, supposons que :
Z b Z b
| f (t)dt| = |f (t)dt|
a a
Rb Rb
Posons a
f = ρeiθ avec ρ = | a
f | ≥ 0. Il vient :
Z b Z b Z b
ρ= f (t)e−θ dt = | f (t)dt| = |f (t)|dt
a a a
Rb Rb Rb Rb
Re(ρ) = ρ = Re(ρ(t)eiθ )dt = a |f (t)|dt, car Re( a f ) = a Re(f )
a
Rb
Par conséquent, a (|f (t)| − Re(f (t))e−iθ )dt = 0, car ∀z ∈ C, Re(z) ≤ |z|, avec égalité si et
seulement si z ∈ R+ alors ∀t ∈ [a; b], donc f (t)e−iθ ∈ R+ et f (t) = |f (t)|eiθ , f a un argument
constant sur [a; b]. Dans le cas particulier où f est à valeurs réelles continue :
Z b Z b
| f| = |f | ⇔ f garde un signe constant
a a

312 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.1. INTÉGRATION SUR UN SEGMENT

Théorème

Soit F un K-evn de dimension nie et u ∈ L(E, F ). Si f : [a; b] → E est CM

0
, on a :
Z b Z b
u( f) = u(f )
a a

Preuve : u est continue car E est de dimension nie. Soit (ϕn ) ∈ E([a; b], E) qui converge
Rb Rb
uniformément vers f sur [a; b]. Par linéarité de u : ∀n ∈ N, u( a ϕn ) = a u(ϕn )
Rb Rb
Par continuité de u : lim u( a ϕn ) = a u(f )
n→+∞
Par ailleurs, ∀n ∈ N, u ◦ ϕn est en escalier et

ku ◦ ϕn − u ◦ f k∞,[a;b] = ku(ϕn − f )k∞,[a;b] ≤ |||u||| · kϕn − f k∞ −→ 0

n→+∞

u ◦ ϕn converge uniformément vers u ◦ f et

Z b Z b
lim u ◦ ϕn = u◦f
n→+∞ a a

Corollaire

1. Si (e1 ; ...; en ) est une base de E et si ∀t ∈ [a; b],

p
X
f (t) = fi (t)ei
i=1

Z b Z b p
X p Z
X b
f= fi ei = ( fi )ei
a a i=1 i=1 a

2. Si E = C alors,
Z b Z b Z b
f= Re(f ) + i Im(f )
a a a

e∗i : E → K
p
Preuve : pour i ∈ [|1; p|], soit x=
P
xj ej 7→ xj est linéaire, donc :
j=1

Z b Z b Z b Z b p
X Z b p Z
X b
e∗i ( f) = e∗i ◦ f = fi ⇒ f= e∗i ( f )ei = ( fi )ei
a a a a i=1 a i=1 a

313 MP∗ B.DufourJules

10.1. INTÉGRATION SUR UN SEGMENT CHAPITRE 10. INTÉGRATION

10.1.3 Sommes de Riemann

Dénition

Soit σ = (a0 , ..., ap ) ∈ Σ([a; b]) une subdivision de [a; b] et ∀i ∈ [|0; p|], ξi ∈ [ai ; ai+1 ]. On
dit que (σ, ξ) = ((a0 , ..., ap ), (ξ0 , ..., ξp )) est une subdivision pointée. Soit f ∈ CM
0
([a; b], E),
on dénit :
Xp
S(f, (σ, ξ)) = (ai+1 − ai )f (ξi )
i=0

somme de Riemann associée à f, (σ, ξ)

Théorème

Soit f ∈ CM
0
([a; b], E). Soit ε > 0, ∃α > 0/∀(σ, ξ) subdivision, pointée de [a; b], si δ(σ) ≤ α
alors Z b
k f − S(f, (σ, ξ))k ≤ ε
a
La somme de Riemann tend vers l'intégrale lorsque le pas de la subdivision tend vers 0

Preuve : si f ∈ CM
0
([a; b], E), on a :
Z b p−1 Z
X ai+1
k f − S(f, (σ, ξ))k = k (f (t) − f (ξi )dtk
a i=1 ai

Par inégalité de la moyenne :

Z b p Z
X ai+1
k f − S(f, (σ, ξ))k ≤ kf (t) − f (ξi )kdt
a i=1 ai

f étant uniformément continue sur [a; b]. Soit ε > 0, ∃α > 0/∀(x; y) ∈ [a; b],
ε
|x − y| ≤ α ⇒ kf (x) − f (y)k ≤
b−a
Rb
Si δ(σ) ≤ α alors k a f − S(f, (σ, ξ))k ≤ ε, si f ∈ CM
0
([a; b], E) le seul problème est que les ξi
peuvent être des points de discontinuité de f , mais cela n'advient que pour un nombre xé de
points, on majore pour ces points :

k(ai+1 − ai )f (ξi )k ≤ δ(σ)kf k∞

Subdivision régulière

n )0≤k≤n ∈ Σ([a; b]). On dénit :

Soit n ∈ N∗ et σ = (a + h b−a
n−1 n
b−a X b−a X
S1,n = f (ak ) et S2,n = f (ak )
n n
k=0 k=0

314 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.1. INTÉGRATION SUR UN SEGMENT

D'après le théorème :
Z b
lim S1,n = lim S2,n = f
n→+∞ n→+∞ a
c'est la méthode des rectangles. On a la majoration du reste suivante :
n−1 Z b
b−a X M1 (b − a)2
| f (ak ) − f (t)dt| ≤
n a n
k=0

Il est généralement plus ecace d'utiliser la méthode des trapèzes, en formant :

1
Tn = (S1,n + S2,n )
2
M2 (b−a)3
Dans ce cas le reste est majoré par 12n2

10.1.4 Intégrales et primitives

Intégrales de fonctions de la borne supérieure

Fa : I → RE
Soi I un intervalle de R et f : I → E, CM
0
, xons a ∈ I , on dénit : x
x 7→ a
f
intégrale fonction de la borne supérieure
1. Fa est continue
2. En tout point x0 où f est continue, Fa est dérivable et : Fa0 (x0 ) = f (x0 )
3. Si f ∈ CM
k
(resp. C k ) alors Fa est CM
k+1
(resp. C k+1 )

Preuve :
1. Soit M0 = supt∈[x0 −α0 ;x0 +α0 ]∩I kf (t)k, où α0 > 0 est tel que [x0 − α0 ; x0 + α0 ] ∩ I est
compact. ∀x ∈ [x0 − α0 ; x0 + α0 ] ∩ I

kFa (x) − Fa (x0 )k ≤ M0 |x − x0 | −→ 0

x→x0

2. Pour x 6= x0 ,
Z x Z x
kFa (x) − Fa (x0 − (x − x0 )f (x0 )k = k (f (t) − f (x0 ))dtk ≤ | kf (t) − f (x0 )kdt|
x0 x0

Soit ε > 0 et α > 0/|t − x0 | ≤ α alors kf (t) − f (x0 )k ≤ ε, il vient :

Fa − Fa (x0 )
|x − x0 | ≤ α ⇒ kFa (x) − Fa (x0 − (x − x0 )f (x0 )k ≤ ε|x − x0 | ⇒ k − f (x0 )k ≤ ε
x − x0

315 MP∗ B.DufourJules

10.1. INTÉGRATION SUR UN SEGMENT CHAPITRE 10. INTÉGRATION

Théorème fondamental de l'intégration

Si f est continue sur I , elle y admet des primitives et deux primitives de f ne dière que
d'une constante

Preuve : soit a ∈ I, Fa primitive de f . Si F est une autre primitive de f : (F −Fa )0 = f −f = 0

sur I, donc F − Fa ∈ E

Corollaire

Soit f ∈ CM 0
([a; b], E), soit F : [a; b] → E continue en CM
1
, tel que en tout point de
continuité de f : F = f . On a
0

Z b
f (t)dt = F (b) − F (a) = [F (t)]ba
a

Preuve : soit σ
= (a0 ; ...; ap ) adaptée à f ∀i ∈ [|0; p − 1|], f˜i continue sur [ai ; ai+1 ] :

Z b p−1 Z
X ai+1 p−1 Z
X ai+1
f (t)dt = f (t)dt = f˜i (t)dt
a i=0 ai i=0 ai

Or f est continue sur [ai ; ai+1R] et dérivable sur ]ai ; ai+1 [ avec F 0 = f˜i . D'après le corollaire,
x
∃c ∈ E/∀x ∈]ai ; ai+1 [, F (x) = ai f˜i (t)dt + Ci , d'où par continuité de F sur [ai ; ai+1 ]
Z ai+1
f˜i = F (ai+1 ) − F (ai )
ai

En sommant on obtient le résultat souhaité

Remarque
le théorème fondamental de l'intégration se généralise aux fonction continues par morceaux
et CM1
continue, telle que en tout point de continuité de f, F 0 = f , c'est une primitive généralisée

Intégration par parties

Soient f et g ∈ CM
0
([a; b], E), on a :
Z b Z b
f 0 (t)g(t)dt = [f (t)g(t)]ba − f (t)g 0 (t)dt
a a

316 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

Changement de variable

Soit f et ϕ deux fonctions continue, ϕ étant C 1 :

Z b Z ϕ(b)
0
ϕ (u)f (ϕ(u))du = f (u)du
a ϕ(a)

10.2 Intégration sur un intervalle

10.2.1 Dénitions
Soit I = [a; +∞[ (resp. ] − ∞; a], [a; b[, ]a; b[,R]a; b], (a, b) ∈ R. Soit f : I → K, CM
0
. Pour tout
segment [α; β] ⊂ I , on peut dénir si possible I f . A cette n on observe le comportement de
Rβ
α
f (t)dt lorsque α ou β tend vers une des bornes de I

Dénition
R +∞ Rx
On dit que a
f converge si et seulement si lim f existe dans K
x→+∞ a

Remarque
En termes d'aires, cela revient à dire que l'aire sous la courbe tend vers une limite nie
lorsqu'une borne de l'intégrale tend vers une borne de I . On rencontrera deux types de dicultés :
1. lorsqu'une des bornes de I est inni
2. lorsque f n'a pas de limite en une borne nie de I

Exemples
1. Z x
dt
= ln(x) −→ +∞
1 t x→+∞

donc l'intégrale diverge

2. Z x
dt 1
=1− −→ 1
1 t2 x x→+∞
donc l'intégrale converge

Plus généralement pour α > 1 :

Z +∞
dt 1
α
=
1 t α−1

317 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

3. Z 0
dt π
= − arctan(x) −→
−x 1 + t2 x→+∞ 2

On en déduit : Z +∞
dt
=π
−∞ 1 + t2
Rx R +∞
4. 0
sin(t)dt = 1 − cos(x) n'a pas de limite en +∞ donc 0
sin(t)dt diverge (n'a pas de
limite)
5. Z 1
∀x > 0, ln(t)dt = [t ln(t) − t]1x = x ln(x) − x − 1 −→ −1
x x→0+

donc Z 1
ln(t)dt = −1
0

6. Z 1
dt
∀x > 0, = − ln(x) −→+ +∞
x t x→0

donc l'intégrale diverge

7. Z 1 √
dt
∀x > 0, √ = 2 − 2 x −→ 2
x t x→0+

donc l'intégrale converge.

Plus généralement, si α < 1 : Z 1

dt 1
=
0 tα 1−α

8. x √
Z
dt
∀x < 1, √ = 2 − 2 1 − x −→ 2
0 1−t x→1

L'intégrale converge : Z 1
dt
√ =2
0 1−t
R1
9. En revanche, dt
0 1−t
diverge
10.
Z x Z 0
dt π dt π
∀x ∈ [0; 1[, √ = arcsin(x) −→ et √ = − arcsin(x) −→
0 1−t 2 x→1 2
−
x 1−t 2 x→−1 2
+

Par conséquent Z 1
dt
√ =π
−1 1 − t2
Rx −λx
11. ∀λ > 0, e−λt dt = 1
λ − e
λ −→ 1
0 x→+∞ λ

318 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

Z +∞
1
∀λ > 0, e−λt dt =
0 λ

R +∞
BSi −∞
f converge alors :
Z +∞ Z x Z 0 Z x
f = lim f = lim f+ f
−∞ x→+∞ −x x→+∞ −x 0

La réciproque
Rx est fausse ! ! ! R +∞ R +∞
∀x ≥ 0, −x tdt = 0 −→ 0, mais −∞ tdt diverge car 0 tdt = +∞
x→+∞
R 2kπ
On a par exemple lim 0 sin(t)dt = 0, mais cette intégrale n'a pas de limite en ∞ (2 méthodes
k→+∞
deux calculs donnent deux résultats diérents dans ce cas)

Convergence absolue

Soit f : I → K, CM 0
, on dit que l'intégrale I f converge absolument, ou que f est
R

intégrable sur I et on note

Z Z
|f | < +∞ ⇔ |f | convergence
I I

Si |f | converge absolument alors f converge

R R
I I

( Preuve : si K = R,(dénissons f = max(f, 0), f = max(−f, 0) de sorte que :

+ −
f +|f |
f = f+ − f− f+ = 2
⇒
+
|f | = f + f −
f − = |f |−f
2
f + et f
−
sont CM0
positives et f + ≤ |f | et f − ≤ |f |. Si I = [a; +∞[ (resp. ]a; b]...) formons :
Rx
F (x) = Ra |f (t)|dt

x
∀x ∈ I, F1 (x) = a f + (t)dt
x
F2 (x) = a f − (t)dt

 R

On a ∀i ∈ [|1; 2|], Fi (x) ≤ F (x) et Fi et F sont croissantes sur I (resp. décroissante). Comme F
admet une limite nie en +∞ (resp. a), on a :
Z +∞
∀x ∈ I, ∀i ∈ [|1; 2|], Fi (x) ≤ F (x) ≤ |f | = sup F (x)
a x∈I
Rx
donc Fi admet une limite nie quand x → +∞ (resp. a+ ) et aussi a
f = F1 (x) − F2 (x) (resp.
Rb
a
f = F1 (x) − F2 (x))
Si K = C : on écrit ∀x ∈ I Z x Z x Z x
f= Re(f ) + i Im(f )
a a a
R +∞ R +∞
Or |Re(f )| ≤ |f | et |Im(f )| ≤ |f |. De même que précédemment, a
Re(f ) et a
Im(f )
R +∞
converge absolument donc converge et aussi a f

319 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

Contre-exemple
On peut avoir convergence sans convergence absolue : on dit alors qu'il y a semi-convergence :
f : [1; +∞[ → R
(−1)E(x)
x 7→ E(x)

Z x Z E(x) Z x
∀x ≥ 1, f = f+ f
1 1 E(x)
E(x)−1 Z n+1 x
(−1)E(x)
X Z
= f (t)dt + dt
n=1 n E(x) E(x)
E(x)−1 x
X (−1)n Z
(−1)E(x)
= + dt
n=1
n E(x) E(x)

Rx (−1)E(x) E(x) Rx
or, | E(x) E(x) dt| = | (−1)
E(x) (x − E(x))| ≤ E(x) .
1
Ainsi lim f existe et vaut
x→+∞ 1

+∞
X (−1)n
= ln(2)
n=1
n

En revanche,
Z N N
X 1
∀N ≥ 1, |f | = −→ +∞
1 n=1
n N →+∞

R +∞
donc 1 f est semi-convergente
R +∞
BComme pour les séries, il ne sut pas que f (t) −→ 0 pour 0 f (t)dt converge. De plus,
t→+∞
cette condition n'est pas nécessaire (c'est la grande diérence entre série et intégrale), on peut
R +∞
avoir f ≥ 0, 1 f (t)dt converge et f ne tend pas vers 0 en +∞. Soit f ane par morceaux
continues / ∀m ≥ 2, f (n) = n, f ane sur [n − n13 ; n] et sur [n; n + n13 ], enn f nulle en dehors
des ([n − n13 ; n])
Rx Rx +∞
π2
f converge car f ≥ 0 et ∀x ≥ 1, 1 f (t)dt ≥
P 1
1 n2 = 6
n=1
De plus
N + N12 N
π2
Z X 1
f (t)dt = 2
−→ −1
1 n=1
n N →+∞ 6

donc
+∞
π2
Z
f (t)dt = −1
1 6

320 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

10.2.2 Cas d'une fonction à valeurs positives

Théorème
Rx Rb
Soit f : I = [a; b[ (resp. ]a; b]) → R+ , CM
0
et ∀x ∈ I, F (x) = a f (t)dt (resp. x f (t)dt).
Alors f est croissante (resp. décroissante) et
Z
f converge ⇔ ∃M ≥ 0/∀x ∈ I, F (x) ≤ M
I
Rx
Dans ce cas, f = sup F (x) (resp. lim+ F (x))
R
I
f = lim− a
x→b x∈I x→a

Remarque
En cas de divergence, lim F (x) = +∞. On notera que le reste pour f : I → K, si
R
I
f
x→b−
converge alors
Z b
lim f =0
x→b x
Rx R +∞ R +∞
(resp. lim f = 0). Par exemple, si f converge alors lim f = 0, c'est le reste d'une
x→a a a x→+∞ x
intégrale convergente. Toujours si f : I → 0
R+ , CM , on a
Z Z
f= sup f ∈R
I J segment ⊂I J

de manière analogue à la sommabilité

Comparaisons

Soient f : I → R+ et g : I → R+ , CM
0
(
f ≤g
1. ⇒ f intégrable
g intégrable
De plus : Z Z
f≤ g < +∞
I I

2. Si I = [a; b[ (resp. ]a; b]) si f (t) = O(g(t))

Z Z
g converge ⇒ f converge
I I
Z Z
f diverge ⇒ g diverge
I I

3. Si f (t) ∼ g(t) alors : Z Z

f converge ⇔ g converge
I I

321 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

Preuve :
Rx Rb Rx
1. Si I g converge alors : FR(x) = a f (resp. x ), G(x)
R
R= a f
∀x ∈ I, F (x) R≤ G(x) ≤ I g , d'après le théorème, I f converge. Par contraposée, si I f
R

diverge alors I g diverge

2. ∃M ≥ 0, ∃c ∈ I/∀t ∈ [c; b[: f (t) ≤ M g(t), (I = [a; b[). Alors,
Z x Z c Z x Z c Z b
∀x ∈ [c; b[, f (t)dt ≤ f (t)dt + M g(t)dt ≤ f (t)dt + M g(t)dt ≤ M 0
a a c a c
Rb
Ainsi a
g converge
3. f (t) ∼ g(t) ⇒ f (t) = O(g(t)) et g(t) = O(f (t))

Critère de Riemann

1. Si I = [a; +∞[
Z +∞
dt
converge ⇔ α < 1
a tα
2. Si I =]a; b], a ∈ R
Z b
dt
converge ⇔ α < 1
a (t − a)α
3. Soit f : I → 0
R+ , CM ,i = [a; +∞[
Z
1
∃α > 1, f (t) = O( )⇒ f converge
tα I
Z
1
∃α ≤ 1, f (t) = O( α ) ⇒ f diverge
t I
Z
K
f (t) ∼ α , f converge ⇔ α > 1
t I

I =]a; b], a ∈ R Z
1
∃α < 1, f (t) = O( )⇒ f converge
(t − a)α I
Z
1
∃α ≥ 1, f (t) = O( ) ⇒ f diverge
(t − a)α I
Z
K
f (t) ∼ α , f ⇔ α < 1
t I

Preuve :
Rx
1. ∀x ≥ a, α 6= 1, F (x) = a dt
tα = 1
x1−α (1−α) − a1−α (1−α) ,
1
converge si α > 1, diverge si α < 1
R b dt
x tα
= ln( xa ) −→ +∞
x→+∞
2. Même méthode
3. Découle du théorème de comparaison

322 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

Remarque
Soit x ∈]0; 1], en posany u = 1t , dt = − du
u2
1
Z 1 Z
dt x du
=
x tα 1 u2−α
Z 1 Z +∞
dt dt
converge ⇔ converge ⇔ 2 − α > 1 ⇔ α < 1
0 tα 1 t2−α

Exemples
f: ]0; 1] → R
1.
t 7→ sin(t)
t ln(t) R
|f (t)| ∼ | ln(t)| = O( t ), donc ]0;1] f converge absolument
√1

f: ]0; 1[ → R
2.
t 7→ ln(t)
t−1 ≥ 0
|f (t)| ∼ | ln(t)| = O( √1t ) et |f (t)| −→− 1, d'après le critère de Riemann, ]0;1[ f converge
R
t→1
absolument
f: R → R
3. 2 , f (t) = O( 2 ), donc d'après le critère de Riemann :
1
t 7→ e−t t

Z +∞
2
e−t dt
−∞

converge
f: ]0; +∞[ → R
4. Fonction gamma d'Euler : soit x ∈ R, continue, positive
t 7→ tx−1 e−t
tx−1 e−t = e(x−1) ln(t) e−t ∼ e(x−1) ln(t)
Z 1
f converge ⇔ x > 0
0

R +∞ R +∞
f (t) = O( t12 ), donc 1
f converge. Ainsi, 0
f converge ⇔ x > 0
On pose alors : Z +∞
Γ(x) = tx−1 e−t dt
0

f:]0; +∞[ → C
Soit z ∈ C, avec Re(z) > 0 et est continue
t 7→ tz−1 e−t
∀t > 0, |f (t)| = e(Re(z)−1) ln(t) e−t = tRe(z)−1 e−t , on a convergence absolue si et seulement
si Re(z) > 0, d'après ce qui précède, on pose :
Z +∞
Γ(z) = tz−1 e−t dt
0

f : R∗+ → R
5. Soit x > 0 et k ∈ N, est continue sur R∗+
t 7→ (ln(t))k tx−1 e−t
x x x R1
|f (t)| ∼ |(ln(t))k tx−1 | = | ln(t)|k tx−1 = | ln(t)|k t 2 t 2 −1 = O(t 2 −1 ), donc 0 f converge
+∞ +∞
|f (t)| = O( t12 ), donc 1 f converge, donc 0 f converge
R R

323 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

f : R∗+ → R
6. ln(t) continue, positive sur [1; +∞[ et négative sur ]0; 1]
t 7→ 2
R1 R t1 +1 R1
0
f converge ⇔ 0
−f converge ⇔ 0 |f | converge
R +∞ R +∞
1
f converge ⇔ 1 |f | converge
|f (t)| ∼ | ln(t)| = O( √1t ), converge
|f (t)| ∼ ln(t)
t2 = O( t 32
1

Z +∞
f converge absolument
0

Remarques
Si I =]a; b] avec a ∈ R et si f : IR → K, CM0
vérie : f (t) = O(1), f est bornée au voisinage
de a, d'après le critère de Riemann, I f converge absolument. C'est encore plus vrai si f a une
limite nie en a Z 1
1
sin( )dt converge absolument
0 t
Si f est dénie sur [a; b[ Z Z
f converge ⇔ f converge
[a;b[ ]a;b[

10.2.3 Espace L1 (I, K)

Théorème

Soient f, g : I → K, CM
0
,λ ∈ K
1. Z Z Z
f, g converge ⇒ λf + g converge
I I I
Z Z Z
λf + g = λ f+ g
I I I

2. Si f et g sont intégrables sur I alors λf + g l'est

Z Z Z
λf + g = λ f + g
I I I

3. Si f et g sont intégrables sur I alors λf + g l'est

Z Z Z
|λf + g| ≤ |λ| |f | + |g|
I I I

Preuve :
1. écrire si I = [a; b[, Z x Z x Z x
λf + g = λ f+ g
a a a

324 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

2. Z x Z x Z x
|λf + g| ≤ |λ| |f | + |g|
a a a

Norme 1

Soit L1 (I, K), l'ensemble des fonctions CM 0

(I, K) intégrable. C'est un K-espace vectoriel,
muni d'une semi norme : Z
||f ||1 = |f |
I

Preuve : cf. supra

Remarque
+ −
Si on se ramène à l'ensemble des fonctions continues, ou régularisé (f (x) = f (x )+f2
(y )
) alors
f : [0; 1] → R
||.||1 est une norme. Sinon l'axiome de séparation n'est pas vériée ( t 7→ 1, si t = 0 )
t 7→ 0 sinon
||f ||1 = 0 mais f 6= 0

10.2.4 Espace L2 (I, K)

Inégalité de Cauchy-Schwarz

Soient f et gCM
0
: I → K. On suppose sue f 2 et g 2 sont intégrables sur I , alors :
Z sZ sZ
| f g| ≤ |f |2 |g|2
I I I

Si f et g sont continues alors on a égalité si et seulement si f = 0 ou ∃λ ∈ K, g = λf

Preuve : |f g| ≤ 12 (|f |2 + |g|2 ), donc f g ∈ L1 (I, K)

qR
L'inégalité (et son cas d'égalité) de Cauchy-Schwarz découle du fait que kf k2 = I
|f |2 est
issue d'un produit scalaire

Dénition

Soit I un intervalle de RR, on note L2 − I, K l'ensemble des fonctions de carré intégrables

sur I : {f ∈ CM
0
: I → K/ I |f |2 < +∞}

325 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

Théorèmes

1. L2 (I, K) est un K-espace vectoriel

2. kf k2 dénit un semi-norme sur L2 (I, K), une norme si on se restreint aux fonctions
continues
3. Si (f, g) ∈ L2 (I, K) alors f g ∈ L1 (I, K)

Preuve :
1. (a) L2 (I, K) ⊂ CM
0
(I, K)
(b) 0 ∈ L2 (I, K)
(c) ∀(f, g, λ) ∈ L2 (I, K) × K, λf ∈ L2 (I, K)

|f + g|2 = |f |2 + |g|2 + 2Re(f g) ≤ |f |2 + |g|2 + 2|f g|

donc f + g ∈ L2 (I, K)
2. cf. espaces préhilbertien
3. cf. supra

Remarque
On pourrait généraliser (avec l'inégalité de Hölder) aux espaces Lp (I, K), pour les fonctions
vériant : Z
|f |p < +∞
I

BA priori, on peut avoir f ∈ L (I, K) et f ∈

1
/ L2 (I, K), cf t 7→ √1
t
sur ]0; 1]
Réciproquement, on peut avoir f ∈ L2 et f ∈
/ L1 (I, K), cf t 7→ t sur [1; +∞[
1

Néanmoins, si I est borné, soit f ∈ L (I, K), 1 ∈ L2 (I, K, donc f = f × 1 ∈ L1 (I, K) et

2

L2 (I, K) ⊂ L1 (I, K)

Restriction à un sous-intervalle

Soit I ⊂ I 0 deux intervalles

R de R et f : I → KCM . Si I 0 f est convergente (resp.
0 0
R

absolument convergente) alors I f l'est aussi, et

Z Z
1 0 1
L (I , K) ⊂ L (I, K), |f | ≤ |f |
I I0

R 4
PreuveR : soit α = inf(I), β = sup(I), α0 = inf(I 0 ), βR0 = sup(I 0 ) R . On a α0 ≤ α ≤ β ≤ β 0 .
γ
Si α0 < α I 0 et pour γ ∈ I, f est CM0
sur [α; γ], donc α f converge. Si α = α0 :
Z γ Z γ
f = lim 0 f
α x→α x
Rβ
existe car f converge. De même pour . Pour la convergence absolue, on remplace f par |f |
R
I0 γ

326 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

Remarque
On vérie aisément que f ∈ L1 (I, K) si et seulement si ∃M ≥ 0/∀J segment ⊂ I, |f | ≤ M .
R
J
On a alors
Z Z
|f | = sup |f |
I J segment ⊂J J

Si I ⊂ I 0 et si f converge, on a :
R R R
I0 I
f= I0
f χI

10.2.5 Intégrations par parties

Dénition

2
Soit I intervalle de R, f et gCM
1
et C 0 : I → K. Soient (α = inf(I), β = sup(I)) ∈ R .
Soit [x; y] ⊂ I Z y Z y
f 0 g = [f g]yx − f g0
x x

Si lim f (x)g(x), lim f (y)g(y) existent dans K et si f g 0 converge alors f 0 g converge et

R R
x→α y→β I I

Z Z
0
fg= [f g]βα − f g0
I I

avec [f g]βα = lim f (y)g(y) − lim f (x)g(x)

y→β x→α

BOn prendra bien garde à ce que toutes les quantités écrites admettent des limites nies ! ! !
On peut corriger ce problème en jouant sur la constante d'intégration de la primitive de f 0

Exemples
Rn ]0; n] → R f :
1. Calculer In = (1− nt )n ln(t)dt et en déduire sa limite. Soit
0 t 7→ (1 − nt )n ln(t)
Rn
continue, |f (t)| ∼ | ln(t)| = O( √1t ), d'après le critère de Riemann, 0 f (t)dt converge. Par
changement de variable (cf. infra), on pose u = nt , donc dt = ndu

Z 1 Z 1 Z 1
ln(n)
In = n( (1 − u)n ln(u)du + ln(n) (1 − u)n du) = n( (1 − u)n ln(u)du + )
0 0 0 n+1

n+1
R1 R1 1−(1−u)n+1
On écrit pour x ∈]0; 1], x
(1 − u)n ln(u)du = [ 1−(1−u)
n+1 ]1x − 1
n+1 x u du
1−(1−u)n+1
Comme 1 − (1 − u)n+1 ∼ (n + 1)u. On a lim (1 − (1 − u)n+1 ) ln(u) = 0 et lim u =
u→0 u→0

327 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

R1 1−(1−u)n+1
n + 1, donc 0 u du converge
1 1
1 − (1 − u)n+1
Z Z
n 1
(1 − u) ln(u)du = − du
0 n+1 0 u
1
1 − v n+1
Z
1
= − dv
n+1 0 1−v
Z 1Xn
1
= − v k dv
n+1 0 k=0
n Z 1
1 X
= − v k dv
n+1 0
k=0
Hn+1
= −
n+1
d'où In = n
n+1 (ln(n) − Hn+1 ) −→ −γ
n→+∞
2. Soit z ∈ C/Re(z) > 1, on a vu que :
Z +∞
Γ(z) = tz−1 e−t dt
0

converge absolument. Soit z ∈ C, tel que Re(z + 1) > 1

Z +∞ Z +∞
Γ(z + 1) = tz e−t dt = [−tz e−t ]+∞
0 + z tz−1 e−t dt = zΓ(z)
0 0

On obtient la relation : ∀z ∈ C/Re(z) > 1, Γ(z + 1) = zΓ(z)

R +∞
En particulier : Γ(1) = 0 e−r dt = 1, Γ(2) = 1, Γ(3) = 2. Par récurrence, il vient :

∀n ∈ N, Γ(n + 1) = n!

on peut aussi l'obtenir par IPP successives

f : R+ ∗ → R
3. Soit α ∈]0; 1] et sin(t)
t 7→ tα
|f (t)| ∼ t1−α −→ 1 si α < 1 et 0 si α = 1, l'intégrale de f converge en 0 d'après le critère
t→0
de Riemann.
+∞ +∞
1 − cos(t) +∞ 1 − cos(t)
Z Z
sin(t)
dt = [ ]0 + α dt
0 tα tα 0 tα+1
1−cos(t) 2−α

tα ∼t→0 t 2 −→ 0 et | 1−cos(t)
tα | ≤ t2α −→ 0, donc [ 1−cos(t)
tα ]+∞
0 =0
t→0 t→+∞
1−cos(t) t1−α |1−cos(t)|
2 = O(1) et ≤ tα+1 qui converge d'après le critère de Riemann.
2
t1−α R ∼t→0 t1+α
+∞ sin(t)
Ainsi, 0 tα dt converge. On a :
+∞ +∞
1 − cos(t)
Z Z
sin(t)
dt = α dt
0 tα 0 tα
On peut montrer (intégrale de Dirichlet) que :
Z +∞
sin(t) π
α
dt =
0 t 2

328 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

R +∞ cos(t) R +∞ eit
Remarque : de même pour α ∈]0; 1[, 0 tα dy converge, donc aussi 0 tα , intégrale de
Fresnel
sin(t)2 R +∞ cos(2t) R +∞ dt
∀t > 0, | sin(t)
tα | ≥ tα = 1−cos(2t)
2tα , 0 2t α dt convergence par IPP. 0 2tα diverge d'après
R +∞ sin(t) R +∞ sin(t)
le critère de Riemann donc 0 | tα |dt diverge, ainsi que 0 tα dt

10.2.6 Changement de variables

Théorème

ϕ : I0 → I
Soient I et I 0 deux intervalles de R, a = inf(I), b = sup(I) ∈ R,
u 7→ t = ϕ(u)
un C 1 -diéomorphisme. Soit α = lim ϕ−1 (t), β = lim ϕ−1 (t), ce sont les borne de I 0 dans
t→a+ t→b−
R. Soit f : I → KCM
0
. On a :
Z b Z β
f (t)dt converge ⇔ ϕ(u)0 f (ϕ(u))du converge
a α

Dans ce cas : Z b Z β
f (t)dt = ϕ(u)0 f (ϕ(u))du
a α

f ∈ L1 (I, K) ⇔ ϕ0 (f ◦ ϕ) ∈ L1 (I 0 , K)

Preuve : Soit x > y ∈ I, x0 = ϕ−1 (x) et y 0 = ϕ−1 (y). On a

Z y Z ϕ(y 0 ) Z y0
f (t)dt = f (t)dt = ϕ0 (u)f (ϕ(u))du
x ϕ(x0 ) x0

Ry Ry Ry
donc x
f admet une limite nie quand lim f (t)dt ∈ K ce qui équivaut à lim ϕ0 (u)f (ϕ(u))du ∈
x→a+ ,y→b− x x0 →a+ ,y 0 →b− x
K
On a égalité dans ce cas, de plus :

Z y Z y0 Z y0
0
|f | = ϕ |f ◦ ϕ| = ε |(f ◦ ϕ)ϕ0 |
x x0 x0

(
ε = 1 si ϕ0 > 0 sur I
avec d'où le résultat
ε = −1 si ϕ0 < 0 sur I

Remarque
On retiendra qu'un changement de variable conserve la convergence ou l'absolue convergence

329 MP∗ B.DufourJules

10.2. INTÉGRATION SUR UN INTERVALLE CHAPITRE 10. INTÉGRATION

Exemples
1.

1 e−t
Z +∞ √
Γ( ) = √ dt, on pose u = t, C 1 − diéomorphisme
2 0 t
Z +∞
2 dt
= 2e−u du, du = √
0 2 t
Z +∞
2
= e−u du
−∞
√
= π

2. On a vu que :
+∞ +∞
1 − cos(t) +∞
sin( 2t )2
Z Z Z
sin(t)
dt = =2 dt
0 t 0 t2 0 t2

On pose u = 2t , dt = 2du, d'où :

+∞ +∞
sin(u)2
Z Z
sin(t)
dt = du
0 t 0 u2
R +∞ eiu √
3. Intégrale de Fresnel : 0
√
u
du converge. On pose t = u, C 1 -diéomorphisme, dt = du
√
2 u

+∞ +∞
eiu
Z Z
2
√ du = 2 eit dt
0 u 0

R +∞ R +∞
De même avec 0
cos(t2 )dt et 0
sin(t2 )dt

10.2.7 Intégration des relations de comparaisons

Théorème

Soit I = [a; b[, b ∈ R, f et g : I → R+ CM

0
positives. on suppose que f (t) = O(g(t)) (resp.
o(g(t)), ∼ g(t))
1. Si g ∈ L1 (I, R), alors f ∈ L1 (I, R) et
Z b Z b Z b Z b
f (t)dt = O( g(t)dt) (resp. o( g(t)dt), ∼ g(t)dt)
x x x x

2. Si f ∈
/ L1 (I, R) alors g ∈/ L1 (I, R)
Z x Z x Z x Z x
f (t)dt = O( g(t)dt)(resp. o( g(t)dt), ∼ g(t)dt)
a a a a

330 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.2. INTÉGRATION SUR UN INTERVALLE

Preuve :
1. Si f (t) = O(g(t)), ∃x0 ∈ I, ∃M ≥ 0/∀x ∈ [x0 ; b[, 0 ≤ f (x) ≤ M g(x), alors
Z b Z b
0≤ f (t)dt ≤ M g(t)dt
x x
Rb Rb
et x
= O( x g(t)dt). De même pour les autres cas
2. Supposons f (t) = o(g(t)). Soit ε > 0, ∃x0 ∈ I/∀x ≥ x0 , 0 ≤ f (x) ≤ 2ε g(x). Alors :
Z x Z x0 Z x Z x0 Z x
ε
∀x ≥ x0 , f= f+ f≤ f+ g
a a x0 a 2 x0
Rx R x0 Rx
Or g n'est pas intégrable et positive, donc lim a
g = +∞ et ∃x1 ∈ I/∀x ≥ x1 , a
≤ a
g
Rx R x x→b
Alors ∀x ≥ max(x0 , x1 ), 0 ≤ a f ≤ ε a g

Exemples
R +∞ 2 2
1. Chercher un équivalent en +∞ de x e−u du, e−u = O( u12 ), l'intégrale converge d'après
le critère de Riemann. Soit x > 0, par IPP :
+∞ +∞ 2 2 +∞ 2 2 +∞
ue−u 1 e−u +∞ 1 e−u e−x
Z Z Z Z
−u2 2
e du = du = [− ] − du = +o( e−u du)
x x u 2 u x 2 x u2 2x x

R +∞ 2 −x2
donc e−u du ∼ e 2x
x
Rx 2
2. Équivalent de 0 et dt

x 1 x 2 1 2 x 2
te−t 1 et x 1 et
Z Z Z Z Z
2 2 2
et dt = et dt + dt = et dt + [ ] + dt
0 0 1 t 0 2 t 1 2 1 t2
Rx t2 R1 2
Or 1
e
t2 = o( 0
et dt), d'où

x 2 2
et e−x
Z
2
dt ∼ −→ +∞
1 t 2x x→+∞

R +∞ e−at −e−bt
3. Soit 0 < a ≤ b et I = 0 t dt
f : R+ ∗ → R
Soit −at −bt continue positive
t 7→ e −e t
|f (t)| ∼t→0 b − a et |f (t)| = O+∞ ( t12 )
D'après le critère de Riemann, l'intégrale I converge absolument. Soit ε > 0
+∞ +∞ Z +∞ −bt
e−at − e−bt e−at
Z Z
e
dt = dt − dt
ε t ε t ε t
+∞ +∞ −u
e−u
Z Z
e
= du − du
aε u bε u
bε
e−u
Z
= du
aε u

331 MP∗ B.DufourJules

10.3. COMPARAISON SÉRIES-INTÉGRALES CHAPITRE 10. INTÉGRATION

−u −u −u
Or e u ∼ u1 et 1−eu ∼ 1, donc 1−eu est bornée au voisinage de 0. ∃M ≥ 0/∀u ∈
−u
]0; 1], | u | ≤ M . Il vient, pour bε ≤ 1 :
1−e

Z bε −u Z bε Z bε −u Z bε −u
e du e −1 b e −1
du = + du = ln( ) + du
aε u aε u aε u a aε u
donc I = ln( ab )

10.3 Comparaison séries-intégrales

10.3.1 Relation de Chasles
Soit a ∈ R, f : [a; +∞[→ K, CM0
. RSoit (αk ) ∈ [a; +∞[N , suite croissante qui tend vers
α
+∞. On pose α0 = a et ∀k ∈ N, uk = αkk+1 f (t)dt
R +∞
1. Si a f (t)dt converge alors uk converge
P

+∞
X Z +∞
uk = f (t)dt
k=0 a

La réciproque est généralement fausse, cependant :

R +∞
2. Si f ≥ 0 et si uk converge alors a converge et
P

+∞
X Z +∞
uk = f (t)dt
k=0 a

Preuve :
1. Soit N ∈ N
N
X Z αN +1 Z +∞
uk = f (t)dt −→ f (t)dt
a N →+∞ a
k=0

par composition des limites. La réciproque est fausse, cf f (t) = sin(t) n'est pas intégrable,
R +∞
mais pur αk = 2kπ , uk converge et 0 sin(t)dt diverge ! ! !
P
+∞
2. Si f ≥ 0 et si f (t)dt diverge alors :
R
a
Z x
lim f (t)dt = +∞
x→+∞ a
Pn R +∞
donc lim uk = +∞. Par contraposée, si la SATP uk converge alors
P
k=0 a
f (t)dt
n→+∞
converge

Exemples
Rα R π sin(u)| Rπ
1. Soit αk = kπ, uk = αkk+1 | sin(t)|
t dt = 0 | u+kπ 1
du ≥ (k+1)π 0
sin(t)dt = 2
(k+1)π
R +∞ sin(t)
La série (k+1)π diverge donc uk aussi 0 | t |dt diverge
P 2 P

332 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.3. COMPARAISON SÉRIES-INTÉGRALES

R +∞ sin(t) R (k+1)π sin(t)

2. On a vu que I = 0
converge. Déterminer le signe de I . Posons uk = kπ
√ dt
t
√ dt,
t
P+∞
comme I converge uk converge. I = k=0 uk , (uk ) est du signe de (−1)k et
P

Z (k+1)π
sin(t)
|uk | = | √ dt|
kπ t
Z (k+1)π
sin(t)
= | √ |dt
t
Zkππ
sin(u)
= √ du
0 u + kπ
sin(u) sin(u)
∀u ∈ [0; π], 0 ≤ √ ≤ √
u+kπ
, donc ∀k ∈ N, |uk+1 | ≤ |uk |, lim uk = 0 car l'inté-
u+(k+1)π k→+∞
grale converge. D'après le CSSA, I est du signe de u0 , donc elle est positive
f : R+ → R
3. Soit α > 2 et continue positive. On a au mieux 1+t
1
α ≤
t 7→ 1+tα |1sin(t)|
f (t) ≤ 1, le critère deR Riemann ne permet pas de conclure directement. Pour k ≥ 1, soit
α
αk = kπ − π2 et uk = αkk+1 f (t)dt. Comme f est positive,
Z +∞ Z +∞ X
f (t)dt converge ⇔ f (t)dt converge ⇔ uk converge
π
0 2

f est croissante sur [kπ − π2 ; kπ] et décroissante sur [kπ; kπ + π2 ]. Soit 0 < βk < π2 , il vient
Z kπ+βk Z kπ+βk Z kπ+ π2
π π
0 ≤ uk = f+ f+ f ≤ f (kπ − βk ) + 2βk + f (kπ + βk )
kπ− 2π
kπ−βk kπ+βk 2 2

Or f (kπ + βk ) = 1+(kπ+βk1)α sin(βk ) = f (kπ − βk ). Posons βk = 1α2 , α2 > 1, βk converge,

P
k
f (kπ + βk ) ∼ (kπ)1α βk = α1 α2 donc f (kπ + βk ) et f (kπ − βk ) convergent, donc f est
P P
π k
intégrable sur R+

10.3.2 Cas d'une fonction positive décroissante

Théorème

Soit f : [a; +∞[→ R, CM

0
positive et décroissante. On a ∀k ∈ N, k ≥ a :
Z k+1
f (k + 1) ≤ f (t)dt ≤ f (k)
k
R n+1
Posons vn = f (n) − 1 f (t)dt, il vient 0 ≤ vn ≤ f (n) − f (n + 1) qui est le terme général
d'une P
série télescopique convergente car f admet une limite nie
R +∞en +∞
Ainsi vn converge et f (n) converge si et seulement si a f (t)dt converge. On peut
P
encadrer les restes des sommes partielles en cas de convergence ou divergence

Exemple
Trouver un équivalent quand x → 1− de
+∞
X
f (x) = − ln(1 − xn )
n=1

333 MP∗ B.DufourJules

10.3. COMPARAISON SÉRIES-INTÉGRALES CHAPITRE 10. INTÉGRATION

Pour x ∈ [0; 1[, |f (x)| ∼ xn , terme général d'une série convergente f est dénie sur [0; 1[
Notons que ∀t ∈ [0; 1[
+∞ k
X t
− ln(1 − t) = ≤ 2t
k
k=1

pour t susamment petit, ∃α0 > 0/ si t ∈ [0; α], | − ln(1 − t)| ≤ 2t,Ppour a ∈ [0; 1[, ∃N0 ∈
N, ∀n ≥ N0 , an ≤ α0 , ∀t ∈ [0; a], ∀n ≤ N0 , | − ln(1 − tn )| ≤ 2tn ≤ 2an , − ln(1 − tn ) converge
normalement sur [0; a], donc est continue sur [0; 1[
g : R+ ∗ → R
Fixons x ∈ [0; 1[ et posons g est continue positive décroissante,
t 7→ − ln(1 − xt )
g(t) = ln(t(− ln(x)) + o(t)) = ln(t(− ln(x))) + o(1) = O( √1t ), g ∈ L1 (R+ ∗, R)
R n+1
Il vient ∀n ≥ 0, g(n + 1) ≤ n g(t)dt ≤ g(n)
R +∞
En sommant, f (x) + ln(1 − x) ≤ 0 g(t)dt ≤ f (x)
Z +∞ Z +∞
g(t)dt ≤ f (x) ≤ g(t)dt − ln(1 − x)
1 1

Z +∞ Z +∞
g(t)dt = − ln(1 − et ln(x) )dt
1 1
Z +∞
1
= − − ln(1 − e−u )du
ln(x) − ln(x)
Z +∞
1
∼ − ln(1 − e−u )du
1−x 0

d'où, − ln(1 − x) = o( 1−x

c
), donc
R +∞
0
f (x) ∼
1−x

Remarque
R +∞ R1 − ln(1−v) π2
0
− ln(1 − e−u )du = 0 v dv = 6

Cas où f change de signe

Soit f, C 1 : [a; +∞[→ C, on

R x souhaite comparer la convergence de f (n) avec celle d'une
P
l'intégrale. On pose F (x) = a f (t)dt est C 2 , on a :
Z n+1
∀n ≥ a, F (n + 1) − F (n) = f (n) + (n + 1 − t)f 0 (t)dt = f (n) + wn
n
R n+1
|f 0 (t)|dt. Si f 0 ∈ L1 ([a; +∞[, C), wn convergence absolument, donc converge
P
|wn | ≤ n
et Z n
X
f (n) converge ⇔ ( f (t)dt)n∈N converge
n≥a a

334 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.4. THÉORÈME DE CONVERGENCE DOMINÉE

Exemple
P sin(√n) √ √ √
sin( t) 1 cos( t) sin( t)
Nature de n . On pose ∀t ≥ 1, f (t) = t ⇒ f 0 (t) = 2 3 − t2 = O( 1
3 )
t2 t2
donc f ∈ L ([a; +∞[, C)
0 1

Z n
√ Z √n
sin( t) 2 sin(u)
dt = du
1 t 1 u
P sin(√n)
admet une limite nie quand n → +∞. Donc la série n converge

10.4 Théorème de convergence dominée

10.4.1 Le théorème
Contexte
Soit I un intervalle
R de R, (fn ) une suiteRde fonctions CM intégrables
0
I → K. On souhaite
intervertir lim et I , i.e écrire si possible I lim fn = lim I fn
R
n→+∞ n→+∞ n→+∞
fn : [0; 1] → R
Dans le cas général, on a pas le droit d'intervertir sans précautions (cf. t 7→ (n + 1)tn )
1 7→ 0
R1 R1 R1
converge simplement vers 0 mais 0
fn (t)dt = 1, lim fn (t)dt = 1 6= lim fn (t)dt = 0
n→+∞ 0 0 n→+∞
Si I est un segment, on a le droit d'intervertir en cas de convergence uniforme. On écrit :
Z b Z b
| fn − f | ≤ (b − a)kfn − f k∞
a a

: R → fn R
Cela n'est hélas pas susant si I n'est pas bornée. Si on prend t 7→ 1
n si t ∈ [0; n2 ]
t 7→ 0 sinon
|fn | ≤ n1 , donc (fn ) converge simplement vers 0, mais R fn = n −→ +∞
R
n→+∞

335 MP∗ B.DufourJules

10.4. THÉORÈME DE CONVERGENCE DOMINÉE CHAPITRE 10. INTÉGRATION

Théorème de convergence dominée de Lebesgue

Soit I un intervalle de R, (fn ) une suite de fonctions CM

0
: I → K. On suppose que :
1. La suite (fn ) converge simplement vers f CM
0
:I→K
2. ∃ϕ : I → R+ intégrable sur I positive /∀n ∈ N, |fn | ≤ ϕ, c'est l'hypothèse de domina-
tion
Alors ∀n ∈ N, (fn ) ∈ L1 (I, K) et f ∈ L1 (I, K)
Z Z
lim fn (t)dt = f (t)dt
n→+∞ I I

Remarque
On appelle ϕ "chapeau" intégrable qui domine toutes les (fn )

Exemples
R1
1. Soit f : [0; 1] → C continue et In = 0 f (tn )dt
∀t ∈ [0; 1[, lim f (tn ) = f (0) et lim f (1n ) = f (1) par continuité de f en 0. De plus
n→+∞ n→+∞
∀n ∈ N, |f (tn )| ≤ kf k∞ constante intégrable sur [0; 1], d'après le TCD,
Z 1 Z 1
lim f (tn )dt = lim f (tn )dt = f (0)
n→+∞ 0 0 n→+∞

On notera que sur un intervalle borné, il sut de dominée par une constante
Rπ
2. In = 02 sin(t)n dt, ∀t ∈ [0; π2 [, lim (sin(t))n = 0, lim (sin( π2 ))n = 1
n→+∞ n→+∞

336 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.4. THÉORÈME DE CONVERGENCE DOMINÉE

[0; π2 ] → R g :
donc (sin ) converge simplement vers
n
t 7→ 0
π
2 →
7 1
∀n ∈ N, | sin(t)n | ≤ 1, intégrable sur [0; π2 ], d'après le TCD, lim I = 0
n→+∞

+∞  
t2 n X n t2 k
∀t ≥ 0, ∀n ∈ N∗, (1 + ) = ( ) ≥ 1 + t2
n k n
k=0

donc 1
2 ≤ 1
1+t2 intégrable sur R+ . D'après le TCD :
(1+ tn )n

Z +∞
2
lim In = e−t dt
n→+∞ 0
√
Par ailleurs, en posant u = √t , dt
n
= ndu
π π
√ +∞ √ √ √
Z Z Z r
du 2
2n−2
2
2n−2 π
In = n 2 n
= n cos(θ) dθ = n sin(t) dt ∼ n
0 (1 + u ) 0 0 4n

On a posé : 1
1+u2 = 1
1+tan(θ)2 = cos(θ)2
Par parité :
Z +∞ √
2
e−t dt = π
−∞

R +∞ −t √
donc Γ( 12 ) = 0
e√
t
dt = π

Cas où l'intervalle d'intégration dépend de n

Soit In = fn (t)dt, pour appliquer le théorème, on forme J = Jn et on écrit
R S
Jn
n∈N
Z Z
In = χJn fn = f˜n
J J

où f˜n = fn sur Jn , 0 sinon

337 MP∗ B.DufourJules

10.4. THÉORÈME DE CONVERGENCE DOMINÉE CHAPITRE 10. INTÉGRATION

Exemples
Rn
1. In = (1 − nt )n ln(t)dt, ]0; n] = R∗+
S
0
n∈N
fn : R∗+ → R
t 7→ (1 − nt )n ln(t) si t ≤ n est CM
0
.
t 7→ 0 si t > n
Soit t > 0 xé, pour n ≥ t, fn (t) = (1 − nt )n ln(t) = exp(n ln(1 − t
−→
n ) ln(t) n→+∞
e−t ln(t), C 0 (R∗+ ), |fn (t)| ∼ | ln(t)| = O( √1t ) converge
De plus, ∀n ≥ 1, ∀t > 0 si t < n,
t
|fn (t)| = exp(n ln(1 − )| ln(t)| ≤ e−t | ln(t)|
n
car ∀x > 1, ln(1 + x) ≤ x, c'est encore vrai si t ≥ n, e−t | ln(t)| est C 0 positive sur R∗+

1 1
e−t | ln(t)| ∼ | ln(t)| = O0 ( √ ) et O( 2 )
t t

ϕ : R∗+ → R
donc est intégrable sur R∗+ , d'après le TCD
t 7→ e−t | ln(t)|
Z +∞
lim In = e−t ln(t)dt = −γ
n→+∞ 0

R √n 2
2. ∀n ≥ 1, In = 0 (1 − tn )n dt
fn : R+ → R
t2 n √
On pose : t 7→ (1 − n) ln(t) si t ≤ n est CM
0
positive. Soit t ≥ 0 xé,
0 7→ 0 sinon
√
∃n0 ∈ N/∀n ≥ n0 , t ≤ n

t2 n t2 2
fn (t) = (1 − ) = en ln(1− n −→ e−t
n n→+∞

338 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.4. THÉORÈME DE CONVERGENCE DOMINÉE

√ t2 2
est CM
0
(R+ , R). Par ailleurs, ∀n ≥ 1, ∀t ≥ 0, t < n, |fn (t)| = exp(n ln(1 − n) ≤ e−t
2
D'après le TCD, e−t ∈ L1 (R+ , R), donc
Z +∞
2
lim In = e−t dt
n→+∞ 0
√ √
En posant t = n cos(θ) et dt = − n sin(θ)dθ
π √
√
Z 2
2n+1 π
In = n sin(θ) dθ =
0 2

BOn retiendra l'analogue entre le TCD et le théorème d'interversion des limites en cas de
convergence normale,
+∞
X +∞
X
lim fn (t) = lim fn (t)
t→α t→α
n=0 n=0

dès que ∃(αn ) ∈ RN

+ /∀n ∈ N, ∀t ∈ I

+∞
X
|fn (t)| ≤ αn et αn < +∞
n=0
Z Z
lim fn (t)dt = lim fn (t)dt
n→+∞ I I n→+∞

dès que ∃ε : I → R/∀n ∈ N, ∀t ∈ I, |fn (t)| ≤ ϕ(t) indépendant du paramètre et

R
I
|ϕ(t)|dt <
+∞

10.4.2 Théorème d'intégration termes à termes

Théorème

Soit I un intervalle de R, fn série de fonctions de I → K. on suppose :

P

1. ∀n ∈ N, fn est intégrable sur I

2. fn converge simplement vers S : I → K, CM 0
P

3. Soit pour n ∈ N, un = I |fn (t)|dt, la SATP

R P PR
un = |fn | < +∞
I
Alors S est intégrable sur I et f converge, avec
PR
I n

+∞
Z X Z +∞ Z
X
fn (t)dt = S(t)dt = fn (t)dt
I n=0 I n=0 I

+∞
Preuve :généralement pour intervertir et revient à écrire :
P R
I
k=0

+∞ Z
X +∞
Z X
fn (t)dt = fn (t)dt
n=0 I I n=0

339 MP∗ B.DufourJules

10.4. THÉORÈME DE CONVERGENCE DOMINÉE CHAPITRE 10. INTÉGRATION

si ces écritures ont un sens, ce qui signie :

N Z
X Z Z N
X Z
lim fn (t)dt = S(t)dt ⇔ lim S(t) − fn (t)dt = 0 ⇔ lim RN (t) = 0
N →+∞ I I N →+∞ I N →+∞ I
n=0 n=0

Montrons d'abord que S ∈ L1 (I, K). Pour ce faire, on va montrer pour tout segment J ⊂ I
Z +∞
X
|S(t)|dt ≤ un
I n=0

Mais pour t ∈ I , on peut avoir

+∞
X
|fn (t)| = +∞
n=0
n
Posons donc : ∀t ∈ J, ∀n ∈ N, gn (t) = min( 0
P
|fk (t)|, |S(t)|), CM
k=0
Dans R, on a :
+∞
X
|S(t)| ≤ |fk (t)|
k=0
+∞
X n
X
|S(t)| = |fk (t)| ⇒ gn (t) = |fk (t)| −→ |S(t)|
n→+∞
k=0 k=0
n
X n
X
|S(t)| < |fk (t)| pour n susamment grand |fk (t)| ≥ |S(t)| et gn (t) = |S(t)|
k=0 k=0

Ainsi (gn ) converge simplement sur J vers

R |S|, CMR et ∀n ∈ N, 0 ≤ gn ≤ |S| ∈ L (J, K) car |S| CM
0 1 0

sur J segment. D'après le TCD, lim J |gn | = J |S|, or

n→+∞

Z n Z
X n Z
X +∞ Z
X
∀n ∈ N, |gn | ≤ |fk | ≤ |fk | ≤ |fk | < +∞
J k=0 J k=0 I k=0 I

+∞
Lorsque n → +∞, uk < +∞. Ceci valant pour tout segment J ⊂ I, S ∈ L1 (I, K) et
R P
J
|S| ≤
k=0

Z +∞
X
|S| ≤ uk
I k=0

Ce résultat s'applique en remplaçant S par RN (t) ∈ L1 (I, K) et

Z Z +∞
X
| RN | ≤ |RN | ≤ uk −→ 0
I I N →+∞
k=N +1

En pratique
On dispose à présent de 2 théorèmes d'intégration termes à termes :
1. Sur un segment [a; b], pour une série de fonctions sur [a; b] qui converge uniformément
2. Sur un intervalle quelconque

340 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.4. THÉORÈME DE CONVERGENCE DOMINÉE

Remarque
On utilise fréquemment ce résultat pour calculer I S(t)dt (S CM 0
∈ L1 (I, K)) : on développe
R

S en série de fonctions fn et on intervertit. Dans le cas où ∀k ∈ N, fk ≥ 0, on peut invoquer

n
le TCD pour les sommes partielles, car (Sn ) = fk (t) converge vers S et par positivité,
P
k=0
0 ≤ Sn ≤ S ∈ L1 (I, K)

Exemples
1. Calculer
1 1
ln(1 − u)
Z Z
ln(t)
I= dt = du
0 t−1 0 u

en posant u = 1 − t, du = −dt. L'intégrale I converge car

ln(t) 1 ln(t)
0≤ ∼0 − ln(t) = O( √ ) et lim 1
t−1 t t→1 t−1

+∞
ln(t) X
∀t ∈]0; 1[, = tn (− ln(t))
t − 1 n=0

On pose fn (t) = tn (− ln(t)), CM0

sur ]0; 1[
De plus |fn (t)| = o0 ( t ) et |fn (t)| −→ 0 ⇒ fn ∈ L1 (]0; 1[, K). Formons, sachant fn ≥ 0
√1
t→1

1 1
tn+1 tn+1
Z Z
un = fn (t)dt = [ (− ln(t))]10 + dt
0 n+1 0 t(n + 1)
Z 1
1
= tn dt
n+1 0
1
=
(n + 1)2

un converge, donc on peut intervertir,

P

+∞
X 1 π2
I= = ζ(2) =
n=0
(n + 1)2 6

R1 R1 f : [0; 1] → R+
2. 0
xx dx = 0
ex ln(x) dx. Soit x 7→ ex ln(x) C 0 positive avec lim ex ln(x) = 1
x→0
0 7→ 1

+∞ n
X x ln(x)n
∀x ∈]0; 1], f (x) =
n=0
n!

341 MP∗ B.DufourJules

10.4. THÉORÈME DE CONVERGENCE DOMINÉE CHAPITRE 10. INTÉGRATION

continue et intégrable sur ]0; 1]

Z 1 n
x | ln(x)|n
un = dx
0 n!
Z 1 n
x ln(x)n
= (−1)n dx
0 n!
Z 1
(−1)n xn+1 n
= ([ ln(x)n ]10 − xn (ln(x))n−1 dx)
n! n+1 n+1 0
Z 1
(−1)n+1 n
= xn ln(x)n−1 dx
n! n+1 0
..
.
1 1
= = O( 2 )
(n + 1)(n+1) n
un converge, on peut intervertir et
P

Z 1 +∞ Z 1 +∞
x
X xn ln(x)n X (−1)n
x dx = dx =
0 n=0 0 n! n=0
(n + 1)n+1

donc ,
1 +∞ Z 1 +∞
(−1)n−1
Z X dx X 1
xx dx = et =
0 n=1
nn 0 x
x
n=1
nn
3. Exprimer sous forme d'une série pour a > 0
Z +∞
sin(at)
I= dt
0 et − 1
S : ]0; +∞] → R
Soit sin(at) S(t) −→ a, et S(t) ≤ 1
et −1 = O(e−t ), S est intégrable
t 7→ et −1
t→0
sur R∗+
+∞
e−t sin(at) X
∀t > 0, S(t) = = sin(at)e−(n+1)t
1 − e−t n=0

fn (t) = sin(at)e−(n+1)t est C 0 (R+ , R) et fn (t) = O( t12 ) donc fn ∈ L1 (R∗+ , R). Soit
Z +∞ Z +∞ Z +∞
t 1
0 ≤ un = |sin(at)|e−(n+1)t dt ≤ |a| te−(n+1)t dt = |a|([− e−(n+1)t ]+∞
0 + e−(n+1)t d
0 0 n + 1 n + 1 0

donc un converge, on peut intervertir

P

+∞ Z +∞
X
I= sin(at)e−(n+1)t dt
n=0 0

Z +∞ Z +∞
−(n+1)t
sin(at)e dt = Im( e−ait e−(n+1)t dt)
0 0
1
= Im( )
n + 1 − ia
a
=
(n + 1)2 + a2

342 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE

Z +∞ +∞
X a
I= sin(at)e−(n+1)t dt = 2 + a2
0 n=0
(n + 1)

10.5 Intégrale fonction d'un paramètre

10.5.1 Les théorèmes
Position du problème
f : I ×A → C
Soit I un intervalle de R, A ⊂ C et
(t, x) →
7 f (t, x)
On cherche à dénir F (x) I f (x, t)dt, l'intégrale fonction du paramètre x, et à étudier les pro-
R

priétés de F

Théorème de continuité

f : I ×A → C
Soit , on suppose :
(t, x) 7→ f (t, x)
1. ∀x ∈ A, t 7→ f (t, x) est continue par morceaux
2. ∀t ∈ I, x 7→ f (t, x) est continue
3. ∃ϕ : I → R+ intégrable positive sur I/∀(t, x) ∈ I × A, |f (t, x)| ≤ ϕ(t), hypothèse de
domination (indépendante du paramètre)
F : A → C
Alors R est continue sur A
x →
7 I
f (t, x)dt

Preuve : 3. implique que ∀x ∈ A, t 7→ f (t, x) ∈ L1 (I, K

R . F est donc dénie sur A. Par ailleurs,
soit x ∈ A et (xn ) ∈ AN / lim xn = x, ∀n ∈ N, F (xn ) = I f (t, xn )dt. En posant fn (t) = f (t, xn ),
n→+∞
elle est continue par morceaux, intégrables sur I . Pour t ∈ I xé, d'après 2,
lim fn (t) = f (t, x)
n→+∞

∀n ∈ N, ∀t ∈ I, |fn (t)| ≤ ϕ(t), d'après le TCD, lim F (xn ) = F (x), par caractérisation séquen-
n→+∞
tielle de la continuité, F est continue en x

Théorème de Leibniz (dérivation)

f : I ×A → C
Soit , on suppose que
(t, x) 7→ f (t, x)
1. ∀x ∈ A, t 7→ f (t, x) ∈ L1 (I, K). On dénit alors sur A, F (x) =
R
I
f (t, x)dt
2. ∀t ∈ I, x 7→ f (t, x) est C (A, C), on note sa dérivée
1 ∂f
∂x (t, x)
3. ∃ϕ1 : I → R+ intégrable sur I tel que
∂f
∀(t, x) ∈ I × A, | (t, x)| ≤ ϕ1 (t)
∂x
et t 7→ ∂f
∂x (t, x) est continue par morceaux sur A

343 MP∗ B.DufourJules

10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE CHAPITRE 10. INTÉGRATION

Alors F est C 1 (A, C) et ∀x ∈ A

Z
∂f
F 0 (x)) = (t, x)dt
I ∂x

Preuve : soit x0 ∈ A et (hn ) ∈ RN /∀n ∈ N, x0 + hn ∈ A et lim hn = 0

n→+∞

F (x0 + hn ) − F (x0 ) f (t, x0 + hn ) − f (t, x0 )

Z
= dt
hn I hn
f (t,x0 +hn )−f (t,x0 )
On pose g(x) = hn , pour t xé ∈ I , d'après 2 :

∂f
lim gn (t) = 0
(t, x0 ), CM sur I
n→+∞ ∂x
De plus d'après l'inégalité des accroissements nis,
∂f
|f (t, x0 + hn ) − f (t, x0 )| ≤ sup | (t, x)| × |hn | ≤ ϕ2 (t)|hn |
x∈[x0 ;x0 +hn ] ∂x

donc |gn (t)| ≤ ϕ1 (t), d'après le TCD

F (x0 + hn ) − F (x0 )
Z
∂f
lim = (t, x0 )dt
n→+∞ hn I ∂x

D'après 2 et 3, le théorème de continuité garantit alors que F 0 est continue sur A

Corollaire

f : I ×A → C
Soit , p ∈ N ∪ {+∞}. On suppose que :
(t, x) 7→ f (t, x)
1. ∀t ∈ I, x 7→ f (t, x) est de classe C p sur A
∂k f
2. ∀k ∈ [|0; p|], ∀x ∈ A, t 7→ ∂xk
(t, x) est continue par morceaux
k
3. ∀k ∈ [|0; p|], ∃ϕk : I → R+ intégrable sur I/∀(t, x) ∈ I × A, | ∂∂xfk (t, x)| ≤ ϕk (t),
hypothèse de domination indépendante du paramètre x
F : A → RC
On peut dénir est de classe C p et ∀k ∈ [|0; p|], ∀x ∈ A
x 7→ F (x) = I f (t, x)dt

∂kf
Z
(k)
F (x) = (t, x)dt
I ∂xk

Remarque essentielle
Parfois on n'a pas domination ∀x ∈ A, mais seulement sur des segments [a; b] ⊂ A. Dans ce
cas, la fonction F étant de classe C p sur les segments de A, elle l'est encore sur A

344 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE

Étude de la fonction gamma

Soit pour z ∈ C, Re(z) > 0
Z +∞
Γ(z) = tz−1 e−t dt
0

f : C × R∗+ → C
Soit est continue , |f (z, t)| = tRe(z)−1 e−t .
(z, t) 7→ tz−1 e−t
Soit a > 0 et Da,b = {z ∈ C/a ≤ Re(z) ≤ b}

∀x ∈ Da,b , ∀t > 0, |f (z, t)| ≤ ta−1 e−t si t ≥ 1

≤ tb−1 e−t si t ≥ 1

d'où ∀t > 0, |f (z, t)| ≤ (ta−1 + tb−1 )e−t fonction intégrale sur R∗+ sur R∗+ . Γ est continue sur Da,b
d'après le théorème de continuité, donc sur {z ∈ C/Re(z) > 0}. De plus ∀t > 0, x 7→ f (x, t) est
k
C ∞ sur R∗+ . ∀(x, t) ∈ (R∗+ )2 , ∂∂xfk (x, t) = (ln(t))k tx−1 e−t
Soit [a; b] ⊂ R+ , ∀x ∈ [a; b], ∀t > 0
∗

∂kf 1 1
| | ≤ | ln(t)|k (ta−1 + tb−a )e−t = O∞ ( 2 ), ∼0 | ln(t)|k ta−1 = O( a −1 )
∂xk t t2
ϕk est intégrable sur R∗+ d'après le critère de Riemann.. Γ est C ∞ sur les segments de R∗+ donc
R∗+ . Il vient :
Z +∞
∀x > 0, Γ(k) (x) = tx−1 ln(t)k e−t dt
0
0
R +∞ −t
Rn t n
Γ (1) = 0
ln(t)e dt = lim (1 − n) ln(t)dt = −γ
n→+∞ 0
Z +∞
Γ00 (x) = tx−1 ln(t)2 e−t dt > 0
0

Γ est strictement convexe, on a Γ(1) = Γ(2). D'après le théorème de Rolle,

∃c ∈]1; 2[/Γ0 (c) = 0

On a établit que ∀x > 0, Γ(x + 1) = xΓ(x), ce qui entrainait ∀n ∈ N, Γ(n + 1) = n!

Γ(x + 1) 1
Γ(x) = ∼0
x x
De plus par croissance de Γ0 , ∀x ≥ 2
Z x
Γ(x) = Γ(2) + Γ0 (t)dt ≥ 1 + Γ0 (2)(x − 2)
2

donc lim Γ(x) = +∞, de plus ∀x ≥ 1, Γ(x)

x =
x−1
x Γ(x − 1) −→ +∞ On a de plus le dévelop-
x→+0 x→+∞
pement suivant :
+∞
1 Y x x
= xeγx (1 + )e− k
Γ(x) k
k=1
+∞
X x x
ln(Γ(x)) = − ln(x) − γx − (ln(1 + − )
k k
k=0

345 MP∗ B.DufourJules

10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE CHAPITRE 10. INTÉGRATION

Figure 10.1  La fonction gamma d'Euler et son prolongement sur R \ Z−

Ce qui permet d'en déduire :

+∞
Γ0 (x) 1 X x
=− −γ+
Γ(x) x k(k + x)
k=0

Γ0 Γ00 Γ−Γ02
Enn ln(Γ)0 = Γ ⇒ ln(Γ)00 = Γ2

Z +∞
∀x > 0, |Γ0 (x)| = | ln(t)tx−1 e−t dt|
0
Z +∞ √ √
≤ | ln(t)| tx−1 e−t tx−1 e−t dt
s0 s
Z +∞ Z +∞
≤ ln(t)2 tx−1 e−t dt tx−1 e−t dt
0 0

d'où Γ0 (x)2 ≤ Γ00 (x)Γ(x), donc ln(Γ) est convexe. On peut montrer que ln(Γ) est l'unique fonction
g telle que :
1. g est convexe sur R∗+
2. ∀x > 0, g(x − 1) − g(x) = ln(x)
3. g(1) = 0

346 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE

Remarque
qR
kf k1 = I |f | (resp. kf k2 = |f |2 ) s'appelle la norme de convergence en moyenne (resp.
R
I
en moyenne
R quadratique). On dit que (fn ) converge en moyenne sur I vers f si et seulement si
lim |f − f | = 0
I n
n→++∞

10.5.2 Calcul d'intégrale à paramètre

Remarque essentielle
Pour calculer une intégrale à paramètre, on a très souvent intérêt à la dérivée une ou plusieurs
fois, pour faire apparaître :
* ou bien une fonction qu'on sait calculer
* ou bien une équation diérentielle

Transformée de Laplace
R +∞
Soit f continue par morceaux : R∗+ → C, soit a ∈ R, on suppose que L{f }(a) = 0 e−at f (t)dt
converge (resp. converge absolument). On a verra dans les compléments que ∀b > a :
Z +∞
L{f }(b) = e−bt f (t)dt converge
0

En cas de convergence absolue de L{f }(a), ∀b ≥ a, ∀t > 0

Z
|e f (t)| ≤ e |f (t)| L1 (R∗+ , C)
−at −at

Comme ∀t > 0, b 7→ e−bt f (t) est continue L{f } est continue sur [a; +∞[. De même pour la
dérivation

Exemple
R +∞ f: R × R∗+ → R
L{sinc}(p) = e−pt sin(t)
t dt. Soit est continue ∀x >
0 (x, t) 7→ e−xt sinc(t)
0, ∀t > 0, |f (x, t)| ≤ e−xt = O∞ ( t12 ) et f (x, t) −→ 1
t→0
L{sinc} est dénie. On a vu qu'on a semi-convergence en 0. Pour x > 0, soit
Z (n+1)π
sin(t)
un = e−xt dt
nπ t
π
e−xnπ
Z Z
sin(t)
|un | = nπ(n + 1)πe−xt dt ≥ | sin(u)|du −→ +∞
t (n + 1)π 0 n→+∞

donc un et L{sinc} aussi, DL{sinc} = R+ et a > 0, ∀x ≥ a, ∀t > 0, ∀k ∈ N

P
∀t > 0, x 7→ f (x, t) est continue et ∀k ∈ N, ∀x > 0, ∀t > 0

∂kf
| (x, t)| = |(−1)k tk−1 e−xt sin(t)| ≤ tk−1 e−at ∈ L1 (R∗+ , R)
∂xk

347 MP∗ B.DufourJules

10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE CHAPITRE 10. INTÉGRATION

R +∞ R +∞
L{sinc}(p) = − 0 e−pt sin(t)dt = −Im( 0 e−t(p−i) = − 1+x 1
2

d'où en comparant les limites en +∞, ∃c ∈ R/∀x > 0, L{sinc}(p) = π2 − arctan(p)

BLe théorème de continuité ne s'applique en 0 ! ! ! Cependant on peut poser ∀x ≥ 0
Z (n+1)π
sin(t)
un (p) = e−pt dt
nπ t

|e−pt sin(t)
t | ≤ 1 est intégrable sur [nπ; (n + 1)π] donc un est continue en 0. D'après la relation de
Chasles :
+∞
X
L{sinc}(p) = un (p)
n=0

est une série alternée car reste de signe constant sur les segments de la forme [nπ; (n + 1)π] :
(n+1)π Z π
| sin(t)|
Z
sin(u)
|un (p)| = e−pt dt = e−pnπ e−pu du
nπ t 0 u + nπ
Z π
−p(n+1)π sin(u)
|un+1 (p)| = e e−pu du ≤ |un (x)|
0 u + (n + 1)π
d'où ∀N ∈ N, ∀p ≥ 0
+∞
X π 1
| un (p)| ≤ |uN +1 (x)| ≤ ≤
(N + 1)π N +1
n=N +1

Ainsi un converge uniformément sur R+ et L{sinc} est continue en 0, d'où

P

Z +∞
sin(t) π
dt =
0 t 2

Transformée de Fourier
Soit f ∈ L1 (R), on dénit
Z +∞
fˆ(x) = f (t)e−ixt dt
−∞

h : R2 → C
Soit ∀x ∈ R, t 7→ h(x, t) est continue par morceaux et |h(x, t)| =
(x, t) 7→ f (t)e−ixt
|f (t)| intégrable donc t 7→ h(x, t) ∈ L1 (R)

fˆ(x) est dénie sur R et continue

∀t ∈ R, x 7→ h(x, t) est ˆ
R continue et |h(x,ε t)| = |f (t)|, ce qui justie la continuité de f
Soit ε > 0, ∃A ≥ 0/ R\[−1;1] |f (t)|dt ≤ 2 et
Z 1
ε
∀x ∈ R, |fˆ(x)| ≤ | f (t)e−ixt | +
−1 2

Ainsi ∃X ≥ 0/|x| ≥ X, |fˆ(x)| ≤ ε

lim fˆ(x) = 0
|x|→+∞

348 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE

Figure 10.2  Fonction porte couramment utilisé en traitement du signal

Exemples
χ[−1;1] : R → R
1. t 7→ 1 si |x| ≤ 1 ∈ L1 (R, R)
t 7→ 0 sinon
Z 1
χ̂(x) = e−ixt dt = 2 si x = 0
−1
e−ixt 1
= [i ] sinon
x −1
sin(x)
= 2
x

f : R → R
2. − t2
2 ∈ L1 (R)
t 7→ e
Z +∞
t2
fˆ(x) = e− 2 e−ixt dt
−∞

t2
∀t ∈ R, x 7→ e−ixt e− 2 = h(x, t est de classe C ∞
k t2 t2
| ∂∂xh (x, t)| = | − ite−ixt e− 2 | = |t|e− 2 ∈ L1 (R)
D'après le théorème de Leibniz, fˆ est de classe C 1 sur R et
Z +∞ Z +∞
t2 t2 t2
fˆ0 (x) = i −xe− 2 e−ixt dt = i([e− 2 e−ixt ]+∞
−∞ + ix e− 2 e−ixt dt) = −xfˆ(x)
−∞ −∞

349 MP∗ B.DufourJules

10.5. INTÉGRALE FONCTION D'UN PARAMÈTRE CHAPITRE 10. INTÉGRATION

x 2
∀x ∈ R, fˆ(x) = Ce− 2 , c'est un vecteur propre de la transformée de Fourier :
Z +∞
t2 √ Z +∞
2 √
fˆ(0) = e− 2 dt = 2 e−u du = 2π
−∞ −∞

√ x2
∀x ∈ R, fˆ(x) = 2πe− 2

10.5.3 Théorèmes de Fubini

Fubini sur un pavé

Soit f : [a; b] × [c; d] → R ou C continue. On a :

Z b Z d Z d Z b Z Z
( f (x, t)dt)dx = ( f (x, t)dx)dt = f (x, t)dxdt
a c c a [a;b]×[c;d]

Rd
Preuve : F1 (x) = c f (x, t)dt est dénie sur [a; b] et continue car ∀t ∈ [c; d], t 7→ f (x, t) est
continue et |f (x, t)| ≤ kf k∞ intégrable sur [c; d]. Soit n ≥ 1
n g n g n
b−a X b−a b−a X b−a b−a X
Z Z
F1 (a + k )= f (a + k , t)dt = gn (t)dt
n n c n n c n
k=1 k=1 k=1

Rb
∀t ∈ [c; d], gn (t) −→ a
f (x, t)dx, |gn (t)| ≤ kf k∞ (b − a) intégrable sur [c; d] d'après le TCD et
n→+∞
le CDR :
Z b Z b Z d
F1 (x, t)dx = f (x, t)dtdx
a a c
Z d
= lim gn (t)dt
n→+∞ c
Z d Z b
= f (x, t)dxdt
c a

Sur un intervalle quelconque (HP)

Soient I et J deux intervalles, sous réserve que les quantités écrites aient un sens, f :
I × J → C, si Z Z Z Z
|f (x, t)|dxdt ou |f (x, t)|dtdx < +∞
I J J I
Alors on peut intervertir :
Z Z Z Z Z Z
f (x, t)dxdt = f (x, t)dxdt = f (x, t)dtdx
I×J I J J I

350 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.6. COMPLÉMENTS

10.6 Compléments
10.6.1 Intégrale de Dirichlet (HP)
Z ∞
sin(t)
I= dt
0 t
Dn : R → C
n
On a établit dans le cours que cette intégrale convergeait. On pose t 7→
P
eikt
k=−n
noyau de Dirichlet. D'après les théorèmes généraux de la classe, cette application est de classe
C ∞ ,elle est aussi paire et 2π -périodique :
n
X n
X −1
X
Dn (−t) = e−ikt = e−ikt + e−ikt = Dn (t)
k=−n k=0 k=−n

n
X n
X
Dn (t + 2π) = eik(t+2π) = eikt = Dn (t)
k=−n k=−n
n
X e−int − ei(n+1)t sin( 2n+1
2 t)
∀t ∈ R \ 2πZ, Dn (t) = eikt = =
k=−n
1−e it sin( 2t )
π n π n
eikt π
Z Z
1 1 X 1 X
Dn (t)dt = eikt dt = ( [ ] + 2π) = 1
2π −π 2π −π 2π ik −π
k=−n k=−n,k6=0
Z π Z π
1
= Dn (t)dt = π
0 2 −π
2n+1
π sin(t)
On pose un = t dt, en posant t = 2n+1
donc dt du
R
2 u =
2
0 t u

2n+1
π π
sin( 2n+1
2 u)
Z Z
2 sin(t)
un = dt = 2 u du
0 t 0 2

ϕ : R → C sin( u u
2 )− 2
Soit u 7→ u2 − sin(1 u ) , ϕ(u) = u2 sin( u2 ∼0 3 u→0
−2u
−→ 0
2
ϕ est prolongeable en 0 en une fonction C 1 notée ϕ̃, car elle y admet un dl1 (0)

2 1 cos( u2 ) 1
ϕ0 (u) = − 2
+ −→ −
u 2 u→0
u 2 sin( 2 ) 12
π
cos( 2n+1 cos( 2n+1
Z π
2 u) ˜ π 2 u) ˜
Z
2n + 1 0
sin( u)ϕ̃(u)du = [ 2n+1 ϕ(u)] 0 − 2n+1 ϕ(u) du −→ 0
0 2 2 0 2
n→+∞

sin( 2n+1
Z π π π
2 u)
Z Z
1 1 2n + 1 ˜
un = u du = ( sin( u)ϕ(u)du + Dn (u)du)
2 0 2 2 0 2 0

Z +∞
sin t π
dt =
0 t 2

351 MP∗ B.DufourJules

10.6. COMPLÉMENTS CHAPITRE 10. INTÉGRATION

10.6.2 Transformée de Laplace (HP)

Dénition
Soit f ∈ CM
0
(R+ , C), on dénit la transformée de Laplace de la fonction f :
Z +∞
L{f }(p) = e−pt f (t)dt = F (p)
0

Linéarité
Soient f, g ∈ CM
0
(R+ , C)
Z +∞ Z +∞ Z +∞
−pt −pt
L{λf +g}(p) = e (λf (t)+g(t))dt = λ e f (t)dt+ e−pt g(t)dt = λL{f }(p)+L{g}(p)
0 0 0

Injectivité
Rt
Soit g(t) = 0 e−pu f (u)du, continue dérivable CM
1
, soit X ≥ 0
Z X Z X
e−bt f (t)dt = e−(b−a)t f (t)e−at dt
0 0
Z X
= e−(−b−a)t g 0 (t)dt
0
Z X
= [e−(b−a)t g(t)]X
0 + (b − a)e−(b−a)t g(t)dt
0
Z X
−(b−a)X
= g(X)e + (b − a) e−(b−a)t g(t)dt
0
Z +∞
−→ (b − a) e−(b−a)t g(t)dt
X→+∞ 0
Z +∞
∀b > a, L{f }(b) = (b − a) e−(b−a)t g(t)dt
0
On a vu ci-avant dans le cours que la transformée de Laplace d'une fonction continue était elle
h : [0; 1] → C
même continue. On dénit u 7→ g(− ln(u)) si u 6= 0
0 7→ L{f }(a)
lim g(− ln(u)) = f (a), h ∈ C 0 ([0; 1])
x→0
Z +∞
∀x > 0, L{f }(u + x) = x e−xt g(t)dt
0
Z 1
= x ux g(− ln(u))du
0
Z 1
= x h(u)ux−1 du
0

Pour montrer l'injectivité de la transformée de Laplace, on va montrer que L{f } = 0 ⇒ f = 0

car c'est une application linéaire. On le vérie aisément pour les monômes, puis par linéarité
pour l'ensemble des polynômes. On considère ensuite de polynômes qui converge uniformément
vers h, il en existe d'après le théorème de Weierstrass, ce qui permet ensuite de conclure

352 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.6. COMPLÉMENTS

Transformée de Laplace d'une dérivée

Soit f : R → C de classe C 1 , il vient par intégration par parties :
Z +∞
L{f 0 }(p) = [e−pt f (t)]+∞
0 +p e−pt f (t)dt = pL{f }(p) − f (0)
0

Ce qui se généralise pour f de classe C n :

n−1
X
L{f (n) }(p) = pn L{f }(p) − pn−k+1 f (k) (0)
k=0

Transformée de Laplace d'une intégrale avec borne fonction d'un paramètre

Soit f une fonction positive continue sur [0; +∞[, ∀a > 0, on montre par intégration par
parties :
Z t
1 a
Z
1
L{ f (x)dx}(p) = L{f }(p) − f (x)dx
0 p p 0

Dérivée d'une transformée de Laplace

Soit f une fonction continue pour laquelle la transformée de Laplace est dénie. Les hypo-
thèses du théorème de convergence dominée de Lebesgue étant vériées, alors

L(tn f (t)) = (−1)n L{f }(n) (p)

10.6.3 Analyse complexe (HP)

Fonction analytique
Soit U un ouvert de C, on dit que f : U → C est analytique si et seulement si ∀z0 ∈ U, f est
développable en série entière au voisinage de z

Fonctions holomorphes
Soit U ouvert connexe par arcs de C, f : U → C, pour z0 ∈ C, on dit que f est dérivable au
sens complexe si et seulement si :

f (z0 + h) − f (z0 )
lim = f 0 (z0 ) ∈ C
h→0,h∈C h

On dit que f est C 1 au sens complexe (holomorphe) sur U si et seulement si elle est décroissante
au sens complexe sur U et f 0 continue

Intégrale curviligne
f : I → C continue et γ : [a; b] → U continue dérivable à dérivée continue par morceaux. On
pose
Z Z b
f (z)dz = f (γ(t))γ 0 (t)dt
γ a

353 MP∗ B.DufourJules

10.6. COMPLÉMENTS CHAPITRE 10. INTÉGRATION

Si f = F 0 (F est de classe C 1 au sens complexe)

Z Z b
f (z)dz = F 0 (γ(t))γ 0 (t)dt = F (γ(b)) − F (γ(a))
γ a

Si γ(a) = γ(b) alors γ est un lacet, γ f (z)dz = 0 Soit f : D(0, R) → C une fonction de classe C 1
R

au sens complexe sur D(0, R). Soit z ∈ D(0, R) et on veut montrer la formule de Cauchy,

2π 2π
reit f (reit ) it
Z Z
f (z) dt = re dt
0 reit − z 0 reit − z

g : [0; 1] × [0; 2π] → C

On dénit f (λz+(1−λ)reit )eit est continue et
(λ, t) 7→ reit −z

∂f reit
(λ, t) = it (z − reit )f 0 (λz + (1 − λ)reit ) = −reit f 0 (λz + (1 − λ)reit )
∂λ re − z

[0; 1] × [0; 2π] est un compact et ∂f

∂λ y est continue, donc :

∂f
∃M = sup | (λ, t)|
(λ;t)∈[0;1]×[0;2π] ∂λ

donc M étant intégrable, d'après le théorème de dérivation, on montre que F 0 (λ) = 0, donc F
est constante sur [0; 1[ et par continuité de F aussi en 1, donc F (0) = F (1), en découle la formule
de Cauchy énoncée ci-avant.

2π 2π +∞
2π X
reit z n −int
Z Z Z
dt
∀|z| < r, dt = ze−it
= e dt
0 reit − z 0 1− n 0 n=0
rn

+∞
z n −int |z|n
On a | terme général d'une SATP convergente, on peut intervertir série et
P
rn e | ≤ rn
n=0
intégrale :
+∞
2π X +∞ n Z 2π
z n −int
Z X z
n
e dt = n
e−int dt
0 n=0
r n=0
r 0

2π +∞ Z 2π
f (reit ) it
Z
1 X 1
f (z) = re dt = ( f (reit )eint dt)z n
2π 0 reit − z n=0
2πr n
0

donc f est développable en série entière

C1 ⇔ C∞

On a ainsi démontré que si f est de classe C 1 sur U alors elle y est analytiques, par conséquent
elle y est C ∞ . La réciproque est immédiate. On retrouve la même formule pour les coecients
du développement en séries entières que dans le cas réel

354 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.6. COMPLÉMENTS

10.6.4 Transformation de Fourrier

fˆ : R → C
Soit f ∈ L1 (R) on rappelle la dénition : R +∞
x 7→ −∞ f (t)eixt dt
On cherche à reconstituer f connaissant fˆ. Si f est continue et fˆ ∈ L1 (R). On veut évaluer en
fonction de f : Z
g(u) = fˆ(x)e−ixu dx
R

dénit car continue et f ∈ L (R). Mais dans ce cas, on ne peut pas appliquer le théorème de
1

Fubini car x 7→ eix(t−u) n'est pas intégrable sur R. Pour pallier cet inconvénient, on forme pour
u∈R Z
Gu (λ) = fˆ(x)e−ixu e−λ|x| dx
R

Le théorème de continuité montre (|fˆ(x)e−ixu e−λ|x| | = |fˆ(x)e−λ|x| | ≤ |fˆ(x)| ∈ L1 (R)) que Gu

est dénie positive. Z Z
Gu (λ) = ( f (t)eixt dt)eix(t−u) e−λ|x| dx
R R

On dénit : F (x, t) = f (t)e ixt ix(t−u) −λ|x|

e e continue sur R2 . Les hypothèses du théorème de
Fubini sont vériées : Z Z
Gu (λ) = eix(t−u) e−λ|x| f (t)dxdt
R R

Z +∞ Z 0
x(i(t−u)−λ)
I = e dx + ex(i(t−u)+λ) dx
0 −∞
1 1
= +
λ + i(t − u) λ + i(t − u)
2λ
=
λ2 + (t − u)2
d'où
Z
2λ
Gu (λ) = f (t)dt
R λ2 + (t − u)2
Z +∞
2λ
= 2
f (v + u)dv
−∞ λ + v2
+∞ Z +∞
λ(f (u + v) − f (u))
Z
2λ
Gu (λ) − 2 dv = 2 dv
−∞ λ2 + v 2 −∞ λ2 + v 2
+∞
λ(f (u + v) − f (u))
Z
Gu (λ) − 2f (u)π = 2 dv
−∞ λ2 + v 2

Soit ε > 0, ∃α > 0, si |v| ≤ α alors |f (u + v) − f (u)| ≤ 4π ε

. Supposons de plus f bornée sur R
Z α
f (u + v) − f (v) f (u + v) − f (v)
Z
|Gu (λ) − 2πf (u)| = 2| λ 2 2
dv + λ |
−α λ +v R\[−α;α] λ2 + v 2
Z ∞
2λε α
Z
dv dv
≤ 2 2
+ 8kf k∞ λ 2 2
4π −α λ + v −∞ λ + v
≤ ε

355 MP∗ B.DufourJules

10.6. COMPLÉMENTS CHAPITRE 10. INTÉGRATION

Ainsi |Gu (λ) − 2πf (u)| ≤ ε, par continuité, quand λ → 0

Z +∞
g(u) = 2πf (u) = fˆ(x)e−ixu dx
−∞

On a injectivité de la transformée de Fourrier : si f est continue, bornée et intégrable alors

fˆ = 0 ⇒ f = 0
On suppose dorénavant que f est de classe C 2 et que f , f 0 et f 00 ∈ L1 (R).
Z 1 Z
|f (x) − f (0)| = | f 0 (t)dt| ≤ |f 0 |
0 R

donc f est bornée sur R

B B B
eixt B eixt
Z Z Z
f (t)e ixt
dt = [f (t) ] − f 0 (t) dt
A ix A A A ix

Lemme si f et f 0 ∈ L1 (R) alors limf (t) = 0. Soit X ∈ R

|t|
Z X Z +∞
f (X) = f (0) + f 0 (t)dt −→ f (0) + f 0 (t)dt
0 X→+∞ 0

f admet une limite l en +∞, or f est intégrable donc l = 0, d'après le critère de Riemann :
Z +∞
f (t)eixt t=+∞
Z Z
1 1
f (t)eixt dt = [ ]t=−∞ − f 0 (t)eixt dt = − f 0 (t)eixt dt
−∞ ix ix R ix R

donc fˆ(x) = − x2 R f (t)e dt et |fˆ(x)| ≤ x2 R |f | d'où fˆ ∈ L (R), la formule d'inversion

1
R 0 ixt 1
R 00 1

s'applique.
Calculons la transformée de Fourier de e−a|t| où a > 0
Z
ˆ 1 1 2a
f (x) = e−a|t| eixt dt = + = 2
R a + ix a − ix a − x2
La formule d'inversion fournit :
Z +∞
2a
2πe−a|u| = e−iux dx
−∞ a2 + x2

10.6.5 Séries de Fourier

Dénition
Soit f une fonction continue par morceaux (intégrable sur [0; 2π] surait) 2π -périodique, on
cherche à écrire (en un sens à préciser)
X
f (t) = ck eikt = c0 + c1 eit + c−1 e−it + c2 e2it + c−2 e−2it + ...
k∈Z

La fréquence d'une harmonique est un multiple entier de la fréquence du fondamental. Comme

ε : R → C R 2π
¯
pour k ikt pour k ∈ Z est orthonormée pour (f |g) = 0 f g
t 7→ e
L'idée de Fourier est par orthogonalité que les
Z 2π
1
ck = (εk |f ) = f (t)e−ikt dt
2π 0

356 MP∗ B.DufourJules

CHAPITRE 10. INTÉGRATION 10.6. COMPLÉMENTS

Notons G = V ect[εk ]k∈Z combinaison linéaire ni de εk , polynômes trigonométriques 2π -périodique.

Soit f continue par morceaux 2π périodique. ∃g continue 2π périodique / kf − gk2 ≤ 2ε . D'après
le théorème de Weierstrass trigonométrique, ∃h ∈ G/kg − hk∞ ≤ 2ε et kg − hk2 ≤ kg − hk∞ ≤ 2ε ,
d'où nalement kf − hk2 ≤ ε

G est dense dans CM,2π

0

Formule de Parseval

Z π
X
2 1
|ck (f )| = |f |2
2π −π
k∈Z

Calcul de ζ(2p)
Soit f : R → R, 2π -périodique impaire telle que ∀t ∈]0; π[, f (t) = 1 et f (0) = 0 = f (π)

Figure 10.3  Fonction créneau

357 MP∗ B.DufourJules

10.6. COMPLÉMENTS CHAPITRE 10. INTÉGRATION

Z π
1
ck (f ) = f (t)e−ikt dt
2π −π
Z π Z π
1 i
= f (t) cos(kt)dt − f (t) sin(kt)dt
2π −π 2π −π
−i π
Z
= f (t) sin(kt)dt
π 0
i π
Z
= − sin(kt)dt
π 0
= 0 si k = 0
i cos(kt) π
= [ ]0 sinon
π k
Rπ
On a c0 = 0 et ∀p ∈ Z, c2p (f ) = 0 et c2p+1 = − (2p+1)π2i
. Or 2π
1
−π
|f (t)|2 dt = 1, la formule de
Parseval permet alors de conclure que :
+∞ 2
X π
ζ(2) =
n=1
6

Plus généralement, en démontrant les deux lemmes suivants : une fonction

R 2π continue par morceaux
2π périodique admet une primitive 2π périodique si et seulement si 0 f (t)dt = 0 et ck (g 0 ) =
ikck (g). On peut alors généraliser par récurrence, on trouve alors

(−1)p+1 B2p π 2p 22p−1

∀p ∈ N, ζ(2p) =
(2p)!

où Bn désigne les nombres de Bernoulli

358 MP∗ B.DufourJules

Chapitre 11

Espaces préhilbertiens

Sommaire
11.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
11.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
11.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
11.1.3 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
11.1.4 Familles orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
11.1.5 Procédé d'orthonormalisation de Gram-Schmidt . . . . . . . . . . . . 358
11.1.6 Bases orthonormées . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
11.2 Supplémentaire orthogonal . . . . . . . . . . . . . . . . . . . . . . . . 363
11.2.1 Existence éventuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
11.2.2 Caractérisation métrique . . . . . . . . . . . . . . . . . . . . . . . . . . 364
11.2.3 Famille totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
11.2.4 Déterminant de Gram (HP) . . . . . . . . . . . . . . . . . . . . . . . . 367

11.1 Produit scalaire

11.1.1 Dénition
Dénition

(.|.) : E2 → R
Soit E un R-espace vectoriel, on dit que est une forme bili-
(x, y) 7→ (x|y)
néaire symétrique (fbs) si et seulement si :
1. ∀(x; y; z) ∈ E 3 , ∀λ ∈ R, (λx + y|z) = λ(x|z) + (y|z)
2. ∀(x; y) ∈ E 2 , (x|y) = (y|x)

359
11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

Formes quadratiques

q : E → R
On lui associe forme quadratique associée
x 7→ (x|x)

Produit scalaire

Une forme bilinéaire symétrique est un produit scalaire si et seulement si sa forme qua-
dratique associée est dénie positive
1. ∀(x; y; z) ∈ E 3 , ∀λ ∈ R, (λx + y|z) = λ(x|z) + (y|z)
2. ∀(x; y) ∈ E 2 , (x|y) = (y|x)
3. ∀x ∈ E, (x|x) = q(x) ≥ 0
4. ∀x ∈ E, (x|x) = 0 ⇒ x = 0
On a donc ∀x ∈ E \ {0}, (x|x) > 0

Norme associée à un produit scalaire

On dénie la norme quadratique associée au produit scalaire :

p p
kxk2 = (x|x) = q(x)

Produit scalaire complexe (HP)

Si E est un C-espace vectoriel, on dit que (.|.) : E 2 → C est un produit scalaire complexe
si et seulement si :
1. (.|.) est linéaire par rapport à la seconde variable
2. ∀(x; y) ∈ E 2 , (y|x) = (x|y)
3. ∀x ∈ E \ {0}, (x|x) > 0

Exemples
(.|.) : (Rn )2 → R
1. Produit scalaire canonique de R , n n
P
((x1 ; ...; xn ), (y1 ; ...; yn )) 7→ xi yi
i=1
2. Produit scalaire canonique de Cn
n
X
((x1 ; ...; xn ), (y1 ; ...; yn )) = x̄i yi
i=1

Dans les 2 cas v v

u n u n
uX uX
kxk2 = t x2i ( resp. t |xi |2 )
i=1 i=1

360 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.1. PRODUIT SCALAIRE

(.|.) : l2 → R
3. Dans l ,
2 +∞
P suites de carré sommables, série convergente car
(un |vn ) 7→ un vn
n=0
+∞
1 2
+ |vn | ) (resp.
2
u¯n vn )
P
|un vn | ≤ 2 (|un |
n=0

4. Soit E = C([a; b], R)

Z b Z b
(f |g) = f (t)g(t)dt (resp. ¯
f (t)g(t)dt)
a a

5. Soit E = L2 (I) ∩ C 0 (I)

Z Z
(f |g) = fg (resp. f¯g
I I

6. Soit I intervalle de R et ω : I → R+ continue positive (ou qui ne s'annule qu'en un nombre

ni de points) et telle que :

∀k ∈ N, t 7→ tk ω(k) ∈ L1 (I)

On dénit sur R[X] (resp. C[X])

Z Z
(P |Q) = P (t)Q(t)dt ( resp. P̄ Qω))
I I

Soit P ∈ R[X],R (P |P ) = I P (t)2 ω(t)dt ≥ 0

R

(P |P ) = 0 ⇒ I P (t)2 ω(t)dt = 0 ⇒ P 2 = 0 ⇒ P = 0, car ω > 0 sur une partie innie. On

dit que (.|.) est un produit scalaire à poids. Sur I = [0; 1], on peut ω = 1 et
Z
(P |Q) = PQ
[0;1]

Sur I =] − 1; 1[, on peut prendre ω(t) = √ 1

1−t2

Z 1
P (t)Q(t)
(P |Q) = √ dt
−1 1 − t2

Sur R+ , on prend ω(t) = e−t

Z +∞
(P |Q) = P (t)Q(t)e−t dt
0

t2
Sur R, on prend ω(t) = e− 2
Z +∞
t2
(P |Q) = P (t)Q(t)e− 2
−∞

361 MP∗ B.DufourJules

11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

11.1.2 Propriétés
Propriétés générales

1. ∀(λ, x) ∈ R × E, q(λx) = λ2 q(x) (resp. |λ|2 q(x)). En particulier : q(−x) = q(x) et

kλxk2 = |λ| × kxk2
2. ∀x ∈ E, (x|0) = (0|x) = 0 et q(0) = 0
3. Identités de polarisation :

kx + yk2 = kxk2 + kyk2 + 2(x|y) ( resp. 2Re(x|y))

kx − yk2 = kxk2 + kyk2 − 2(x|y)

1 1
(x|y) = (kx + yk2 − kxk2 − kyk2 ) = (kx + yk2 − kx − yk2 )
2 4
4. Identité du parallélogramme :

kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 )

Inégalité de Cauchy-Schwarz, Minkowski

Soit (.|.) une forme bilinéaire symétrique positive sur E , on a ∀(x; y) ∈ E 2

1. |(x|y)| ≤ kxk2 × kyk2 Cauchy-Schwartz
2. kx + yk2 ≤ kxk2 + kyk2 Minkowski
Si de plus (.|.) est un produit scalaire on a égalité dans Cauchy-Schwartz si et seulement si
(x; y) est liée. Pour Minkowski si et seulement si x = 0 ou ∃λ ≥ 0, y = λx

Preuve :
: R →
f R
1. On note q(x) = (x|x) = kxk2 . Formons
λ 7→ q(x + λy) = kxk2 + λ2 kyk2 + 2λ(x|y)
C'est un trinôme du second degré en λ de signe constant sur R
∆ = 4(x|y)2 − 4kxk2 × kyk2 ≤ 0 ⇒ |(x|y)| ≤ kxkkyk
2. kx + yk2 = kxk2 + kyk2 + 2(x|y) ≤ kxk2 + kyk2 + 2kxkkyk = (kxk + kyk)2
Cas d'égalité : si (.|.) est un produit scalaire, si on a égalité dans Cauchy-Schwartz,

∆ = 0 ⇒ ∃λ0 ∈ R/kx + λ0 yk2 = 0

donc x = λ0 y , réciproque immédiate.

Pour Minkowski (x|y) = kxkkyk, donc ∃µ ∈ R/x = µy et (x|y) = λkxk2 = kxkkyk ≥ 0, d'où
µ≥0

Cas complexe
C'est encore vrai pour un produit scalaire complexe, on le démontre en posant :

(x|y) = |(x|y)|eiθ

362 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.1. PRODUIT SCALAIRE

donc |(x|y)| = e−iθ (x|y) = (eiθ |y) ∈ R+ .

f : R → R
On forme alors
λ 7→ q(eiθ x + λy) = kxk2 + 2λ|(x|y)| + λ2 kyk ≥ 0

Exemple
Si (an ), (bn ) ∈ l2
v v
+∞
X +∞
X
u +∞
uX
u +∞
uX
| an bn | ≤ |an bn | ≤ t 2
|an | t |bn |2
n=0 n=0 n=0 n=0

Remarque
L'inégalité de Minkowski, montre que k.k2 est une norme (semi-norme dans le cas d'une forme
quadratique positive)

11.1.3 Orthogonalité
Dénitions

Soit (.|.) une forme bilinéaire symétrique sur E

1. ∀(x; y) ∈ E 2 , x ⊥ y ⇔ (x|y) = 0
2. Soit A une partie de E , on dénit :
\
A⊥ = {x ∈ E/∀a ∈ A, (x|a) = 0} = a⊥
a∈A

3. On dit que deux parties de E , A et B sont orthogonales si et seulement si ∀(a; b) ∈

A × B, (a|b) = 0 si et seulement si A ⊂ B ⊥ si et seulement si B ⊂ A⊥

Propriétés

1. {0}⊥ = E et si (.|.) est un produit scalaire, E ⊥ = {0}

2. Si A ⊂ B alors B ⊥ ⊂ A⊥
3. Pour toute partie A de E , A⊥ est un sous-espace vectoriel de E ,

A⊥ = V ect(A)⊥ A ⊂ (A⊥ )⊥

4. Si F et G sont deux sous-espace vectoriel de E

(F + G)⊥ = F ⊥ ∩ G⊥ F ⊥ + G⊥ ⊂ (F ∩ G)⊥

Preuve :
1. ∀x ∈ E, (x|0) = 0 donc x ∈ {0}⊥ et {0}⊥ = E . Si x ∈ E ⊥ , (x|x) = 0 ⇒ x = 0 (produit
scalaire)

363 MP∗ B.DufourJules

11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

2. A ⊂ B, soit x ∈ B ⊥ et a ∈ A ⊂ B, (x|a) = 0, donc x ∈ A⊥

3. ∀a ∈ E,Ta⊥ = {x ∈ E/(a|x) = 0} = Ker(fa ), avec fa = (a|x) sous-espace vectoriel de E et
A⊥ = a⊥
a∈A
Remarque : si a 6= 0, fa 6= 0 (car fa (a) = kak2 > 0) donc a⊥ est un hyperplan. D'autre part
A ⊂ V ect(A), donc V ect(A)⊥ ⊂ A⊥ et si x ∈ A⊥ , ∀n ∈ N, ∀(a1 ; ...; an ) ∈ An , ∀(λ1 ; ...; λn ) ∈
Rn !
Xn n
X
x| λi ai = λi (x|ai ) = 0
i=1 i=1

car x ∈ A et x ∈ (V ect(A)) . Enn, ∀a ∈ A, ∀x ∈ A⊥ , (x|x) = 0 donc a ∈ A⊥

⊥ ⊥
(
F ⊂F +G
4. ⇒ (F + G)⊥ ⊂ F ⊥ ∩ G⊥
G ⊂F +G
Soit x (
∈ F ⊥ ∩ G⊥ , ∀(y, z) ∈ F × G, (x|y + z) = (x|y) + (x|z) = 0, x ∈ (F + G)⊥
F ∩G⊂F
Enn ⇒ F ⊥ ∪ G⊥ ⊂ (F ∩ G)⊥ et F ⊥ + G⊥ = V ect(F ⊥ ∪ G⊥ ) ⊂ (F ∩ G)⊥
F ∩G⊂G
BEn dimension innie, on peut avoir F (F ⊥ )⊥ , soit dans R[X]
Z 1
(P |Q) = P (t)Q(t)dt
0

H = XR[X] = {XP/P ∈ R[X]} = {A ∈ R[X]/A(0) = 0}

hyperplan, noyau de la forme linéaire non nulle A 7→ A(0). Soit P ∈ H ⊥ , comme XP ∈ H
Z 1
(P |XP ) = 0 = tP (t)2 dt
0

t 7→ tP (t)2 est nulle sur ]0; 1], donc P = 0 (s'annule sur ]0; 1]). Ainsi H ⊥ = {0} et
H (H ⊥ )⊥ = R[X]

Remarque
Si E est un espace muni d'un produit scalaire, on dit que c'est un espace préhilbertien,
euclidien s'il est de dimension nie. Un espace hilbertien est un espace complet muni d'un produit
scalaire

11.1.4 Familles orthogonales

Dénition

Soit (E, k.k2 ) un espace préhilbertien, on dit que (xi )i∈I est orthogonale (resp. orthonor-
mée) :
1. ∀(i, j) ∈ I 2 , i 6= j ⇒ (xi |xj ) = 0
2. resp. ∀(i, j) ∈ I 2 , (xi |xj ) = δi,j
Une famille orthonormée est une famille où tout les vecteurs ont la même norme, 1

364 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.1. PRODUIT SCALAIRE

Théorème

Une famille orthogonale ne comprenant pas 0 (en particulier une famille orthonormée)
est libre

Preuve : soit (λi ) ∈ R(I) (à support ni, {i ∈ I/λi 6= 0} est ni)

X X
λi xi = 0 = ∀j ∈ I, (xj | λi xi ) = 0
i∈I i∈I
X
= λi (xj |xi ) = 0
i∈I

= λj kxk2 = 0
⇒ λj = 0

Exemples
1. La base canonique est une b.o.n de Rn
2. Dans l2 , soit pour p ∈ N, ep = (δn,p )n∈N = (0; ...; 0; 1; 0; ...; 0), (ep ) est o.n. Notons que

6 l2
V ect[ep ]p∈N = {(un )/∃n0 ∈ N, ∀n ≥ n0 , un = 0} =

et (ep ) n'est pas une base de l2

R 2π
3. Soit E = {f ∈ C 0 (R, R), 2π−périodique } muni de (f |g) = 1
2π 0
f¯g
e : R → C
Soit n ∈ Z, n
t 7→ eint
Z 2π
1
∀(n, m) ∈ Z2 , (en |em ) = ei(m−n)t dt
2π 0

1 ei(m−n)t 2π
Or (en |em ) = 1 si m = n = 2π [ i(m−n) ]0 = 0 sinon, (en )n∈Z est o.n

Vecteur unitaire, normalisé

On dit que x ∈ E est unitaire (ou normalisé) si et seulement si kxk = 1. Pour x 6= 0, kxk
x

et − kxk sont les seuls unitaires colinéaires à x

x

Théorème de Pythagore

Soit (x1 ; ...; xn ) une famille orthogonale, on a :

n
X n
X
k xi k2 = kxi k2
i=1 i=1

365 MP∗ B.DufourJules

11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

Preuve :
n
X Xn n
X
k xi k 2 = ( xi | xj )
i=1 i=1 j=1
X
= (xi |xj )
1≤i,j≤n
Xn
= kxi k2
i=1

Remarque
On a la réciproque pour n = 2, on a :

kx1 + x2 k2 = kx1 k2 + kx2 k2 ⇔ (x1 |x2 ) = 0

C'est faux pour n ≥ 3

11.1.5 Procédé d'orthonormalisation de Gram-Schmidt

Théorème
Soit (E, k.k2 ) un espace préhilbertien et (x1 ; ...; xn ) (resp. (xn )n∈N ) une famille libre. On
cherche à construire (f1 ; ...; fn ) (resp. (fn )n∈N ) tel que :
1. (f1 ; ...; fn ) (resp. (fn )n∈N ) est orthogonale
2. V ect[fk ]k∈[|1;n|] (resp. ∈ N) ∈ V ect[x1 ; ...; xn ]
3. La coordonnée de fk selon xk vaut 1
Supposons qu'une telle famille existe. La matrice de (f1 ; ...; fn ) dans (x1 ; ...; xn ) est alors trian-
gulaire supérieure avec des 1 sur la diagonale :
 
1 ∗ ∗
A = 0 . . . ∗ ∈ GLn (R)
 

0 0 1

donc (f1 ; ...; fn ) est une base de V ect[x1 ; ...; xn ]. De plus ∀k ∈ [|1; n|] (resp. ∈ N)

V ect[f1 ; ...; fn ] = V ect[x1 ; ...; xn ] = Fk

Nécessairement f1 = x1 . Soit k ∈ [|1; n − 1|] (resp. ∈ N), supposons (f1 ; ...; fn ) dénie et unique :
k
X
fk+1 = xk+1 + αj,k fj
j=1

∀i ∈ [|1; k|], (fk+1 |fi ) = 0 ⇔ (xk+1 |fi ) = −αi,k kfi k2 car (f1 ; ...; fn ) est orthogonale si et seule-
ment si :
(xk+1 |fi )
αi,k =
kfi k2
d'où l'unicité en cas d'existence, réciproquement en dénissant ainsi (f1 ; ...; fn ) par récurrence,
en remontant les calculs, les 3 conditions sont satisfaites

366 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.1. PRODUIT SCALAIRE

En bref

Le procédé de Gram-Schmidt donne un procédé algorithmique pour orthonormalisé une

famille libre (x1 ; ...; xn ) :
k−1
x1 1 X (xk |fi )
f1 = et ∀k ∈ [|1; n|], fk = (xk − fi )
kx1 k k−1
P (xk |fi ) kfi k2
xk − kfi k2 fi i=1
i=1

Pour construire une telle famille, on normalise le premier vecteur, puis pour construire les
autres, on prend le k-ième vecteur moins la somme sur les vecteurs précédemment construit,
puis on normalise

Théorème

Soit (x1 ; ...; xn ) (resp. (xn )n∈N ) une famille libre dans un espace préhilbertie, une famille
(α1 ; ...; αn ) (resp. (αn )n∈N ∈ (R∗ )n (resp. (R∗ )N ). Il existe alors une unique famille de vecteurs
(ε1 ; ...; εn ) (resp. (εn )n∈N )
1. ∀k ∈ [|1; n|] (resp. ∈ N), εk ∈ V ect(xk )
2. La famille εi est orthogonale
3. La coordonnée de εi selon xi vaut αi

Preuve : utiliser le procédé de Gram-Schmidt

Remarque
Il existe une famille orthonormée vériant 1. et 2. et ∀i ∈ [|1; n|] (resp. N), la coordonnée de
εi selon αi strictement positive

Polynômes orthogonaux
Soit (P |Q) = I P (t)Q(t)ω(t)dt un produit scalaire à poids sur R[X]. On part de la base cano-
R

nique (X n )n∈N , on se donne (αn )n∈N ∈ (R∗ )N . ∃!(Pn ) orthogonale telle que ∀n ∈ N, deg(Pn ) = n
et la coordonnée de Pn est αn . ∀n ∈ N, Pn admet une n racines simples ∈ ˚ I
Preuve : notons d'abors que ∀n ≥ 1, Pn ∈ V ect[P0 ; ...; Pn−1 ]⊥ = Rn−1 [X]⊥ . Notons (α1 ; ...; αp )
les racines avec changement de signe de Pn sur ˚ I (si Pn ne s'annule par sur ˚I, p = 0). Soit
p
Y
Q(X) = (X − αi ), Q = 1 si p = 0
i=1

Si n = 0 l'énoncé est vrai

Si n ≥ 1, supposons p ≤ n − 1. Comme ∀i ∈ [|1; p|], αi est racine de Pn , de multiplicité impaire
alors P Q garde un signe constant sur I et
Z
(Q|Pn ) = (QPn )(t)ω(t)dt = 0
I

QPn ω est continue de signe constant sur I . Ainsi ∀t ∈ I, (Pn Q)(t)ω(t) = 0 donc Pn Q = 0, car ω
est non nulle sur une partie innie. Nécessairement p = n

367 MP∗ B.DufourJules

11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

Formule de Rodrigue

∃(βn , γn , ∆n ) ∈ Rn /∀n ∈ N

βn Pn+2 = (X − γn )Pn+1 − ∆n Pn

Preuve : deg(XPn+1 ) = n + 2, donc ∃(λ0 ; ...; λn+2 ) ∈ (R∗ )n+3 , tel que
n+2
X
XPn+1 = λi Pi
i=0

Si n ≥ 1, soit j ∈ [|0; n − 1|]

Z
(XPn+1 |Pj ) = tPn+1 (t)Pj (t)ω(t)dt = (Pn+1 |XPj ) = 0
I

car Pn+1 ∈ Rn [X]⊥ . Par ailleurs, par orthogonalité,

(XPn+1 |Pj ) = λj kPj k2 = 0 ⇒ λj = 0

Polynômes de Legendre
(2n)!
Soit pour n ∈ N, Ln = 1 2 n (n)
2n n! ((X −1) ) . Par conséquent ∀n ∈ N, deg Ln = n et γ(Ln ) = 2n n!
Z 1
(P |Ln ) = P (t)Ln (t)dt
−1
Z 1
1
= ([P (t)((t2 − 1)n )(n−1) ]1−1 − P 0 (t)((t2 − 1)n )(n−1) dt)
2n n! −1
..
.
(−1)n 1 (n)
Z
= P (t)(t2 − 1)n dt
2n n! −1
(−1)n (n)
= (P |(X 2 − 1)n )
2n n!
Le calcul montre alors que la famille (Ln )n∈N est orthogonale et que
2
kLn k22 =
2n + 1
De plus, par récurrence triviale et en appliquant le théorème de Rolle, on obtient que Ln admet
n racines simples sur R
En utilisant le fait que pour un produit scalaire à poids on est (XP |Q) = (P |XQ), on montre
que :
n+2 2
XLn+1 = Ln+2 +
2n + 3 (2n + 1)kLn k22
r r
2n + 1 2n + 1
La famille (Ln ) est une famille totale, d'après le théorème de Weierstrass, car V ect(Ln )
2 2
est dense dans (C ([−1; 1], R), k.k∞ ), donc pour k.k2
0

368 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.1. PRODUIT SCALAIRE

Remarque
On a généralement pour un produit scalaire à poids : (A|BC) = (AB|C)
Lorsqu'on s'impose ∀n ∈ N, γ(Pn ) = 1, βn = 1 par identication et

(XPn+1 |Pn )
(XPn+1 |Pn ) = γn kPn+1 k2 ⇒ γn =
kPn+1 k2
(XPn+1 |Pn )
De même ∆n = kPn k2 . La formule de Rodrigue permet donc de calculer les (Pn ) par
récurrence

Exemple
1
I =]−1; 1[, ω(t) = √1−t 2
, pour (P, Q) ∈ R[X]2 , en posant t = cos(θ), dt = − sin(θ)dθ, θ ∈]0; π[
√
et 0 < sin θ = 1 − t2
Z 1 Z π
P (t)Q(t)
(P |Q) = √ dt = P (cos θ)Q(cos θ)dθ
−1 1 − t2 0

Soit Tn le n-ième polynôme de Tchebychev, deg(Tn ) = n, γ(Tn ) = 2n−1 et T0 = 1

Z π
∀n 6= m, (Tn |Tm ) = cos(nθ) cos(mθ)dθ = 0
0

(Tn ) est l'unique suite de polynômes orthogonaux tel que ∀n ∈ N∗ , γ(Tn ) = 2n−1 .
Ici Tn+2 = 2XTn+1 − Tn . Enn
Z π Z π
2 2 1 + cos(2nθ) π
kTn k = cos(nθ) dθ = dθ =
0 0 2 2

et kT0 k2 = π

369 MP∗ B.DufourJules

11.1. PRODUIT SCALAIRE CHAPITRE 11. ESPACES PRÉHILBERTIENS

Lemme des Mines (HP)

Soit E un espace euclidien, (e1 ; ...; ep ) une famille libre telle que
p
X
∀x ∈ E, kxk2 = (x|ei )2
i=1

p
Soit x ∈ V ect[e1 ; ...ep ]⊥ , kxk2 = (x|ei )2 = 0 ⇒ x = 0, donc la famille est génératrice. Soit
P
i=1
j ∈ [|1; p|]
p
X p
X
kej k2 = (ej |ei )2 = kej k4 + (ej |ei )2 ≥ kej k4
i=1 i=1,i6=j

donc kej k ≤ 1. Soit H = V ect[ei ]i6=j , hyperplan. Soit x unitaire orthogonal à H : ∀i 6= j, (x|ei ) = 0
p
X
kxk2 = (x|ei )2 = (x|ej )2 = 1 ≤ kxk2 kej k2
i=1

donc kej k2 = 1 ⇒ kej k = 1, donc en reportant, ∀i 6= j(ei |ej ) = 0

11.1.6 Bases orthonormées

Théorème

Soit (E, k.k) un espace préhilbertien de dimension nie n ∈ N∗ . D'après le procédé de

Gram-Schmidt, il existe une b.o.n de E
n n
1. Soit x ∈ E, x = xi ei alors xi = (ei |x) et kxk2 = x2i (|xi |2 dans le cas d'un
P P
i=1 i=1
produit scalaire)
 n
P
x =

 xi ei
2. Soit (x; y) ∈ E 2 , n
P
i=1
alors
y = yi ei


i=1

n
X n
X
(x|y) = xi yi (resp. x̄i yi )
i=1 i=1

Preuve :
n n
1. ∀j ∈ [|1; n|], (ej |x) = xi (ej |ei ) = xj et kxk2 = x2i
P P P
xi xj (ei |ej ) =
i=1 (i,j)∈[|1;n|]2 i=1
n P
n
2. (x|y) =
P P
xi xj (ei |ej ) = xi yi
i=1 j=1

Remarque
Le produit scalaire dans une b.o.n s'exprime comme le produit scalaire canonique dans la
base canonique de Rn

370 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.2. SUPPLÉMENTAIRE ORTHOGONAL

11.2 Supplémentaire orthogonal

11.2.1 Existence éventuelle
Théorème

Soit (E, k.k) un espace préhilbertien et F un sous-espace vectoriel de E

1. On a toujours F ∩ F ⊥ = {0} et F ⊂ (F ⊥ )⊥
2. Si E = F ⊕ F ⊥ , on note E = F ⊕⊥ F ⊥ (somme directe orthogonale). On a alors

F = (F ⊥ )⊥

Dans ce cas on dit que F possède un unique supplémentaire orthogonal : F ⊥

Preuve :
1. Si x ∈ F ∩ F ⊥ , (x|x) = 0 ⇒ x = 0
2. Si E = F ⊕ F ⊥ , soit x ∈ (F ⊥ )⊥ , on peut décomposer : x = x1 + x2 /x1 ∈ F et x2 ∈ F ⊥
Comme x ∈ (F ⊥ )⊥ , (x|x2 ) = 0 = (x1 |x2 ) + kx2 k2 , donc x2 = 0 et x = x1 ∈ F . Ainsi
F = (F ⊥ )⊥
BEn dimension nie, on a toujours E = F ⊕F ⊥ . Ce n'est pas forcément le cas en dimension
R1
innie ! ! ! cf R[X] muni de (P |Q) = 0 P (t)Q(t)dt. On a vu que XR[X] = H, H (H ⊥ )⊥ =
R[X] donc H n'admet pas de supplémentaire orthogonal (H ⊥ = {0})

Projections et symétries orthogonale

Soit F un sous-espace vectoriel de E admettant un supplémentaire orthogonal. On peut

dénir pF la projection orthogonale sur F (parallèlement à F ⊥ ) et sF la symétrie orthogonale
(parallèlement à F ⊥ ), x − pF (x) ∈ F ⊥ . D'après le théorème de Pythagore :

kxk2 = kpF (x)k2 + kx − pF (x)k2 = ksF (x)k2

371 MP∗ B.DufourJules

 11.2. SUPPLÉMENTAIRE ORTHOGONAL CHAPITRE 11. ESPACES PRÉHILBERTIENS

11.2.2 Caractérisation métrique

Théorème

Soit (E, k.k) espace préhilbertien, F un sous-espace vectoriel de E. Les propositions sui-
vantes sont équivalentes :
1. F admet un supplémentaire orthogonal
2. ∀x ∈ E, ∃y ∈ F/kx − yk = d(x, F )
Dans ce cas, y = pF (x) et c'est l'unique vecteur de F vériant 2.

Preuve :
1. ⇒ 2. soit x (
∈ E , on peut dénir pF (x), soit z ∈ F , on veut montrer que kx − pF (x)k ≤ kx − zk
z − pF (x) ∈ F
On a d'après le théorème de Pythagore
x − pF (x) ∈ F ⊥

kx − zk2 = kx − pF (x)k2 + kz − pF (x)k2 ≥ kx − pF (x)k2

On a égalité si et seulement si kz − pF (x)k2 = 0 ⇔ z = pF (x). Ainsi

d(x, F ) = kx − pF (x)k

2. ⇒ 1. Soit x ∈ E et y ∈ F/d(x, F ) = kx − yk. Montrons que x − y ∈ F ⊥ . Soit z ∈ F

∀t ∈ R, y + tz ∈ F ⇒ kx − (y + tz)k2 ≥ kx − yk2
⇒ kx − yk2 − 2t(x − y|z) + t2 kzk2 ≥ kx − yk2
⇒ −2t(x − y|z) + t2 kzk2 ≥ 0
⇒ tkzk2 − 2(x − y|z) ≥ 0, ∀t > 0

quand t → 0, (x − y|z) ≤ 0. Ce résultat vaut aussi pour −z , donc (x − y|z) = 0, d'où

x = y + x − y, y ∈ F et y ∈ F, x − y ∈ F ⊥ ⇒ E = F ⊕ F ⊥

Cas de la dimension nie

Soit F un sous-espace de E. Soit (ε1 ; ...; εn ) une b.o.n de F. On a

n
1. ∀x ∈ E, x − (εi |x)εi ∈ F ⊥
P
i=1
n
2. E = F ⊕ F ⊥ , pF (x) =
P
(εi |x)εi
i=1
n
3. d(x, F )2 = kx − pF (x)k2 = kxk2 − kpF (x)k2 = kxk2 − (εi |xi )2
P
i=1

n
Preuve : soit x0 = x − (εi |x)εi , comme F = V ect[ε1 ; ...; εn ], pour montrer x0 ∈ F ⊥ , il sut
P
i=1
n
de montrer que ∀j ∈ [|1; n|], (εj |x0 ) = 0. Or (ε0j |x0 ) = (εj |x)−
P
(εi |x)(εj |εi ) = (εj |x)−(εj |x) = 0
i=1

372 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.2. SUPPLÉMENTAIRE ORTHOGONAL

donc x0 ∈ F ⊥ . Ainsi
n
X
∀x ∈ E, x = (εi |x)εi + x0 , donc E = F ⊕ F ⊥
i=1

n
et pF (x) = (εi |x)εi . Enn, d'après le théorème de Pythagore
P
i=1

kpF (x)k2 + kx − pF (x)k2 = kxk2

Exemples
1. Droite vectorielle : F = V ect[u], kuk = 1 alors ∀x ∈ E, pF (x) = (u|x)u
2. Orthogonal d'une droite : pF ⊥ (x) = x − pF (x) = x − (x|u)u. On notera que :

∀x ∈ E, x = pF (x) + pF ⊥ (x)

Remarque
Pour un produit scalaire complexe, on a :
n
X
2
kx − pF (x)k = |(εi |x)|2
i=1

Inégalité de Bessel

Soit (s'il en existe) (εi )i∈I une famille orthonormée dénombrable (donc E est de dimension
innie). Alors ((εi |x)2 )i∈I est sommable et
X
(εi |x)2 ≤ kxk2
i∈I

Preuve : soit J partie nie de I et F = V ect(εi )i∈J . On peut appliquer la proposition précé-
dente à F : X
(εi |x)2 = kpF (x)k2 = kxk2 − kx − pF (x)k2 ≤ kxk2
i∈J

ce qui établit la sommabilité et l'inégalité de Bessel

11.2.3 Famille totale

Théorème-dénition

Soit (E, k.k2 ) un espace préhilbertien, (εi )i∈I une famille orthonormée. Notons G =
V ect[εi ]i∈I X
∀x ∈ E, (εi |x)2 = kxk2 égalité de Parseval ⇔ Ḡ = E
i∈I

373 MP∗ B.DufourJules

11.2. SUPPLÉMENTAIRE ORTHOGONAL CHAPITRE 11. ESPACES PRÉHILBERTIENS

Dans ce cas, on dit que la famille (εi )i∈I est totale, on a si I = N∗

n
X
k (εi |x)εi − xk2 −→ 0
n→+∞
i=1

La série (εi |x)εi converge vers x en k.k2

P

S Preuve : quitté à énumérer I, on peut supposer I = N . Notons ∀n ∈ N , Fn = V ect[ε1 ; ...; εn ), G =

∗ ∗

Fn
n≥1
n
X n
X
∀x ∈ E, pFn (x) = (εi |x)εi et kxk2 − (εi |x)2 = kx − pF (x)k2
i=1 i=1
√
Si Ḡ = E : soit ε > 0, ∃y ∈ G/kx − yk2 ≤ ε et ∃N ∈ N/y ∈ FN , alors kx − pFn (x)k22 ≤
kx − yk22 ≤ ε
n
X
kxk2 − (εi |x)2 ≤ ε
i=1

N N
d'où ∀n ≥ N, kxk2 − ε ≤ (εi |x)2 ≤ (εi |x)2 ≤ kxk2
P P
i=1 i=1

n
X +∞
X
lim (εi |x)2 = (εi |x)2 = kxk2
n→+∞
i=1 i=1

N
Réciproque : soit x ∈ E, ∃N ∈ N/kxk2 − ε ≤ (εi |x)2 ≤ kxk2 et
P
i=1

N
X
kx − pFn (x)k2 = kxk2 − (εi |x)2 ≤ ε
i=1

Ceci prouve que : E = Ḡ, enn

n
X n
X
∀n ∈ N, kx − (εi |x)2 k2 = kxk2 − (εi |x)2 −→ 0
n→+∞
i=1 i=1

Exemples
s
+∞
1. Dans l2 muni de k(un )k2 = u2n . Soit pour p ∈ N, ep = (δn,p )n∈N est o.n, soit
P
n=0
G = V ect[ep ]p∈N = { suites réelles nulles à partir d'un certain rang }
Soit u = (un )n∈N ∈ l2 . Soit pour N ∈ N, VN = (vn,N )n∈N où vn,N = un si n ≤ N et 0 sinon
v
u +∞
u X
ku − vN k2 = t u2n −→ 0
N →+∞
n=N +1

374 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.2. SUPPLÉMENTAIRE ORTHOGONAL

Ainsi lim vN = u au sens de k.k2 et Ḡ = l2 . Ici l'égalité de Parseval s'écrit :

N →+∞

+∞
X +∞
X
kuk22 = u2n = (en |u)2
n=0 n=0

2. Soit segment [a; b] et ω : [a; b] → R+ continue tel que {t ∈ [a; b]/ω(t) > 0} est inni. Soit
E = C 0 ([a; b], R) muni de :
Z b
(f |g) = f (t)g(t)ω(t)dt
a

[a; b] → R
fn :
semi-norme sur E . Soit pour n ∈ N, G = V ect[fn ]n∈N , famille ortho-
t 7→ tn
normale obtenu par le procédé de Gram-Schmidt, est l'ensemble des fonctions polynômes
sur [a; b]. Soit f ∈ E , d'après le théorème de Weierstrass,

∃(Pn ) ∈ GN /n → +∞kPn − f k∞,[a;b] = 0

lim

Z b
kPn − f k22 = (Pn − f )(t)2 ω(t)dt ≤ (b − a)kωk∞,[a;b] kPn − f k2∞,[a;b]
a

Dans (E, k.k2 ), Ḡ = E et (fn )n∈N est totale dans E

Théorème

Si la famille (ei )i∈I est totale dans (E, k.k2 ), soit G = V ect[ei ]i∈I alors G⊥ = {0} et si
(x, y) ∈ E 2 vérient ∀i ∈ I, (x|ei ) = (y|ei ) alors x = y

Preuve : si x ∈ G⊥ , kxk2 = (x|ei )2 = 0 donc x = 0, puis on applique à x − y

P
i∈I
On a la réciproque dans les espaces de Hilbert

11.2.4 Déterminant de Gram (HP)

Dénition

Soit (E, k.k2 ) un espace préhilbertien, (x1 ; ...; xp ) ∈ E p . on lui associe la matrice de
Gram :  
(x1 |x1 ) (x1 |x2 ) . . . (x1 |xp )
.. 
. 

(x2 |x1 ) (x2 |x2 )
Gram(x1 ; ...; xp ) =  . ..  ∈ Mp (R)
.
 
 . . . . . 
(xp |x1 ) (xp |xp )
matrice symétrique et Gram(x1 ; ...; xp ) = det(Gram(x1 ; ...; xp ))

375 MP∗ B.DufourJules

11.2. SUPPLÉMENTAIRE ORTHOGONAL CHAPITRE 11. ESPACES PRÉHILBERTIENS

Théorème

1. (x1 ; ...; xp ) est libre si et seulement si Gram(x1 ; ...; xp ) 6= 0, ce qu'on suppose par la
suite. On note F = V ect[x1 ; ...xp ]
 
(x1 |ε1 ) . . . (xp |ε1 )
2. Soit (ε1 ; ...; εp ) une b.o.n de F et P = Pεi →xi =  ... .. 
. 


(x1 |εp ) . . . (xp |εp )

On a Gram(x1 ; ...; xp ) = tP × P . Gram(x1 ; ...; xp ) = (det(P ))2 > 0
3. Soit (e1 ; ...; ep ) b.o.n de F obtenu par le procédé de Gram-Schmidt à partir de
(x1 ; ...; xp ). Alors :  
(x1 |e1 ) ∗ ∗
..
P = 0 .
 
∗ 
0 0 (xp |ep )
p p
(xi |ei )2 ≤ kxi k2 c'est l'inégalité de Hadamard avec égalité si
Q Q
Gram(x1 ; ...; xp ) =
i=1 i=1
et seulement si (x1 ; ...; xp ) est orthogonale
4. Soit x ∈ E , on a : s
Gram(x; x1 ; ...; xp )
d(x, F ) =
Gram(x1 ; ...; xp )

Preuve :
p
1. Soit (λ1 ; ...; λp ) ∈ Rp , notons C1 ; ...; Cp les colonnes de Gram(x1 ; ...; xp ) si λi xi = 0.
P
i=1
p
 
P
  (x1 | λi xi )
(x1 |xj )  i=1
p
Comme ∀j ∈ [|1; p|], Cj =  ... . Alors ..
P  
λi Ci = 0 =  .
   

i=1  p

(xp |xj )  P 
(xp | λ i xi )
i=1
p p p
Réciproquement : si λi Ci = 0 alors ∀j ∈ [|1; p|], (xj | λi xi ) = 0 et k λi xi k22 = 0
P P P
i=1 i=1 i=1
p
d'où
P
λ i xi = 0
i=1
p
2. ∀(i, j) ∈ [|1; p|]2 , (xi |xj ) = (xi |εk )(εk |xj ) = [tP P ]i,j
P
k=1
3. L'inégalité et le cas l'égalité proviennent de Cauchy-Schwartz et on a égalité si et seulement
si ∀i ∈ [|1; p|], xi et ei sont colinéaires, (x1 ; ...; xp ) est orthogonale
4. Soit pF (x) la projection orthogonale de x sur F : x − pF (x) ∈ F ⊥ = {x1 ; ...; xp }⊥
 
(x|x) (x1 |x) . . . (xp |x)
.. 
. 

(x|x1 ) (x1 |x1 )
Gram(x; x1 ; ...; xp ) = 
 . . .. 
..

 .. .. . . 
(x|xp ) (xp |x1 ) . . . (xp |xp )

376 MP∗ B.DufourJules

CHAPITRE 11. ESPACES PRÉHILBERTIENS 11.2. SUPPLÉMENTAIRE ORTHOGONAL

p
Si pF (x) = λi xi eectuons C0 ←− C0 − λ1 C1 − ... − λp Cp
P
i=1
 
(x − pF (x)|x) ∗ 
Gram(x; x1 ; ...; xp ) =  
 0 Gram(x1 ; ...; xp )
= (x − pF (x)|x)Gram(x1 ; ...; xp )
= kx − pF (x)k2 Gram(x1 ; ....; xp )

d'où s
Gram(x; x1 ; ...; xp )
d(x, F ) =
Gram(x1 ; ...; xp )

Remarques
1. Si F est un hyperplan, soit e normalisé orthogonal à F : x−pF (x) = (x|e)e. Par conséquent :

d(x, F ) = kx − pF (x)k = |(x|e)|

2. Dans le cas de 2 vecteurs :

 
 kxk2 (x|y)
Gram(x, y) =   = kxk2 kyk2 − (x|y)2 ≥ 0
(x|y) kyk2 

avec 0 si et seulement si (x, y) est liée. On retrouve Cauchy-Schwartz

377 MP∗ B.DufourJules

11.2. SUPPLÉMENTAIRE ORTHOGONAL CHAPITRE 11. ESPACES PRÉHILBERTIENS

378 MP∗ B.DufourJules

Chapitre 12

Espaces Euclidiens

Sommaire
12.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
12.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
12.1.2 Théorème de représentation des formes linéaires . . . . . . . . . . . . 372
12.2 Isométries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
12.2.1 Dénition, propriétés élémentaires . . . . . . . . . . . . . . . . . . . . 373
12.2.2 Forme matricielle, On (R) . . . . . . . . . . . . . . . . . . . . . . . . . 374
12.2.3 Étude de O2 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
12.2.4 Théorème de réduction . . . . . . . . . . . . . . . . . . . . . . . . . . 377
12.2.5 Orientation de l'espace . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
12.2.6 Réduction, des isométries de l'espace . . . . . . . . . . . . . . . . . . . 383
12.3 Endomorphismes auto-adjoint . . . . . . . . . . . . . . . . . . . . . . 386
12.3.1 Dénition, propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
12.3.2 Théorème spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
12.3.3 Formes quadratiques associées à un endomorphisme auto-adjoint (HP) 388
12.3.4 Décomposition polaire (HP) . . . . . . . . . . . . . . . . . . . . . . . . 390
12.3.5 Réduction des endomorphismes antisymétriques (HP) . . . . . . . . . 391
12.3.6 Matrices de Gram et Sn+ (R) (HP) . . . . . . . . . . . . . . . . . . . . 393
12.3.7 Théorème d'intercalation des valeurs propres (HP) . . . . . . . . . . . 393

12.1 Généralités
12.1.1 Dénitions
Dénition

On appelle espace euclidien (E, (.|.)) tout espace préhilbertien de dimension nie. Dans
un tel espace, il existe des bases orthonormées (obtenu par le procédé de Gram-Schmidt à
partir d'une base). Soit B = (e1 ; ...; en ) une b.o.n de E

379
12.1. GÉNÉRALITÉS CHAPITRE 12. ESPACES EUCLIDIENS

Produit scalaire dans une b.o.n

   
x1 y1
n n
 ..   .. 
xi ei et y = yi ei . On pose : X =  .  , et Y =  . 
P P
x=
i=1 i=1
xn yn
n
X
(x|y) = xi yi = tXY = tY X ∈ M1,1 (R) = R
i=1

Théorèmes

1. Tout sous-espace vectoriel F de E admet un supplémentaire orthogonal, on a : E =

F ⊕⊥ F ⊥ et dim F ⊥ = dim E − dim F = codimE (F )
(
(F + G)⊥ = F ⊥ ∩ G⊥
2. Soient F et G deux sous-espaces vectoriel de E, on a :
(F ∩ G)⊥ = F ⊥ + G⊥

Preuve :
1. F est de dimension nie, donc E = F ⊕⊥ F ⊥ et F = (F ⊥ )⊥ . Le premier point implique
que dim F ⊥ = dim E − dim F
2. On a toujours le premier point ainsi que l'inclusion F ⊥ + G⊥ ⊂ (F ∩ G)⊥
De plus ici, F ∩ G = (F ⊥ )⊥ ∩ (G⊥ )⊥ = (F ⊥ + G⊥ )⊥ . Alors (F ∩ G)⊥ = ((F ⊥ + G⊥ )⊥ )⊥ =
F ⊥ + G⊥

12.1.2 Théorème de représentation des formes linéaires

Théorème

Soit E un espace euclidien et E ∗ = L(E, R), espace des formes linéaires de E dans
ϕa : E → R
R. On adim E ∗ = dim E . Soit a ∈ E et forme linéaire. Alors
x 7→ (a|x)
∗
ϕ : E → E
est un isomorphisme
a 7→ ϕa

∀f ∈ E ∗ , ∃!a ∈ E/∀x ∈ E, ϕ(x) = (a|x)

Preuve : ∀(λ, a, b, x) ∈ R × E 3 , ϕλa+b (x) = (λa + b|x) = λ(a|x) + (b|x) = λϕa (x) + ϕb (x) donc
ϕ est linéaire. De plus si a ∈ ker ϕ alors ϕa = 0 et ∀x ∈ E, (a|x) = 0 ⇒ kak2 = 0 ⇒ a = 0, ϕ est
injective, donc bijective en dimension nie, c'est un isomorphisme

380 MP∗ B.DufourJules

 CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

Remarque
ker ϕa = {a}⊥ . En outre,

∀x ∈ E, |ϕa (x)| ≤ |(a|x)| ≤ kakkxk

d'où |||ϕa ||| ≤ kak. Si a = 0, on a égalité et si a 6= 0, on a pour x = a

kak , |ϕa (x)| = kak ⇒
|||ϕa ||| = kak

Équation d'un Hyperplan vectoriel

Soit H un hyperplan de E et a ∈ H ⊥ \ {0}, H ⊥ = V ect[a] et H = {a}⊥ . Soit a =

n
P n
P
ai ei , ∀x = xi ei ∈ E
i=1 i=1

n
X
x ∈ H ⇔ (a|x) = 0 ⇔ ai xi = 0
i=1

12.2 Isométries
12.2.1 Dénition, propriétés élémentaires
Dénition

Soit E un espace euclidien et u ∈ L(E). On dit que c'est une isométrie vectorielle (ou
endomorphisme orthogonal) si et seulement si :
1. ∀x ∈ E, ku(x)k = kxk
2. ∀(x; y) ∈ E 2 , ku(x) − u(y)k = kx − yk
3. ∀(x; y) ∈ E 2 , (u(x)|u(y)) = (x|y)

Preuve :
1. ⇒ 2. ku(x) − u(y)k = ku(x − y)k = kx − y|
2. ⇒ 3. ∀(x; y) ∈ E 2 , (u(x)|u(y)) = 14 (ku(x) − u(y)k2 + ku(x) + u(y)k2 ) = 41 (kx − yk2 + kx + yk2 ) =
(x|y)
3. ⇒ 1. (u(x)|u(x)) = (x|x) ⇒ ku(x)k = kxk

Exemples
1. idE et −idE
2. Soit F un sous-espace vectoriel de E et sF la symétrie orthogonale par rapport à F, ∀x =
x1 + x2 ∈ E/x1 ∈ F et x2 ∈ F ⊥

ksF (x)k2 = kx1 k2 + kx2 k2 = kxk2

381 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Groupe orthogonal

On dénit O(E) l'ensemble des isométries de E. C'est un sous-groupe de GL(E) appelé

groupe orthogonal

Action d'une isométrie sur une b.o.n

Soit B = (e1 ; ...; en ) une b.o.n de E et u ∈ L(E)

u ∈ O(E) ⇔ (u(e1 ); ...; u(en )) est une b.o.n

Preuve : cf cours de MPSI

Spectre et stabilité

1. dim E = 1, O(E) = {id; −id}

2. Si F est stable par u ∈ O(E) alors u|F ∈ O(F ) et F ⊥ est stable par u
3. u ∈ O(E) ⇒ Sp(u) ⊂ {1; −1}

Preuve :
1. c'est une homothétie de rapport λ et ∀x ∈ E \ {0}, ku(x)k = |λ|kxk = kxk ⇒ |λ| = 1
2. ∀x ∈ F, ku|F (x)k = ku(x)k = kxk, u|F ∈ O(F ) ⊂ GL(F ). Soit alors y ∈ F ⊥ et x ∈ F ,
(u(y)|x) = (u(y)|u|F (u−1 −1
|F (x))) = (y|u|F (x)) = 0 donc u(y) ∈ F
⊥

3. Si x0 est vecteur propre, F = V ect[x0 ] est stable et u|F = ±idF

12.2.2 Forme matricielle, On (R)

Théorème

Soit E un espace euclidien de dimension nie n, B = (e1 ; ...; en ) une b.o.n de E xée,
u ∈ L(E) et M = matB (u). Les propositions suivantes sont équivalentes :
1. u ∈ O(E)
2. tM M = In
3. M est inversible et M −1 = tM
4. M tM = In
Dans ce cas on dit que M est une matrice orthogonale, on note

On (R) = {M ∈ Mn (R)/tM M = In }

Preuve : cf cours de MPSI

BLa condition u ∈ O(E) si et seulement si tM M = In ne vaut que dans une b.o.n

382 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

Propriétés

Soit M ∈ Mn (R), les propositions suivantes sont équivalentes :

1. M ∈ On (R)
2. Le système des vecteurs colonnes de M forme une b.o.n de Rn muni du produit scalaire
canonique
3. t M ∈ On (R)
4. Le système des lignes de M forme une b.o.n de Rn

Preuve : cf cours de MPSI

Remarque
Pour vérier qu'une matrice appartient à On (R), on vérie que chaque colonne est nominalisée
et qu'elles
 sont deux  à deux orthogonales
2 −1 −2
M = 13 2 2 1  , kc1 k2 = kc2 k2 = kc3 k2 = 1
1 −2 2
(c1 |c2 ) = 19 (−2 + 4 − 2) = 0 = (c1 |c3 ) = (c2 |c3 )

Structure topologique de On (R)

On (R) est compact dans Mn (R)

n
Preuve : ∀M = (mi,j ) ∈ On (R), ∀j ∈ [|1; n|], m2i,j = 1, donc ∀(i, j) ∈ [|1; n|]2 , |mi,j | ≤
P
i=1
ϕ : Mn (R) → Mn (R)
1, On (R) est bornée. De plus, soit continue et On (R) = ϕ−1 ({In })
M 7→ tM M
est fermé. On (R) est fermé borné en dimension nie, c'est un compact

Structure de groupes

1. On (R) est un sous-groupe de (GLn (R), ×) appelé groupe orthogonal

2. ∀M ∈ On (R), det(M ) ∈ {+1; −1}
3. Soit SOn (R) (noté aussi On+ (R)) = {M ∈ On (R)/ det(M ) = 1}. C'est un sous-groupe
appelé groupe spécial orthogonal
4. On− (R) = {M ∈ On (R)/ det(M ) = 1} vérie On (R) = On+ (R) ∩ On− (R). Cet ensemble
n'a pas de structure algébrique

Preuve : cf. cours de MPSI

383 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Exemple
 
2 −1 −2
Soit M = 13 2 2 1
 1 −2  2
2 −1 −2
1  = −1, donc M ∈ O3− (R)
1 
 
det(M ) = 27 2 2
1 −2 2 

Structure de O(E)

Soit E un espace euclidien

1. ∀u ∈ O(E, det(u) ∈ {−1; +1}. On dit que c'est une isométrie directe (resp. indirecte)
si et seulement si det u = +1 (resp. −1)
2. La composée de deux isométries directes est directe, de deux indirecte est directe, d'une
indirecte et d'une directe est indirecte
3. On note O+ (E) = SO(E) + {u ∈ O(E)/ det u = +1} c'est un sous-groupe de O(E).
On note O− (E) = {u ∈ O(E)/ det u = −1}

 
2 0
BIl ne sut pas que det u = ±1 pour que u ∈ O(E) ! ! !, cf M = 1
0 2

Exemples
1. Soit H un hyperplan de E, sH la réexion par rapport à H (symétrie orthogonale par
rapport à H). Dans une b.o.n adaptée à E = H ⊕ H ⊥
 
1 0 0 0
..
.
 
matB (sH ) = 0 0 0


0 0 1 0
0 0 0 −1

det sH = −1, sH est indirecte

2. det(−idE ) = (−1)dim E , donc −idE est directe si et seulement si dim E ∈ 2N
3. Retournement ou demi-tour est une symétrie orthogonale par rapport à un sous-espace de
codimension 2. Dans une b.o.n adaptée la matrice d'un retournement est :
 
1 0 0 0 0
..
.
 
0 0 0 0
 
0 0 1 0 0
 
0 0 0 −1 0
0 0 0 0 −1

un demi-tour est toujours direct

384 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

12.2.3 Étude de O2 (R)

Théorème
 
cos θ − sin θ
1. M ∈ SO2 (R) ⇔ ∃θ ∈ R/M = = Rθ
sin θ cos θ
2. ∀(θ, θ0 ) ∈ R2 , Rθ × Rθ0 = Rθ+θ0 . De plus Rθ−1 = R−θ . Par récurrence, il vient ∀n ∈
Z, Rθn = Rnθ
3. Rθ = Rθ0 ⇔ θ ≡ θ0 [2π]. SO2 (R) est isomorphe au groupe commutatif ( 2πZ
R
) et à (U, ×)
4. χRθ = X 2 − 2 cos(θ)X + 1 = (X − eiθ )(X − e−iθ )
(
θ ≡ 0[2π]
SpR (Rθ ) 6= ∅ ⇔ ⇔ Rθ = I2 ou − I2
θ ≡ π[2π]
 iθ 
e 0
Si θ 6≡ 0[π], Rθ est semblable sur C à et n'a pas de valeurs propres réelles
0 e−iθ
 
− cos θ sin θ
5. M ∈ O2 (R) ⇔ ∃θ ∈ R/M = = Sθ
sin θ − cos θ
6. χSθ = X 2 − 1 = (X − 1)(X +θ 1)  et Sθ est la matrice dans la base canonique de la
cos 2
réexion par rapport à R
sin θ2

Structure de O2 (E)

Soit E un plan euclidien

1. O+ (E) est un sous-groupe commutatif de O(E)
2. O− (E) est l'ensemble des réexions de E
3. Tout élément de O+ (E) est le produit de 2 réexions

Preuve : 3.
    
cos θ sin θ 1 0 cos θ − sin θ
Sθ × S0 = = = Rθ
sin θ − cos θ 0 −1 sin θ cos θ
BO + (E) est commutatif, mais pas O(E) ! (S0 × Sθ = R−θ )

385 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Topologie de On (R) (HP)

SOn (R) est connexe par arcs, mais pas On (R), dont les composantes connexes par arcs
sont :
On (R) = On− R ∪ SOn (R)

Preuve : pour le premier point, on applique le théorème de réduction, on construit un chemin

entre une matrice xée et n'importe quelle matrice, en posant les arguments des rotations de la
forme θt. D'après le théorème des valeurs intermédiaires, det étant continu sur On (R), det On (R)
serait un intervalle de R, or det On = {−1; 1}, donc On (R) n'est pas connexe par arcs. Par un
raisonnement analogue au précédent on montre que On− (R) est connexe par arcs

12.2.4 Théorème de réduction

Lemme utile

Soit E un espace euclidien de dimension ≥ 1, u ∈ L(E) alors il existe un sous-espace F

de E stable par u de dimension 1 ou 2

Preuve : si u admet une valeur propre réelle λ, soit x0 un vecteur propre associé : F = V ect[x0 ]
convient
m
Si SpR [u] = ∅, χu s'écrit (X 2 + αk X + βk )rk avec rk ≥ 1, αk2 − 4βk < 0. D'après le théorème
Q
k=1
de Cayley-Hamilton
m
Y
(u2 + αk u + βk id)rk = 0
k=1
donc ∃k0 ∈ [|1; n|]/u2 + αk u + βk id ne soit pas injectif (utiliser le déterminant) sinon le produit
le serait. Soit x0 ∈ Ker(u2 + αk0 u + βk0 id) \ {0}. Soit F = V ect[x0 , u(x0 )], dim F = 2 car x0 6= 0
et u(x0 ) ∈/ V ect[x0 ] (sinon Sp(u) 6= ∅). Comme u(x0 )2 = −αk0 u(x0 ) − βk0 x0 ∈ F . F est stable
par u

Théorème de réduction des isométries

1. Soit u ∈ O(E), ∃k ∈ N, ∃(θ1 ; ...; θk ) ∈ Rk , ∃B b.o.n de E

 
Rθ1 0 0 0 0 0 0 0 0

 0 . .. 
 0 0 0 0 0 0 0

 0 0 R θ k
0 0 0 0 0 0
 
 0 0 0 −1 0 0 0 0 0
..
 
matB (u) =  0 . 0 0
 
 0 0 0 0 0

 0
 0 0 0 0 −1 0 0 0

 0 0 0 0 0 0 1 0 0
..
 
.
 
 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1

386 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

2. Soit M ∈ On (R), ∃P ∈ On (R)/P −1 M P = tP M P soit de la forme précédente. On dit

que M est orthosemblable à une telle matrice

Preuve :
1. Par récurrence sur la dimension de E
dim E = 1, dans toute b.o.n de E, mat(u) = (−1) ou (1)
Supposons la propriété vraie si dim E ≤ n. Soit E espace euclidien tel que dim E = n + 1,
u ∈ L(E). D'après le lemme, il existe F sous-espace vectoriel de dimension 1ou 2 stable 
1 0
par u. Dans une b.o.n B1 de F, matB1 (u) = (1) ou (−1), si dim F = 1 et si
0 −1
dim F = 2 et u|F est indirecte et Rθ si dim F = 2 et u|F est directe
Par ailleurs F ⊥ est stable par u et u|F ∈ O(F ⊥ ) comme dim F ⊥ ≤ n, d'après (HR), ∃B2
b.o.n de F ⊥ /matB2 (u|F ) est de la forme requise, en recollant B = B1 ∪ B2 est une b.o.n de
E dans laquelle la matrice de u est de la forme requise
2. Considérer u ∈ L(Rn ) canoniquement associée à M : u ∈ O(Rn )

Corollaire (HP)

Soit u ∈ O(E), p = codimE (Ker(u − idE ))

1. u peut s'écrire comme produit de p réexions
2. p est le nombre minimal dont u est le produit

Preuve :
1.
     
1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0
.. .. ..
. . .
     
0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0
 
 
0 0 1 0 0 0 0  0 0 1 0 0 0 0  0 0 1 0 0 0 0
 
 
0 0 0 Rθ 0 0 0
 0
= 0 0 Sθ1 0 0 0 0
= 0 0 S0 0 0 0
 
 
0 0 0 0 1 0 0  0 0 0 0 1 0 0  0 0 0 0 1 0 0
 
.. .. ..
 
. . .
     
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1

produits de 2 réexions. Avec les notations des théorème, u est le produit de 2k + s =

codim(Ker(u − idE )) réexions
m m
2. Si u = sH1 ◦ ... ◦ sHm où Hi hyperplan si x ∈ Hi alors u(x) = x et
T T
Hi ⊂ Ker(u − idE )
i=1 i=1
donc
m
\ m
X
⊥ ⊥
Ker(u − id) ⊂ ( Hi ) = Hi⊥
i=1 i=1

d'où p ≤ m

387 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Corollaire
Les réexions engendrent au sens de groupe multiplicatif O(E)

12.2.5 Orientation de l'espace

Dénition
Soit E un R-espace vectoriel de dimension nie. On choisit une base B0 , dite base de
référence (base canonique dans Rn ). Soit B une autre base de E, det B 6= 0
detB0 B > 0 : B est directe dans E orienté par B0
detB0 B < 0 : B est indirecte dans E orienté par B0

Orientation induite d'un hyperplan

Soit H un hyperplan de E, on choisit x0 ∈ E \ H . On dit que (x1 ; ...; xn−1 ) est une base
directe de H orienté par x0 si et seulement si

det(x0 ; x1 ; ...; xn−1 ) > 0

B0

Cas d'un espace euclidien

Soit E un espace euclidien orienté par une base B0 . Soient B1 et B2 deux b.o.n de E et
P = PB1 →B2 ∈ On (R), donc det P = ±1. Si B1 et B2 sont toutes les 2 directes :

det P = det B2 = det B2 det B0 = ±1

B1 B0 B1

Produit mixte

Soit (x1 ; ...xn ) ∈ E n , on a :

det(x1 ; ...; xn ) = det(x1 ; ...; xn ) det B1 = det(x1 ; ...; xn )

B2 B1 B2 B1

Ainsi (x1 ; ...; xn ) a le même déterminant dans toutes les b.o.n.d, on l'appelle produit mixte de
(x1 ; ...xn ), noté [x1 ; ...; xn ]. C'est le volume orienté du parallélépipède déni par (x1 ; ...; xn )

Exemple
En dimension 2, soit (e1 ; e2 ) b.o.n.d d'un plan euclidien orienté, (x1 ; x2 ) ∈ E 2 , si x1 6= 0 et
x2 6= 0, posons f1 = kxk
x1
et soit f2 l'unique vecteur unitaire, (f1 ; f2 ) soit une b.o.n.d
∃!θ ∈ [0; 2π[/x2 = kxk2 (f1 cos θ + f2 sin θ). On a
 
kx k kx2 k cos θ
[x1 , x2 ] =  1  = kx1 k × kx2 k sin θ
0 kx2 k sin θ 
Aire orientée du parallélogramme déni par (x1 ; x2 ). Le produit mixte est antisymétrique

388 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

Lien avec le produit scalaire

En dimension 2 : (x1 |x2 ) = kx1 k × kx2 k

[x1 , x2 ]2 + (x1 |x2 )2 = kx1 k2 kx2 k

Produit vectoriel

Soit E un espace euclidien orienté de dimension n ≥ 2. Soit (x1 ; ...; xn−1 ) ∈ E n−1 .
E → R
L'application : est une forme linéaire, donc ∃!x1 ∧ ... ∧ xn−1 ∈
x 7→ [x1 ; ...; xn−1 ; x]
E/∀x ∈ E
[x1 ; ...; xn−1 ; x] = (x1 ∧ ... ∧ xn−1 |x)

Figure 12.1  Produit vectoriel en dimension 3

Propriétés

1. ∧ est antisymétrique et alternée

2. x1 ∧ ... ∧ xn−1 = 0 ⇔ (x1 ; ...; xn−1 ) est liée
3. Si (x1 ; ...; xn−1 ) est libre x1 ∧ ... ∧ xn−1 est l'unique vecteur de E tel que
(a) ∀i ∈ [|1; n − 1|], (x1 ∧ ... ∧ xn−1 |xi ) = 0
(b) kx1 ∧ ... ∧ xn−1 k = |[x1 ; ...; xn−1 ]|
(c) (x1 ; ...; xn−1 ; x1 ∧ ... ∧ xn−1 ) est une base directe
4. (e1 ; ...; en ) est une b.o.n.d si et seulement si ∀i ∈ [|1; n|], ei = ei+1 ∧....∧en ∧e1 ∧...∧ei−1

389 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Eet d'une isométrie

Le fait qu'une isométrie soit directe ou indirecte lui est intrinsèque. Si l'espace euclidien
est orienté, une isométrie directe respecte l'orientation et une indirecte renverse l'orientation

Rotations en dimension 2

Soit E un plan euclidien orienté. Soit u ∈ SO(E). Soient B = (e1 ; e2 ) et B 0 = (f1 ; f2 )

deux b.o.n.d de E et P = PB→B0 ∈ SO2 (R). ∃!θ ∈ [0; 2π[/matB (u) = Rθ
On a matB (u) = P −1 Rθ P = Rθ ∈ SO2 (R), groupe commutatif. Ainsi u a la même matrice
Rθ dans toutes les b.o.n.d : on dit que u est la rotation d'angle orienté θ dans le plan euclidien
orienté E

BDans une b.o.n.i B 00 , on vérie matB00 (u) = R−θ . Dans tous les cas on a : tr(u) = 2 cos θ .
θ est l'unique élément ∈ [0; 2π[/∀x ∈ E \ {0}, si y vérie ( kxk
x
; y) est une b.o.n.d, on ait u(x) =
x
kxk( kxk cos θ + y sin θ)
 
cos θ − sin θ
mat( kxk ;y) (u) = Rθ =
x
sin θ cos θ

Produit mixte en dimension 3

On dénit le produit mixte de 3 vecteurs est dénit comme :

[x, y, z] = det(x, y, z) = (x|y ∧ z)

B0

Produit vectoriel en dimension 3

   0
x x
En dimension 3, le produit vectoriel de deux vecteurs u = y  et v = y 0 
z z0
   0  0
yz − y 0 z

x x
u ∧ v = y  ∧ y 0  = zx0 − xz 0 
z z0 xy 0 − x0 y

Double produit vectoriel

∀(u, v, w) ∈ E 3 , (u ∧ v) ∧ w = (u|w)v − (v|w)u

390 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

Produit vectoriel, produit scalaire et angle

1. ∀(x, y) ∈ E 2 , (u|v) = kuk × kvk cos(u, v)

2. ∀(x, y) ∈ E 2 , u ∧ v = kuk × kvk| sin(u, v)|n, où n est la direction de u ∧ v dénit par la
règle des trois doigts, unitaire

12.2.6 Réduction, des isométries de l'espace

Isométries directes

Soit E un espace euclidien orienté de dimension 3, u ∈ SO(E) \ {id}. On a :

1. dim Ker(u − id) = 1, D = Ker(u − id) est une droite vectorielle appelée axe de u. Soit
P = D⊥ . On choisit f3 unitaire ∈ D et on oriente P par f3
2. P est stable par u et u|P est une isométrie directe de P
3. ∃!θ ∈]0; 2π[/u|P est la rotation d'angle θ dans P orienté par f3 . On dit alors que u est
la rotation d'axe D orientée par f3 , d'angle θ
4. Soit (f1 , f2 ) une b.o.n.d de P orienté par f3 , on a
 
cos θ − sin θ 0
mat(f1 ,f2 ,f3 ) (u) =  sin θ cos θ 0
0 0 1

tr(u) = 1 + 2 cos θ

Figure 12.2  Rotation en dimension 3

Preuve :
1. Soit B = (e1 ; e2 ; e3 ) une b.o.n de E et A = matB (u) ∈ SO3 (R)

det(A − I3 ) = det A det(I3 − A−1 ) = det(I3 − tA) = − det(A − I3 ) = 0

391 MP∗ B.DufourJules

12.2. ISOMÉTRIES CHAPITRE 12. ESPACES EUCLIDIENS

Comme u 6= id, dim Ker(u−id) = 1 ou 2. Si on avait dim Ker(u−id) = 2 comme u ∈ O(E) :

Ker(u − id)⊥ est stable par u et u|Ker(u−id)⊥ = ±idKer(u−id)⊥
Si u|D0 = idD0 alors u = id, non
Si u|D0 = −idD0 alors u est la réexion par rapport à Ker(u − id), det u = 1, non plus
Nécessairement dim Ker(u − id) = 1
2. D est stable par u ∈ O(E), donc P = D⊥ est stable par u. Dans une b.o.n adaptée à
E =P ⊕D :
 
A 0
matB (u) =  0
0 0 1

et det A = det u = 1, donc u|P ∈ SO(P ). De plus u|P 6= idP , sinon u = id

BLa rotation d'axe D orientée par f3 d'angle θ est aussi la rotation d'axe D orienté par −f3
d'angle −θ

Remarque
En pratique, on détermine d'abord D = Ker(u − id), on a cos θ = tr(u)−1 2 ce qui dénit θ au
signe près. On choisit f3 unitaire ∈ D et f1 ∈ {f3 }⊥ unitaire et f2 = f3 ∧ f1 de sorte que (f1 , f2 )
soit une b.o.n.d unitaire de P orienté par f3 . On a :

sin θ = (u(f1 )|f2 ) = (f3 ∧ f1 |u(f1 )) = [f3 , f1 , u(f1 )]

Exemple
Reconnaître l'endomorphisme u dont la matrice dans la base canonique de R et A =
3

2 −1 −2
1
2 2 1 . On vérie que A ∈ SO3 (R). On résout :
3
1 −2 2
      
x
−1 1 2 x 0
(A − I3 ) y  = 0 0 0 ⇔  2 −1 −1 y  = 0
z 1 −2 −1 z 0

−x − y + 2z = 0

⇔ 2x − y − z =0

x − 2y − z =0

(
−x − y + 2z = 0
⇔
2x − y − z =0
(
x + y + 2z = 0
⇔
−3y − 3z =0
(
y = −z/z ∈ R
⇔
x =z

392 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.2. ISOMÉTRIES

   
1 1
f3 = √13  1  et f1 = √1 0
2
−1 1
     
1 1 1
On dénit f2 = f3 ∧ f1 = √16  1  ∧ 0 = √16 −2
−1 1 −1
D = V ect[f3 ] et P = D⊥
tr(A)−1
(f1 , f2 ) b.o.n.d
 de P orienté
  par f3 . On a cos θ = 2 = 2
1
⇒ θ ± π3
0 0 1
 1 0 √
Af1 = 3√ 1  
3 = √1 1, sin θ = [f3 , f1 , u(f1 )] = √ 1 
1 0 1 = − 23
2 2 2 3 
3 1 −1 1 1

π
θ=−
3

Remarque
u est unretournement
 si et seulement si dans une bonne base orthonormée sa matrice est de
−1 0 0
la forme :  0 −1 0 si et seulement si tr(u) = −1, c'est alors la symétrie orthogonale par
0 0 1
rapport à D
Toute rotation est le produit de 2 réexions, les retournements engendrent SO3 (R). On a :
     
Rθ 0 Sθ 0 S0 0
= 2 ×
0 1 0 1 0 −1

Isométries indirectes

Soit u une isométrie indirecte de E (euclidien orienté de dimension 3)

det(−u) = − det u = 1, −u ∈ SO(E)

Soit −u = id et u = −id (produit de 3 réexions. Ou bien -u est une rotation d'axe D orienté
par f3 , d'angle θ. Dans une b.o.n.d adaptée :
 
cos θ − sin θ 0
matB (−u) =  sin θ cos θ 0
0 0 1
 
    1 0 0
Rθ+π 0 Rθ+π 0
matB (u) = = = 0 1 0
0 −1 0 1
0 0 −1
u est le produit commutatif d'une rotation et d'une réexion de plan orthogonal à l'axe de
rotation (rotation-miroir). Notons que u est une réexion si et seulement si tr(u) = 1. Il
sut alors d'identier Ker(u − id)

393 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

12.3 Endomorphismes auto-adjoint

12.3.1 Dénition, propriétés
Dénition

Soit E un espace euclidien et u ∈ L(E), on dit que u est auto-adjoint ou symétrique si

et seulement si
∀(x; y) ∈ E 2 : (u(x)|y) = (x|u(y))
On note S(E) l'ensemble de ces endomorphismes, c'est un sous-espace vectoriel de L(E)

Exemples
1. Les homothéties
2. Les projecteurs et symétries orthogonales. En eet soit F sous-espace vectoriel de E et pF
(resp. sF ) projecteur orthogonal sur F (resp. symétrie orthogonal par rapport à F). Soit
x = x1 + x2 /x1 ∈ F et x2 ∈ F ⊥ et y = y1 + y2 /y1 ∈ F et y2 ∈ F ⊥
(pF (x)|y) = (x1 |y) + (x2 |y) = (x1 + x2 |y1 ) = (x|pF (y))
(sF (x)|y) = (x1 − x2 |y1 + y2 ) = (x|sF (y))

Remarque
Soit u ∈ O(E), si u est auto-adjoint

∀(x; y) ∈ E 2 , (x|y) = (u(x)|u(y)) = (u(x)2 |y)

Ceci valant ∀(x; y) ∈ E, ∀x ∈ E, u(x)2 = x : u2 = idE , donc u est une symétrie. De plus
∀(x1 ; x2 ) ∈ Ker(u − id) × Ker(u + id)

(u(x1 )|x2 ) = (x1 |x2 ) = (x1 |u(x2 )) = −(x1 |x2 )

donc (x1 |x2 ) = 0, E = Ker(u − id) ⊕ Ker(u + id) u est une symétrie orthogonale. On retiendra
qu'une isométrie auto-adjointe est une symétrie orthogonale

Caractérisation matricielle

Soit E un espace euclidien, B , b.o.n de E, u ∈ L(E) et A = matB (u)

u est auto-adjoint ⇔ A ∈ Sn (R) ⇔ tA = A

Preuve :

u ∈ S(E) ⇔ ∀(x; y) ∈ E 2 , (u(x)|y) = (x|u(y))

⇔ ∀(X; Y ) ∈ Mn,1 (R), t(AX)Y = tX(AY )
t
⇔ X t AY = tXAY
t
⇔ A=A

394 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.3. ENDOMORPHISMES AUTO-ADJOINT

Remarque
Si A ∈ On (R)∩Sn (R), alors d'après ce qui précède, l'endomorphisme u canoniquement associé
est une symétrie orthogonale

Exemples
 
2 −2 1
1
A= −2 −1 2 ∈ On (R) ∩ Sn (R). On cherche uniquement Ker(u − id), det A = −1,
3
1 2 2
c'est une réexion

12.3.2 Théorème spectral

Lemme 1

Soit u ∈ S(E) auto-adjoint et F stable par u, alors F ⊥ est stable par u

Preuve : soit (x; y) ∈ F × F ⊥ , (x|u(y)) = (u(x)|y) = 0 donc u(y) ∈ F ⊥

Lemme 2

Soit u ∈ S(E), alors u admet au moins une valeur propre réelle

Preuve : soit B b.o.n de E et A = matB (u) ∈Sn (R)

 . Soit λ ∈ SpC (A) et X ∈ Mn,1 (C) \
x1
n
{0}/AX = λX . Il vient : tXAX = λtXX , si X =  ...  , tXX = |xi |2 > 0
  P
i=1
xn
On transpose et on conjugue : XAX = λ XX = λ XX , donc λ = λ et λ ∈ R
t t t

Ainsi SpR (A) 6= ∅ et Sp(u) 6= ∅

Théorème

1. Soit E un espace euclidien et u ∈ L(E) auto-adjoint. Alors ∃(λ1 ; ...; λn ) ∈ Rn , ∃B b.o.n

de E, telle que  
λ1 0 0
matB (u) =  0 . . . 0 
 

0 0 λn
Un endomorphisme auto-adjoint est diagonalisable dans une b.o.n
2. Soit A ∈ Sn (R), ∃(λ1 ; ...; λn ) ∈ Rn
 
λ1 0 0
∃P ∈ On (R), /P −1 AP =  0 ..
.
 
0
0 0 λn

395 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

Preuve : par récurrence sur la dimension de E. C'est vrai si dim E = 1.

Supposons que c'est vrai si dim E ≤ n ∈ N∗ . Soit E un espace euclidien de dimension n + 1 et
u ∈ S(E). D'après le lemme 2, ∃λ ∈ Sp(u) et soit F = Ker(u − λid) 6= {0} est stable par u.
D'après le lemme 1, F ⊥ est stable parce que dim F ⊥ ≤ n, u|F ⊥ est auto-adjoint, d'après l'hypo-
thèse de récurrence, on peut conclure

Remarque
Les sous-espaces propres de u sont 2 à 2 orthogonaux, on peut le vérier directement ; si
x ∈ Ker(u − λid) et y ∈ Ker(u − µid), λ =
6 µ, u ∈ S(E)

(u(x)|y) = λ(x|y) = (x|u(y)) = µ(x|y)

d'où (x|y) = 0

12.3.3 Formes quadratiques associées à un endomorphisme auto-adjoint

(HP)
Dénition

Soit E un espace euclidien, u ∈ L(E) auto-adjoint (resp. A ∈ Sn (R) symétrique réelle).

ϕ : E2 → R
On lui associe
(x, y) 7→ (u(x)|y) = (x|u(y)) = (u(y)|x)
q : E → R
et
x 7→ (u(x)|x)
ϕ : (Rn )2 → R
(resp.
(X, Y ) 7→ (AX|Y ) = tY AX = tXAY ∈ R
q : Rn → R
et où on identie Mn,1 (R) à Rn )
X 7→ tXAX
On dit que u (resp. A) est positif ou déni positif si et seulement si q l'est, id est :

∀x ∈ E, (u(x)|x) ≥ 0 ou ∀x ∈ E \ {0}, (u(x)|x) > 0

(resp. ∀X ∈ Rn , tXAX ≥ 0 ou ∀X ∈ Rn \ {0}, t XAX > 0)
On note Sn+ (R) (resp. Sn++ (R)) l'ensemble des matrices symétriques positives (resp. dénie
positive)

Théorème de caractérisation

1. Soit u ∈ L(E) auto-adjoint (resp. A ∈ Sn (R)) : u est positif (resp. déni positif) si et
seulement si Sp(u) ⊂ R+ (resp. Sp(u) ⊂ R∗+ )
2. A est positive (resp. dénie positive) si et seulement si Sp(A) ⊂ R+ (resp. Sp(A) ⊂ R∗+ )

Preuve : si A ∈ Sn+ (R) (resp. Sn++ (R)), soit λ ∈ Sp(A) et X un vecteur propre associé,
XAX = λtXX ≥ 0 (resp. > 0), donc h≥ 0 (resp. λ > 0)
t

Réciproquement si Sp(A) ⊂ R+ (resp. R∗+ ), soit (e1 ; ...; en ) une b.o.n de Rn formée de vecteurs

396 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.3. ENDOMORPHISMES AUTO-ADJOINT

propres de A, ∀i ∈ [|1; n|], Aei = λi ei

n
Soit X ∈ Rn , avec X = xi ei . On a :
P
i=1

n
X
AX = λi xi ei
i=1

n
t
x2i λi ≥ 0 (resp. > 0 si X 6= 0)
P
XAX = (AX|X) =
i=1

Racine carrée d'un endomorphisme auto-adjoint positif

√
Soit A ∈ Sn+ (R), ∃!B ∈ Sn+ (R)/B 2 = A. On note B = A

Preuve :

Existence d'après le théorème spectral, ∃(λ1 ; ...λn ) ∈ Rn+ , ∃P ∈ On (R)

   
λ1 0 0 λ1 0 0
..  −1 .. t
A=P0 . 0 P = P  0 . 0P
 

0 0 λn 0 0 λn
√  √ 
λ1 0 0 λ1 0 0
Posons B = P  0 ..  −1 t ..
 P ∈ Sn (R)
.
P = P  0 .
 
√0 √0
0 0 λn 0 0 λn
√ √
Sp(B) = { λ1 ; ...; λn } ⊂ R+ , donc B ∈ Sn+ (R) et B 2 = A

Unicité soit u ∈ L(Rn ) canoniquement associé à A, u ∈ S(E) et Sp(u) ⊂ R+ . D'après ce qui

précède, ∃v ∈ S + (E) (auto-adjoint positif) tel que v 2 =√u (si (e1 ; ...en ) est une b.o.n de vecteurs
propres de u et ∀i ∈ [|1; n|], u(ei ) = λi ei , alors v(ei ) = λi ei )
Soit x ∈ S + (E)/w2 = u = v 2 . Notons µ1 ; ...; µp , les valeurs propres distinctes positives ou nulles
de w. Les valeurs propres de u sont µ21 ; ...; µ2p distinctes car µi ≥ 0
Soit i ∈ [|1; p|] et x ∈ E, w(x) = µi x ⇒ u(x) = w2 (x) = µ2i x, donc

Ker(u − µi id) ⊂ Ker(u − µ2i id)

w est auto-adjoint donc diagonalisable et

p
M p
M
Rn = Ker(w − µi id) ⊂ Ker(w − µ2i id)
i=1 i=1

somme directe car les (µ2i ) sont deux à deux distincts. Nécessairement :
p
M
Rn = Ker(w − µ2i id)
i=1

397 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

∀i ∈ [|1; p|], Ker(w − µi id) = Ker(w + µi id), w et u ont donc les mêmes sous-espaces propres :
√
∀λ ∈ Sp(u) : Ker(u − λid) = Ker(w − λid)

Ceci vaut aussi pour v :

√
Ker(v − λid) = Ker(w − λid) = Ker(u − λid)

v et w coïncident sur les sous-espaces propres de u, dont la somme vaut Rn

Finalement : w = v (A ∈ Sn++ (R) ⇒ B ∈ Sn++ (R))

12.3.4 Décomposition polaire (HP)

Théorème

1. Soit A ∈ GLn (R), ∃!(O, S) ∈ On (R) × Sn++ (R)/A = SO

2. Soit A ∈ Mn (R), ∃(O, S) ∈ On (R) × Sn+ (R)/A = SO

Preuve :
1. Si S et O existent : A = SO, tA = tOtS = O−1 S , donc AtA = SOO−1 S = S 2
Or t(AtA) = AtA, donc AtA ∈ Sn (R). De plus, si X ∈ Mn,1 (R) \ {0}
t
XAtAX = t(tAX)tAX = ktAXk2 > 0

car tA ∈ GLn (R) et X 6= 0, donc t AX 6= 0. Ainsi AtA ∈ Sn++ (R) et nécessairement :

√
S = tAA et O = S −1 A

ce qui montre l'unicité. Réciproquement, dénissons ainsi S et O, S ∈ Sn++ (R) et A = SO

Ot0 = S −1 AtAtS −1 = S −1 S 2 S −1 = In ⇒ O ∈ On (R)

On a l'analogue de la forme exponentielle pour les nombres complexes

2. Soit pour p ∈ N∗ , Ap = A − p1 In −→ A. Comme SpR (A) est ni, ∃p0 ∈ N∗ /∀p ≥ p0 , Ap ∈
p→+∞
GLn (R). On peut décomposer Ap d'après le 1. :

∃!(Sp ; Op ) ∈ Sn++ (R) × On (R)/Ap = Sp Op

Comme On (R) est compact, on extrait : Oσ(p) −→ O ∈ On (R)

p→+∞
−1
Or ∀p ≥ p0 , Sσ(p) = Aσ(p) Oσ(p) , la passage à l'inverse étant continu (utiliser la formule de
la comatrice ou les opérations élémentaires du pivot de Gauss-Jordan ),

lim Sσ(p) = AO−1

p→+∞

Sn (R) est un sous-espace vectoriel de dimension nie de Mn (R), donc fermé : S ∈ Sn (R)

∀X ∈ Mn,1 (R), ∀p ≥ p0 , tXSσ(p) X ≥ 0

X étant xé, quand p → +∞, tXSX ≥ 0 et S ∈ Sn+ (R) et A = SO

398 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.3. ENDOMORPHISMES AUTO-ADJOINT

Remarque
√
Si A ∈
/ GLn (R), on a unicité pour S = tAA, mais pas pour O (cf On = 0 × In = 0 × ×(−In ))

12.3.5 Réduction des endomorphismes antisymétriques (HP)

Dénition

Soit E un espace euclidien, u ∈ L(E) est antisymétrique si et seulement si

∀(x; y) ∈ E 2 , (u(x)|y) = −(x|u(y))

Lien avec Mn (R)

Soit B = (e1 ; ...; en ) une b.o.n de E, A = matB (u)
∀(i, j) ∈ [|1; n|]2 , ai,j = (u(ei )|ej ) = −(ei |u(ej )) = −(u(ej )|ei ) = −ai,j
d'où tA = −A, et réciproquement

Spectre
Soit λ ∈ Sp(u), x ∈ E \ {0}/u(x) = λx, (u(x)|x) = −(x|u(x)) = 0 = λkxk22 , d'où
Sp(u) ⊂ {0}
En dimension impaire χu (X) ∼±∞ X n , donc χu admet au moins une racine réelle en dimension
impaire, par suite dans ce cas on a : Sp(u) = {0}

Réduction des endomorphismes antisymétriques

Soit u ∈ L(E) endomorphisme antisymétrique, alors il existe B b.o.n de E telle que :

 
0 −a1
a1 0 
.
 

 .. 

 
 0 −ak 
matB (u) =  

 ak 0 

 0 
..
 
.
 
 
0

Preuve : Par récurrence sur la dimension de E

dim E = 1, alors u = 0, oui
Supposons que le résultat est vrai si dim E ≤ n. Soit E un espace euclidien tel que dim E = n + 1.
On sait que u admet au moins un sous-espace propre F de dimension 1 ou 2 stable par u
dim F = 1 ⇒ u|F = 0  
0 −ar
dim F = 2, alors dans une b.o.n BF adaptée de F, mat(u|F ) = ∈ A2 (R)
ar 0

399 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

Lemme F ⊥ est stable par u. Soit x ∈ F ⊥ , ∀y ∈ F, (x|y) = 0, (u(x)|y) = −(x|u(y)) = 0, d'où le

lemme
En appliquant l'hypothèse de récurrence et en recollant les bases, on a le résultat souhaité

Exponentielle
Soit A ∈ An (R), la transposition étant linéaire et continue : t(eA )eA = In . Alors

+∞ +∞ t n
X An X ( A)
t A
e = t( )= = e−A
n! n!
k=0 k=0

det(teA ) = etr(A) = 1, car tr(A) = 0

exp An (R) ⊂ SOn (R)

 
0 −a
A= = aR π2 , donc A2p = (−1)p a2p I2 et A2p+1 = (−1)p a2p+1 R π2
a 0

+∞
Ak
 
X cos a − sin a
exp A = = cos aI2 + sin aR π2 =
k! sin a cos a
k=0

Soit A ∈ SOn (R), ∃P ∈ On (R), ∃(θ1 ; ...; θk ) ∈ Rk , tel que

 
Rθ 1 0 0 0 0 0
..
.
 
 0 0 0 0 0
  −1
 0
A=P 0 0 1 0 0P
..
.
 
 0 0 0 0 0
0 0 0 0 0 1
 
0 −a1
a1 0 
..
 
.
 
 
 
0 −ak
On pose : M = P 
  −1
P

 ak 0 

 0 
..
 
.
 
 
0
 
0 −a1
a1 0 
..
 
.
 
 
 
0 −ak
alors tM = P   P = −M , donc M ∈ An (R)
 t

 ak 0 

 0 
..
 
.
 
 
0

400 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.3. ENDOMORPHISMES AUTO-ADJOINT

 
0 −a1
a1 0 
..
 
.
 
 
 
 0 −ak  −1
exp M = P  P = A

 ak 0 

 0 
..
 
.
 
 
0
exp An (R) = SOn (R)

12.3.6 Matrices de Gram et Sn+ (R) (HP)

Soit A = (ai,j ) ∈ Sn (R), notons (e1 ; ...; en ) la base canonique de Rn
√ √ √ √ √ √
ai,j = (Aej |ei ) = t Aej = t ei A Aej = t ( Aei ) Aej = ( Aei | Aej )
√ √
Ainsi A = Gram( Ae1 ; ...; Aen ) et d'après l'inégalité de Hadamard
n n n
Y √ 2 Y √ √ Y
0 ≤ det A ≤ k Ak = ( Aei | Aei ) = ai,i
i=1 i=1 i=1

n
√ √
est orthogonale
Y
det A = ai,i ⇔ ( Ae1 ; ....; Aen )
i=1
√ √
⇔ ∀i 6= j, ( Aei | Aej ) = ai,j = 0
⇔ A est diagonale
Réciproquement si (x1 ; ...x
 p )∈ E , Gram(x1 ; ...; xp = ((xi |xj ))i,j ∈ Sp (R).
p

y1
 .. 
Soit Y ∈ Mp,1 (R), Y =  . 
yp
X p
X
t
Y Gram(x1 ; ...; xp )Y = yi yj (xi |xj ) = k yi xi k 2 ≥ 0
(i,j)∈[|1;p|]2 i=1

donc Gram(x1 ; ...xp ) ∈ Sp+ (R). Si de plus (x1 ; ...xp ) est libre, Gram(x1 ; ...; xp ) ∈ Sp++ (R)

12.3.7 Théorème d'intercalation des valeurs propres (HP)

Classement des valeurs propres

Soi A = (ai,j ) ∈ Sn (R), on lui associe la forme quadratique

q : Rn  → R
x1
 .. 
7→ q(X) = t XAX =
P
X= .  yi yj xi xj
(i,j)∈[|1;p|]2
xn

401 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

Soit F un sous-espace vectoriel de Rn , on dénit ϕ(F ) = max t

XAX dénie car q
X∈F/kXk=1
est continue sur S(0; 1) compacte. Notons λ1 ≤ ... ≤ λn , les valeurs propres de A avec
multiplicité
∀k ∈ [|1; n|], λk = min ϕ(F )
F sev de Rn / dim F =k

Preuve : Soit (e1 ; ...; en ) une b.o.n de vecteurs propres de A, avec ∀i ∈ [|1; n|], Aei = λi ei .
n n
Si X = xi ei , q(X) = t XAX = λi x2i . Soit F un sous-espace vectoriel de dim = k de
P P
i=1 i=1
Rn , dim V ect[ek ; ...; en ] = n − k + 1, donc F ∩ V ect[ek ; ...en ] 6= {0} (sinon la somme serait de
n n
dimension n+1). Soit x unitaire dans F ∩V ect[ek ; ...en ], on a x2i = 1 ⇒ q(X) ≥ λk x2i = λk
P P
i=1 i=k
k
et ϕ(F ) ≥ λk . De plus, soit Fk = V ect[e1 ; ...; ek ] de dimension k, ∀X = xi ei ∈ Fk , avec
P
i=1
kXk2 = 1
k
X k
X
q(X) = λi x2i ≤ λk x2i = λk
i=1 i=1
d'où ϕ(Fk ) = λk , de plus q(ek ) = λk , CQFD

Remarque
k = 1, λ1 = min q(X)
kXk2 =1
k = n, λn = minkXk2 =1 q(X) = ϕ(Rn )

Théorème

Soit A = (ai,j ) ∈ Sn (R), λ1 ≤ ... ≤ λn valeurs propres avec multiplicité. Soit A0 = (ai,j ) ∈
Sn−1 (R), µ1 ≤ ... ≤ µn−1 ses valeurs propres. On a

λ1 ≤ µ1 ≤ λ2 ≤ ... ≤ λk ≤ µk ≤ λk+1 ≤ ... ≤ µn−1 ≤ λn

On dit que les valeurs propres de A' sont intercalées entre les valeurs propres de A. Notons
π(X 0 ) = X , bijective de Rn−1 → G

Preuve : soit (e1 ; ...en ) base canonique de Rn et G = V ect[ei ]i∈[|1;n|]\{i0 } .

 
x1
 .. 
 . 
 
xi0 −1 
Soit X = 
 0  ∈ G, il vient
 

xi0 +1 
 . 
 
 .. 
xn
X
t
XAX = yi yj xi xj = t X 0 A0 X 0
(i,j)∈([|1;p|]\{i0 })2

402 MP∗ B.DufourJules

CHAPITRE 12. ESPACES EUCLIDIENS 12.3. ENDOMORPHISMES AUTO-ADJOINT

 
x1
 .. 
 . 
 
xi0 −1 
où X = 
0   ∈ Mn−1 (R). Soit k ∈ [|1; n−1|], montrons que λk ≤ µk . Soit F un sous-espace
xi0 +1 

 . 
 .. 
xn
vectoriel de dimension k de Rn−1 et F 0 = π(F ) sous-espace vectoriel de dimension k de G donc
de Rn . D'après ce qui précède, max t 0 0 0
XAX = max t
XAX ≤ λk . Ceci valant pour
X∈F,kXk2 =1 X∈F,kXk2 =1
tout les sous-espaces vectoriels de dimension k de Rn−1 , µk ≥ λk
Montrons maintenant que µk ≤ λk+1 . Soit F un sous-espace vectoriel de dimension k+1 de Rn
si F ⊂ G, ϕ(F ) ≥ µk+1 ≥ µk
sinon, G est un hyperplan de Rn , F + G = Rn , d'après la formule de Grassmann, n = dim F +
dim G − dim F ∩ G, dim F ∩ G = k et ϕ(F ) ≥ ϕ(F ∩ G) ≥ µk . Ceci valant pour tout espace de
dimension k + 1 de Rn , λk+1 ≥ µk

Exemples
 
2 −1
1. , χ = X 2 − 4X + 3 = (X − 1)(X − 3), donc λ1 = 1 et λ2 = 3, µ1 = 2
−1 2
√ √ √
 
2 −1
2. , ψ = X 2 − 2X − 1 = (X − (1 + 2))(X − (1 − 2)), donc λ1 = 1 − 2 et
−1 0
√
λ2 = 1 + 2 avec µ1 = 0 et µ2 = 2

403 MP∗ B.DufourJules

12.3. ENDOMORPHISMES AUTO-ADJOINT CHAPITRE 12. ESPACES EUCLIDIENS

404 MP∗ B.DufourJules

Chapitre 13

Calcul diérentiel
Dans tout ce chapitre E désigne un espace vectoriel normé de dimension nie et U un
ouvert de E

Sommaire
13.1 Diérentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
13.1.1 Dénitions, exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
13.1.2 Dérivée directionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
13.1.3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
13.1.4 Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 401
13.1.5 Composition des diérentielles . . . . . . . . . . . . . . . . . . . . . . 402
13.1.6 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
13.2 Classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
13.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
13.2.2 Théorème de caractérisation . . . . . . . . . . . . . . . . . . . . . . . . 408
13.2.3 Inégalité des accroissements nis . . . . . . . . . . . . . . . . . . . . . 410
13.2.4 Condition nécessaire d'extremum . . . . . . . . . . . . . . . . . . . . . 411
13.2.5 Matrice jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
13.2.6 Dérivation au sens complexe (HP) . . . . . . . . . . . . . . . . . . . . 415
13.3 Classe C k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
13.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
13.3.2 Théorème de Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . 418
13.3.3 Exemples à connaître . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
13.4 Vecteurs tangents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
13.4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
13.4.2 Cas d'une ligne ou surface équipotentielle . . . . . . . . . . . . . . . . 423
13.4.3 Application à la recherche d'extremums (HP) . . . . . . . . . . . . . . 425

405
13.1. DIFFÉRENTIABILITÉ CHAPITRE 13. CALCUL DIFFÉRENTIEL

13.1 Diérentiabilité
13.1.1 Dénitions, exemples
Dénition

Soit a ∈ U , on dit que f est diérentiable en a si et seulement si

∃l ∈ L(E, F )/f (a + h) = f (a) + l(h) + o(h)

Dans ce cas l'application l est unique, on l'appelle diérentielle de f au point a et on la note

l = dfa . On a :
f (a + h) = f (a) + dfa + o(h)

Preuve : si l1 , l2 ∈ L(E, F )2 vérient :

f (a + h) = f (a) + l1 (h) + khkε1 (h)
f (a + h) = f (a) + l2 (h) + khkε2 (h)
On a (l1 − l2 )(h) = khk(ε2 − ε1 (h). Fixons h ∈ E , pout t ∈ R susamment petit, a + th ∈ U et
(l1 − l2 )(h) = khk(ε2 − ε1 (th) −→ 0, ceci valant ∀h ∈ E, l1 = l2
t→0+

Remarque
Cette dénition ne dépend pas de la norme, car dim E < +∞

Exemples
1. Si f ∈ L(E, F ), ∀(a, h) ∈ E 2 , f (a + h) − f (a) = f (h), donc f est diérentiable en tout point
et ∀a ∈ E, dfa = f
2. Pour les applications anes, f = g + α/α ∈ F, g ∈ L(E, F ), ∀a ∈ E, dfa = g
3. Si E = R, f est diérentiable en a si et seulement si ∃dfa ∈ L(R, F )/

f (a + h) = f (a) + dfa (h) + o(h) ⇔ f (a + h) = f (a) + λh + o(h)

si et seulement si dfa (h) = f 0 (a)h

4. Soit k.k : E → R une norme. Si elle était diérentiable en , ∃l ∈ L(E, F )/

khk = k0k + l(h) + khkε(h)

Fixons h ∈ E, ∀t ∈ R∗
kthk = |t|khk = tl(h) + |t|khkε(ht)
Pour t > 0, khk = l(h) + khkε(th) −→ l(h)
t→0
Pour t < 0, khk = −l(h) + khkε(ht) −→ −l(h)
t→0
donc khk = −khk = l(h), non il sut de prendre h 6= 0, on retiendra qu'une norme n'est
jamais diérentiable à l'origine
5. Soit q une forme quadratique de forme bilinéaire associée ϕ. Soit a ∈ E

q(a + h) = ϕ(a + h, a + h) = q(a) + q(h) + 2ϕ(a, h)

406 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.1. DIFFÉRENTIABILITÉ

Or pour h 6= 00, q(h) = khk(khkq( khk

h
)) = khkε(h), q est continue (polynôme en les coor-
données), donc bornée sur S(0; 1) et si M = sup |q(x)|, |ε(h)| ≤ M khk −→ 0.
kxk=1 h→0
Ainsi q(a + h) = q(a) + 2ϕ(a, h) + o(h), q est diérentiable en a et dfa : h → 2ϕ(a, h). En
particulier k.k2 est diérentiable en tout point et dk.k2 = 2(a|h)

Remarque
La diérentiabilité en un point équivaut à l'existence d'un dl1 en ce point :
f (a + h) − f (a) = dfa (h) + o(h)
C'est la meilleure approximation linéaire de f (a + h) − f (a) quand h → 0. Dans le cas d'un
f : ⊂ R2 → R
graphe,
(x; y) 7→ f (x; y)
On dénit le graphe de f : Γ = {(x, y, z) ∈ R3 /(x, y) ∈ U et z = f (x, y)}
f (a + h, b + k) = f (a, b) + l(h, k) + o(h, k) = f (a, b) + hα + hβ + o(h, k)

13.1.2 Dérivée directionnelle

Dénition

Soit U ouvert de E, f : U → F , a ∈ U et h ∈ E xé. On dit que f admet une dé-

rivée selon la direction (ou selon le vecteur ) h au point a si et seulement si l'application
] − α; α[ → F
est dérivable en 0, on note alors ϕ0 (0) = Dh f (a)
t 7→ ϕ(t) = f (a + th)

f (a + th) − f (a)
Dh f (a) = lim
t→0 t
dérivée selon la direction h de f au point a. On se rapproche de a selon la direction h, Dh f (a)
est la pente de f en a dans la direction de h

Théorème

Si f est diérentiable en a, alors ∀h ∈ E , f admet une dérivée selon la direction h en a et

Dh f (a) = dfa (h)

Preuve : xons h ∈ E , si f est diérentiable en a,

f (a + th) = f (a) + tdfa (t) + o(th)
d'où lim f (a+th)−f
t
(a)
= dfa (h) BLa réciproque est fausse ! On peut avoir existence de Dh f (a), ∀h ∈
t→0
E , sans que f soit diérentiable en a ! ! !
f : R2 → R
(x; y) 7→ y si y 6= 0 Soit (h, k) ∈ R2 et t 6= 0, f (th, tk) = thk = ϕ(t) si k 6= 0, ϕ est
2
x2

(x; 0) 7→ 0
2
dérivable en 0 et ϕ (0) = Dh,k f (0; 0) = hk ; f (th, 0) = 0 si h = 0, ici D(h,0) f (0; 0) = 0
0

f admet une dérivée directionnelle dans toutes les directions, mais ∀x 6= 0, f (x, x3 ) = x1 ne tend
pas vers f (0, 0) = 0 quand x → 0, f n'est pas continue en 0, donc pas diérentiable

407 MP∗ B.DufourJules

13.1. DIFFÉRENTIABILITÉ CHAPITRE 13. CALCUL DIFFÉRENTIEL

13.1.3 Dérivées partielles

Dénition

Soit f : U ⊂ E → F , a ∈ U et B = (e1 ; ...; en ) une base de E (base canonique lorsque

E = Rn ). On dit que f admet une dérivée partielle selon la i-ième variable (où i ∈ [|1; n|]) au
point a si et seulement si elles y admet une dérivée selon le vecteur ei , on la note alors

Di f (a) = Dei f (a)

Cas de Rn

Dans le cas particulier (fort fréquent) où E = Rn , f admet une dérivée partielle en

a = (a1 ; ...; an ) selon la i-ième variable si et seulement si :
ϕ : ] − α; α[ → F
est dérivable en 0 (et
t 7→ f (a + tei ) = f (a1 ; ...; ai + tei ; ...; an )
ϕ0 (0) = Di f (a)) si et seulement si la i-ième application partielle de f en a
fai : ]ai − α; ai + α[ → F
est dérivable en ai , alors
xi 7→ f (a1 ; ...; xi ; ...; an )

Di f (a) = fa0 i (a)

Notation des variables

Si on nomme les variables (x1 ; ...; xn ) (i.e qu'on note
f : U → F
. On notera Di f (a) = ∂xi (a),
∂f
dérivée partielle
(x1 ; ...; xn ) 7→ f (x1 ; ...; xn )
selon la i-ème variable en a

Théorème

Si f est diérentiable en a, elle admet des dérivées partielles selon toutes les variables en
a et ∀i ∈ [|1; n|]
Di f (a) = dfa (ei )
n
Par ailleurs
P
hi ei ∈ E
i=1
n
X
dfa (h) = Di f (a)hi
i=1

Preuve : cela découle du 13.1.2.2 et de la linéarité de dfa

408 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.1. DIFFÉRENTIABILITÉ

Notation diérentielle

Si les variables sont notées (x1 ; ...; xn ), (pour f : U ⊂ Rn → F ).

dxi : Rn → F
On dénit ∀i ∈ [|1; n|], forme linéaire. Le théorème précédant
(x1 ; ...; xn ) 7→ xi
s'écrit, ∀h = (h1 ; ...; hn ) ∈ Rn
n
X ∂f
dfa (h) = (a)hi
i=1
∂xi

n
X ∂f
dfa = (a)dxi
i=1
∂xi

C'est la linéarité de la diérentielle

BLa réciproque est fausse : l'existence d'une dérivée partielle en un point n'implique pas
celle des autres dérivées directionnelles, ni a fortiori la diérentiabilité en a ! ! !
f : R2 7→ R
(x; y) 7→ x2xy +y 2 si (x; y) 6= (0; 0) Ici f1,(0,0) : x 7→ f (x, 0) = 0 et f2,(0;0) : y →
7
(0; 0) 7→ 0

f (0, y) = 0, donc f admet des dérivées partielles en (0, 0)

∂f ∂f
(0; 0) = 0 = (0; 0)
∂x ∂y

En revanche selon la direction (1, 1), ∀t 6= 0, f (t, t) = 12 et f (0, 0) = 0, ainsi t 7→ ϕ(t) =

f ((0; 0) + t(1; 1)) n'est pas continue en 0, donc n'y est pas dérivable

13.1.4 Propriétés élémentaires

Théorème

Si f est diérentiable en a, elle y est continue

Preuve : f (a + h) = f (a) + dfa (h) + o(h) −→ f (a)

h→0

409 MP∗ B.DufourJules

13.1. DIFFÉRENTIABILITÉ CHAPITRE 13. CALCUL DIFFÉRENTIEL

Exemples
f : R2 7→ R
(x; y) 7→ x2xy +y 2 si (x; y) 6= (0; 0)
(0; 0) 7→ 0
∀x 6= f (x, x) = 21 qui ne tend par vers f (0; 0; ) = 0 quand x → 0, f n'est pas continue en 0 donc
n'y est pas diérentiable

Théorème

Soit f, y : U ⊂ E → F , diérentiable en a
1. ∀λ ∈ R, λf + g est diérentiable en a et

d(λf + g)a = λdfa + dga

2. Si de plus E = R ou C, f g est diérentiable en a et

d(f g)a = dfa g(a) + f (a)dga

(vrai aussi si D est une algèbre normée de dimension nie)

Preuve :
1. ∀h ∈ E/a + h ∈ U

(λf + g)(a + h) = (λf + g)(a) + (λdfa + dga )(h) + o(h)

2. f g(a + h) = f g(a) + (f (a)dga + g(a)dfa )(h) + o(h)

13.1.5 Composition des diérentielles

Théorème

Soit E,F,G trois espaces vectoriels normés de dimension nie, U ouvert de E, V ouvert
de F. f : U → V et g : V → G. Soit a ∈ U , on suppose que f est diérentiable en a et que g
l'est en f (a). Alors g ◦ f est diérentiable en a et

d(g ◦ f ) = dgf (a) ◦ dfa

Preuve : écrire les développements limités à l'ordre 1 avec les diérentielles

Exemples
γ : I⊂R → V
1. Cas où E = R. Ici
t 7→ γ(t)
γ est diérentiable en a ⇔ γ est dérivable en a, et

∀h ∈ R, dγa (h) = hγ 0 (ta)

410 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.1. DIFFÉRENTIABILITÉ

∀h ∈ R, g ◦ γ : I ⊂ R → F

d(g ◦ γ)a (h) = dgγ(a) (dγa (h)) = hdgγ(a) (γ 0 (a))

g ◦ γ est donc dérivable en a et

(g ◦ γ)0 (a) = dgγ(a) (γ 0 (a))

Dans le cas particulier où F = Rn et où les variables sont notées (x1 ; ...; xn ). On note
γ : I →  V
. Il vient
t 7→ γ(t) = x1 (t) ... xn (t)


n
X ∂g
(g ◦ γ)0 (a) = dgγ(a) (x01 (a); ...; x0n (a)) = (γ(a))x0i (a)
i=1
∂xi

En notations diérentielles, on identie "physiquement" g et g ∗ = g ◦ γ . On écrit :

n
X ∂g
dg = dxi
i=1
∂xi

n
∗ 0 dg X ∂g dxi
(g ) (t) = =
dt i=1
∂xi dt

γ : R R3
3
 
g : R → R x(t) = 2t
2. et
(x, y, z) 7→ x2 − 3y 2 z t 7→  y(t) = t2 
z(t) = 1

∂g dx ∂g dy
(g ◦ γ)0 (t) = (γ(t)) + (γ(t)) = 8t − 12t3
∂x dt ∂y dt

3. Cas où F = R, ici f : U ⊂ E → I ⊂ R et g : I → R

d(g ◦ f )a (h) = dgf (a) (dfa (h)) = hdfa (h)g 0 (f (a))

On retiendra d(g ◦ f )a = g 0 (f (a))dfa

4. d(arctan f )a = 1+fdf(a)
a
2

√
5. d( f )a = √dfa
2 f (a)

√
6. Si f = k.k2 , dfa (h) = 2(a|h). En tout point, a 6= 0, k.k2 = k.k2 est diérentiable (car
p

est dérivable sur R∗+ ) et

a
d(k.k‘2 )a (h) = ( |h)
kak2

411 MP∗ B.DufourJules

13.1. DIFFÉRENTIABILITÉ CHAPITRE 13. CALCUL DIFFÉRENTIEL

Changement de variables

Cas où E = Rn , F = Rp , on note les variables dans E (x1 ; ...; xn ) et dans F (y1 ; ...; yp )
f : U ⊂E →   F  
f1 (x1 ; ...; xn ) y1 (x1 ; ...; xn )
.. ..
(x1 ; ...; xn ) 7→  .  noté  .
   

fp (x1 ; ...; xn ) yp (x1 ; ...; xn )
g : V → G
Il vient ∀(h1 ; ...; hn ) ∈ Rn
(y1 ; ...; yp ) 7→ g(y1 ; ...; yp )
n
X ∂(g ◦ f )
d(g ◦ f )a (h1 ; ...; hn ) = hi
i=1
∂xi
= dgf (a) (dfa (h1 ; ...; hn ))
p n
X ∂g X ∂f yi
= (f (a)) × (a)hi
i=1
∂yi i=1
∂xi
n X p
X ∂g ∂fj
= (f (a)) × (a)hi
i=1 i=1
∂yi ∂xi

Ceci valant ∀(h1 ; ...; hn ) ∈ Rn , en identiant

p p
∂(g ◦ f ) X ∂g ∂fj X ∂g ∂yj
(a) = (f (a)) × (a) = (f (a)) × (a)
∂xi j=1
∂yj ∂xi j=1
∂yj ∂xi

On notera g ∗ = g ◦ f (mêmes fonctions physiques) et on écrit

p
∂g ∗ X ∂g ∂yj
= (f (a)) (a)
∂xi j=1
∂yj ∂xi

On retiendra symboliquement
p
∂ X ∂yj ∂
=
∂xi j=1
∂xi ∂yj

Passage des coordonnées polaires aux cartésiennes

f : R2 → R2
Soit diérentiable en tout point
(r, θ) 7→ (r cos θ, r sin θ) = (x(r, θ), y(r, sin θ))
dx = ∂x ∂x
∂r dr + ∂θ dθ = cos θdr − r sin θdθ
∂y ∂y
dy = ∂r dr + ∂θ dθ = sin θdr + r cos θdθ
g : V ⊂ R2 → R
Soit , g ∗ (r, θ) = g(r cos θ, r sin θ)
(x, y) 7→ g(x, y)

412 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.1. DIFFÉRENTIABILITÉ

Si g est diérentiable en (x0 , y0 ) = (r0 cos θ0 , r0 sin θ0 ) alors g ∗ l'est en (r0 , θ0 ) et :

∂g ∗ ∂g ∂x ∂g ∂y
(r0 , θ0 ) = (x0 , y0 ) (r0 , θ0 ) + (x0 , y0 ) (r0 , θ0 )
∂r ∂x ∂r ∂y ∂r
∂g ∂g
= (x0 , y0 ) cos θ0 + (x0 , y0 ) sin θ0
∂x ∂y
∂g ∗ ∂g ∂g
(r0 , θ0 ) = −r0 sin θ0 (x0 , y0 ) + r0 cos θ0 (x0 , y0 )
∂θ ∂x ∂y
On retiendra

∂ ∂ ∂
= cos θ + sin θ
∂r ∂x ∂y
∂ ∂ ∂
= −r sin θ + r cos θ
∂θ ∂x ∂y

Ce qui se déduit de l'expression de la diérentielle de g ∗ . En un point r 6= 0, on peut inverser

le système :
∂ ∂ sin θ ∂
= cos θ −
∂x ∂r r ∂θ
∂ ∂ cos θ ∂
= sin θ +
∂y ∂r r ∂θ

13.1.6 Gradient
Dénition

Soit E un espca euclidien, U ouvert de E et f : U → R, diérentiable en a ∈ U, dfa ∈

L(E, R), d'après le théorème de représentation des formes linéaires :

∃!x ∈ E/∀h ∈ E, dfa (h) = (x|h)

On note :
(gradf )(a) = x
Par dénition (gradf )(a) est l'unique vecteur de E tel que ∀h ∈ E

dfa (h) = ((gradf )(a)|h)

Si B = (e1 ; ...; en ) est une b.o.n de E, on a ∀i ∈ [|1; n|]

((gradf )(a)|ei ) = dfa (ei ) = Dei f (a)

En particulier si E = Rn euclidien, Bc base canonique et si les variables sont notés (x1 ; ...; xn ),
on aura  ∂f 
∂x1 (a)
(gradf )(a) =  ... 
 
∂f
∂xn (a)

413 MP∗ B.DufourJules

13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

Gradient en polaires

g : R → R g ∗ : R2 → R
Soit E = R2 alors et .
(x, y) 7→ g(x, y) (r, θ) 7→ g(r cos θ, r sin θ)
On a !
∂g
∂g ∗ 1 ∂g ∗ − sin θ
   
∂x (x, y) cos θ
gradg(x, y) = ∂g = (r, θ) +
∂y (x, y) ∂r sin θ r ∂θ cos θ

Composée avec un arc paramétré

γ : I → U
Soit f : U ⊂ R → R diérentiable en a0 = γ(t0 ), dérivable en t0 .
t 7 → γ(t)
On a
(f ◦ γ)0 (t0 ) = dfγ(t0 ) (γ 0 (t0 )) = ((gradf )(γ(t0 ))|γ 0 (t0 ))

13.2 Classe C 1
13.2.1 Dénition
Dénition

Soit U un ouvert de E et f : U → F , on dit que f est diérentiable sur U si et seulement

df : U → L(E, F )
si elle l'est en tout point de U. On dénit alors
a 7→ dfa
On dit que f est C 1 sur U si et seulement si df est dénie et continue sur U (i.e ∀a ∈
U, lim |||dfx − dfa ||| = 0 où |||.||| est une norme subordonnées à des normes quelconque de E
x→a
et F (dimension nie)

Théorème

1. Toute application linéaire ou ane est C 1

e∗ : Rn → R
2. ∀i ∈ [|1; n|], i est C1
(x1 ; ...; xn ) 7→ xi
3. Théorème généraux de la classe : toute combinaison linaire, produit, composée de fonc-
tions C 1 l'est encore

Preuve :
1. Si f est linéaire, ∀a ∈ E, dfa = f donc df est constante (de même si elle est ane)
2. e∗i est linéaire
3. découle des propriétés des diérentielles et que si f est diérentiable en a, elle y est continue

414 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.2. CLASSE C1

Exemples
f : R3 → R
1. ex
3 −3 ln(x2 y 2 +2)
cos √ xz
4
est C 1 sur R3 d'après les théorèmes généraux
z +3
(x, y, z) 7→ x8 +y 8 +49e3z+4y
de la classe
f : GLn (R) → GLn (R)
2. est C 1 , car M −1 = det1M t Com(M ), les coecients de M −1
M 7→ M −1
sont donc des fractions rationnelles en ceux de M . Pour calculer dfM , on peut :

(a) former f (M + H) − f (M ) = (M + H)−1 − M −1 dénie pour kHk susamment petit

(In + M −1 H)−1 M −1 − M −1 , soit |||.||| une norme d'algèbre sur Mn (R). On sait que
si |||H||| ≤ 2|||M1−1 ||| alors |||M −1 H||| ≤ |||M −1 ||| × |||H||| < 21 et (algèbre normée de
dimension nie)

+∞
X
(In + M −1 H)−1 = (−M −1 H)k
k=0
+∞
X
−1
= In + M H+ (−M −1 H)k
k=2
|||(In + M −1 H)−1 ||| = |||In + M −1 H||| + 2|||H|||2 |||M −1 |||2

Ainsi f (M + H) − f (M ) = −M −1 HM −1 + o(|||H|||) avec dfM (H) = −M −1 HM −1

ϕ : ] − α; α[ → Mn (R)
(b) Sachant que f est diérentiable car de classe C1 , soit
t 7→ f (M + tH)
On sait que dfM (t) = DH f (M ) = ϕ0 (0). Il vient

+∞
X
ϕ(t) = (M + tH)−1 = (In + tM −1 H)−1 M −1 = ( (−tM −1 H)k )M −1
k=0

ϕ0 (0) est le coecient en t :−M −1 HM −1

3. Diérentielle du déterminant, det : Mn (R) → R est C 1 (car det M est somme de produits
ϕ : R → R
des coecients de M). Soit M ∈ Mn (R), H ∈ Mn (R), . On
t 7→ det(M + tH)
a d(det)M (H) = ϕ(0)
Si M ∈ GLn (R) : ϕ(t) = det M det(In + tM −1 H) pour t 6= 0, ϕ(t) = det M × tn det( 1t In +
M −1 H)). ϕ étant polynomiale, ϕ0 (0) est le coecient en t dans ϕ(t), det M = tr(M −1 H) =
tr((t Com(M ))H). Soit A|B) = tr(t AB) produit scalaire sur Mn (R). On a donc si M ∈
GLn (R)

grad(det)M = Com(M )

Or GLn (R) est dense dans Mn (R) et grad(det) est continue donc ∀M Mn (R), grad(det)M =
Com(M )

415 MP∗ B.DufourJules

 13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

13.2.2 Théorème de caractérisation

Théorème

Soit E un R-espace vectoriel normé de dimension nie, U ouvert de E et f : U → F

(R-espace vectoriel de dimension nie). Soit B = (e1 ; ...; en ) une base de E.

∀a ∈ U, ∀i ∈ [|1; n|], Dei f (a) existe

f est de classe C sur U ⇔
1
D ei f : U → F
 est continue
a 7→ Dei f (a)


On retiendra : f est C 1 si et seulement si les dérivées partielles sont dénies et continues sur
U

Preuve :
(1) ⇒ (2) ∀a ∈ U, ∀i ∈ [|1; n|], Dei f (a) existe et vaut dfa (ei ) et
kDei f (a) − Dei f (b)k = kdfa (ei ) − dfb (ei )k ≤ kdfa − dfb k × kei k
donc a 7→ Dei f (a) est continue
(2) ⇒ (1) : pour n = 2, soit (a, b) ∈ U . Si f est diérentiable en (a, b) nécessairement df(a,b) (h, k) =
De1 f (a, b)h + De2 f (a, b)k
Formons donc ϕ(h, k) = f (a + h, b + k) − f (a, b) − De1 f (a, b)h − De2 f (a, b)k . On veut
montrer que : ϕ(h, k) = o(k(h, k)k)
On a f (a + h, b + k) − f (a, b) = f (a + h, b + k) − f (a, b) − f (a + h, b) + f (a + h, b), h et k
ψ : [0; 1] → F
étant xés, soit 1 C 1 car De1 f existe et est continue
t 7→ f (a + th, b)
Z 1 Z 1
f (a + h, b) − f (a, b) = ψ1 (1) − ψ1 (0) = ψ10 (t)dt = hDe1 f (a + th, b)dt
0 0

ψ2 : [0; 1] → F
De même, on forme C1
t 7→
f (a + h, b + tk)
Z 1 Z 1
0
f (a + h, b + k) − f (a + h, b) = ψ2 (1) − ψ2 (0) = ψ2 (t)dt = kDee2 f (a + h, b + tk)dt
0 0

d'où
Z 1
ϕ(h, k) = h(De1 f (a + th, b) − De1 f (a, b)) + k(De2 f (a + h, b + tk) − De2 f (a, b))dt
0

De1 f et De2 f étant continues, soit ε > 0, ∃α > 0/kh, kk∞ ≤ α alors
kDei f (a + h, b + k) − Dei f (a, b)k ≤ ε
∀t ∈ [0; 1], kDe1 f (a + h, b + k) − De1 f (a, b)k ≤ 2ε et kDe2 f (a + h, b + k) − De2 f (a, b)k ≤ 2ε ,
d'où kϕ(h, k)k ≤ εk(h, k)k∞ , CQFD
Ceci établit que f est diérentiable en (a, b) et que
df(a,b) = hDe1 f (a, b) + kDe2 f (a, b)
Cette expression montre que df est continue sur U. On applique un principe analogue pour
n quelconque en faisant varier successivement une seule des coordonnées

416 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.2. CLASSE C1

Remarque
Ce théorème est utile pour montrer qu'une fonction dénie spécialement en un point est C 1 :
on vérie que les dérivées partielles existent en tout point et qu'elles sont continues (au point
considéré)

Exemples
f : R2 → R
2 2
1. (x, y) 7→ xx2 +y
y
2

(0, 0) 7→ 0
Pour étudier la continuité en (0,0), on passe en coordonnées polaires : x = r cos θ et
y = r sin θ avec r = x2 + y 2 . Il vient : f (r cos θ, r sin θ) = r2 cos2 θ sin2 θ ≤ r2 0.
p
−→
(x,y)→(0,0)
Ainsi f est continue sur R2 . Sur R2 \ {(0, 0)} est C1 d'après les théorèmes généraux. En
(x, y) 6= (0, 0), on a

∂f 2xy 2 x2 y 2
(x, y) = − 2x
∂x x2 + y 2 (x2 + y 2 )2
4
2xy
=
(x2 + y 2 )2
4
x et y jouent des rôles symétriques : ∂f 2yx
∂y = (x2 +y 2 )2
En (0, 0), on a les applications partielles f (x, 0) = f (0, y) = 0, les dérivées partielles existent
et valent 0. Enn,
∂f
∀r > 0, ∀θ ∈ R, | (r cos θ, r sin θ)| = 2r| cos θ sin4 θ| ≤ 2r −→ 0
∂x (x;y)→(0;0)

De même pour ∂y (r cos θ, r sin θ), ∂x

∂f ∂f
et ∂f
∂y sont dénies et continues sur R2

BL'existence des dérivées partielles ne garantit pas la classe C 1 (une application peut être
dénie sans être continue) ou la diérentiabilité
f : R2 → R
xy
2. (x, y) 7→ x2 +y 2 est C 1 sur R2 \ {(0; 0)}, ∀(x; y) ∈ R2 f (x, 0) = f (0, y) = 0, donc
(0, 0) 7→ 0

417 MP∗ B.DufourJules

13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

∂f
∂xet ∂f
∂y existent et valent 0 en (0, 0). Cependant ∀x 6= 0, f (x, x) = 2,
1
donc f n'est pas
continue en (0, 0), donc pas diérentiable

13.2.3 Inégalité des accroissements nis

Théorème

Soit U un ouvert convexe de E, f : U → F , C 1 sur U. Soit (a; b) ∈ U 2 , on suppose que

∀t ∈ [0; 1],
|||dfa+t(b−a) ||| ≤ M ( où M ∈ R+ )
alors kf (b) − f (a)k ≤ M kb − ak

ϕ :[0; 1] → F
Preuve : formons
t 7→ f (a + t(b − a))
R1 R1
f (b) − f (a) = ϕ(1) − ϕ(0) = 0 ϕ0 (t)dt = 0 dfa+t(b−a) dt
Z 1
kf (b) − f (a)k = k dfa+t−b−a) (b − a)dtk
0
Z 1
≤ kdfa+t(b−a) (b − a)dtk
0
Z 1
≤ |||dfa+t(b−a) ||| × kb − akdt
0
≤ M kb − ak

Corollaire

Soit U un ouvert convexe et f : U → F de classe C 1

1. f est M-lipschitzienne sur U si et seulement si ∀x ∈ U, |||dfx ||| ≤ M
2. f est constante sur U si et seulement si ∀x ∈ U, dfx = 0
3. Soit g : U → F de classe C 1 , f − g est constante si et seulement si df = dg

Preuve :
1. Si ∀x ∈ U, kdfx k ≤ M , d'après le théorème, f est M-lipschitzienne sur U. Si f est M-
lipschitzienne sur U, soit x ∈ U, h ∈ E, ∀t 6= 0, k f (x+th)−f
t
(x)
k ≤ M khk quand t → 0, f
étant diérentiable en x, kdfx k ≤ M khk ⇒ |||dfx ||| ≤ M
2. f est constante si et seulement si elle est 0-lipschitzienne
3. se déduit de 2.

Cas d'un ouvert connexe par arcs

Soit U un ouvert connexe par arcs de E et f : U → F de classe C 1 . Si ∀x ∈ U, dfx = 0

alors f est constante sur U

418 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.2. CLASSE C1

Preuve : soit x ∈ U et x0 ∈ U . Soit γ : [0; 1] → U continu tel que γ(0) = x0 et γ(1) = x.

Soit t0 = sup{t ∈ [0; 1]/∀u ∈ [0; t], f (γ(u)) = f (x0 )}. Par continuité de γ et f , f (γ(t0 )) = f (x0 ),
U étant ouvert :∃α0 > 0/B(γ(t0 ), α0 ) ⊂ U . Par continuité de γ , ∃η > 0/∀t ∈ [t0 − η; t0 + η] ∩
[0; 1], γ(t) ∈ B(γ(t0 ), x0 ). Par ailleurs, B(γ(t0 ), α0 ) est un ouvert convexe, df y est nulle, donc f
est constante sur B(γ(t0 ), α0 ). Donc ∀t ∈ [t0 − η; t0 + η] ∩ [0; 1], f (γ(t)) = f (x0 ). Nécessairement
t0 = 1 et f (x) = f (x0 )

Remarque
L'IAF ne se généralise pas à des ouverts connexes par arcs. En eet si γ de classe C 1 : [0; 1] →
U vérie γ(0) = a et γ(1) = b, on a seulement : ϕ(t) = f (γ(t)) :
Z 1 Z 1 Z 1
kf (b) − f (a)k = k ϕ0 (t)dtk = k dfγ(t) (γ 0 (t))dtk ≤ M kϕ0 (t)kdt
0 0 0

On n'a plus plus forcément kf (b) − f (a)k ≤ M kb − ak. Par exemple : U = R2 \ {(x, 0)/x ≤ 0},
f (x, y) = 2 arctan( √y 2 2 ) et f (0, 1) = π2 , f (0, −1) = − π2
x+ x +y

13.2.4 Condition nécessaire d'extremum

Théorème

Soit A ⊂ Rn d'intérieur non vide. Soit f : A → R diérentiable sur Å. Si f admet un

extremum local en x0 ∈ Å, i.e ∃α0 > 0 tel que

∀x ∈ B(x0 , α0 ), f (x) ≤ f (x0 ), maximum local

∀x ∈ B(x0 , α0 ), f (x) ≥ f (x0 ), minimum local

alors dfx0 = 0. On dit que x0 est un point critique de f . On retiendra que si f admet un
extremum en un point intérieur alors c'est un point critique. Les extremums sont à rechercher
parmi les points critiques

ϕ :] − α; α[ → R
Preuve : soit h ∈ E et dénie au voisinage de 0 car x0 ∈ Å,
t 7→ f (x0 + th)
ϕ est dérivable en 0 et y admet un extremum donc ϕ0 (0) = dfx (h). Ceci valant ∀h ∈ E, dfx = 0

Remarque
Si (e1 ; ...; en ) est une base de E, dfx = 0 si et seulement si ∀i ∈ [|1; n|], Dei f (x) = 0. Si E = Rn
et si les variables sont notées (x1 ; ...; xn ) :

∂f
dfx = 0 ⇔ ∀i ∈ [|1; n|], (x) = 0
∂xi
BC'est une condition nécessaire mais pas susante

Exemples
f : R → R
1. , 0 est un point critique mais pas extremum
x 7→ x3

419 MP∗ B.DufourJules

13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

f : R2 → R
2. On a ∂f
∂x = 2x et ∂y = −2y . Le seul point critique est (0, 0). Ce
∂f
(x; y) 7→ x2 − y 2
n'est pas un extremum car ∀ε > 0, f (ε, 0) = ε2 > f (0, 0) = 0 et f (0, ε) = −ε2 < f (0, 0) = 0

Remarque
L'existence d'un extremum se prouve généralement par des arguments de compacité (fonction
continu sur un compact). Sur un tel domaine, on séparera la recherche des extremums intérieur
(parmi les points critiques) et sur la frontière on mènera une étude spécique

Exemples
f : D → R
1. Soit D = {(x; y) ∈ R2 /x2 + y 2 ≤ 1} compact. continue
(x, y) 7→ x2 − 4y 2
sur D donc admet maximum et minimum sur D. f est diérentiable sur D̊ = {(x; y) ∈
R2 /x2 + y 2 < 1}. Si f présente un extremum en (x0 ; y0 ) ∈ D̊ alors
∂f ∂f
(x0 ; y0 ) = 2x0 = 0 et (x0 ; y0 ) = −8y0 = 0
∂x ∂y
donc (x0 ; y0 ) = 0 or f (ε, 0) > 0 et f (0, ε) < 0, pas d'extremum en (0, 0). Les extremum sont
donc atteint sur la frontière f r(D) = {(cos θ, sin θ)/θ ∈ [0; 2π]}. Soit g(θ) = f (cos θ, sin θ) =
1 − 5 sin2 θ. Le maximum est atteint pour sin2 θ = 0 et vaut 1, le minimum est atteint pour
sin2 θ = 1 et vaut -4
f : Mn,1 = Rn → R
2. Soit A ∈ Sn++ (R), B ∈ Mn,1 (R) et
X 7→ 21 t XAX − t BX = 12 (AX|X) − (B|X)
Soit λ1 = sin Sp(A) > 0, ∀X ∈ Rn , (AX|X) ≥ λ1 kXk2 , t BX ≤ kBkkXk, d'où
λ1
f (X) ≥ kXk − kBkkXk −→ +∞
2 kXk→+∞

donc f n'admet pas de maximum global, mais elle admet un minimum global (considérer
R ≥ 0/kXk ≥ R, f (X) ≥ f (0) = 0). Comme Rn est ouvert, si f présente un minimum en
X0 , dfX0 = 0. Il vient,
1t 1
f (X0 +H)−f (X0 ) = (X0 +H)A(X0 +H)− t X0 AX0 −(B|X0 +H)++(B|X0 ) = (AX0 |H)−(B|H)
2 2

420 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.2. CLASSE C1

d'où dfX0 (H) = (AX0 − B|H)

(gradf )(X0 ) = AX0 − B = 0

Or A ∈ GLn (R), donc X0 = A−1 B . Alors f (X0 ) = − 21 (B|A−1 B)

Cas où Å
n
Soit Σn = {(x1 ; ...; xn ) ∈ R∗+ / = 1} (simplexe). C'est l'enveloppe convexe des vecteurs
P
k=1
de la base canonique Ce sont des fermés bornées en dimension nie : les simplexes sont donc

Figure 13.1  Simplexe Σ2

Figure 13.2  Simplexe Σ3

compact, Σ˚n = ∅ car Σn ⊂ H hyperplan ane d'équation x1 + ...xn = 1. Soit f dénie sur U
ouvert de Rn /Σn ⊂ U . On suppose f de classe C 1 , par continuité, f admet un maximum et un
minimum sur Σn compact. L'intérieur d'un simplexe étant vide, on ne peut appliquer la condition
nécessaire d'extremum ! ! ! Soit (x1 ; ...; xn ) ∈ Σn /∀i ∈ [|1; n|], xi ∈]0; 1[. Soit h = (h1 ; ...; hn ) ∈
n n
Rn / xi = 0, ∃α > 0/|t| ≤ α, ∀i ∈ [|1; n|], xi + thi ∈ [0; 1] et
P P
xi + thi = 1 ⇒ (x + th) ∈ Σn
i=1 i=1
ϕ : [−α; α] → R
Formons
t 7→ f (x + th)
Si f|Σn présente un extremum en 0,

ϕ0 (0) = dfx (h) = 0 = ((graff )(x)|h)

421 MP∗ B.DufourJules

13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

0
.
 .. 
0
1
0
En particulier pour i 6= j et h = 
.
 .. 

0
−1
0
.
.
.
0
 
1
∂f ∂f  .. 
(x) = ⇒ (gradf )(x) ∈ R  . 
∂xi ∂xj
1
f : Rn → R
Par exemple n
Q
(x1 ; ...; xn ) 7→ xi
i=1
∀x = (x1 ; ...; xn ) ∈ Σn , f (x) ≥ 0 et s'il existe i ∈ [|1; n|]/xi = 0 alors f (x) = 0. Ceci montre que
min f = 0, par ailleurs le maximum est atteint en x = (x1 ; ...; xn ) ∈ Σn /∀i ∈ [|1; n|], xi ∈]0; 1[.
Σn
D'après ce qui précède
n n n
∂f ∂f Y 1 Y 1 Y
∀i 6= j, (x) = (x) = xk = xk = xk > 0
∂xi ∂xj xk xj
k=1,k6=i k=1 k=1

Ainsi xi = xj et x = 1
n (1; ...; 1) et max f = 1
nn
Σn
n
Notons que si (y1 ; ...; yn ) ∈ R∗+ \{(0; ...; 0)} soit S = yi > 0 et ∀i ∈ [|1; n|], zi = yi
P
S , (z1 ; ...; zn ) ∈
i=1
Σn , donc v
n n u n n
Y 1Y 1 uY 1X
zi = yi ≤ n ⇔ t
n
yi ≤ yi
i=1
S i=1 n i=1
n i=1
avec égalité si et seulement si y1 = ... = yn

13.2.5 Matrice jacobienne

Dénition

f : U 7→  Rn 
y1 (x1 ; ...; xn )
Soit (n, p) ∈ (N∗ )2 , U ouvert de Rp et ..  On
(x1 ; ...; xp ) 7→ .

 
yn (x1 ; ...; xn )
appelle matrice (jacobienne) de f en a la matrice de dfa dans les bases canoniques de Rp et
Rn on la note Jfa ∈ Mn,p (R). Soit (i, j) ∈ [|1; n|] × [|1; p|] le coecient d'indice (i, j) de Jfa
et la i-ème coordonnée dans le base canonique de Rn de dfa (ei ) = Dei f (a) = ∂e ∂f
i
(a). Ainsi
 ∂f ∂f1

∂x1 (a) · · ·
1
∂xp (a)
Jfa = (
∂fi 
)(i,j)∈[|1;n|]×[|1;p|] =  .. .. 
. . 

∂xj 
∂fn ∂fn
∂x1 (a) · · · ∂xp (a)

422 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.2. CLASSE C1

Symboliquement, on écrit ∀i ∈ [|1; n|]

p
X ∂fi
dfi = dxj
j=1
∂xj

On retiendra :    
df1 dx1
 ..   . 
 .  = Jf  .. 
dfn dxn

Jacobien

Lorsque n = p, on dénit le jacobien de f en a : det Jf (a)

Exemple
f : R2 → R2
Soit On écrit
(r, θ) 7→ (r cos θ; r sin θ) = (x(r, θ), y(r, θ))
   ∂x ∂x   
dx ∂r ∂θ dr
= ∂y ∂y
dy ∂r ∂θ
dθ
 
cos θ −r sin θ
Jf (r, θ) = , de jacobien r
sin θ r cos θ

Remarques
U → Mn,p
1. f est de classe C 1 sur U si et seulement si est dénie, continue sur U
a 7→ Jfa
2. Si n = 1, dans Rp euclidien, la jacobienne est le gradient (∈ Mp,1 (R))

Théorème

Si f : U ⊂ Rp → V ⊂ Rn et g : V → Rm avec f diérentiable en a et g diérentiable en

f (a). On a,
J(g ◦ f )a = Jgf (a) × Jfa

Preuve : d(g ◦ f ) = dgf (a) ◦ dfa

13.2.6 Dérivation au sens complexe (HP)

Dénition
f : U → R2
Soit U ouvert de R2 (identié à C) et On lui
(x, y) 7→ f (x, y) = (f1 (x, y), f2 (x, y))
f˜ : U → C
associe On cherche une condition sur f pour
z = x + iy 7→ f˜ = f1 (x, y) + if2 (x, y)

423 MP∗ B.DufourJules

13.2. CLASSE C1 CHAPITRE 13. CALCUL DIFFÉRENTIEL

que f˜ soit dérivable au sens complexe en z0 = x0 + iy0 ∈ U, ∃f˜(z0 ) ∈ C/


f˜(z0 + h) = f˜(z0 ) + hf˜(z0 ) + o(h)
f˜(z0 +h)−f˜(z0 )
 lim h = f˜0 (z0 )
h→0,h∈C

Pour h = h1 + ih2 , ceci équivaut à :

f1 (x0 + h1 , y0 + h2 ) + if2 (x0 + h1 , y1 + h2 ) = f1 (x0 , y0 ) + if2 (x0 , y0 ) + (h1 ih2 )f˜(z0 ) + o((h1 , h2 ))

f est diérentiable en

 ! (x0 , y0 )
si et seulement si : a −b
Jf(x0 ,y0 ) =

b a
La diérentielle de f en (x0 , y0 ) est la similitude directe de rapport a+ib = f˜(z0 ). Ce qui équivaut
aux équations de Cauchy-Riemann :

∂f1 ∂f2
(x0 , y0 ) = (x0 , y0 )
∂x ∂y

∂f2 ∂f1
(x0 , y0 ) = − (x0 , y0 )
∂x ∂y

Fonctions harmoniques
On dit que f : U ⊂ R2 → R de classe C 2 est harmonique si et seulement si ∀(x, y) ∈ U

∂2f ∂2f
∆f = (x, y) + =0
∂x2 ∂y 2

∆ est l'opérateur Laplacien. On suppose U bornée, et f est continue sur U . On va montrer le

principe du maximum, c'est à dire que es extremums d'une fonction harmonique sont atteint sur
le frontière de U . On pose (x0 , y0 ) ∈ U / max f = f (x0 , y0 ). On suppose que (x0 , y0 ) ∈ U . Soit
U
r > 0/B((x0 , y0 ), r) ⊂ U . Pour n ≥ 1, on dénit fn (x, y) = f (x, y) + n1 f (x2 , y 2 ).

4
∆fn (x, y) = >0
n
En utilisant l'égalité de la moyenne (cf infra) on peut montrer le principe du maximum, on en
déduit
( : 
∆(f − g) = 0 min = − max(g − f ) = 0
⇒ U U ⇒f =g
f − g = 0surf r(U ) f − g = 0 sur f r(U )

Laplacien en polaire
f : V → R
Soit Dans ce cas
(r, θ) 7→ f (r cos θ, r sin θ)

1 ∂ ∂f 1 ∂2f
∆f = (r ) + 2 2
r ∂r ∂r r ∂θ

424 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.3. CLASSE CK

Égalité de la moyenne
Soit f : U → R harmonique sur U. Soit (x0 , y0 ) ∈ U et r / B((x0 , y0 ), r) ⊂ U . On pose
Z 2π
1
∀r ∈ [0, ρ], F (r) = f (x0 + r cos θ, y0 + sin θ)dθ
2π 0
valeur moyenne de f sur C((x0 , y0 ), ρ). On veut montrer que F est constante sur [0, ρ]. Le théorème
de dérivation d'une intégrale à paramètre permet de montrer que la fonction
Z 2π
1 ∂f
G(r) = r (r, θ)dθ
2π 0 ∂r
est de classe C 1 et que G0 (r) = 0 sur ]0, ρ]
∀θ ∈ [0, 2π], f (x0 , y0 ) = f (x0 + ρ cos θ, y0 + ρ sin θ)

Lien avec les fonctions holomorphes

+∞
Soit f (z) = an z n de rayon de convergence R > 0, pour (x, y) ∈ R2 / x2 + y 2 < R. On
P p
n=0
+∞
dénit f˜(x, y) = an (x + iy)n , on vérie qu'elle est de classe C ∞
P
n=0
+∞
X +∞
X
∆f = n(n − 1)an (x + iy)n−2 − n(n − 1)an (x + iy)n−2 = 0
n=2 n=2

13.3 Classe C k
13.3.1 Dénition
Soit E un espace vectoriel normé de dimension nie, (e1 , ..., en ) une base xée de E. Soit
U ouvert de E, on dénit pour i ∈ [|1; n|]
C 1 (U, F ) = l'espace vectoriel des fonctions C 1 : U → F
Di : C 1 (U, F ) → C 0 (U, F )
et l'opérateur de dérivation par rapport à la k-ième
f 7→ Di f = Dei f
variable. On dénit pour k ≥ 0
(
k f est au moins C 1 (U, F )
f estdeclasseC ⇔
∀i ∈ [|1, n|], Di f ∈ C k−1 (U, F )

Pour (i1 , ..., ik ) ∈ [|1; n|]k , on peut alors dénir :

Dik ...Di1 f = Dik [...Di1 f ] = (Dik ...Di1 )f
application dérivée partielle d'ordre k (il y en a nk ). Si les variables sont notées (x1 , ..., xk ),
on note :
∂ ∂f ∂kf
Dik ...Di1 f = (... )=
∂xik ∂xi1 ∂xik ...∂xi1
(on dérive par rapport à xi1 puis xi2 ... enn par rapport à xik )

425 MP∗ B.DufourJules

13.3. CLASSE CK CHAPITRE 13. CALCUL DIFFÉRENTIEL

Exemple
Si n = 3 et k = 2 et si les variables sont notées (x, y, z)
∂2f ∂ ∂f
= ( )
∂x∂z ∂x ∂z
∂3f ∂ ∂2f ∂ ∂ ∂f
= ( )= ( ( ))
∂x∂y∂z ∂x ∂y∂z ∂x ∂y ∂z

Remarque
On vérie sans peine (grâce au théorème de caractérisation de la classe C 1 que cela équivaut
à dire que df ∈ C k−1 (U, L(E, F ))

Théorème

1. f est C k sur U si et seulement toutes ses dérivées partielles aux ordres ≤ k sont dénies
continues sur U
2. Toute somme, produit, composée de fonctions C k l'est encore

Classe C ∞

On dit que f est de classe C ∞ si et seulement si ∀n ∈ N, f est C n si et seulement si toutes

les dérivées partielles à tout ordre sont dénies et continues sur U

Exemples
e∗i Rn
: → R
1. ∀i ∈ [|1; n|], est C ∞
(x1 , ..., xn ) 7→ xi
2. Par composition, somme et produits :
f : R3 → R
√
exp(x3 −2y y 4 +4x2 +3) est C
∞
(x, y, z) 7→ 1+sin2 (3x2 y−z 3 )
3. det et le passage à l'inverse dans GLn (C) sont C ∞

13.3.2 Théorème de Schwarz

Si f est C 2 : U → F, ∀(i, j) ∈ [|1; n|]2

Di Dj f = Dj Di f

Preuve : sans perte de généralité, on peut supposer n = 2 et E = R2 , notons les variables

(x, y). Soit (x0 , y0 ) ∈ U . On veut montrer que :
∂2f ∂2f
(x0 , y0 ) = (x0 , y0 )
∂x∂y ∂y∂x

426 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.3. CLASSE CK

∂ ∂f ∂ ∂f
( )(x0 , y0 ) = ( )(x0 , y0 )
∂x ∂y ∂y ∂x

Formons pour h ∈ R (h susamment petit pour que les points ∈ U )

F (h) = f (x0 + h, y0 + h) − f (x0 + h, y0 ) − f (x0 , y0 + h) − f (x0 , y0 )

h étant xé, dénissons g(y) = f (x0 + h, y) − f (x0 , y), C 1 . De sorte que F (h) = g(y0 + h) − g(y0 ).
ϕ : [0; 1] → F
Soit
t → g(y0 + th)
Z 1 Z 1 Z 1
∂f ∂f
F (h) = ϕ(1)−ϕ(0) = ϕ0 (t)dt = h g 0 (y0 +th)dt = h (x0 +h, y0 +th)− (x0 , y0 +th)dt
0 0 0 ∂y ∂y

Ψt : [0; 1] → F
t étant xé, soit ∂f C1
u 7→ ∂y (x0 + uh, y0 + th)

1 1 1 1 1
∂2f
Z Z Z Z Z
F (h) = h (Ψt (1) − Ψt (0))dt = h Ψ0t (u)dudt = h2 (x + uh, y0 + th)dudt
0 0 0 0 0 ∂x∂y

∂2f
Par continuité de ∂x∂y sur U : pour ε > 0, ∃α > 0/|h| ≤ α et |k| ≤ α

∂2f ∂2f
| (x0 + h, y0 + k) − (x0 , y0 )| ≤ ε
∂x∂y ∂y∂x

Si |h| ≤ ε (et h 6= 0),

1 1
∂2f ∂2f ∂2f
Z Z
F (h)
| − (x0 , y0 )| ≤ | (x0 + h, y0 + th) − (x0 , y0 )|dudt ≤ ε
h2 ∂x∂y 0 0 ∂x∂y ∂x∂y

∂2f
Ainsi, lim Fh(h)
2 = ∂x∂y (x0 , y0 ). De même en formant l(x) = f (x, y0 + h) − f (x, y0 ), on obtient
h→0
∂2f
lim Fh(h)
2 = ∂y∂x (x0 , y0 )
h→0
∂2f ∂2f
BLa continuité de ∂x∂y et ∂y∂x en (x0 , y0 ) est nécessaire !
2
f : R → R
xy(x2 −y 2 )
Soit (x, y) 7→ x2 +y 2
(0, 0) 7→ 0
2 2
−y )
∂f
∂y (x, 0) = lim f (x,y)−f
y
(x,0)
= lim x(x
x2 +y 2
y→0 y→0
∂f ∂f
∂2f ∂ ∂f (x,0)− ∂y (0,0)
lim ∂y
∂x∂y = ∂x ( ∂y )(0, 0) = x→0 x =1
∂f f (x,y)−f (0,y)
∂y (0, y) = x→0
lim x = −y
∂f ∂f
∂2f ∂ ∂f ∂x (0,y)− ∂x (0,0)
∂x∂y = ∂y ( ∂x )(0, 0) = lim y = −1
y→0

∂2f ∂2f
6=
∂y∂x ∂x∂y

427 MP∗ B.DufourJules

13.3. CLASSE CK CHAPITRE 13. CALCUL DIFFÉRENTIEL

13.3.3 Exemples à connaître

Séries entières
Soit a − nz n une série entière de rayon de convergence R > 0. Montrer que
P
f : ] − R; R[×R → C
+∞ est C ∞
an rn einθ
P
(r, θ) 7→
n=0

Lemme Soit ρ ∈ [0; R[, (j, k) ∈ N2 , la série de fonctions

X
an n(n − 1)...(n − j + 1)rn−j (in)k einθ
n∈N

converge normalement sur [−ρ; ρ] × R

Preuve : ∀(r, θ) ∈ [−ρ; ρ] × R, ∀n ∈ N ≥ j
|an n(n − 1)...(n − j + 1)rn−j (in)k einθ | ≤ |an |nj+k ρn−j
terme général d'une série convergente
Soit alors, pour l ∈ N

f est de classe C sur ] − R; R[×R


l

2
Pl : ∀(j, k) ∈ N /j + k ≤ l, ∀(r, θ) ∈] − R; R[×R
 ∂ j+k f

(r, θ) = n≥j an n(n − 1)...(n − j + 1)rn−j (in)k einθ
P
∂r j ∂θ k

Initialisation : j = 0 = k , d'après le lemme f est continue sur ] − R; R[×R, P0

Hérédité : soit l ∈ N, supposons Pl vraie. Soit (j, k) ∈ N2 /j + k = l + 1, d'après le lemme j ou
j+k−1
k ≥ 1, d'après Pl : ∂∂r j−1∂θfk existe et vaut ...
Le lemme permet de dériver une fois de plus par rapport à r (théorème de dérivation d'une série
de fonction, la série des dérivées converge normalement sur [−ρ; ρ] × R, ∀ρ < R et garantit que
j+k
(r, θ) 7→ ∂∂j r∂ kfθ est continue sur [−R; R] × R. De même si k ≥ 1, Pl+1
Conclusion : f est C ∞ sur ] − R, R[×R

Fonction gamma d'Euler

Γ D : → C
Soit D = R∗+ × R et R +∞ x−1+iy −t Montrer que Γ est
(x, y) 7→ Γ(x + iy) = 0 t e dt
f : D × R∗+ → C
C ∞ sur R∗+ × R et dérivable au sens complexe. Formons, C∞
(x, y, z) 7→ tx−1+iy e−t
sur D × R∗+

Lemme ∀(j, k) ∈ N2 , t 7→ ∂ j+k f

∂xj ∂y k
est intégrable ∀(x, y) ∈ D
Preuve :
∂ j+k f
| (x, y, t)| = | ln tj (i ln t)k tx+iy−1 e−t |
∂xj ∂y k
= | ln tj + k|tx−1 e−t
1
= O∞ ( 2 )
t
x
= O0 (t 2 −1 )

428 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.4. VECTEURS TANGENTS

intégrable d'après le critère de Riemann. On montre par une méthode analogue au cas précédant
par récurrence que Γ est C ∞ . R
+∞ R +∞
Soit Γ1 (x, y) = Re(Γ(x, y)) = 0 tx−1 cos(y ln t)e−t dt et Γ2 (x, y) = Im(Γ(x, y)) = 0 tx−1 sin(y ln t)e−t dt.
D'après ce qui précède,
Z +∞
∂Γ1 ∂Γ2
(x, y) = ln(t)tx−1 cos(y) ln(t)e−t dt = (x, y)
∂x 0 ∂y
Z +∞
∂Γ1 ∂Γ2
(x, y) = − ln(t)tx−1 sin y ln te−t dt = − (x, y)
∂y 0 ∂y
Γ est donc dérivable au sens complexe

13.4 Vecteurs tangents à une partie d'un espace vectoriel

normé
13.4.1 Dénition
Dénition

Soit E un R-espace vectoriel normé de dimension nie, A une partie non vide de E et
a ∈ A. On dit qu'un vecteur est tangent à A en a si et seulement si ∃α > 0, ∃γ :] − α; α[→ A
est C 1 / γ(0) = a et γ 0 (0) = x. L'ensemble des vecteurs tangent à A en a sera notée TA (a)

Exemples
1. Si A = {a} alors TA (a) = {0} car les arcs tracés sur A passant par a sont constants
2. Si A est ouverte, soit a ∈ A et x ∈ E, ∃α > 0/|t| < α, a + tx ∈ A, on peut former
γ : ] − α; α[ → A
C 1 et γ(0) = a, γ 0 (0) = x, TA (a) = E
t 7→ a + tx
3. Soit dans R2 , A = D1 ∪ D2 = R(1, 0) ∪ R(0, 1) = {(x, y) ∈ R2 /xy = 0}.

429 MP∗ B.DufourJules

13.4. VECTEURS TANGENTS CHAPITRE 13. CALCUL DIFFÉRENTIEL

Soit γ :] − α; α[→ A de classe C 1 , ∀t ∈] − α; α[γ(t) = (x(t), y(t)) ⇒ x(t)y(t) = 0. Comme

n )y( n = 0 ou bien I = {n ≥ 2/x( n = 0} est inni et ∀n ∈ I, γ( n ) ∈ D2 , γ (0) =
0
n ≥ 2, x( α α α α
γ( α
n )−γ(a)
lim α ∈ D2 ou bien I est ni et J = {n ≥ 2/y( α
n = 0} est inni donc γ (0) ∈ D1 .
0
n→∞ n
Ainsi TA (0, 0) ⊂ D1 ∪ D2
γ : R → A
Réciproquement, doit X ∈ D1 ∪ D2 , est C 1 et vérie γ(0) = 0, γ 0 (0) =
t 7 → tX
X
TA (0, 0) = D1 ∪ D2
4. Soit dans Rn , la sphère Sn−1 = {(x1 ; ...; xn ) ∈ Rn /x21 + ... + x2n = 1}. Soit a = (a1 ; ...; an ) ∈
Sn−1 . Soit γ] − α; α[→ Sn−1 tel que γ(0) = a, ∀t ∈] − α, α[, kγ(t)k2 = 1 en dérivant
∀t ∈] − α, α[, 2(γ(t)|γ 0 (t)) = 0 et (a|γ 0 (0)) = 0. Ainsi γ 0 (0) ∈ H ⇒ TSn−1 (a) ⊂ H .
γ : R 7→ Sn−1
Réciproquement, soit x ∈ H \ {0}, b = kxk x
. Soit tracé sur
θ 7→ a cos θ + b sin θ
Sn−1 car (a|b) = 0, donc

ka cos θ + b sin θk2 = ka cos θk2 + kb sin θk2 = 1

γ1 : R → Sn−1
, γ(0) = a et γ 0 (0) = b. Soit C 1 , γ1 (0) = a et γ10 (0) = kxkb = x ∈
t 7 → γ(kxkt)
TSn−1 (a)
Finalement TSn−1 (a) = {a}⊥

Figure 13.3  Plusieurs vue d'un plan tangent à une sphère en un point
5. Soit SLn (R) = {M ∈ Mn (R)/ det M = 1}. Soit M0 ∈ SLn (R), reconnaitre TSLn (R) (M0 )

γ ] − α; α[ → SLn (R) 1
:
Cas où M0 = In
t 7→ M (t)
C /γ(0) = In . Soit A = γ 0 (0). On a
∀t ∈] − α, α[, det M (t) = ϕ(t) = 1 ⇒ ϕ0 (t) = d(det)M (t) (M 0 (t)) = 0. Ainsi ϕ0 (0) =

430 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.4. VECTEURS TANGENTS

d(det)In (A) = 0 = tr(A)

γ : R → Mn (R)
Réciproquement, soit A ∈ Mn (R)/tr(A) = 0. Soit +∞
P tn An C1
t 7 → exp(tA) = n!
n=0

+∞
0
X tn−1
∀t ∈ R, γ (t) = An = A exp(tA)
n=1
(n − 1)!

Par ailleurs det exp(tA) = etr(A) = e0 = 1, donc γ(t) ∈ SLn (R) et γ(0) = In , γ 0 (0) = A.
Finalement
TSLn (R) (In ) = Ker(tr)

Cas général soit γ :] − α, α[→ SLn (R), C 1 /γ(0) = M0 , on peut lui associer
ϕ : ] − α, α[ → SLn (R) 1
C , ϕ(0) = In , ϕ0 (0) = M0−1 γ 0 (0). Il s'ensuit que
t 7→ M0−1 γ(t)

TSLn (R) (M0 ) = M0 Ker(tr)

c'est un hyperplan de Mn (R)

Théorème

1. 0 ∈ TA (a)
2. Si x ∈ TA (a) alors ∀λ ∈ R, λx ∈ TA (a)

Preuve :
1. Former ∀t ∈ R, γ(t) = a
γ1 : ] − αλ ; αλ [ → A
2. Si γ :]−α, α[→ A vérie γ(0) = a et γ 0 (0) = x, on forme , γ (0) =
t 7→ γ(λt) 1
a, γ10 (0) = λx, λ 6= 0

13.4.2 Cas d'une ligne ou surface équipotentielle

Théorème

Soit F : U ⊂ E euclidien → R de classe C 1 et A = {a ∈ U/F (a) = c} (ligne ou surface

de niveau, équipotentielle). Soit x ∈ TA (a). On a

((gradf )(a)|x) = 0

Le gradient est orthogonal aux lignes de niveau, surfaces équipotentielles

Preuve : Soit γ :] − α, α[→ A, C 1 /γ(0) = a et γ 0 (0) = x, ∀t ∈] − α, α[, F (γ(t)) = c, en dérivant

on a le résultat souhaité

431 MP∗ B.DufourJules

13.4. VECTEURS TANGENTS CHAPITRE 13. CALCUL DIFFÉRENTIEL

Remarques
1. Comme dFa (h) = (gradf (a)|h), si h est unitaire alors (gradF (a)|h) ≤ kgradF (a)k avec
égalité si et seulement si h est colinéaire au gradient
2. En un point x0 d'une ligne de niveau, F (x) = c. Si y est un vecteur tangent à A = {x ∈
E/F (x) = c} en x0 , on a
((gradF )(x0 )|y) = 0

noté ∇F (x0 )|y) = 0, donc TA (x0 ) ⊂ (∇F (x0 ))⊥ . A-t-on l'inclusion réciproque ? Générale-
ment non (cf exemple 3)

A = {(x, y) ∈ R2 /F (x, y) = xy = 0} = R(1, 0) ∪ R(0, 1)

   
y 0
∇F (x, y) = et ∇F (0, 0) =
x 0
TA (0, 0) = D1 ∪ D2 et (∇F (0, 0)) = R2 6= TA (0, 0)
⊥

En revanche pour (x0 , y0 ) ∈ A \ {(0, 0)}, si par exemple x0 = 0 et y0 6= 0

 
y0
∇F (x0 , y0 ) = ⇒ (∇F (x0 , y0 ))⊥ = R(0, 1) = D2
0
     
0 0 0
On dénit pour λ ∈ R, γ(t) = , ainsi γ(0) = et γ 0 (0) =
λt + y0 y0 λ
Ici (∇F (x0 , y0 ))⊥ = TA (x0 , y0 )

Théorème des fonctions implicites

Si ∇F (x0 ) 6= 0 alors TA (x0 ) = (∇F (x0 ))⊥ . Ce résultat se démontre dans le cas particulier
d'un graphe (cas du programme)

G : Ω ouvert ⊂ Rn−1 → R
Preuve : soit de classe C 1 . On forme le
(x1 ; ...; xn−1 ) 7→ G(x1 ; ...; xn−1 )
graphe de G, A = {(x1 , ..., xn ) ∈ Rn /xn = G(x1 , ..., xn−1 )}
Posons F (x1 , ..., xn ) = G(x1 , ..., xn−1 ) − xn

A = {(x1 , ..., xn ) ∈ Ω × R/F (x1 , ..., xn ) = 0}

∂G
∂x1 (a)
 
..
.
 
Pour a = (a1 , ..., an ) ∈ A, ∇F (a) =  . Soit x ∈ TA (a), on a (∇F (a)|x) = 0, x ∈
 
∂G
∂xn−1 (a)
 

( −1
γ(0) = a
(∇F (a)) et si γ :]−α; α[→ A vérie
⊥
, on a ∀t ∈]−α, α[, γn (t) = G(γ1 (t), ..., γn−1 (t)),
γ 0 (0) = x

n
X ∂G
γn0 (t) = γi0 (t) (γ1 (t), ..., γn−1 (t))
i=1
∂xi

432 MP∗ B.DufourJules

CHAPITRE 13. CALCUL DIFFÉRENTIEL 13.4. VECTEURS TANGENTS

n
d'où γ 0 (0) = γi0 (0) ∂x
∂G
P
i
(a)
i=1
γ : ] − α, α[ →  A 
a1 + t1
Réciproquement soit x = (x1 , .., xn ) ∈ (∇F (a))⊥ . Formons ..
.  ,
 
t 7→ 


 an−1 + txn−1 
G(a1 + t1 ; ...; an−1 + txn−1
γ(0) = a et γ 0 (0) = x. Ainsi dans le cas d'un graphe

TA (a) = (∇F (a))⊥

Pour n = 3, on a aaire à une surface z = G(x, y), F (x, y, z) = G(x, y) − z . Soit a = (a1 , a2 , a3 ) ∈
A  ∂G 
∂x (a1 , a2 )
∇F (a) =  ∂G (a1 , a2 )∂y
−1
   
1 0
(∇F (a))⊥ = V ect[ 0 , 1 
∂G ∂G
∂x (a ,
1 2 a ) ∂y (a ,
1 2 a )
TA (a) est un plan dit plan tangent à A en a

13.4.3 Application à la recherche d'extremums (HP)

Théorème des extremums liés
Soit une ligne de niveau A = {a ∈ E/F (a) = c} (où F : U ⊂ E → R, de classe C 1 ). Soit
H : Ω ouvert → R de classe C 1 , où A ⊂ Ω. On recherche les extremums de H sur A. Seulement,
on a généralement Å = ∅. Si H présente un extremum local en a ∈ A, soit x ∈ TA (a). Soit
γ :] − α, α[→ A de classe C 1 tel que γ(0) = a et γ 0 (0) = x
ϕ : ] − α, α[ → R
Soit , ϕ présente un extremum en 0 et est C 1 donc
t 7→ H(γ(t))

ϕ0 (0) = 0 = dHγ(0) (γ 0 (0)) = dHa (x)

Si E est euclidien, (∇Ha |x) = 0. Ceci valant ∀x ∈ TA (a), ∇Ha ∈ (TA (a)⊥ . Dans le cas où
TA (a) = (∇F (a))⊥
∇Ha ∈ R∇F (a)

Exemple
Déterminer min tr(t AA). On muni Mn (R) du produit scalaire canonique tr(t AB) =
A∈SLn (R)
(A|B). on cherche min kAk2 = d(0, SLn (R))2 . On a kIn k2 = n. Soit A ∈ SLn (R), kA−In k ≥
A∈SLn (R)
√ √
2 n ⇒ kAk ≥ kA − In k − kIn k ≥ n √
C = SLn (R) ∩ {A ∈ Mn (R)/kA − In k ≤ 2 n} compact (fermé borné en dimension nie). Sur
C, k.k2 admet un minimum en Al qui est un minimum sur SLn (R). SLn (R) est donc une ligne
de niveau du déterminant.
Or (∇ det)(A0 ) = Com(A0 ) = t A−10 et TSLn (R (A0 ) = {A0 M/tr(M ) = 0}
Soit B ∈ (∇ det A0 )⊥ , tr(A−1
0 B) = 0 ⇒ B ∈ TSLn (R) (A0 ). Or, ∇(k.k2 )(A0 ) = 2A0 ∈ TSLn (R) (A0 )⊥ =

433 MP∗ B.DufourJules

13.4. VECTEURS TANGENTS CHAPITRE 13. CALCUL DIFFÉRENTIEL

Rt A−1 t −1 t
0 . ∃λ ∈ R/A0 = λ A0 , A0 A0 = λIn ⇒ λ = 1 d'où A ∈ SOn (R), min kAk2 = n =
A∈SLn (R)
d(0, SLn (R))2 atteint par toute matrice de SOn (R)

434 MP∗ B.DufourJules

Chapitre 14

Équations diérentielles linéaires

Soit dans tout le chapitre, K = R ou C, E un K-espace vectoriel de dimension nie
(fréquemment E = Kn ), I intervalle de R

Sommaire
14.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
14.1.1 Équation diérentielle linéaire . . . . . . . . . . . . . . . . . . . . . . . 427
14.1.2 Structure de l'ensemble des solutions . . . . . . . . . . . . . . . . . . . 430
14.1.3 Théorème de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . 431
14.1.4 Résolvante, Wronskien . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
14.1.5 Variations des constantes . . . . . . . . . . . . . . . . . . . . . . . . . 435
14.1.6 Résolution d'une équation diérentielle linéaire scalaire d'ordre 1 . . . 436
14.2 Équations d'ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
14.2.1 Équation homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
14.2.2 Variations des constantes à l'ordre 2 . . . . . . . . . . . . . . . . . . . 440
14.2.3 Problème de raccord . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
14.2.4 Équations diérentielles non linéaires (HP) . . . . . . . . . . . . . . . 442
14.3 Systèmes diérentiels . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
14.3.1 Résolution générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
14.3.2 Résolution pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
14.3.3 Cas général d'une équation linéaire à coecients constants . . . . . . 447

14.1 Dénitions et résultats généraux

14.1.1 Équation diérentielle linéaire
Dénition

a : I → L(E) b : I → E
Soit et On appelle équation diérentielle sous
t 7→ a(t) t 7 → b(t)
forme résolue l'écriture

y 0 = [a(t)](y) + b(t) (14.1)

435
14.1. DÉFINITIONS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

Soit I 0 un intervalle ⊂ I , on appelle solution de (14.1) sur I 0 , toute application

$ : I0 → E
C 1 telle que
t 7→ ϕ(t)

∀t ∈ I 0 , ϕ0 (t) = [a(t)](ϕ(t)) + b(t)

On note S(14.1),I 0 l'ensemble des solutions de (14.1) sur I 0

Solution maximale

On dit que S(14.1),I 0 est solution maximale de (14.1) si et seulement si il n'existe pas
d'intervalle I 0 , telle que I 0 I 00 ⊂ I et ϕ̃ ∈ S(14.1),I 00 telle que ϕ̃|I 0 = ϕ (i.e on ne peut pas
prolonger ϕ en une solution de (14.1) sur un intervalle contenant strictement I 0 )
Notons que toute solution de (14.1) est restriction d'une solution maximale

Problème de Cauchy-Lipschitz

Soit une EDL y 0 = [a(t)](y) + b(t) et t0 ∈ I, y0 ∈ E . On appelle problème de Cauchy

associé à cette EDL l'écriture
(
y 0 = [a(t)](y) + b(t)
(C)
y(t0 ) = y0

On appelle solution de (C) sur un intervalle I 0 ⊂ I contenant t0 toute solution ϕ de (14.1)

sur I 0 telle que ϕ(t0 ) = y0

Remarque
Une ED est la loi générale d'un mouvement physique, un problème de Cauchy est sa parti-
cularisation avec une condition initiale

Théorème de Cauchy-Lipschitz
On dit qu'on a unicité pour le problème de Cauchy (C) si et seulement si ϕ1 et ϕ2 sont
solution de (C) sur I1 et I2 , on a ϕ1|I1 ∩I2 = ϕ2|I1 ∩I2 (t0 ∈ I1 ∩ I2 ). On retiendra qu'on a unicité
d'une solution maximale à un problème de Cauchy

Remarque
L'unicité traduit le caractère déterministe du mouvement

436 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.1. DÉFINITIONS

Forme matricielle

Lorsque E = Kn , soit B la base canonique et ∀t ∈ I, A(t) = mat B (a(t)) et B(t) =

y1 (t)
matB (b(t)). Notons pour ϕ : I 0 ⊂ I → E de classe C 1 et t ∈ I 0 , Yϕ (t) =  ...  la colonne
 

yn (t)
des coordonnées de ϕ(t) dans B

y10 (t)
      
a1,1 (t) ··· a1,n (t) y1 (t) b1 (t)
0  ..   .. ..   ..  +  .. 
ϕ ∈ S(14.1),I 0 ⇔ ∀t ∈ I ,  .  =  . .  .   . 
yn0 (t) an,1 (t) · · · an,n (t) yn (t) bn (t)
0 0
⇔ ∀t ∈ I , Y = AY + B

Équation diérentielle scalaire d'ordre n

Soit n ≥ 1 et α1 ; ...; αn−1 , β : I → K, on appelle EDLSn sous forme résolue l'écriture :

y (n) = αn−1 (t)y (n−1) + ... + α0 (t)y + β(t) (14.2)

Soit I 0 ⊂ I , on appelle solution de (14.2) sur I 0 toute application ϕ : I 0 → K, C n telle que

∀t ∈ I 0 , ϕ(n) (t) = αn−1 (t)ϕ(n−1) (t) + ... + α0 (t)ϕ(t) + β(t)

Problème de Cauchy d'ordre n

(n−1)
Soit t0 ∈ I, (y0 ; ...; y0 ) ∈ Kn , on appelle problème de Cauchy associée à (14.2) l'écri-
ture  (n)

 y = αn−1 (t)y (n−1) + ... + α0 (t)y + β(t)

y(t0 ) = y0

..


 .
(n−1)

 (n−1)
y (t0 ) = y0
Une
 solution de (C) sur I ⊂ I contenant t0 est une solution ϕ de (14.2) sur I telle que
0 0

ϕ(t ) = y0
 0


..
 .
ϕ(n−1) (t ) = y (n−1)

0 0
On dénit de même l'unicité

437 MP∗ B.DufourJules

14.1. DÉFINITIONS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

Forme matricielle

Yϕ : I0 →  Kn 
ϕ(t)
Soit ϕ : I 0 ⊂ I → K, C n , on lui associe ..  C 1 . On a ϕ ∈
t 7→  .


(n−1)
ϕ (t)
S(14.2),I 0 ⇔
 
0 1 0 ··· 0 0
 
 .. . .. .. .. ..  .. 
 . . . .

  . 
Y est solution sur I de Y =  ..
0 0
.. .. .. (14.3)
 
Y +  
. . .
 0 
 .

0   
  0 
 0 ··· 0 0 1 
α0 (t) · · · ··· ··· αn−1 (t) β(t)

On se ramène ainsi à une équation du premier ordre avec E = Kn et ϕ est solu-


 (14.2)

y(t0 ) = y0

tion sur I 0 de (C) . si et seulement si Yϕ est solution sur I 0 de

 .
.

(n−1)

 (n−1)
y (t0 ) = y0


 (14.3)  

y0


(C 0 )  . 
Y (t0 ) =  . 


  . 
(n−1)

y0


14.1.2 Structure de l'ensemble des solutions

Théorème

Soit a : I → L(E) et b : I → E continues et I 0 ⊂ I . On peut dé-

U : C 1 (I 0 , E) → C 0 (I 0 , E)
nir /∀t ∈ I 0 , U (ϕ)(t) = ϕ0 (t) − [a(t)](ϕ(t)). De plus
ϕ 7→ U (ϕ)
∀(λ, ϕ1 , ϕ2 ) ∈ K × C 1 (I, E)2 , ∀t ∈ I, U (λϕ1 + ϕ2 )(t) = λϕ01 + ϕ02 − a(t)(λϕ1 + ϕ2 ) =
λU (ϕ1 ) + U (ϕ2 ) On associe à (14.1) l'équation dite homogène

y 0 = [a(t)](t)

Théorème de structure

Si S(14.1),I 0 6= ∅ (i.e b ∈ Im(U )) soit ϕ1 ∈ T(14.1),I 0 , on dit que c'est une solution particu-
lière, on a :
S(H),I 0 = Ker(U )

438 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.1. DÉFINITIONS

S(14.1),I 0 = ϕ1 + S(H),I 0
C'est un sous-espace ane de C (I 0 , K) de direction S(H),I 0
1

Preuve : cf cours de MPSI

Remarque
Toute solution de (14.1) sur I 0 s'écrit sous la forme :

ϕ = ϕ1 + ϕ0

avec ϕ0 ∈ Ker(U )

Second membre
On écrit souvent (14.1) sous la forme avec second membre :

y 0 + [a(t)](y) = b(t)

L'équation homogène s'écrit aussi :

y 0 + [a(t)](y) = 0

14.1.3 Théorème de Cauchy-Lipschitz

Démonstration (HP)
(
y 0 = [a(t)](y) + b(t)
Soit a : I → L(E) et b : I → E continues. Soit t0 ∈ I et y0 ∈ E et
y(t0 ) = y0
ϕ solution de (C) sur I si et seulement si ∀t ∈ I
0 0

( Z t
y 0 = [a(t)](y) + b(t)
⇔ ∀t ∈ I 0 , ϕ(t) = ([a(u)](ϕ)(u) + b(u))du + y0 (14.4)
y(t0 ) = y0 t0

est l'équation intégrale associée à (C). Soit F : C 0 (I, E) → C 0 (I, E) telle que ∀t ∈ I, F (ϕ)(t) =
Rt ϕ : I → E
([a(u)](ϕ(u))+b(u))du+y0 . On cherche un point xe de F . L'idée est de partir de 0
t0 t 7→ y0
et on itère F, ∀n ∈ N, ϕn+1 = F (ϕn ). On va montrerPque (ϕn ) converge uniformément sur les
segments de I. Pour ce faire, on va étudier la série n∈N ϕn+1 − ϕn . Fixons J segment ⊂ I .
Notons, C = sup |||a(t)|||
t∈J

Lemme Soit (ϕ, ψ) ∈ C 0 (I, E)2 , ∀t ∈ J

Z t
kF (ϕ)(t) − F (ψ)(t)k = k [a(u)](ϕ − ψ)(u)duk ≤ |t0 − t|Ckϕ − ψk∞
t0

∀n ∈ N∗ , t ∈ J notons Mn = kϕn − ϕn−1 k∞ , d'après le lemme :

kϕn+1 (t) − ϕn (t)k = kF (ϕn )(t) − F (ϕn−1 )(t)k ≤ |t0 − t|CMn

439 MP∗ B.DufourJules

14.1. DÉFINITIONS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

Il s'ensuit en reportant (à l'ordre n − 1) que

Z t
kϕn+1 (t) − ϕn (t)k = k [a(u)](ϕn − ϕn−1 )(u)duk
t0
Z t
≤ | |||a(u)||| × kϕn (u) − ϕn−1 (u)kdu|
t0
Z t
≤ C| |u − t0 |CMn−1 du|
t0
|t − t0 |2
= C2 Mn−1
2
n
Par récurrence, kϕn+1 (t) − ϕn (t)k ≤ C n |t−t
n!
0|
M1 . Soit l(J) = sup(J) − inf(J), il vient

C n l(J)n
kϕn+1 − ϕn k∞ ≤ M1
n!
SATP convergente. Ainsi la série de fonctions ϕn+1 − ϕn converge normalement donc uni-
P
formément sur les segments de I et (ϕn ) converge uniformément sur les segments de I vers
Rt
ϕ ∈ C 0 (I, E). De plus, ∀t ∈ I, ϕn+1 (t) = t0 [a(u)](ϕn (u)) + b(u)du + y0 et comme ∀u ∈
J, k[a(u)](ϕn (u) − ϕ(u)k ≤ Ckϕn − ϕk∞ . La suite de fonctions (u 7→ [a(u)](ϕn (u) + b(u))n∈N
converge uniformément sur J vers u 7→ [a(u)](ϕ(u)) + b(u)
Rt
Par convergence, on a ∀t ∈ J, ϕ(t) = t0 [a(u)](ϕ(u)) + b(u)du + y0 . Ceci valant pour tout segment
J ⊂ I contenant t0 , donc sur I tout entier. Par ailleurs, si (ϕ, ψ) ∈ C 0 (I, E) sont solutions de
(14.3), d'après le lemme :

∀t ∈ J, kϕ(t) − ψ(t)k = kF (ϕ)(t) − F (ψ)(t)k ≤ |t0 − t|Ckϕ − ψk∞

n
De même que précédemment, par récurrence ∀n ∈ N, kϕ(t) − ψ(t)k ≤ C n |t0 −t|
n! kϕ − ψk∞ d'où
C n l(J)n
kϕ(t) − ψ(t)k ≤ n! kϕ − ψk∞ −→ 0 donc ϕ|J = ψ|J , ainsi ceci valant pour tout segment
n→+∞
de J , ϕ = ψ

Énoncé

Pour a : I → L(E), b : I → E , continues soit t0 ∈ I, y0 ∈ E alors il existe une unique

solution maximale au problème de Cauchy-Lipschitz :
(
y 0 = [a(t)](y) + b(t)
y(t0 ) = y0

et elle est dénie sur I

Exemples
(
y0 = y ϕ1 : R → K
Soit le problème de Cauchy : On pose
y(t0 ) = y0 t 7 → y0
Z t
ϕ1 (t) = y0 du + y0 = y0 (t − t0 ) + y0
t0

440 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.1. DÉFINITIONS

t
(t − t0 )2
Z
ϕ2 (t) = ϕ1 (u)du + y0 = y0 + y0 (t − t0 ) + y0
t0 2

n
X (t − t0 )k
ϕn (t) = y0 ( ) −→ y0 exp(t − t0 )
k! n→∞
k=0

Remarque
La preuve du TCL fournit une suite de fonctions qui converge uniformément vers ϕ sur les
segments de I , mais pas une expression explicite de ϕ !

Corollaire

U : C 1 (I, K) → C 0 (I, K)
1. ∀t ∈ I, U (ϕ)(t) = ϕ0 (t) − [a(t)](ϕ(t)) est surjective
ϕ 7→ U (ϕ)
Θt : S(H),I = Ker(U ) → E
2. ∀t ∈ I , l'application est un isomorphisme et
ϕ 7→ ϕ(t)
dim S(H),I = dim E

Preuve : soit b ∈ C 0 (I, K)

(
y0 = [a(t)](y) + b(t)
1. Soit (t0 , y0 ) ∈ I × E et ϕ unique solution sur I de (C) On a
y(t0 ) = y0
U (ϕ) = b, donc U est surjective
2. On applique le TCL à y 0 = [a(t)](y), ∀y0 ∈ I, ∃!ϕ ∈ T(H),I /ϕ(t0 ) = y0 i.e Θt0 (ϕ) = y0 , Θt0
est bijective, elle est linéaire : c'est un isomorphisme

Équation diérentielle linéaire scalaire d'ordre n

Soit α0 , ..., αn−1 , β : I → K, continues et

y(n) = αn−1 y n−1 + ... + α0 y + β (14.5)

(n−1)
1. ∀(t0 , y0 , ..., y0 ) ∈ I × Kn , ∃!ϕ ∈ S(14.5),I telle que ϕ(t0 ) = y0 , ..., ϕ(n − 1)(t0 ) =
(n−1)
y0
2. dim S(H),I = dim E

Preuve : on passe par un système diérentielle linéaire

441 MP∗ B.DufourJules

14.1. DÉFINITIONS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

14.1.4 Résolvante, Wronskien

Soit B une base xée de E (si E = Kn , B est la base canonique)

Dénitions

Soit ϕ1 , ..., ϕn , n applications : I → E . Pour t ∈ I on appelle (matrice) résolvante de

ϕ1 , ..., ϕn à l'instant t
Rϕ1 ,...,ϕn (t) = matB (ϕ1 (t), ..., ϕn (t))
et Wronskien de ϕ1 , ..., ϕn à l'instant t

Wϕ1 ,...,ϕn (t) = det Rϕ1 ,...,ϕn (t) = det(ϕ1 , ..., ϕn )

B

Théorème

Soit y 0 = [a(t)](y) avec a : I → L(E) continue. Soit (ϕ1 , ..., ϕn ) ∈ (S(H),I )n

Soit (ϕ1 , ..., ϕn ) est libre c'est alors une base de S(H),I , ∀t ∈ I

B(t) = (ϕ1 (t), ..., ϕn (t))

est une base de E. On a de plus ∀t ∈ J, Wϕ1 ,...,ϕn (t) 6= 0

Ou bien (ϕ1 , ..., ϕn ) est liée, ∀t ∈ I, Wϕ1 ,...,ϕn (t) = 0

Preuve : dim S(H),I = n et ∀t ∈ I, Θt est un isomorphisme. Par isomorphisme (ϕ1 , ..., ϕn )

est une base de S(H),I si et seulement si B(t) = (ϕ1 , ..., ϕn ) est une base de E si et seulement si
Wϕ1 ,...,ϕn 6= 0

Remarque
S'il existe t0 ∈ I/Wϕ1 ,...,ϕn (t0 ) 6= 0 alors (ϕ1 , ..., ϕn ) est une base de S(H),I et ∀t ∈ I, Wϕ1 ,...,ϕn (t) 6=
0

Calcul du Wronskien (HP)

Soit (ϕ1 , ..., ϕn ) ∈ S(H),I
n
, si cette famille est liée, ∀t ∈ I, Wϕ1 ,...,ϕn = 0
Si elle est libre c'est une base de S(H),I et ∀t ∈ I, B(t) = (ϕ1 (t), ..., ϕn (t)) est une base de E et
∀t ∈ I

n
X n
X
Wϕ1 ,...,ϕn (t) = det(ϕ1 (t); ...; ϕ0i (t); ...; ϕn (t)) = det(ϕ; ...; ϕn ) det (ϕ1 (t); ...; [a(t)](ϕi ); ...; ϕn (t))
B B B(t)
i=1 i=1

442 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.1. DÉFINITIONS

Notons A(t) = (ai,j (t)) = matB(t) a(t). On a ∀i ∈ [|1; n|]

 
1 0 0 a1,i (t) 0 0 0
..
0 . . . 0

.
 
 0 0 0
0 0 0 ai,i (t) 0 0 0
det (ϕ1 (t); ...; [a(t)](ϕi ); ...; ϕn (t)) =  ..  = ai,i (t)

B(t) 0 0 0 . 1 0 0
.. ..

.
 
0 0 0
 . 0 0
0 0 0 an,i (t) 0 0 1
n
X
Wϕ0 1 ;...;ϕn (t) = ai,i (t)Wϕ1 ;...;ϕn (t) = tr(A)(t)
i=1
Rt
tr(A)(u)du
d'où Wϕ1 ,...,ϕn (t) = C exp t0
avec C ∈ K∗

14.1.5 Variations des constantes

Principe
Soit (ϕ1 ; ...; ϕn ) est une base de S(H),I . Pour t ∈ I , soit B(t) = (ϕi (t))i∈[|1;n|] base de E. Soit
n
ϕ ∈ C 1 (I, K), ∀t ∈ I, ϕ(t) ∈ E et ∃(λi (t)) ∈ Kn /ϕ(t) =
P
λi (t)ϕi (t)
  i=1
x1 (t)
 .. 
Soit B une base xée de E et  .  colonne des coordonnées de ϕ(t) dans B, ∀i ∈ [|1; n|], xi ∈
xn (t)
 
λi (t)
C 1 (I, K). Comme  ...  est la colonne des coordonnées de ϕ(t) dans B(t) et Rϕ1 ;...;ϕn (t) est
 

λn (t)
la matrice de passage de B → B(t). Il vient
     
λ1 (t) x1 (t) x1 (t)
 ..   . 
Com(Rϕ1 ;...;ϕn (t))  ... 
1
 .  = Rϕ1 ;...;ϕn (t)  ..  =
−1 t  
Wϕ1 ;...;ϕn (t)
λn (t) xn (t) xn (t)
donc ∀i ∈ [|1, n|], λi ∈ C 1 (I, K) et
n
X n
X n
X
∀t ∈ J, ϕ0 (t) = λi (t)ϕ0i (t) + λ0i (t)ϕi (t) = [a(t)](ϕ(t)) + λ0i (t)ϕi (t)
i=1 i=1 i=1

n
X
ϕ ∈ S(1),I ⇔ ∀t ∈ I, λ0i (t)ϕi (t) = b(t)
i=1
λ01 (t)


⇔ ∀t ∈ I, matB(t) b(t) =  ... 

 

λ0n (t)
λ01 (t)
   
b1 (t)
 ..   . 
 .  = Rϕ1 ;...;ϕn (t)  .. 
−1
⇔
λ0n (t) bn (t)

443 MP∗ B.DufourJules

14.1. DÉFINITIONS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

Rt
∀i ∈ [|1; n|], ∃µi ∈ K, ∀t ∈ I, λi (t) = t0
βi (u)du + µi
n R n
t
Finalement ϕ ∈ T(14.1),I ⇔ ∃(µ1 , ..., µn ) ∈ Kn /∀t ∈ I, ϕ(t) =
P P
( t0 βi (u)du)ϕi (t) + µi ϕi (t)
i=1 i=1
On sait résoudre (14.1) à partir d'une base de solutions de (H) (on dit que (ϕ1 (t); ...; ϕn (t)) est
un système fondamental de solutions de (H) sur I)

Cas d'une équation diérentielle linéaire d'ordre n

Soit α0 ; ...; αn−1 , β : I → K continues. On a l'équation (14.2). Soit ϕ1 ; ...; ϕn ∈ (C n (I, K))n ,
Yϕi : I → Kn
 
ϕi (t)
on forme ∀i ∈ [|1; n|],  .  ∈ C 1 (I, Kn ) On a vu que (ϕ1 ; ...; ϕn ) est une
t 7→  .. 
(n−1)
ϕi
base de S(H),I si et seulement si (Yϕ1 ; ...; Yϕn ) est une base de S(H 0 ),I .
On dénit ∀t ∈ I, R(t) = Rϕ1 ;...;ϕn (t) = RYϕ1 ;...;Yϕn (t) et W (t) = WYϕ1 ;...;Yϕn (t) = Wϕ1 ;...;ϕn (t).
On a (ϕi ) est une base de S(H),I ⇔ ∀t ∈ I, (Yϕi ) est une base de Kn . Soit ϕ ∈ C n (I, K) et
 
ϕ
 ϕ0  n
Yϕ =  ..  , ∀t ∈ I, ∃(λi (t)) ∈ Kn /Yϕ(t) =
P
λi (t)Yϕi (t)
 
 .  i=1
ϕ(n−1)
   
ϕ(t) ϕi (t)
 ϕ0 (t)  Xn  ϕ0i (t)

.. = λi (t)  ..
   
. .
 
  i=1  
(n−1) (n−1)
ϕ (t) ϕi (t)

avec λi ∈ C 1 (I, K)

14.1.6 Résolution d'une équation diérentielle linéaire scalaire d'ordre

1
Méthode générale
Soit α : I → K, β : I → K continue et

y 0 = α(t)y + β(t) (14.6)

Rt
Soit ϕ ∈ C 1 (I, K), ϕ ∈ S(14.6),I ∀t ∈ I, ϕ0 (t) − α(t)ϕ(t) = β(t). On pose A(t) = t0
α(u)du, t0 ∈ I
xé

(14.6) ⇔ (ϕ0 (t) − α(t)ϕ(t))e−A(t) = β(t)e−A(t)

⇔ ϕ exp A = β exp A
Z t
⇔ ∃C ∈ K/∀t ∈ I, ϕ(t) = ( β(u)e−A(u) du + C)eA(t)
t0

Problème de Cauchy
L'unique solution au problème de Cauchy avec y(t0 ) = t0 est celle pour laquelle C = y0

444 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.2. ÉQUATIONS D'ORDRE 2

Méthode de la variation de la constante

Soit l'équation diérentielle : y 0 = a(t)y + b(t)

1. On résout d'abord l'équation
Rt
homogène associée : y 0 = a(t)y , on obtient un ensemble
de solutions yH (t) = Ae a(u)du
Rt
2. Pour résoudre l'équation avec second membre, on suppose que yp = α(t)e a(u)du est
solution avec α : I → K de classe C 1 . En réinjectant, on obtient une équation sur α,
que l'on sait résoudre
3. L'ensemble des solutions est donné par y = yH + yp

Cas vectoriel
Soit l'équation y 0 = [a(t)]y + b où a : I → L(E), b : I → E et dim E ≥ 2 et l'équation
Rt
matricielle, Y 0 = AY + B associée. Soit ∀t ∈ I, A(t) = t0 A(u)du ∈ Mn (K) on a
+∞ +∞
X Ak (t) X
A0 (t) = A(t), exp(−A(t)), exp(−A(t)) = (−1)k = (−1)k fk (t)
k!
k=0 k=0
n
fk0 (t) = 1
Ai−1 (t)A(t)Ak−i (t)
P
k!
i=1
kfk0 k∞,J ≤ 1
(k−1)! sup |||A(t)|||k−1 sup |||A(t)|||, t 7→ e−A(t) est C 1 , si ∀t ∈ I, A(t) et A(t) conviennent,
t∈J t∈J
on a :
(exp(A))0 (t) = A(t) exp(−A(t)) = exp(−A(t))A(t)
et on peut résoudre l'équation comme un ordre 1 scalaire. Si les 2 ne commutent pas, alors il
faut employer une méthode locale si elle existe

14.2 Équations diérentielles linéaires d'ordre 2

14.2.1 Équation homogène
Position du problème
Soit p : I → K et q : I → K continues et
y 00 + p(t)y 0 + q(t)y = 0
On sait d'après le TCL que dim S(H),I = 2. Généralement on ne sait pas expliciter une base de
solution de (H) ! ! !
Soit (ϕ1 , ϕ2 ) ∈ (S(H),I )2 , on dénit
 
ϕ1 (t) ϕ2 (t)
Wϕ1 ,ϕ2 (t) =  0  = (ϕ1 ϕ02 − ϕ01 ϕ2 )(t)C 1
ϕ1 (t) ϕ02 (t)


Wϕ0 1 ,ϕ2 (t) = ϕ1 ϕ002 − ϕ001 ϕ2 = −pWϕ1 ,ϕ2

Rt
− p(u)du
∃C ∈ K/∀t ∈ I, Wϕ1 ,ϕ2 (t) = Ce t0

y0
    
0 1 y
(H) ⇔ =
y 00 −q −p y0

445 MP∗ B.DufourJules

14.2. ÉQUATIONS D'ORDRE 2 CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

(ϕ1 , ϕ2 ) est une base de solutions de S(H),I si et seulement si C 6= 0 :

C 6= ⇔ ∀t ∈ I, Wϕ1 ,ϕ2 (t) 6= 0

⇔ ∃t ∈ I, Wϕ1 ,ϕ2 (t) 6= 0

   
ϕ1 (t) ϕ2 (t)
Dans ce cas, ∀t ∈ I, , est une base de K2
ϕ01 (t) ϕ02 (t)

Recherche d'une solution développable en séries entières

Lorsqu'on a une EDL2 : αy 00 +βy 0 +γy = δ (sous forme non résolue où α, β, γ polynomiales
+∞
et δ est DSE. On cherche des solutions DSE de la façon suivante : si f (t) = an tn est
P
n=0
solution sur ]−R, R[ rayon de convergence > 0. On évalue le coecient de tn de αy 00 +βy 0 +γy
et par unicité du DSE on identie le coecient de tn à celui de tn de δ . On obtient une relation
de récurrence sur (an ). On évalue au moyen de cette relation le rayon de convergence R0 de
cette série entière puis en mentionnant qu'on peut remonter les calculs,
+∞
X
f0 (t) = an tn est solution sur ] − R0 ; R0 [
n=0

Le TCL s'applique seulement sur un intervalle que lequel α(t) 6= 0, sur I il sut de connaître
f (t0 ) et f 0 (t0 ) pour déterminer une solution

Exemple
y 00 + 2t y 0 + y = 0 EDLH2 sur R∗+ ou R∗− , le TCL s'applique sur I :

2
y 00 + y 0 + y = 0 ⇔ ty 00 + 2y 0 + ty = 0
t
+∞
Si f (t) = an tn est solution
P
n=0
+∞
an−1 tn
P
tf (t) =
n=1
+∞
2f 0 (t) = 2(n + 1)an+1 tn
P
n=0
+∞
tf 00 (t) = n(n + 1)an+1 tn
P
n=0
De plus tf (t) + 2f 0 (t) + tf (t) = 0, d'où
00

+∞
X
[(n + 1)(n + 2)an+1 + an−1 ]tn + a1 = 0
n=1

Par unicité de DSE, sur t ∈] − R, R[, a1 = 0

−an − 1
∀k ∈ N∗ , an+1 =
(n + 1)(n + 2)

446 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.2. ÉQUATIONS D'ORDRE 2

+∞
(−1)p (−1)p 2p
Par récurrence : ∀p ∈ N, a2p+1 = 0 et a2p = (2p+1)! a0 , R = +∞, si a0 = 1, f (t) =
P
(2p+1)! t =
p=0
sin t
t = sinc(t) est solution en remontant les calculs

Remarque
Cette méthode permet de monter que par unicité dans le TCL, une certaine fonction f est
DSE : on montre que f(est solution d'une ED du type précédant, on vérie qu'il existe f1 DSE
f1 (0) = f (0)
solution sur ] − R; R[/ Par unicité f = f1 sur ] − R, R[
f10 (0) = f 0 (0)

Cas où les coecients sont constants

Soit y 00 + αy 0 + βy = 0 alors on résout l'équation caractéristique x2 + αx + β = 0, les

solutions sur C sont
1. Si x2 + αx + β == (x − λ1 )(x − λ2 ) alors

y(t) = Aeiλ1 + Beiλ2 /(A, B) ∈ C2

2. Si x2 + αx + β = (x − λ0 )2 alors

y(t) = (A + Bt)eλ0 t /(A, B) ∈ C2

Recherche d'une base de solution lorsqu'on connait une solution qui ne s'annule pas

Soit y 00 + py 0 + qy = 0 avec p, q : I → K continues. On suppose qu'on connaît une

solution ϕ1 sur I 0 ⊂ I/ϕ1 ne s'annule pas sur I 0 . On recherche alors une solution ϕ sur I 0
indépendante de ϕ1 , i.e ϕ2 (t) = λ(t)ϕ1 (t) avec λ : I 0 → KC 2 non constante. Il vient
(
ϕ02 = λ0 ϕ1 + λϕ01
ϕ002 = λϕ001 + 2λ0 ϕ01 + λ00 ϕ1

ϕ002 + pϕ02 + qϕ2 = 0 ⇔ λ(ϕ001 + pϕ01 + qϕ1 ) + λ0 (pϕ1 + 2ϕ01 ) + λ00 ϕ1 = 0

⇔ λ0 (pϕ1 + 2ϕ01 ) + λ00 ϕ1 = 0

qui est une EDL1 en λ0 , on sait la résoudre, reste à calculer une primitive de λ0 pour obtenir
λ. Finalement (ϕ1 , ϕ2 ) est une base de solution sur I

Exemple
Soit y 00 + 2t y 0 + y = 0 qu'on résout sur R∗+ ou R∗− . On sait que ϕ1 (t) = sinc(t) est solution.
On choisit, k ∈ Z, I 0 =]kπ; (k + 1)π[. Ce qui précède s'applique :

C 1 C
λ0 (t) = 2
× 2 =
sinc(t) t sin(t)2

447 MP∗ B.DufourJules

14.2. ÉQUATIONS D'ORDRE 2 CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

On choisit C = −1 et λ(t) = cotan(t). On obtient ϕ2 (t) = cost t qui se prolonge par continuité sur
I en une fonction solution. Finalement (ϕ( t) = sinc(t), ϕ2 (t) = cost t ) forme une base de solutions
sur I

Utilisation de Cauchy-Lipschitz

Pour montrer qu'une solution f d'une EDL est paire, impaire, T-périodique, il sut de
vérier que x 7→ f (−x) (resp. x 7→ f (x + T )) vérie le même problème de Cauchy que f .
Par unicité on peut conclure

14.2.2 Variations des constantes à l'ordre 2

Méthode

Soit y 00 + py 0 + qy = b avec p, q, b : I → K continues. On suppose qu'on connaît une

base de solution (ϕ1 , ϕ2 ) sur I . Rappelons que ∀t ∈ I, Θt est un isomorphisme, soit ϕ ∈
C 1 (I, K)2 /∀t ∈ I
      (
ϕ(t) ϕ1 (t) ϕ2 (t) ϕ = λ1 ϕ1 + λ2 ϕ2
= λ1 (t) + λ2 (t) ⇔
ϕ0 (t) ϕ01 (t) ϕ02 (t) ϕ0 = λ1 ϕ01 + λ2 ϕ02
(
ϕ = λ1 ϕ1 + λ2 ϕ2
⇔
0 = λ01 ϕ1 + λ02 ϕ2
(
ϕ0 = λ1 ϕ01 + λ2 ϕ02
Il vient ϕ00 + pϕ0 + qϕ = λ1 (ϕ001 + pϕ01 + qϕ1 ) + λ2 (ϕ002 +
ϕ00 = λ1 ϕ001 + λ2 ϕ002 + λ01 ϕ01 + λ02 ϕ02
pϕ02 + qϕ2 ) + λ01 ϕ01 + 0 0 0 0 0 0
(λ2 ϕ2 = λ1 ϕ1 + λ2 ϕ2
0 0
λ1 ϕ1 + λ2 ϕ2 = 0
ϕ solution sur I ⇔ est un système de Cramer ∀t ∈ I , car Wϕ1 ,ϕ2 6= 0,
λ01 ϕ01 + λ02 ϕ02 = b
on le résout et on intègre. On obtient la solution de l'équation homogène aux constantes de
primitivation près

Exemple
y 00 + y = 1t , on résout sur I = R∗+ ou R∗− . (sin, cos) est une base de solutions de l'équation
homogène y 00 + y = 0. On cherche les solutions générales sur I sont sous la forme :
( (
ϕ = λ sin t + µ cos t λ0 sin t + µ0 cos t =0
⇔
0 = λ0 sin t + µ0 cos t λ0 cos t − µ0 sin t = 1
t
cos t sin t
⇔ ∀t ∈ I, λ0 (t) = et µ0 (t) = −
t t
Z +∞ Z +∞
cos u sin u
⇔ ∃(λ, µ) ∈ R2 /∀t ∈ I, λ = − du + λ et µ(t) = du + µ
t u t u

448 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.2. ÉQUATIONS D'ORDRE 2

d'où la solution générale sur I :

Z +∞ Z +∞
cos u sin u
ϕ(t) = − sin t du + cos t du + λ sin t + µ cos t
0 u t u
Z +∞
sin(u − t)
= du + λ sin t + µ cos t
0 u
Z +∞
sin v
= dv + λ sin t + µ cos t
0 v +t

e−xt e−xt
R +∞
Notons que pour F (x) = 1+x2 dénie sur R+ , continue sur R+ car | 1+x2 | ≤ 1+x2 intégrable
0
1

−xe−xt xe−ax x2 e−xt x2 e−ax

sur R+ , C sur R+ , | 1+x2 | ≤ 1+x2 , | 1+x2 | ≤ 1+x2 ∈ L (R+ )
2 ∗ 1
R +∞ R +∞
∀t > 0, F 00 (t) + F (t) = 0 e−xt dx = 1t . De plus, |F (t)| ≤ 0 e−xt dx = 1t , donc lim F (t) = 0.
t→0
D'après ce qui précède, ∃(λ, µ) ∈ R /∀t > 0
2

Z +∞ Z +∞
cos u sin u
F (t) = − sin t du + cos t du + λ sin t + µ cos t
t u t u
Z +∞ Z +∞
cos u sin u p
= − sin t du + cos t du + λ2 + µ2 sin(t + ϕ)
t u t u

Il en résulte lim λ2 + µ2 sin(t + ϕ) = 0 ⇒ λ = µ = 0, donc

p
t→+∞

Z +∞
sin u
F (t) −→ du
t→0 0 u

Par continuité de F en 0,
Z +∞
sin u π
du = F (0) =
0 u 2

14.2.3 Problème de raccord

Position du problème
Soit une EDL sous une forme non résolue

α(t)y 00 + β(t)y 0 + γ(t)y = δ(t)

: C 2 (I, K) →
V C 0 (I, K)
avec α, β, γ, δ : I → K continues. Formons linéaire,
ϕ 7→ αϕ + βϕ0 + γϕ
00

ϕ ∈ S(1),I ⇔ V (ϕ) = δ . Si il existe une solution ϕ1 sur I, on a

S(1),I = ϕ1 + Ker(V )

On n'est même pas sur de l'existence d'une solution, par ailleurs, on ne connait pas a priori
dim Ker(V )

Exemple
α = β = γ = 0 et δ = 1, S(1),I = ∅, S(H),I = C 2 (R, R), dim Ker(V ) = +∞

449 MP∗ B.DufourJules

14.2. ÉQUATIONS D'ORDRE 2 CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

Méthode générale

Sur un intervalle I 0 ⊂ I sur lequel α ne s'annule pas

β 0 γ δ
α(t)y 00 + β(t)y 0 + γ(t)y = δ(t) ⇔ y 00 + y + y=
α α α
On peut appliquer le TCL et tout ce qui précède sur I puis on eectue les raccords aux
points où α s'annule de façon à obtenir une solution C 2 (C 1 à l'ordre 1)

Exemples
1. ty 0 + y = 0(E1 ), ty 0 − y = 0(E−1 ), ty 0 − 2y = 0(E−2 ). Notons que 0 est solution maximale
sur R . Soit I 0 = R∗− ou R∗+

k C
(Ek ) sur I 0 ⇔ y 0 + y = 0 ⇔ y(t) = k
t |t|

k=1 y= C
t sur I 0 non prolongeable en 0 si C 6= 0
(
∀t > 0, y(t) = C1 t
k = −1 y(t) = Ct sur I 0 . Si y est solution sur R, ∃(C1 , C2 ) ∈ R2 / y y
∀t < 0, y(t) = C2 t
étant C 1 , C1 = C2
(
∀t > 0, y(t) = C1 t2
k = −2 si y est solution sur R/∃(C1 , C2 ) ∈ R /2
∀(C1 , C2 ) ∈ R2 , on
∀t < 0, y(t) = C2 t2
obtient un raccord C 1 , 0
2. ty 00 + 2y 0 + ty = 0 sur I 0 = R∗+ ou R∗−

2
ty 00 + 2y 0 + ty = 0 ⇔ y 00 + y 0 + y = 0
t

∃(λ1 , λ2 , µ1 , µ2 ) ∈ R4 /∀t > 0, y(t) = λ1 sint t + µ1 cost t , ∀t < 0, λ2 sint t + µ2 cost t

La continuité en 0 impose λ1 = λ2 et µ1 = µ2 = 0 et sinc est C ∞ sur R. Les solutions sur
R sont {λsinc/λ ∈ R} et dim S(H),I = 1

14.2.4 Équations diérentielles non linéaires (HP)

Toute les équations diérentielles ne sont pas linéaires. Il n'existe pas de méthode générale
pour les résoudre. Il existe cependant des méthodes permettant de les résoudre dans des cas
particulier ou bien de manière approchée. On fait ici quelques rappels d'exemples étudiés en
première année

Équation à variable séparée

Ce sont les équations diérentielles de la forme :

y 0 b(y) = a(t)

450 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.2. ÉQUATIONS D'ORDRE 2

avec a, b ∈ C 0 (I, R). Pour résoudre cette équation on considère A une primitive de a et B
une primitive de b sur I, alors :

y 0 b(y) = a(t) ⇔ B(y) = A(t) + λ/λ ∈ R

On considère J intervalle ⊂ I sur lequel B(t) est bijective, dans ce cas on considère sa
bijection réciproque B −1 (t) et
y(t) = B −1 (A(t) + λ)

Équation de Bernoulli

Ce sont les équations diérentielles de la forme :

y 0 = a(t)y λ + b(t)y

avec a et b continues sur I intervalle de R et λ ∈ R∗ \ {1}. La fonction nulle est solution.

S'il existe une solution y non constamment nulle, alors il doit exister un intervalle J sur
lequel y ne s'annule pas, sur un tel intervalle y est de signe constant, on peut donc faire le
changement de fonction y = εz α avec ε = ±1 suivant le signe de y , l'équation devient alors :

αz 0 = b(t)z + a(t)z α(λ−1)+1

en prenant α = 1
1−λ , on a une équation diérentielle linéaire du premier ordre, on sait donc
la résoudre.

Équation de Riccati

Ce sont les équations diérentielles de la forme :

y 0 = a(t)y 2 + b(t)y + c(t)

avec a, b, c des fonctions continues sur un intervalle I de R

1. On cherche une solution particulière y1
2. On pose y = y1 + z, z est alors une solution d'une équation de Bernoulli

Équation d'Euler

Ce sont les équations diérentielles de la forme :

t2 y 00 + aty 0 + by = 0

avec a, b deux constantes réelles. La fonction nulle est solution et si x 7→ y(x) est solution
alors x 7→ y(−x) est aussi solution, donc on peut supposer x > 0. On eectue les changements
de variables suivants : t = ln x, z(t) = y(et ), d'où y(x) = z(ln(x)). On se ramène alors à une
équation diérentielle linéaire du second ordre à coecients constants d'inconnue z

451 MP∗ B.DufourJules

14.3. SYSTÈMES DIFFÉRENTIELS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

14.3 Systèmes diérentiels linéaires à coecients constants

14.3.1 Résolution générale
Soit A ∈ Mn (K) et B : I → Mn,1 (K) continue. On considère l'équation

Y 0 = AY + B

d'équation homogène associée :

Y 0 = AY

Théorème

ϕ : R → Mn (K)
Rappelons que est C ∞ , ∀t ∈ R, ϕ0 (t) = A exp(tA) = exp(tA)A
t 7→ exp(tA)

k
Preuve : Si on pose fk (t) = tk Ak! est C ∞ , ∀R ≥ 0, ∀t ∈ [−R; R]

tk−1 Rk−1
kfk (t)k = k Ak k ≤ kAkk
(k − 1)! (k − 1)!

terme général d'une SATP convergente (règle de d'Alembert)

Théorème de résolution

Soit Y : I → Mn,1 (K), C 1

Y ∈ S(1),I ⇔ ∀t ∈ I, exp(−tA)(Y 0 (t) − AY (t)) = exp(−tA)B(t)

d
⇔ (exp(−tA)Y (t)) = exp(−tA)B(t)
dt
⇔ ∀t0 ∈ I xé , ∃Y1 ∈ Mn,1 (K)/∀t ∈ I,
Z t
Y (t) = exp(tA) exp(−uA)B(u)du + exp(tA)Y1
t0

Théorème

Rt
1. La solution générale sur I est t 7→ Y (t) = exp(tA)( t0
exp(−uA)B(u)du + Y1 ) où
Y1 ∈ Kn
2. dim S(H),R = n

452 MP∗ B.DufourJules

CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.3. SYSTÈMES DIFFÉRENTIELS

14.3.2 Résolution pratique

Changement de base

Soit Y 0 = AY + B et P ∈ GLn (R), A1 = P −1 AP, B1 = P −1 B . Soit Y : I → Mn,1 (K), C 1

et Y −1 (t) = P −1 Y (t)

Y ∈ S(1),I ⇔ ∀t ∈ I, Y 0 (t) = AY (t) + B(t)

⇔ ∀t ∈ I, P −1 Y 0 (t) = P −1 AP Y1 (t) + P −1 B(t)
⇔ ∀t ∈ I, Y1 (t) = A1 Y1 (t) + B1 (t)

On la résout et on reporte avec Y (t) = P Y1 (t)

Cas où A est diagonalisable

 
α1 0 0
Soit P ∈ GLn (K)/A1 = P −1 AP =  0 ..
.
 
0
0 0 αn
     
x1 (t) ξ1 (t) β1 (t)
Si Y (t) =  ...  et Y1 (t) =  ...  , B1 (t) =  ... . L'équation s'écrit :
     

xn (t) ξn (t) βn (t)

ξ10 (t)
      
α1 0 0 ξ1 (t) β1 (t)
 ..   ..  .   . 
 . =0 . 0   ..  +  .. 
ξn0 (t) 0 0 αn ξn (t) βn (t)

∀i ∈ [|1; n|], ξi0 (t) = αi ξi (t) + βi (t), on a n équations indépendantes, ξi (t) est de la forme
λi (t)etαi avec λ0i (t)etαi = βi (t). Puis Y = P Y1

Cas où A est trigonalisable

L'équation s'écrit :
 0      
ξ1 (t) α1,1 ··· α1,n ξ1 (t) β1 (t)
 ..   .. ..   ..  +  .. 
 . = 0 . .  .   . 
ξn0 (t) 0 0 αn,n ξn (t) βn (t)

qu'on résout de proche en proche à partir de la dernière et en reportant progressivement

Exemples
(
x0 = 5x − 2y + t
 
5 −2
1. ,A =
y 0 = −x + 6y −1 6
χA (λ) = λ − 11λ + 28 = (λ − 7)(λ − 4), A est diagonalisable sur A. On recherche une base
2

453 MP∗ B.DufourJules

14.3. SYSTÈMES DIFFÉRENTIELS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

de vecteurs propres    
1 2
ε1 = , ε2 =
−1 1
     
1 2 7 0 t
On pose P = et A1 = P AP =
−1
, B(t) = = 3t (ε1 + ε2 )
−1 1 0 4 0
(
x01 = 7x1 + 3t
 
x(t)
X(t) = est solution sur R ⇔ X1 = P X solution de
−1
y(t) y10 = 4y1 + 3t
(
2 x1 (t) = λe7t + t−121
⇔ ∃(λ, µ) ∈ R /
y1 (t) = µe4t + t−1 12
(
x00 = x + y
 
1 1
2. X 00 = AX avec A =
y 00 = −x + 3y −1 3
χA (λ) = λ2 − 4λ + 4 = (λ − 2)2 . A est trigonalisable, on cherche un vecteur propre et on
complète de sorte à obtenir une base adaptée
   
1 1
ε1 = , ε2 =
1 0
     
1 1 2 −1 x(t)
Soit P = −1
, P AP = A1 = . Pour X(t) = , X1 (t) = P −1 X(t) =
1 0 0 2 y(t)
 
x1 (t)
y1 (t)
X solution sur R ⇔ X100 = A1 X1
(
x001 = 2x1 − y1
⇔
y100 = 2y1
( √ √
y1 (t) = λe 2t + µe−√ 2t
⇔ √
x001 (t) = 2x1 (t) − λe 2t − µe− 2t
( √ √
x1 (t) = λe 2t + µe− 2t
⇔ √ √
y1 (t) = αe 2t + βe− 2t + y0
On cherche la solution particulière y0 soit par la méthode de variation des constantes ou
bien en utilisant le principe de superposition étudié en première année : si le second membre
est de la forme P (t)eλt avec P polynôme alors la solution particulière est de la forme Q(t)eλt
avec Q un polynôme, ici
√ √ t √
y1 (t) = αe 2t + βe− 2t + √ ch( 2t)
2

Remarque
Si la dérivée première en même temps que la dérivée seconde et la fonction alors on peut
écrire,  
x
y
X= x0 


y0

454 MP∗ B.DufourJules

 CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES 14.3. SYSTÈMES DIFFÉRENTIELS

14.3.3 Cas général d'une équation linéaire à coecients constants

Méthode générale
Soit (a0 , ..., an−1 ) ∈ Kn et l'équation scalaire d'ordre n à coecients constants

y (n) + an−1 y (n−1) + ... + a0 y = 0

 
ϕ
 ϕ0 
dim S(H),R = n, ϕ ∈ C n (R, K) ∈ S(H),R si et seulement si Yϕ =  ..  ∈ S(H 0 ),R avec
 
 . 
ϕ(n−1)
 
0 1 0 ··· 0 
0

 .. . .. .. .. ..  .. 
 . . . .

  . 
 ... .. .. ..
0
 
Y =  0  Y = AY
Y +  
. . . 0   
   0 
 0 ··· 0 0 1 
−α0 (t) · · · ··· ··· −αn−1 (t) β(t)

n−1 r
A est la transposée de la matrice compagnon de P (X) = X n ak X k = (X − λi )mi = χt A =
P Q
k=0 i=1
χA avec λi ∈ C, mi ≥ 1
On dunfordise, ∃Q ∈ GLn (C)/
   
B1 0 0 λ1 ∗ ∗
−1 .. ..
Q AQ =  0 . 0  , Bi =  0 . ∗  = λi Imi + Ni
   

0 0 Br 0 0 λi

avec Ni est nilpotent

 
exp(tB1 ) 0 0
..  −1
exp(tA) = Q  . Q

0 0
0 0 exp(tBr )

tmi −1 mi −1
∀i ∈ [|1, r|], exp(tBi ) = exp(tλi Imi + tNi ) = etλi (Imi + tNi + ... + (mi −1)! Ni ) En reportant,
r
on obtient, Y (t) = etA Y0 et ϕ(t) = Pi (t)etλi , deg(Pi ) ≤ mi − 1
P
i=1

Cas de la dimension 2

y 00 + ay 0 + by = 0
 
0 1
A= , χA = X 2 + aX + b
−b −a
∆ > 0 : χA = (X − λ1 )(X − λ2 )

y = Aeλ1 t + Beλ2 t /(A, B) ∈ R2

455 MP∗ B.DufourJules

 14.3. SYSTÈMES DIFFÉRENTIELS CHAPITRE 14. ÉQUATIONS DIFFÉRENTIELLES

 
λ0 1
∆ = 0 : χA = (X − λ0 )2 , A n'est pas diagonalisable, mais semblable à = Q−1 AQ =
0 λ0
 
0 1
λ 0 I2 + = λ0 I2 + N
0 0
exp(tA) = Q exp(tA1 )Q−1 = Q(eλ0 t (I2 + tN ))Q−1 , d'où

y(t) = (A + Bt)eλ0 t /(A, B) ∈ R2

∆ < 0 : on diagonalise dans C et on prend la partie réelle par linéarité, χA = (X − λ1 )(X − λ2 ).

Ainsi dans C :
y(t) = Aeλ1 t + Beλ2 t /(A, B) ∈ R2
Dans R, on note Ω1 = Re(λ1 ) et Ω2 = Re(λ2 )

y(t) = A cos(Ω1 t) + B sin(Ω2 t)/(A, B) ∈ R2

Remarque
Soit y 00 + ay 0 + by = P (t)eαt . X 2 + aX + b = (X − λ)(X − µ), λ 6= µ 6= α. D'après la méthode
de la variation des constantes, la solution générale est de la forme :

λt µt
y = ξ(t)e + ζ(t)e

0 λt 0 µt
ξ e +ζ e =0
 0 λt
ξ λe + µζ 0 eµt = P (t)eαt


P (t) αt
ξ0 = µ−λ e , on fait deg P intégration par parties

ξ(t) = Q(t)eαt , deg Q = deg P

**
*
FIN

456 MP∗ B.DufourJules