Les espaces préhilbertiens réels 29

Variables aléatoires à densité 31

Inégalités et convergences 33

Résumé de cours. Les équations différentielles 34

Les fonctions holomorphes 36

Les groupes 2

Anneaux, corps et algèbre 3

Normes et suites 5

Éléments topologiques 7

Limites et continuité 8

Compacité, connexité par arcs, dim finie et espaces de Banach 10

Réduction des endomorphismes 11

Les séries à valeurs dans un evn de dimension finie 13

Les familles numériques sommables 15

Les suites de fonctions 16

Les séries de fonctions 17

Les séries entières 18

Les probabilités 19

Les variables aléatoires discrètes 21

Vecteurs de variables aléatoires discrètes 23

Calcul différentiel 25

Intégration sur un intervalle quelconque 27

1
Résumé du cours L ES GROUPES El Amdaoui

G ROUPES G ROUPE MONOGÈNE , GROUPE CYCLIQUE O RDRE D ’ UN GROUPE

1. S’il existe x 2 G tel que < x >= G, le groupe est dit Si G est fini, alors son cardinal est appelé son ordre
monogène.
G ROUPE 2. Un groupe cyclique est un groupe monogène fini. C ARACTÉRISATION DES ÉLÉMENTS D ’ ORDRE FINI
On appelle groupe tout ensemble G muni d’une lci ? associative, Les affirmations suivantes sont équivalentes :
possédant un élément neutre et dont tout est inversible L ES SOUS - GROUPES DE (Z, +) 1. a est d’ordre fini
Si de plus 8x, y 2 G : x ? y = y ? x, on dit que la loi est commu- Soit H un sous groupe de Z, alors il existe un unique entier n 2 N
tative et le groupe est abélien. 2. il existe k 2 N⇤ tel que ak = e
tel que H = nZ
Dans ce cas (a) = inf{k 2 N⇤ | ak = e} et aussi l’unique entier
de N⇤ tel que l’on ait :
P ROPRIÉTÉ
Soit (G, ?) un groupe. M ORPHISME DE GROUPES
k
1. L’élément neutre dans un groupe est unique 8k 2 Z, a = e () (a) | k

2. Le symétrique d’un élément x est unique. On le note x 1 Soit deux groupes (G, .) et (H, ?) et f : G ! H une application
( resp x) lorsque la loi est multiplicative ( additive ) P ROPRIÉTÉ
D ÉFINITION Si a 2 G est d’ordre fini n.
3. Pour tout x, y 2 G : n
On dit que f est un homomorphisme de groupes si pour tous x et • Pour r 2 Z, alors (ar ) = ;
(x ? y) 1
=y 1
?x 1
et x 1 1
=x y sont éléments de G : f (x.y) = f (x) ? f (y). n^r
n 1
Si de plus f est bijectif, f est dit isomorphisme de groupes • < a >:= e, a, · · · , a
• < a > est isomorphe á (Z/nZ, +)
P ROPRIÉTÉ • (a) = Card (< a >)
(Z/nZ, +) est un groupe abélien. R ÈGLES DE CALCUL
Soit f : (G, .) ! (H, ?) un morphisme de groupe, alors
1. f (eG ) = eH G ÉNÉRATEURS D ’ UN GROUPE MONOGÈNE
G ROUPE PRODUIT
2. Pour tout x 2 G : f (x 1 ) = f (x) 1
Soit (G1 , ?1 ) et (G2 , ?2 ) deux groupes (resp. commutatifs). 3. Pour tout x 2 G et n 2 Z : f (xn ) = f (x)n
En définissant dans G1 ⇥ G2 la loi ? par : P ROPRIÉTÉ
C OMPOSITION Soit G =< a > un groupe monogène, alors
8(a, b) 2 G1 ⇥G2 , 8(c, d) 2 G1 ⇥G2 , (a, b)?(c, d) = (a?1 c, b?2 d) • Si G est infini, il est isomorphe á Z
La composée de deux morphismes de groupes est un morphisme • Si G est d’ordre n, il est isomorphe á (Z/nZ, +)
alors (G1 ⇥ G2 , ?) est un groupe produit (resp. commutatif). de groupes.
G ÉNÉRATEURS D ’ UN GROUPE MONOGÈNE INFINI
I NVERSE D ’ UN ISOMORPHISME 1
1 Soit G =< a > un groupe monogène infini, alors a et a sont
Si f est un isomorphisme de (G, .) sur (H, ?), alors f est un les seuls générateurs de G
S OUS - GROUPES isomorphisme de H sur G.
G ÉNÉRATEURS D ’ UN GROUPE CYCLIQUE
I MAGES DIRECTE ET RÉCIPROQUE D ’ UN SOUS - GROUPE
Si G =< a > est cyclique d’ordre n.
• L’image directe d’un sous-groupe par un morphisme de Un élément ar avec r 2 Z engendre G si, et seulement si, r est
C ARACTÉRISATION DES SOUS - GROUPES groupes est un sous-groupe. premier avec n
Soit (G, ⇤) un groupe d’élément neutre eG et H ⇢ G. En particulier Imf est un sous-groupe de G
Alors H sous-groupe de (G, ⇤) si et seulement si : • L’image réciproque d’un sous-groupe par un morphisme
• H 6= ; ( eG 2 H ) de groupes est un sous-groupe. G ÉNÉRATEURS DE Z/nZ
• 8x 2 H, x 1 2 H En particulier Kerf est un sous-groupe de G.
• 8x, y 2 H, x ⇤ y 2 H. k engendre Z/nZ si, et seulement si, n ^ k = 1
ou
• H 6= ; ( eG 2 H ) L’ INJECTIVITÉ D ’ UN MORPHISME
• 8x, y 2 H, x ⇤ y 1 2 H f est injectif si, et seulement, si Kerf = {eG }
Auquel cas (H, ⇤) est groupe
T HÉORÈME DE L AGRANGE

S OUS - GROUPE ENGENDRÉ

O RDRES T HÉORÈME DE L AGRANGE
Soit (G, ⇤) un groupe et A une partie de G. Soit G un groupe fini. Alors :
On appelle sous-groupe engendré par A, noté Gr(A), le plus pe- L’application 'a : Z !< a >, k 7 ! ak est un morphisme de groupes, 1. Tout élément de G est d’ordre fini ;
tit sous-groupe (au sens de l’inclusion) contenant A. On dit aussi il existe donc un unique n 2 N tel que Ker'a = nZ
que A engendre Gr(A) 2. l’ordre de tout élément de G divise l’ordre du groupe.
O RDRE D ’ UN ÉLÉMENT
G ROUPE D ’ ORDRE PREMIER
P ROPRIÉTÉ • Si n = 0, alors on dit que a est d’ordre infini
n o • Si n 2 N⇤ , alors on dit que a est d’ordre fini et n est ap- Soit G un groupe fini d’ordre premier p. Alors G est cyclique.
Lorsque A = {a}, alors < A >= a k
| k 2 Z . On note aussi pelé l’ordre de a.
< a >:=< A > On note alors (a) = n

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 2
Résumé du cours A NNEAUX , CORPS ET ALGÈBRE El Amdaoui

L ES ANNEAUX M ORPHISME D ’ ANNEAUX I MAGES D ’ UN IDÉAL

• L’image réciproque d’un idéal par un morphisme d’anneaux est un idéal
• ’image directe d’un idéal par un endomorphisme surjective est un idéal
A NNEAU
Soit A un ensemble et + et ⇥ deux lois de composition interne sur A. On
M ORPHISME D ’ ANNEAUX
S OMME DES IDÉAUX
dit que (A, +, ⇥) a une structure d’anneau lorsque : Soient A,A0 deux anneaux , f : A ! A0 une application. On dit que f est n n
• (A, +) est un groupe abélien d’élément neutre 0A ; dit le neutre X \
de A un morphisme d’anneaux ssi 8(x, y) 2 A2 : Soit I1 , · · · ; In des idéaux de A alors Ik et Ik sont des idéaux
• ⇥ est associative ; k=1 k=1
• ⇥ admet un élément neutre 1A ; dit l’unité de A •f (1A ) = 1A0 • f (x + y) = f (x) + f (y) • f (xy) = f (x)f (y)
• ⇥ est distributive par rapport à +
Si de plus ⇥ est commutative, on dit que (A, +, ⇥) est un anneau commu-
tatif.
P ROPRIÉTÉ
I DÉAL ENGENDRÉ PAR UNE PARTIE
1. f (0) = 0 et f ( a) = f (a) pour tout a 2 A
A NNEAU INTÈGRE 2. f (na) = nf (a) pour tout a 2 A et pour tout n 2 Z
Un anneau (A, +, ⇥) est dit intègre si, et seulement, si
I DÉAL ENGENDRÉ PAR UNE PARTIE
3. f (an ) = f (a)n pour tout a 2 A et pour tout n 2 N⇤
Soit S une partie d’un anneau A. On appelle idéal engendré par S l’inter-
section de tous les idéaux de A contenant S : c’est donc le plus petit idéal
8a, b 2 A, a ⇥ b = 0 ) a = 0 ou b = 0 (au sens de l’inclusion) de A contenant S.
P ROPRIÉTÉ
L’image d’un sous-anneau par un morphisme d’anneaux est un sous-anneau
D EUX FORMULES I DÉAL PRINCIPAL
Soit (A, +, ⇥) un anneau et a, b deux éléments de A tels que ab = ba. L’idéal qui engendré par {a} est aA = {ab | b 2 A} dit principal
Alors pour tout n 2 N
n
X k k n k
C ORPS
1. (a + b)n = Cn a b
k=0 D IVISIBILITÉ DANS UN ANNEAU INTÈGRE
n
X
n+1 n+1 k n k
2. a b = (a b) a b D ÉFINITION On suppose dans cette section que A est intègre et soit a, b et c 2 A
k=0
un ensemble K muni de deux lois + et ⇥ est appelé corps ssi :
• (K, +, ⇥) est un anneau commutatif D ÉFINITION
G ROUPES DES UNITÉS • 0K 6= 1K On dit que a divise b, ce que l’on note a | b, s’il existe n 2 A tel que b = nc.
Soit (A, +, ⇥) un anneau. • U (K) = K⇤ = K \ {0} La relation de divisibilité est réflexive et transitive.
Soit U (A) l’ensemble des éléments inversibles i.e. « x inversible », 9x0 2 A
tel que x⇥x0 = 1A = x0 ⇥x, alors (U (A) , ⇥) est un groupe appelé groupe S OUS - CORPS P ROPRIÉTÉ
des inversibles. Si c divise a et b, alors c divise l’expression au + bv pour tout u, v 2 A
Soient (K, +, ⇥) un corps et L une partie de K. On dit que L est un sous-
corps de K si et seulement si :
P RODUIT FINI D ’ ANNEAUX • L est un sous-anneau de K L IEN DIVISIBILITÉ ET IDÉAUX
• 8x 2 L \ {0}, x 1 2 L
Soit (A1 , +1 , ⇥1 ) , · · · , (An , +n , ⇥n ) des anneaux et A = A1 ⇥ · · · ⇥ On a a | b () bA ⇢ aA
An . On définit des lois + et ⇥ sur A en posant
M ORPHISME DE CORPS P ROPRIÉTÉ
(x1 , · · · , xn ) + (y1 , · · · , yn ) := (x1 +1 y1 , · · · , xn +n yn ) ⇢ ⇢
Soit (K, +, ⇥) et (K0 , +, ⇥) deux corps. On appelle morphisme (de corps ) a|b 9" 2 U(A)
(x1 , · · · , xn ) ⇥ (y1 , · · · , yn ) := (x1 ⇥1 y1 , · · · , xn ⇥n yn ) On a () aA = bA ()
de K dans K0 tout morphisme d’anneaux de K dans K0 b|a b = "a
• Imf est sous-corps de (K0 , +, ⇥) Au quel cas on dit alors que a et b sont associés, ce que l’on note a ⇠ b
P ROPRIÉTÉ • un morphisme de corps est toujours injectif
L’ensemble A ⇣
muni des lois + ⌘et ⇥ définies
⇣ ci-dessus est ⌘un anneau de
neutres 0A = 0A1 , · · · , 0An et 1A = 1A1 , · · · , 1An De plus, I DÉAUX DE Z
1. un élément (a1 , · · · , an ) 2 A est inversible si, et seulement si, les I DÉAUX D ’ UN ANNEAU COMMUTATIF
a1 , · · · , an le sont et son inverse est alors (a1 1 , · · · , an 1 ).
L ES IDÉAUX DE Z
2. la loi ⇥ est commutative si les lois ⇥1 , · · · , ⇥n le sont Soit I un idéal de Z, alors il existe un unique n 2 N tel que I = nZ
I DÉAL
S OUS - ANNEAUX On appelle idéal d’un anneau commutatif A tout sous-groupe additif I de A PPCM ET PGCD
vérifiant la propriété suivante : 8(a, b) 2 A ⇥ I, ab 2 I Soit a, b 2 Z
• pgcd(a, b) est le générateur positif ou nul de l’idéal aZ + bZ.
• ppcm(a, b) est le générateur positif ou nul de l’idéal aZ \ bZ.
S OUS - ANNEAU P ROPRIÉTÉ
Soit (A, +, ⇥) un anneau et B une partie de A. On dit que B est un sous- Soit I un idéal de A. Alors I = A () 1A 2 I () U(A) \ I 6= ;
anneau de A si, et seulement, si C OROLLAIRE
• 1A 2 B Soit a, b 2 Z, alors il existe (u, v) 2 Z2 tel que au + bv = a ^ b
• (B, +) est un sous-groupe de (A, +) P ROPRIÉTÉ
• B est stable pour la multiplication de A
Ou Une partie I de A est un idéal si, et seulement si, elle est non vide et vérifie :
• 1A 2 B
T HÉORÈME DE B EZOUT
• Pour x, y 2 B, x y 2 B et x ⇥ y 2 B 2 2
Soit a, b 2 Z. Alors a ^ b = 1 () 9u, v 2 Z; au + bv = 1
Un sous-anneau d’un anneau est un anneau 8(u, v) 2 A ; 8(a, b) 2 I , au + bv 2 I u, v sont appelés les coefficients de Bezout

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 3
Résumé du cours A NNEAUX , CORPS ET ALGÈBRE El Amdaoui

L EMME DE G AUSS I DÉAUX DE K[X] L ES POLYNÔMES COMPLEXES

⇢
a|bc
Soient a, b, c 2 Z. Alors a^b=1 ) a|c.

D ÉFINITION T HÉORÈME DE D’A LEMBERT -G AUSS

Tout polynôme non constant de C[X] possède au moins une racine.
L’ ÉQUATION ax + by = c Un polynôme est dit normalisé s’il est nul ou s’il est unitaire
• L’équation ax + by = c admet une solution si, et seulement, si a ^ b | c.
• Si a ^ b | c et (x0 , y0 ) 2 Z2 une de ses solutions, alors l’ensemble des so- P ROPRIÉTÉ
⇢✓
kb ka
◆ P ROPRIÉTÉ • Les polynômes irréductibles de C[X] sont les polynômes de degré 1.
lutions de cette équation est : S = x0 , y0 + |k2Z Tout idéal I de K[X] peut s’écrire de faÁon unique sous la forme : P K[X] • Tout polynôme de C[X] est scindé sur C.
a^b a^b avec P 2 K[X] normalisé.
Le polynôme P s’appelle le générateur normalisé de I.

L’ ANNEAU Z/nZ P ROPRIÉTÉ

P OLYNÔMES RÉELS
Soit P, Q 2 K[X].
• Le PGCD de P et Q est le générateur unitaire de l’idéal P K[X] + QK[X].
P ROPRIÉTÉ • Le PPCM de P et Qb est le générateur unitaire de l’idéal P K[X] \ QK[X]. P ROPRIÉTÉ
• (Z/nZ, +, ⇥) est un anneau commutatif. Les polynômes irréductibles de R[X] sont :
✓ . ◆ P OLYNÔMES DE B EZOUT 1. les polynômes de degré 1 ,
•U Z = {x, x 2 [[0, n 1]] et x ^ n = 1} Soit P, Q 2 K[X]. Si D est le PGCD de P et Q, alors il existe (U, V ) 2 2. les polynômes de degré 2 de discriminant strictement négatif
nZ K[X]2 tel que P U + QV = D
Cette relation s’appelle une relation de Bézout entre P et Q
P ROPRIÉTÉ
P ROPRIÉTÉ
⇤ Tout polynôme P 2 R[X] possède une unique décomposition, à l’ordre près,
Soit n 2 N . Alors T HÉORÈME DE B EZOUT r
Y s
Y
n est premier ssi Z/nZ est un corps ssi Z/nZ est intègre de la forme : P = C(P )
↵i 2
(X + bj X + cj ) j . Avec :
Soit P, Q 2 K[X]. Alors P ^ Q = 1 () 9U, V 2 K[X]; UP + V Q = 1 (X i) ⇥
U, V sont appelés les coefficients de Bezout i=1 j=1
• C(P ) est le coefficient dominant de P ;
I NDICATEUR D ’E ULER L EMME DE G AUSS
• 1 , · · · , r est la suite des racines réelles distinctes de P et
↵1 , · · · , ↵r la suite des multiplicités associées
⇢
P |QR • les polynômes X 2 + bj X + cj sont deux à deux distincts et irré-
Soient P, Q, R 2 K[X]. Alors P ^Q=1 ) P |R.
ductibles dans R[X] pour tout j 2 [|1, s|].
D ÉFINITION
.
Soit n 2 N⇤ , le nombre des éléments inversibles dans l’anneau Z se
note '(n). L’application ' est appelée l’indicateur d’Euler
nZ P OLYNÔMES IRRÉDUCTIBLES A LGÈBRE

C HINOIS
D ÉFINITION D ÉFINITION
Soit n et m deux nombres premiers entre eux, alors pour tout (a, b) 2 Z,
1. il une solution k1 2 Z au système de congruences : Soit P 2 K[X] un polynôme non constant. Soit un corps commutatif K et un ensemble A muni de deux lois de com-
⇢ existe On dit que P est irréductible dans K[X] ssi ses seuls diviseurs sont les position interne +, ⇥ et d’une loi de composition externe ".". On dit que
k⌘a [n] constantes et les polynômes qui lui sont associés. (A, +, ⇥, .) est une algèbre sur K si et seulement si :
k⌘b [m] P est dit composé ou réductible s’il n’est pas irréductible (dans K[X]).
1. (A, +, .) est un K-espace vectoriel ;
2. un entier k 2 Z vérifie le système précédent si, et seulement si :
k ⌘ k1 [mn] 2. (A, +, ⇥) est un anneau ;
P ROPRIÉTÉ 3. 8x, y 2 A, 8↵ 2 K, ↵.(x ⇥ y) = (↵.x) ⇥ y = x ⇥ (↵.y)
Soit A, B 2 K[X] et P et Q deux polynômes irréductibles de K[X]. Alors
C ALCUL DE ' 1. P |A ou A ^ P = 1
• Si m ^ n = 1, alors '(mn) = '(m)'(n) 2. P et Q sont associés ou P ^ Q = 1 S OUS - ALGÈBRE
• Soit p un nombre premier et k 2 N⇤ , alors '(pk ) = pk pk 1 3. Lemme d’Euclide : P |AB ) P |A ou P |B Soit (A, +, ⇥, .) une K-algèbre et B ⇢ A. On dit B est une sous-algèbre de
Yr
k A si, et seulement, si
• Soit n = pi i est la décomposition en facteurs premiers de l’entier n. 1. 1A 2 B
i=1 C OROLLAIRE
r ⇣
Y ⌘ r ✓
Y ◆ 2. 8x, y 2 B, 8↵, 2 K ↵x + y 2 B
k k 1 1 Soient A1 , · · · , An sont des polynômes et P un polynôme irréductible.
Alors '(n) = pi i pi i =n 1 Alors 3. 8x, y 2 B, x ⇥ y 2 B
i=1 i=1 pi Yn Alors munie des lois restreintes, B est une K-algèbre.
P | Ai ) 9i 2 [[1, n]] , P |Ai
k=1
T HÉORÈME D ’E ULER D ÉFINITION
Soit n un entier strictement positif et a un entier premier avec n, alors
a'(n) ⌘ 1 (mod n). P ROPRIÉTÉ Soient (A, +, ⇥, .) et (A0 , +, ⇥, .) deux K-algèbres. On dit f : A ! A0 est
Soit A un polynôme non constant de K[X]. 9 2 K⇤ , 9n 2 un morphisme d’algèbres si et seulement si :
N⇤ , 9P1 , · · · , Pn polynômes irréductibles de K[X] unitaires et deux à deux 1. f (1A ) = 1A0
P ETIT THÉORÈME DE F ERMAT n
Y ↵ 2. 8x, y 2 A, 8↵, 2 K f (↵x + y) = ↵f (x) + f (y)
Soit p un nombre premier. Alors distincts et 9↵1 , · · · , ↵n 2 N⇤ . tels que : A = Pi i . De plus cette
3. 8x, y 2 A, f (x ⇥ y) = f (x) ⇥ f (y)
p 1 k=1
1. ↵ ⌘1 [p] pour tout ↵ ^ p = 1
décomposition est unique à l’ordre près des facteurs, on l’appelle décompo-
2. ↵p ⌘ ↵ [p] pour tout ↵ 2 Z sition primaire de A.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 4
Résumé du cours N ORMES ET SUITES El Amdaoui

E désigne un K-espace vectoriel (K = R ou C).

B OULE OUVERTE - BOULE FERMÉE C AUCHY -S CHWARZ
Si ' est un produit scalaire sur le K-espace vectoriel E, alors :
Soit E un K-espace vectoriel normé. Soit a 2 E, r 2 R⇤+.
N ORMES — On appelle boule ouverte de centre a de rayon r l’ensemble :
2 2
B(a, r) = {x 2 E | kx ak < r} 8 (x, y) 2 E , |' (x, y)| 6 ' (x, x) .' (y, y)
— On appelle boule fermée de centre a de rayon r l’ensemble :
Bf (a, r) = {x 2 E | kx ak 6 r}
N ORME — On appelle sphère de centre a et de rayon r l’ensemble :
P ROPRIÉTÉ
On appelle norme toute application N : E ! R tel que : Si ' est un produit scalaire sur le K-espace vectoriel E, alors N : E !
p
R+ , x 7 ! ' (x, x) est une norme sur E, appelée norme euclidienne
1. Pour tout x 2 E, N (x) est bien définie et N (x) 2 R+ ; S(a, r) = {x 2 E | kx ak = r}
associée à '.
2. Séparation :
Si a = O et r = 1, on parle des boules unités.
8x 2 E, N (x) = 0 =) x = 0E
P ROPRIÉTÉ ⌅ Normes usuelles
3. Homogénéité : Les boules ouvertes et fermées de E sont convexes de E.
N ORMES USUELLES SUR Kn
8x 2 E, 8↵ 2 K, N (↵ · x) = |↵| · N (x)
B ORNITUDE Pour x = (x1 , · · · , xn ) 2 Kn , on pose
4. Sous-additivité ou inégalité de Minkowski : v
uX
n
Soit E un espace vectoriel normé de norme notée [Link] . X u n 2
kxk1 := |xi |, kxk2 = t |xi | , kxk1 = max (|xi |)
2
8(x, y) 2 E , N (x + y) 6 N (x) + N (y) i=1 i=1
i2[[1,n]]
PARTIE BORNÉE
Une partie A non vide de E est dite bornée si 9k 2 R+ tel que 8x 2
A, kxkE 6 k. Autrement-dit A ⇢ Bf (O, k) P ROPRIÉTÉ
Les normes sont usuellement notées N (.), k.k ou |.|
Les applications k.k1 , k.k2 et k.k1 sont des normes sur Kn

S ECONDE INÉGALITÉ TRIANGULAIRE F ONCTION BORNÉE

8x, y 2 E, |kxk kyk| 6 kx yk Une fonction f : X ! E où X est un ensemble quelconque non vide est N ORMES USUELLES SUR Mn,p (K)
dite bornée si la partie f (X) = {f (x) | x 2 X} est bornée. Ou encore
9k 2 R+ tel que 8x 2 X, kf (x)kE 6 k. Pour A = ai,j 16i6n 2 Mn,p (K), on pose
A LGÈBRE NORMÉE 16j6p
Une algèbre normée est une K-algèbre A muni d’une norme d’espace vecto- P ROPRIÉTÉ v
u n p
riel qui vérifie : L’espace vectoriel B(X, E) des fonctions f : X ! E bornées où X n
X p
X uX X
u
8x, y 2 A kxyk 6 kxkkyk. non vide et E un espace vectoriel normé est lui-même normé par kf k1 = kAk1 := sup ai,j , kAk1 = sup ai,j , kAk2 = t ai,j 2
16j6p i=1 16i6n j=1 i=1 j=1
sup{kf (x)kE | x 2 X}.
En d’autres termes la norme étant en outre sous-multiplicative.

E XEMPLE P ROPRIÉTÉ
`1 (N, K), l’ensemble des suites numériques bornées, est un K-espace vec- Les applications k.k1 , k.k2 et k.k1 sont des normes sur Mn,p (K) et
D ISTANCE ASSOCIÉE toriel normé par k(un )k1 := sup{|un | | n 2 N} lorsque n = p ces normes sont sous-multiplicatives

N ORMES EUCLIDIENNES
N ORMES DE CONVERGENCE
D ISTANCE
Soit [a, b] un segment non trivial de R et E = C ([a, b] , K). Pour tout f 2 E, on pose
On appelle distance associée à la norme k.k sur E l’application d : E ⇥
sZ
E ! R+ définie par D ÉFINITION Z b b
d (x, y) = kx yk kf k1 := |f (t)| dt, kf k2 := |f (t)|2 dt, kf k1 := sup |f (t)|
Soit E un K espace vectoriel. On appelle produit scalaire sur E toute ap- a a t2[a,b]
plication ' : E ⇥ E ! R vérifiant
D ISTANCES À UNE PARTIE 1. ' est bilinéaire
P ROPRIÉTÉ
Soit x 2 E et A ⇢ E avec A non vide. On appelle distance de x à A le 2. ' est symétrique i.e. 8x, y 2 E, '(x, y) = '(y, x)
nombre d(x, A) = inf ({d(x, y), y 2 A}). Les applications k.k1 , k.k2 et k.k1 sont des normes sur C ([a, b] , K)
3. ' est positive i.e. 8x 2 E, '(x, x) > 0
4. ' est définie i.e. 8x 2 E, '(x, x) = 0 ) x = 0.
P ROPRIÉTÉ On dit qu’un produit scalaire est une forme bilinéaire symétrique définie D ÉFINITION
Soit A une partie non vide de E. Alors positive. 1. k . k1 est appelée norme de la convergence en moyenne,
2. k . k2 est appelée norme de la convergence en moyenne quadra-
8x, y 2 E, |d(x, A) d(y, A)| 6 d(x, y) E SPACE PRÉHILBERTIEN RÉEL tique,

On appelle espace préhilbertien réel tout R-espace vectoriel muni d’un pro- 3. k . k1 est appelée norme de la convergence uniforme
duit scalaire sur R.
Si de Un espace préhilbertien réel de dimension finie est dit espace euclidien
B OULES N ORME PRODUIT

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 5
Résumé du cours N ORMES ET SUITES El Amdaoui

P ROPRIÉTÉ C AS D ’ UN ESPACE VECTORIEL PRODUIT P ROPRIÉTÉ

Si E1 , · · · , En sont de K-espace vectoriel normés respectivement par des Soit ` 2 E. Alors ` est une valeur d’adhérence de (un ), si et seulement, si
normes k.k1 , · · · , [Link] , alors l’application
P ROPRIÉTÉ 8" > 0, 8N 2 N, 9n > N, kun `k 6 "
⇢
E1 ⇥ · · · ⇥ En ! R+ k
Y
k.k :
x = (x1 , · · · , xn ) 7 ! kxk = max (kx1 k1 , · · · , kxn kn ) Soit E = Ej un espace vectoriel produit normé. Soit (un )n2N 2
j=1
P ROPRIÉTÉ
N Soit ` 2 E. (un ) ne converge pas vers ` si et seulement si 9" > 0 et il existe
est une norme sur l’espace vectoriel produit E1 ⇥ · · · ⇥ En . La norme k.k E i.e. 8n 2 N, un 2 E donc un = (un,1 , . . . , un,k ) où
une suite (u'(n) ) extraite de (un ) tels que 8n 2 N, ku'(n) `k "
est souvent appelé norme produit. 8j 2 [[1, k]] , un,j2Ej . Soit ` = (`1 , . . . , `k ) 2 E.

[Link]
T HÉORÈME DE B OLZANO -W EIERSTRASS
[Link] j
S UITES CONVERGENTES un ! ` () 8j 2 [[1, k]] , un,j ! `j Toute suite numérique bornée admet au moins une valeur d’adhérence.
n!+1 n!+1

(E, k.k) désigne un espace normé.

N ORMES ÉQUIVALENTES
S UITES EXTRAITES , VALEURS D ’ ADHÉRENCE
D ÉFINITION
On dit qu’une suite (un )n2N d’éléments de E tend vers ` 2 E si Soit E un K-evn et N1 et N2 deux normes sur E.
kun `k ! 0, c’est-à-dire Soient E un K-espace vectoriel normé et (un ) 2 E N .
n!+1
D ÉFINITION
D ÉFINITION
8" > 0, 9n0 2 N, n > n0 =) kun `k 6 " On dit que N1 est dominée par N2 s’il existe ↵ 2 R?+ tel que :
On dit que (vn ) est une suite extraite de (un ) s’il existe une application
strictement croissante ' : N ! N telle que 8n 2 N, vn = u'(n) .
` est unique, appelé la limite de la suite (un )n2N , et on note ` = lim un ou 8x 2 E, N1 (x) 6 ↵N2 (x)
un ! `,
n!+1 P ROPRIÉTÉ
N ORMES ÉQUIVALENTES
Une suite extraite d’un suite extraite est extraite
D ÉFINITION On dit que N1 et N2 sont équivalentes si N1 est dominée par N2 et N2 est
dominée par N1 ou encore, 9↵, 2 R? + tels que
Une suite divergente est une suite non convergente. P ROPRIÉTÉ
Si la suite (un ) converge vers `, alors toutes les suites extraites de (un )
convergent vers `. 8x 2 E, ↵N2 (x) 6 N1 (x) 6 N2 (x)
D OMINATION
Soit (un ) une suite de E et ` 2 E. Les propriétés suivantes sont équiva- On note N1 ⇠ N2
lentes : C OROLLAIRE
1. La suite (un ) converge vers ` S’il existe une suite extraite divergente de (un ) ou s’il existe deux suites
extraites de (un ) qui admettent des limites différentes, alors la suite (un ) C OMPARAISON DES NORMES USUELLES SUR Kn
2. Il existe une suite réelle et positive (↵n )n convergeant vers 0 et telle diverge Pour tout x 2 Kn
que 8n 2 N; kun `k 6 ↵n

L ES SUITES EXTRAITES (u2n ) ET (u2n+1 ) kxk1 6 kxk1 6 nkxk

p 1
kxk1 6 kxk2 6p nkxk1
Si (un ) est une suite telle que les deux sous-suites (u2n )n2N et
O PÉRATIONS SUR LES SUITES CONVERGENTES (u2n+1 )n2N convergent vers une même limite `, alors la suite (un )
kxk2 6 kxk1 6 nkxk2
converge vers `.
M ÉTHODE PRATIQUE
P ROPRIÉTÉ
Pour montrer que les deux normes N1 et N2 ne sont pas équivalentes
Si un ! ` 2 E, alors kun k ! k`k VALEURS D ’ ADHÉRENCE N2 (xn )
— on cherche une suite (xn ) 2 E N telle que lim
n!+1 n!+1
=
n!+1 N1 (xn )
N1 (xn )
P ROPRIÉTÉ +1 ou lim = +1 .
Toute suite convergente est bornée
VALEUR D ’ ADHÉRENCE n!+1 N2 (xn )

Soit (un )n 2 E N et ↵ 2 E. On dit que ↵ est valeur d’adhérence de la suite — on cherche une suite (xn ) 2 E N qui converge pour une norme et
(un )n si elle est limite d’une suite extraite de (un )n . diverge pour l’autre
O PÉRATIONS ALGÉBRIQUES
— Si ↵n 2 K ! ↵ et un ! ` 2 E alors ↵n .un ! ↵.`.
— Si un ! ` et vn ! `0 alors un + µvn ! ` + µ`0 . P ROPRIÉTÉ C ARACTÉRISATION GÉOMÉTRIQUE DE L ’ ÉQUIVALENCE
— Si de plus, E est une algèbre normée, un vn ! ``0 . Toute suite convergente admet une et une seule valeur d’adhérence. Les normes N1 et N2 sont équivalentes si, et seulement si,

9↵, > 0, BN2 (0, ↵) ⇢ BN1 (0, 1) ⇢ BN2 (0, )

C OROLLAIRE
Toute suite ayant au moins deux valeurs d’adhérence est divergente.
T HÉORÈME DE R IESZ
Dans un espace vectoriel normé de dimension finie, toutes les normes sont
C OROLLAIRE équivalentes.
Toute suite n’ayant pas de valeur d’adhérence est divergente.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 6
Résumé du cours É LÉMENTS TOPOLOGIQUES El Amdaoui

E désigne un K-evn (K = R ou C)
F ERMÉS P ROPRIÉTÉ
Soit A, B 2 P(E).
V OISINAGES
1. Å ⇢ A et A ⇢ B =) Å ⇢ B̊ ;
D ÉFINITION
˚
Soit a un élément de E On appelle fermé tout ensemble F dont le complémentaire {E F 2. Å est ouvert et Å = Å ;
est ouvert. 3. A ouvert , A = Å.
D ÉFINITION
4. Å est le plus grand ouvert contenu dans A. Autrement dit,
On dit qu’une partie V de E est un voisinage de a s’il existe r > 0 P ROPRIÉTÉ
tel que Bo (a, r) ⇢ V . si O ⇢ A et O est un ouvert de E alors O ⇢ Å.
1. ? et E sont des fermés.
5. Å est la réunion de tous les ouverts contenus dans A.
2. Toute intersection quelconque de fermés est un fermé
Notation On note VE (a) ou V(a) l’ensemble des voisinages de a. 3. Toute réunion finie de fermés est un fermé.
F RONTIÈRE
P ROPRIÉTÉ
P ROPRIÉTÉ 1. Les singletons et les parties finies sont des fermés dans E.
1. V 2 V(a) =) a 2 V 2. Les boules fermées de E sont des fermés de E . F RONTIÈRE
2. Pour tout a 2 E, l’ensemble V(a) 6= ; 3. Les sphères de E sont fermées dans E. Soit A 2 P(E) avec E un espace vectoriel normé. La frontière de
⇢
V 2 VE (a) A est l’ensemble : Fr (A) = A \ Å = A \ {Å
3. =) W 2 V(a)
V ⇢W C ARACTÉRISATION SÉQUENTIELLE DES FERMÉS
F est fermé , si et seulement, si toute suite (un )n2N d’éléments P ROPRIÉTÉ
de F qui converge admet une limite qui appartient à F .
P ROPRIÉTÉ Fr (A) est fermé de E et Fr (A) = Fr {A .
Soit I un ensemble
[ non vide et (Vi )i2I une famille de voisinage
de a. Alors Vi 2 V(a). A DHÉRENCE D ’ UN PARTIE
i2I D ENSITÉ
Autrement-dit : Une réunion quelconque de voisinage de a est un
voisinage de a
A DHÉRENCE PARTIE DENSE
P ROPRIÉTÉ Soit A 2 P(E) et a 2 E. On dit que a est adhérent à A si
8r > 0, B(a, r) \ A 6= ?. On dit que A est dense dans E si A = E.
Une intersection finie de voisinage de a est un voisinage de a Soit B ⇢ E . On dit que A ⇢ B est dense dans B si B ⇢ A.
A l’ adhérence de A est l’ensemble des points adhérents à A.

P ROPRIÉTÉ
O UVERTS C ARACTÉRISATION SÉQUENTIELLE D ’ UN POINT ADHÉRENT
A est dense dans E, ssi 8" > 0, 8x 2 E, B(x, ") \ A 6= ;
a 2 A ssi a est limite d’une suite d’éléments de A. ou encore
A est dense dans E, ssi 8" > 0, 8x 2 E, 9y 2 A, d(x, y) < ".
D ÉFINITION P ROPRIÉTÉ
Soit O ⇢ E. Soit A, B 2 P(E). C ARACTÉRISATION SÉQUENTIELLE DE LA DENSITÉ
On dit que O est un ouvert de E si 8x 2 O, 9" > 0, B(a, ") ⇢ O. 1. A ⇢ B ) A ⇢ B ; A est dense dans E ssi 8x 2 E, 9(an )n 2 AN tq lim an = x
n!+1
2. A ⇢ A ;
P ROPRIÉTÉ
3. A est un fermé et on a : A fermé , A = A ;
1. ; et E sont des ouverts de E. V OISINAGES , FERMÉS ET OUVERTS RELATIFS
2. Une réunion quelconque d’ouverts de E est un ouvert de 4. A est le plus petit fermé contenant A. Autrement dit, si
E. A ⇢ F et F est un fermé de E alors A ⇢ F .
Soient E un K-espace vectoriel normé, A ⇢ E et a 2 A.
3. Une intersection finie d’ouverts de E est un ouvert de E. 5. A est l’intersection de tous les fermés contenant A.
V OISINAGES RELATIFS À UNE PARTIE
P ROPRIÉTÉ P ROPRIÉTÉ On appelle voisinage de a dans A ou relativement à A tout en-
1. Une boule ouverte de E est un ouvert de E. Soit a 2 E et r > 0, alors : B(a, r) = Bf (a, r) semble de la forme A \ V où V est un voisinage de a dans E .
2. Les ouverts de E sont des unions de boules ouvertes de L’ensemble des voisinage de a dans A est noté VA (a).
E.
I NTÉRIEUR D ’ UNE PARTIE O UVERTS RELATIFS À UNE PARTIE
P ROPRIÉTÉ
Soit E1 , . . . En des K-espaces vectoriels normés. On appelle ouvert dans A ou relativement à A tout ensemble de
Si U1 , . . . , Un sont respectivement des ouverts de E1 , . . . , En la forme A \ O où O est un ouvert de E.
alors U1 ⇥ · · · ⇥ Un est un ouvert de l’espace vectoriel normé I NTÉRIEUR
produit E = E1 ⇥ · · · ⇥ En muni de la norme produit. Soit A 2 P(E) et a 2 E. On dit que a est intérieur à A si F ERMÉS RELATIFS À UNE PARTIE
9r > 0/ B(a, r) ⇢ A.
On appelle fermé dans A ou relativement à A tout ensemble de la
L’intérieur de A est l’ensemble des points intérieurs à A. Noté Å. forme A \ F où F est un fermé de E.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 7
Résumé du cours L IMITES ET CONTINUITÉ El Amdaoui

K = R ou C. Soient (E, [Link] ), (F, [Link] ) deux K-espaces vectoriels

normés, D une partie de E, f : D ! F une application et A ⇢ D L IMITE D ’ UNE FONCTION À VALEURS DANS UN ESPACE NORMÉ PRODUIT
P ROPRIÉTÉ
Soient f, g : E ! F , A ⇢ E et a adhérent à A.
L IMITES 1. Si f ! ` et g ! `0 alors f.g ! `.`0
x!a x!a x!a
Soient F1 , . . . , Fn des K-espaces vectoriels normés respectivement par x2A x2A
N1 , · · · , Np et F = F1 ⇥ · · · ⇥ Fp l’espace vectoriel normé produit. 2. Si f ! ` 2 K⇤ , alors il existe W 2 VA (a) sur lequel f
LIMITE D ’ UNE FONCTION EN UN POINT
Pour x = (x1 , · · · , xp ) 2 F , kxk = max Nj (xj ). x!a
x2A
16j6n
Soit a 2 A et ` 2 F . 1 1
On dit que f admet pour limite ` en a (ou au point a) selon A, Considérons f : X ⇢ E ! F . ne s’annule pas et ! 2 K⇤
lorsque Pour tout x 2 X, f (x) = (f1 (x), · · · , fp (x)) avec fj (x) 2 Fj . Les fonc- f x!a `
kf (x) `k x!a !0 tions f1 , · · · , fp sont appelées applications coordonnées de f . x2A

x2A
P ROPRIÉTÉ P ROPRIÉTÉ
Autrement-dit 8" > 0, 9↵ > 0 tel que kx akE < ↵ et x 2 A, f tend vers b = (b1 , · · · , bp ) en a si, et seulement si, pour tout Soient ↵ : E ! K, f : E ! F et a adhérent à A.
alors kf (x) `kF 6 ". i 2 [[1, p]] fi ! bi . Si ↵ ! et f ! ` alors ↵f ! .`
x!a x!a x!a
x!a
Autrement-dit
P ROPRIÉTÉ
C OMPOSITION
Si f admet une limite ` en a 2 A selon A, alors ` est unique et on lim f (x) = ( lim f1 (x), . . . , lim fn (x)) Soient f : A ⇢ E ! F et g : B ⇢ F ! G telles que f (A) ⇢ B
le note x!a
lim f (x) x!a x!a x!a
et a adhérent à A.
x2A Si f ! b et g ! `, alors g f !`
x!a x!b x!a

P ROPRIÉTÉ
C OROLLAIRE
Les assertions suivantes sont équivalentes : L IMITES INFINIES
Si f ! `, alors kf k ! k`k
1. lim f (x) = `. x!a x!a
x!a
2. 8" > 0, 9⌘ > 0, f (B(a, ⌘) \ A) ⇢ B(`, ").
Cas F = R, ` = ±1
3. 8V 2 V(`), 9U 2 V(a), f (U \ A) ⇢ V . — On dit que V 2 V(+1) s’il existe M 2 R tel que ]M, +1[⇢ C ONTINUITÉ
4. 8V 2 V(`), 9U 2 VA (a), f (U ) ⇢ V . V
1
— On dit que V 2 V( 1) s’il existe M 2 R tel que ] 1, M [⇢
5. 8V 2 V(`), f (V ) 2 VA (a). V
— On dit que f tend vers +1 en a selon A, lorsque pour C ONTINUITÉ SUR UNE PARTIE A
tout M 2 R il existe ⌘ > 0 tel que pour tout x 2 A,
P ROPRIÉTÉ kx ak < ⌘ =) f (x) > M Soit f : A ⇢ E ) F et a 2 A.
Si a 2 A et ` = x!a
lim f (x). Alors — On dit que f tend vers 1 en a selon A, lorsque pour — On dit que f est continue en a si x!a
lim f (x) = f (a)
x2A tout M 2 R il existe ⌘ > 0 tel que pour tout x 2 A, x2A
kx ak < ⌘ =) f (x) 6 M — On dit que f est continue sur A si elle est continue en
1. ` 2 f (A) Cas E = R, a = ±1 chaque point de A.
2. il existe W 2 VA (a) tel que f est bornée sur W — On dit que 1 est adhérent à A si pour tout V 2 V(1) :
V \ A 6= ;
— On dit que f tend vers ` en +1, lorsque pour tout " > 0
il existe M > 0 tel que pour tout x 2 A, x > A =) Notation C (A, F ) désigne l’ensemble des fonctions continues de A à va-
C ARACTÉRISATIONS kf (x) `k < " leurs dans F
— On dit que f tend vers ` en 1, lorsque pour tout " > 0
il existe M > 0 tel que pour tout x 2 A, x 6 A =)
C ARACTÉRISATION SÉQUENTIELLE kf (x) `k < " FONCTIONS k- LIPSCHITZIENNES
Soit a 2 A et ` 2 F . Les assertions suivantes sont équivalentes Cas où kxk ! +1 A est non borné. On dit que lim f (x) = b Soit f : E ) F où E et F sont des espaces vectoriels normés.
kxk!+1
1. x!a
lim f (x) = ` si pour tout " > 0 il existe M > 0 tel que pour tout x 2 A ; Soit k 2 R+ . On dit que f est k-lipschitzienne si :
x2A kxk > M =) kf (x) `k < "
f (y)kF 6 kkx
2
2. Toute suite (xn )n2N 2 AN qui converge vers a, la suite 8(x, y) 2 E , kf (x) ykE
(f (xn ))n converge vers `
Lorsque 0 < k < 1, on parle d’une fonction contractante
D OMINATION
O PÉRATIONS SUR LES LIMITES
P ROPRIÉTÉ
Soit f : D ! F , A ⇢ D et a 2 A. On suppose qu’il existe
W 2 VA (a) et g : W ! R tel que Toute application lipschitzienne est continue

( P ROPRIÉTÉ
8x 2 W, kf (x) `k 6 g(x) P ROPRIÉTÉ
!0
g(x) x!a Soient f, g 2 F E et a adhérent à A. f est continue en a si, et seulement si, 8(xn ) 2 A , (xn
N
!
n!+1
x2A
1. Si f ! ` et g ! `0 alors f + g ! ` + `0
x!a x!a x!a a ) f (xn ) ! f (a)).
x2A x2A n!+1
Alors f (x) !`
x!a 2. Si de plus F est une algèbre normée alors f.g ! `.`0
x2A x!a

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 8
Résumé du cours L IMITES ET CONTINUITÉ El Amdaoui

O PÉRATIONS SUR LES FONCTIONS CONTINUES

E XEMPLE M ÉTHODE PRATIQUE
Soient f : E ! R continue et ↵ 2 R. Pour montrer qu’une application linéaire u 2 L(E, F ) n’est pas
P ROPRIÉTÉ 1. Les ensembles {x 2 E / f (x) = ↵}, {x 2 E / f (x) 6 ↵} continue, il suffit de construire une suite (xn ) 2 E \ {0}N telle
et {x 2 E / f (x) > ↵} sont fermés. ku(xn )k
1. C (A, F ) est un K-espace vectoriel que ! +1
2. Les ensembles {x 2 E / f (x) 6= ↵}, {x 2 E / f (x) < ↵} kxn k
2. Si F est une algèbre normée, alors C (A, F ) est une K- et {x 2 E / f (x) > ↵} sont ouverts.
n!+1
algèbre
C OROLLAIRE
E XEMPLE C ONTINUITÉ UNIFORME Soit u 2 L(E, F ). Les affirmations suivantes sont équivalentes :
⇢ 1. u est lipschitzienne ;
Mn (K) ! K
f : M 7 ! det M est continue 2. u est continue ;
D ÉFINITION
On dit que l’application f est uniformément continue si elle vérifie P ROPRIÉTÉ
E XEMPLE Soit u 2 L(E, F ). Les affirmations suivantes sont équivalentes :
la relation :
Tout fonction polynômiale sur K est continue
p
1. u est continue sur E ;
8" > 0, 9⌘ > 0 : 8x, y 2 A, kx y k < ⌘ =) k f (x) f (y) k < " 2. u est continue en 0E ;
P ROPRIÉTÉ 3. u est bornée sur la boule unité fermée Bf (0E , 1) ;
Soient ↵ : A ⇢ E ! K et f : A ⇢ E ! F . P ROPRIÉTÉ
Si ↵ et f sont continues alors ↵.f est continue. 4. u est bornée sur la sphère unité S(0E , 1).
Toute application uniformément continue est évidemment conti-
nue
P ROPRIÉTÉ P ROPRIÉTÉ
Soient f : X ⇢ E ! F et g : Y ⇢ F ! G telle que f (X) ⇢ Y . Soit N1 et N2 deux normes de E un espace vectoriel normé. Les
ATTENTION
Si f et g sont continues alors g f est continue. affirmations suivantes sont équivalentes :
La réciproque est fausse comme le montrent les contre-exemples 1. N1 et N2 sont équivalentes ;
déjà vus dans le cadre des fonctions d’une variable réelle. ⇢
P ROPRIÉTÉ 2. Id :
(E, N1 ) ) (E, N2 )
est bicontinue ;
Si F est de dimension finie alors f : X ⇢ E ! F est continue x 7! x
C ARACTÉRISATION SÉQUENTIELLE DE LA CONTINUITÉ UNIFORME
si, et seulement si, ses fonctions coordonnées dans une base de
F le sont. f est uniformément continue sur A ssi 8(xn ), (yn ) 2 AN , xn
yn ! 0 ) f (xn ) f (yn ) ! 0
A PPLICATIONS MUTILINÉAIRES
P ROPRIÉTÉ
Si F est un espace normé produit alors f : X ⇢ E ! F est M ÉTHODE PRATIQUE
continue si, et seulement si, ses fonctions coordonnées le sont.
Pour montrer que f n’est pas uniformément continue sur A on P ROPRIÉTÉ
cherche deux suites (xn ), (yn ) 2 AN tels que xn yn ! 0 et Soient E, F et G trois K-espaces vectoriels normés et u : E ⇥F !
f (xn ) f (yn ) 6! 0. G bilinéaire. Les assertions suivantes sont équivalentes :
C ONTINUITÉ ET DENSITÉ
1. u est continue sur E ⇥ F .
P ROPRIÉTÉ 2. u est continue en (0, 0).
C ONTINUITÉ ET DENSITÉ Toute application lipschitzienne f d’une partie A de E vers F est 3. u est bornée sur la boule unité fermée Bf ((0, 0), 1).
uniformément continue.
Soit f, g : A ⇢ ! F deux fonctions continues. si B est dense 4. 9k 2 R, 8x 2 E, 8y 2 F, kB(x, y)k 6 kkxkkyk.
dans A et f|B = g|B , alors f et g sont égales.
A PPLICATIONS LINÉAIRES CONTINUES P ROPRIÉTÉ
Soient E1 , . . . , En , F des K-espaces vectoriels normés et M :
C ONTINUITÉ ET TOPOLOGIE — On note LC (E, F ) l’ensemble formé des applications linéaires
E1 ⇥ · · · ⇥ En ! F une application multilinéaire. Les assertions
suivantes sont équivalentes :
continues de E vers F .
— LC (E) l’ensemble formé des endomorphismes continus de E 1. M est continue sur E1 ⇥ · · · ⇥ En .
C ONTINUITÉ ET TOPOLOGIE 2. M est continue en (0, . . . , 0).
P ROPRIÉTÉ
Soit f : A ⇢ E ) F . Les trois affirmations suivantes sont équi- 3. M est bornée sur la boule unité fermée Bf ((0, . . . , 0), 1).
valentes : LC (E, F ) est un K-espace vectoriel et LC (E) est une K-algèbre
4. 9k 2 R, 8(x1 , . . . , xn ) 2 E1 ⇥ · · · ⇥ En ,
1. f est continue sur A ;
2. l’image réciproque de tout ouvert de F est un ouvert de A ; T HÉORÈME FONDAMENTAL kB(x1 , . . . , xn )k 6 kkx1 k · · · kxn k
3. l’image réciproque de tout fermé de F est un fermé de A. Soit u 2 L(E, F ). Les affirmations suivantes sont équivalentes :
1. u est continue ;
C OROLLAIRE 2. 9k 2 R⇤+ tel que 8x 2 E, ku(x)kF 6 kkxkE .
f : E ! F est continue, si et seulement si, l’image réciproque u
n est continue, o si et seulement si, l’ensemble
d’une partie ouverte (resp. fermée) de F est une partie ouverte de ku(x)k
E (resp. fermée). kxk
| x 2 E \ {0} est majoré

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 9
Résumé du cours C OMPACITÉ , CONNEXITÉ PAR ARCS , DIM FINIE ET ESPACES DE B ANACH El Amdaoui

On pose K = R ou C.
Soient E, F deux K-espaces vectoriels normés, A ⇢ E et a, b 2 A. P ROPRIÉTÉ E SPACES VECTORIELS DE DIMENSION FINIE
Toute partie étoilée est connexe par arcs
T HÉORÈME : de Riesz
C OMPACITÉ Dans un espace vectoriel normé de dimension finie, toutes les
C ONNEXITÉ PAR ARCS ET CONTINUITÉ normes sont équivalentes.
Soit K une partie de E Soit f : A ! F continue. Si A est connexe par arcs alors f (A)
est connexe par arcs.
PARTIE COMPACTE THÉORÈME DE B OLZANO -W EIERSTRASS
Si E est un K-espace vectoriel de dimension finie (K = R ou C),
On dit que K est compacte dans E si toute suite d’éléments de K P RODUIT DE CONNEXES PAR ARCS toute suite bornée d’éléments de E admet au moins une valeur
admet une valeur d’adhérence dans K . d’adhérence.
Soient A ⇢ E et B ⇢ F connexes par arcs alors A ⇥ B est
connexes par arcs.
P ROPRIÉTÉ P ROPRIÉTÉ
• Tout compact est nécessairement fermé et borné. L ES CONNEXES PAR ARCS DE R Les compacts d’un espace vectoriel normé de dimension finie sont
• Tout fermé d’un compact est compact E. ses fermés bornés.
• Le produit cartésien de compacts est compact Les connexes par arcs de R sont les intervalles.

P ROPRIÉTÉ
T HÉORÈME DE B OLZANO -W EIERSTRASS C OROLLAIRE
⇣ ⌘N Une suite bornée d’un espace normé de dimension finie converge
On suppose que f 2 C(A, R) et A connexe par arcs, alors f (A) si, et seulement si, elle possède une unique valeur d’adhérence.
De toute suite bornées de Kd où K = R ou C et d 2 N? , on est un intervalle.
peut extraire une suite convergente.
T HÉORÈME DES VALEURS INTERMÉDIAIRES P ROPRIÉTÉ
C ONSÉQUENCE Si E est de dimension finie alors toute application linéaire de E
les parties compactes de Kd sont les parties fermées bornées. Soient A connexe par arcs, f 2 C(A, R) et (a, b) 2 A2 . Alors pour vers F est continue.
tout m entre f (a) et f (b) il existe c 2 A tel que f (c) = m. En conséquence, L(E, F ) = Lc (E, F ).
I MAGE D ’ UN COMPACT PAR UNE FONCTION CONTINUE
L ES OFS D ’ UN CONNEXE PAR ARCS P ROPRIÉTÉ
Soit f 2 C(E, F ) et A un compact de E, alors f (A) est un com-
pact de F . Soit D une partie connexe par arcs de E, alors les seuls parties Si E et F sont de dimensions finies alors toute application bili-
ouvertes et fermées de D sont ; et D néaire de E ⇥ F vers G est continue.
C ONSÉQUENCE
P ROPRIÉTÉ Soit E un espace vectoriel normé. Les seules parties, à la fois,
On suppose que A est compact et f : A ! F continue sur ouvertes et fermées de E sont ; et E E SPACE DE B ANACH
A, alors f (A) est borné et il existe a 2 A tel que kf (a)k =
sup kf (x)k.
x2A P ROPRIÉTÉ
(On dit que f atteint la borne supérieure de sa norme). Soit A une partie d’espace vectoriel normé E. La relation R défi- S UITES DE C AUCHY
nie sur A par : pour tout (x, y) 2 A2 Une suite (un )n2N 2 E N est dite de Cauchy si :
P ROPRIÉTÉ
⇢
Soit f : A ! R continue où A est un compact d’un espace vecto- (0) = x 8" > 0, 9n0 2 N, 8(m, n) 2 N , n > m > n0 ) kun
2
u m kE 6 "
riel normé E, alors f est bornée et atteint ses bornes. xRy () 9 2 C ([0, 1], A) ,
(1) = y
P ROPRIÉTÉ
T HÉORÈME DE H EINE est une relation d’équivalence 1. Toute suite convergente est une suite de Cauchy.
Toute fonction continue sur un compact est uniformément conti-
nue. 2. Toute suite de Cauchy est bornée.
D ÉFINITION 3. Toute suite de Cauchy qui admet une valeur d’adhérence
Soit a 2 A. La classe de a pour cette relation est appelée la com- est convergente.
C ONNEXITÉ PAR ARCS posante connexe par arcs de a dans A et notée C(a). 4. Une suite de Cauchy possède au plus une valeur d’adhé-
rence est convergente.
P ROPRIÉTÉ
C ONNEXITÉ PAR ARCS
Une composante connexe par arcs est connexe par arcs. E SPACE DE B ANACH
On appelle chemin de a à b dans A toute application continue
: [0, 1] ! A telle que (0) = a et (1) = b. On appelle espace de Banach tout espace vectoriel normé com-
On dit que A est connexe par arcs si pour tous x, y 2 A il existe P ROPRIÉTÉ plet.
un chemin de x à y dans A. Si O est un ouvert de E, alors toutes les composantes connexes
par arcs de A sont ouvertes P ROPRIÉTÉ
P ROPRIÉTÉ Tout espace vectoriel normé de dimension finie est un espace de
Si A convexe alors A est connexe par arcs. P ROPRIÉTÉ Banach (i.e. est complet).
Tout ouvert de E est union disjointe de parties à la fois ouvertes
et connexes par arcs. C OROLLAIRE
PARTIE ÉTOILÉE
Dans un espace vectoriel normé, non nécessairement de dimen-
A une partie d’un espace vectoriel normé E est dite étoilée si sion finie, tout sous-espace vectoriel de dimension finie est est de
9a 2 A tel que 8b 2 A, [a, b] ⇢ A. Banach. En particulier, il est fermé.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 10
Résumé du cours R ÉDUCTION DES ENDOMORPHISMES El Amdaoui

E un K-espace vectoriel et u, v 2 L (E) et A, B 2 Mn (K).

F, F1 , · · · , Fn sont des sous-espaces vectoriels de E R EPRÉSENTATION MATRICIELLE EN DIMENSION FINIE P ROPRIÉTÉ
Soit u 2 L(E), A 2 Mn (K). Soit
M ATRICES SEMBLABLES ⇢ ⇢
K[X] ! L (E) K[X] ! Mn (K)
: et :
P 7! P (u) P 7! P (A)
D ÉFINITION
M ATRICES SEMBLABLES
Une base = (e1 , · · · , en ) de E est dite adaptée à F lorsqu’il
On dit que A est semblable à B, et on note A ⇡ B, si et seulement existe p 2 [[1, n]] tel que (e1 , · · · , ep ) est base de F Alors les endomorphismes et sont des morphismes d’al-
s’il existe P 2 GLn (K) telle que B = P 1 AP gèbres.

P ROPRIÉTÉ P ROPRIÉTÉ
P ROPRIÉTÉ
Soit B = B0 [ B1 une base de E adaptée à F telle que B0 base de 1. Si v commute avec u, alors v commute avec P (u).
1. La relation ⇡ est une relation d’équivalence dans Mn (K) F ; alors F est stable pour u si, et seulement si, la matrice de u ⇣ ⌘
2. Deux matrices semblables ont même rang, même trace et relativement à B est triangulaire supérieure par blocs, soit 2. P ( t A) = t (P (A)) P (A) = P A .
même déterminant
3. Deux matrices semblables représentent le même endo- ✓ ◆ 3. Im (P (u)) et Ker (P (u)) sont stables par u.
A B
morphisme dans des bases ( différentes ) Mat (u) = 0 C

où A = Mat (uF )
I DÉAL ANNULATEUR ET POLYNÔME MINIMAL
S OMME DE PLUSIEURS SOUS - ESPACES VECTORIELS B0

P ROPRIÉTÉ
S OMME DIRECTE G ÉNÉRALISATION 1. Si dim E est finie, alors il existe au moins un polynôme
p p
On dit que F1 , · · · , Fn sont en somme directe si et seulement
M [ non nul annulateur de u.
Si E = Fi , et si Bi est une base de Fi , B = Bi est une
Xn 2. Il existe un polynôme non nul annulateur de A 2 Mn (K).
i=1 i=1
si pour tout élément u de Fi , il existe un unique n-uplets base de E adaptée à cette décomposition en somme directe.
i=1
n u stabilise les sous-espaces Fj si, et seulement si, la matrice de P OLYNÔME MINIMAL
X u relativement à B est diagonale par blocs,
(x1 , · · · , xn ) de F1 ⇥ · · · ⇥ Fn tel que u = xi . On appelle polynôme minimal de u 2 L (E) où E est de dimen-
i=1 0 1 sion finie (resp de A 2 Mn (K)) l’unique polynôme unitaire qui
n
X n
M A1 (0) engendre l’idéal des polynômes annulateurs.
La somme Fi sera notée : Fi B C
B A2 C
i=1 i=1 B C
B C T HÉORÈME DE DÉCOMPOSITION DES NOYAUX
MatB (u) = B .. C où Ai = Mat uFi
B C Bi Si P1 , . . . , Pk sont k polynômes deux à deux premiers entre eux,
P ROPRIÉTÉ CARACTÉRISTIQUE B . C alors :
@ A " k ! #
Les assertions suivantes sont équivalentes : (0) Ap Y Mk

1. F1 , · · · , Fn sont en somme directe Ker Pi (u) = Ker (Pi (u))

0 1 i=1 i=1
p
X1
2. 8p 2 [[2, n]] , @ Fi A \ Fp = {0} k
Y
i=1 Si P = Pi un polynôme annulateur de u, alors
P OLYNÔMES D ’ ENDOMORPHISMES , DE MATRICES
i=1

S OUS - ESPACES STABLES k

M
E= Ker (Pi (u))
i=1

S OUS - ESPACE STABLE D ÉFINITION

P ROPRIÉTÉ
On dit que F est stable par u si u(F ) ⇢ F : 8x 2 F , u(x) 2 F . n
X i Soit u 2 L (E) avec dim E = n 2 N, B une base de E. Soit
Soit P 2 K[X] avec P = ai X .
M = MB (u). u et M ont le même polynôme minimal : ⇡u = ⇡M .
i=0
P ROPRIÉTÉ n
X
⇢ i
F !F • P (u) l’endomorphisme défini par : P (u) = ai u C OROLLAIRE
L’application u|F : x 7! u(x) et u|F 2 L(E) : u|F s’appelle i=0 Deux matrices semblables ont le même polynôme minimal.
n
X
l’endomorphisme induit de u sur F . i
• P (A) la matrice définie par : P (A) = ai A
i=0 P OLYNÔME MINIMAL ET ENDOMORPHISME INDUIT
Ker u|F = Ker (u) \ F et Im u|F = u (F ) Soit u 2 L (E), soif F un sous-espace vectoriel de E stable par u.
Soit uF l’endomorphisme induit, alors ⇡uF |⇡u .
P ROPRIÉTÉ
P ROPRIÉTÉ
Si u et v commutent, alors Ker v et Im v sont stables par u. Si A = Mat (u) alors P (A) = Mat (P (u)).
B B

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 11
Résumé du cours R ÉDUCTION DES ENDOMORPHISMES El Amdaoui

É LÉMENTS PROPRES P OLYNÔME CARACTÉRISTIQUE P ROPRIÉTÉ

Soit Sp (u) = { 1 , · · · , k }. Les cinq affirmations suivantes sont
E est de dimension finie équivalentes.
VALEURS ET VECTEURS PROPRES 1. u est diagonalisable.
P OLYNÔME CARACTÉRISTIQUE D ’ UNE MATRICE 2. E possède une base de vecteurs propres ;
1. Soit 2 K. On dit que est valeur propre de u s’il existe
x 2 E \ {0} tel que u(x) = x. Soit A 2 Mn (K). On appelle polynôme caractéristique de A le k
M
polynôme A = det (X · In A). 3. E = E ;
2. Soit x 2 E \ {0} : on dit que x est vecteur propre de u s’il i
existe 2 K tel que u(x) = x. i=1

3. L’ensemble des valeurs propres d’un endomorphisme est P ROPRIÉTÉ k

X
appelé le spectre de u et est noté SpK (u). Deux matrices semblables ont le même polynôme caractéristique. 4. dim(E ) = n;
i
i=1
P ROPRIÉTÉ D ÉFINITION k
Y mi
[ est valeur propre] , [(u · IdE ) n’est pas injectif] 5. u est scindé i.e. u = (X i) et 8i 2 [[1, k]],
Soit u 2 L (E), A = MB (u) où B est une base quelconque. On i=1
appelle polynôme caractéristique de u le polynôme u = A . dim E = mi .
i
C ARACTÉRISATION EN DIM FINIE
En particulier si est scindé à racines simples, alors u est dia-
Si E est de dimension finie n > 1, alors C AS D ’ UN ENDOMORPHISME INDUIT gonalisable.
u

Si F est stable par u , alors uF | u .

[ est valeur propre] , [(u · IdE ) n’est pas injectif] Mk
D ÉCOMPOSITION SPÉCTRALE
, [(u · IdE ) n’est pas surjectif] Plus généralement si E = Fi tel que 8i 2 [[1, k]], Fi est stable
Si u est diagonalisable, avec Sp(u) = { i , i 2 [[1, k]]}. 8i 2 [[1, k]],
, · IdE ) 2 i=1
[(u / GL(E)]
k
Ei = Ker (u i IdE ). Soit pi la projection de E sur Ei de direc-
Y
, [rg (u · IdE ) < n] par u, alors = Mk
u uF
, [det (u · IdE ) = 0] i tion Ej .
i=1
j=1
j6=i

S OUS - ESPACE PROPRE S PECTRE ET RACINES DE POLYNÔME CARACTÉRISTIQUE k

X k
X
Les valeurs propres de u 2 L (E) sont les racines du polynôme Alors u = i pi et 8P 2 K[X], P (u) = P( i )pi
Soit 2 Sp(u). L’ensemble E (u) = Ker (u · IdE ) est un caractéristique de u. i=1 i=1
sous-espace vectoriel de E distinct de {0E } appelé le sous-espace
propre associé à et à u.
O RDRE DE MULTIPLICITÉ C ARACTÉRISATION PAR LE POLYNÔME MINIMAL ( ANNULATEUR )
P ROPRIÉTÉ 1. u est diagonalisable
L’ordre de multiplicité d’une racine de u est appelé multiplicité
1. La somme d’une famille finie de sous-espace vectoriel de la valeur propre de u ; elle est noté m( ). 2. ⇡u est scindé à racines simples.
propre de u distincts est nécessairement directe 3. u admet un polynôme annulateur scindé à racines
2. Toute famille de vecteurs propres associés à des valeurs simples.
D IMENSIONS DE SOUS - ESPACES PROPRES
propres distinctes est nécessairement libre.
Si est valeur propre de u d’ordre m ( ), alors

P ROPRIÉTÉ
E NDOMORPHISMES TRIGONALISABLE
1 6 dim E 6 m ( )
Soit u 2 L (E), 2 K, P 2 K[X]. Si 2 Sp(u) alors
P ( ) 2 Sp (P (u)).
T HÉORÈME DE H AMILTON -C AYLEY D ÉFINITION
Soit u le polynôme caractéristique de u , alors u (u) = 0L(E) . Soit u 2 L (E), soit M 2 Mn (K).
VALEURS PROPRES ET POLYNÔME MINIMAL En conséquence ⇡u | u .
1. Les vp de u sont racines de tout polynôme annulateur de 1. u est dite trigonalisable s’il existe une base B de E pour
u. laquelle MB (u) est triangulaire supérieure.
2. Les vp de u sont les racines du polynôme minimal de u. 2. M est dite trigonalisable si elle est semblable à une ma-
E NDOMORPHISMES DIAGONALISABLES trice T triangulaire supérieure.
C HANGEMENT DE CORPS
Soit L un sur-corps de K. Alors SpK (u) ⇢ SpL (u). C ARACTÉRISATION
D ÉFINITION Les quatres affirmations suivantes sont équivalentes :
1. On dit que u est diagonalisable s’il existe une base B de E 1. u est trigonalisable.
C AS DES MATRICES pour laquelle MB (u) est diagonale. 2. u est scindé.
Les éléments propres d’une matrices sont ceux de l’endomor- 2. On dit que A est diagonalisable si elle est semblable à une 3. Il existe un polynôme scindé annulateur de u
phisme canoniquement associé matrice diagonale.
4. ⇡u est scindé.
P ROPRIÉTÉ
C OROLLAIRE
Si A est diagonalisable en = P 1 AP , alors les valeurs propres
sont les éléments de la diagonale de et la multiplicité de cha- 1. Si K = C, alors tout u 2 L(E) est trigonalisable.
cune est son nombre d’occurence dans cette diagonale. 2. On a aussi 8M 2 Mn (C), M est trigonalisable.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 12
Résumé du cours L ES SÉRIES À VALEURS DANS UN EVN DE DIMENSION FINIE El Amdaoui

C ONVERGENCE ET DIVERGENCE S ÉRIES À TERMES POSITIFS C OMPARAISON LOGARITHMIQUE

X X
Soit un , vn deux SATP telles que
X
E un K-espcae vectoriel de dim finie et un une série de E n>0 n>0

n>0
un+1 vn+1
9N 2 N, 8n > N, 0 6 6
D ÉFINITION C RITÈRE DE MAJORATION
un vn
X X
1. On dit que un converge si, et seulement si, (Sn ) Soit un une série à termes positifs. X X
Si vn converge, alors la série un converge
n>0 n>0
X n>0 n>0
converge dans E, la limite de la suite (Sn ) est appelée un converge () la suite des sommes partielles est majorée. X X
X +1
X Si un diverge, alors la série vn diverge
n>0
somme de la série un , notée un . +1
n>0 n>0
n=0
X
n>0
En cas de convergence un = sup Sn
2. Une série est dite divergente si elle n’est pas convergente n=0
n C RITÈRES DE D’A LEMBERT
X un+1
Soit un une SATP tels que ! ` 2 R+
S ÉRIE TÉLESCOPIQUE n>0
un n!+1
X P RINCIPES DE COMPARAISON X
La série télescopique (un+1 un ) converge si, et seulement, X X
1. Si 0 6 ` < 1, alors un converge
Soit un , vn deux séries à termes positifs. Si
si la suite (un ) est convergente. n>0
n>0 n>0
X
• un =X(vn ) ou un = O(vX n ) alors 2. Si ` > 1, alors un diverge
C ONDITION NÉCESSAIRE
X — vn converge ) un converge. n>0
Si la série un converge, alors la suite (un ) tend vers 0 X X
— un diverge ) vn diverge. 3. Si ` = 1 on ne peut pas conclure.
n>0 X X
• un ⇠ vn , alors un et vn sont de même nature
S ÉRIE GÉOMÉTRIQUE R ÈGLE DE R AABE -D UHAMEL
X
Soit q 2 C, alors la série géométrique q
n
converge si, et seule- Soit (un ) une suite de réels strictement positifs telle que
R ÈGLE DE R IEMANN
n>0 X ✓ ◆
1
X 1 Soit un une série à termes positifs. ⇤ un+1 ↵ 1
ment, si |q| < 1. Auquel cas q
n
= ✓ ◆ 9(↵, ) 2 R+ ⇥]1, +1[, =1 +O
1 q 1 un n n
n=0 • S’il existe ↵ > 1 tel que un = O ou un =
✓ ◆ n↵
1 X X
R ESTE D ’ UNE SÉRIE CONVERGENTE , alors un converge Alors il existe > 0 tel que un ⇠ , donc un converge si, et
X n↵ n↵
Le reste d’ordre n d’une série convergente un est défini par 1 1 seulement, si ↵ > 1
n>0
• S’il existe ↵ 6 1 tel que ↵ = O (un ) ou ↵ = (un ),
X n n
+1
X alors un diverge
Rn := uk , et on a
k=n+1

R ÈGLE n↵ un
1
X n
X X
8n 2 N, un = uk + R n et Rn !0 Soit un une série à termes positifs.
n!+1
n=0 k=0
S’il existe > 0 et ↵ 2 R tels que n↵ un ! , ie un ⇠
X
n!+1 n↵
R ETOUR AUX SÉRIES NUMÉRIQUES • Si ↵ > 1, alors la série un converge
p
X X
Soit = (e1 , · · · , ep ) une base de E et un = un,i ei le terme • Si ↵ 6 1, alors la série un diverge
i=1
X
général de la série un . Alors
S ÉRIE DE B ERTRAND
X X
un converge () 8i 2 [[1, p]], la série un,i converge Pour ↵ et deux réels, on appelle série de Bertrand la série á
X 1
! termes réels positifs suivante :
+1
X p
X +1
X n>2
n↵ ln (n)
En cas de convergence : un = un,i ei
n=0 i=1 n=0 8
X 1 <↵ > 1
est convergente () ou
n↵ ln (n) :
n>2 ↵ = 1 et >1

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 13
Résumé du cours L ES SÉRIES À VALEURS DANS UN EVN DE DIMENSION FINIE El Amdaoui

S OMMATION DES RELATIONS DE COMPARAISON C OMPARAISON SÉRIE - INTÉGRALE S ÉRIES À VALEURS DANS UN EVN DE DIM FINIE

E désigne un K-espace vectoriel normé de dimension finie où K désigne

C AS DE CONVERGENCE C OMPARAISON SÉRIE - INTÉGRALE le corps R ou C
X
Soit vn une SATP convergente et (un ) une suite. Soit f : R+ ! R+ une fonction décroissante continue par mor-
ceaux sur R + C ONVERGENCE ABSOLUE
n>0 Z +1 X X
X On dit que la série un converge absolument si la série
1. Si un = o (vn ), alors un converge et L’intégrale f (t)dt et la série f (n) sont de même nature.
0 X
n>0 En cas de convergence, un encadrement de la suite des restes k un k est convergente.
0 1
+1
X +1
X Z +1 +1
X Z +1 P ROPRIÉTÉ
uk = o @ vk A 8N 2 N, f (t) dt 6 f (n) 6 f (t) dt X X
k=n+1 k=n+1 N +1 n=N +1 N Si un converge absolument, alors la série un est conver-
n>0 n>0
X Cela peut donner un équivalent pour la suite des restes. gente et
2. Si un = O (vn ), alors un converge et
n>0 1 1
X X
S ÉRIE DE R IEMANN un 6 kun k Inégalité triangulaire
0 1
+1
X +1
X Soit ↵ 2 R n=0 n=0
uk = O @ vk A +1
X 1 1 1
k=n+1 k=n+1 • Si ↵ > 1, ⇠ .
k↵ ↵ 1 n↵ 1
k=n+1
n
S ÉRIE DE N EWMANN
X 1 1 1
C AS DE DIVERGENCE • Si ↵ < 1, ⇠ .
X k↵ 1 ↵ n↵ 1
Soit vn une SATP divergente et (un ) une suite. k=1 Soit A une K-algèbre normée de dimension finie.
Xn
n>0 1
! • Si ↵ = 1, ⇠ ln(n) S ÉRIE DE N EUMANN
n n k
X X k=1 Soit u 2 A tel que k u k < 1
1. Si un = o (vn ), alors uk = o vk X n
k=0 k=0 1. La série u est absolument convergente.
!
n
X n
X C RITÈRE SPÉCIAL DES SÉRIES ALTERNÉES n>0
2. Si un = O (vn ), alors uk = O vk +1
1
X n
k=0 k=0
2. 1A u est inversible dans A et on a (1A u) = u .
X D ÉFINITION n=0
On ne peut pas conclure la convergence de la série un 1
k6
1
n>0
Soit
X (un )nune suite réelle gardant un signe constant, alors la série 3. On a k(1A u) .
1 kuk
( 1) un est dite alternée
n>0
ÉQUIVALENT
X X X
Soit un et vn deux SATP telles que un ⇠ vn . Alors un F ONCTION EXPONENTIELLE
C RITÈRE SPÉCIAL DES SÉRIES ALTERNÉES
X
n>0 n>0 n>0 X n
et vn sont de même nature Soit ( 1) un une série alternée telle que (un ) décroît et est Soit A une K-algèbre normée de dimension finie.
n>0
n>0 X
de limite nulle. Alors ( 1) un converge et |Rn | 6 un+1 .
n L’ APPLICATION EXPONENTIELLE
+1
X +1
X
n>0
X un
En cas de convergence : uk ⇠ vk Soit u 2 A alors la série est absolument convergente.
k=n+1 k=n+1 n>0
n!
n
X n
X C RITÈRE D ’A BEL +1
X un
En cas de divergence : uk ⇠ vk L’application sur A définie par u 7! s’appelle la fonction
Soit ("n ) une suite de réels décroissante
! qui converge vers 0 et n!
k=0 k=0 n n=0
X exponentielle sur A et on la note exp.
(an ) une suite de K telle que ak est majorée.
F ORMULE DE S TIRLING k=0
✓ ◆n P ROPRIÉTÉ
n p n Soient u, v 2 A tels que uv = vu alors
n! ⇠ 2⇡n X
ak 6 M
+
e 9M 2 R , 8n 2 N
k=0 exp(u + v) = exp(u) exp(v) = exp(v) exp(u)
X
Alors la série "n an converge
n>0

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 14
Résumé du cours L ES FAMILLES NUMÉRIQUES SOMMABLES El Amdaoui

E NSEMBLES DÉNOMBRABLES
S OMME D ’ UNE FAMILLE NUMÉRIQUE SOMMABLE C RITÈRE SUFFISANT DE SOMMABILITÉ
Soit (In )n2N une partition de I. On suppose que :
Soit (xk )k2I une famille numérique sommable
X X + X 1. Pour tout n 2 N la famille (ai )i2In est sommable et on
X
1. Cas réel : uk := uk uk pose Tn = |ai |.
Soit E un ensemble. k2I k2I k2I i2In
X X X X
E NSEMBLE AU PLUS DÉNOMBRABLE 2. Cas complexe : uk := Re (uk ) + i Im (uk ) 2. La série Tn est convergente.
k2I k2I k2I
On dit que : n>0
• E est dénombrable s’il existe une bijection entre E et N. 0 1
X X X +1
X X
• E est au plus dénombrable si E est en bijection avec une Auquel cas xi 6 |xi | @
partie de N Alors (ai )i2I est sommable et ai = ai A
k2I k2I i2I n=0 i2In

O PÉRATIONS
• Une partie de N si, et seulement si, elle est infinie. C AS DE I = N S UITES DOUBLES
• Une partie d’un ensemble dénombrable est au plus dé- X
nombrable. Une suite numérique (xn )n2N est sommable ssi la série xn
• Un produit fini d’ensembles dénombrables est dénom- n>0
brable. +1
C RITÈRE SUFFISANT DE SOMMABILITÉ
• Une union dénombrable de parties dénombrables est dé- X X Soit (am,n )(m,n)2N2 une suite numérique double. Les assertions
nombrable est absolument convergente. Auquel cas xn = xn .
n2N n=0 suivantes sont équivalentes :
1. La famille (am,n )(m,n)2N2 est sommable.
X
2. Pour tout n 2 N, la série |am,n | CV et la série
P ROPRIÉTÉ m>0
!
FAMILLES SOMMABLES Si : N ! I une bijection, alors, (xk )k2I est sommable ssi X +1
X
+1
X X |am,n | CV.
x (n) n2N est sommable, auquel cas x (n) = xi n>0 m=0
n=0 i2I X
3. Pour tout m 2 N, la série |am,n | CV et la série
Soient I un ensemble dénombrable et (xi )i2I une famille numérique. On n>0
note : +1
!
X X
• Pf (I) l’ensemble des parties finies de I. O PÉRATIONS |am,n | CV.
X Soit (uk )k2I , (vk )k2I deux familles sommables et 2 K. Alors la
• 8J 2 Pf (I), SJ = xi . m>0 n=0

i2J
famille (ui + vi )i2I est sommable et X X
4. La série |ap,q | converge.
X X X n>0 p+q=n
D ÉFINITION ( ui + v i ) = ui + vi Auquel cas :
On dit que la famille (xi )i2I de réels positifs est sommable si k2I k2I k2I
9M > 0, 8J 2 Pf (I), SJ 6 M . +1
X X +1
X +1
X +1
X +1
X X
Dans ce cas, sup SJ s’appelle la somme de la famille (xi )i2I am,n = am,n = am,n = ap,q .
J2Pf (I)
X S OUS - FAMILLE D ’ UNE FAMILLE SOMMABLE (m,n)2N2 n=0 m=0 m=0 n=0 n=0 p+q=n
et on la note xi . Soit (uk )k2I une famille sommable et J une partie dénombrable
i2I
de I. Alors (uk )k2J est sommable
P RODUIT DE C AUCHY DE DEUX SÉIES
C RITÈRE DE COMPARAISON
Soit (ui )i2I et (vi )i2I deux familles de réels positifs telles que S OMMATION PAR PAQUETS
8i 2 I, ui 6 vi . Soit (ak )k2I est une famille numérique sommable et soit (In )n2N P ROPRIÉTÉ
une partition de I. Alors : X X
1. Si la famille
X est sommable, alors (ui )i2I est som-
(vi )i2I X Si un et vn sont absolument convergentes alors leur pro-
mable et : ui 6 vi 1. Pour tout n 2 N, la famille (ai )i2In est sommable. On
X n>0 n>0
0 1
i2I i2I note Sn = ai . n
X X
2. La non sommabilité de la famille (ui )i2J entraîne la non i2In duit de Cauchy @ up vn pA est absolument convergent
sommabilité de (vi )i2I X n>0 p=0
2. La série Sn converge. 0 1 ! !
+1
X n
X +1
X +1
X
n>0
et on a @ up vn pA = un ⇥ vn .
0 1
FAMILLE NUMÉRIQUE SOMMABLE +1
X X +1
X X X n=0 p=0 n=0 n=0
La famille numérique (xk )k2I est dite sommable si la famille 3. Sn = ai . Autrement dit : @ ai A = ai
(|xk |)k2I est sommable. n=0 i2I n=0 i2In i2I

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 15
Résumé du cours L ES SUITES DE FONCTIONS El Amdaoui

(fn )n2N est une suite de fonctions définies sur A à valeurs dans F
où A ⇢ E avec E et F sont de K-espaces vectoriels normés de dimen- T HÉORÈME D ’ INTERVERSION DES LIMITES R ÉGULARITÉ D ’ UNE LIMITE UNIFORME
sions finies. Le plus souvent, E = F = R et A un intervalle de R.
I intervalle de R.
T HÉORÈME D ’ INTERVERSION DES LIMITES I NTERVERSION LIMITE - DÉRIVÉE
M ODES DE CONVERGENCE Soit a 2 A. Si : Si :
8 8n 2 N, fn est de classe C 1 (I, E) ;
< 8n 2 N, lim fn (x) existe et vaut bn 2 F ; (fn ) CS sur I ;
x!a 0
cvu fn CU sur tout segment inclus dans I.
C ONVERGENCE SIMPLE : fn !f
A Alors
On dit que (fn )n converge simplement sur A ssi pour tout x 2 A •
1
lim fn 2 C (I, F ) ;
la suite (fn (x)) converge dans F . Alors : n!+1
8 ✓ ◆0
On appelle limite ou limite simple de la suite (fn (x)), la fonction
<• La suite (bn ) converge ;
> • lim fn = lim fn ;
0
f 2 F A définie par : 8x 2 A, f (x) = lim fn (x). • f admet une limite en a; n!+1 n!+1
n!+1
cvs
>
:• lim f (x) = lim bn • (fn ) CU sur tout segment inclus dans I.
On écrit fn !f x!a n!+1
A ✓ ◆ ✓ ◆
Autrement-dit : lim lim fn (x) = lim lim fn (x) I NTERVERSION LIMITE - DÉRIVÉES SUCCÉSSIVES
x!a n!+1 n!+1 x!a Soit p 2 N⇤ . Si :
C OMMENT MONTRER LA CONVERGENCE SIMPLE ? 8n 2 N ( ou à pcr⇣ ) fn ⌘2 C p (I, F )
Pour prouver que (fn ) converge simplement vers f sur A : C ONSERVATION DE LA CONTINUITÉ PAR CU 8k 2 [[0, p 1]], (k)
fn CS sur I .
On fixe x 2 I et on cherche à prouver que la suite numé- Si
rique (fn (x)) converge vers f (x). Il s’agit donc d’un problème de 8n 2 N (ou à pcr) fn est continue sur A La suite (p)
(fn ) CU sur tout segment inclus dans I
convergence de suites vectoriels, pas vraiment d’un problème de cvu Alors
convergence de suites de fonctions. fn ! f sur tout compact inclus dans A • lim fn est de classe C p sur I
Alors f est continue sur A. n!+1
NB : Si A est un intervalle de R, on remplace compact inclus dans (k)
• 8k 2 [[0, p]], fn CU sur tout segment inclus dans I
C ONVERGENCE UNIFORME A par segment inclus dans A • On a les interversions
On dit que la suite de fonction (fn )n converge uniformément vers ✓ ◆(k)
f si : C ONVERGENCE UNIFORME ET CONTINUITÉ (k)
8k 2 [[0, p]] , lim fn = lim fn
1. Il existe n0 à partir duquel (fn f ) est bornée (C (A, F ) , k . k1 ) est un espace de Banach. n!+1 n!+1
2. kfn f k1 !0
n!+1
cvu cvu
I NTERVERSION LIMITE - DÉRIVÉES SUCCÉSSIVES
On note fn ! f ou fn !f Si :
A
I NTÉGRATION D ’ UNE LIMITE UNIFORME SUR UN SEGMENT 8n 2 N ( ou à pcr ) fn 2 C 1 (I, F )
La suite (fn ) CS sur I .
P ROPRIÉTÉ CARACTÉRISTIQUE Z 8p > 1, (fn(p)
) CU sur tout segment inclus dans I
Alors
8 I NTERVERSION lim ET • lim fn est de classe C 1 sur I
cvs
<• fn !f n!+1
fn
cvu
!f () A Soit (fn ) une suite de fonctions de [a, b] dans F telle que : • 8k > 0, fn(k)
CU sur tout segment inclus dans I
A : • k fn f kA
1 !0 8n 2 N ( ou à pcr) fn 2 C([a, b], F ) ; • On a les interversions
n!+1 (fn ) converge uniformément sur [a, b]
⇢ Alors
9("n ) 2 RN
+ tq lim "n = 0 et à pcr ✓ ◆(k)
() • lim fn est continue
◆ sur [a, b]
8x 2 A, k fn (x) f (x) k 6 "n ✓Z b 8k 2 N, lim fn = lim
(k)
fn
n!+1 n!+1
• La suite fn converge
NB : "n ne dépend pas de x a n Z
• On a l’interversion lim et
L ES APPROXIMATIONS UNIFORMES
L A NON CONVERGENCE UNIFORME
cvs N Z Z
Si fn ! f et 9(xn ) 2 A tq (fn (xn ) f (xn )) 6! 0, alors fn b b
A lim fn (t) dt = lim fn (t) dt
ne converge pas uniformément vers f sur A n!+1 a a n!+1
P ROPRIÉTÉ
Toute fonction f : [a, b] 7 ! F continue sur F est limite uniforme
d’une suite ('n )n2N de fonctions en escalier sur [a, b], c’est-à-dire
CU =) CS CU ET PRIMITIVATION
Si fn
cvu
! f , alors fn
cvs
! f. Soit (fn ) une suite de fonctions de C(I, F ). Si :
A A (fn ) converge uniformément sur tout segment inclus dans I vers kf 'n k1,[a,b] !0
n!+1
f . Pour tout a 2 I,Zon pose
x
C ONVERGENCE UNIFORME ET B ORNITUDE • ':x7 ! f (t)dt S TONE W EIERSTRASS
(B (A, F ) , k . k1 ) est un espace de Banach. a Z x Soit [a, b] un segment de R,.
• Pour tout n 2 N, 'n : x 7 ! fn (t)dt Toute application f : [a, b] ! C continue est limite uniforme
a d’une suite de polynômes.
Alors la suite de fonctions ('n ) converge uniformément sur tout
segment inclus dans I vers '

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 16
Résumé du cours L ES SÉRIES DE FONCTIONS El Amdaoui

(fn )n2N est une suite de fonctions définies sur A à valeurs dans F
où A ⇢ E avec E et F sont de K-espaces vectoriels normés de dimen- C OMPARAISON DES MODES D ÉRIVATION TERME À TERME
sions finies. Le plus souvent, E = F = R et A = I un intervalle de R.
n CU
X
On note, pour tout entier naturel n : Sn = fk D ÉRIVATION TERME À TERME
CN CS
k=0 Si :
CA 8n 2 N, fn 2 C 1 (I, F )
M ODES DE CONVERGENCE
La série
X
fn converge simplement sur I.
Toutes les autres implications sont fausses.
n>0
X 0
C ONVERGENCE SIMPLE fn converge uniformément sur tout segment inclus I.
X I NTERVERSION LIMITE ET SOMME n>0
On dit que fn converge simplement sur A et a pour somme
n>0
Alors !0
+1
X +1
X +1
X
S si la suite de fonction (Sn )n2N converge simplement vers S. fn est de classe C 1 sur I et
0
I NTERVERSION LIMITE - SOMME • fn = fn
Soit a 2 A
X un point adhérent. Si : n=0
X n=0 n=0
C ONVERGENCE ABSOLUE fn converge uniformément sur A • La série fn CU sur tout segment inclus I
X n>0
On dit que la série de fonctions fn converge absolument si la n>0
X 8n 2 N, fn (x) ! `n 2 F
série de fonction k fn kF converge simplement. x!a
D ÉRIVATION TERME À TERME
Alors : X
• La série `n converge. Soit p > 1. Si
8n 2 N, fn 2 C p (I,
XF )(k)
C ONVERGENCE NORMALE n>0
X +1 8k 2 [[0, p 1]] , fn converge simplement sur I.
X
Soit (fn )n2N 2 (B(A, K))N . On dit que la série de fonction fn • La somme fn admet une limite en a. n>0
X X (p)
converge normalement si la série numérique kfn k1 converge. n=0 fn CU sur tout segment inclus dans I.
+1
X +1
X +1
X n>0
• lim
x!a
fn (x) = `n = lim fn (x)
x!a
Alors
P ROPRIÉTÉ CARACTÉRISTIQUE n=0 n=0 n=0 +1
X
P
fn converge normalement (cvn) sur A si, et seulement, si • fn est de classe C p sur I et :
n=0
( C ONTINUITÉ
• 9
X (an ) 2 R+ N / 8n 2 N, 8x 2 A : kfn (x)k 6 an Si : !(k)
X 2 N, fn 2 C(A, F )
8n +1
X +1
X
• an converge (k)
fn CU sur tout compact inclus dans A. 8k 2 [[0, p]] , fn = fn .
n=0 n=0
+1
X
NB : La suite (an ) ne dépend pas de x
Alors la somme fn est continue sur A. X (k)
n=0 • 8k 2 [[0, p]] , fn CU sur tout segment ⇢ I
C ONVERGENCE UNIFORME Si A est un intervalle de R, on remplace compact par segment n>0
X cu
fn converge uniformément et a pour somme S si Sn ! S
i.e. lim kS Sn k1 = 0. S ÉRIES DE FONCTIONS DE CLASSE C 1
n!+1 I NTÉGRATION TERME À TERME SUR UN SEGMENT Si :
8n 2 N, fn 2 C 1 (I, F )
P ROPRIETÉ CARACTÉRISTIQUE X
X X I NTÉGRATION TERME À TERME fn converge simplement sur I.
fn converge uniformément sur A si, et seulement, si fn
Si n>0
X
X 2 N, fn 2 C ([a, b], F )
cvu
converge simplement sur A et Rn !0 8n
8p > 1,
(p)
A fn CU sur tout segment inclus dans I.
fn CU sur [a, b]. n>0
Alors
C ONDITION NÉCESSAIRE 1
+1
X
X X
Si fn converge uniformément vers f , alors fn
cvu
! 0. • fn est continue Alors la somme fn est de classe C 1 sur I et on a :
A n=0
n=0
X ✓Z b
◆
!(p)
C AS D ’ UNE SÉRIE ALTERNÉE • la série fn converge et on a l’interversion +1
X +1
X (p)
n>0 a 8p 2 N, fn = fn .
On suppose que F = R. n=0 n=0
X
Si 8x 2 A, la série fn (x) est alternée vérifiant le CSSA, alors Z +1
! +1 ✓Z ◆
b X X b

X
n>0 fn (t) dt = fn (t)dt
cvu a a
fn CU sur A si, et seulement, si fn !0 n=0 n=0
A

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 17
Résumé du cours L ES SÉRIES ENTIÈRES El Amdaoui

S ÉRIES ENTIÈRES S OMME ET PRODUIT F ONCTIONS DÉVELOPPABLES EN SÉRIES ENTIÈRES

X n
X n
Soient an z et bn z de rayons de convergences respec-
L EMME D ’A BEL n>0 n>0
P P F ONCTION DÉVELOPPABLE EN SÉRIE ENTIÈRE
Soit r 2 R+? tel que (an r n )n soit une suite bornée avec tifs Ra et Rb et soient sn z n et pn z n respectivement somme
X et produit de Cauchy des deux séries précédentes i.e. 8n 2 N, 1. On dit que f est développable en série entière au point 0
(an )n 2 CN . Alors 8z 2 B(0C , r), la série X
n
an z CA Xn
n
sn = an + bn et pn = an k bk . Soit Rs et Rp les rayons de s’il existe R > 0 et une série entière an z tels que :
n>0
k=0 n>0
convergence de ces deux dernières. Alors • f est définie sur D(0, R) et
R AYON DE CONVERGENCE
X 1. Rs > min(Ra , Rb ), Rp > min(Ra , Rb ) ; +1
X n
n • 8z 2 D(0, R), f (z) = an z .
Le rayon de convergence de la série an z est l’élément de 2. si Ra 6= Rb , alors Rs = min(Ra , Rb ) ; n=0
n>0
3. on pose R = min(Ra , Rb ). 8z 2 D(0, R), 2. On dit que f est DSE en z0 2 C si z 7 ! f (z0 + z) est DSE
R +
[ {+1} défini par +1 +1 +1 en 0.
X n
X n
X n
• sn z = an z + bn z ;
+ n
R = sup{r 2 R / (an r )n est bornée } n=0 n=0 n=0 P ROPRIÉTÉ
! !
= sup{r 2 R / an r
+ n
! 0}
+1
X n
+1
X n
+1
X n
Soit I un intervalle tel que 0 est dans l’intérieur de I et f : I ! C
n!+1 • pn z = an z ⇥ bn z . est de classe C 1 au voisinage de 0.
X n=0 n=0 n=0
= sup{r 2 R /
+
an r
n
CS } f est DSE en 0
m
S ÉRIE DÉRIVÉE n
!
X X X X f (k) (0) k
= sup{r 2 R /
+
an r
n
CA } Soit
n
an z une série entière de rayon R. La série nan z
n 1 9r > 0, 8x 2] r, r[, lim f (x) x = 0.
n!+1
k=0
k!
n>0 n>1
X
est de rayon de convergence R et dite série dérivée de an z
n
Auquel cas les primitives et les dérivées successives de f sont
C ONVERGENCE D ’ UNE SÉRIE ENTIÈRE DSE en 0
X n>0
n
Soit an z une série entière de rayon de convergence R.
n>0 D ÉVELOPPEMENTS EN SÉRIES ENTIÈRES USUELS
1. La série entière converge absolument donc simplement C AS DES SÉRIES RÉELLES De rayon de convergence R = +1 : 8z 2 C, 8x 2 R :
sur le disque de convergence D(0, R) = {z 2 C/ |z| < R} ; +1
X zn
2. La série entière converge normalement donc uniformé- • exp(z) =
ment sur tout disque fermé Df (0, R1 ) avec 0 < R1 < R ; P RIMITIVE n=0
n!
+1 X
X n Soit
n
an x une série entière réelle de rayon de convergence R +1
X x2n
+1
X x2n+1
3. La fonction f : z 7! an z est continue sur D(0, R). • cos x = ( 1)
n
et • sin x = ( 1)
n
n>0 (2n)! (2n + 1)!
n=0 n=0 n=0
X X et de somme S. Alors les primitives de S sur ] R, R[ s’écrivent
n n +1
X 2n +1
X
4. Si an R CA, alors an z CN sur Df (0, R). x x2n+1
+1 • cosh x = et • sinh x =
n>0 n>0 X
xn+1 (2n)! (2n + 1)!
x 7! k + an où k 2 C n=0 n=0

n=0
n +1 De rayon de convergence R = 1, 8x 2] 1, 1[ et ↵ 2 R :
C ALCUL DE RAYON 1
+1
X 1
+1
X
n n n
R ÉGULARITÉ ET COEFFICIENTS • = x • = ( 1) x
X 1 x n=0
1+x n=0
n
C OMPARAISON Soit an x une série entière réelle de rayon de convergence R
+1
X
X X n>0 xn
n n • ln(1 x) = vraie aussi pour x = 1
Soient an z et bn z de rayons respectifs Ra et Rb . de somme f . Alors f est de classe C 1
et 8x 2] R, R[, n
n=1
n>0 n>0
+1
X
1. si an = O(|bn |) ou an = o(|bn |), alors Ra > Rb ; +1
X n 1 xn
(p) (n + p)! n • ln(1 + x) = ( 1) vraie aussi pour x = 1
2. si an ⇠ bn , alors Ra = Rb . 8p 2 N, f (x) = an+p x n
n=0
n! n=1
+1
X x2n+1
C RITÈRE DE D’A LEMBERT • arctan x = ( 1)
n
vraie aussi pour x = ±1
f (n) (0) 2n + 1
an+1 En particulier an = et ainsi n=0
Si (an ) ne s’annule pas à pcr et lim = ` 2 R. n!
n!+1 an +1
X
X 1 ↵ ↵(↵ 1) . . . (↵ n + 1) n
Le rayon de convergence de la série entière
n
an z est R =
+1
X f (n) (0) n • (1 + x) =1+ x
` 8x 2] R, R[, f (x) = x n=1
n!
n>0
n=0
n!
1 1
avec la convention = +1 et = 0.
0 +1

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 18
Résumé du cours L ES PROBABILITÉS El Amdaoui

T RIBU P ROBABILITÉ C ONTINUITÉ MONOTONE

T RIBU P ROBABILITÉ C ONTINUITÉ MONOTONE

Soient ⌦ un ensemble et T une partie de P(⌦), c’est-à-dire un Soit (An ) une suite d’événements
On appelle probabilité toute application P de T dans R+ tel que Continuité croissante :
ensemble de parties de ⌦.
On dit que T est une tribu ou une -algèbre de parties de ⌦ si : 1. P (⌦) = 1,
2. Si (An )n2N une suite de T, 2 à 2 incompatibles, alors ! !
1. ⌦ 2 T +1
[ n
[
2. Si A 2 T alors A 2 T P An = lim P Ak
+1
! +1 n=0
n!+1
k=0
3. Pour toute famille[(Ai )i2I au plus dénombrable d’élé- [ X
P An = P (An ) -additivité
ments de T, on a Ai 2 T. n=0 n=0 En particulier si (An ) est croissante, alors :
i2I

Le couple (⌦, T) s’appelle un espace probabilisable. !

Le triplet (⌦, T, P ) est un espace probabilisé +1
[
Les éléments de T sont des événements P An = lim P (An )
Auquel cas : n!+1
n=0
1. ; 2 T. P ROBABILITÉ UNIFORME
2. Si A et B sont deux événements de T, alors A [ B, A \ B X Continuité déroissante :
et A \ B sont dans T. Si ⌦ est fini, on prend T = P(⌦). Alors P (A) = P (!).

\I est une partie de N et si pour tout i 2 I, Ai 2 T alors

!2A
3. Si ! !
CardA +1
\ n
\
Ai 2 T. Dans le cas de l’équiprobabilité, P (A) = . P An = lim P Ak
i2I
Card⌦ n!+1
Le calcul de P (A) revient à calculer le cardinal de A soit dénom- n=0 k=0
brer l’ensemble A.
É VÉMENTS En particulier si (An ) est décroissante, alors :
P ROPRIÉTÉ
Si (⌦, T ) est un espace probabilisable, !
• les parties A de ⌦ éléments de la tribu T sont appelées Soit (⌦, T, P ) est un espace probabilisé et A, B 2 T. +1
\
événement de l’univers ⌦. 1. P (;) = 0. P An = lim P (An )
n!+1
• L’événement ; est appelé événement impossible. 2. Soit A0 , · · · , An sont des événements 2 à 2 incompatibles n=0
• L’événement ⌦ est appelé événement certain.
• A est l’événement contraire de A ; n
! n
• A \ B est l’événement conjonction de A et B ; [ X
• A [ B est l’événement disjonction de A et B. P Ak = P (Ak ) Additivité finie É VÉNEMENTS NÉGLIGEABLE , QUASI CERTAIN
• On dit que l’événement A implique B si A ⇢ B. k=0 k=0
• A et B sont dits incompatibles si A \ B = ;.
⇣ ⌘
3. P A =1 P (A) É VÉNEMENT NÉGLIGEABLE , QUASI - CERTAIN
E XEMPLE
4. 0 6 P (A) 6 1. • On dit qu’un événement A est négligeable si P (A) = 0 ;
Soit (An )n2N une suite d’événements de l’espace probabilisable • On dit qu’un événement A est presque sûr si P (A) = 1.
(⌦, T ). 5. P (A [ B) = P (A) + P (B) P (A \ B).
+1
\ 6. Si A ⇢ B, alors
P ROPRIÉTÉ
• An correspond à la réalisation de tous les An .
n=0 P (A) 6 P (B) et P (B \ A) = P (B) P (A) 1. Un événement contenant un événement presque sûr est
+1
presque sûr.
[
• An correspond à la réalisation d’au moins un An . 2. Une intersection finie ou dénombrable d’événements
7. Soit (An )n2N une suite des événements. Alors presque sûrs est presque sûre.
n=0
+1
\
n
! n
• An correspond à la réalisation de tous les An à pcr N . [ X P ROPRIÉTÉ
n=N
P Ak 6 P (Ak ) Sous additivité finie Si A est quasi certain, alors pour tout événement B :
+1 k=0 k=0
\ +1
[
• An correspond à la réalisation d’une infinité de An . P (A \ B) = P (B) et P (A [ B) = 1
N =0 n=N et !
+1
[ +
X 1
P An 6 P (An ) Sous additivité Si A est négligeable, alors pour tout événement B :
S YSTÈME COMPLET D ’ ÉVÉNEMENTS n=0 n=0
P (A \ B) = 0 et P (A [ B) = P (B)
Une famille au plus dénombrable (Ai )i2I d’événements de P(⌦)
est un système complet d’événements si
— 8i 2 I, Ai 6= ; P ROPRIÉTÉ VRAIE PRESQUE PARTOUT
— 8(i, j) 2 I 2 i 6= j =) Ai \ Aj = ;,
[ Une propriété est vraie presque partout si elle est vraie pour tout
— ⌦= Ai . ! 2 ⌦ \ A où A est inclus dans un événement égligeable.
i2I

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 19
Résumé du cours L ES PROBABILITÉS El Amdaoui

P ROBABILITÉ SUR UN UNIVERS AU PLUS DÉNOMBRABLE P ROBABILITÉ CONDITIONNELLE I NDÉPENDANCE D ’ ÉVÉNEMENTS

P ROBABILITÉ SUR UN UNIVERS AU PLUS DÉNOMBRABLE P ROBABILITÉ CONDITIONNELLE I NDÉPENDANCE D ’ ÉVÉNEMENTS

Soit ⌦ un ensemble au plus dénombrable , T = P(⌦) et P une un espace probabilisé et A un événement avec P (A) > 0. Alors Soit (Ai )i2I une suite d’événements où I est au plus dénom-
probabilité sur (⌦, T ). Pour tout ! 2 ⌦, on introduit les probabi- l’application brable
lités élémentaires — On dit que les (Ai )i2I sont deux à deux indépendants
p! = P ({!}) 8 pour la probabilité P si pour tout i, j 2 I,
< T ! R+
Alors la famille (p! )!2⌦ est une famille de réels positifs, som- PA : P (A \ B)
mable et de somme égale à 1. : B 7 ! PA (B) = i 6= j ) p (Ai \ Aj ) = p (Ai ) p (Aj )
P (A)
P ROBABILITÉ SUR UN UNIVERS AU PLUS DÉNOMBRABLE — On dit que les (Ai )i2I sont mutuellement indépen-
est une probabilité sur (⌦, T ) dite probabilité conditionnée à A dants pour la P si pour toute partie J finie
Soit ⌦ un ensemble au plus dénombrable. Si (p! )!2⌦ est une 0 probabilité
1
famille de réels positifs, sommable et de somme égale à 1 alors il \ Y
existe une unique probabilité P sur (⌦, P (⌦)) vérifiant F ROMULE DES PROBABILITÉ COMPOSÉES de I, on a P @ Ai A = P (Ai ).
Soit (Ai )16i6n une suite d’événements telle que i2J i2J
!
8! 2 ⌦, P ({!}) = p! n
\
P Ai 6= 0. Alors
P ROPRIÉTÉ
De plus, celle-ci est déterminée par i=1
Soit (Ai )i2I une suite d’événements indépendants pour la pro-
! babilité P avec I est au plus dénombrable
X n
\
8A ⇢ ⌦, P (A) = p! Si pour tout i 2 I, Bi = Ai ou Ai alors (Bi )i2I est une suite
P Ai = P (A1 )P (A2 |A1 ) · · · P (An |A1 \ · · · An 1 ). d’événements indépendants pour la probabilité P .
!2A i=1

C AS PARTICULIER ⌦ = N F ORMULE DES P ROBABILITÉS TOTALES

Soit (Ai )i2I un système complet d’événements. Pour tout événe-
Une probabilité sur (N, P (N)) est déterminée par le choix de ment B, la famille (P (B \ Ai ))i2I est sommable et
(pn )n2N 2 RN
+ avec
+1
X X
pn = 1 P (B) = P (B \ Ai )
n=0 i2I

Si de plus 8i 2 I, P (Ai ) 6= 0, alors

X X
P (B) = P (B \ Ai ) = P (B|Ai )P (Ai ).
i2I i2I

A STUCE
On peut appliquer la formule des probabilités totales lorsque
(Ai )i2I un système quasi complet d’événements.

F ORMULE DE B AYES
Si A et B sont deux événements de probabilités non nulles, on a :

P (A) ⇥ PA (B)
PB (A) =
P (B)

Soient (Ai )i2I un système complet d’événements de probabilités

non nulles et A et B deux événements de probabilités non nulles.
On a :
PA (B)P (A)
PB (A) = X
PAi (B)P (Ai )
i2I

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 20
Résumé du cours L ES VARIABLES ALÉATOIRES DISCRÈTES El Amdaoui

(⌦, T, P ) désigne un espace probabilisé.

F ONCTION DE RÉPARTITION E SPÉRANCE
VARIABLE ALÉATOIRE DISCRÈTE
Soit (⌦, T ), un espace probabilisable. On appelle variable aléa-
toire discrète définie sur (⌦, T ) toute application X de ⌦ dans D ÉFINITION D ÉFINITION
un ensemble E telle que : Soit X une VARD. On appelle fonction de répartition de X l’ap- On dit qu’une VARD X admet une espérance lorsque la famille
1. X(⌦) est un ensemble au plus dénombrable plication F : R ! R définie par : (xP (X = x))x2X(⌦) est sommable.
2. Pour tout x 2 X(⌦), X 1 (] 1, x]) 2 T On appelle alors espérance de X, le réel
F (x) = P (X 6 x)
Si E = R, on parle d’une variable aléatoire réelle discrète X
1. X(⌦) est l’ensemble des valeurs prises par X. E(X) = xP (X = x)
On a aussi X x2X(⌦)
2. Si X(⌦) est un ensemble fini, on dit que X est une VAR FX (x) = P (X = xk )
discrète finie. Sinon on dit que X est une VAR discrète xk 2X(⌦)
infinie. xk 6x T HÉORÈME DU TRANSFERT
Soit X une VAR discrète et g une fonction définie au moins sur
P ROPRIÉTÉ X (⌦) et à valeurs dans R. On a équivalence entre :
P ROPRIÉTÉ
Soit X une variable aléatoire discrète définie sur (⌦, T ). 1. La variable g(X) admet une espérance ;
Pour tout A sous-ensemble de R, l’ensemble 1. 8x 2 R, F (x) 2 [0; 1]
2. la famille (g(x)P (X = x))x2X(⌦) est sommable.
2. F est croissante.
X
1
(A) = {! 2 ⌦/X(!) 2 A} 3. lim F (x) = 0 et lim F (x) = 1. Au quel cas
x! 1 x!+1
X
est un événement de T que l’on notera [X 2 A]. 4. 8(a, b) 2 R2 , P (a < X 6 b) = F (b) F (a) E(g(X)) = g(x)P (X = x)
5. F est continue à droite en tout point de R x2X(⌦)
6. F est continue à gauche en x 2 R ssi P (X = x) = 0
Notation — Lorsque A = {a}, on note [X 2 {a}] = [X = a] = C OROLLAIRE
{! 2 ⌦/X(!) = a}. (C’est une des notations de l’on va le plus
utiliser) L OI D ’ UNE VARD À L ’ AIDE DE SA FONCTION DE RÉPARTITION Si X admet une espérance alors pour tout (a, b) 2 R2 , aX + b
— Lorsque A =] 1; a], on note [X 6 a]. Si X(⌦) = {xi /i 2 I} tel que les xi sont rangés par ordre crois- admet une espérance et
— Lorsque A = [a; b[ on note [a 6 X < b]. sant alors pour tout x 2 I tel que i 1 2 I (on a donc xi 1 < xi )
on a E(aX + b) = aE(X) + b
P (X = xi ) = F (xi ) F (xi 1 )
L OI D ’ UNE VAR DISCRÈTE
D ÉFINITION
F ONCTION D ’ UNE VARIABLE ALÉATOIRE Si X est une variable aléatoire telle que E(X) = 0, on dit que X
L OI D ’ UNE VARD est une variable centrée.
On appelle loi de probabilité de la VAR discrète Xl’ensemble de
couples (x, p (X = x))x2X(⌦) L’ IMAGE D ’ UNE VARD P ROPRIÉTÉ
Soit X une VAR discrète admettant une espérance E(X). La va-
Soient X une VAR discrète sur un espace probabilisé (⌦, T, P ) et
g une fonction définie sur X(⌦) à valeurs dans R. On note g(X) riable aléatoire X̃ = X E(X) est une VAR discrète centrée
P ROPRIÉTÉ appelée la variable aléatoire centrée associée à X.
l’application de ⌦ dans R définie pour tout ! 2 ⌦ par
Soit X une VARD. La famille ([X = x])x2X(⌦) est un système
complet d’événements.
X g(X)(!) = g(X(!))
En particulier : P (X = x) = 1 M OMENT D ’ ORDRE r
x2X(⌦)
P ROPRIÉTÉ
Soient X une VAR discrète sur un espace probabilisé (⌦, T, P ) et
P ROPRIÉTÉ g une fonction définie sur X(⌦) à valeurs dans R. Alors Y = g(X) D ÉFINITION
Soit {(xi , pi )/i 2 I} une partie de R2 , où I un ensemble au plus est une VAR discrète définie sur ⌦ et :
X Soit r 2 N⇤ . Si X r admet une espérance alors on dit que X admet
dénombrable. Si pour tout i 2 I, pi > 0 et si pi = 1 alors 1. Y (⌦) = {g(x)/x 2 X (⌦)} un moment d’ordre r qui est le réel mr (X) = E(X r ).
i2I 2. 8y 2 Y (⌦) [
il existe un espace probabilisé (⌦, T, P ) et une VAR discrète X [Y = y] = [X = x] P ROPRIÉTÉ
définie sur ⌦ tels que {(xi , pi )/i 2 I} est la loi de X. x2X(⌦) Soit r 2 N⇤ . Si X admet un moment d’ordre r alors X admet des
g(x)=y moments d’ordre s pour tout s 2 [[1; r]].
et X
P (Y = y) = P (X = x)
x2X(⌦)
g(x)=y

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 21
Résumé du cours L ES VARIABLES ALÉATOIRES DISCRÈTES El Amdaoui

VARIANCE ET ÉCART TYPE

L OI BINOMIALE ( OU DES TIRAGES AVEC REMISE )
F ONCTION GÉNÉRATRICE D ’ UNE VAR DANS N
Soit p 2 [0; 1] et n 2 N. On dit que la VAR X suit la loi binomiale
de taille n et de paramètre p (notée B(n, p)) si :
D ÉFINITION D ÉFINITION
Soit X une VAR discrète admettant une espérance et telle que X(⌦) = [[0; n]] Soit X une variable aléatoire à valeurs dans N. On définit sa fonc-
la variable X E(X) admet un moment d’ordre 2. On appelle tion génératrice GX par
variance de X le réel : 8k 2 [[0; n]] P (X = k) = Cn p (1
k k
p)
n k

⇣ ⌘ ⇣ ⌘ +1
X
X k
V (X) = E (X E(X))
2 On écrit X ,! B(n, p) 8s 2 [ 1, 1] , GX (s) = E s = P(X = k)s
k=0

P ROPRIÉTÉ
De plus p
lorsque V (X) existe, on appelle écart-type de X le réel
Soit X ,! B(n, p), alors E(X) = np et V (X) = np(1 p) F ONCTIONS GÉNÉRATRICES USUELLES
(X) = V (X).
• Si X suit la loi de Bernoulli B (1, p), alors GX (t) = 1 p + pt
L OI UNIFORME • Si X suit la loi binomiale B (n, p), alors
F ORMULE DE H UYGENS OU DE K ŒNIG
Soit X une VAR discrète. X admet une variance si, et seulement Soit n 2 N⇤ . On dit que X suit la loi uniforme U ([[1; n]]) si : n
si, X admet un moment d’ordre 2 et en cas d’existence on a : GX (t) = (1 p + pt)
X(⌦) = [[1; n]]
2 2 • Si X suit la loi de poisson P ( ) avec > 0, alors
V (X) = E(X ) E(X)
1
8k 2 [[1; n]], P (X = k) = GX (t) = e
(t 1)
P ROPRIÉTÉ n
Si X est une VAR discrète admettant une variance alors pour tout On écrit X ,! U ([[1, n]]) • Si X suit la loi géométrique G (p) avec p 2 ]0, 1[, alors
(a, b) 2 R2 , aX + b admet une variance et

P ROPRIÉTÉ 1 1 tp
2
V (aX + b) = a V (X) 2 8t 2 , : GX (t) =
n+1 n 1 q q 1 qt
Soit X ,! U ([[1, n]]), alors E(X) = et V (X) =
2 12
VARD CENTRÉE RÉDUITE C ARACTÉRISATION D ’ UNE LOI PAR SA FONCTION GÉNÉRATRICE
Si X est une VAR discrète admettant une variance et telle que L OI GÉOMÉTRIQUE Soit X une variable aléatoire à valeurs dans N et GX sa fonction
E(X) = 0 et (X) = 1, on dit que X est une variable centrée génératrice, alors
Soit p 2]0; 1[. On dit qu’une VAR X suit la loi géométrique de
réduite. paramètre p (notée G(p)) si :
(n)
GX (0)
P ROPRIÉTÉ ⇤ 8n 2 N, P (X = n) =
X(⌦) = N n!
Soit X une VAR discrète admettant une variance non nulle. La
variable aléatoire
⇤ X E(X) 8n 2 N ,
⇤
P (X = n) = (1 p)
n 1
p P ROPRIÉTÉ
X = Les assertions suivantes sont équivalentes
(X)
On écrit X ,! G (p) 1. X admet une espérance
est une VAR discrète centrée réduite appelée la variable aléatoire 2. GX est dérivable en 1.
centrée réduite associé à X. P ROPRIÉTÉ
Dans ce cas : E (X) = G0X (1)
1 1 p
Si X ,! G (p), alors E(X) = et V (X) =
p p2
P ROPRIÉTÉ
L OIS DISCRÈTES USUELLES Les assertions suivantes sont équivalentes
L OI DE P OISSON 1. X admet un moment d’ordre 2
Soit > 0. On dit qu’une VAR X suit une loi de Poisson (notée 2. GX est deux fois dérivable en 1.
L OI DE B ERNOULLI ( OU INDICATRICE D ’ ÉVÉNEMENT ) P( )) si : 2
X(⌦) = N Dans ce cas : V (X) = G00 0
X (1) + GX (1) G0X (1)
Soit p 2 [0; 1]. On dit qu’une VAR X suit la loi de Bernoulli de
paramètre p (notée B(1, p)) si : e n
8n 2 N, P (X = n) =
X(⌦) = {0; 1} n!

P (X = 0) = 1 p et P (X = 1) = p P ROPRIÉTÉ
On écrit X ,! B(p) Soit X une VAR qui suit la loi P( ). Alors on a :

E(X) = et V (X) =
P ROPRIÉTÉ
Si X ,! B(p), alors E(X) = p et V (X) = p(1 p)

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 22
Résumé du cours V ECTEURS DE VARIABLES ALÉATOIRES DISCRÈTES El Amdaoui

(⌦, T, P ) désigne un espace probabilisé.

Dans toute ce paragraphe X et Y désigneront deux VARD définies L OIS MARGINALES L OI DE PROBABILITÉ
sur un même espace probabilisé (⌦, T, P ).
g désigne une fonction de R2 dans R définie au moins sur X(⌦) ⇥ Y (⌦).
D ÉFINITION
L OI CONJOINT D ’ UN COUPLE P ROPRIÉTÉ
La loi de X est appelé la première loi marginale du couple
(X, Y ) et la loi de Y est appelée la deuxième loi marginale du Z = g(X, Y ) est une variable aléatoire réelle discrète
couple (X, Y ).
D ÉFINITION
P ROPRIÉTÉ
On appelle couple de VAR discrète et on note (X, Y ) toute ap- L OIS MARGINALES À PARTIE DE LA LOI CONJOINTE Soit Z = g(X, Y ). Alors, pour tout z 2 Z (⌦), on a :
X
plication de ⌦ dans R2 définie par (X, Y )(!) = (X(!), Y (!)). • 8x 2 X(⌦), P (X = x) = P (X = x, Y = y)
y2Y (⌦) X
X P (Z = z) = P ([X = x] \ [Y = y])
D ÉFINITION • 8y 2 Y (⌦), P (Y = y) = P (X = x, Y = y) (x,y)2X(⌦)⇥Y (⌦)
On appelle loi du couple de VAR discrètes (X, Y ), ou encore x2X(⌦) g(x,y)=z
loi conjointe des variables aléatoires X et Y , l’ensemble des
couples ((x, y), P (X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) où
P ROPRIÉTÉ
L OIS CONDITIONNELLES l’application X + Y est une variable aléatoire réelle discrète, et
P (X = x, Y = y) = P ([X = x] \ [Y = y])
X
P (X + Y = s) = P (X = x, Y = y)
P ROPRIÉTÉ D ÉFINITION
(x,y)2X(⌦)⇥Y (⌦)
Avec les notations précédentes, alors la famille Soit y 2 Y (⌦) tel que P (Y = y) 6= 0. x+y=s
(P (X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) est sommable de somme 1 On appelle loi conditionnelle à [Y = y] de X l’ensemble des X
couples (x, P[Y =y] (X = x)) pour x 2 X(⌦). = P (X = x, Y = s x)
P ROPRIÉTÉ On définit de même pour x 2 X(⌦) la loi conditionnelle à x2X(⌦)
[X = x] de Y . s x2Y (⌦)
Soit (xi , yi , pi,j )(i,j)2I⇥J une famille d’élément de R3 , où I et J
des ensembles au plus dénombrables. Si pour tout (i, j) 2 I ⇥ J, Si X et Y sont des variables aléatoires réelles discrètes indépen-
pi,j > 0 et si la famille (pi,j )(i,j)2I⇥J est sommable de somme L OIS CONDITIONNELLES À PARTIR DE LA LOI CONJOINTE
dantes, alors
1, alors il existe un espace probabilisé (⌦, T, P ) et deux VAR dis- Soit (X, Y ) un couple de VAR discrètes. Pour tout (x, y) 2
crètes X et Y définies sur ⌦ tels que ((xi , yi ), pi,j )(i,j)2I⇥J est X(⌦) ⇥ Y (⌦) tels que P (X = x) 6= 0 et P (Y = y) 6= 0 on X
a: P (X + Y = s) = P (X = x) P (Y = y)
la loi conjointe de (X, Y ).
P (X = x, Y = y) (x,y)2X(⌦)⇥Y (⌦)
P[X=x] (Y = y) = x+y=s
E SPÉRANCE DU COUPLE P (X = x) X
Soit (X, Y ) un couple de variables aléatoires réelles discrètes sur P (X = x, Y = y) = P (X = x) P (Y = s x)
l’espace probabilisé (⌦, T, P ) admettant une espérance, on défi- P[Y =y] (X = x) = x2X(⌦)
P (Y = y) s x2Y (⌦)
nit le vecteur espérance E((X, Y )) du vecteur aléatoire (X, Y )
par l’égalité
E ((X, Y )) = (E (X) , E (Y )) S TABILITÉ DES LOIS BINOMIALES
I NDÉPENDANCE DE VARD Si X et Y sont deux VARD indépendantes suivant des lois bino-
F ONCTIONS DE RÉPARTITION miales de paramètres respectifs (m, p) et (n, p) alors X + Y suit
une loi binomiale de paramètre (m + n, p).
Soit (X, Y ) un couple de variables aléatoires réelles discrètes sur
l’espace probabilisé (⌦, T, P ). La fonction de répartition de (X, Y ) D ÉFINITION
est la fonction de deux variables F(X,Y ) définie par On dit que deux VAR discrètes X et Y sont indépendantes si : S TABILITÉ DES LOIS DE POISSON
Si X et Y sont deux VAR indépendantes suivant des lois de Pois-
son de paramètres respectifs et µ alors X + Y suit une loi de
F(X,Y ) (x, y) = P (X 6 x, Y 6 y) 8(x, y) 2 X(⌦)⇥Y (⌦), P (X = x, Y = y) = P (X = x)P (Y = y) Poisson de paramètre + µ.

P ROPRIÉTÉ
X et Y deux VARD. Les assertions suivantes sont équivalentes
1. X et Y sont indépendantes
2. 8(x, y) 2 R2 , [X 6 x] et [Y 6 y] sont indépendants
3. 8A, B ⇢ R, [X 2 A] et [Y 2 B] sont indépendants.

P ROPRIÉTÉ
Si X et Y sont deux VAR indépendantes et si f et g sont deux
fonctions numériques définies respectivement sur X(⌦) et Y (⌦)
alors f (X) et g(Y ) sont indépendantes.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 23
Résumé du cours V ECTEURS DE VARIABLES ALÉATOIRES DISCRÈTES El Amdaoui

E SPÉRANCE D ÉFINITION E SPÉRANCE DU COUPLE

Soient X et Y deux VARD admettant des moments d’ordre 2. Soit (X1 , · · · , Xn ) un vecteur de VARD admettant une espérance,
On appelle covariance de X et de Y le nombre réel on définit le vecteur espérance E ((X1 , · · · , Xn )) du vecteur aléa-
T HÉORÈME DE T RANSFERT toire (X, Y ) par l’égalité
La variable Z = g(X, Y ) a une espérance ssi la famille cov(X, Y ) = E((X E(X))(Y E(Y )))
(g(x, y)P (X = x, Y = y))(x,y)2X(⌦)⇥Y (⌦) est sommable et dans E ((X1 , · · · , Xn )) = (E (X1 ) , · · · , E (Xn ))
ce cas
Si (X) (Y ) 6= 0, le coefficient de corrélation de X et de Y est :
X
E(g(X, Y )) = g(x, y)P (X = x, Y = y) n VARIABLES
cov(X, Y )
(x,y)2X(⌦)⇥Y (⌦) ⇢(X, Y ) = . On dit que les VARD X1 , ..., Xn sont (mutuellement) indépen-
(X) (Y ) dantes lorsque pour tout (x1 , ..., xn ) 2 X1 (⌦) ⇥ · · · ⇥ Xn (⌦) :
P ROPRIÉTÉ !
On dit que X et Y sont non corrélées si cov(X, Y ) = 0. n
\ n
Y
Soit X et Y deux VARD admettant chacune une espérance et a, b
deux réels. Alors la VARD aX + bY admet une espérance, et P [Xi = xi ] = P (Xi = xi )
i=1 i=1
P ROPRIÉTÉ
E(aX + bY ) = aE(X) + bE(Y ) Soit X et Y admettant un moment d’ordre 2 alors
P ROPRIÉTÉ
cov(X, Y ) = E(XY ) E(X)E(Y ) Les assertions suivantes sont équivalentes
P OSITIVITÉ DE L ’ ESPÉRANCE
Si X une VARD > 0 admettant une espérance, alors E(X) > 0. 1. Les VARD X1 , · · · , Xn sont indépendantes
Si de plus E(X) = 0 alors X = 0 est quasi certain. P ROPRIÉTÉ 2. 8Ai ⇢ R, les événements (Xi 2 Ai )i2[[1,n]] sont mutuel-
Soit X, Y, Z des VARD admettant des moments d’ordre 2 et soit a lement indépendants
P ROPRIÉTÉ et b deux réels
Soit X une VARD admettant une espérance. 1. cov(X, X) = V(X), P ROPRIÉTÉ
Si X = 0 est quasi certain, alors E(X) = 0. 2. cov(X, Y ) = cov(Y, X), Si la famille (Xi )16i6n est indépendante et si 1 6 n1 < n2 <
k
3. cov(aX + bZ, Y ) = [Link](X, Y ) + [Link](Z, Y ) · · · < nk , alors la famille f1 (X1 , · · · , Xn1 ), · · · , Xnk ) est in-
C OROLLAIRE 4. cov (X, Y )2 6 V (X) V (X) dépendante
Soient X et Y deux VARD admettant une espérance.
Si X 6 Y alors E(X) 6 E(Y ). 5. |⇢(X, Y )| 6 1
6. |⇢(X, Y )| = 1 () Y = ↵X + est presque sûrement U NE SUITE DE VARIABLES
pour un certain (↵, ) 2 R⇤ ⇥ R. On dit que (Xn )n2N est une suite de VARD mutuellement indé-
P ROPRIÉTÉ
Si |X| 6 Y et si Y admet une espérance alors X aussi. pendantes si pour tout n 2 N les variables aléatoires X0 , · · · , Xn
VARIANCE D ’ UNE SOMME sont mutuellement indépendantes.
Soient X et Y deux VARD admettant des variances, alors
P RODUIT DE VAR DISCRÈTES L’ ESPÉRANCE D ’ UNE SOMME
Si les variables X et Y sont indépendantes et admettant chacune V ar(X + Y ) = V ar(X) + V ar(Y ) + 2cov(X, Y ). Soit X1 , · · · , Xn des VARD admettant toutes des espérances.
une espérance alors XY admet une espérance et n
X
Alors la VARD Xi admet une espérance et
E(XY ) = E(X)E(Y ) V ECTEURS DE VARIABLES ALÉATOIRES i=1

n
! n
X X
E Xi = E (Xi )
C OVARIANCE ET COEFFICIENT DE CORRÉLATION D ÉFINITION
i=1 i=1
On appelle vecteur aléatoire discret défini à partir des variables
aléatoires X1 , · · · , Xn la variable aléatoire discrète Z donnée par
VARIANCE D ’ UNE SOMME
P ROPRIÉTÉ
8! 2 ⌦, Z(!) = (X1 (!), · · · , Xn (!)) Soit X1 , · · · , Xn des VARD admettant de moments d’ordre 2,
Si les variables X et Y admettent chacune un moment d’ordre 2. n
X
Alors XY admet une espérance et alors Xi admet une variance et on a
La loi de la variable Z est appelée loi conjointe des variables i=1
⇣ ⌘ ⇣ ⌘ X1 , · · · , Xn tandis que les lois de X1 , · · · , Xn sont les lois mar-
E (XY ) 6 E X
2 2 2
E Y Inégalité de Cauchy-Schwarz ginales de Z. n
! n
X X X
V Xi = V (Xi ) + 2 cov (Xi , Xj ).
Il y a égalité si et seulement si X est quasi nulle ou Y est une F ONCTION DE RÉPARTITION D ’ UN VECTEUR i=1 i=1 16i<j6n
fonction quasi linéaire de X, c’est-à-dire, il existe un réel a tel
que P (Y = aX) = 1. Soit (X1 , · · · , Xn ) un vecteur de variables aléatoires réelles dis- n
! n
crètes sur l’espace probabilisé (⌦, T, P ). La fonction de réparti- X X
tion de (X1 , · · · , Xn ) est la fonction de n variables F(X1 ,··· ,Xn ) En cas de l’indépendance, alors V Xi = V (Xi ).
P ROPRIÉTÉ définie par i=1 i=1
L’ensemble des variables admettant un moment d’ordre 2 est un
sous-espace vectoriel de l’espace des variables admettant un mo-
ment d’ordre 1. F(X1 ,··· ,Xn ) (x1 , · · · , xn ) = P (X1 6 x1 , · · · , Xn 6 xn )

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 24
Résumé du cours C ALCUL DIFFÉRENTIEL El Amdaoui

Soient E, F , G et H des K-espaces vectoriels de dimensions finies

non nulles. On pose dimE = n et dimF = p. P ROPRIÉTÉ D ÉFINITION
Soient U ⇢ E et V ⇢ F deux ouverts non vide et a 2 U , f : U ! F . Si f est différentiable en a alors les dérivées partielles de f en a
Soit B = (e1 , . . . , en ) une base de E et C = ("1 , . . . , "p ) une base de F . existent et on a 8h = (h1 , . . . , hn ) 2 E, On appelle matrice jacobienne relative aux bases B et C d’une ap-
plication f : U ⇢ E ! F différentiable en a 2 U la matrice de
l’application linéaire dfa relative aux bases B et C
D ÉRIVÉES PARTIELLES n
X @f
dfa (h) = Dh f (a) = hi (a) Jf (a) = Mat (dfa ) 2 Mp,n (R)
i=1
@xi B,C
U est un ouvert, il existe ↵ > 0 tel que B (a, ↵) ⇢ U . Soit h 2 E \ {0}, la
fonction ' : t 2 R 7 ! f (a + th) est définie au voisinage de 0.
n
X @f En notant f1 , · · · , fn les fonctions coordonnées de f
D ÉFINITION Le DL1 (a) de f s’écrit : f (a + h) = f (a) + hi (a) + (khk)
i=1
@xi ✓ ◆
On dit que f admet une dérivée en a suivant h si @fi
Jf (a) = (a)
f (a + th) f (a) @xj 16i6n
lim existe. Dans ce cas, cette limite s’appelle D IFFÉRENTIELLE 16j6p
t!0 t
la dérivée de f en a suivant h et on la note Dh f (a). On dit que f est différentiable sur U si f est différentiable en
tout point de U . Dans ce cas, l’application df : x 2 U 7! dfx 2 P ROPRIÉTÉ
P ROPRIÉTÉ L(E, F ) s’appelle la différentielle de f sur U .
Soient f : U ! F et g : V ! G de classe C 1 telles que f (U ) ⇢ V .
f admet une dérivée en a suivant h si, et seulement, si ' est Si f est différentiable en a et g est différentiable en f (a). On a
dérivable en 0. Dans un tel cas Dh f (a) = '0 (0).
Jg (a) = Jg (f(a)) ⇥ Jf (a)
O PÉRATIONS SUR LES APPLICATIONS DIFFÉRENTIABLES f

D ÉRIVÉES PARTIELLES
• On appelle dérivées partielles de f en a les dérivées, lors-
qu’elles existent, de f en a suivant les vecteurs e1 , . . . , en . S OMME
@f Soit f, g : U ! F différentiables en a. Alors : 8 2 R, f + g est F ONCTIONS DE CLASSE Ck
• La dérivée selon le vecteur ei se note Di f (a) ou (a). différentiable en a et on a : d( f + g)a = dfa + dga
@xi
@f
• L’application x 7! (x) s’appelle la i-ème application déri- C OMPOSITION PAR APPLICATION BILINÉAIRE
@xi
@f Soient f : U ⇢ E ! F , g : U ⇢ E ! G et B : F ⇥ G ! H
vée partielle de f sur U . On la note Di f ou . bilinéaire. D ÉFINITION
@xi Si f et g sont différentiables en a alors B(f, g) l’est aussi et
Soit k 2 N⇤ . On appelle dérivée partielle d’ordre k de f en a tout
@k f
dB(f, g)a = B(dfa , g(a)) + B(f (a), dga ) vecteur ↵ (a) , lorsqu’il existe, de F où i1 , . . . , ip 2
D IFFÉRENTIELLE ↵
@xi 1 · · · @xipp
1
Si de plus F est une algèbre normée alors pour f, g : U ⇢ E ! {1, . . . , n} et ↵1 , . . . , ↵p 2 N⇤ tels que ↵1 + · · · + ↵p = k . Toute
F différentiables en a, f g est différentiable en a et on a @k f
D IFFÉRENTIELLE EN UN POINT application de la forme x 7! ↵ ↵ (x) où i1 , . . . , ip 2
8h 2 E, d(f g)a (h) = dfa (h)g(a) + f (a)dga (h) @xi 1 · · · @xipp
On dit que f est différentiable en a s’il existe une application li- 1
néaire ` de E vers F et " une application de E dans F continue {1, . . . , n} et ↵1 , . . . , ↵p 2 N⇤ tels que ↵1 + · · · + ↵p = k , lors-
et nulle en 0 telles que : 8h 2 E tel que a + h 2 U on a C OMPOSITION DE DEUX FONCTIONS VECTORIELLES qu’elle est définie sur U , s’appelle application dérivée partielle
d’ordre k de f sur U .
Soit f : U ! F différentiable en a, V un ouvert de F tel que
f (a + h) = f (a) + `(h) + k h k "(h) f (U ) ⇢ V et g : V ! G différentiable en f (a).
h!0E
Alors g f est différentiable en a et on a d(g f )a = dgf (a) dfa .
D ÉFINITION
Dans ce cas, l’application ` est unique et s’appelle la différentielle On dit que f est de classe :
de f en a et on la note dfa . On écrit souvent o(h) pour k h k "(h). C OMPOSITION VECTORIELLE ET SCALAIRE
• C k ( k > 1 ) sur U si ses dérivées partielles d’ordre k
Toute écriture : Soit f : U ! R et ' : I ⇢ R ! R telles que f (U ) ⇢ I. existent et sont continues sur U .
Si f est différentiable en a et ' dérivable en f (a), alors ' f est • C 1 sur U si 8k 2 N⇤ , f est C k sur U .
f (a+h) = f (a)+`(h)+ (h) quand h ! 0 avec ` 2 L(E, F ). dérivable en a et d(' f )a = '0 (f (a))dfa On note
• On note C k (U, F ) avec k 2 N⇤ [ {1} l’ensemble des
est appelée développement limité à l’ordre 1 de f en a C OMPOSITION SCALAIRE ET VECTORIELLE fonctions de U vers F de classe C k sur U \.
k
Soit f : U ⇢ E ! F et : I ⇢ R ! E telles que (I) ⇢ U . • C k+1 (U, F ) ⇢ C k (U, F ) et C 1 (u, F ) = C (U, F )
P ROPRIÉTÉ Si est dérivable sur I et f est différentiable sur U , alors f k2N
est dérivable sur I et on a : 8t 2 I, (f )0 (t) = df (t) 0 (t)
1. Si f est différentiable en a alors f est continue en a. La notion de fonction de classe C k ne dépend pas du choix de
2. Si f est différentiable en a alors f est dérivable en a sui- la base B.
vant tout vecteur non nul et : 8h 2 E, dfa (h) = Dh f (a). F ONCTIONS COMPOSANTES
3. Si E = R. L’application f est différentiable en a si, et Soit f : U ⇢ E ! F . Alors, f est différentiable si, et seulement P ROPRIÉTÉ
seulement, si f est dérivable en a. si, les fonctions coordonnées de f dans une base de F le sont.
f est de classe C 1 sur U si et seulement si f est différentielle et df
Dans ce cas, 8h 2 R, dfa (h) = hf 0 (a). est continue sur U si et seulement si pour tout h 2 E l’application
En particulier, dfa (1) = f 0 (a). Dh f existe et est continue sur U .
M ATRICE J ACOBIENNE

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 25
Résumé du cours C ALCUL DIFFÉRENTIEL El Amdaoui

S OMME T HÉORÈME DE S CHWARZ D ÉVELOPPEMENT DE TAYLOR -Y OUNG D ’ ORDRE 2

Soit k 2 N⇤ [ {1}. Soiet f, g : U ⇢ E ! F et , µ 2 R.
Si f et g sont de classe C k alors f + µg est de classe C k et
T HÉORÈME DE S CHWARZ P ROPRIÉTÉ
@( f + µg) @f @g 2 @2f
2 @2f Soit f 2 C 2 (U ). Alors 8h 2 E tel que a + h 2 U on a :
= +µ Soit f 2 C (U, F ). Alors : 8i, j 2 [[1, n]] , = .
@xi @xi @xi @xi @xj @xj @xi
1 X
n
@2f ⇣ ⌘
2
f (a + h) = f (a) + dfa (h) + hi hj (a) + khk .
C OMPOSITION AVEC UNE APPLICATION BILINÉAIRE 2 i,j=1 @xi @xj
Soit k 2 N⇤ [ {1}. Soit f : U ⇢ E ! F, g : U ⇢ E ! G F ONCTIONS NUMÉRIQUES DE CLASSE C1
et B : F ⇥ G ! H bilinéaire. Si f et g sont de classe C k alors
B(f, g) l’est aussi et
E désigne un espace euclidien dont on note (.|.) le produit scalaire A PPLICATIONS AUX EXTRÉMUMS
✓ ◆ ✓ ◆
@B(f, g) @f @g G RADIENT
=B ,g +B f,
@xi @xi @xi Si f : U ⇢ E ! R est une application de classe C 1 alors pour
tout a 2 U , il existe un unique vecteur dans E noté rf (a) et ap- M INIMUM
pelé gradient de f en a vérifiant 8h 2 E, Dh f (a) = (rf (a)|h) Soit f : U ⇢ E ! R. On dit que f admet un minimum (local ) en
P ROPRIÉTÉ De plus, si B = (e1, · · · , ep ) est une BON de E alors a 2 U si 8x 2 U, (f (x) > f (a)
Soit k 2 N⇤ [ {1} On dit que f admet un minimum local en a 2 X si 9↵ > 0, 8x 2
p U \ B(a, ↵), f (x) > f (a)
1. Si F est une K-algèbre, alors C k (U, F ) est une sous- X @f
algèbre de C(U, F ) rf (a) = (a)ei On définit de même maximum et maximum local
i=1
@xi
2. Si f 2 C k (U, F ) et g 2 C k (U, K), alors gf 2 C k (U, F ). Si
f P OINT CRITIQUE
de plus g ne s’annule pas sur U alors est de classe C k P ROPRIÉTÉ
g
Si f, g : U ⇢ E ! R sont de classe C 1 et 2 R, alors On dit qu’une application f : U ⇢ E ! R de classe C 1 admet
sur U un point critique en a 2 U si dfa = 0.
1. r (f + g) = rf + rg
L IEN AVEC LES COMPOSANTES 2. r (f g) = f rg + grf
✓ ◆ C ARACTÉRISATION DE POINTS CRITIQUES
Soit f : U ⇢ E ! F . Alors f est de classe C k sur U si et f grf f rg Soient B = (e1 , · · · , ep ) une base de E, f : U ⇢ E ! R de
3. Si g ne s’annule pas sur U , alors r =
seulement si ses fonctions composantes sont de classe C k sur U g g2 classe C 1 et a 2 U . On a équivalence entre :
1. a est point critique de f ;
P ROPRIÉTÉ @f
Soient f : U ⇢ E ! F et g : V ⇢ F ! G telles que f (U ) ⇢ V . S URFACES REPRÉSENTATIVES 2. 8i 2 [[1, p]] , (a) = 0.
@xi
Si f et g sont de classe C k alors g f l’est aussi et pour tout a 2 U
Soit f : U ⇢ R2 ! R vue en les deux variables x et y. P ROPRIÉTÉ
Xp
@(g f ) @fi @g Si f : U ⇢ E ! R de classe C 1 admet un extremum local en
(a) = (a). (f (a)) Règle de la chaine D ÉFINITION a 2 U alors a est point critique de f .
@xj i=1
@x j @y i
On appelle surface représentative de f l’ensemble formé des
(x, y, z) 2 R3 vérifiant l’équation Sf : z = f (x, y) E XTRÉMUMS EN DIMENSION 2
avec f1 , · · · , fp les fonctions coordonnées de f .
Soit f : U ⇢ R2 ! R de classe C 2 (U ) qui admet un point cri-
D ÉFINITION tique a.
P ROPRIÉTÉ @2f @2f @2f
Soient : I ⇢ R ! E et f : U ⇢ E ! F telles que (I) ⇢ U . Si f est différentiable en (x0 , y0 ), le plan d’équation cartésienne On note r = (a, b), s = (a, b) et t = (a, b).
@x2 @y@x @y 2
On note 1 , · · · , p les fonctions coordonnées de . Si et f sont
On suppose que 0 = s2 rt 6= 0. Alors :
de classe C 1 alors f l’est aussi et : @f @f
z= (x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 ) + f (x0 , y0 ) 1. Si s2 rt < 0 et r > 0 alors f admet un minimum local
@x @x
n
X stricte en a.
0 0 0 @f
(f ) (t) = df (t) (t) = xi (t) ( (t)) est appelé plan tangent à Sf au point (x0 , y0 , z0 ). 2. Si s2 rt < 0 et r < 0 alors f admet un maximum local
i=1
@xi stricte en a.
3. Si s2 rt > 0 alors a n’est pas un extrémum (On dit aussi
P ROPRIÉTÉ a est un point col de f )
P ROPRIÉTÉ Si f est différentiable en (x0 , y0 ) alors les tangentes à Sf au point
Soit f : U ⇢ E ! F une application de classe C 1 . (x0 , y0 , z0 ) sont toutes incluses dans le plan tangent à Sf en
Si : [0, 1] ! E est un arc de classe C 1 inscrit dans U d’extré- (x0 , y0 , z0 ).
Z 1
0
mités a = (0) et b = (1) alors f (b) f (a) = df (t) (t) dt
0
En particulier si U est un ouvert connexe par arcs alors f est
constante si, et seulement si, df = e
0

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 26
Résumé du cours I NTÉGRATION SUR UN INTERVALLE QUELCONQUE El Amdaoui

K désigne R ou C. a < b deux éléments de R, I et J deux intervalles

C ONVERGENCE ABSOLUE -I NTÉGRABILITÉ R ÈGLE x↵ f (x) EN +1
Soit a 2 R f : [a, +1[! K✓ cpm◆sur [a, Z
+1[
G ÉNÉRALITÉS SUR LES INTÉGRALES IMPROPRES 1 +1
• Si 9↵ > 1 tq f (x) = O , alors f (t)dt converge
D ÉFINITION +1 x↵ a
Z Z +1
1
D ÉFINITION Soit f : I ! K cpm. On dit que l’intégrale f (t)dt converge • Si 9↵ 6 1 tq ↵ = O (f (x)) , alors f (t)dt diverge
Z b x +1 a
Z I
Soit f : [a, b[ ! K cpm. On dit que l’intégrale f (t)dt converge absolument ou f est intégrable sur I ssi |f (t)|dt converge
Z x a I I NTÉGRALES DE B ERTRAND
si lim f (t)dt existe dans K. Dans ce cas on pose Z +1 ↵>1
x!b a C RITÈRE DE DOMINATION 1
x<b dx converge , ou
Soit f : I ! K et g : I ! R, continues par morceaux I. Si |f | 6 g 2 x↵ (ln x) ↵ = 1 et >1
Z b Z x et si g intégrable sur I, alors f est intégrable sur I
f (t)dt = lim f (t)dt x↵ f (x) EN 0
a x!b a
C AS D ’ INTERVALLE BORNÉ Soit a > 0 f :]0, a] ! K cpm ]0,
Soit f : I ! K cpm et bornée sur I et si l’intervalle I est borné, ✓ ◆ a] Z a
1
On a une notion similaire avec f :]a, b] ! K cpm. alors f est intégrable sur I • Si 9↵ < 1 tq f (x) = O , alors f (t)dt converge
+ x ↵
0 Z a 0
1
C ONVERGENCE ABSOLUE ENTRAINE LA CONVERGENCE • Si 9↵ > tq ↵ = O (f (x)) alors f (t)dt diverge
L OCALISATION Z x 0+ 0
Soit f : [a, b[ ! K une fonction cpm et c 2 [a, b[. Alors l’intégrale Si f : I ! K cpm et intégrable sur I, alors
f (t)dt converge
Z b Z b I
f (t)dt converge ssi l’intégrale f (t)dt converge. C OMPARAISON SÉRIE INTÉGRALE
a Z b cZ Z b Soit f : R+ Z! R+ une fonction décroissante cpm sur R+
c S EMI - CONVERGENCE +1 X
En cas de convergence f (t)dt = f (t)dt + f (t)dt L’intégrale f (t)dt et la série f (n) sont de même nature.
a a c On dit qu’une intégrale est semi-convergente si elle est conver- 0
gente sans qu’elle soit absolument convergente
I NTÉGRALES PLUSIEURS FOIS IMPROPRES
Z b L’ INTÉGRALE DE D IRICHLET C ALCUL PRATIQUE DES INTÉGRALES GÉNÉRALISÉES
Soit f :]a, b[ ! K cpm. On dit que l’intégrale f (t)dt converge Z +1
sin x
a Z c L’intégrale dx est semi-convergente.
x
s’il existe c 2]a, b[ tel que les deux intégrales impropres f (t)dt 1
C HANGEMENT DE VARIABLE
Z b a
Soit f : I ! R cpm et ' : J ! I une bijection
Z de classe C 1 sur
et f (t)dt convergent. En cas de convergence :
c C RITÈRE DE COMPARAISON J vers I Alors les intégrales généralisées
0
f ('(x)) ' (x) dx et
Z J
Z b Z c Z b Z y
Dans cette section a 2 R et b 2 R avec a < b f (t)dt sont de même nature. Si elles convergent on a :
f (t)dt := f (t)dt + f (t)dt = x!a
lim f (t)dt. I
a a c y!b x
T HÉORÈME DE COMPARAISON Z Z
Soit f : [a, b[! K et g : [a, b[! R+ deux fonctions cpm sur [a, b[. 0
f ('(x)) ' (x) dx = f (t)dt
Z b Z b J I
E XEMPLES FONDAMENTAUX 1. Si f (t) = O(g(t)) et g(t)dt converge alors f (t)dt
b
Z b a ✓Z b ◆ a I NTÉGRATION PAR PARTIES
converge et f (t)dt = O g(t)dt Soient u, v : I ! R deux applications de classe C 1 sur I telles
FAUSSES INTÉGRALES GÉNÉRALISÉES x b x que u.v admette des limites finies aux extrémités de a et b de I.
Soit a < b 2 R, f : [a, b[! K cpm sur [a, b[. Si f admet une limite Z b Z b
Z b Z b
Z b 2. Si f (t) = o(g(t)) et g(t)dt converge alors f (t)dt Alors les deux intégrales
0
u (t)v(t)dt et
0
u(t)v (t)dt
finie en b alors f (t)dt converge b
Z b a ✓Z b ◆ a a a
a sont de même nature. En cas de convergence, on note
converge et f (t)dt = g(t)dt b
x b x
[uv]a = lim u(x)v(x) lim u(x)v(x), on a alors :
I NTÉGRALES DE R IEMANN Z b a+
b
Soit ↵ un réel 3. Si f est positive et f (t) ⇠ g(t) alors g(t)dt et Z Z
Z b a b b
+1 1 Z b 0
u(t)v (t)dt = lim u(x)v(x) lim u(x)v(x)
0
u (t)v(t)dt
1. Riemann en +1 : dx converge , ↵ > 1
1 x↵ f (t)dt sont de même nature a b a+ a
Z 1
a
1 Z b Z b
2. Riemann en 0 : dx converge , ↵ < 1
0 x↵ (a) En cas de convergence, on a f (t)dt ⇠ g(t)dt
x b x
Z x Z x
(b) En cas de divergence, on a f (t)dt ⇠ g(t)dt
a b a

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 27
Résumé du cours I NTÉGRATION SUR UN INTERVALLE QUELCONQUE El Amdaoui

LE THÉORÈME DE CONVERGENCE DOMINÉE C ONTINUITÉ PAR DOMINATION LOCALE C LASSE C n

Soit f : J ⇥ I ! K une fonction et n 2 N⇤ .
@f @nf
T HÉORÈME DE CONVERGENCE DOMINÉE C ONTINUITÉ PAR DOMINATION LOCALE On suppose que f admet des dérivées partielles ,··· , . Si
⇢ @x @xn
Soit (fn )n2N une suite de fonctions de I à valeurs dans K telle A⇥I !K ⌃ Pour tout x 2 J, t 7 ! f (x, t) est cpm et intégrable sur I ;
(x, t) 7! f (x, t) où A ⇢ R . On suppose que :
n
que : Soit f :
⌃ Pour tout n 2 N, fn 2 Cm (I, K) @if
cvs ⌃ 8t 2 I, x 7 ! f (x, t) est continue sur A ; ⌃ 8i 2 [[1, n 1]] et x 2 J, l’application t 7 ! (x, t) est
⌃ fn ! f 2 Cm (I, K) @xi
I ⌃ 8x 2 A, t 7 ! f (x, t) est cpm sur I ; cpm et intégrable sur I ;
⌃ il existe ' 2 Cm I, R+ intégrable telle que ⌃ Pour tout compact K contenu dans A, il existe 'K 2 @nf
Cm (I, R+ ) intégrable telle que ⌃ qui est continue par rapport à la première variable
@xn
8n 2 N, |fn | 6 ' [hypothèse de domination] et cpm par rapport à la seconde
8(x, t) 2 K ⇥ I, |f (x, t)| 6 'K (t)
Alors : ⌃ Pour tout [a, b] ⇢ J, il existe 'n [a,b] 2 Cm (I, R ) intégrable
+

⌥ Les applications @nf

✓Z ◆fn et f sont intégrables sur I ; Alors : telle que : 8(x, t) 2 [a, b] ⇥ I, (x, t) 6 'n[a,b] (t)
⌥ la suite fn converge et ⌥ 8x 2 A, la fonction
Z t 7 ! f (x, t) est intégrable sur I ; @xn
Z
⌥ F :x2A7 !
I
f (x, t)dt est continue sur A Alors la fonction F , définie sur J par F : x 7 ! f (x, t)dt est
Z Z I I
lim fn = f de classe C n sur J et
n!+1 I I Lorsque A intervalle de R, on remplace K par [a, b]
Z
(k) @k f
Dans la troisième assertion, on peut remplacer K par A 8k 2 [[1, n]] , 8x 2 J, F (x) = (x, t)dt
Le théorème TCVD ne nécessite pas la convergence uniforme @xk
et obtenir une domination globale I
de la suite de fonctions (fn ), mais la fonction limite doit être cpm
sur I. C AS DE I = [a, b]
C AS DE I = [a, b]
Soit f : J ⇥ [a, b] ! K une fonction de classe C n sur J ⇥ [a, b].
Soit f : A ⇥ [a, b]! K une fonction continue. Z b
Z b
I NTÉGRATION TERME À TERME D ’ UNE SÉRIE Alors F : x 2 A 7 ! f (x, t)dt est continue sur A.
Alors F : x 2 J 7 ! f (x, t)dt est de classe C n sur J
a
a
1
C LASSE C
T HÉORÈME DE CONVERGENCE DOMINÉE
R ÉGULARITÉ PAR DOMINATION LOCALE Soit f : J ⇥ I ! K une fonction.
Soit (fn )n2N 2 Cm (I, K)N une suite de fonctions telle que On suppose que
⌃ Pour tout n 2 N, la fonction fn est intégrable sur I ⌃ Pour tout x 2 J, t 7 ! f (x, t) est cpm et intégrable sur I ;
X R
⌃ La série fn converge simplement sur I de somme f D ÉRIVATION SOUS LE SIGNE PAR DOMINATION LOCALE ⌃ Pour tout n 2 N⇤ , l’application f admet une dérivée par-
Soit f : J ⇥ I ! K une fonction telle que @nf
cpm sur I ; tielle continue par rapport à la première variable,
X Z ⌃ Pour tout x 2 J, t 7 ! f (x, t) est cpm et intégrable sur I ; @xn
⌃ La série |fn | converge. cpm par rapport à la seconde
@f
I ⌃ f admet sur J ⇥ I une dérivée partielle qui est conti- ⌃ Pour tout [a, b] ⇢ J, il existe 'n [a,b] 2 Cm (I, R ) intégrable
+
Alors f est intégrable sur I et on a l’interversion somme-intégral : @x
nue par rapport à la première variable et cpm par rapport @nf
à la seconde telle que : 8(x, t) 2 [a, b] ⇥ I, (x, t) 6 'n[a,b] (t)
Z +1 +1 Z Z +1 +1 Z @xn
X X X X ⌃ 8[a, b] contenu dans J il existe '[a,b] 2 Cm (I, R+ ) inté- Z
fn = fn et fn 6 |fn |. Alors la fonction F , définie sur J par F : x 7 ! f (x, t)dt est
I n=0 I I I
grable telle que
n=0 n=0 n=0 I
de classe C 1 sur J et
@f
A STUCE 8(x, t) 2 [a, b] ⇥ I, (x, t) 6 '[a,b] (t) Z
@x (n) @nf
Si la domination dans le cas des séries n’est pas accessible vous 8n 2 N, 8x 2 J, F (x) = (x, t)dt
I @xn
pouvez utiliser le TCVD appliqué à la suite des sommes partielles. Z
En notant Alors F : x 2 J 7 ! f (x, t)dt est de classe C 1 sur J et
I
n
X +1
X
Sn = fk et S = fk Z
0 @f
k=0 k=0 8x 2 J, F (x) = (x, t)dt (Formule de Leibniz)
I @x
On peut aussi intégrer terme à terme.
C AS DE I = [a, b]
Soit f : J ⇥ [a, b] ! K une fonction de classe C n sur J ⇥ [a, b].
Z b
Alors F : x 2 J 7 ! f (x, t)dt est de classe C n sur J
a

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 28
Résumé du cours L ES ESPACES PRÉHILBERTIENS RÉELS El Amdaoui

E désigne un R-espace vectoriel.

S UPPLÉMENTAIRES ORTHOGONAUX P ROJECTION ET SYMÉTRIE ORTHOGONALES

P RODUIT SCALAIRE ET ORTHOGONALITÉ Deux sevs F et G sont dits supplémentaires orthogonaux s’ils sont supplé-
? Soit F un sev de E tel que F et F ? sont supplémentaires dans E.
mentaires et orthogonaux. On écrit E = F G
D ÉFINITION
D ÉFINITION P ROPRIÉTÉ
L On appelle projection ? sur F la projection vectorielle pF sur F // à F ? .
On appelle produit scalaire sur E toute forme ' bilinéaire , symétrique, dé- Soit F et G deux sous-espaces supplémentaires de E : E = F G, alors
finie positive. On note hx|yi à la place de '(x, y)
p
On appelle norme euclidienne de x 2 E le réel kxk = '(x|x) ? ? C ARACTÉRISATION DES PROJECTIONS ORTHOGONALES
F ?G () G = F () F = G
Soit p 2 L(E) un projecteur. On a équivalence entre :
I DENTITÉS REMARQUABLES 1. p est un projecteur orthogonal (ie Imp?Kerp)
ie si F admet un supplémentaire ?, celui-ci est F ? en outre F ?? = F .
Pour tout x, y 2 E 2. 8x, y 2 E, < p(x)|y >=< x|p(y) >.
3. 8x 2 E, kp(x)k 6 kxk
1. kx + yk2 = kxk2 + 2(x|y) + kyk2 P ROPRIÉTÉ
2. kx yk2 = kxk2 2(x|y) + kyk2 Si (Fi )n
i=1 une famille finie de sous-espaces vectoriels deux à deux ortho- E XPRESSION DANS UNE BON
3. < x + y|x y >= kxk2 kyk2 . gonaux, la somme F1 + · · · + Fn est directe
On dit que les F1 , · · · , Fn sont en somme directe orthogonale Si B = (e1 , · · · , ep ) est une base orthonormée de F alors
⇣ ⌘
4. Parallélogramme kx + yk2 + kx yk2 = 2 kxk2 + kyk2
p
X
1 ⇣ ⌘ D ÉFINITION
5. Polarisation : hx | yi = kx + yk2 kxk2 kyk2 8x 2 E, pF (x) = < ej , x > ej
2 Soit(Fi )n
i=1une famille finie de sous-espaces vectoriels deux à deux ortho- j=1
gonaux.
M
I NÉGALITÉS CLASSIQUES Si la somme directe Fi égale E, on dit que (Fi )ni=1 est une famille D ISTANCE À UN SEV
Pour tous x, y 2 E 16i6n
de sous-espaces supplémentaires orthogonaux Soit x 2 E. Pour tout y 2 F , kx yk > kx pF (x)k avec égalité si, et
1. Inégalité de Cauchy-Schwarz : |(x|y)| 6 [Link] seulement si, y = pF (x). Donc d(x, F ) = kx pF (x)k
Il y a égalité si, et seulement si, x et y sont colinéaires.
2. Inégalité de Minkowski : kx + yk  kxk + kyk P ROPRIÉTÉ
Il y a égalité ssi x et y sont positivement liés O RTHONORMALISATION DE G RAM -S CHMIDT
Soit (Fi )n
i=1 est une famille de sous-espaces supplémentaires orthogonaux, Soit (e1 , . . . , en ) une famille libre de E . Il existe une et une seule famille
on a : X orthonormée ("1 , . . . , "n ) de E telle que :
?
D ÉFINITION 8i 2 [[1, p]] , Fj = Fi
1. 8k 2 {1, . . . , n}, Vect("1 , . . . , "k ) = Vect(e1 , . . . , ek ).
j2[[1,p]]
La famille (xi )i2I de vecteurs de E est dite j6=i 2. 8k 2 {1, . . . , n}, < "k , ek >> 0.
• orthogonale (FO) si 8i, j 2 I, i 6= j )< xi , xj >= 0. Cette famille est donnée par :
e1
• orthonormale (FON) si 8i, j 2 I, < xi , xj >= ij . • "1 = .
ke1 k
E SPACES EUCLIDIENS ek pk 1 (ek )
P ROPRIÉTÉ • 8k 2 {2, . . . , n}, "k = . Avec Pi désigne le
ek pk 1 (ek )
Une famille orthogonale de vecteurs non nuls est libre.
projecteur orthogonal sur Vect("1 , . . . , "i )
P ROPRIÉTÉ
L
T HÉORÈME DE P YTHAGORE Soit E un espace euclidien, pour tout sev F de E, on a : E = F F?
2
S YMÉTRIE ORTHOGONALE
n
X n
X
Si (x1 , . . . , xn ) est une FO, alors xk =
2
kxk k . P ROPRIÉTÉ On appelle symétrie orthogonale par rapport à F la symétrie vectorielle sF
k=0 k=0 • Tout espace euclidien, non nul, admet une base orthonormale. par rapport à F parallèlement à F ? .
• Toute famille orthonormale d’un euclidien se complète en une BON. Si F est un hyperplan de E, on dit que sF est la réflexion par rapport à F .

O RTHOGONAL D ’ UNE PARTIE C ARACTÉRISATION DES SYMÉTRIES ORTHOGONALES

C ALCUL AVEC UNE BON
— Soit A ⇢ E. On appelle orthogonal de A l’ensemble {x 2 E, 8a 2 Soit E un espace euclidien dim E = n 2 N⇤ et B = (e1 , . . . , en ) une BON Soit s une symétrie de E. On a équivalence entre :
A, < x, a >= 0}. On le note A? . Xn n
X 1. s est une symétrie orthogonale (ie Ker (s + idE ) ?Ker (s + idE )
— Deux parties A, B ⇢ E sont dites orthogonales si 8a 2 A, 8b 2 sur E . Soit x = x k ek , y = yk ek , alors : 2. 8x, y 2 E, < s(x)|y >=< x|s(y) >.
B, < a, b >= 0. On note A ? B. k=1 k=1
— Une famille (Ai )i2I de parties de E est dite orthogonale si les Ai v 3. 8x 2 E, k s(x) k = kxk
sont deux à deux orthogonales. u n
uX
1. 8k 2 [[1, n]] , xk =< ek , x > et kxk = t x2 .
k E XPRESSION DANS UNE BON
k=1
P ROPRIÉTÉ v Si B = (e1 , · · · , ep ) est une BON de F alors
n u n
Soit A et B deux parties d’un préhilbertien E X uX
2. < x, y >= xk yk et kx yk = t (xk yk ) 2 p
1. A? est un sous-espace vectoriel de E . k=1 k=1
X
8x 2 E, sF (x) = 2 < x, ej > ej x
? ?
2. A ? A et A \ A ⇢ {0} . 3. 8u 2 L (E) , Mat(u) = hei , u(ej )i 16i,j6n j=1
B
3. A ⇢ B ) B ? ⇢ A? .
4. A?B () A ⇢ B ? () B ⇢ A? . E XISTENCE DE SUPPLÉMENTAIRE ORTHOGONAL
5. A? = (Vect(A))? et A ⇢ A?? Si F un sous-espace vectoriel de dimension finie d’un espace vectoriel pré-
6. A ? B () A ? Vect(B) () Vect(A) ? Vect(B) . hilbertien E alors les espaces F et F ? sont supplémentaires dans E.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 29
Résumé du cours L ES ESPACES PRÉHILBERTIENS RÉELS El Amdaoui

S UITES ORTHONORMALES , SUITES TOTALES E XTRÉMUM SUR LA SPHÈRE R ÉDUCTION DES ENDOMORPHISMES ORTHOGONAUX
Soit A 2 Sn (R).
⇣ Posons⌘ min = min (Sp (A))
⇣ et max
⌘ = max (Sp (A)).
E un espace préhilbertien réel et (en )n2N une suite de E Alors : min t
XAX = min et max t
XAX = max E désigne un plan euclidien orienté,
k X k=1 k X k=1
I NÉGALITÉ DE B ESSEL R ÉDUCTION DES ENDOMORPHISMES ORTHOGONAUX
Si (en )n2N est orthonormale. Alors 8x 2 E la famille (< en | x >)n2N Soit u 2 O(E) avec n > 2. Il existe une base orthonormée B de E dans
X A PPLICATIONS AUX EXTREMA 0Ip
est de carré sommable et
2
hen | xi 6 kxk
2 0 ··· ··· 0 1
Soit f 2 C 2 (U ). On suppose que f admet un point critique en a et soit
n2N Hf (a) sa matrice hessienne. Alors : B . . C
B . . C
• Si Sp (Hf (a)) ⇢ R⇤ B0 Iq . . C
+ , alors f admet un minimum local en a. B C
B . . C
FAMILLE TOTALE • Si Sp (Hf (a)) ⇢ R⇤ , alors f admet un maximum local en a. laquelle la matrice de u s’ecrit : D = B . .
. C
B . .
.
.
. C
• Si Hf (a) admet deux valeurs propres de signes opposés, alors a est un B . R1 . C
La famille (en )n2N est dite totale si l’espace vectoriel qu’elle engendre est B C
point col ou selle. B . . . C
@ . . . A
dense dans E. Autrement-dit Vect (en )n2N = E . . . 0
0 ··· ··· 0 Rr
✓ ◆
E NDOMORPHISMES ET MATRICES ORTHOGONAUX
où pour tout k 2 [[1, r]], on note : Rk =
cos ✓k sin ✓k
avec
B ASE HILBERTIENNE sin ✓k cos ✓k
E désigne un espace euclidien de dimension finie n > 1 ✓k 2 ]0, 2⇡[ \ {⇡} et p, q, r sont des entiers naturels tels p + q + 2r = n (si
(en )n2N est dite base hilbertienne si elle est à la fois orthonormale et totale
l’un de ces entiers est nul, les blocs de matrices correspondants n’existent
E NDOMORPHISME ORTHOGONAL pas).
P ROPRIÉTÉ
On dit que u est orthogonal si 8x 2 E, ku(x)k = kxk.
Soit (en )n2N base hilbertienne de E et Pn le projecteur orthogonal de E O(E), l’ensemble des automorphismes orthogonaux, est un sous-groupe de I SOMÉTRIES POSITIVES EN DIM 3
sur Vect (e0 , · · · , en ), alors 8x 2 E, Pn (x) !x (GL(E), ), appelé le groupe orthogonal de E.
n!+1 Soit f 2 O + (E), alors il existe une BON directe B = (u,!v, w) dans la-
1 0 0
P ROPRIÉTÉ quelle la matrice de f est de la forme 0 cos ✓ sin ✓
É GALITÉ DE PARSEVAL 0 sin ✓ cos ✓
Si u 2 O(E), alors Sp (u) ⇢ { 1, 1}. f est dite la rotation d’axe dirigé et orienté par u et d’angle ✓.
Soit (en )n2N une base hilbertienne de E. Alors pour tout x 2 E la famille • Pour déterminer une telle base on prend u normé qui engendre Ker(f id),
X 2 2 v unitaire et orthogonal à u et w = u ^ v
(< ei | x >)i2N est de carré sommable et hen | xi = kxk . P ROPRIÉTÉS CARACTÉRISTIQUES • Pour déterminer cos ✓, on utilise la trace de f ;
n2N
Soit u 2 L(E). Les assertions suivantes sont équivalentes : • le signe de sin ✓ est celui de Det(u, x, f (x)) où x est un vecteur non
colinéaire à u
1. 8x 2 E, ku(x)k = kxk ;
2. 8x, y 2 E, < u(x), u(y) >=< x, y > ;
E NDOMORPHISMES SYMÉTRIQUES
3. u transforme toute BON de E par u est une BON de E ;
4. u transforme une BON de E par u est une BON de E.
A DJOINT D ’ UN ENDOMORPHISME

E NDOMORPHISME SYMÉTRIQUE
M ATRICES ORTHOGONALES A DJOINT D ’ UN ENDOMORPHISME
u 2 L(E) est symétrique si 8x, y 2 E, < u(x), y >=< x, u(y) >.
S (E) désigne l’ensemble des endomorphismes symétriques de E Une matrice A 2 Mn (R) est dite orthogonale si t AA = In . Soit u 2 L(E) alors 9!v 2 L(E) tel que
On (R), l’ensemble de matrices orthogonales, est un sous-groupe de
GLn (R), appelé groupe orthogonal d’ordre n.
S TABILITÉ - I MAGE ET NOYAU 8x, y 2 E, < u(x), y >=< x, v(y) >
Soit u 2 S(E) et F un sev de E stable par u. Alors F ? est stable par u
P ROPRIÉTÉS CARACTÉRISTIQUES v s’appelle l’adjoint de u et on le note u⇤ .
Soit A 2 Mn (R) de colonnes C1 , · · · , Cn et de lignes L1 , · · · , Ln . On a
C AS EUCLIDIEN équivalence entre :
1. la matrice A est orthogonale P ROPRIÉTÉ
Soit E un espace euclidien et u 2 S (E), alors Im (u) = (Keru)?
2. la famille (C1 , · · · , Cn ) est orthonormale Soient u, v 2 L(E), B une BON de E et F sev de E. Alors :
3. la famille (L1 , · · · , Ln ) est orthonormale. 1. (↵u + v)⇤ = ↵u⇤ + v ⇤ , u⇤ ⇤ = u et (u v)⇤ = v ⇤ u⇤ ;
C ARACTÉRISATION DES SYMÉTRIQUES
4. A est la matrice de passage d’une BON à une BON t
2. A = MatB (u) () A = MatB u
⇤
Soit E un espace euclidien, B une BON de E et u 2 L(E). Alors
3. rg u⇤ = rg (u), tr u⇤ = tr (u), det u⇤ = det(u), u⇤ =
u 2 S(u) () Mat (u) 2 Sn (R) P ROPRIÉTÉ u et ⇡u⇤ = ⇡u ;
B
• A 2 On (R), alors det A = ±1.
+ 4. Ker u⇤ = Im (u)? et Im u⇤ = Ker (u)? .
• On (R) = {M 2 On (R), det M = 1} est un sg de On (R)
T HÉORÈME SPECTRAL 5. Ker u⇤ u = Ker(u) et Im u⇤ u = Im u⇤
• On (R) = {M 2 On (R), det M = 1} n’est pas un groupe
Tout endomorphisme symétrique d’un espace euclidien E est diagonalisable
dans une base orthonormale.
L IEN AVEC LES MATRICES
T HÉORÈME SPECTRAL :V ERSION MATRICIELLE Soit u 2 L(E) et B une BON de E. Alors
Soit A 2 Sn (R), il existe P 2 On (R) tel que t P AP soit diagonale.
u 2 O(E) () MatB (u) 2 On (R)

E XTRÉMUM SUR LA SPHÈRE • On (R) est isomorphe à O(E).

Soit u 2 S(E). Posons min = min (Sp (u)) et max = max (Sp (u)). +
• On (R) est isomorphe à O + (E) = {u 2 O(E); det u = 1}.
Alors : min (< u(x), x >) = min et max (< u(x), x >) = max
k x k=1 k x k=1 • On (R) est isomorphe à O (E) = {u 2 O(E); det u = 1}.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 30
Résumé du cours VARIABLES ALÉATOIRES À DENSITÉ El Amdaoui

(⌦, T, P ) est un espace probabilisé

P ROPRIÉTÉS CARACTÉRISTIQUES DE LA DENSITÉ D ENSITÉ DE LA SOMME DE DEUX VAR À DENSITÉ
Soit fX une densité d’une variable aléatoire réelle X de fonction Soient X et Y deux variables aléatoires réelles indépendantes
VARIABLE ALÉATOIRE À DENSITÉ de répartition F . On a admettant respectivement des densités fX et fY . Alors la loi de
1. fX est à valeurs réelles positives S = X + Y est à densité, de densité

VARIABLE ALÉATOIRE RÉELLE 2. fX est continue sur R, sauf éventuellement en un nombre Z +1

fini de points fS : s 7 ! fX (t)fY (s t) dt
Une variable aléatoire réelle (VAR) est une application X : ⌦ ! R Z +1 Z +1 1
où (⌦, T, P ) est un espace probabilisé telle que pour tout x 2 R, 3. fX (t) dt est convergente et f (t) dt = 1
l’événement [X 6 x] 2 T . 1 1
Si de plus X et YZ sont à valeurs positives, alors fS est définie sur
Inversement pour toute f fonction d’une variable réelle vérifaint s
P ROPRIÉTÉ les trois assertions précédentes, il existe un espace probabilisé R+ par fS (s) = fX (t)fY (s t) dt et est nulle sur R⇤
Soit X : ⌦ ! R, alors et une VAR X sur cet espace dont la loi est à densité et dont la 0
densité est f
X VAR , 8I intervalle de R, [X 2 I] 2 T
R ÈGLES DE CALCUL
E SPÉRANCE
I MAGE D ’ UNE VARIABLE ALÉATOIRE RÉELLE Soit X une variable aléatoire admettant une densité f .
Soit X1 , · · · , Xn des variables aléatoires réelles définies sur le 1. Pour tout x réel :
même espace probabilisé (⌦, T, P ) et f : Rn ! R une fonction D ÉFINITION
(a) P (X = x) = 0 Z
continue. Alors Z x +1

⇢ (b) P (X < x) = P (X 6 x) = f (t) dt Soit X une VAR de densité f . Si l’intégrale tf (t) dt est ab-
⌦ ! R 1 1
f (X1 , · · · , Xn ) : ! 7 ! f (X1 (!), · · · , Xn (!)) Z solument convergente alors on dit que X admet une espérance
+1
que l’on note E(X) et on a :
(c) P (X > x) = P (X > x) = f (t) dt = 1 F (x)
x
est une variable aléatoire réelle (⌦, T, P ). Z
2. Pour tout intervalle I d’extrémités a et b tels que a 6 b : +1
Xn Yn E(X) = tf (t) dt
En particulier Xi , Xi , min Xi et max Xi sont des va- Z 1
16i6n 16i6n b
i=1 i=1
P (X 2 I) = f (t) dt
riables aléatoires réelles a D OMINATION
Soit X et Y deux VAR sur l’espace probabilisé (⌦, T, P ).
C AS PARTICULIER Si Y admet une espérance et si |X| 6 Y alors X admet une
Soit X une variable aléatoire réelle et f : R ! R une fonction D ÉFINITION espérance
monotone par morceaux, alors f X est une variable aléatoire Soit X une variable à densité et f une densité de X. Si f est
réelle sur (⌦, T, P ). On la note f (X) nulle en dehors d’un intervalle [a; b], alors on a P (X < a) = 0 P ROPRIÉTÉ
et P (X > b) = 0. On dit alors que X prend ses valeurs dans Soient X et Y deux VAR admettant chacune une espérance.
l’intervalle [a; b].
E XEMPLE 1. Pour tout réels a et b, la variable aX + b admet une espé-
Si X est une variable aléatoire réelle sur (⌦, T, P ), alors [X], la rance et
partie entière de X, et {X}, la partie fractionnaire de X, sont des E(aX + b) = aE(X) + b
variables aléatoires réelles sur (⌦, T, P )
2. X + Y admet une espérance et E(X + Y ) = E(X) + E(Y ).
S OMME DE DEUX VARIABLES 3. Si X > 0 presque sûrement, alors E(X) > 0
S TABILITÉ PAR CONVERGENCE SIMPLE
4. Si X > Y presque sûrement, alors E(X) > E (Y )
Soit (Xn ) une suite de variables aléatoires réelles sur (⌦, T, P )
qui converge simplement vers X, une application de ⌦ dans R. 5. Inégalité triangulaire : |E(X)| 6 E (|X|)
Alors X est une variable aléatoire réelle sur (⌦, T, P ) On rappelle que la loi de la somme de deux variables aléatoires discrètes 6. Si X et Y sont indépendantes, alors E(XY ) = E(X)E(Y ).
indépendantes X et Y est donnée comme somme d’une série de la forme
T HÉORÈME DU TRANSFERT
VARIABLE ALÉATOIRE À DENSITÉ X Soient X une VAR de densité f et g une fonction continue sur R
P (X + Y = s) = P (X = x) P (Y = s x) sauf éventuellement en un nombre fini de points.
Pour une variable aléatoire réelle X on définit la fonction de répartition x2X(⌦) Alors g(X) admet une espérance si, et seulement, si l’intégrale
Z +1
de X, que l’on note FX , par FX (x) = P (X 6 x) pour tout réel x.
g(t)f (t) dt est absolument convergente. Au quel cas
1
D ÉFINITION
Une variable aléatoire réelle X est dite de loi à densité (relative- D ENSITÉ DE LA SOMME D ’ UNE VARD ET D ’ UNE VAR À DENSITÉ Z +1
ment à la probabilité P ) si sa fonction de répartition FX Soient X et Y deux variables aléatoires réelles indépendantes E(g(X)) = g(t)f (t) dt
1. est continue sur R dont les lois sont discrète pour X et à densité pour Y . Alors la loi 1
de S = X + Y est à densité, de densité
2. de C 1 sur R privé d’un sous-ensemble fini F ( éventuelle-
ment vide ) X
On appelle alors densité de X la fonction définie sur R par s7 ! P (X = x) .fY (s x)
fX (t) = FX0
(t) pour t 2 R \ F et fX (t) = 0 pour t 2 F x2X(⌦)

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 31
Résumé du cours VARIABLES ALÉATOIRES À DENSITÉ El Amdaoui

L OIS ⌅⌅ Loi de Gamma

M OMENTS , VARIANCE ET ÉCART - TYPE USUELLES

L OI GAMMA
⌅⌅ Loi uniforme
D ÉFINITION Soit ↵ et deux réels strictement positifs.
Soit r 2 N⇤ et X une VAR à densité f . On dit qu’une variable aléatoire X suit la loi Gamma de para-
On dit que X admet un moment d’ordre r, notée mr (X), si X r L OI UNIFORME mètre (↵, ) ; et on note X ,! (↵, ), si elle admet pour densité
admet une espérance et on a la fonction f définie sur R par :
Soient a et b deux réels tels que a < b. On dit qu’une variable aléa-
Z toire X suit la loi uniforme sur [a; b], et on note X ,! U ([a; b]), 8 ↵
+1 si elle admet pour densité la fonction f définie par : ↵ <
mr (X) =
r
x f (x) dx ↵ 1 x x↵ 1
e x
si x > 0
f (x) = x e ]0,+1[ (x) = (↵)
8 (↵) :
1
1 0 si x 6 0
<
si t 2]a; b[
f (t) =
P ROPRIÉTÉ :0b a
sinon P ROPRIÉTÉ
Soit r 2 N⇤ et X une VAR admettant un moment d’ordre r, alors
pour tout s 2 [[1, r]] la VAR X admet un moment d’ordre s Soit X une VAR de loi Gamma de paramètre (↵, ) où ↵, 2 R⇤
+.
P ROPRIÉTÉ Alors X admet une espérance et une variance et :

D ÉFINITION La fonction de répartition d’une variable aléatoire suivant une loi

uniforme sur [a; b] est : ↵ ↵
E(X) = et V(X) =
Si la variable aléatoire X admet une espérance et si la variable 2
(X E(X))2 admet une espérance, on appelle variance de X le 8
0 si x 6 a
réel ⇣ ⌘ >
<x a
V(X) = E (X E(X))
2
F (x) = si a < x < b ⌅⌅ Loi exponentielle
>
:b a
p 1 si x > b
On appelle alors écart-type le réel (X) = V(X)
L OI EXPONENTIELLE
P ROPRIÉTÉ
T HÉORÈME DE H UYGENS K ŒING Soit X une VAR à densité d’une loi uniforme sur [a; b]. Alors Soit un réel strictement positif.
Soit X une VAR à densité. On dit qu’une variable aléatoire X suit la loi exponentielle de
X admet une variance si, et seulement, si X admet un moment paramètre ; et on note X ,! E( ), si elle admet pour densité la
d’ordre 2 et en cas d’existence, on a : a+b (b a)2 fonction f définie sur R par :
E (X) = et V (X) =
⇣ ⌘ 2 12 ⇢ x
V(X) = E X
2
E(X)
2 x e si x > 0
f (x) = e ]0,+1[ (x) =
0 si x 6 0
⌅⌅ Loi gaussienne
P ROPRIÉTÉ
Soit X une variable à densité admettant une variance. Alors pour Remarque: E( )= (1, )
tout réels a et b, aX + b admet une variance et V(aX + b) = L OI GAUSSIENNE DE PARAMÈTRES
a2 V(X)
Soit µ un réel, et un réel strictement positif.
P ROPRIÉTÉ
On dit que X est de loi gaussienne de paramètres (µ, 2 ) ou de
La fonction de répartition d’une variable aléatoire suivant une loi
D ÉFINITION loi normale de paramètres (µ, 2 ) si elle admet pour densité la exponentielle de paramètre est :
Si X est une variable à densité telle que (X) = 1, on dit que X fonction f définie sur R par :
est une variable réduite. ⇢
! 1 e x
si x > 0
1 (x µ)2 F (x) =
0 si x 6 0
f (x) = p exp
D ÉFINITION 2⇡ 2 2

Si X admet une espérance et un écart-type non nul, la variable P ROPRIÉTÉ

X E(X) Lorsque µ = 0 et = 1 on parle de la loi normale centrée réduite
X⇤ = est appelée la variable centrée réduite asso- Si X suit une loi exponentielle de paramètre > 0 alors X admet
(X) une espérance et une variance et :
ciée à X. P ROPRIÉTÉ
Si X suit une loi normale N (µ, 2 ) où µ 2 R et 2 R⇤ 1 1
+ . Alors X E(X) = et V(X) = 2
admet une espérance et une variance :

2
E(X) = µ et V(X) =

P ROPRIÉTÉ
X suit une loi normale de paramètres (m, 2 ) si et seulement si
X m
X⇤ = suit la loi normale centrée réduite.

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 32
Résumé du cours I NÉGALITÉS ET CONVERGENCES El Amdaoui

(⌦, T, P ) un espace probabilisé

C ONVERGENCE EN LOI

I NÉGALITÉS
C ONVERGENCE EN LOI
I NÉGALITÉ DE M ARKOV Soit (Xn )n2N une suite de variables aléatoires réelles et X une variable aléatoire réelles définies sur
un espace probabilisé (⌦, T, P ), on note Fn la fonction de répartition de Xn et F celle de X. On dit que
Soit X une variable aléatoire réelle définie sur un espace probabilisé (⌦, T, P ) telle que X(⌦) ⇢ R+ et (Xn ) converge en loi vers X si en tout point x où F est continue
possédant une espérance m = E(X), alors on a
lim Fn (x) = F (x).
E(X) n!1
8 > 0 P [X > ]6 .
L
On note Xn !X
I NÉGALITÉ DE B IENAYMÉ -T CHEBYCHEV
Soit X une variable aléatoire réelle définie sur un espace probabilisé (⌦, T, P ) possédant un moment C AS DE VARIABLES DISCRÈTES
d’ordre 2, alors on a Soit (Xn )n2N une suite de variables aléatoires et Y une variable aléatoire définies sur un espace pro-
V (X) babilisé (⌦, T, P ), on suppose que
8" > 0 P [|X E(X)| > "] 6 .
"2
8n 2 N Xn (⌦) ⇢ Y (⌦) ⇢ N.
I NÉGALITÉ DE J ENSEN
Si X est une VAR admettant une espérance, si f : R ! R est une application convexe sur R et si La convergence en loi de la suite (Xn ) vers Y équivaut à :
Y = f (X) admet une espérance alors
8k 2 N lim P (Xn = k) = P (Y = k).
f (E (X)) 6 E (f (X)) Inégalité de Jensen n!1

A PPROXIMATION DE LA LOI DE P OISSON PAR LA LOI BINOMIALE

C ONVERGENCE EN PROBABILITÉ Soit (Xn )n2N une suite de variables aléatoires indépendantes. On suppose que Xn suit une loi bino-
miale B(n, pn ) avec npn ! > 0, alors (Xn ) converge en loi vers X qui suit une loi de poisson
n!+1
P( ).
C ONVERGENCE EN PROBABILITÉ
Soit (Xn )n2N une suite de variables aléatoires réelles et X une variable aléatoire réelles définies sur un P ROPRIÉTÉ
espace probabilisé (⌦, T, P ), on dit que (Xn ) converge en probabilité vers X si La convergence en probabilité implique la convergence en loi.

8" > 0 lim P [|Xn X| > "] = 0.

n!1
T HÉORÈMES LIMITES
P
On écrit Xn !X
L OI FAIBLE DES GRANDS NOMBRES
P ROPRIÉTÉ Soit (Xn )n2N⇤ une suite de variables aléatoires réelles indépendantes définies sur un espace probabi-
On considère (fn )n2N une suite de fonctions continues à valeurs réelles définies sur R qui converge lisé (⌦, T, P ) , de même loi, possédant une espérance m et une variance 2 . Alors
simplement sur R vers l’application f . On considère X une VAR et on définit des variables aléatoires
réelles par
n
X
Xn = fn (X) , Y = f (X)
Xi
Alors la suite (Xn ) converge en probabilité en Y i=1 P
!m
n

T HÉORÈME DE LA LIMITE CENTRÉE

Soit (Xn )n2N une suite de variables aléatoires réelles définies sur un espace probabilisé (⌦, T, P ) in-
dépendantes, de même loi, possédant une espérance m = E(X) et une variance 2 = V(X) > 0.
Alors
Xn
Xi
i=1
m
n p L
! N (0, 1)
/ n

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 33
Résumé du cours L ES ÉQUATIONS DIFFÉRENTIELLES El Amdaoui

F est un K-espace vectoriel normé de dimension finie n > 1, une base

de F . Si u 2 L(F ) et x 2 F , on note u.x plutôt que u(x). VARIATION DES CONSTANTES
C AS OÙ A EST TRIGONALISABLE
Soit a 2 C I, L(F ) et b 2 C(I, F ).
Si A est trigonalisable, 9P 2 GLn (C) tel que P 1 AP = T ma-
VARIATION DE LA CONSTANTE trice triangulaire supérieure. On effectue alors le changement de
É QUAT - DIFF LINÉAIRES D ’ ORDRE 1 Soit ('1 , . . . , 'n ) un système fondamental de solutions de (H). fonction inconnue défini par :
n
X
Soient 1 , . . . , n 2 C 1 (I, K) tel que ' = i 'i . Alors Z=P
1
X () X = P Z
i=1
É QUATION DIFFÉRENTIELLE LINÉAIRE DU PREMIER ORDRE
On appelle équation différentielle linéaire du premier ordre toute qui aboutit aux nouveaux systèmes différentiels :
n
X
équation du type : (L) : x0 = a.x + b. ' est solution de (L) ,
0
i 'i =b 0
On appelle équation homogène associée à (L) l’équation : (H) : i=1 (L2 ) : Z = TZ + P
1
B(t)
x0 = a.x 0
(H2 ) : Z = TZ

S OLUTION DE L ’ ÉQUATION DIFFÉRENTIELLE LINÉAIRE É QUA - DIFF LINÉAIRES À COEFS CONSTANTS On résout de tels systèmes par la méthode de la remontée
Une solution de l’équation différentielle linéaire (L) est une fonc-
tion ' 2 D(I, F ) telle que : 8t 2 I, '0 (t) = a(t).'(t) + b(t) Plus précisément, dans (L) : x0 = a.x + b(t), a est constante.
A N ’ EST PAS TRIGONALISABLE
R ÉGULARITÉ DES SOLUTIONS É TUDE DE (H) : x0 = a.x
1. Les solutions de (H) sont exactement les applications Si A n’est pas trigonalisable, dans ce cas K = R, alors on résout
Si ' est solution de (L), alors ' 2 C 1 (I, F ). le système différentiel avec le corps de base C puis on cherche les
Si a et b sont de classe C k alors ' sera de classe C k+1 . t 7 ! eta .x0 où x0 un vecteur de F solutions réelles via les parties réelles et imaginaires
2. Pour tout (t0 , x0 ) 2 R ⇥ F , l’unique solution au problème
de Cauchy en ce point est
T HÉORÈME DE C AUCHY - LIPSCHITZ - LINÉAIRE
(t t0 )a
t7 !e x0
T HÉORÈME DE C AUCHY -L IPSCHITZ - LINÉAIRE
⇢ 0 É TUDE DE (L) : x0 = a.x + b
x = a(t).x + b(t)
Le problème de Cauchy : où (t0 , x0 ) 2 1. Les solutions de (L) sont exactement les applications
x(t0 ) = x0 É QUA - DIFF LINÉAIRES ( SCALAIRES ) D ’ ORDRE 2
I ⇥ F admet une et une seule solution. Z !
t
ta sa
t2I 7 !e . x0 + e b(s) ds
S TRUCTURE DE SH t0
1. SH est un sev de C 1 (I, F ) isomorphe à F , dim SH = n
2. SL est un sous-espace affine de C 1 (I, F ) de direction SH où x0 un vecteur de F et t0 2 I
2. Pour tout (t0 , x0 ) 2 R ⇥ F , l’unique solution au problème Une équation différentielle linéaire d’ordre 2 est une équation du type :
de Cauchy en ce point est (L) : x00 + a(t) · x0 + b(t) · x = c(t) où a, b, c 2 C(I, K) et soit
W RONSKIEN Z
(H) : x00 + a(t) · x0 + b(t) · x = 0 l’équation homogène associée.
(t t0 )a
t
(t s)a Une solution de (L) est une fonction ' 2 D 2 (I, K) telle que :
t7 !e .x0 + e b(s) ds
t0
8t 2 I, '00 (t) + a(t)
✓ ◆ · '0 (t) +✓
b(t) · '(t) ◆
= c(t). ✓ ◆
W RONSKIEN x 0 1 0
En posant X = , A = a et B = c , on se ramène à
Soient ('1 , . . . , 'n ) une famille de fonctions de I à valeurs dans x0 b
F . Pour tout t 2 I la matrice W (t) = Mat ('1 (t), . . . , 'n (t)) est 0
l’étude de l’équation linéaire du premier ordre X = AX + B
appelée matrice wronskienne en t du système H = ('1 , . . . , 'n )
É TUDE PRATIQUE
par rapport à la base B.
Le déterminant w(t) = det W (t) est appelé le wronskien en t du L E PROBLÈME DE C AUCHY
système H = ('1 , . . . , 'n ) par rapport à la base B S YSTÈME DIFFÉRENTIEL
⇢
Aux applications a et b sont associées les applications A : t 7 ! x00 + a(t) · x0 + b(t) · x = c(t)
B ASE DE SH Mn (K) et B : t 7 ! Mn,1 (K), où, pour tout t 2 I, A(t) et B(t) où t0 2 I, u0 , v0 2 K
x(t0 ) = u0 , x0 (t0 ) = v0
Soit H = ('1 , . . . , 'n ) une famille de n éléments de SH espace sont les matrices de a(t) et b(t) dans la base B. On appelle sys-
solution de (H) : x0 = a(t).x. Alors tème différentiel l’équation notée X 0 = A(t)X + B(t) dont les admet une et une seule solution.
1. Pour tout t 2 I, rg (H) = rg ('1 (t), . . . , 'n (t)) inconnues X sont à valeurs dans Mn,1 (K).
2. Les trois affirmations suivantes sont équivalentes :
(a) ('1 , . . . , 'n ) est une base de SH ; C AS OÙ A EST DIAGONALISABLE S TRUCTURE DES SOLUTIONS DE (L) ET DE (H)
(b) 8t 2 I, w(t) 6= 0 ; 1. L’ensemble SH des solutions de H est un sous-espace vec-
Si A est diagonalisable, notons ( j )16j6n les valeurs propres
(c) 9t0 2 I / w(t0 ) 6= 0. de A, (vj )16j6n leurs vecteurs propres associés et 'j : t 7 ! toriel de dimension 2 du K-espace vectoriel C 2 (I, K).
Au quel cas ('1 , . . . , 'n ) est un système fondamental de 2. L’ensemble SL des solutions de (L) est un sous-espace
e j ·t · vj . Alors ('1 , · · · , 'n ) est un système fondamental de so-
solutions de (H) lution de H affine de C 2 (I, K) de direction SH .

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 34
Résumé du cours L ES ÉQUATIONS DIFFÉRENTIELLES El Amdaoui

⌅⌅ Reste polynôme-exponentiel
M ÉTHODE DE VARIATION DES CONSTANTES É QUATION DIFFÉRENTIELLE NON LINÉAIRE
00 0
Soit (h1 , h2 ) une base de SH : pour tout f 2 C (I, K), il existe 2 ay + by + cy = d(t)
un unique couple (u1 , u2 ) d’applications de C l (I, K) tel que : ⌅⌅ Equation du type résolu
f = u1 .h1 + u2 .h2 . Alors On étudie le cas d’un second membre d(t) de la forme P (t)e↵t avec
P 2 K[X] et 2 K.
On s’interesse aux équations différentielles du type (résolu)
(
u01 .h1 + u02 h2 =0 P ROPRIÉTÉ 0
f solution de (L) () (E) : x = f (t, x)
u01 h01 + u02 h02 =c L’équation ay 00 + by 0 + cy = P (t)e↵t admet une solution par-
ticulière de la forme yp (t) = tm Q(t)e↵t où Q est une fonction où f 2 C 1 (U, F ) continue avec U un ouvert de R ⇥ F .
polynomiale de même degré que P
h2 c h1 c — Si ↵ n’est pas solution de (EC), alors m = 0 D ÉFINITION
d’inconnues u01 et u02 dont la solution est u01 = et u02 =
! ! — Si ↵ est solution simple de (EC), alors m = 1
— Si ↵ est solution double de (EC), alors m = 2 On appelle solution de (E) tout couple (I, x) formé d’un inter-
. valle d’intérieur non vide I et d’une fonction x : I ! R dérivable
vérifiant :
M ÉTHODE DE VARIATION DE LA CONSTANTE OU DE L AGRANGE
0
Si ' une solution de (H) ne s’annulant pas sur I, on pose 8t 2 I, t, x(t) 2 U et x (t) = f t, x(t)
x(t) = '(t) · z(t). Alors x est solution de (L) (resp. de (H)) si, et
seulement, si y = z 0 est solution sur I de : On dit encore que x est une solution de (E) sur I.
✓ 0◆
0 ' c P ROPRIÉTÉ
y + a+2 y= ( resp = 0)
' ' Si (I, y) est une solution de (E) alors pour tout intervalle d’inté-
rieur non vide J ⇢ I, (J, y|J ) est aussi solution de (E).

S OLUTION MAXIMALE
É QUAT - DIFF LINÉAIRES CONSTANTES DU SECOND ORDRE
On appelle solution maximale de (E) toute solution ' : J ! F
de (E) pour laquelle il n’existe pas de solution '
˜ : K ! F de (E)
tel que J K avec ' ˜|J = '.
⌅⌅ Équation différentielle homogène
Soit a, b, c 2 K avec a 6= 0 et (H) l’équation différentielle
⌅⌅ Problème de Cauchy
00 0
(H) : ay (t) + by (t) + cy(t) = 0 On appelle problème de Cauchy un problème du type :
⇢ 0
x = f (t, x)
L’équation du second degré (EC) : ar 2 +br+c = 0 est appelée équation où (t0 , x0 ) 2 U
x(t0 ) = x0
caractéristique de l’équation différentielle ay 00 + by 0 + cy = 0

P ROPRIÉTÉ T HÉORÈME DE C AUCHY -L IPSCHITZ

⇢ 0
1. Si (EC) possède des racines distinctes r1 et r2 , les solu- x = f (t, x) où f 2 C 1 (U, F ) , U ou-
tions de l’équation homogène (H) sont les fonctions défi- Le problème de Cauchy
x(t0 ) = x0 où (t0 , x0 ) 2 U
nies par y(t) = 1 er1 t + 2 er2 t où 1 , 2 2 K vert de R ⇥ F admet une et une seule solution maximale (I, '),
2. Si (EC) possède une racine double r, les solutions de avec I un intervalle ouvert contenant t0 .
l’équation homogène (H) sont les fonctions définies par
y(t) = ( 1 t + 2 ) ert où 1 , 2 2 K P ROPRIÉTÉ
Toute fonction ' :]a, b[! R solution de (E) est de classe C 1 .
P ROPRIÉTÉ
Soit a, b, c 2 R. Si l’équation Si l’équation ar 2 +br +c = 0 possède
des racines distinctes complexes conjuguées : ⌅⌅ Équations différentielles à variables séparables
⇤
p + iq et p iq avec (p, q) 2 R ⇥ R
D ÉFINITION
Les solutions réelles sont les fonctions : Il s’agit d’équations différentielles du type :
⇢
R ! R 0
f : (E) y = g(t)h(y)
t 7 ! (↵ cos(qt) + sin(qt)) ept

où g 2 C 1 (D1 , R) et h 2 C 1 (D2 , R). D1 et D2 deux intervalles

où (↵, ) 2 R2 ouverts de R

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 35
Résumé du cours L ES FONCTIONS HOLOMORPHES El Amdaoui

Dans ce qui suit o⌦ est un ouvert non vide de C et ⌦ ˜ =

n F ONCTIONS ANALYTIQUES D ’ UNE VARIABLE COMPLEXE C OROLLAIRE
(x, y) 2 R2 | x + iy 2 ⌦ . ⌦˜ est un ouvert non vide de R2
1. Soient f et g deux fonctions analytiques sur ⌦ et 2 C .
f : ⌦ ! C une fonction, on note f˜ l’application définie sur ⌦
˜ par f˜(x, y) =
Alors f + g, f et f g sont analytiques sur ⌦. Si de plus, 8z 2
f (x + iy) et on pose
˜ ˜
F ONCTIONS ANALYTIQUES ⌦, g(z) 6= 0 alors f est analytique sur ⌦ .
P : (x, y) 2 ⌦ 7! <ef (x + iy) et Q : (x, y) 2 ⌦ 7! =mf (x + iy) . g
Pour tout z0 2 C et r 2 R+ [ {+1}, on note On dit que f Pest analytique sur ⌦ si pour tout z0 2 U il existe r > 0 et une 2. Soit V un ouvert de C . Soit f et g deux fonctions analytiques sur
série entière an z n de rayon de convergence R r tels que ⌦ et V respectivement avec f (⌦) ⇢ V . Alors g f , est analytique
sur ⌦ .
D (z0 , r) = {z 2 C , |z z0 | < r}
+1
X n
8z 2 D(z0 , r), f (z) = an (z z0 )
F ONCTIONS HOLOMORPHES n=0 P RINCIPE DES ZÉROS ISOLÉS

P ROPRIÉTÉ
D ÉFINITION +1
X n D ÉFINITION
Soit f (z) = an z une application définie par une série entière dont
f (z) f (z0 ) Soit f 2 H(⌦) et a 2 ⌦ .
On dit que f est C-dérivable en z0 2 ⌦ si lim existe dans n=0
z!z0 z z0 le rayon de convergence R est non nul. Soit z0 un point de l’intérieur du 1. On dit que a est un zéro de f si f (a) = 0 .
C. Auquel cas elle est notée f 0 (z0 ) X f (n) (z0 ) n 2. On dit que a est un zéro isolé de f si a est un zéro de f et 9" > 0
disque de convergence. Alors la série entière u a un rayon tel que 8z 2 D(a, ") \ {0}, f (z) 6= 0.
n>0
n!
P ROPRIÉTÉ de convergence au moins égal à R |z0 | et on a
Si f est C -dérivable en z0 2 ⌦ alors f est continue en z0 . P RINCIPE DES ZÉROS ISOLÉS
Si ⌦ est un ouvert connexe par arcs et f une fonction non identiquement
+1
X (n) nulle holomorphe sur ⌦ alors les zéros de f sont isolés.
f (z0 ) n
F ONCTION HOLOMORPHE 8z 2 D (z0 , R |z0 |) , f (z) = (z z0 )
n=0 n!
Une fonction f : ⌦ ! C est dite holomorphe, si elle est C-dérivable en tout ATTENTION
point de ⌦ et si la fonction z 7 ! f 0 (z) est continue sur ⌦.
A NALYTICITÉ DES FONCTIONS HOLOMORPHE Le résultat est faux si l’ouvert n’est pas connexe par arcs. En effet, l’applica-
La fonction z 7 ! f 0 (z) est alors appelée la dérivée de f , notée f 0 . tion f définie sur C \ {z 2 C/|z| = 1} par f (z) = 0 si |z| < 1 et f (z) = 1
On suppose que f est analytique sur ⌦. Alors : si |z| > 1 est holomorphe, non nulle et tous ses zéros sont non isolés.
1. f est holomorphe sur ⌦.
P ROPRIÉTÉ
2. f est infiniment dérivable sur ⌦.
H (⌦) l’ensemble des fonctions holomorphes sur ⌦. est une C-algèbre C OROLLAIRE
3. f admet un développement de Taylor au voisinage de tout point
z0 2 ⌦ . Autrement dit, 1. Soient ⌦ un ouvert connexe par arcs, f et g deux fonctions analy-
tiques sur ⌦ . Si 8z 2 ⌦, f (z)g(z) = 0 alors f = 0 ou g = 0 sur
C ONDITIONS DE C AUCHY -R IEMANN +1
X f (n) (z0 ) ⌦.
n
Soit f : ⌦ ! C une fonction. Les assertions suivantes sont équivalentes : 8z0 2 U, 9r > 0, 8z 2 D(z0 , r), f (z) = (z z0 ) 2. Soient ⌦ un ouvert connexe par arcs, f , g et h trois fonctions ana-
n!
1. f est holomorphe sur ⌦. n=0 lytiques sur ⌦ avec h non identiquement nulle sur ⌦ . Si f h = gh
sur ⌦ alors f = g sur ⌦ .
2. f˜ est différentiable de C 1 sur ⌦ et vérifie l’équation d’Euler
P ROPRIÉTÉ
On suppose que f est holomorphe sur ⌦, z0 2 ⌦ et R > 0 tels que
@ f˜ @ f˜ D (z0 , R) ⇢ ⌦. P RINCIPE D ’ IDENTIFICATION
(x, y) + i (x, y) = 0. Z 2⇡ ⇣
@x @y 1 ⌘
i✓ in✓
1. Le nombre an = f z0 + re e d✓ ne dépend
2⇡r n 0
3. P et Q sont de classe C 1 sur ⌦ et elles vérifient les équations d’Eu- pas du choix de 0 < r < R P RINCIPE D ’ IDENTIFICATION
ler X
2. La série entière
n
an z a un rayon de convergence au moins égal Soient ⌦ un ouvert connexe par arcs, f et g holomorphes sur ⌦.
n>0 Si 9(zn ) 2 ⌦N à valeurs deux à deux distinctes et convergente dans ⌦ telle
@P @Q @P @Q que 8n 2 N, f (zn ) = g(zn ) alors f = g sur ⌦ .
(x, y) = (x, y) et (x, y) = (x, y). +1
X
@x @y @y @x n
à R, et on a l’égalité 8z 2 D(z0 , R), f (z) = an (z z0 )
n=0 P RINCIPE D ’ IDENTIFICATION
P P
P ROPRIÉTÉ Soient ⌦ un ouvert connexe par arcs, an z n et bn z n deux séries en-
On suppose que ⌦ est ouvert connexe par arcs et f holomorphe sur ⌦. Alors C OROLLAIRE tières de rayons de convergence non nuls et de sommes respectives f et g .
Les assertions suivantes sont équivalentes :
f est constante sur ⌦ si et seulement si f 0 = 0 sur ⌦. 1. f est holomorphe sur U ssi f est analytique sur ⌦ .
1. 8n 2 N, an = bn .
2. Une fonction holomorphe sur ⌦ est indéfiniment dérivable au sens
complexe sur ⌦ et toutes ses dérivées sont analytiques sur ⌦ . 2. Il existe une suite (zn ) 2 CN de points deux à deux distincts qui
H OLOMORPHIE ET SÉRIES ENTIÈRES tend vers 0 et telle que 8n 2 N, f (zn ) = g(zn ).
P n 3. La somme d’une série entière de rayon de convergence non nul est
Soient an z une série entière de rayon de convergence R > 0 et de analytique sur son disque ouvert de convergence.
somme f . Alors f est infiniment C -dérivable sur D(0, R) et on a
4. Soit f holomorphe sur ⌦ . On pose R = sup{r > 0/D(z0 , r) ⇢
⌦} 2]0, +1[[{+1} :
+1
X +1
8k 2 N, 8z 2 D(0, R), f
(k)
(z) =
k
k!Cn+k an+k z
n X f (n) (z0 ) n
8z 2 D(z0 , R), f (z) = (z z0 ) .
n=0 n!
n=0

Z 2⇡
f (n) (z0 ) 1 it int
80 < r < R, 8n 2 N, = f (z0 + re )e dt.
n! 2⇡r n 0

: Définition. : Résultat de cours. : Résultat pratique. : Astuce. : Démarche. : Exemple classique Page: 36