DEUG MIAS premier niveau

Cours de mathématiques
année 2003/2004
Guillaume Legendre
legendre@[Link]

(version révisée du 24 janvier 2018)

Ce document est mis à disposition selon les termes de la licence Creative Commons
« Attribution - Partage dans les mêmes conditions 4.0 International » .
Table des matières

1 Éléments de logique 1
1.1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Opérations sur les assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Tableaux de vérité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 La démonstration en mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1 Démonstration directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2 Démonstration par l’absurde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.3 Démonstration par contraposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.4 Démonstration par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.5 Le contre-exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

I Algèbre 5
2 Ensembles et relations 7
2.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Appartenance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Inclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3 Partie d’un ensemble. Ensemble des parties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.4 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.5 Produit d’ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Relations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Relations d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.3 Relations d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Surjection. Injection. Bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.3 Restrictions et prolongements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.4 Composition des applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.5 Images directes ou réciproques de parties par une application . . . . . . . . . . . . . . . . . . . 17
2.3.6 Familles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Ensembles finis et infinis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1 Équipotence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.2 Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.3 Ensembles infinis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Espaces vectoriels 21
3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1 Loi de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Loi de composition externe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.3 Structure de groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

i
 3.2 Structure d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.1 Intersection de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.2 Sous-espace engendré par une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.3 Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4 Familles génératrices, familles libres et bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Théorie de la dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5.2 Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4 Applications linéaires 31
4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Opérations sur les applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 Projecteurs et symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4 Familles de vecteurs et applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.5 Cas de la dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

5 Matrices 37
5.1 Calcul matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.1 Notion de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.2 Matrice représentative d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.1.3 L’espace vectoriel (Mn,p (K), +, ·) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.4 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.5 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.1.6 Matrices écrites par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.1.7 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

6 Systèmes d’équations linéaires 45

6.1 Différentes interprétations d’un système d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . . 45
6.1.1 Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.1.2 Interprétation matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.1.3 Interprétation en termes de combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.1.4 Interprétation en termes d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2 Méthode d’élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2.1 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.2.2 Principe et mise en œuvre de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.2.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.2.4 Autres applications de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

II Analyse 55
7 Nombres réels 57
7.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
7.2 Majorant, minorant, bornes supérieure et inférieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.3 Propriétés des nombres réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.3.1 Théorème d’Archimède . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.3.2 Partie entière d’un réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.3.3 Valeur absolue d’un réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.3.4 Densité de Q dans R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.4 Intervalles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.5 Droite numérique achevée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

ii
8 Suites numériques 61
8.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.1.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.1.2 Opérations sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8.1.3 Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8.1.4 Suites de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8.1.5 Suites réelles monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2 Convergence d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.2.2 Suites réelles tendant vers l’infini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
8.2.3 Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
8.2.4 Propriétés d’une suite réelle convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
8.2.5 Propriétés d’ordre des suites réelles convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.2.6 Propriétés algébriques des suites convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
8.3 Existence de limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
8.4 Quelques suites particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.4.1 Suite arithmétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.4.2 Suite géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.4.3 Suite arithmético-géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8.4.4 Suite définie par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

9 Fonctions d’une variable réelle 75

9.1 Généralités sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
9.1.1 Opérations sur les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
9.1.2 Relation d’ordre pour les fonctions réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
9.1.3 Propriétés globales des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
9.2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
9.2.1 Notion de limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
9.2.2 Ordre et limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.2.3 Opérations algébriques sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.2.4 Cas des fonctions monotones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.2.5 Applications équivalentes au voisinage d’un point . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
9.3 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
9.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
9.3.2 Opérations algébriques sur les applications continues . . . . . . . . . . . . . . . . . . . . . . . 86
9.3.3 Fonctions continues sur un intervalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9.3.4 Continuité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
9.3.5 Applications lipschitziennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
9.4 Fonctions hyperboliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

10 Dérivabilité 91
10.1 Dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.1.1 Dérivabilité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.1.2 Propriétés algébriques des fonctions dérivables en un point . . . . . . . . . . . . . . . . . . . . . 92
10.1.3 Application dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.1.4 Dérivées successives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.2 Propriétés des fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.2.1 Extrema locaux d’une fonction réelle dérivable . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.2.2 Théorème de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.2.3 Théorème des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.2.4 Sens de variation d’une fonction dérivable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.3 Formule de Taylor–Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

iii
iv
Chapitre 1

Éléments de logique

Nous rappelons ou introduisons dans ce chapitre préliminaire quelques éléments de logique et de vocabulaire
mathématique indispensables à la compréhension des démonstrations des chapitres suivants.

1.1 Assertions
Dans le cadre d’une théorie mathématique donnée, une assertion est une phrase mathématique à laquelle on
peut attribuer une, et une seule, valeur booléenne, à savoir vrai (V en abrégé) ou faux (F en abrégé). Certaines
assertions sont déclarées vraies a priori : ce sont les axiomes ; sinon, la véracité d’une assertion doit résulter d’une
démonstration.
Les assertions démontrées sont appelées théorèmes ou propositions suivant leur importance. Un lemme est un
résultat préalable utile à une démonstration plus conséquente, tandis qu’un corollaire est une assertion vraie qui
découle d’un résultat précédent.

1.1.1 Opérations sur les assertions

À une assertion, on peut associer sa négation, à deux assertions, leur disjonction ou leur conjonction. Les valeurs
booléennes des ces assertions associées dépendent des valeurs des assertions de départ et sont données par les
définitions suivantes.

Définition 1.1 La négation d’une assertion (P) se note (non P). L’assertion (non P) est vraie si et seulement si (P)
est fausse.

Définition 1.2 Étant données deux assertions (P) et (Q), on appelle disjonction de ces deux assertions l’assertion
(P ou Q) qui est vraie si et seulement si l’une au moins des assertions est vraie.

Définition 1.3 Étant données deux assertions (P) et (Q), on appelle conjonction de ces deux assertions l’assertion
(P et Q) qui est vraie si et seulement si les deux assertions sont simultanément vraies.

À ces trois opérations ou connecteurs, on ajoute les opérations d’implication et d’équivalence.

Définition 1.4 Étant données deux assertions (P) et (Q), on définit l’assertion « (P) implique (Q) », appelée implica-
tion et notée (P ⇒ Q), de la manière suivante : l’assertion (P ⇒ Q) est vraie quand (P) est fausse ou lorsque (P) et
(Q) sont vraies.

On dit encore que « (P) est une condition suffisante pour (Q) » et que « (Q) est une condition nécessaire pour (P) ».
L’assertion (P) est appelée l’hypothèse et (Q) la conséquence.

Définition 1.5 Étant données deux assertions (P) et (Q), on définit l’assertion « (P) équivaut à (Q) », appelée
équivalence et notée (P ⇔ Q), de la manière suivante : l’assertion (P ⇔ Q) est vraie si (P) et (Q) sont toutes les
deux vraies ou fausses.

On dit encore que « (P) et (Q) sont équivalentes » ou que « (P) est une condition nécessaire et suffisante pour (Q) ».

1
 CHAPITRE 1. ÉLÉMENTS DE LOGIQUE

1.1.2 Tableaux de vérité

La définition des assertions précédentes est résumée dans les tableaux de vérité ci-dessous.
(P) (Q) (P ou Q) (P) (Q) (P et Q)
(P) (non P) V V V V V V
V F V F V V F F
F V F V V F V F
F F F F F F

(P) (Q) (P ⇒ Q) (P) (Q) (P ⇔ Q)

V V V V V V
V F F V F F
F V V F V F
F F V F F V

Les opérations que nous venons d’introduire peuvent être répétées pour former des assertions dépendant
d’assertions initiales (P1 ), (P2 ), (P3 ), etc... Deux assertions ainsi construites sont dites synonymes si elles ont le
même tableau de vérité.

Exemple. Montrons que lorsque l’on a simultanément (P ⇒ Q) et (Q ⇒ P), on a (P ⇔ Q). On établit pour cela
le tableau de vérité suivant
(P) (Q) (P ⇒ Q) (Q ⇒ P) ((P ⇒ Q) et (Q ⇒ P)) (P ⇔ Q)
V V V V V V
V F F V F F
F V V F F F
F F V V V V

Quelques synonymies classiques. Soient (P), (Q) et (R) trois propositions. On a alors
— (non (P ou Q)) est équivalente à (non P et non Q),
— (non (P et Q)) est équivalente à (non P ou non Q),
— (P ⇒ Q) est équivalente à (non Q ⇒ non P),
— (P ou (Q et R)) est équivalente à ((P ou Q) et (P ou R)),
— (P et (Q ou R)) est équivalente à ((P et Q) ou (P et R)).
La preuve des ces affirmations est laissée en exercice au lecteur (il suffit d’écrire les tableaux de vérité).

1.2 Quantificateurs
Les quantificateurs sont des symboles utilisés pour écrire des énoncés. Une phrase quantifiée est une assertion
mathématique contenant un ou des quantificateurs.
Le symbole ∃ désigne le quantificateur existentiel. Ainsi, ∃x se lit « il existe au moins un élément x » et ∃!x signifie
« il existe un et un seul élément x ».
Le symbole ∀ désigne le quantificateur universel et ∀x signifie « pour tout élément x ».
La lettre affectée par un quantificateur est muette et peut être remplacée par n’importe quelle autre lettre n’ayant
pas déjà une signification dans l’énoncé.

Exemple. La notation x ∈ E signifie « x appartient à E ». Soit par ailleurs P(x) une assertion dépendant de x.
Alors
(∀x ∈ E, P(x)) ⇔ (∀ y ∈ E, P( y)),
(∃x ∈ E, P(x)) ⇔ (∃ y ∈ E, P( y)).
La négation d’une phrase quantifiée se définit comme suit :

(non (∀x ∈ E, P(x))) ⇔ (∃x ∈ E, non P(x)),

(non (∃x ∈ E, P(x))) ⇔ (∀x ∈ E, non P(x)).

2
 1.3. LA DÉMONSTRATION EN MATHÉMATIQUES

1.3 La démonstration en mathématiques

Dans le cadre d’une théorie mathématique, une démonstration consiste, en général, à établir une proposition
de la forme (H ⇒ C) avec (H) vraie (sinon, il n’y a rien à faire), ou bien à montrer qu’une assertion (C) est vraie.
On dispose pour cela non seulement de (H) mais aussi de toutes les propositions de la théorie concernée déjà
établies. On met alors en évidence une suite d’assertions (P0 ), (P1 ),. . . , (Pn ), où (P0 ) est (H) et (Pn ) est (C), telles
que la vérité de chaque (Pi ), i = 1, . . . , n, puisse être déduite des précédentes par l’intermédiaire des propositions
établies et des règles de logique.
Il existe plusieurs types de démonstration : la démonstration directe, la démonstration par l’absurde, la démons-
tration par contraposé et la démonstration par récurrence.

1.3.1 Démonstration directe

La démonstration directe de (H ⇒ C) consiste à établir successivement des assertions intermédiaires pour
arriver à (C) en partant de (H).

Exemple de démonstration directe. Démontrons directement que, pour tout entier naturel n, on a n est impair
ou n2 est pair.
Notons (P) l’assertion « l’entier n est impair » et (Q) l’assertion « l’entier n2 est pair ». Dans ce cas, (H) est « n est un
entier naturel » et (C) est (P ou Q). Nous avons à établir que (P ou Q) est vraie. Supposons que l’assertion « n est
impair » soit fausse. Alors n est pair, il existe un entier p tel que n = 2p. Il s’ensuit que n2 = 4p2 , et donc n2 est pair.

1.3.2 Démonstration par l’absurde

La démonstration par l’absurde qu’une assertion (P) est vraie consiste à supposer que (P) est fausse et à
montrer que (non P ⇒ Q) est vraie, avec (Q) une assertion dont on sait qu’elle est fausse d’où une contradiction. Il
en résulte que (P) est vraie car (non P ⇒ Q) est équivalente à (non Q ⇒ P) (on pourra vérifier cette affirmation
en exercice).

p
Exemple de démonstration p par l’absurde. Démontrons que le réel 2 est p irrationnel.
Ici, l’assertion (P) est « 2 est irrationnel ». La négation de (P) est donc « 2 est rationnel p ». Nous la supposons
p
vraie et il existe alors deux entiers naturels p et q (avec q 6= 0) premiers entre eux 1 tels que 2 = q . De 2q2 = p2 ,
nous déduisons que p2 est pair et donc que p est pair (voir l’exemple suivant). Écrivant ensuite p = 2k avec k
entier, il s’ensuit que q2 = 2k2 , montrant ainsi que q2 , et donc q, est pair. Les nombres p et q ont 2 comme diviseur
commun, ce qui est contradictoire avec le fait que p et q sont premiers entre eux.

1.3.3 Démonstration par contraposée

La démonstration par contraposée s’appuie sur la règle logique :

(P ⇒ Q) est équivalente à (non Q ⇒ non P).

Exemple de démonstration par contraposée. Soit n un entier naturel. Démontrons que si n2 est pair alors n
l’est aussi.
Ici, (P) est l’assertion « n2 est pair » et (Q) est l’assertion « n est pair ». La négation de (Q) est alors « n est impair ».
Supposons (non Q) vraie. Dans ce cas, n = 2k + 1, k étant un entier, et donc n2 = 4k2 + 4k + 1 est impair.

1.3.4 Démonstration par récurrence

La démonstration par récurrence s’utilise pour prouver des propositions dont l’énoncé dépend d’un entier
naturel n. Elle s’appuie sur une propriété (admise) particulière de l’ensemble des entiers naturels N.

1. C’est-à-dire sans diviseur commun autre que 1.

3
 CHAPITRE 1. ÉLÉMENTS DE LOGIQUE

Théorème 1.6 Toute partie de A de N, contenant l’entier p et telle que, pour tout n appartenant à A, n + 1 appartient
à A, contient l’ensemble des entiers plus grands ou égaux à p.

Corollaire 1.7 Soient (P(n)) une proposition dépendant de l’entier n et p un entier naturel. Si on a
i) (P(p)) est vraie,
ii) Pour tout entier naturel n ≥ p, (P(n) ⇒ P(n + 1)),
alors (P(n)) est vraie pour tout entier naturel n ≥ p.

DÉMONSTRATION. On pose A l’ensemble des entiers naturels n pour lesquels la proposition (P(n)) est vraie et on applique le
théorème 1.6. On en déduit que A contient l’ensemble des entiers plus grands ou égaux à p. ƒ

Exemple de démonstration par récurrence. Démontrons par récurrence que, pour tout entier naturel n, l’entier
n3 − n est divisible par 3.
Posons tout d’abord (P(n)) l’assertion « n3 − n est divisible par 3 ». Nous vérifions ensuite que
i) 0 = 0 × 3 donc 03 + 0 = 0 est divisible par 3 et (P(0)) est vraie.
ii) Soit n un entier naturel tel que (P(n)) est vraie (on dit que c’est l’hypothèse de récurrence). Alors il existe un
entier k tel que n3 − n = 3k et

(n + 1)3 − (n + 1) = n3 + 3n2 + 3n + 1 − n − 1 = n3 − n + 3(n2 + n) = 3k + 3(n2 + n).

Donc (n + 1)3 − (n + 1) est divisible par 3. On conclut que si (P(n)) est vraie, alors (P(n + 1)) est vraie.
La démonstration est alors terminée.

1.3.5 Le contre-exemple
Pour infirmer une assertion, on peut utiliser un exemple ou un cas particulier qui la contredit, qu’on appelle
alors un contre-exemple.

4
Première partie

Algèbre

5
Chapitre 2

Ensembles et relations

Le cadre dans lequel nous allons travailler est celui de la théorie des ensembles. L’objectif de ce chapitre est
d’en présenter une théorie « naïve » : langage des ensembles, opérations sur les ensembles, etc...

2.1 Ensembles
En mathématiques, on étudie des objets de différents types : des points, des nombres ou encore des vecteurs
par exemple. Ces objets ou éléments forment ou constituent, en vertu de certaines propriétés, des collections ou
ensembles. Parmi les ensembles déjà rencontrés par l’étudiant, citons notamment
— N l’ensemble des entiers naturels,
— Z l’ensemble des entiers relatifs,
— Q l’ensemble des nombres rationnels,
— R l’ensemble des nombres réels,
— C l’ensemble des nombres complexes,
— F (N, R) l’ensemble des suites réelles ou des fonctions réelles définies sur N,
— si a et b sont deux réels, [a, b[ est l’ensemble des réels x qui vérifient a ≤ x < b.
On notera, en général, un élément par une lettre minuscule (l’élément x) et un ensemble par une lettre majuscule
(l’ensemble E).
Un ensemble peut être fini ou infini. S’il est fini, il peut être donné en extension, c’est-à-dire par la liste (non
ordonnée) de ses éléments, a priori supposés distincts. S’il est infini (ou même fini), l’ensemble peut être donné en
compréhension, c’est-à-dire par une ou des propriétés définissant ses éléments. Nous reviendrons brièvement sur
les notions d’ensembles finis et infinis dans la section 2.4.
Un ensemble formé d’un et un seul élément est appelé un singleton.

Définition 2.1 On dit que l’ensemble E est égal à l’ensemble F (et l’on note E = F ) si tout élément de E est un
élément de F et si tout élément de F est un élément de E. Lorsque les ensembles E et F ne sont pas égaux, ils sont dits
distincts et l’on note E 6= F .

2.1.1 Appartenance
La relation d’appartenance se note x ∈ E et s’énonce « x appartient à l’ensemble E », ou encore « x est un élément
de E ». La négation de cette relation est une autre relation, qui se note x ∈ / E et s’énonce « x n’appartient pas à
l’ensemble E », ou encore « x n’est pas un élément de E ».

Exemples. Le nombre 1 est un entier naturel, ce qui se représente par 1 ∈ N. De même, le nombre π est un
nombre réel, d’où π ∈ R, mais il n’est pas un nombre rationnel, d’où π ∈
/ Q.

2.1.2 Inclusion
On définit la relation d’inclusion de la manière suivante.

7
 CHAPITRE 2. ENSEMBLES ET RELATIONS

Définition 2.2 On dit qu’un ensemble E est inclus dans un ensemble F , ce que l’on note E ⊂ F , si et seulement si tout
élément de E appartient à F :
E ⊂ F ⇔ (∀x ∈ E, x ∈ F ).

Cette relation est synonyme de F ⊃ E, qui se lit « F contient E ». Par ailleurs, on note E 6⊂ F la négation de E ⊂ F :

E 6⊂ F ⇔ (∃x ∈ E, x ∈
/ F ).

Lorsque E ⊂ F et qu’il existe au moins un élément de F qui n’appartient pas à E, on dit que E est un sous-ensemble
propre de F , ce qui est noté E F .

Exemple. L’ensemble constitué de l’entier 1, ou ayant pour unique élément l’entier 1, est le singleton noté {1} et
l’on a {1} ⊂ N.
Les propriétés suivantes sont immédiates. Soient E, F et G trois ensembles, on a
— E ⊂ E.
— (E ⊂ F et F ⊂ G) ⇒ E ⊂ G (transitivité de l’inclusion).

Proposition 2.3 Étant donnés deux ensembles E et F , on a E = F si et seulement si l’on a simultanément E ⊂ F et

F ⊂ E.

2.1.3 Partie d’un ensemble. Ensemble des parties

Définition 2.4 Soit E un ensemble. On appelle partie de E (ou sous-ensemble de E) tout ensemble A vérifiant A ⊂ E.

Exemple. Dans l’ensemble N des entiers naturels, la propriété de divisibilité par 2 définit une partie A de N :
l’ensemble des nombres pairs. Un entier naturel n appartient à A s’il existe un entier naturel p tel que n = 2p. On
note alors
A = {n ∈ N | ∃p ∈ N, n = 2p} .

La partie de E n’ayant aucun élément se nomme l’ensemble vide de E et se note ∅. Si E est un ensemble
alors ∅ ⊂ E. En effet, sinon, en raisonnant par l’absurde, il existerait au moins un élément appartenant à ∅ qui
n’appartiendrait pas à E. Or, ceci est impossible, puisque l’ensemble vide n’a pas d’élément. Donc, ∅ ⊂ E est une
assertion vraie.
Enfin, toutes les parties de E constituent un nouvel ensemble, noté P (E), que l’on nomme ensemble des parties
de E. Pour tout ensemble E, E et ∅ appartiennent à P (E).

Remarques. On a
1) A ∈ P (E) ⇔ A ⊂ E.
2) {x} ∈ P (E) ⇔ x ∈ E.

Exemple. Si E = {0, 1, 2}, on a

P (E) = {∅, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}, {0, 1, 2}} .

Définition 2.5 Soient E un ensemble et P une partie de P (E). On dit que P est une partition de E si et seulement
si
(i) ∀A ∈ P , A 6= ∅,
(ii) ∀A ∈ P , ∀B ∈ P , (A 6= B ⇔ A ∩ B = ∅),
(iii) ∀x ∈ E, ∃A ∈ P , x ∈ A.

Exemple. Pour tout ensemble non vide E, {E} et {{x} | x ∈ E} sont des partitions de E.

8
 2.1. ENSEMBLES

2.1.4 Opérations sur les ensembles

Considérons un ensemble E. Nous allons tout d’abord définir deux lois de composition internes dans P (E).

Intersection

Définition 2.6 Soient A et B deux parties de E. On appelle intersection des ensembles A et B l’ensemble des éléments
qui appartiennent à la fois à A et à B. Celui-ci est noté A ∩ B. Lorsque A ∩ B = ∅ (c’est-à-dire lorsque A et B n’ont
aucun élément commun), on dit que A et B sont disjoints.

Réunion

Définition 2.7 Soient A et B deux parties de E. On appelle réunion des ensembles A et B l’ensemble des éléments
qui appartiennent à A ou à B. Cet ensemble est noté A ∪ B.

Soient A, B et C trois sous-ensembles de E. L’intersection et la réunion sont des lois sont commutatives :

A ∩ B = B ∩ A et A ∪ B = B ∪ A,

et associatives :
A ∪ (B ∪ C) = (A ∪ B) ∪ C,
A ∩ (B ∩ C) = (A ∩ B) ∩ C.
Elles sont également distributives l’une pour l’autre :

A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C),
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).

La preuve de ces propriétés est basée sur les synonymies introduites dans la sous-section 1.1.2 du chapitre 1. Si l’on
définit la proposition (P(x)) (resp. (Q(x)), resp. (R(x))) comme étant vraie si et seulement si x ∈ A (resp. x ∈ B,
resp. x ∈ C), la proposition x ∈ B∩C est alors équivalente à (P(x) et Q(x)) et x ∈ B∪C à (P(x) ou Q(x)). Ainsi, x ∈
A ∪ (B ∩ C) est équivalente à (P(x) ou (Q(x) et R(x))), ce qui est équivalent à ((P(x) ou Q(x)) et (P(x) ou R(x))),
ou encore à x ∈ (A ∪ B) ∩ (A ∪ C). On procède de manière identique pour montrer les autres assertions de ce
chapitre.
Nous introduisons à présent la notion de complémentaire d’un sous-ensemble.

Complémentaire

Définition 2.8 Soit A un sous-ensemble de E. On appelle complémentaire de A dans E, et l’on note C E (A), l’ensemble
des éléments de E qui n’appartiennent pas à A.

Différence

Définition 2.9 Soient A et B deux parties d’un ensemble E. On appelle différence de A et de B, et on note A\B,
l’ensemble des éléments de E appartenant à A mais pas à B.

Toutes ces opérations sont résumées sur la figure suivante sous la forme de diagrammes de Venn 1 .

Remarques. Les démonstrations des propriétés suivantes sont laissées en exercice au lecteur. Soient A et B deux
parties d’un ensemble E. On a
• A ∩ ∅ = ∅,
A ∩ A = A,
A ∩ E = A (on dit que E est neutre pour ∩),
A ∩ B = B ⇔ A ⊂ B.
1. John Venn (4 août 1834 - 4 avril 1923) était un mathématicien et logicien anglais. Il est célèbre pour avoir conçu les diagrammes portant
son nom, qui sont notamment employés en théorie des ensembles, en probabilité, en logique, en statistique et en informatique.

9
 CHAPITRE 2. ENSEMBLES ET RELATIONS

A A
B

E E

A A
B B

E E

FIGURE 2.1 – Diagrammes de Venn représentant (en bleu) respectivement les ensembles C E (A), A ∪ B, A ∩ B et A\B,
où A et B sont des sous-ensembles d’un ensemble E.

• A ∪ ∅ = A (on dit que ∅ est neutre pour ∪),

A ∪ A = A,
A ∪ E = E,
A ∪ B = B ⇔ A ⊂ B.
• A ∩ (A ∪ B) = A ∪ (A ∩ B) = A.
• C E (∅) = E, C E (E) = ∅,
C E (C E (A)) = A,
A ∩ C E (A) = ∅,
A ∪ C E (A) = E.
On déduit de ces deux dernières égalités que {A, C E (A)} est une partition de E.
• C E (A ∩ B) = C E (A) ∪ C E (B),
C E (A ∪ B) = C E (A) ∩ C E (B) (lois de De Morgan 2 ).
• E\A = C E (A),
A\B = ∅ ⇔ A ⊂ B,
A\B = A ∩ C E (B) = A\(A ∩ B).

2.1.5 Produit d’ensembles

Étant donnés deux ensembles E et F , on peut associer à tous éléments x ∈ E et y ∈ F le nouvel objet (x, y)
appelé couple ordonné. Ce couple est un élément d’un nouvel ensemble, que l’on nomme ensemble produit de E par
F.
Définition 2.10 Soient E et F deux ensembles. On appelle ensemble produit de E par F (ou produit cartésien de
E et de F ), et l’on note E × F , l’ensemble des couples (x, y), tels que x ∈ E et y ∈ F :
E × F = {(x, y) | x ∈ E et y ∈ F }.
L’égalité entre couples est définie par l’équivalence logique suivante :
(a, b) = (c, d) ⇔ (a = c et b = d).
Remarque. Lorsque E = F , E × F = E 2 . Par extension, étant donnés un entier n ≥ 1 et des ensembles E1 ,. . . , En ,
Qnde tous les n-uplets (x 1 , . . . , x n ) tels que x 1 ∈ E1 ,. . . , x n ∈ En . Cet
on appelle produit de E1 ,. . . , En l’ensemble
ensemble est noté E1 × · · · × En ou encore i=1 Ei . Lorsque E1 = · · · = En = E, l’ensemble produit est noté E n .
2. Augustus De Morgan (27 juin 1806 - 18 mars 1871) était un mathématicien britannique. Il est considéré comme l’un des fondateurs de
la logique moderne.

10
 2.2. RELATIONS

2.2 Relations
2.2.1 Généralités
Définition 2.11 Soient E et F deux ensembles. Une relation (ou correspondance) R de E vers F est définie par
tout triplet (E, R, F ) où R est une partie de E × F .
Considérons un couple (x, y) de E × F vérifiant (x, y) ∈ R. On dit que l’élément x de E est en relation par R avec
l’élément y de F , ce que l’on note xR y. L’ensemble E s’appelle l’ensemble de départ de R, F l’ensemble d’arrivée de
R et R est le graphe de R. Enfin, on appelle ensemble de définition de R la partie A de E définie comme suit :
A = {x ∈ E | ∃ y ∈ F, xR y} ,
et ensemble image de R la partie B de F définie par :
B = { y ∈ F | ∃x ∈ E, xR y} .
Définition 2.12 Soient E, F , G trois ensembles, R, (resp. S ) une relation de E vers F (resp. F vers G). On définit la
relation composée de R et S , notée S ◦ R, de E vers G par :
∀(x, z) ∈ E × G, (xS ◦ Rz ⇔ (∃ y ∈ F, xR y et yS z)).

Exemple. Soient E = F = G l’ensemble des droites d’un plan affine euclidien et R = S =⊥, la relation
d’orthogonalité. Alors S ◦ R =k, la relation de parallélisme, car, pour toutes droites D et D00 du plan E, on a :
(D k D00 ) ⇔ (∃D0 ∈ E, D ⊥ D0 et D0 ⊥ D00 )
On peut donc écrire ici : ⊥ ◦ ⊥=k.
Proposition 2.13 Soient E, F , G, H des ensembles et R (resp. S , resp. T ) une relation de E vers F (resp. F vers G,
resp. G vers H). On a alors :
(T ◦ S ) ◦ R = T ◦ (S ◦ R).
DÉMONSTRATION. On remarque tout d’abord que les relations (T ◦ S ) ◦ R et T ◦ (S ◦ R) ont le même ensemble de départ
(E) et d’arrivée (H). Soit (x, t) ∈ E × H. On a :
x(T ◦ S ) ◦ R t ⇔ (∃ y ∈ F, (xR y et yT ◦ S t))
⇔ (∃ y ∈ F, ∃z ∈ G, (xR y et yS z et zT t))
⇔ (∃z ∈ G, (xS ◦ Rz et zT t))
⇔ xT ◦ (S ◦ R)t.
ƒ

Définition 2.14 Soient E, F deux ensembles et R une relation de E vers F . On définit la relation réciproque de R,
notée R −1 , de F vers E par :
∀(x, y) ∈ E × F, ( yR −1 x ⇔ xR y).
Proposition 2.15 1) Pour toute relation R, on a : (R −1 )−1 = R.
2) Soient E, F , G trois ensembles et R (resp. S ) une relation de E vers F (resp. F vers G). On a :
(S ◦ R)−1 = R −1 ◦ S −1 .
DÉMONSTRATION.
1) C’est immédiat.
2) ∀(x, z) ∈ E × G, on a :
z(S ◦ R)−1 x ⇔ x(S ◦ R)z
⇔ (∃ y ∈ F, (xR y et yS z))
⇔ (∃ y ∈ F, (zS −1 y et yR −1 x))
⇔ zR −1 ◦ S −1 x.

Définition 2.16 Soit E un ensemble. Une correspondance de E vers E est appelée une relation binaire dans E.

11
 CHAPITRE 2. ENSEMBLES ET RELATIONS

Exemples.
— Soit n un entier naturel. et R = {(p, q) ∈ Z2 | ∃k ∈ Z, p − q = kn}. La relation ainsi définie est appelée
congruence modulo n. Au lieu d’écrire (p, q) ∈ R ou encore pRq, on note p ≡ q (mod n).
— La relation d’égalité a = b sur un ensemble E est une relation binaire dont le graphe est la diagonale de
E 2 , c’est-à-dire l’ensemble des (x, x) quand x parcourt E. Les ensembles de définition et image de cette
relation coïncident avec E.
— Soient E un ensemble, A et B deux parties de E. La relation d’inclusion A ⊂ B est une relation binaire dans
P (E). Les ensembles de définition et image de cette relation coïncident avec P (E) tout entier.

Définition 2.17 Une relation binaire R dans un ensemble E est dite :

• réflexive si et seulement si : ∀x ∈ E, xR x,
• symétrique si et seulement si : ∀(x, y) ∈ E 2 , (xR y ⇒ yR x),
• antisymétrique si et seulement si : ∀(x, y) ∈ E 2 , ((xR y et yR x) ⇒ x = y),
• transitive si et seulement si : ∀(x, y, z) ∈ E 3 , ((xR y et yRz) ⇒ xRz).

Exemples.
— La relation d’égalité dans un ensemble quelconque est réflexive, symétrique et transitive.
— L’inclusion dans P (E) est réflexive, non symétrique, antisymétrique et transitive.
— Dans l’ensemble des droites du plan affine euclidien, la relation ⊥ d’orthogonalité est symétrique, mais
n’est ni réflexive, ni antisymétrique, ni transitive. Une droite n’est en effet pas perpendiculaire à elle-même
et, d’autre part, D ⊥ D0 et D0 ⊥ D00 entraînent D k D00 (D parallèle à D00 ) et non D ⊥ D00 .

Définition 2.18 Soient E un ensemble, R une relation binaire sur E et A une partie de E. La relation binaire dans A,
notée RA, définie par :
∀(x, y) ∈ A2 , (xRA y ⇔ xR y),
est appelée relation induite par R sur A.

2.2.2 Relations d’équivalence

Définition 2.19 Soit R une relation binaire dans un ensemble E. On dit que R est une relation d’équivalence si et
seulement si R est réflexive, symétrique et transitive.

Étant donnée une relation d’équivalence, on identifie les éléments qui sont en relation en introduisant les classes
d’équivalence.

Définition 2.20 Soit R une relation d’équivalence dans un ensemble E. Pour chaque x de E, on appelle classe
d’équivalence de x (modulo R) le sous-ensemble de E défini par :

C (x) = { y ∈ E | xR y}.

Tout élément de C (x) est appelé un représentant de la classe C (x). L’ensemble des classes d’équivalence modulo R
se nomme ensemble quotient de E par R et se note E/R.

Exemples.
— Comme on l’a déjà vu, la relation d’égalité dans un ensemble E quelconque est une relation d’équivalence,
d’ensemble quotient {{x} | x ∈ E}.
— Lorsque la relation d’équivalence est la congruence modulo n, avec n un entier positif, dans Z, l’ensemble
quotient est noté Z/nZ et on a :

Z/nZ = {C (0), C (1), . . . , C (n − 1)},

avec C (i) = {i + nk | k ∈ Z}, 0 ≤ i ≤ n − 1.

— Dans l’ensemble des droites d’un plan affine, la relation de parallélisme k est une relation d’équivalence.
Pour toute droite D, la classe de D modulo k est appelée la direction D.

12
 2.2. RELATIONS

Théorème 2.21 À toute relation R d’équivalence dans un ensemble E correspond une partition de E en classes
d’équivalence et réciproquement, toute partition de E définit sur E une relation d’équivalence R, dont les classes
coïncident avec les éléments de la partition donnée.

DÉMONSTRATION. Soit R une relation d’équivalence dans E. Pour tout élément x de E, C (x) est non vide car x appartient à
C (x). Soit (x, y) ∈ E 2 tel que C (x) ∩ C ( y) 6= ∅. Il existe donc z ∈ C (x) ∩ C ( y). On a alors xRz et yRz, d’où (par symétrie
et transitivité de la relation) xR y. On en déduit que C (x) ⊂ C ( y). Soit en effet t de C (x), on a xR t et xR y, d’où yR t,
soit encore t ∈ C ( y). Puis, x et y jouant des rôles symétriques, on a C (x) = C ( y). Comme, pour chaque élément x de E, x
appartient à C (x), la réunion des éléments de E/R est E.
Réciproquement, soit P une partition de E et R la relation définie dans E par :

∀(x, y) ∈ E 2 , (xR y ⇔ (∃P ∈ P , (x ∈ P et y ∈ P))).

Par définition, il existe, pour chaque x de E, un élément P de P auquel x appartient, on a : ∀x ∈ E, xR x, et donc R est
réflexive.
Pour tout (x, y) de E 2 , on a :

xR y ⇔ (∃P ∈ P , (x ∈ P et y ∈ P)) ⇔ (∃P ∈ P , ( y ∈ P et x ∈ P)) ⇔ yR x,

et donc R est symétrique.

Soit (x, y, z) ∈ E 3 tel que xR y et yRz. Il existe P et Q ∈ P tels que :

((x ∈ P et y ∈ P) et ( y ∈ Q et z ∈ Q)) .

Comme P ∩ Q 6= ∅ et que P est une partition, on a P = Q, donc (x ∈ P et z ∈ P) d’où xRz. Ainsi, R est transitive.
Enfin, soit x un élément de E. Il existe P de P tel que x appartient à P et l’on a alors C (x) = P. En effet, pour tout y de P,
(x ∈ P et y ∈ P) donc xR y.
Pour tout élément y de C (x), il existe Q appartenant à P tel que (x ∈ Q et y ∈ Q) et Q = P (pour les mêmes raisons que
précédemment) et donc y ∈ P. Ceci prouve que E/R ⊂ P .
Réciproquement, soit P ∈ P . Il existe x appartenant à P et l’on a alors C (x) = P . Ceci montre que P ⊂ E/R. ƒ

2.2.3 Relations d’ordre

Généralités

Définition 2.22 Soit R une relation binaire dans un ensemble E. On dit que R est une relation d’ordre si et
seulement si R est réflexive, antisymétrique et transitive.

Une relation d’ordre est souvent notée ≤ ou encore . Le couple (E, ≤), où E est un ensemble et ≤ une relation
d’ordre, est appelé ensemble ordonné. La relation x ≤ y et x 6= y est notée x < y.

Définition 2.23 Soit (E, ≤) un ensemble ordonné. La relation ≤ est dite relation d’ordre total si deux éléments
quelconques de E sont comparables :

∀(x, y) ∈ E 2 , (x ≤ y ou y ≤ x).

Dans le cas contraire, l’ordre est dit partiel.

Exemples.
— La relation ≤ usuelle sur R est une relation d’ordre total.
— Si E est un ensemble ayant au moins deux éléments, l’inclusion dans P (E) est une relation d’ordre partiel.
Soient E un ensemble, ≤ une relation d’ordre sur E et A une partie de E. La relation induite par ≤ dans A est une
relation d’ordre appelée relation d’ordre induite par ≤ sur A.

13
 CHAPITRE 2. ENSEMBLES ET RELATIONS

Éléments remarquables d’un ensemble ordonné

Définition 2.24 Soient (E, ≤) un ensemble ordonné et A une partie de E.
1) Un élément x de E est appelé un majorant (resp. minorant) de A dans E si et seulement si :

∀a ∈ A, a ≤ x (resp. ∀a ∈ A, x ≤ a).

2) On dit que A est majorée (resp. minorée) dans E si et seulement si A admet au moins un majorant (resp. minorant)
dans E, c’est-à-dire :
∃x ∈ E, ∀a ∈ A, a ≤ x (resp. ∃x ∈ E, ∀a ∈ A, x ≤ a).
3) Un élément x de E est appelé un plus grand (resp. plus petit) élément de A si et seulement s’il appartient à A et
s’il majore (resp. minore) A, c’est-à-dire :

(x ∈ A et (∀a ∈ A, a ≤ x)) (resp. (x ∈ A et (∀a ∈ A, x ≤ a))).

4) Soit x appartenant à A. On dit que x est un élément maximal (resp. minimal) de A si et seulement si :

∀a ∈ A, (x ≤ a ⇒ x = a) (resp. ∀a ∈ A, (a ≤ x ⇒ x = a)).

Exemples.
— Dans (R, ≤), R+ n’a pas d’élément maximal.
— Dans (R, ≤), [0, 1] admet un élément maximal et un seul, qui est 1. C’est aussi le plus grand élément de
[0, 1].

Définition 2.25 Soient (E, ≤) un ensemble ordonné et A une partie de E. On dit qu’un élément M de E est la borne
supérieure de A dans E, notée sup A, si l’ensemble des majorants de A dans E admet M comme plus petit élément. Un
élément m de E sera appelé la borne inférieure de A dans E, notée inf A, si l’ensemble des minorants de A dans E
admet m comme plus grand élément.

Exemples.
— Dans R muni de l’ordre usuel, N ne possède pas de borne supérieure, [0, 1[ possède une borne supérieure
égale à 1 et une borne inférieure égale à 0.
— Dans Q muni de l’ordre usuel, on considère A = {x ∈ Q+ | x 2 < 2}. L’ensemble des majorantspde A dans
Q est {x ∈ Q+ x 2 ≥ 2} = {x ∈ Q+ x 2 > 2}, qui n’a pas de plus petit élément (cela revient à 2 ∈/ Q) ; A
n’admet donc pas de borne supérieure dans Q.

2.3 Applications
Nous allons à présent étudier des relations particulières nommées applications.

2.3.1 Définitions
Définitions 2.26 Soient deux ensembles E et F . On appelle fonction de E dans F une relation qui à x de E associe
au plus un élément y de F . L’ensemble des éléments de E auxquels f associe exactement un élément dans F est appelé
l’ensemble (ou domaine) de définition de f .

On dit que y est l’image de x par f , ce que l’on note f (x), tandis que x est un antécédent de y par f . On dit aussi
que E (resp. F ) est l’ensemble de départ (resp. l’ensemble d’arrivée) de f . Le graphe de la fonction est l’ensemble des
couples (x, f (x)) lorsque x parcourt E.
Notons que tout élément de F n’est pas nécessairement l’image d’un élément de E.

Définitions 2.27 Une fonction de E dans F est une application si et seulement si son domaine de définition est égal
à E.

Une application de E dans F est souvent notée f : E → F . La définition de l’égalité de deux ensembles implique
que deux applications f , g : E → F sont égales si, pour chaque x ∈ E, on a f (x) = g(x).

14
 2.3. APPLICATIONS

Exemples d’applications.
• Soient E, F deux ensembles et a ∈ F . Si tout élément x de E a pour image f (x) = a, l’application est dite
constante et égale à a.
• Soit E un ensemble. L’application qui à chaque élément x de E associe lui-même est appelée application
identique ou identité de E. On la note I E .
• Soient E un ensemble et A une partie de E. On appelle fonction caractéristique de A dans E ou fonction
indicatrice de A dans E la fonction de E dans {0, 1} telle que f (x) = 1 si x ∈ A et f (x) = 0 si x ∈ C E (A).
• La fonction qui à chaque nombre réel x associe 0 est appelée fonction nulle et on la note 0.
• Soient n un entier positif, a0 , a1 ,. . . , an des réels, la fonction p : R → R qui à chaque réel x, associe :
p(x) = a0 + a1 x + · · · + an x n
est appelée une fonction polynôme.
• Soient p et q deux fonctions polynômes avec q 6= 0. Dans ce cas, l’ensemble des racines du polynôme q :
{x ∈ R | q(x) = 0}
est ou bien égal à l’ensemble vide ∅, ou bien il existe un entier k ≥ 1 et x 1 ∈ R,. . . , x k ∈ R tels que
{x ∈ R | q(x) = 0} = {x 1 , . . . , x k }.
p(x)
La fonction qui à x ∈ R\{x 1 , . . . , x k } associe est une fonction rationnelle.
q(x)
• Les fonctions exponentielle, cosinus et sinus.
• La fonction logarithme népérien ln, définie sur ]0, +∞[.
n π o sin x
• La fonction tangente, notée tan et définie sur R\ (2k + 1) , k ∈ Z par tan x = .
2 cos x
Définition 2.28 Une partie A d’un ensemble E est dite stable par une application f : E → E si et seulement si :
∀a ∈ A, f (a) ∈ A.

2.3.2 Surjection. Injection. Bijection

Soient E et F deux ensembles et f une application de E dans F .
Définition 2.29 L’application f est dite surjective (on dit encore que f est une surjection) si et seulement si :
∀ y ∈ F, ∃x ∈ E, y = f (x),
c’est-à-dire si tout élément de F est l’image par f d’au moins un élément de E.
Définition 2.30 L’application f est dite injective (ou f est une injection) si et seulement si :
f (x) = f (x 0 ) ⇒ x = x 0 , ∀x, x 0 ∈ E,
c’est-à-dire si deux éléments distincts de E ont des images distinctes.
Définition 2.31 L’application f est dite bijective (ou f est une bijection) si et seulement si elle est à la fois surjective
et injective.
Toute bijection de E dans E s’appelle une permutation.
Proposition 2.32 L’application f est bijective si et seulement si tout élément y de F possède un unique antécédent x
par f dans E :
∀ y ∈ F, ∃!x ∈ E, f (x) = y.
DÉMONSTRATION. Si f est bijective, alors f est surjective. Par conséquent, tout élément y appartenant à F admet au moins un
antécédent x par f dans E. Supposons maintenant que y ait deux antécédents x 1 et x 2 . On a alors y = f (x 1 ) = f (x 2 ), d’où
x 1 = x 2 puisque f est injective. On en déduit que y admet un seul antécédent.
Réciproquement, si tout y de F admet un unique antécédent x par f dans E, alors f est surjective de E dans F . Soient x 1 , x 2
de E tels que f (x 1 ) = f (x 2 ). Posons y = f (x 1 ) = f (x 2 ), alors x 1 et x 2 sont deux antécédents de y. Par unicité de l’antécédent,
on a x 1 = x 2 , ce qui prouve l’injectivité de f . L’application f est donc bijective de E dans F . ƒ
Lorsqu’une application est bijective, il est possible d’introduire la notion d’application réciproque.

15
 CHAPITRE 2. ENSEMBLES ET RELATIONS

Définition 2.33 Soit f : E → F une application bijective de E dans F . On définit alors une application de F vers E
en associant à tout élément y de F son seul antécédent. Cette application, appelée application réciproque de f et
notée f −1 , vérifie donc :
∀x ∈ E, ∀ y ∈ F, x = f −1 ( y) ⇔ y = f (x).
L’application f −1 est également bijective et ( f −1 )−1 = f .

Exemples d’applications réciproques.

— Si E est un ensemble, I E est bijective et I E−1 = I E .
— La fonction qui à x ∈ R associe e x ∈]0, +∞[ est bijective et son application réciproque est la fonction ln.
— La fonction qui à x ∈ [0, π] associe cos x ∈ [−1, 1] est bijective. Sa fonction réciproque est notée arccos.
Pour chaque y ∈ [−1, 1], arccos y est l’unique réel x appartenant à [0, π] tel que cos x = y.
— La fonction qui à x ∈ [−π/2, π/2] associe sin x ∈ [−1, 1] est bijective. Sa fonction réciproque est notée
arcsin. Pour chaque y ∈ [−1, 1], arcsin y est l’unique réel x appartenant à [−π/2, π/2] tel que sin x = y.
— La fonction qui à x ∈] − π/2, π/2[ associe tan x ∈ R est bijective. Sa fonction réciproque est notée arctan.
Pour chaque y ∈ R, arctan y est l’unique réel x appartenant à ] − π/2, π/2[ tel que tan x = y.

2.3.3 Restrictions et prolongements

Définition 2.34 Soient E, F deux ensembles, f : E → F une application et A une partie de E. On appelle restriction
de f à A l’application, notée f|A , définie par :
f|A : A → F
x 7 → f (x).
Définition 2.35 Soient E et F deux ensembles, f : E → F une application et G un ensemble tel que E ⊂ G. On appelle
prolongement de f à G toute application fe : G → F telle que :
∀x ∈ E, fe(x) = f (x).

2.3.4 Composition des applications

Définition 2.36 Soient E, F , G trois ensembles, f : E → F et g : F → G deux applications. L’application g ◦ f de E
dans G définie par g ◦ f (x) = g( f (x)) est appelée composée de g et de f .
Pour pouvoir définir g ◦ f , il est nécessaire que l’ensemble de départ de g soit égal à l’ensemble d’arrivée de f .
L’ordre de composition est également important. Même dans le cas où l’on peut composer dans les deux sens, on a
en général g ◦ f 6= f ◦ g.
Proposition 2.37 Soient E, F , G et H quatre ensembles. Pour toutes applications f : E → F , g : F → G et
h : G → H, on a :
(h ◦ g) ◦ f = h ◦ (g ◦ f ).
On se réfèrera à la preuve de la proposition 2.13 pour une démonstration, cette proposition en étant un cas
particulier.
Proposition 2.38 La composée de deux injections (resp. surjections, resp. bijections) est une injection (resp. surjection,
resp. bijection).
DÉMONSTRATION. Soient f : E → F et g : F → G deux applications.
1) On suppose f et g injectives. On a, pour tout (x, x 0 ) ∈ E 2 :
(g ◦ f )(x) = (g ◦ f )(x 0 ) ⇔ g( f (x)) = g( f (x 0 )) ⇒ f (x) = f (x 0 ) ⇒ x = x 0 ,
d’où g ◦ f est injective.
2) On suppose f et g surjectives. Soit z ∈ G. Puisque g est surjective, il existe y ∈ F tel que z = g( y). Puis, comme f est
surjective, il existe x ∈ E tel que y = f (x). On a donc z = g( f (x)) = (g ◦ f )(x), ce qui montre que g ◦ f est surjective.
3) § §
f et g injectives g ◦ f injective
( f et g bijectives) ⇒ ⇒ ⇒ (g ◦ f bijective).
f et g surjectives g ◦ f surjective
ƒ

16
 2.3. APPLICATIONS

Remarque. Si f : E → F est une application bijective, on a déjà vu que son application réciproque f −1 est aussi
bijective. On a également f ◦ f −1 = I F et f −1 ◦ f = I E .

Proposition 2.39 Soient E, F , G trois ensembles, f : E → F et g : F → G deux applications.

1) Si g ◦ f est injective, alors f est injective.
2) Si g ◦ f est surjective, alors g est surjective.

DÉMONSTRATION.
1) On suppose g ◦ f injective. On a, pour tout (x, x 0 ) ∈ E 2 :

f (x) = f (x 0 ) ⇒ g( f (x)) = g( f (x 0 )) ⇔ (g ◦ f )(x) = (g ◦ f )(x 0 ) ⇒ x = x 0 ,

ce qui montre que f est injective.

2) On suppose g ◦ f surjective. Soit z ∈ G. Il existe x ∈ E tel que z = (g ◦ f )(x) = g( f (x)). Ceci montre que g est surjective.
ƒ

Proposition 2.40 Soient E, F , G trois ensembles, f : E → F et g : F → G deux applications bijectives. On a alors

g ◦ f : E → G bijective et (g ◦ f )−1 = f −1 ◦ g −1 .

Cette propriété résulte d’une part de la proposition 2.38 et d’autre part de la proposition 2.15.

Définition 2.41 Soit E un ensemble. On appelle involution de E toute application de E dans E telle que f ◦ f = I E .

2.3.5 Images directes ou réciproques de parties par une application

Définition 2.42 Soient E et F deux ensembles, f une application de E dans F , A ⊂ E et B ⊂ F . L’image directe de A
par f (ou, plus simplement, image de A par f ), notée f (A), est le sous-ensemble de F contenant l’image des éléments
de A par f :
f (A) = { y ∈ F | ∃x ∈ A, y = f (x)} .
L’image réciproque de B par f , notée f −1 (B), est le sous-ensemble de E contenant les antécédents des éléments de B
par f :
f −1 (B) = {x ∈ E | f (x) ∈ B} .

Remarque. Si f est une application d’un ensemble E dans un ensemble F , il est toujours possible de définir
f −1 (B), même si f n’est pas bijective. Si c’est cependant le cas, et donc si f −1 existe, on pourra vérifier que l’image
directe d’une partie B de F par f −1 est aussi l’image réciproque f −1 (B) de B par f . En effet, x ∈ f −1 (B) signifie
que f (x) ∈ B et réciproquement, si l’on pose y = f (x), on a x = f −1 ( y) avec y ∈ B, ce qui équivaut à x ∈ f −1 (B).
La proposition qui suit nous sera utile en pratique pour déterminer si une application est surjective ou non.

Proposition 2.43 Soit f une application de E dans F . Elle est surjective si et seulement si f (E) = F .

DÉMONSTRATION. On a toujours f (E) ⊂ F . D’autre part, F ⊂ f (E) si et seulement si tout élément de F est l’image d’au moins
un élément de E par f , ce qui signifie que l’application f est surjective de E dans F . ƒ

2.3.6 Familles
Soit I un ensemble quelconque d’éléments, qui seront nommés indices.

Définition 2.44 Soit E un ensemble. On appelle famille d’éléments de E toute application de I vers E.

La famille (x i )i∈I est dite finie ou infinie, selon que l’ensemble I est fini ou infini (voir section 2.4). Si I est un
intervalle d’entiers [m, n], la famille (x i )i∈I est notée (x i )m≤i≤n .
On veillera à ne pas confondre la famille (x i )i∈I et l’ensemble {{x i } | i ∈ I}, qui est l’ensemble image de l’application
en question.

Définition 2.45 Soient E un ensemble, (Ai )i∈I une famille de parties de E. On définit :

17
 CHAPITRE 2. ENSEMBLES ET RELATIONS

• la réunion de la famille (Ai )i∈I , notée i∈I Ai , par :

S

[
Ai = {x ∈ E | ∃i ∈ I, x ∈ Ai },
i∈I

• l’intersection de la famille (Ai )i∈I , notée i∈I Ai , par :

T

\
Ai = {x ∈ E | ∀i ∈ I, x ∈ Ai }.
i∈I

Définition 2.46 Soit E un ensemble. Une famille (Ai )i∈I de parties de E est appelée partition de E si et seulement si :
(i) aucun des ensembles Ai n’est vide : ∀ ∈ I, Ai 6= ∅,
(ii) les ensembles Ai sont disjoints deux à deux : ∀(i, j) ∈ I 2 , (i 6= j ⇒ Ai ∩ A j = ∅),
(iii) la réunion des ensembles Ai est égale à E : Ai = E.
S
i∈I

Dans ces conditions, tout élément de l’ensemble E appartient à un sous-ensemble Ei unique. Il est à noter que
cette définition est cohérente avec la définition 2.5, car pour que (Ai )i∈I soit une partition au sens ci-dessus, il faut,
et il suffit, que {Ai | i ∈ I} soit une partition de E au sens de la définition 2.5.

2.4 Ensembles finis et infinis

Le but de cette section est principalement de rappeler des propriétés élémentaires des ensembles finis, souvent
considérées comme intuitivement évidentes.

2.4.1 Équipotence
Définition 2.47 On dit qu’un ensemble E est équipotent à un ensemble F si et seulement s’il existe une bijection de E
sur F .

Exemples.
— {1, 2, 3} est équipotent à {2, 4, 6}.
— N∗ est équipotent à N car l’application n 7→ n − 1 de N∗ dans N est une bijection.
La relation d’équipotence est une relation d’équivalence entre ensembles.

Définition 2.48 On dit qu’un ensemble est dénombrable si et seulement s’il est équipotent à N.

2.4.2 Ensembles finis

Définition 2.49 On dit qu’un ensemble E est fini si et seulement s’il existe un entier n tel que E est équipotent à
{1, . . . , n}.

Nous admettrons la proposition suivante, dont la preuve s’appuie sur les propriétés de l’ensemble des entiers
naturels.

Proposition 2.50 Soit (n, p) ∈ N2 .

1) Il existe une injection de {1, . . . , n} dans {1, . . . , p} si et seulement si n ≤ p.
2) Il existe une surjection de {1, . . . , n} sur {1, . . . , p} si et seulement si n ≤ p.
3) Il existe une bijection de {1, . . . , n} sur {1, . . . , p} si et seulement si n = p.

La troisième affirmation de la proposition ci-dessus amène la définition suivante.

Définition 2.51 Soit E un ensemble fini. Il existe alors un entier n tel que E soit équipotent à {1, . . . , n} ; n s’appelle
le cardinal de E et est noté card E.

18
 2.4. ENSEMBLES FINIS ET INFINIS

On convient de prendre 0 pour cardinal de l’ensemble vide.

Proposition 2.52 Si E est un ensemble fini, toute partie F de E est finie, et l’on a : card F ≤ card E.

Proposition 2.53 Si E et F sont deux ensembles finis, alors E ∪ F est fini et l’on a :

card(E ∪ F ) + card(E ∩ F ) = card E + card F.

DÉMONSTRATION. Établissons tout d’abord un résultat préliminaire. Soient A et B deux ensembles finis disjoints ; notons
a = card A, b = card B. Il existe des bijections α : {1, . . . , a} → A et β : {1, . . . , b} → B. Il est clair que l’application
γ : {1, . . . , a + b} → A ∪ B définie par :

α(n) si 1 ≤ n < a
§
∀n ∈ {1, . . . , a + b}, γ(n) =
β(n − a) si a + 1 ≤ n ≤ a + b

est une bijection. Il en résulte que A ∪ B est fini et que card(A ∪ B) = card A + card B.
En appliquant ce résultat à E et E\F au lieu de A et B, on conclut E ∪ F est fini et :

card(E ∪ F ) + card(E ∩ F ) = card(E ∪ (F \E)) + card(E ∩ F )

= (card E + card(F \E)) + card(E ∩ F )
= card E + (card(F \E) + card(E ∩ F ))
= card E + card F.

Corollaire 2.54 Soient E un ensemble fini et F une partie de E. Si card F = card E alors F = E.

Cette dernière propriété est très importante. Nous en verrons une analogue portant sur des dimensions d’espaces
vectoriels en algèbre linéaire.
DÉMONSTRATION. Si card F = card E, comme card E = card F + card(E\F ), on en déduit card(E\F ) = 0, d’où E\F = ∅, E = F .
ƒ

Proposition 2.55 Soient E et F des ensembles finis de même cardinal et f une application de E dans F . Les assertions
suivantes sont deux à deux équivalentes.
i) f est injective.
ii) f est surjective.
iii) f est bijective.

DÉMONSTRATION. Montrons tout d’abord que i) implique ii) et iii). Si f est injective, fe : E → f (E) qui à x associe f (x) est
bijective, donc card f (E) = card E = card F , d’où f (E) = F d’après le corollaire 2.54, d’où f est surjective et donc bijective.
Prouvons à présent que ii) implique i) et iii). Supposons l’application f surjective et non injective. Il existe (x 1 , x 2 ) ∈ E 2 tel que
x 1 6= x 2 et f (x 1 ) 6= f (x 2 ). L’application g : E\{x 2 } → F qui à x associe f (x) est surjective, d’où card(E\{x 2 }) ≤ card F . Mais
on a card(E\{x 2 }) = card E − 1 et card E = card F , d’où une contradiction.
Enfin, iii) implique i) et ii) de manière triviale. ƒ

2.4.3 Ensembles infinis

Définition 2.56 Un ensemble est dit infini si et seulement s’il n’est pas fini.

Exemple. L’ensemble N est infini.

19
CHAPITRE 2. ENSEMBLES ET RELATIONS

20
Chapitre 3

Espaces vectoriels

Dans ce chapitre, nous allons étudier une structure algébrique omniprésente en mathématiques : la structure
d’espace vectoriel. Nous allons procéder de manière abstraite et axiomatique ; il s’agira d’ensembles munis d’une loi
interne et d’une loi externe qui vérifient certaines règles de calcul. Dans ce chapitre, K désigne un corps commutatif.
En pratique, K est égal à R ou C.

3.1 Généralités
3.1.1 Loi de composition interne
Définition 3.1 On considère un ensemble E. On appelle loi de composition interne sur E toute application définie
sur E × E à valeurs dans E.

Exemples.
— Dans N, Z, R ou C, l’addition et la multiplication sont des lois de composition internes.
— L’application
R3 × R3 → R3
((x, y, z), (x , y , z )) 7→ (x + x , y + y 0 , z + z 0 ),
0 0 0 0

est une loi de composition interne sur R3 .

— Soit A (R, R) l’ensemble des applications à valeurs réelles définies sur R. On considère l’application qui à
tout couple ( f , g) de A (R, R)2 associe l’application f + g définie par
∀x ∈ I, ( f + g)(x) = f (x) + g(x).
Cette application est une loi de composition interne sur A (R, R).
— On considère l’application qui à tout couple ( f , g) de A (R, R)2 associe l’application g ◦ f définie par
∀x ∈ R, (g ◦ f )(x) = g( f (x)).
Cette application est une loi de composition interne sur A (R, R).

3.1.2 Loi de composition externe

Définition 3.2 Soit E un ensemble. On appelle loi de composition externe sur E toute application définie sur K × E
à valeurs dans E.

Exemples.
— L’application
R × R3 → R3
(λ, (x, y, z)) 7 → (λx, λ y, λz),
est une loi de composition externe sur R3 .

21
 CHAPITRE 3. ESPACES VECTORIELS

— L’application qui à tout élément (λ, f ) de R × A (R, R) associe l’application notée λ · f , définie par

∀x ∈ I, (λ · f )(x) = λ f (x),

est une loi de composition externe sur A (R, R).

— On considère F (N, R) l’ensemble des suites réelles définies sur N. L’application qui à tout élément
(λ, (un )n∈N ) de R × F (N, R) associe la suite (w n )n∈N ), définie par

∀n ∈ N, w n = λun ,

est une loi de composition externe sur F (N, R).

3.1.3 Structure de groupe

Définition 3.3 On considère un ensemble E muni d’une loi de composition interne ∗. On dit que (E, ∗) est un groupe
si les propriétés suivantes sont vérifiées :
1. la loi ∗ est associative :
∀(x, y, z) ∈ E 3 , (x ∗ y) ∗ z = x ∗ ( y ∗ z),

2. il existe un élément de E, noté e et appelé élément neutre pour la loi ∗, vérifiant

∀x ∈ E, x ∗ e = e ∗ x = x,

3. tout élément de E admet un symétrique :

∀x ∈ E, ∃ y ∈ E, x ∗ y = y ∗ x = e.

Si de plus la loi ∗ est commutative :

∀(x, y) ∈ E 2 , x ∗ y = y ∗ x,
le groupe (E, ∗) est dit commutatif ou abélien.

Remarque. Dans un groupe (E, ∗), l’élément neutre et le symétrique de tout élément de E sont uniques.

Exemples.
— Pour tout entier n ≥ 1, (Rn , +) est un groupe commutatif.
— (A (R, R), +) est un groupe commutatif.
— (R∗ , ×) est un groupe commutatif.
Lorsque la loi de composition interne est l’addition, l’élément neutre est noté 0 E (ou simplement 0 s’il n’y a pas de
confusion possible) et le symétrique d’un élément x est appelé opposé et noté −x. Lorsque la loi interne est la
multiplication, l’élément neutre est noté 1 E (ou simplement 1 s’il n’y a pas de confusion possible), le symétrique
d’un élément x étant appelé son inverse et noté x −1 ou 1x .

3.2 Structure d’espace vectoriel

Soient E un ensemble quelconque et K un corps commutatif. Nous supposons que E est muni d’une une loi de
composition interne, notée additivement :

E × E → E : (x, y) 7→ x + y,

et d’une loi de composition externe sur K, notée multiplicativement :

K × E → E : (λ, y) 7→ λx.

On a alors la définition suivante.

22
 3.2. STRUCTURE D’ESPACE VECTORIEL

Définition 3.4 On dit que (E, +, ·) est un espace vectoriel sur K si

1. (E, +) est un groupe abélien,
2. ∀(λ, µ) ∈ K2 et ∀x ∈ E, (λ + µ)x = (λx) + (µx),
3. ∀(λ, µ) ∈ K2 et ∀x ∈ E, λ(µx) = (λµ)x,
4. ∀λ ∈ K et ∀(x, y) ∈ E 2 , λ(x + y) = λx + λ y,
5. ∀x ∈ E, 1K x = x,
1K étant l’élément unitaire du corps K.

Souvent (et ce sera le cas dans ce cours), la lettre E désignera aussi bien l’espace vectoriel (E, +, ·) que l’ensemble
sous-jacent. On dit aussi que E est un K-espace vectoriel, ou encore un espace vectoriel réel (resp. complexe) lorsque
K = R (resp. K = C). Les éléments de E sont les vecteurs (0 E est le vecteur nul), ceux de K les scalaires. Si x 1 ,. . . ,
x n (n ≥ 1) sont des vecteurs de E et λ1 ,. . . , λn des scalaires, l’élément λ1 x 1 + · · · + λn x n est un vecteur appelé
combinaison linéaire de la famille (x i )1≤i≤n . On définit plus généralement les combinaisons linéaires d’une famille
de vecteurs (x i )i∈I en imposant que la famille de scalaires (λi )i∈I ne comporte qu’un nombre fini de termes non
nuls.

Exemples.
— Le corps K, muni de l’addition pour loi interne et de la multiplication pour loi externe, est un K-espace
vectoriel. Les éléments de K sont alors simultanément considérés comme des vecteurs et des scalaires. En
particulier, R (resp. C) est un espace vectoriel sur R (resp. C).
— Le plan vectoriel usuel est un espace vectoriel réel.
— L’ensemble K[X ] des polynômes à coefficients dans K, muni de l’addition usuelle et de la multiplication
externe λP = λa0 + · · · + λan X n , pour λ ∈ K et P = a0 + · · · +
an X n ∈ K[X ], est un espace vectoriel sur K.
Tout polynôme est une combinaison linéaire de la famille X i i∈N .
— Si E = {0 E }, on parle d’espace vectoriel nul.
Rappelons quelques règles de calcul s’appliquant dans un espace vectoriel.

Proposition 3.5 Soit E un espace vectoriel sur K. On a, pour tous λ, µ de K et pour tous x, y de E,
1. λx = 0 E ⇔ (λ = 0K ou x = 0 E ),
2. (λ − µ)x = λx − µx,
3. λ(x − y) = λx − λ y.

DÉMONSTRATION.
1. 0K x = (0K + 0K )x = 0K x + 0K x d’où 0K x = 0 E et λ0 E = λ(0 E + 0 E ) = λ0 E + λ0 E d’où λ0 E = 0 E . Si λx = 0 E et si λ 6= 0K ,
alors, en notant λ−1 l’inverse de λ dans le corps K,

x = 1K x = (λ−1 λ)x = λ−1 (λx) = λ−1 0 E = 0 E .

2. λx = ((λ − µ) + µ)x = (λ − µ)x + µx d’où (λ − µ)x = (λx) − (µx) qui est noté λx − λ y.
3. λx = λ((x − y) + y) = λ(x − y) − λ y d’où λ(x − y) = λx − λ y.
ƒ
La démonstration du résultat suivant est laissée en exercice.

Proposition 3.6 Soient E1 et E2 deux espaces vectoriels sur K. L’ensemble produit E = E1 × E2 , muni des lois suivantes :
pour tous (x 1 , x 2 ), ( y1 , y2 ) de E, pour tout λ de K, (x 1 , x 2 ) + ( y1 , y2 ) = (x 1 + y1 , x 2 + y2 ) et λ(x 1 , x 2 ) = (λx 1 , λx 2 ),
est un espace vectoriel sur K. Le vecteur nul de E est 0 E = (0 E1 , 0 E2 ) et l’opposé d’un vecteur x = (x 1 , x 2 ) est le vecteur
−x = (−x 1 , −x 2 ).

Cette propriété se généralise au cas d’un produit fini d’espaces vectoriels E1 × · · · × En . Si tous les espaces vectoriels
sont égaux au même espace vectoriel E, on note plutôt E n .

23
 CHAPITRE 3. ESPACES VECTORIELS

Exemples.
— Pour tout entier n ≥ 1, Kn , muni des lois usuelles données par

(x 1 , . . . , x n ) + ( y1 , . . . , yn ) = (x 1 + y1 , . . . , x n + yn ) et λ(x 1 , . . . , x n ) = (λx 1 , . . . , λx n ),

est un espace vectoriel sur K. En particulier, Rn (resp. Cn ) est un espace vectoriel réel (resp. complexe).
— On a déjà vu que C muni des lois usuelles est un espace vectoriel sur C ; la proposition précédente permet
de munir C = R2 d’une structure d’espace vectoriel sur R.

3.3 Sous-espaces vectoriels

Soit E un espace vectoriel sur K.
Définition 3.7 On appelle sous-espace vectoriel de E toute partie non vide F de E telle que
1. 0 E ∈ F ,
2. ∀(x, y) ∈ F 2 et (λ, µ) ∈ K2 , λx + µ y ∈ F .
On voit qu’un sous-espace vectoriel contient toutes les combinaisons linéaires de ses éléments ; on dit qu’il est
stable par combinaison linéaire.
Dans la pratique, on pourra remplacer la condition 2. par la condition équivalente

∀(x, y) ∈ F 2 et λ ∈ K, λx ∈ F et x + y ∈ F.

En d’autres mots, une partie F non vide d’un K-espace vectoriel E est dite sous-espace de E si et seulement si les
conditions suivantes sont réalisées :
1. (F, +) est un sous-groupe de (E, +),
2. la restriction à K × F de la loi externe définie sur K × E est une application dans F .

Exemples.
— E et {0 E } sont des sous-espaces vectoriels de E.
— K × {0K } = {(x, 0K ) | x ∈ K} et {0K } × K = {(0K , x) | x ∈ K} sont des sous-espaces vectoriels de K2 .
— F = {(x, y) ∈ R2 | 4x − y = 0} est un sous-espace vectoriel de R2 .
— Pour tout entier n ≥ 0, l’ensemble Kn [X ] des polynômes de degré inférieur ou égal à n est un sous-espace
vectoriel de l’ensemble K[X ] des polynômes sur K.
— L’ensemble des suites complexes convergentes est un sous-espace vectoriel de F (N, C).
— Pour tout n ∈ N, l’ensemble C n (R) des fonctions réelles n-fois continûment dérivables sur R est un
sous-espace vectoriel de F (R, R).
— L’ensemble { f ∈ C 2 (R) | f 00 + f 0 = 0} est un sous-espace vectoriel de C 2 (R).
Le résultat suivant est utile en pratique pour montrer de façon simple que l’on est en présence d’un espace vectoriel.

Proposition 3.8 Soit F un sous-espace vectoriel de E. Alors F , muni des lois induites par E, est un espace vectoriel
sur K.

3.3.1 Intersection de sous-espaces vectoriels

Proposition 3.9 Soit (Fi )i∈I une famille de sous-espaces vectoriels de E. Alors F =
T
i∈I Fi est un sous-espace vectoriel
de E.

DÉMONSTRATION. Comme 0 E ∈ Fi pour tout i ∈ I, on a 0 E ∈ F . D’autre part, pour tous (x, y) ∈ F 2 et (λ, µ) ∈ K2 , λx + µ y ∈ Fi
pour tout i ∈ I, et donc λx + µ y ∈ F . ƒ

Remarque. En général, l’union de deux sous-espaces vectoriels F1 et F2 de E n’est pas un sous-espace vectoriel
(penser à deux droites dans le plan vectoriel). Plus précisément, on a F1 ∪ F2 est un sous-espace vectoriel de E si et
seulement si F1 ⊂ F2 ou F2 ⊂ F1 .

24
 3.3. SOUS-ESPACES VECTORIELS

3.3.2 Sous-espace engendré par une partie

Définition 3.10 Soient E un K-espace vectoriel et A une partie de E. On appelle sous-espace vectoriel engendré
par la partie A, et l’on note Vect A, l’intersection de tous les sous-espaces de E contenant A.
Proposition 3.11 Soient E un K-espace vectoriel et A une partie de E.
1) Vect A est le plus petit sous-espace vectoriel de E contenant A.
2) Si A 6= ∅, alors Vect A est l’ensemble des combinaisons linéaires des éléments de A.
On pourra convenir que Vect ∅ = {0 E }. Enfin, on définit le sous-espace vectoriel engendré par une famille d’éléments
de la manière suivante.
Définition 3.12 Soient E un K-espace vectoriel et (x i )i∈I une famille d’éléments de E. On appelle sous-espace
vectoriel engendré par la famille (x i )i∈I , et l’on note Vect(x i )i∈I , le sous-espace vectoriel engendré par la partie
{x i | i ∈ I} de E.

Exemples.
— Pour tout vecteur d non nul, Vect{d} = {λd | λ ∈ K} est la droite vectorielle engendrée par d, notée Kd.
— Dans R2 , si F = {(x, y) ∈ R2 | 4x − y = 0}, alors F = Rd = Vect{d}, avec d = (1, 4).
— Dans K[X ], pour tout entier naturel n, Kn [X ] = Vect{1, X , . . . , X n }.

3.3.3 Somme de sous-espaces vectoriels

Soient F1 et F2 deux sous-espaces vectoriels de E.
Proposition et définition 3.13 L’ensemble F1 + F2 = {x 1 + x 2 | (x 1 , x 2 ) ∈ F1 × F2 } est appelé somme de F1 et F2 et
est un sous-espace vectoriel de E.
DÉMONSTRATION. Tout d’abord, F1 + F2 6= ∅ car 0 E = 0 E + 0 E ∈ F1 + F2 . Par ailleurs, Soit (x, y) ∈ (F1 + F2 )2 . Il existe
(x 1 , x 2 ) ∈ F1 × F2 et ( y1 , y2 ) ∈ F1 × F2 tels que x = x 1 + x 2 et y = y1 + y2 . On a alors
x + y = (x 1 + x 2 ) + ( y1 + y2 ) = (x 1 + y1 ) + (x 2 + y2 ) ∈ F1 + F2 .
Soit enfin (λ, x) ∈ K × (F1 + F2 ). Il existe (x 1 , x 2 ) ∈ F1 × F2 tel que x = x 1 + x 2 . On a
λx = λ(x 1 + x 2 ) = λx 1 + λx 2 ∈ F1 + F2 .

Remarque 3.14 Il est clair que F1 +F2 ⊂ Vect(F1 ∪F2 ). Réciproquement, comme F1 ∪F2 ⊂ F1 +F2 , on a Vect(F1 ∪F2 ) ⊂
F1 + F2 et l’on a montré que
F1 + F2 = Vect(F1 ∪ F2 ).
On définit de la même façon la somme de n sous-espaces vectoriels F1 ,. . . , Fn de E. On a alors
Xn  n 
[
Fi = Vect Fi .
i=1 i=1

Définition 3.15 On dit que les sous-espaces vectoriels F1 et F2 sont en somme directe lorsque, pour tout x de F1 + F2 ,
il existe un unique couple (x 1 , x 2 ) ∈ F1 × F2 tel que x = x 1 + x 2 . On note alors F1 ⊕ F2 . Lorsque E = F1 ⊕ F2 , on dit
que F1 et F2 sont supplémentaires dans E.
Théorème 3.16 Les assertions suivantes sont équivalentes.
(1) E = F1 ⊕ F2 .
(2) E = F1 + F2 et, ∀(x 1 , x 2 ) ∈ F1 × F2 , si x 1 + x 2 = 0 E alors x 1 = x 2 = 0 E .
(3) E = F1 + F2 et F1 ∩ F2 = {0 E }.
DÉMONSTRATION. Montrons que (1) implique (2) : si x 1 + x 2 = 0 E , alors on dispose de deux décompositions de 0 E et donc
x 1 = x 2 = 0 E . Montrons que (2) implique (3) : si x admet deux décompositions x = x 1 + x 2 = x 10 + x 20 alors x 1 − x 10 = x 20 − x 2 ∈
F1 ∩ F2 , et donc x 1 = x 10 et x 2 = x 20 . ƒ
Dans la pratique, si on utilise la caractérisation (3), il suffit de démontrer que E ⊂ F1 + F2 et F1 ∩ F2 ⊂ {0 E }, puisque
les deux autres inclusions F1 + F2 ⊂ E et {0 E } ⊂ F1 ∩ F2 sont claires.

25
 CHAPITRE 3. ESPACES VECTORIELS

Exemples.
— Dans F (R, R), l’ensemble des fonctions paires et celui des fonctions impaires sont des sous-espaces vectoriels
supplémentaires.
— Dans l’espace produit K2 , K × {0K } et {0K } × K sont des sous-espaces vectoriels supplémentaires.

3.4 Familles génératrices, familles libres et bases

Soient E un K-espace vectoriel, un entier n ≥ 1 et (x i )1≤i≤n une famille d’éléments de E.

Définition 3.17 On dit que la famille (x i )1≤i≤n est

• génératrice lorsque Vect{x 1 , . . . , x n } = E : ∀x ∈ E, ∃(λ1 , . . . , λn ) ∈ Kn , x = λ1 x 1 + · · · + λn x n ,
• libre lorsque ∀(λ1 , . . . , λn ) ∈ Kn , (λ1 x 1 + · · · + λn x n = 0 E ) ⇒ (λi = 0K , 1 ≤ i ≤ n),
• une base de E lorsqu’elle est génératrice et libre ; tout élément de E est alors combinaison linéaire d’éléments
de {x i }1≤i≤n , de manière unique : ∀x ∈ E, ∃!(λ1 , . . . , λn ) ∈ Kn , x = λ1 x 1 + · · · + λn x n .

Justifions ce dernier point. Si x appartient à E alors il existe (λ1 , . . . , λn ) ∈ Kn tel que x = λ1 x 1 + · · · + λn x n , car la
famille (x i )1≤i≤n est génératrice. Si un autre n-uplet (µ1 , . . . , µn ) ∈ Kn convient, alors

(λ1 − µ1 )x 1 + · · · + (λn − µn )x n = 0 E ,

et donc, comme (x i )1≤i≤n est libre, λi = µi pour tout i. Dans ce cas, les λi , 1 ≤ i ≤ n, s’appellent les coordonnées
ou composantes du vecteur x dans la base (x i )1≤i≤n .
Une famille qui n’est pas libre est dite liée. Lorsque la famille (x i )1≤i≤n est liée (resp. libre), on dit aussi que les
vecteurs x i sont linéairement dépendants (resp. linéairement indépendants). On dit que deux vecteurs sont colinéaires
lorsque la famille (x 1 , x 2 ) est liée, c’est-à-dire qu’il existe λ ∈ K tel que x 1 = λx 2 ou x 2 = λx 1 .

Exemples.
— Une famille contenant le vecteur nul est liée. En effet, on a 1K 0 E = 0 E , d’où, pour tout λ =
6 0, λ−1 (λ0 E ) = 0 E .
— Soient A = {e1 , . . . , en } une partie d’un K-espace vectoriel E et e ∈ Vect A. La famille (e1 , . . . , en , e) est liée
puisque, par définition, il existe λ1 ,. . . , λn des scalaires non tous nuls tels que e = λ1 e1 + · · · + λn en , d’où
λ1 e1 + · · · + λn en + (−1)e = 0 E .
— Dans l’espace usuel à trois dimensions, trois vecteurs non coplanaires forment une base.
— C est un C-espace vectoriel, de base l’élément 1 ∈ C, et un R-espace vectoriel, de base 1 et i.
— Dans Rn (n ∈ N∗ ), la famille constituée des vecteurs e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0),. . . , en =
(0, . . . , 0, 1) est une base, appelée base canonique de Rn .

Remarque. Le second des exemples précédents décrit en fait le cas général : si la partie {e1 , . . . , en }, composée de
vecteurs de E, forme une famille liée, alors il existe i ∈ {1, . . . , n} tel que ei est combinaison linéaire des vecteurs
e j , j 6= i.

3.5 Théorie de la dimension

3.5.1 Généralités
Soit E un espace vectoriel sur K. À toute famille F = (x i )i∈I d’éléments de E, on peut associer la partie
A = {x i | i ∈ I} ⊂ E. On dira qu’une famille est contenue dans une autre lorsqu’on aura l’inclusion des parties
associées. On pose, lorsque I est fini, card F = card I ; en particulier, card A ≤ card F .

Définition 3.18 Un K-espace vectoriel est dit de dimension finie s’il admet une famille génératrice de cardinal fini.
Sinon, il est dit de dimension infinie.

26
 3.5. THÉORIE DE LA DIMENSION

Exemples.
— Les espaces vectoriels {0 E } et Kn (n ≥ 1) sont de dimension finie.
— L’espace vectoriel K[X ] n’est pas de dimension finie, car sinon il admettrait une famille génératrice finie
(P1 , . . . , Pn ) et on aurait alors, pour tout P de K[X ], deg(P) ≤ max deg(Pi ).
1≤i≤n
Nous commençons par énoncer un résultat relatif à l’existence de bases de E.
Théorème 3.19 (« théorème de la base incomplète ») Soit E un espace vectoriel de dimension finie, de famille
génératrice G .
(1) Si L ⊂ G est une famille libre, alors il existe une base B de E telle que L ⊂ B ⊂ G .
(2) Plus généralement, si L 0 est une famille libre, alors il y a au moins une façon de la compléter en une base B 0 , en
utilisant uniquement des éléments de G .
(3) En particulier, E admet au moins une base.
DÉMONSTRATION. Démontrons (1). Considérons pour cela l’ensemble des familles libres C telles que L ⊂ B ⊂ G . Cet
ensemble n’est pas vide car il contient L . De plus, le nombre de familles de cet ensemble est fini, puisque la famille génératrice
G a un nombre fini d’éléments. Soit alors B une de ces familles, choisie de telle sorte qu’elle contienne le plus grand
nombre d’éléments ; montrons que B est une base de E. Tout d’abord, par définition, B est libre. Prouvons ensuite par
l’absurde que B est génératrice : supposons que F = Vect B ( E. Il existe au moins un élément g ∈ G qui n’appartient
pas à F (sinon E = Vect G ⊂ F ). Mais alors, alors en notant B = (b1 , . . . , bn ), la famille C = (b1 , . . . , bn , g) est libre : si
λ1 b1 + · · · + λn bn + λn+1 g = 0, alors λn+1 = 0 (sinon g ∈ F ) et donc λi = 0 pour 1 ≤ i ≤ n puisque B est libre. Ainsi, C
appartient à l’ensemble des familles libres telles que L ⊂ B ⊂ G , d’où une contradiction.
On en déduit (2) en utilisant (1) avec L 0 pour famille libre et L 0 ∪ G pour famille génératrice. Enfin, l’assertion (3) est obtenue
en utilisant (2) avec L 0 choisie telle que Vect L 0 = {0 E } (on pourra, dans le cas où E n’est pas l’espace vectoriel nul, prendre
L 0 = (x) avec x 6= 0 E ). ƒ

Remarque. On a ici démontré que de toute famille génératrice d’un espace vectoriel E, on peut extraire une
base de E.

Théorème 3.20 Si E admet une famille génératrice de cardinal fini n, alors toute famille libre (et donc toute base)
est finie et de cardinal au plus égal à n.
DÉMONSTRATION. On montre par récurrence sur n ≥ 1 que si G = (g1 , . . . , g n ) est une famille génératrice de E et si
F = ( f1 , . . . , f n , f n+1 ) est une famille de n + 1 éléments de E, alors F est liée.
λ
Pour n = 1, on a f1 = λ1 g1 et f2 = λ2 g1 . On en déduit que F est liée car ou f1 = 0 E ou bien f2 = λ12 f1 .
Soit maintenant n ≥ 2. Il existe une famille (ai j )1≤i≤n+1, 1≤ j≤n de scalaires telle que

f1 = a11 g1 + ... + a1n−1 g n−1 + a1n g n ,

f2 = a21 g1 + ... + a2n−1 g n−1 + a2n g n ,
.. .. .. ..
. . ... . .
fn = an1 g1 + ... + ann−1 g n−1 + ann g n ,
f n+1 = an+11 g1 + ... + an+1n−1 g n−1 + an+1n g n .

Si les coefficients ain , 1 ≤ i ≤ n + 1, sont nuls, alors les vecteurs f i , 1 ≤ i ≤ n + 1, sont dans E 0 = Vect(g i )1≤i≤n−1 ; de l’hypothèse
de récurrence, on déduit que la famille ( f1 , . . . , f n ) est liée et donc que F est liée.
Sinon, € il existe un entierŠ i compris entre 1 et n + 1, disons i = n + 1 tel que ain 6= 0. On peut alors remplacer g n par
1
Pn−1 a jn
an+1n f n+1 − a g , de sorte que les vecteurs f j0 = f j − an+1n
j=1 n+1 j j
f n+1 , 1 ≤ j ≤ n sont encore dans E 0 . Par l’hypothèse de
Pn Pn
récurrence, la famille ( f1 , . . . , f n ) est liée : il existe des scalaires λ1 , . . . , λn non tous nuls tels que i=1 λi f i0 = i=1 λi f i +µ f n+1 =
0 0

0 E . On en déduit que F est liée. ƒ

Corollaire 3.21 Si E est un espace vectoriel de dimension finie, alors toutes ses bases sont finies et ont le même
cardinal.

DÉMONSTRATION. Si B et B 0 sont deux bases, alors B est libre et B 0 est génératrice, donc card B ≤ card B 0 par le théorème
précédent. On obtient l’autre inégalité en échangeant B et B 0 . ƒ

Définition 3.22 Le cardinal d’une base quelconque d’un espace vectoriel E de dimension finie s’appelle la dimension
de E et se note dimK E ou dim E.

27
 CHAPITRE 3. ESPACES VECTORIELS

Exemples.
— Pour tout n ≥ 1, dimK Kn = n. En particulier, dimR R = 1 et dimC C = 1.
— La famille (X i )0≤i≤n est une base de Rn [X ] et donc dimR Rn [x] = n + 1.
— Si E contient un vecteur x non nul, alors la famille (x) est libre et E est de dimension supérieure ou égale à
1.
— L’espace vectoriel E = {0 E } est le seul espace vectoriel de dimension 0.

Corollaire 3.23 Soit E un espace vectoriel de dimension n. Toute famille libre (resp. génératrice) a pour cardinal au
plus (resp. au moins) n, et exactement n si et seulement si c’est une base.

DÉMONSTRATION. Soit L une famille libre d’éléments de E. Par le théorème de la base incomplète, on peut la compléter en
une base B de E, d’où card L ≤ card B = n. Si card L = n, alors L ⊂ B ⇔ L = B et L est bien une base.
Soit une famille génératrice G de E. On sait que l’on peut extraire de G une base B de E, donc card G ≥ card B = n. Par
ailleurs, si card G = n, alors B ⊂ G ⇔ B = G , donc G est une base. ƒ
Ce corollaire est souvent utilisé en pratique dans le sens suivant : si E est un espace vectoriel de dimension finie
égale à n, alors toute famille libre ou génératrice de E ayant n éléments est une base de E.

Sous-espaces vectoriels

Théorème 3.24 Soit E un espace vectoriel de dimension finie n ≥ 1. Tout sous-espace vectoriel F de E est de dimension
finie 0 ≤ p ≤ n. De plus, p = n si et seulement si F = E.

DÉMONSTRATION. Si L est une famille libre de F , alors card L ≤ n. Considérons une famille libre B = (bi )1≤i≤p de F de
cardinal maximal p ≤ n et montrons que B est une base de F , c’est-à-dire que Vect B = F . Si cela n’était pas le cas, il existerait
un élément x de F qui ne serait pas une combinaison linéaire d’éléments de B. Dans ce cas, (b1 , . . . , b p , x) est une famille libre
de F , ce qui contredit la définition de p.
Si de plus p = n, alors B est une base de E (une famille libre de cardinal n), et donc E = F . ƒ

Définition 3.25 Dans tout espace vectoriel de dimension n ≥ 1, on appelle droite vectorielle (resp. plan vectoriel)
tout sous-espace vectoriel de dimension 1 (resp. 2). Enfin, on appelle hyperplan de E tout sous-espace vectoriel de
dimension n − 1.

La notion d’hyperplan en dimension n généralise celle de droite en dimension n = 2 et de plan en dimension n = 3.

Exemple. L’ensemble {(x, y, z) ∈ R3 | 4x − 3 y + 5z = 0} est un plan de R3 .

Théorème 3.26 Soit E un espace vectoriel de dimension finie. Tout sous-espace vectoriel F de E admet au moins un
supplémentaire G dans E. De plus, on a dim F + dim G = dim E.

DÉMONSTRATION. En notant p = dim F , on complète une base ( f i )1≤i≤p de F en une base ( f i )1≤i≤n de E, et on constate que
Vect( f i ) p+1≤i≤n est un supplémentaire de F de dimension n − p. ƒ

Corollaire 3.27 Soit E un espace vectoriel de dimension finie, F et G deux sous-espaces vectoriels de E en somme
directe. On a alors dim(F ⊕ G) = dim F + dim G.

Il est possible de généraliser cette dernière propriété.

Corollaire 3.28 Soient E un espace vectoriel de dimension finie, n ∈ N∗ , F1 ,. . . , Fn des sous-espaces vectoriels de E en
somme directe. On a alors  n
M
 X n
dim Fi = dim Fi .
i=1 i=1

Théorème 3.29 Soit E un K-espace vectoriel de dimension finie. On a, pour tous sous-espaces vectoriels F , G de E,

dim(F + G) = dim F + dim G − dim(F ∩ G).

28
 3.5. THÉORIE DE LA DIMENSION

DÉMONSTRATION. D’après le théorème 3.26, le sous-espace vectoriel F ∩ G admet au moins un supplémentaire F 0 dans F .
Montrons que F 0 et G sont en somme directe et que F 0 ⊕ G = F + G. D’une part, on a F 0 ⊂ F d’où F 0 ∩ G = (F 0 ∩ F ) ∩ G =
F 0 ∩ (F ∩ G) = {0 E }. D’autre part, F + G = (F 0 + (F ∩ G)) + G = F 0 + ((F ∩ G)) + G) = F 0 + G.
Par ailleurs, d’après le corollaire 3.27, on a les égalités suivantes :

dim(F + G) = dim(F 0 ⊕ G) = dim F 0 + dim G et dim F = dim(F 0 ⊕ (F ∩ G)) = dim f 0 + dim(F ∩ G),

d’où la relation voulue. ƒ

Proposition 3.30 Soient E et F deux K-espaces vectoriels de dimension finie. Alors E × F est de dimension finie et
dim(E × F ) = dim E + dim F .
DÉMONSTRATION. D’après le théorème 3.19, les espaces E et F admettent des bases finies respectives (e1 , . . . , en ) et ( f1 , . . . , f p ),
où n = dim E et p = dim F . Nous allons montrer que la famille B, constituée des vecteurs (ei , 0 F ), 1 ≤ i ≤ n, et (0 E , f j ),
1 ≤ j ≤ p, est une base de E × F .
Soit (λ1 , . . . , λn , µ1 , . . . , µ p ) ∈ Kn+p tel que
n
X p
X
λi (ei , 0 F ) + µ j (0 E , f j ) = (0 E , 0 F ).
i=1 j=1

p p
‚ n
Πn
X X X X
On a alors λi ei , µj fj = (0 E , 0 F ), d’où λi ei = 0 E et µ j f j = 0 F , et donc λ1 = · · · = λn = µ1 = · · · = µ p = 0,
i=1 j=1 i=1 j=1
puisque les familles (e1 , . . . , en ) et ( f1 , . . . , f p ) sont libres. Ainsi, B est libre.
Soit (x, y) ∈ E × F . Les familles Pn (e1 , . . . , en ) et P ( f1 , . . . , f p ) engendrant respectivement E et F , il existe (λ1 , . . . , λn ) ∈ Kn et
p
(µ1 , . . . , µ p ) ∈ K p tels que x = i=1 λi ei et y = j=1 µ j f j . On a alors
p p
‚ n Œ n
X X X X
(x, y) = λi ei , µj fj = λi (ei , 0 F ) + µ j (0 E , f j ).
i=1 j=1 i=1 j=1

Ainsi, B engendre E.
La famille B est par conséquent une base de E × F , qui est donc de dimension finie :

dim(E × F ) = card B = n + p = dim E + dim F.

ƒ
Ce résultat se généralise par récurrence au produit de m espaces vectoriels.
Qm
Corollaire 3.31 Soient m ∈ N∗ , E1 , . . . , Em des K-espaces vectoriels de dimension finie. Alors i=1 Ei est de dimension
finie et ‚ m Œ
Y Xm
dim Ei = dim Ei .
i=1 i=1

3.5.2 Rang d’une famille de vecteurs

Définition 3.32 Soient E un K-espace vectoriel et F une famille finie d’éléments de E. On appelle rang de F , et l’on
note rang F , la dimension du sous-espace vectoriel de E engendré par F :

rang F = dim(Vect F ).

Proposition 3.33 Soit E un K-espace vectoriel. Pour toutes familles finies F et F 0 d’éléments de E, on a
1) F ⊂ F 0 ⇒ rang F ≤ rang F 0 ,
2) max(rang F , rang F 0 ) ≤ rang(F ∪ F 0 ) ≤ rang F + rang F 0 .
DÉMONSTRATION.
1) F ⊂ F 0 ⇒ Vect F ⊂ Vect F 0 ⇒ dim(Vect F ) ⊂ dim(Vect F 0 ).
2) D’une part, F ⊂ F ∪ F 0 (resp. F 0 ⊂ F ∪ F 0 ) ⇒ rang F ≤ rang(F ∪ F 0 ) (resp. rang F 0 ≤ rang(F ∪ F 0 )), d’où
max(rang F , rang F 0 ) ≤ rang(F ∪ F 0 ).
D’autre part, rang(F ∪ F 0 ) = dim(Vect(F ∪ F 0 )) = dim(Vect F + Vect F 0 ) ≤ dim(Vect F ) + dim(Vect F 0 ), d’après la
remarque 3.14.
ƒ

29
CHAPITRE 3. ESPACES VECTORIELS

30
Chapitre 4

Applications linéaires

Après avoir introduit, dans le chapitre 3, la structure d’espace vectoriel, nous allons à présent étudier les
applications linéaires, c’est-à-dire les applications entre deux espaces vectoriels qui conservent l’addition interne et
la multiplication externe.
Dans ce chapitre, K désigne une nouvelle fois un corps commutatif (en pratique, K = R ou C), E et F sont deux
espaces vectoriels sur K.

4.1 Généralités
Définition 4.1 On appelle application linéaire de E dans F (ou morphisme de K-espaces vectoriels) toute ap-
plication de f : E → F telle que

∀(x, y) ∈ E 2 , ∀(λ, µ) ∈ K2 , f (λx + µ y) = λ f (x) + µ f ( y). (4.1)

On note L (E, F ) l’ensemble des applications linéaires de E dans F .

Si (E, +, ·) = (F, +, ·), on parle d’endomorphisme de E et on note simplement L (E)(= L (E, E)) l’ensemble des
endomorphismes de E.
Dans la pratique, on remplace parfois la condition (4.1) par

∀(x, y) ∈ E 2 , ∀λ ∈ K, f (x + y) = f (x) + f ( y) et f (λx) = λ f (x).

Exemples.
— L’application nulle (x 7→ 0 E ) et l’identité de E sont des endomorphismes de E.
— Pour tout λ de K, l’homothétie de rapport λ, définie par hλ (x) = λx pour tout x de E, est un endomorphisme
de E.
— L’application f 7→ f 0 est une application linéaire de C 1 (R) dans C 0 (R).

Définition 4.2 Toute application linéaire de E dans K est appelée forme linéaire sur E. On note E ∗ (ou encore E 0 )
l’ensemble des formes linéaires sur E, appelé dual de E.

Z b
Exemple. L’application f 7→ f (t) dt est une forme linéaire sur C 0 ([a, b]).
a

Proposition et définition 4.3 Soit f une application linéaire de E dans F .

Le noyau (kernel en anglais) de f , défini par Ker f = {x ∈ E | f (x) = 0 F }, est un sous-espace vectoriel de E.
L’image de f , définie par Im f = f (E) = { y ∈ F | ∃x ∈ E, y = f (x)}, est un sous-espace vectoriel de F .

DÉMONSTRATION. On a 0 E ∈ Ker f , car f (0 E ) = 0 F . D’autre part, pour tous (x, y) ∈ (Ker f )2 et (λ, µ) ∈ K2 , on a
f (λx + µ y) = λ f (x) + µ f ( y) = 0 F , et donc λx + µ y ∈ Ker f .

31
 CHAPITRE 4. APPLICATIONS LINÉAIRES

On a 0 F = f (0 E ) ∈ Im f . D’autre part, pour tous (x 0 , y 0 ) ∈ (Im f )2 et (λ, µ) ∈ K2 , on a x 0 = f (x), y 0 = f ( y), et

λx 0 + µ y 0 = f (λx + µ y) ∈ Im f . ƒ
Plus généralement, on vérifie aisément que l’image réciproque d’un sous-espace vectoriel de F par f est un
sous-espace vectoriel de E et que l’image directe d’un sous-espace vectoriel de E par f est un sous-espace vectoriel
de F .
Le résultat suivant sera très utile en pratique.

Proposition 4.4 Soit f une application linéaire de E dans F .

1) f est injective si et seulement si Ker f = {0 E }.
2) f est surjective si et seulement si Im f = F .

DÉMONSTRATION.
1) Supposons f injective. Si x ∈ Ker f , alors f (x) = 0 F = f (0 E ) et donc x = 0 E d’où Ker f = {0 E }. Réciproquement,
supposons Ker f = {0 E }. Si (x, y) ∈ E 2 est tel que f (x) = f ( y), alors f (x − y) = 0 F et donc x − y = 0 E , d’où
x = y : f est injective.
2) f surjective ⇔ (∀ y ∈ F, ∃x ∈ E, y = f (x)) ⇔ f (E) = F ⇔ Im f = F .
ƒ

Proposition 4.5 Si l’application linéaire f : E → F est bijective, alors sa réciproque f −1 : F → E est linéaire (et
bijective).

DÉMONSTRATION. Pour tous (x 0 , y 0 ) ∈ F 2 et (λ, µ) ∈ K2 , on a x 0 = f (x), y 0 = f ( y) et λx 0 + µ y 0 = f (λx + µ y),

d’où f −1 (λx 0 + µ y 0 ) = λx + µ y = λ f −1 (x 0 ) + µ f −1 ( y 0 ). ƒ

Définitions 4.6 Une application f : E → F est un isomorphisme de E dans F si et seulement si f est linéaire est
bijective.
Si f est une application linéaire et bijective de E dans E, f est appelée un automorphisme de E.

On dit que les espaces E et F sont isomorphes lorsqu’il existe un isomorphisme d’espaces vectoriels de E sur F .

Exemple. Pour tout λ de K∗ , l’homothétie hλ de rapport λ est un automorphisme et l’on a hλ −1 = h 1 .

λ

4.2 Opérations sur les applications linéaires

Proposition 4.7 L’ensemble L (E, F ), muni des lois usuelles, est un K-espace vectoriel.

DÉMONSTRATION. Nous allons montrer que L (E, F ) est un sous-espace vectoriel de (F (E, F ), +, ·).
Tout d’abord, L (E, F ) est non vide puisque l’application nulle est à l’évidence linéaire. Soient par ailleurs f , g
appartenant à L (E, F ) et α ∈ K. Pour tous (x, y) ∈ E 2 et λ ∈ K, on a

(α f + g)(λx + y) = α f (λx + y) + g(λx + y)

= α(λ f (x) + f ( y)) + (λg(x) + g( y))
= λ(α f (x) + g(x)) + (α f ( y) + g( y))
= λ(α f + g)(x) + (α f + g)( y).

L’application α f + g est donc linéaire et α f + g ∈ L (E, F ). ƒ

Composition

Proposition 4.8 Soient E, F et G trois K-espaces vectoriels. Pour tous f de L (E, F ) et g de L (F, G), g ◦ f appartient
à L (E, G).

32
 4.3. PROJECTEURS ET SYMÉTRIES

DÉMONSTRATION. On a

∀λ ∈ K, ∀(x, y) ∈ E 2 , (g ◦ f )(λx + y) = g( f (λx + y)) = g(λ f (x) + f ( y)) = λg( f (x)) + g( f ( y))
= λg( f (x)) + g( f ( y)) = λg ◦ f (x) + g ◦ f ( y).

ƒ
En particulier, si E = F = G, ( f , g) 7→ g ◦ f est une loi de composition interne sur L (E). Elle est associative (pour
tous f , g, h dans L (E), h ◦ (g ◦ f ) = (h ◦ g) ◦ f ), a pour élément neutre I E (pour tout f ∈ L (E), f ◦ I E = I E ◦ f = f )
et est distributive par rapport à l’addition (pour tous f , g, h dans L (E), h ◦ (g + f ) = (h ◦ g) + (h ◦ f ) et
(g + f ) ◦ h = (g ◦ h) + ( f ◦ h)). Cette loi de composition n’est en général pas commutative.
L’ensemble G L (E) des éléments inversibles de L (E), c’est-à-dire des automorphismes de E, est appelé groupe
linéaire de E.

4.3 Projecteurs et symétries

Définition 4.9 On appelle projecteur de E tout endomorphisme p ∈ L (E) tel que p ◦ p = p.

Théorème 4.10 Si E = E1 ⊕ E2 , alors l’application p1 ∈ L (E) définie par p1 (x 1 + x 2 ) = x 1 est un projecteur.

Réciproquement, si p ∈ L (E) est un projecteur, alors en notant E1 = Im p et E2 = Ker p, on a E = E1 ⊕ E2 et p = p1 .

DÉMONSTRATION. Il est clair que p1 est linéaire et que p1 ◦ p1 = p1 . Réciproquement, soit p un projecteur de E.
Pour tout x de E, on a x = p(x) + (x − p(x)) ∈ E1 + E2 . D’autre part, si x ∈ E1 ∩ E2 , alors x = p( y) et p(x) = 0 E .
On en déduit que x = p( y) = p ◦ p( y) = p(x) = 0 E . Enfin, si x = x 1 + x 2 , alors x 1 = p( y) et p2 (x 2 ) = 0 E , donc
p(x) = p(p( y)) = p( y) = x 1 = p1 (x). ƒ
On dit que p1 est le projecteur sur E1 parallèlement à E2 . On définit de même le projecteur p2 sur E2 parallèlement
à E1 , et l’on a, dans L (E), p1 + p2 = I E et p1 ◦ p2 = p2 ◦ p1 = 0L (E) .

Définition 4.11 On appelle symétrie de E tout endomorphisme de s ∈ L (E) tel que s ◦ s = I E .

On observe que s ∈ G L (E) et que s−1 = s.

Théorème 4.12 Si E = E1 ⊕ E2 , alors l’application s1 ∈ L (E) définie par s1 (x 1 + x 2 ) = x 1 − x 2 est une symétrie.
Réciproquement, si s ∈ L (E) est une symétrie, alors en notant E1 = Ker(s − I E ) et E2 = Ker(s + I E ), on a E = E1 ⊕ E2
et s = s1 .

DÉMONSTRATION. Il est clair que s1 est linéaire et que s1 ◦ s1 = I E . Réciproquement, soit s une symétrie de E.
Pour tout x de E, écrivons x = 12 (x + s(x)) + 12 (x − s(x)) ∈ E1 + E2 . De plus, si x ∈ E1 ∩ E2 , alors s(x) = x = −x et
donc x = 0 E . On en déduit que E = E1 ⊕ E2 . Finalement, si x = x 1 + x 2 , alors s(x) = s(x 1 ) + s(x 2 ) = x 1 − x 2 = s1 (x).
ƒ
On dit que s1 est la symétrie par rapport à E1 parallèlement à E2 . On définit de même la symétrie s2 par rapport à
E2 parallèlement à E1 . On vérifiera alors que s1 = p1 − p2 = 2p1 − I E .

4.4 Familles de vecteurs et applications linéaires

Proposition 4.13 Pour toute application f de L (E, F ) et toute famille finie F d’éléments de E, on a

f (Vect F ) = Vect( f (F )).

DÉMONSTRATION. Posons Pn F = (x i )1≤i≤n . Soit y ∈ f (Vect F ) ; il existe x ∈ Vect F tel que y = f (x) et des scalaires
(λi )1≤i≤n tels que x = i=1 λi x i . On a alors
‚ n Œ n
X X
y = f (x) = f λi x i = λi f (x i ) ∈ Vect( f (F )).
i=1 i=1

Ceci montre f (Vect F ) ⊂ Vect( f (F )). L’inclusion réciproque se montre de manière analogue. ƒ

33
 CHAPITRE 4. APPLICATIONS LINÉAIRES

Proposition 4.14 Soit f ∈ L (E, F ) et F une famille finie d’éléments de E.

1) Si F est liée, alors f (F ) est liée.
2) Si F est libre, alors f (F ) est libre.

DÉMONSTRATION. Posons F = (x i )1≤i≤n .

Pn
1) La famille F étant liée, il existe des scalaires (λi )1≤i≤n non tous nuls tels que i=1 λi x i = 0 E . On a alors
Pn Pn

i=1 λi f (x i ) = f i=1 λi x i = f (0 E ) = 0 F , et donc f (F ) est liée.
2) Se déduit de 1) par contraposée.
ƒ
Supposons à présent que E admet une base B = (ei )1≤i≤n (n ≥ 1). Nous allons montrer qu’une application linéaire
f : E → F peut se définir par les images f (ei ), 1 ≤ i ≤ n, des vecteurs de la base B.

Théorème 4.15 Pour toute famille C = ( f i )1≤i≤n d’éléments de F , il existe une unique application linéaire f : E → F
telle que f (B) = C , c’est-à-dire que f (ei ) = f i pour tout i compris entre 1 et n. Cette application est surjective (resp.
injective, resp. bijective) si et seulement si C est génératrice (resp. libre, resp. une base) dans F .

DÉMONSTRATION. Tout vecteur x de E s’écrit de manière unique x = x 1 e1 + · · · + x n en dans la base B. En posant,

f (x) = x 1 f1 + · · · + x n f n , il est évident que f (ei ) = f i pour tout 1 ≤ i ≤ n et que f : E → F est linéaire. On a aussi
l’unicité, car si g : E → F linéaire vérifie g(ei ) = f i , alors pour tout x ∈ E, g(x) = x 1 f1 + · · · + x n f n = f (x).
Pour démontrer les équivalences, il suffit d’écrire les définitions. L’application f est surjective lorsque, pour
tout y de F , il existe x de E tel que y = f (x). Ceci est équivalent à l’existence de (x 1 , . . . , x p ) ∈ Kn tel que
x = x 1 e1 + · · · + x n en et y = x 1 f1 + · · · + x n f n , et donc à C est une famille génératrice. D’autre part, f est injective
lorsque, pour tout x de E, f (x) = 0 F implique x = 0 E . En écrivant encore x = x 1 e1 + · · · + x n en , ceci est équivalent
à l’implication : si x 1 f1 + · · · + x n f n = 0 F alors (x 1 , . . . , x p ) = (0, . . . , 0), et donc la famille C est libre. ƒ
Nous en déduisons une propriété utile dans la pratique.

Corollaire 4.16 Si f : E → F est une application linéaire et si C = f (B) = ( f (e1 ), . . . , f (en )), alors f est un
isomorphisme si et seulement si C est une base de F .

4.5 Cas de la dimension finie

Soient E, F deux espaces vectoriels de dimension finie et f une application linéaire de E dans F .

Définition 4.17 On appelle rang de l’application f , et on note rang f , la dimension de l’image de f :

rang f = dim(Im f ).

Théorème 4.18 (« théorème du rang ») On a

dim E = dim(Ker f ) + rang f .

DÉMONSTRATION. Notons n = dim E. Le sous-espace-vectoriel Ker f de E admet au moins une base (ei )1≤i≤p que
l’on peut compléter en une base (ei )1≤i≤n de E. Nous allons montrer que ( f (e p+1 ), . . . , f (en )) est une base de Im f .
Les vecteurs f (ei ), p + 1 ≤ i ≤ n, sont à l’évidence des éléments de Im f . Soit (λ p+1 , . . . , λn ) ∈ Kn−p tel que
n
X
λi f (ei ) = 0 F .
i=p+1

!
n
X n
X
On a alors f λi ei = 0 F , et donc λi ei ∈ Ker f .
i=p+1 i=p+1
Xn p
X
Il existe donc (µ1 , . . . , µ p ) ∈ K tel que
p
λi ei = µi ei , d’où µ1 e1 + · · · + µ p e p − λ p+1 e p+1 − · · · − λn en = 0 E .
i=p+1 i=1

34
 4.5. CAS DE LA DIMENSION FINIE

Comme la famille (e1 , . . . , e p ) est libre, on en déduit que λ p+1 = · · · = λn = 0, ce qui montre que ( f (e p+1 ), . . . , f (en ))
est libre.
Soit maintenantPy ∈ Im f . Il existe x ∈ E tel que y = f (x). Comme (e1 , . . . , en ) engendre E, il existe (α1 , . . . , αn ) ∈
n
Kn tel que x = i=1 αi ei . On a alors
n n n
‚ Œ
X X X
y = f (x) = f αi ei = αi f (ei ) = αi f (ei ),
i=1 i=1 i=p+1

puisque les vecteurs ei , 1 ≤ i ≤ p, appartiennent au noyau de f . La famille ( f (e p+1 ), . . . , f (en )) engendre donc
Im f et c’est une base de ce sous-espace de F . On conclut alors

rang f = dim(Im f ) = n − p = dim E − dim(Ker f ).

Exemple. Si f : E → K est une forme linéaire non nulle, alors rang f = 1 et Ker f est un hyperplan de E. On dit
que f (x) = 0 est une équation de cet hyperplan. En particulier, si α1 , . . . , αn sont des réels non tous nuls, alors
{(x 1 , . . . , x n ) ∈ Rn | α1 x 1 + · · · + αn x n = 0} est un hyperplan de Rn .

Remarque. Même lorsque E = F , on n’a généralement pas E = Ker f ⊕ Im f . Par exemple, , pour f : R → R2
définie par f (x, y) = (0, x), on a Ker f = Im f = Vect{(0, 1)}. Toutefois, on pourra vérifier que E = Ker f + Im f si
et seulement si Ker f ∩ Im f = {0 E }.
Quelques propriétés fondamentales du rang sont récapitulées dans le théorème suivant.

Théorème 4.19 Soient E, F deux K-espaces vectoriels et f une application linéaire de E dans F . Alors
• on a rang f ≤ dim F avec rang f = dim F si et seulement si f est surjective,
• on a rang f ≤ dim E avec rang f = dim E si et seulement si f est injective,
• si dim E = dim F =n, les assertions suivantes sont équivalentes :
(1) f est injective, (2) f est surjective, (3) f est bijective, (4) rang f = n.

DÉMONSTRATION. Comme Im f est un sous-espace vectoriel de F , on a rang f ≤ dim F , avec égalité si et seulement
si Im f = F , c’est-à-dire si f est surjective.
D’autre part, d’après le théorème du rang, rang f = dim E − dim(Ker f ), et donc rang f ≤ dim E, avec égalité si et
seulement si dim(Ker f ) = 0, c’est-à-dire f est est injective.
De plus, si dim E = dim F = n, alors, d’après ce qui précède, on a (1)⇔(2) et chacune des assertions est équivalente
à (3). Finalement, on a (2)⇔(4), par définition du rang. ƒ
Rappelons que si f est bijective, alors f −1 est linéaire. On en déduit la propriété suivante.

Corollaire 4.20 Pour tout endomorphisme f ∈ L (E), les assertions suivantes sont équivalentes :
(1) f est inversible dans L (E), c’est-à-dire qu’il existe g ∈ L (E) tel que f ◦ g = g ◦ f = I E .
(2) f est inversible à droite dans L (E), c’est-à-dire qu’il existe g ∈ L (E) tel que f ◦ g = I E .
(3) f est inversible à gauche dans L (E), c’est-à-dire qu’il existe g ∈ L (E) tel que g ◦ f = I E .
On a alors f ∈ G L (E) et f −1 = g.

DÉMONSTRATION. Il est clair que (1) implique (2) et (1) implique (3).
Montrons que (2) implique (1). Si f ◦ g = I E , f ◦ g est surjective et donc f est surjective ; ainsi f est bijective
d’après le théorème précédent.
Montrons que (3) implique (1). Si g ◦ f = I E , g ◦ f est injective et donc f est injective ; ainsi f est bijective d’après
le théorème précédent. ƒ

35
CHAPITRE 4. APPLICATIONS LINÉAIRES

36
Chapitre 5

Matrices

Étant donnés deux espaces vectoriels E et F sur K, une base B = (e1 , . . . , e p ) de E et une base C = ( f1 , . . . , f n )
de F , nous avons vu que toute application linéaire f de E dans F est entièrement déterminée par la donnée
des images f (e1 ), . . . , f (e p ) des vecteurs de B par f , c’est-à-dire par la donnée des coordonnées de chacun des
vecteurs f (e1 ), . . . , f (e p ) sur la base C de F . Ces coordonnées peuvent être rangées en un tableau à n lignes et p
colonnes, appelé matrice. Ceci va nous permettre d’utiliser des algorithmes de calcul en algèbre linéaire.
Dans ce chapitre, K désigne un corps commutatif (en pratique K = R ou C), n et p sont deux entiers naturels non
nuls.

5.1 Calcul matriciel

5.1.1 Notion de matrice
Définition 5.1 Une matrice A d’ordre (n, p) à éléments dans K est un tableau rectangulaire, composé de n lignes
et p colonnes, d’éléments (ai j )1≤i≤n, 1≤ j≤p de K, que l’on écrit sous la forme

···
 
a11 a12 a1p
 a21 a22 ··· a1p 
A=
 .. .. .
.. 
. . .
an1 an2 ··· anp

L’ensemble de ces matrices se note Mn,p (K).

Le couple (n, p) est le format de la matrice A, également dite de type (n, p) ; l’entier n est le nombre de lignes de A
et l’entier p le nombre de colonnes de A. Pour (i, j) ∈ {1, . . . , n} × {1, . . . , p}, l’élément ai j , situé à la i e ligne et j e
colonne, s’appelle le (i, j)e terme ou coefficient de A.
Si n = p, on parle de matrices carrées d’ordre n et leur ensemble se note Mn (K). La famille (aii )1≤i≤n est alors
appelée la diagonale de A et les scalaires aii , 1 ≤ i ≤ n, les éléments diagonaux de A. Une matrice diagonale est une
matrice carrée dont tous les éléments hors de la diagonale sont nuls. On la note parfois diag(a11 , . . . , ann ). Lorsque
de plus tous les éléments diagonaux sont égaux, on parle de matrice scalaire. Par exemple,

1 0 ··· 0
 
.. .. 
 0

1 . . 
In =  .  ∈ Mn (K)
 . .. ..
. . . 0

0 ··· 0 1

est une matrice scalaire qu’on appelle la matrice identité d’ordre n.

On dit que A est une matrice-colonne (ou matrice unicolonne) (resp. matrice-ligne (ou matrice uniligne)) si et
seulement si p = 1 (resp. n = 1).
Soit A une matrice d’ordre (n, p). Pour i ∈ {1, . . . , n}, la matrice-ligne (ai1 . . . aip ) est appelée la i e ligne de A. Pour

37
 CHAPITRE 5. MATRICES

‚ a1 j Œ
j ∈ {1, . . . , p}, la matrice-colonne ... est appelée la j e colonne de A.
an j
Une matrice carrée est dite triangulaire supérieure lorsque les éléments situés en dessous de la diagonale sont nuls,
c’est-à-dire ai j = 0 pour tout (i, j) tel que 1 ≤ j < i ≤ n. On définit de manière analogue les matrices triangulaires
inférieures.
Pour toute matrice A de Mn,p (K), on appelle transposée de A, et l’on note t A la matrice d’ordre (p, n) obtenue
en échangeant les lignes et les colonnes de A. Ainsi, t A = (bi j )1≤i≤p, 1≤n≤p , avec bi j = a ji pour tous i et j. On
remarque que si une matrice carrée A est triangulaire supérieure (resp. inférieure), alors t A est une matrice
triangulaire inférieure (resp. supérieure), et que la transposée d’une matrice-ligne (resp. matrice-colonne) est une
matrice-colonne (resp. matrice-ligne).
Enfin, on dit qu’une matrice carrée est symétrique lorsque t A = A et antisymétrique lorsque t A = −A ; dans ce
dernier cas, aii = 0 pour tout i ∈ {1, . . . , n}.

5.1.2 Matrice représentative d’une application linéaire

Dorénavant, E désignera un espace vectoriel sur K de dimension p muni d’une base B = (e j )1≤ j≤p et F sera
Œ base C = ( f i )1≤i≤n .
un espace vectoriel sur K de dimension n muni‚ d’une
x1

Pour tout vecteur x de E, la matrice-colonne .. est appelée la matrice-colonne des composantes de x dans la
.
xp
base B et est notée matB (x). Ainsi, pour toute famille F = (c1 , . . . , c p ) de p vecteurs de F , on note matC (F ) la
matrice, appartenant à Mn,p (K), de la famille F relativement à la base C , c’est-à-dire la matrice dont les colonnes
sont matC (c1 ), . . . , matC (c p ).
Pp
Considérons à présent une application linéaire f : E → F . Pour tout vecteur x de E, on a : x = j=1 x j e j et
Pp Pn
alors : f (x) = j=1 x j f (e j ). Pour tout j ∈ {1, . . . , p}, exprimons f (e j ) dans la base C ; on a : f (e j ) = i=1 ai j f i ,
P p Pn
d’où : f (x) = j=1 i=1 x j ai j f i . L’unicité de la décomposition des vecteurs de F dans C permet alors de dire que
Pn Pp
f (x) = i=1 yi f i , avec yi = j=1 ai j x j .

Définition 5.2 Soit f ∈ L (E, F ). On appelle matrice représentative de f relativement aux bases B et C la
matrice matC ( f (B)) appartenant à Mn,p (K). On la notera matB,C ( f ).

On remarquera ici que les éléments de la j e colonne de matB,C ( f ) sont les composantes du vecteur f (e j ) dans la
base C , c’est-à-dire matC ( f (e j )).
Lorsque f ∈ L (E) et que l’espace vectoriel E est muni de la base B, on note matB ( f ) au lieu de matB,B ( f ).

Exemples.
— Soit f : E → F l’application nulle, i.e. pour tout e ∈ E, f (e) = 0 F . Par conséquent, pour tout vecteur e j ,
1 ≤ j ≤ p d’une base B de E, on a : f (e j ) = 0 F = 0 f1 + · · · + 0 f n , où ( f1 , . . . , f n ) = C est une base de
F , c’est-à-dire que la j e colonne de matB,C ( f ) est nulle, pour tout indice j compris entre 1 et p. Cette
application est donc représentée par la matrice nulle, dont tous les termes sont égaux à zéro.
— Soit f : E → E l’application identité. On a alors : f (e j ) = e j = 0e1 + · · · + 1e j + · · · + 0e p , 1 ≤ j ≤ p. On en
déduit que matB ( f ) = I p , la matrice identité.
Plus généralement, si f : E → E homothétie de rapport λ ∈ K, alors f (e j ) = λe j , 1 ≤ j ≤ p, et :

λ 0 ··· 0
 
.. .. 
 0 λ . . 

matB ( f ) =  .  ∈ M p (K).
 . .. ..
. . . 0

0 ··· 0 λ

— Dans R3 , muni du repère d’origine (0, 0, 0) et de base orthonormée {e1 , e2 , e3 }, soit f : R3 → R3 la rotation
d’angle θ autour de l’axe dirigé selon e3 . On a alors : f (e1 ) = cos θ e1 + sin θ e2 , f (e2 ) = − sin θ e1 + cos θ e2

38
 5.1. CALCUL MATRICIEL

et f (e3 ) = e3 . On en déduit :
 
cos θ − sin θ 0
mat(ei )1≤i≤3 ( f ) =  sin θ cos θ 0 .
0 0 1

Théorème 5.3 L’application f 7→ matB,C ( f ) est une bijection de L (E, F ) sur Mn,p (K).

DÉMONSTRATION. Soit A = (ai j )1≤i≤n, 1≤ j≤p ∈ Mn,p (K). Nous avons vu dans le chapitre précédent (théorème 4.15) qu’en posant
posant b j = a1 j f1 + · · · + an j f n , 1 ≤ j ≤ p, il existe une unique application linéaire f : E → F telle que, pour tout j ∈ {1, . . . , p},
b j = f (e j ), c’est-à-dire telle que matB,C ( f ) = A. ƒ

5.1.3 L’espace vectoriel (Mn,p (K), +, ·)

La bijection matB,C que nous venons de mettre en évidence va nous permettre d’« amener » sur Mn,p (K) la
structure vectorielle existant sur L (E, F ). En effet, si B = (e1 , . . . , e p ) et C = ( f1 , . . . , f n ) sont respectivement des
bases des espaces vectoriels E et F , on a, pour tout λ ∈ K, f , g ∈ L (E, F ) et A = (ai j )1≤i≤n, 1≤ j≤p = matB,C ( f ),
B = (bi j )1≤i≤n, 1≤ j≤p = matB,C (g) :
n
X n
X
∀ j ∈ {1, . . . , p}, f (e j ) = ai j f i et g(e j ) = bi j f i ,
i=1 i=1

d’où :
n
X
∀ j ∈ {1, . . . , p}, (λ f + g)(e j ) = (λai j + bi j ) f i .
i=1

Ceci nous conduit aux définitions suivantes.

Définitions 5.4 On appelle addition dans Mn,p (K) la loi interne, notée +, définie par :

∀A ∈ Mn,p (K), ∀B ∈ Mn,p (K), A + B = (ai j + bi j )1≤i≤n, 1≤ j≤p .

On appelle multiplication par les scalaires dans Mn,p (K) la loi externe K × Mn,p (K) → Mn,p (K), notée ·, définie
par :
∀λ ∈ K, ∀A ∈ Mn,p (K), λ · A = (λai j )1≤i≤n, 1≤ j≤p .
On note souvent λA au lieu de λ · A. Il est facile de vérifier que (Mn,p (K), +, ·) est un espace vectoriel sur K,
notamment en le voyant comme l’espace vectoriel (Kn×p , +, ·), les calculs étant disposés dans des tableaux. En
particulier, l’élément neutre de Mn,p (K) est la matrice dont tous les termes sont nuls, dite matrice nulle.
Pour tout (i, j) ∈ {1, . . . , n} × {1, . . . , p}, on définit la matrice Ei j de Mn,p (K) dont tous les termes sont nuls sauf le
(i, j)ème qui vaut 1. Les matrices Ei j sont appelées les matrices élémentaires.

Proposition 5.5 La famille de matrices (Ei j )1≤i≤n, 1≤ j≤p est une base de Mn,p (K), appelée base canonique de Mn,p (K),
et dim Mn,p (K) = np.
Pn P p
DÉMONSTRATION. Pour toute matrice A = (ai j )1≤i≤n, 1≤ j≤p de Mn,p (K), on a : A = i=1 j=1 ai j Ei j . Par ailleurs, la somme
Pn P p
i=1
a E est nulle si et seulement si tous les coefficients ai j sont nuls.
j=1 i j i j
La famille (Ei j )1≤i≤n, 1≤ j≤p est donc libre et engendre Mn,p (K), c’est une base de cet espace vectoriel. ƒ
On en déduit que dim Mn (K) = n2 . Par ailleurs, nous avons démontré (cf. théorème 5.3) que l’application
f 7→ matB,C ( f ) de L (E, F ) sur Mn,p (K) était un isomorphisme d’espaces vectoriels, et donc 1 dim L (E, F ) = np,
dim L (E) = n2 .
Le lecteur est invité à vérifier que les ensembles des matrices diagonales, triangulaires inférieures ou triangulaires
supérieures sont des sous-espaces vectoriels de Mn (K) et à donner leurs dimensions respectives.
On vérifiera également que la transposition est un isomorphisme entre les espaces vectoriels Mn,p (K) et M p,n (K).
Plus précisément, pour toutes matrices A et B de Mn,p (K) et tout scalaire λ ∈ K, on a :
t
(A + B) = t A + t B, t (λA) = λ t A, t ( t A) = A.
1. On remarquera aussi à cette occasion que le dual de E a la même dimension que E, puisque dim E ∗ = dim L (E, K) = dim E.

39
 CHAPITRE 5. MATRICES

5.1.4 Multiplication des matrices

Soient G un espace vectoriel de dimension q ≥ 1, muni d’une base D = (g1 , . . . , gq ), f ∈ L (E, F ) et g ∈ L (G, E).
Posons A = matB,C ( f ) et B = matD,B (g). Nous allons définir la matrice C = matD,C ( f ◦ g) de l’application f ◦ g
relativement aux bases D et C . Pn
Pour tout j ∈ {1, . . . , q}, nous avons d’une part : f ◦ g(g j ) = i=1 ci j f i , d’autre part :
p p p X
‚ n Œ n n
‚ p Œ
X X X X X X
f ◦ g(g j ) = bk j f (ek ) = bk j aik f i = aik bk j f i = aik bk j f i ,
k=1 k=1 i=1 k=1 i=1 i=1 k=1
p
X
et ainsi ci j = aik bk j , ∀(i, j) ∈ {1, . . . , n} × {1, . . . , q}.
k=1
Ceci nous conduit à la définition suivante.
Définition 5.6 Soient A ∈ Mn,p (K) et B ∈ M p,q (K) deux matrices. On appelle produit de A par B, et l’on note AB, la
matrice de Mn,q (K) définie par :
p
X
AB = (ci j )1≤i≤n, 1≤ j≤q où ci j = aik bk j .
k=1

Exemples.
y1
 
‚ n Œ
.
X
• x 1 · · · x n  ..  = x i yi .
i=1
yn
x1 x 1 y1 · · · x 1 y p
   
.
. .. 
•  ..  y1 · · · y p =  .. . .
xn x n y1 · · · x n y p
En pratique, pour effectuer le produit AB de deux matrices, on dispose A, B et AB de la manière suivante :

j ème colonne
↓
 
b1 j
..
.
 
 
×  · · · bk j · · · 
 
 .. 
.
 
bp j
..
 
 ..  .
. 
 Xp 

i ème
ligne →  ai1 ··· aik ··· aip = ··· aik bk j · · ·
   
  
..  k=1 
. ..
.

Par exemple :  
1 2 −1 4
×  1 0 0 −2 
−1 1 1 −2
 ‹  ‹
1 2 3 0 5 2 −6
=
0 1 −1 2 −1 −1 0
L’application de Mn,p (K) × M p,q (K) dans Mn,q (K) qui à (A, B) associe AB s’appelle la multiplication des matrices. On
retiendra que la matrice représentative d’une composée d’applications est le produit des matrices représentatives
de ces applications dans leurs bases respectives :

matD,C ( f ◦ g) = matB,C ( f ) matD,B (g).

40
 5.1. CALCUL MATRICIEL

L’associativité et la distributivité de la multiplication de matrices se vérifient en utilisant les applications linéaires.

On a :
— ∀A ∈ Mn,p (K), ∀B, C ∈ M p,q (K), A(B + C) = AB + AC (pseudo-distributivité à gauche),
— ∀A, B ∈ Mn,p (K), ∀C ∈ M p,q (K), (A + B)C = AC + BC (pseudo-distributivité à droite),
— ∀A ∈ Mn,p (K), ∀B ∈ M p,q (K) et ∀C ∈ Mq,r (K), (AB)C = A(BC) (pseudo-associativité),
— ∀λ ∈ K, ∀A ∈ Mn,p (K) et ∀B ∈ M p,q (K), λ(AB) = (λA)B = A(λB).
On vérifie également que, pour toutes matrices ∀A ∈ Mn,p (K) et ∀B ∈ M p,q (K), t (AB) = t B t A. En effet, en posant
C = t (AB) et D = t B t A, on a directement :
p
X
ci j = a jk bki = di j .
k=1

5.1.5 Matrices carrées

La multiplication des matrices définit une loi interne sur l’espace vectoriel Mn (K), d’élément neutre I n , associa-
tive et distributive par rapport à l’addition. Pour n = 1, c’est la multiplication usuelle dans le corps K. Dans ce cas
particulier, elle est commutative et vérifie la propriété suivante : si a ∈ K et b ∈ K sont tels que ab = 0, alors ou
a = 0 ou b = 0. Nous allons voir que pour n ≤ 2, ces deux propriétés ne subsistent pas.





Exemple. Si A = 00 58 et B = −4 0 0 , alors AB = 0 0 et BA =
3 00 04
00 . Ainsi, AB 6= BA. De plus, on observe que A
et B ne sont pas des matrices nulles mais AB = 0 M4 (R) .

Proposition 5.7 Si A ∈ Mn (K) et B ∈ Mn (K) commutent (c’est-à-dire si AB = BA), on dispose de la formule du

binôme de Newton 2 :
Xm Xm
∀m ≥ 0, (A + B) =
m k k m−k
Cm A B = Cmk Am−k B k .
k=0 k=0
m
X
En particulier, (I n + B)m = Cmk B k .
k=0

m!
On rappelle que Cmk = . Comme dans K, la démonstration de cette proposition se fait par récurrence sur
k!(m − k)!
l’entier m.

Le groupe G L n (K)
Définition 5.8 Une matrice A de Mn (K) est dite inversible si et seulement s’il existe A0 ∈ Mn (K) telle que AA0 = A0 A =
I n . Si A est inversible, alors A0 est unique, appelée inverse de A et notée A−1 .
On note G L n (K) l’ensemble des matrices inversibles de Mn (K).

Proposition et définition 5.9 1) La multiplication des matrices est interne dans G L n (K), qui, muni de cette loi de
composition, est un groupe appelé groupe linéaire.
2) Pour tout K-espace vectoriel E muni d’une base B, l’application f 7→ matB ( f ) définit un isomorphisme entre les
groupes (G L (E), ◦) et (G L n (K), ·).

DÉMONSTRATION.
1) Tout d’abord, I n ∈ G L n (K). De plus, pour tout (A, B) ∈ G L n (K)2 , (AB)(B −1 A−1 ) = (B −1 A−1 )(AB) = I n , donc AB ∈ G L n (K), et
A−1 A = AA−1 = I n , donc A−1 ∈ G L n (K).
2) Pour tout ( f , g) ∈ G L (E)2 , matB ( f ◦ g) = matB ( f ) matB (g).
Par ailleurs, pour toute application f de G L (E), comme

matB ( f ) matB ( f −1 ) = matB ( f −1 ) matB ( f ) = matB (I E ) = I n ,

2. Sir Isaac Newton (4 janvier 1643 - 31 mars 1727) était un philosophe, mathématicien, physicien et astronome anglais. Figure emblématique
des sciences, il est surtout reconnu pour sa théorie de la gravitation universelle et l’invention du calcul infinitésimal.

41
 CHAPITRE 5. MATRICES

on a matB ( f ) ∈ G L n (K).
Réciproquement, pour toute matrice A de G L n (K), il existe ( f , g) ∈ L (E)2 unique tel que matB ( f ) = A et matB (g) = A−1 , et
on a : matB ( f ◦g) = matB ( f ) matB (g) = AA−1 = I n et matB (g◦ f ) = matB (g) matB ( f ) = A−1 A = I n , donc f ◦g = g◦ f = I E ,
d’où f ∈ G L (E).
ƒ
On déduit de cette proposition le résultat suivant.

Théorème 5.10 Une matrice A de Mn (K) est inversible si et seulement si ses colonnes, considérées comme des éléments
de Kn , sont linéairement indépendantes.

DÉMONSTRATION. D’après la proposition 5.9, A inversible signifie que c’est la matrice d’un isomorphisme f sur E. Par injectivité
de f , on a directement l’indépendance linéaire des vecteurs f (e1 ),. . . , f (en ). ƒ
Nous terminons en énonçant quelques propriétés vérifiées par les éléments de G L n (K).
— Pour toutes matrices A et B de G L n (K), on a : (AB)−1 = B −1 A−1 .
— Si A ∈ G L n (K), alors t A ∈ G L n (K) et ( t A)−1 = t (A−1 ), puisque t (A−1 ) t A = t (AA−1 ) = I n .
Par ailleurs, si A ∈ Mn (K) est inversible à droite (resp. à gauche), i.e. s’il existe B ∈ Mn (K) telle que AB = I n (resp.
BA = I n ), alors A est inversible.

Calcul pratique de l’inverse d’une matrice

Soit A ∈ G L n (K). En notant AX = Y , où X , Y ∈ Mn,1 (K), il suffit d’exprimer X en fonction de Y par résolution
d’un système linéaire pour obtenir la matrice A−1 . En effet, si A est inversible, on a AX = Y ⇔ X = A−1 Y .
2 4 −1
 € x1 Š € y1 Š
Exemple. Calculons l’inverse A = 1 −2 3 . En notant X = xx 2 et Y = yy2 , nous avons
1 1 1/2 3 3

 2x 1 + 4x 2 − x 3 = y1


AX = Y ⇔ x 1 − 2x 2 + 3x 3 = y2 .
 x + x + x3 = y3
1 2
2
En résolvant ce système, nous trouvons

 x1
 = 4 y1 + 3 y2 − 10 y3
5 y1
x2 = − − 2 y2 + 7 y3 ,
 2
x3 = −3 y1 − 2 y2 + 8 y3


4 3 −10
 
d’où A−1 = −5/2 −2 7 .
−3 −2 8

5.1.6 Matrices écrites par blocs

Supposons que n = n1 + · · · + n r et p = p1 + · · · + ps , avec (r, s) ∈ N∗ × N∗ , et que, pour tout (i, j) ∈
{1, . . . , r} × {1, . . . , s}, (ni , pi ) ∈ N∗ × N∗ . On définit la matrice écrite par blocs A ∈ Mn,p (K) de la manière suivante :

A11 ··· A1s

 
.. .. 
A = (Ai j )1≤i≤r, 1≤ j≤s = 
. Ai j . , où Ai j ∈ Mni ,p j (K).
A r1 ··· A rs

5.1.7 Rang d’une matrice

On rappelle que si F est une famille d’éléments de F , alors rang F = dim(Vect F ), et que si f : E → F est
une application linéaire, alors rang f = dim(Im f ) = rang f (B).

Définition 5.11 Soit A ∈ Mn,p (K). On appelle rang de A, et l’on note rang A, le rang de la famille des colonnes de A
dans Mn,1 (K).

42
 5.2. CHANGEMENT DE BASES

‚ a11 Œ ‚ a1p Œ
Ainsi, en notant A = (ai j )1≤i≤n, 1≤ j≤p et C1 = .
.. , . . . , C p = .. les colonnes de A, on a que rang A =
.
an1 anp
rang(C1 , . . . , C p ).
Cette définition est compatible avec l’identification usuelle entre Mn,p (K) et L (K p , Kn ), le rang d’une matrice A
étant dans ce cadre le rang de n’importe quelle application linéaire représentée par A et le rang d’une application
linéaire étant le rang de n’importe quelle matrice la représentant. Ceci est résumé dans la

Proposition 5.12 Soient f ∈ L (E, F ) et A = matB,C ( f ), on a

rang f = rang A.

Proposition 5.13 Pour toute matrice A de Mn,p (K), on a

rang A ≤ min(n, p).

DÉMONSTRATION. On a d’une part que rang A = rang(C1 , . . . , C p ) ≤ p, et d’autre part que rang A = dim(Vect(C1 , . . . , C p )) ≤
dim Mn,1 (K) = n. ƒ

Proposition 5.14 Pour toute matrice A de Mn (K), rang A = n ⇔ A ∈ G L n (K).

DÉMONSTRATION. Soit f l’endomorphisme de L (Rn ) = Mn,1 (K) représenté par A dans la base canonique de Mn,1 (K). Comme
(C1 , . . . , Cn ) est une base de Mn,1 (K) si et seulement si f est bijectif, on en conclut que rang A = n ⇔ A ∈ G L n (K). ƒ
Nous montrons enfin qu’on ne modifie pas le rang d’une matrice en la multipliant par une matrice inversible.

Proposition 5.15 Pour toute matrice A de Mn,p (K), on a

∀P ∈ G L p (K) (resp. Q ∈ G L n (K)), rang(AP) = rang A (resp. rang(QA) = rang A).

Ce résultat se déduit aisément de la

Proposition 5.16 Pour toutes applications linéaires f : E → F et g : F → G, si f (resp. g) est un isomorphisme,

alors rang g ◦ f = rang g (resp. rang g ◦ f = rang f ).

DÉMONSTRATION. Tout d’abord, Im(g ◦ f ) = g(Im f ) ⊂ g(F ), et donc rang(g ◦ f ) ≤ rang g, avec égalité si f est surjective. De
plus, rang(g ◦ f ) ≤ dim(Im f ) = rang f , avec égalité si g est injective. ƒ

5.2 Changement de bases

Soient respectivement B 0 = (e10 , . . . , e0p ) et C 0 = ( f10 , . . . , f p0 ) d’autres bases de E et F .
0
Définition 5.17 On appelle matrice de passage de B à B 0 la matrice PB B
= matB (B 0 ) de M p (K), dont les
0
colonnes sont formées par les composantes des vecteurs de la base B dans la base B.
0
B
Proposition 5.18 On a PB = matB 0 ,B (I E ).

DÉMONSTRATION. Notons B 0 = (e10 , . . . , e0p ). Pour chaque j de {1, . . . , p}, la j ème colonne de matB 0 ,B (I E ) est formée par les
composantes de I E (e0j ), soit e0j , sur la base B. ƒ

Proposition 5.19 Soient B, B 0 et B 00 des bases d’un K-espace vectoriel E de dimension p. On a

B
1) PB = Ip.
00 0 00
B
2) PB = PB
B B
PB 0 .
0 0
B
3) PB est inversible et (PB ) = PB
B −1 B
0.

DÉMONSTRATION.
B
1) PB = matB,B (I E ) = I p .
00 0 00
B
2) PB = matB 00 ,B (I E ) = matB 0 ,B (I E ) matB 00 ,B 0 (I E ) = PB
B B
PB 0 .

43
 CHAPITRE 5. MATRICES

0
0 = PB = I p .
B B B
3) PB PB
ƒ
B0 0
On note à présent P = (resp. Q =
PB PCC ) 0
la matrice de passage de B à B (resp. de C à C ). Les formules dites 0

de changement de base sont données par les théorèmes suivants.

Théorème 5.20 (changement de base pour un vecteur) Pour tout x ∈ E, si X = matB (x) et X 0 = matB 0 (x), alors
X = P X 0.

DÉMONSTRATION. X = matB (x) = matB 0 ,B (I E ) matB 0 (x) = P X 0 . ƒ

Théorème 5.21 (changement de base pour une application linéaire) Soit f : E → F une application linéaire. Si
A = matB,C ( f ) et A0 = matB 0 ,C 0 ( f ), alors A = QAP −1 . Dans le cas particulier où f est un endomorphisme, c’est-à-dire
lorsque E = F , B = C et B 0 = C 0 , on a A = PA0 P −1 .

DÉMONSTRATION. On a A = matB,C ( f ) = matB 0 ,C 0 (I F ◦ f ◦ I E ) = matC ,C 0 (I F ) matB 0 ,C 0 ( f ) matB,B 0 (I E ) = QA0 P. ƒ

Dans les conditions du théorème précédent, A et A sont dites équivalentes dans Mn,p (K). Dans le cas où f est un
0

endomorphisme, on dit que ces matrices sont semblables dans Mn (K).

Remarque. La proposition 5.15 nous permet directement d’affirmer que deux matrices équivalentes ont même
rang.

Exemple. Dans l’espace vectoriel E = R3 , on note B = (e1 , e2 , e3 ) la base canonique, et on introduit les vecteurs
e10 = e2 = (0, 1, 0), e20 = e2 + e3 = (0, 1, 1) et e30 = e1 = (1, 0, 0). On vérifie facilement que B 0 = (e10 , e20 , e30 ) est une
base et que les matrices de passage sont
   
0 0 1 0 1 −1
B0 B −1
P = PB =  1 1 0  et PB 0 = P = 0 0 1 .
0 1 0 1 0 0

Si x ∈ E, X = matB (x) ∈ M3,1 (R) et X 0 = mat B 0 (x) ∈ M3,1 (R), alors les formules de changement de coordonnées
sont données par X = P X 0 et X 0 = P −1 X . Si f est un endomorphisme de E tel que
 
0 1 1
A = matB ( f ) =  1 0 1  ,
1 1 0

alors la matrice A0 de f dans la base B 0 est

 
−1 0 0
A0 = matB 0 ( f ) = P −1 AP =  1 1 1 .
1 2 0

44
Chapitre 6

Systèmes d’équations linéaires

Soit K un corps commutatif. Nous allons chercher dans ce chapitre à résoudre un système de n équations
linéaires à p inconnues, de la forme

 a11 x 1 + ... + a1p x p = b1


.. .. ..
. . . , (6.1)
+ + =

an1 x 1 ... anp x p bn

appelé système d’équations linéaires ou, plus simplement, système linéaire. Les scalaires (ai j )1≤i≤p, 1≤ j≤n et (bi )1≤i≤n ,
nommés respectivement les coefficients et seconds membres du système, sont donnés, alors que les x j , 1 ≤ j ≤ p, sont
les inconnues du système. On appelle solution du système tout p-uplet (x 1 , . . . , x p ) ∈ K p tel que les égalités de (6.1)
sont toutes vérifiées. Résoudre un tel système, c’est déterminer l’ensemble des solutions, qui peut éventuellement
être l’ensemble vide.
Enfin, le système linéaire est dit homogène lorsque b1 = · · · = bn = 0. Dans ce cas, il possède au moins (0, . . . , 0) ∈ K p
comme solution, appelé solution triviale du système.

6.1 Différentes interprétations d’un système d’équations linéaires

Un système d’équations linéaires et, par suite, sa résolution peuvent être vus de différentes manières, que nous
allons expliciter ici.

6.1.1 Interprétation géométrique

Supposons momentanément que K = R et considérons le système (6.1) de n équations à p inconnues. Si
— n = 1 et p = 2, le système se résume à une seule équation de la forme

ax 1 + bx 2 = c,

qui est l’équation d’une droite affine dans l’espace R2 si a ou b est non nul.
— n = 1 et p = 3, le système se réduit alors à une seule équation de la forme

ax 1 + bx 2 + c x 3 = d,

qui est l’équation d’un plan affine dans l’espace R3 si a, b ou c est non nul.
— n = 2 et p = 3, le système équivaut au système suivant

ax 1 + bx 2 + c x 2 = d
§
,
a0 x 1 + b0 x 2 + c 0 x 2 = d 0

dont l’ensemble des solutions est l’intersection de deux plans affines P et P 0 de R3 , définis chacun par l’une
des deux équations ci-dessus, c’est-à-dire

45
 CHAPITRE 6. SYSTÈMES D’ÉQUATIONS LINÉAIRES

(i) l’ensemble vide si les plans P et P 0 sont parallèles,

(ii) le plan P si chacune des équations décrit ce même plan,
(iii) la droite d = P ∩ P 0 dans les autres cas.
Revenons à présent au problème concernant le système initial (6.1). Une équation de la forme

ai1 x 1 + · · · + aip x p = bi , ∀i ∈ {1, . . . , n},

définit de la même manière un hyperplan affine de l’espace vectoriel K p . La solution du système (6.1) est alors
l’intersection de n hyperplans affines de K p .

6.1.2 Interprétation matricielle

Il est possible d’écrire le système (6.1) sous une forme matricielle. Pour cela, notons A = (ai j )1≤i≤p, 1≤ j≤n la
matrice du système appartenant à Mn,p (K), B = (bi )1≤i≤n et X = (x j )1≤ j≤p les matrices unicolonnes appartenant
respectivement à Mn,1 (K) et M p,1 (K). D’après la définition du produit matriciel (cf. définition 5.6), le système
(6.1) équivaut à
AX = B. (6.2)
La résolution du système revient alors à la résolution de cette équation matricielle : les matrices A ∈ Mn,p (K) et
B ∈ Mn,1 (K) étant données, il s’agit de déterminer l’ensemble des matrices X ∈ M p,1 (K) vérifiant (6.2).
Si A est une matrice carrée inversible, le système est dit de Cramer 1 et admet une unique solution X = A−1 B.

6.1.3 Interprétation en termes de combinaisons linéaires

Soient A ∈ Mn,p (K) la matrice du système et B ∈ Mn,1 (K) la matrice-colonne des seconds membres associées à
(6.1) et définies dans la sous-section 6.1.2. Notons C j , pour tout j de {1, . . . , p}, la j e colonne de A. Le système
linéaire (6.1) s’écrit alors
Xp
x j C j = B.
j=1

Résoudre le système revient alors à trouver toutes les manières d’écrire B comme combinaison linéaire (dans
Kn ) de C1 , C2 ,. . . , C p ; il existe au moins une solution si et seulement si B appartient au sous-espace vectoriel
Vect(C1 , . . . , C p ). Si le système est homogène, on doit trouver le p-uplet (x 1 , . . . , x p ) ∈ K p tel que

0
 
p
.
X
x j C j =  ..  .
j=1
0

Le système admet dans ce cas d’autres solutions que la solution triviale si et seulement si la famille des matrices-
colonnes (C1 , . . . , C p ) est liée.

6.1.4 Interprétation en termes d’une application linéaire

Introduisons les espaces vectoriels E et F , de dimensions respectives p et n, et respectivement munis de la
base B = (e1 , . . . , e p ) et C = ( f1 , . . . , f n ). Considérons à présent f : E → F l’application linéaire de matrice
A = matB,C ( f ) respectivement aux bases B et C . Si l’on désigne par x le vecteur de E qui a pour coordonnées
dans la base B les inconnues x 1 ,. . . , x p et par b le vecteur de F qui a pour coordonnées dans la base C les seconds
membres b1 ,. . . , bn , (6.1) est alors équivalent à

f (x) = b. (6.3)
1. Gabriel Cramer (31 juillet 1704 - 4 janvier 1752) était un mathématicien suisse. Le travail par lequel il est le mieux connu est son
traité, publié en 1750, d’Introduction à l’analyse des lignes courbes algébriques dans lequel il démontra qu’une courbe algébrique de degré n est
n(n+3)
déterminée par 2 de ses points en position générale.

46
 6.2. MÉTHODE D’ÉLIMINATION DE GAUSS

Résoudre le système revient alors à déterminer l’image réciproque du singleton {b} par l’application f . Dans cette
interprétation, il est aisé de discuter les situations envisageables et de déterminer la structure de l’ensemble des
solutions.
Tout d’abord on voit que, lorsqu’il est homogène, le système linéaire équivaut à l’équation

f (x) = 0 F ,

qui possède toujours au moins une solution (la solution triviale x = 0 E ). Résoudre le système revient à déterminer
le noyau de l’application f . L’ensemble des solutions du système est alors un K-espace vectoriel de dimension
p − rang f (d’après le théorème du rang).
Si le second membre du système est non nul, deux cas de figure se présentent :
/ Im f . Alors, l’équation (6.3) n’a pas de solution
i) Supposons que b n’appartient pas à l’image de E par f : b ∈
et l’ensemble des solutions est donc vide.
ii) Supposons que b appartient à l’image de E par f : b ∈ Im f . Il existe alors au moins un vecteur x 0 de E tel
que f (x 0 ) = b. Pour toute solution x de (6.3), on aura

f (x) − f (x 0 ) = 0 F ,

soit encore, par linéarité de f ,

f (x − x 0 ) = 0 F .
Par conséquent x − x 0 ∈ Ker f .
Réciproquement, tout x tel que x = x 0 + y, avec y ∈ Ker f , est une solution de (6.3). En effet, on a

f (x) = f (x 0 ) + f ( y) = f (x 0 ) = b.

Par conséquent, si x 0 est une solution de (6.3), l’ensemble des solutions est

{x 0 } + Ker f .

L’ensemble des solutions du système s’obtient donc en ajoutant à une solution particulière du système
l’ensemble des solutions du système homogène associé.
En résumé, le système linéaire n’a pas de solution si b ∈ / Im f et au moins une solution si b ∈ Im f .
Amenons maintenant à son terme la discussion entamée en étudiant l’application f . Si f est surjective (ce qui
exige n ≤ p, cf. proposition 2.50), alors Im f = F . Par conséquent, tout vecteur b de F appartient à Im f et le
système admet toujours des solutions. Si f est injective (on a forcément p ≤ n), alors dim(Im f ) = dim E = p
d’après le théorème du rang. Le système admet alors au plus une solution, puisque Ker f = {0 E }. Enfin, si f est
bijective (ce qui exige p = n), alors le système admet une solution (puisque f est surjective) et une seule (puisque
f est injective). Dans ce dernier cas, on dit que le système est de Cramer.

6.2 Méthode d’élimination de Gauss

La méthode d’élimination de Gauss 2 permet entre autres choses de résoudre des systèmes d’équations linéaires
de la forme (6.1) de manière systématique. Elle se sert de l’interprétation matricielle que l’on peut faire de ces
systèmes et utilise plusieurs résultats de calcul matriciel. Elle se base en particulier sur la propriété suivante :
pour toute matrice P ∈ G L n (K), les systèmes AX = B et PAX = P B ont les mêmes solutions, on dit alors qu’ils
sont équivalents. L’idée est donc de chercher P ∈ G L n (K) de sorte que que le système linéaire PAX = P B soit
facile à résoudre. Par exemple, un système à matrice carrée triangulaire supérieure se résout très facilement par la
méthode dite de remontée : on calcule x p , puis x p−1 , etc, jusqu’à x 1 .
Nous allons maintenant décrire les opérations élémentaires que l’on peut effectuer sur les lignes (resp. colonnes)
d’une matrice A de Mn,p (K). Elles conduiront toujours à une matrice A0 = PA (resp. A0 = AQ), où P ∈ G L n (resp.
Q ∈ G L p (K)) est obtenue en effectuant l’opération correspondante sur la matrice I n (resp. I p ).

2. Johann Carl Friedrich Gauß (30 avril 1777 - 23 février 1855) était un mathématicien, astronome et physicien allemand. Surnommé
par ses pairs « le prince des mathématiciens », il fit des contributions significatives dans de nombreux domaines des sciences de son époque,
notamment en théorie des nombres, en statistique, en analyse, en géométrie différentielle, en électrostatique, en astronomie et en optique.

47
 CHAPITRE 6. SYSTÈMES D’ÉQUATIONS LINÉAIRES

6.2.1 Opérations élémentaires

Soient (n, p) ∈ (N\{0, 1})2 et A = (ai j )1≤i≤n, 1≤ j≤p ∈ Mn,p (K). On appelle opérations élémentaires sur les lignes
de A les transformations suivantes (où L i , 1 ≤ i ≤ n, et L j , 1 ≤ j ≤ p, désignent respectivement les i e et j e lignes
de A) :
— échange (entre elles) de deux lignes L i et L j (L i ↔ L j ),
— multiplication de la ligne L i par le scalaire λ ∈ K\{0} (L i ← λL i ),
— remplacement d’une ligne L i par L i + λL j , où λ ∈ K\{0} et j ∈ {1, . . . , n}\{i}, (L i ← L i + λL j ).
On notera par ailleurs L i ← λL i + µL j la composée des opérations élémentaires L i ← λL i et L i ← L i + µL j , où λ et
µ sont des scalaires non nuls.
Explicitons à présent les matrices carrées inversibles P correspondant à chacunes de ces opérations élémentaires.
— Dans le cas de l’échange des i e et j e lignes de la matrice, (i, j) ∈ {1 . . . , n}2 et i < j, nous avons
 
1 0 ··· 0
..
.
 
 0 
 
 1 
0 0 ··· 0 1
 
 
0 1 0
 
 
 .. .. .. .. .. 
P = Pi j = 
 . . . . .
 = I + (E + E − E − E ) ∈ M (K).
 n ij ji ii jj n
0 1 0
 
 

 1 0 ··· 0 0 


 1 

 .. 
 . 0 
0 ··· 0 1

Cette matrice est bien inversible puisqu’elle vérifie Pi2j = I n .

— Dans le cas de la multiplication de la i e ligne, 1 ≤ i ≤ n, de la matrice par un scalaire non nul λ, nous avons
 
1 0 ··· 0
..
0 .
 
 
1
 
 
 .. .. 
P = Di (λ) = 
 . λ .
 = I + (λ − 1)E ∈ M (K).
 n ii n
1
 
 
 .. 
 . 0 
0 ··· 0 1

Cette matrice est bien inversible, car Di (λ)Di λ1 = I n .

— Enfin, dans le cas du remplacement de la i e ligne, 1 ≤ i ≤ n, de la matrice par L i + λL j , avec 1 ≤ j ≤ n,

j 6= i, et λ 6= 0, nous avons
 
1 0 ··· 0
..
 0 .
 

1 ··· λ
 
 
 .. .. .. 
P = Pi j = 
 . . .
 = I + λE ∈ M (K).
 n ij n
0 ··· 1
 
 
 .. 
 . 0 
0 ··· 0 1

On définit de manière analogue les opérations élémentaires, ainsi que les matrices leur correspondant, sur les
colonnes de A (qui sont les opérations élémentaires sur les lignes de la transposée de A).

48
 6.2. MÉTHODE D’ÉLIMINATION DE GAUSS

6.2.2 Principe et mise en œuvre de la méthode

Par une suite d’opérations élémentaires, nous allons transformer le système linéaire (6.1) en un système
équivalent dont la matrice sera triangulaire supérieure (si c’est une matrice carrée) ou échelonnée supérieurement 3 .
La résolution « en cascades » de ce dernier système donne alors les solutions de (6.1).
Nous procédons comme suit. Considérons le système

+ + + =

 a11 x 1 a12 x 2 ... a1p x p b1
 a21 x 1 + a22 x 2 + ... + a2p x p = b2

.. .. .. ..

 . . . .
+ + + =

an1 x 1 an2 x 2 ... anp x p bn

et supposons dans un premier temps que le coefficient a11 , appelé le pivot, est non nul. Nous effectuons ensuite les
opérations élémentaires

a21 a31 an1

L2 ← L2 − L1 , L3 ← L3 − L1 , . . . , L n ← L n − L1
a11 a11 a11

qui ont pour effet l’annulation des coefficients de l’inconnue x 1 dans les équations L2 à L n . Nous obtenons le
système équivalent
a11 x 1 + a12 x 2 + . . . + a1p x p = b1

0
x2 + . . . + 0
= b20

a22 a2p xp


.. .. ..

 . . .
0
x2 + . . . + 0
= bn0

an2 anp xp

ai1 ai1
où ai0 j = ai j −a1 j pour tout (i, j) ∈ {2, . . . , n} × {2, . . . , p} et bi0 = bi − b1 pour tout i ∈ {2, . . . , n}.
a11 a11
0
Supposons à présent que le pivot a22 est non nul. Les opérations élémentaires

0 0
a32 an2
L3 ← L3 − 0
L2 , . . . , L n ← L n − 0
L2
a22 a22

conduisent alors au système

a11 x 1 + a12 x 2 + a13 x 3 + ... + a1p x p = b1


0
+ 0
+ + 0
= b20

a22 x2 a23 x3 ... a2p xp



00
+ + 00
= b300 ,

a33 x3 ... a3p xp
 .. .. ..
. . .



00
+ + 00
= bn00

an3 x3 ... anp xp

0 0
ai2 ai2
avec ai00j = ai0 j −
0
a20 j pour tout (i, j) ∈ {3, . . . , n} × {3, . . . , p} et bi00 = bi0 −
0
b20 pour tout i ∈ {3, . . . , n}. On
a22 a22
poursuit ainsi la mise sous forme échelonnée de la matrice du système.
Il est possible qu’à un moment donné le pivot soit nul, il suffit alors d’échanger l’équation concernée par l’une
des équations suivantes pour laquelle le pivot est non nul. Si tous les pivots « potentiels » sont nuls, il faut alors
procéder à une permutation de colonnes, en n’oubliant pas que cela implique un changement dans l’ordre de
numérotation des inconnues.
Le système équivalent final A0 X = B 0 , obtenu en un nombre d’étapes r, où r correspond au nombre de pivots non

3. Une matrice A de Mn,p (K) est dite échelonnée supérieurement s’il existe un entier r de {0, . . . , n} tel que :
— pour tout indice i ≤ r, la ligne L i est non nulle,
— pour tout indice i ≥ r, la ligne L i est nulle,
— pour chaque ligne L i , soit d(i) le plus petit indice j tel que ai j 6= 0 ; la suite d(1),. . . , d(r) est strictement croissante.
Une telle matrice est de rang r.

49
 CHAPITRE 6. SYSTÈMES D’ÉQUATIONS LINÉAIRES

nuls et est au plus égal à min(n, p), se présente sous la forme

+ + + + + =
 0 0 0 0
 a11 x 1 a12 x2 ... a1r xr ... a1p xp b10
0
+ + 0
+ + 0
= b20



 a22 x 2 ... a2r x r ... a2p x p
.. .. ..

 ..
.


 . . .
a0r r x r + ... + a0r p x p = b0r .
0 = b0r+1





 .. ..
. .



= bn0

0

Si r ≥ 1, on appelle x 1 ,. . . , x r les inconnues principales et, si r + 1 ≤ p, x r+1 ,. . . , x p sont les inconnues secondaires.
Le nombre d’inconnues principales est le rang du système. Plusieurs cas de figure se présentent alors.
Si r +1 ≤ n, le système admet des solutions si et seulement si bi0 = 0 pour tout i de {r +1, . . . , n}. Ces n− r équations
s’appellent les conditions de compatibilité (on conviendra qu’elles sont satisfaites lorsque r = n, c’est-à-dire si A
représente est la matrice d’une application surjective). Dans ce cas, si p > r, l’ensemble des solutions est paramétré
par les p − r inconnues non principales et obtenu en résolvant par une méthode de remontée le système de Cramer
suivant
+ . . . + a1r x r = b10 − a1r+1
 0 0 0 0
a x x r+1 − . . . − a1p xp
 11 1

.. .. .. .. ..
. . . . . ,
a r r x r = b r − a r r+1 x r+1 − . . . − a r p x p
0 0 0 0



avec (x r+1 , . . . , x p ) ∈ K p−r . En particulier, si r = p, c’est-à-dire si A est la matrice représentative d’une application
injective, il y a existence et unicité de la solution.
Ce procédé se résume sous la forme d’un algorithme, ce qui facilite la mise en œuvre pratique de la méthode sur le
plan numérique. Remarquons d’ailleurs que, puisque toutes les opérations sur les lignes concernent la matrice du
système A = (ai j )1≤i≤n, 1≤ j≤p et la matrice unicolonne des seconds membres B = (bi )1≤i≤n , on pourra appliquer
cet algorithme à la matrice écrite par blocs (A B) ∈ Mn,p+1 (K), appelée parfois matrice augmentée du système.

ALGORITHME DE LA MÉTHODE D’ÉLIMINATION DE GAUSS

Entrées : n ∈ N∗ , p ∈ N∗ , A ∈ Mn,p (K), B ∈ Mn,1 (K)

Sorties : r ∈ N, A0 ∈ Mn,p+1 (K)
r := 0 ; A0 := (A B)
tant que m < min(n, p) et que (ai0 j )(i, j)∈{r+1,...,n}×{r+1,...,p} 6= 0 faire
r := r + 1
si a0r r = 0 alors
trouver (i0 , j0 ) ∈ {r + 1, . . . , n} × {r + 1, . . . , p} tel que ai00 j0 6= 0
L r ↔ L i0 , C r ↔ C j0
fin si 0
air
pour i allant de r + 1 à n L i ← Lr
a0r r
fin tant que

6.2.3 Exemples
Premier exemple. Considérons le système linéaire

+ + + =

 x1 2x 2 3x 3 4x 4 11
2x 1 + 3x 2 + 4x 3 + x4 = 12

,
 3x 1 + 4x 2 + x3 + 2x 4 = 13
+ + + =

4x 1 x2 2x 3 3x 4 14

50
 6.2. MÉTHODE D’ÉLIMINATION DE GAUSS

et utilisons la méthode d’élimination de Gauss pour le résoudre. Nous trouvons

+ + + =

x 2x 2 3x 3 4x 4 11
 1
 L2 ← L2 − 2L1
− x2 − 2x 3 − 7x 4 = −10
par L3 ← L3 − 3L1 ,
− 2x 2 − 8x 3 − 10x 4 = −20
 L4 ← L4 − 4L1
− − − = −3

7x 2 10x 3 13x 4

+ + + =

x 2x 2 3x 3 4x 4 11
 1

− x2 − 2x 3 − 7x 4 = −10 L3 ← L3 − 2L2
par ,
 − 4x 3 + 4x 4 = 0 L4 ← L4 − 7L2
+ =

4x 3 36x 4 40

+ + + =

x 2x 2 3x 3 4x 4 11
 1

− x2 − 2x 3 − 7x 4 = −10
par L4 ← L4 + L3 ,
 − 4x 3 + 4x 4 = 0
=

40x 4 40

d’où
x =1

 4

x3 = x4 = 1
.
x = 10 − 2x 3 − 7x 4 = 1
 2

x 1 = 11 − 2x 2 − 3x 3 − 4x 4 = 2

Ce système a pour unique solution (2, 1, 1, 1).

Deuxième exemple. Considérons le système linéaire

+ + =

 x1 3x 2 5x 3 − 2x 4 − 7x 5 3
3x 1 + x2 + x3 − 2x 4 − x5 = 1

,
 2x 1 − x2 − 3x 3 + 7x 4 + 5x 5 = 2
− − + + = α

3x 1 2x 2 5x 3 7x 4 8x 5

avec α un paramètre réel, et appliquons la méthode d’élimination de Gauss pour le résoudre. Nous trouvons

+ + =

x 3x 2 5x 3 − 2x 4 − 7x 5 3
 1
 L2 ← L2 − 3L1
− 8x 2 − 14x 3 + 4x 4 + 20x 5 = −8
par L3 ← L3 − 2L1 ,
− 7x 2 − 13x 3 + 11x 4 + 19x 5 = −4
 L4 ← L4 − 3L1
− − + + = α−9

11x 2 20x 3 13x 4 29x 5

+ + =

x 3x 2 5x 3 − 2x 4 − 7x 5 3
 1

− 8x 2 − 14x 3 + 4x 4 + 20x 5 = −8 L3 ← 8L3 − 7L2
par ,
 − 6x 3 + 60x 4 + 12x 5 = 24 L4 ← 8L4 − 11L2
− + + = 8α + 16

6x 3 60x 4 12x 5

+ + =

x 3x 2 5x 3 − 2x 4 − 7x 5 3
 1

− 8x 2 − 14x 3 + 4x 4 + 20x 5 = −8
par L4 ← L4 + L3 .
 − 6x 3 + 60x 4 + 12x 5 = 24
= 8α − 8

0

Nous constatons que si α 6= 1, la condition de compatibilité α − 1 = 0 n’est pas vérifiée et le système n’admet pas
de solution. Supposons donc α = 1 ; le système se réduit aux trois équations

 x1 + 3x 2 + 5x 3 − 2x 4 − 7x 5 = 3
− 8x 2 − 14x 3 + 4x 4 + 20x 5 = −8 .
 − 6x 3 + 60x 4 + 12x 5 = 24

51
 CHAPITRE 6. SYSTÈMES D’ÉQUATIONS LINÉAIRES

Nous obtenons alors un système de Cramer par rapport aux inconnues x 1 , x − 2 et x 3 en traitant x 4 et x 5 comme
des paramètres arbitraires :

 x 1 + 3x 2 + 5x 3 = 3 + 2x 4 + 7x 5
4x 2 + 7x 3 = 4 + 2x 4 + 10x 5 ,
 x 3 = −4 + 10x 4 + 2x 5

d’où 
 x 3 = −4 + 10x 4 + 2x 5
x 2 = 8 − 17x 4 − x 5 .
 x = −1 + 3x
1 4

Les solutions du système sont donc les 5-uplets s’écrivant

(−1 + 3x, 8 − 17x − y, −4 + 10x + 2 y, x, y) = (−1, 8, −4, 0, 0) + x(3, −17, 10, 1, 0) + y(0, −1, 2, 0, 1),

où x et y ont des valeurs arbitraires. La structure de l’ensemble des solutions a donc bien la forme d’une somme
d’une solution particulière (−1, 8, −4, 0, 0), obtenue pour x = y = 0, et de la solution générale du système
homogène associé, qui est le plan vectoriel engendré par les vecteurs (3, −17, 10, 1, 0) et (0, −1, 2, 0, 1).

Troisième exemple. Soit le système linéaire

αx 1 + + + =

 x2 x3 x4 1
x 1 + αx 2 + x3 + x4 = −2

,
 x1 + x2 + αx 3 + x4 = 0
x1 + + + αx 4 =

x2 x3 3

avec α un réel. Nous ne pouvons ici directement appliquer la méthode d’élimination de Gauss en raison du
paramètre α (qui peut éventuellement être nul). Il va cependant être particulièrement utile d’adjoindre au système
une équation supplémentaire, qui est une combinaison linéaire des équations initiales L5 = L1 + L2 + L3 + L4 . Nous
obtenons
αx 1 + x2 + x3 + x4 =

 1
x 1 + αx 2 + x3 + x 4 = −2



x1 + x 2 + αx 3 + x4 = 0 .


 x 1 + x 2 + x 3 + αx 4 = 3
(α + 3)(x 1 + x 2 + x 3 + x 4 ) = 2


Nous voyons alors que si α = −3, le système n’a pas de solution. Supposons donc α 6= −3 ; nous trouvons alors
 α+1 1
(α − 1)x 1 = L1 ← L1 − L5
α +

α + 3 3


α+4

 1
 (α − 1)x 2 = −2

 L2 ← L2 − L5
α + 3 par α+3 ,
−2 1
 (α − 1)x 3 = L3 ← L3 − L5
α+3 α+3



3α + 7


 (α − 1)x 1
=

4 L4 ← L4 − L5
α+3 α+3
Nous constatons que si α = 1, le système ne possède pas de solution.
Par conséquent, si le paramètre α n’est ni égal à −3, ni égal à 1, le système admet une unique solution donnée par
le 4-uplet
1
(x 1 , x 2 , x 3 , x 4 ) = (α + 1, −2α − 8, −2, 3α + 7).
(α + 3)(α − 1)

6.2.4 Autres applications de la méthode

La méthode d’élimination de Gauss ne sert pas qu’à la résolution de systèmes linéaires. Pour toute matrice A de
Mn,p (K), elle permet de construite une matrice équivalente à A dont le rang s’obtient de façon évidente. Pour une
matrice de Mn (K) inversible, elle fournit un algorithme de calcul de A−1 .

52
 6.2. MÉTHODE D’ÉLIMINATION DE GAUSS

Calcul du rang d’une matrice

Les opérations élémentaires sur une matrice ne modifiant pas son rang, on peut utiliser la méthode d’élimination
de Gauss pour calculer le rang d’une matrice. Partant d’une matrice initiale A, nous appliquons l’algorithme de la
méthode pour obtenir une matrice échelonnée. Le rang de A est alors simplement donné par le nombre de pivots
non nuls.

 2 3 5 ‹
Exemple. Calculons le rang de la matrice A = 1
−1
4
−3
0
−1 .
3 6 6
Nous obtenons successivement

L2 ← L2 − 21 L1
 
2 3 5
 0 5/2 −5/2 
r := 1 par L3 ← L3 + 21 L1
 0 −3/2 3/2 
0 3/2 −3/2 L4 ← L4 − 23 L1
 
2 3 5
 0 5/2 −5/2  L3 ← L3 + 35 L2
r := 2  0 par
0 0  L4 ← L4 − 53 L2
0 0 0

5
À l’issue de l’algorithme, nous avons obtenu une matrice échelonnée et trouvé deux pivots non nuls, 2 et . Le
2
rang de la matrice A est donc 2.

Calcul de l’inverse d’une matrice carrée

Soit A ∈ G L n (K). Commençons par remarquer, en notant e j le j e vecteur de la base canonique de Mn,1 (K) et
c j ∈ Mn,1 (K) la j e colonne de A−1 , que A−1 e j = c j , et donc que Ac j = e j . On résoudra donc les n systèmes Ac j = e j
en utilisant l’algorithme du pivot de Gauss à la matrice A, en effectuant simultanément les mêmes opérations sur
la matrice I n . Remarquons que, s’il n’y a pas eu d’échange de colonnes et si la matrice A0 obtenue à l’issue de n
itérations de l’algorithme est égale à la matrice identité d’ordre n, alors la matrice obtenue à partir de I n par la
même suite d’opérations est l’inverse de A. Pour obtenir cela, on pourra utiliser la variante suivante de la méthode,
appelée méthode d’élimination de Gauss-Jordan 4 , appliquée à la matrice écrite par blocs (A I n ) ∈ Mn,2n (K).

ALGORITHME DE LA MÉTHODE D’ÉLIMINATION DE GAUSS-JORDAN POUR LE CALCUL DE L’INVERSE

Entrées : n ∈ N∗ , A ∈ G L n (K)
Sorties : A0 ∈ Mn,2n (K)
r := 0 ; A0 := (A I n )
tant que r < n faire
r := r + 1
si a0r r = 0 alors
trouver i0 ∈ {r + 1, . . . , n} tel que ai00 r 6= 0
L r ↔ L i0
fin si
1
Lr ← Lr
a0r r
pour i allant de 1 à r − 1 L i ← air0 L r
pour i allant de r + 1 à n L i ← air0 L r
fin tant que
4. Wilhelm Jordan (1er mars 1842 - 17 avril 1899) était un géodésiste allemand. Il est connu parmi les mathématiciens pour le procédé
d’élimination portant son nom, publié en 1888 dans son Handbuch der Vermessungskunde, qu’il appliqua à la résolution de problèmes aux
moindres carrés en géodésie.

53
 CHAPITRE 6. SYSTÈMES D’ÉQUATIONS LINÉAIRES

 
2 −1 0
Exemple. Soit A =  −1 2 −1 . On trouve successivement
0 −1 2
 
2 −1 0 1 0 0
r := 0  −1 2 −1 0 1 0 
0 −1 2 0 0 1
 
1 −1/2 0 1/2 0 0
1 1
r := 1  0 3/2 −1 1/2 1 0  par L1 ← L1 et L2 ← L2 + L1
0 −1 2 0 0 1 2 2

 
1 0 −1/3 2/3 1/3 0
1 2 2
r := 2  0 1 −2/3 1/3 2/3 0  par L1 ← L1 + L2 , L2 ← L2 et L3 ← L3 + L2
0 0 4/3 1/3 2/3 1 3 3 3

 
1 0 0 3/4 1/2 1/4
1 1 3
r := 3  0 1 0 1/2 1 1/2  par L1 ← L1 + L3 , L2 ← L2 + L3 et L3 ← L3
0 0 1 1/4 1/2 3/4 4 2 4

et donc  
3 2 1
1
A−1 = 2 4 2 .
4 1 2 3

54
Deuxième partie

Analyse

55
Chapitre 7

Nombres réels

7.1 Rappels
Nous admettons l’existence et l’unicité de l’ensemble R, muni des lois internes d’addition + et de multiplication
· et d’une relation ≤, ayant les propriétés suivantes :
(1) (R, +, ·) est un corps commutatif.
(2) (R, +, ·, ≤) est un corps totalement ordonné.
(3) Toute partie non vide et majorée de R admet une borne supérieure dans R.
Rappelons que la propriété (1) signifie que (R, +) est un groupe commutatif, c’est-à-dire que
i) la loi + est commutative : ∀(a, b) ∈ R2 , a + b = b + a,
ii) la loi + est associative : ∀(a, b, c) ∈ R3 , (a + b) + c = a + (b + c),
iii) la loi + admet un élément neutre : ∀a ∈ R, a + 0 = 0 + a = a,
iv) tout élément de R admet un symétrique pour la loi + : ∀a ∈ R, a + (−a) = (−a) + a = 0,
et que (R∗ , ·), où R∗ = R\{0}, est un groupe commutatif, c’est-à-dire que
i) la loi · est commutative : ∀(a, b) ∈ R2 , ab = ba,
ii) la loi · est associative : ∀(a, b, c) ∈ R3 , (ab)c = a(bc),
iii) la loi · admet un élément neutre : ∀a ∈ R, a1 = 1a = a,
1 1
iv) tout élément de R∗ admet un symétrique pour la loi · : ∀a ∈ R∗ , a = a = 1,
a a
et que la multiplication est distributive par rapport à l’addition :

∀(a, b, c) ∈ R3 , a(b + c) = ab + ac.

La propriété (2) signifie pour sa part que ≤ est une relation d’ordre total dans R, c’est-à-dire que
i) la relation ≤ est réflexive : ∀a ∈ R, a ≤ a,
ii) la relation ≤ est antisymétrique : ∀(a, b) ∈ R2 , (a ≤ b et b ≤ a) ⇒ a = b,
iii) la relation ≤ est transitive : ∀(a, b, c) ∈ R3 , (a ≤ b et b ≤ c) ⇒ a ≤ c,
iv) la relation ≤ est totale : ∀(a, b) ∈ R2 , (a ≤ b ou b ≤ a),
et que cette relation d’ordre est compatible avec les lois + et ·, c’est-à-dire que
i) ∀(a, b, c) ∈ R3 , a ≤ b ⇒ a + c ≤ b + c,
ii) ∀(a, b, c) ∈ R3 , (a ≤ b et 0 ≤ c) ⇒ ac ≤ bc.
Pour (a, b) ∈ R2 , a < b signifie a ≤ b et a =
6 b. On peut également noter b ≥ a (resp. b > a) au lieu de a ≤ b
(resp. a < b).
Les éléments de R sont appelés les nombres réels et l’on note R+ = {x ∈ R | x ≥ 0}, R− = {x ∈ R | x ≤ 0},
R∗ = R\{0}, R∗+ = R+ \{0} et R∗− = R− \{0}.
Nous reviendrons dans la suite sur la propriété (3), qui est appelée l’axiome de la borne supérieure.

57
 CHAPITRE 7. NOMBRES RÉELS

7.2 Majorant, minorant, bornes supérieure et inférieure

Définitions 7.1 Soient A une partie de R et x un nombre réel. On dit que x est
• un majorant de A dans R si et seulement si il est supérieur ou égal à tous les éléments de A :
∀a ∈ A, a ≤ x,
• un minorant de A dans R si et seulement si il est inférieur ou égal à tous les éléments de A :
∀a ∈ A, x ≤ a,
• un élément maximal, ou plus grand élément, de A dans R si et seulement si c’est un majorant de A dans R
appartenant à A,
• un élément minimal, ou plus petit élément, de A dans R si et seulement si c’est un minorant de A dans R
appartenant à A.
La partie A est dite majorée (resp. minorée) dans R si et seulement si elle possède au moins un majorant (resp.
minorant) et bornée si et seulement si elle est à la fois majorée et minorée.
Si A admet un plus grand (resp. petit) élément, celui-ci est unique et on le note max(A) (resp. min(A)).
Définitions 7.2 On appelle
• la borne supérieure de A dans R le plus petit des majorants de A dans R, s’il existe. Il est alors unique et noté
sup(A),
• la borne inférieure de A dans R le plus grand des minorants de A dans R, s’il existe. Il est alors unique et noté
inf(A).
Notons que si A possède un plus grand (resp. petit) élément max(A) (resp. min(A)), alors max(A) = sup(A) (resp.
min(A) = inf(A)).

Exemples.
— On a max[0, 1] = 1, mais ni [0, 1[ ni [0, +∞[ n’ont un plus grand élément dans R.
— Les intervalles ∅, [0, 1] et [0, 1[ sont majorés dans R, mais l’ensemble N n’est pas majoré dans R.
— On a sup[0, 1] = sup[0, 1[= 1, mais sup[0, +∞[ n’existe pas.
R R R
Rappelons enfin une propriété que nous admettrons, à savoir l’axiome de la borne supérieure.
Proposition 7.3 Toute partie non vide et majorée de R admet une borne supérieure dans R.
En considérant l’ensemble des opposés des éléments de la partie envisagée, on obtient à partir de cet axiome le
résultat suivant.
Proposition 7.4 Toute partie non vide et minorée de R admet une borne inférieure dans R.

7.3 Propriétés des nombres réels

7.3.1 Théorème d’Archimède
Théorème 7.5 L’ensemble R est un corps archimédien, c’est-à-dire un corps vérifiant l’axiome d’Archimède 1 :
∀x ∈ R∗+ , ∀ y ∈ R∗+ , ∃n ∈ N∗ , n y > x.
DÉMONSTRATION. Soient x ∈ R∗+ et y ∈ R∗+ . Vérifions par l’absurde que x n’est pas un majorant de l’ensemble E = {n y | n ∈ N∗ }.
Supposons donc que x est un majorant de E. L’ensemble E étant une partie non vide de R et de plus majorée par x, celui-ci
admet, d’après la proposition 7.3, une borne supérieure réelle que l’on note M . Comme M est le plus petit des majorants de E,
le réel M − y n’est pas un majorant de E, ce qui signifie qu’il existe un entier relatif n tel que n y > M − y, et donc (n + 1) y > M .
Or, (n + 1) y ∈ E, ce qui contredit le fait que M = sup E. On en déduit que le réel donné x ne majore pas E et, par suite, qu’on
peut trouver un élément n de E qui vérifie n y > x. ƒ
1. Archimède de Syracuse (Αρχιμήδης en grec, 287 av. J.-C. - 212 av. J.-C.) était un physicien, mathématicien et ingénieur grec de
l’Antiquité. Scientifique de grande envergure, il inventa la poulie, la roue dentée, la vis sans fin ainsi que des machines de guerre pour repousser
les romains durant le siège de Syracuse. En physique, on lui doit en particulier les premières lois de l’hydrostatique et une étude précise sur
l’équilibre des surfaces planes. En mathématiques, il établit notamment de nombreuses formules relatives aux mesures des surfaces et des
volumes qui font de lui un précurseur du calcul intégral.

58
 7.4. INTERVALLES

7.3.2 Partie entière d’un réel

Pour tout x ∈ R, en appliquant le théorème précédent avec y = 1, on voit que {n ∈ Z | n ≤ x} est une partie
majorée et non vide de Z, qui admet par conséquent un plus grand élément. Nous obtenons ainsi le résultat suivant.

Proposition et définition 7.6 Pour tout réel x, il existe un unique entier relatif n vérifiant n ≤ x < n + 1. Cet entier
est appelé partie entière de x et noté E(x).

3 3
 ‹  ‹
Exemples. E(π) = 3, E = 1, E − = −2.
2 2

7.3.3 Valeur absolue d’un réel

Définition 7.7 On appelle valeur absolue du réel x le réel noté |x| défini par |x| = sup{x, −x}.

Propriétés
On dispose des propriétés suivantes pour la valeur absolue :
1) ∀x ∈ R, |x| = | − x|,
2) ∀(x, y) ∈ R2 , |x y| = |x|| y|.
On en déduit
n
Y n
Y
∀n ∈ N∗ , ∀(x 1 , . . . , x n ) ∈ Rn , xi = |x i |.
i=1 i=1

1 1
3) ∀x ∈ R∗ , = .
x |x|
4) ∀(x, y) ∈ R2 , |x + y| ≤ |x| + | y| (inégalité triangulaire).
Toutes les quantités étant positives, il suffit de comparer leurs carrés. On a

(|x| + | y|)2 = |x|2 + | y|2 + 2|x|| y| = x 2 + y 2 + 2|x|| y|.

Or, x y ≤ |x|| y| d’où |x + y|2 ≤ (|x| + | y|)2 .

On en déduit
n
X n
X
∀n ∈ N∗ , ∀(x 1 , . . . , x n ) ∈ Rn , xi ≤ |x i |.
i=1 i=1

5) ∀(x, y) ∈ R2 , ||x| − | y|| ≤ |x − y|,

car |x| = |x − y + y| ≤ |x − y| + | y|, donc |x| − | y| ≤ |x − y| et de même | y| − |x| ≤ | y − x| = |x − y|.

7.3.4 Densité de Q dans R

Définition 7.8 Une partie D de R est dite dense dans R si et seulement si

∀(x, y) ∈ R2 , (x < y ⇒ (∃d ∈ D, x < d < y)).

Théorème 7.9 L’ensemble Q est dense dans R.

DÉMONSTRATION. Soient (x, y) ∈ R2 , tel que x < y, et " = y − x > 0. Puisque R est archimédien, il existe n ∈ N∗ tel que
1 m 1
n" > 1, c’est-à-dire < ". En notant m = E(nx) + 1, on obtient m − 1 ≤ nx < m, d’où x < ≤ x + < x + " = y. ƒ
n n n

7.4 Intervalles
Définition 7.10 Une partie A de R est un intervalle si, dès qu’elle contient deux réels, elle contient tous les réels
intermédiaires, c’est-à-dire
∀(a, b) ∈ A2 , ∀x ∈ R, (a ≤ x ≤ b ⇒ x ∈ A).

59
 CHAPITRE 7. NOMBRES RÉELS

Exemples.
— R+ est un intervalle. En effet, tout réel compris entre deux réels positifs est lui même positif.
— R∗ n’est pas un intervalle. On a en effet −1 ∈ R∗ , 1 ∈ R∗ et −1 ≤ 0 ≤ 1, mais 0 ∈ / R∗ .

Classification des intervalles

La propriété de la borne supérieure permet de classifier tous les intervalles de R. Tout d’abord, ∅ est un
intervalle, ainsi que tout singleton {x} (avec x réel), puisque ces deux types d’ensemble vérifient la définition
ci-dessus. Considérons maintenant un intervalle A contenant au moins deux éléments.
i) Si A est à la fois majoré et minoré, l’intervalle possède une borne supérieure, que l’on note b = sup(A), et une
borne inférieure, notée a = inf(A). On a alors ∀x ∈ A, a ≤ x ≤ b et donc A ⊂ {x ∈ R | a ≤ x ≤ b}.
Réciproquement, soit x un réel tel que a < x < b ; x n’est pas un majorant (resp. minorant) de A, donc
il existe un réel z (resp. y) tel que z > x (resp. x > y). Par conséquent, y et z appartiennent à A et on a
y < x < z. En utilisant la définition d’un intervalle, il vient que x appartient à A, qui contient donc tous les
éléments compris entre a et b.
Selon que les réels a et b appartiennent eux-mêmes à A ou non, on peut avoir
A = {x ∈ R | a ≤ x ≤ b} = [a, b], l’intervalle est dit fermé borné ou encore appelé segment,
A = {x ∈ R | a < x ≤ b} =]a, b], l’intervalle est dit borné semi-ouvert à gauche,
A = {x ∈ R | a ≤ x < b} = [a, b[, l’intervalle est dit borné semi-ouvert à droite,
A = {x ∈ R | a < x < b} =]a, b[, l’intervalle est dit borné ouvert.
ii) Si A est minoré et non majoré, l’intervalle admet une borne inférieure que l’on note a et ∀x ∈ A, x ≥ a.
Réciproquement, soit x un réel tel que x > a ; x n’est ni un majorant, ni un minorant de A, donc il existe y et
z appartenant à A tels que y < x < z et par conséquent x ∈ A.
Selon que le réel a appartient ou non à A, on peut avoir
A = {x ∈ R | x ≥ a} = [a, +∞[, l’intervalle est dit fermé non majoré,
A = {x ∈ R | x > a} =]a, +∞[, l’intervalle est dit ouvert non majoré.
iii) Si A est majoré et non minoré, on peut avoir de la même façon
A = {x ∈ R | x ≤ b} =] − ∞, b], l’intervalle est dit fermé non minoré,
A = {x ∈ R | x < b} =] − ∞, b[, l’intervalle est dit ouvert non minoré.
iv) Si A est non majoré et non minoré, un réel x quelconque n’est ni minorant, ni majorant de A, il existe donc
des réels y et z appartenant à A tels que y < x < z et x ∈ A. Par conséquent, on a A = R.
En définitive, tout intervalle est de l’un des onze types que nous venons d’énoncer.

7.5 Droite numérique achevée

Définition 7.11 On appelle droite numérique achevée, et l’on note R, l’ensemble R ∪ {−∞, +∞}, où −∞ et +∞
sont deux éléments non réels, sur lequel sont prolongées les lois internes + et ·, ainsi que la relation d’ordre ≤.
La relation ≤ est étendue à R de la manière suivante
∀x ∈ R, −∞ < x < +∞ ; −∞ ≤ −∞, +∞ ≤ +∞.
On remarquera que les lois + et · ne sont définies que partiellement sur R ; on a en effet
∀x ∈ R, x + (+∞) = +∞, x + (−∞) = −∞, (+∞) + (+∞) = +∞, (−∞) + (−∞) = −∞,
et d’autre part
∀x > 0, x(+∞) = (+∞)x = +∞, x(−∞) = (−∞)x = −∞,
∀x < 0, x(+∞) = (+∞)x = −∞, x(−∞) = (−∞)x = +∞,
(+∞)(+∞) = (−∞)(−∞) = +∞, (+∞)(−∞) = (−∞)(+∞) = −∞,
mais les sommes (+∞) + (−∞) et (−∞) + (+∞) et les produits 0(+∞), (+∞)0, 0(−∞) et (−∞)0 ne sont
pas définis. Ils correspondent à des formes indéterminées.
Nous terminons par un résultat admis, analogue à la proposition 7.3.
Proposition 7.12 Toute partie non vide de R admet une borne supérieure et une borne inférieure dans R.

60
Chapitre 8

Suites numériques

8.1 Généralités
8.1.1 Définitions et propriétés
Une suite numérique est une application de N dans K (où K = R ou C). Plutôt que de noter

u: N → K
n 7 → u(n)

on emploie souvent les notations (un )n∈N , (un )n≥0 ou bien encore (un )n .
Une suite réelle (resp. complexe) est une suite numérique telle que

∀n ∈ N, un ∈ R (resp. C).

Pour chaque entier n, un est appelé le ne terme de la suite. On veillera à ne pas confondre la suite (un )n∈N et son
terme général un . L’ensemble des suites numériques est noté F (N, K), ou encore KN .

Définitions 8.1 Une suite numérique (un )n∈N est dite constante si et seulement si

∀n ∈ N, un+1 = un .

Elle est dite stationnaire si et seulement si elle est constante à partir d’un certain rang, c’est-à-dire si

∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ un+1 = un ).

Enfin, la suite est dite périodique si et seulement s’il existe un entier p strictement positif tel que

∀n ∈ N, un+p = un .

Définition 8.2 Une suite numérique (un )n∈N est dite bornée si et seulement s’il existe un réel positif M tel que

∀n ∈ N, |un | ≤ M .

Définitions 8.3 Une suite réelle (un )n∈N est dite majorée (resp. minorée) si et seulement s’il existe un réel M (resp.
m), appelé majorant (resp. minorant) de la suite (un )n∈N , tel que

∀n ∈ N, un ≤ M (resp. un ≥ m).

On voit qu’une suite réelle est bornée si et seulement si elle est majorée et minorée.

61
 CHAPITRE 8. SUITES NUMÉRIQUES

8.1.2 Opérations sur les suites

On peut définir sur l’ensemble des suites numériques KN
— une addition :
(w n )n∈N = (un )n∈N + (vn )n∈N ⇔ ∀n ∈ N, w n = un + vn .
Cette opération est commutative, associative et admet pour élément neutre la suite constante nulle. Tout
suite (un )n∈N a une suite opposée (−un )n∈N . (KN , +) est un groupe commutatif.
— une multiplication interne :

(w n )n∈N = (un )n∈N (vn )n∈N ⇔ ∀n ∈ N, w n = un vn .

Cette opération est commutative, associative et admet pour élément neutre la suite constante égale à 1.
Elle est distributive par rapport à l’addition. Il existe cependant des suites non nulles n’ayant pas d’inverse
et (KN , ·) n’est pas un groupe.
— une multiplication externe par les scalaires :

∀λ ∈ K, (w n )n∈N = λ(un )n∈N ⇔ ∀n ∈ N, w n = λun .

8.1.3 Suites extraites

Définition 8.4 Soit une suite (un )n∈N . On appelle suite extraite de (un )n∈N toute suite (uσ(n) )n∈N , où σ : N → N
est une application strictement croissante.

On donne aussi le nom de sous-suite de (un )n∈N à toute suite extraite de (un )n∈N .
L’application σ de la définition est parfois appelée une extractrice. On montre aisément, par récurrence, que pour
toute extractrice σ, on a
∀n ∈ N, σ(n) ≥ n.

Exemples.
— (u2n )n∈N et (u2n+1 )n∈N sont des suites extraites de (un )n∈N .
— (un2 )n∈N est extraite de (un )n∈N .
— (un2 −n )n∈N n’est pas une suite extraite de (un )n∈N (le terme u0 apparaît deux fois).

8.1.4 Suites de Cauchy

Définition 8.5 Une suite (un )n∈N est dite de Cauchy 1 si et seulement si

∀" > 0, ∃N ∈ N, ∀(p, q) ∈ N2 , (p ≥ N , q ≥ N ⇒ |u p − uq | ≤ ").

Proposition 8.6 Toute suite de Cauchy est bornée.

DÉMONSTRATION. Soit (un )n∈N une suite de Cauchy. On a

∀" > 0, ∃N ∈ N, ∀(p, q) ∈ N2 , (p ≥ N , q ≥ N ⇒ |u p − uq | ≤ ").

Fixons une valeur particulière pour ", par exemple " = 1. Il existe alors un entier N 0 tel que (p ≥ N 0 , q ≥ N 0 ⇒ |u p − uq | ≤ 1),
ou encore, pour q = N 0 , (p ≥ N 0 ⇒ |u p − uN 0 | ≤ 1), c’est-à-dire

∀n ∈ N, (n ≥ N 0 ⇒ uN 0 − 1 ≤ un ≤ uN 0 + 1).

Notons A = min{u0 , . . . , uN 0 −1 , uN 0 − 1} et B = max{u0 , . . . , uN 0 −1 , uN 0 + 1}. Nous avons alors

∀n ∈ N, A ≤ un ≤ B,

et, par suite, (un )n∈N est bornée. ƒ

1. Augustin-Louis Cauchy (21 août 1789 – 23 mai 1857) était un mathématicien français. Très prolifique, ses recherches couvrent l’ensemble
des domaines mathématiques de son époque. On lui doit notamment en analyse l’introduction des fonctions holomorphes et des critères de
convergence des séries. Ses travaux sur les permutations furent précurseurs de la théorie des groupes. Il fit aussi d’importantes contributions à
l’étude de la propagation des ondes en optique et en mécanique.

62
 8.2. CONVERGENCE D’UNE SUITE

8.1.5 Suites réelles monotones

Définitions 8.7 Soit (un )n∈N une suite réelle. On dit que (un )n∈N est
• croissante si et seulement si
∀n ∈ N, un ≤ un+1 ,

• décroissante si et seulement si
∀n ∈ N, un+1 ≤ un ,

• strictement croissante si et seulement si

∀n ∈ N, un < un+1 ,

• strictement décroissante si et seulement si

∀n ∈ N, un+1 < un ,

• monotone si et seulement si elle est croissante ou décroissante,

• strictement monotone si et seulement si elle est strictement croissante ou strictement décroissante.

8.2 Convergence d’une suite

8.2.1 Généralités
Définitions 8.8 On dit qu’une suite numérique (un )n∈N
• converge vers l ∈ K si et seulement si

∀" > 0, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ").

• converge si et seulement s’il existe l ∈ K tel que (un )n∈N converge vers l, c’est-à-dire

∃l ∈ K, ∀" > 0, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ").

• diverge si et seulement si elle ne converge pas, c’est-à-dire

∀l ∈ K, ∃" > 0, ∀N ∈ N, ∃n ∈ N, (n ≥ N et |un − l| ≥ ").

On remarque que (un )n∈N converge vers l si et seulement si la suite (un − l)n∈N converge vers 0. Lorsque (un )n∈N
converge vers l, on dit aussi que (un )n∈N tend vers l.

Proposition 8.9 Si une suite numérique (un )n∈N converge vers l, alors l est unique.

1
DÉMONSTRATION. Supposons que (un )n∈N converge à la fois vers l et vers l 0 , avec l 6= l 0 . Posons " = |l − l 0 |. Par définition de
3
la convergence, il existe des entiers N et N 0 tels que

∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ") et (n ≥ N 0 ⇒ |un − l 0 | ≤ ").

Soit n ≥ max(N , N 0 ), nous avons alors |un − l| ≤ " et |un − l 0 | ≤ ", d’où

2
|l − l 0 | ≤ |l − un | + |un − l 0 | ≤ 2" = |l − l 0 |,
3
ce qui est absurde. ƒ
Il ne peut donc exister qu’un scalaire l tel que (un )n∈N converge vers l. On dit que l est la limite de (un )n∈N , et
l’on note
lim un = l (ou un −→ l).
n→+∞ n→+∞

63
 CHAPITRE 8. SUITES NUMÉRIQUES

8.2.2 Suites réelles tendant vers l’infini

Définition 8.10 Soit (un )n∈N une suite réelle.
1) On dit que (un )n∈N tend vers +∞ si et seulement si

∀A ∈ R, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ un ≥ A).

On note alors lim un = +∞.

n→+∞
2) On dit que (un )n∈N tend vers −∞ si et seulement si

∀B ∈ R, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ un ≤ B).

et l’on note lim un = −∞.

n→+∞

8.2.3 Suites adjacentes

La limite d’une suite étant définie, nous pouvons introduire la notion de suites adjacentes.
Définition 8.11 Deux suites réelles (un )n∈N et (vn )n∈N sont dite adjacentes si et seulement si
i) l’une est croissante et l’autre est décroissante,
ii) lim (un − vn ) = 0.
n→+∞

8.2.4 Propriétés d’une suite réelle convergente

Proposition 8.12 Toute suite réelle convergente est bornée.

DÉMONSTRATION. Soient (un )n∈N une suite convergente de limite l ∈ R et " > 0. Il existe alors un entier N tel que, pour tout
n ∈ N, si n ≥ N alors |un − l| ≤ ", c’est-à-dire l − " ≤ un ≤ l + ". L’ensemble {un | n > N } est donc majoré par l + " et minoré
par l − ". D’autre part, l’ensemble {u0 , . . . , uN } est fini et, par suite, il admet un maximum u M et un minimum um , d’où

∀n ∈ N, inf(um , l − ") ≤ un ≤ max(u M , l + ").

La suite (un )n∈N est donc bornée. ƒ

Remarques.
— La réciproque de cette proposition est fausse, comme le montre l’exemple de la suite définie par un = (−1)n
pour tout entier n ≥ 0.
— Toute suite non bornée diverge.

Proposition 8.13 Si une suite (un )n∈N est convergente, toute suite extraite de (un )n∈N est convergente et tend vers la
même limite.

DÉMONSTRATION. Soit (un )n∈N une suite convergente de limite l. Nous avons alors

∀" > 0, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ").

Soit σ une extractrice. Nous savons que, pour tout entier naturel n, σ(n) ≥ n, donc si n ≥ N alors σ(n) ≥ σ(N ) ≥ N et, par
suite, |uσ(n) − l| ≤ ". On en conclut que

∀" > 0, ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ |uσ(n) − l| ≤ "),

et donc que la suite extraite (uσ(n) )n∈N converge vers l. ƒ

La contraposée de cette proposition permet de montrer qu’une suite diverge : il suffit pour cela d’en extraire deux
suites qui convergent vers deux limites différentes.

Exemple. Soit (un )n∈N la suite définie par un = (−1)n pour tout entier n ≥ 0. La suite extraite (u2n )n∈N a pour
limite 1 et la suite (u2n+1 )n∈N a pour limite −1. Cette suite diverge donc.
Par ailleurs, la réciproque de cette dernière proposition est en général fausse ; en effet, on peut trouver des suites
divergentes qui admettent pourtant deux suites extraites convergeant vers une même limite.

64
 8.2. CONVERGENCE D’UNE SUITE

Exemple. Soit la suite réelle définie par un = cos (n + (−1)n ) π3 pour tout entier positif n. Nous avons u6n =

cos (6n + 1) π3 = cos 2nπ + π3 = 12 et u6n+4 = cos (6n + 5) π3 = cos 2nπ + 5π = 12 . Cependant, la suite





3
π 2π 1



(un )n∈N est divergente car u3n+6 = cos (6n + 2) 3 = cos 2nπ + 3 = − 2 .
Cependant, on a le résultat suivant.

Proposition 8.14 Soient (un )n∈N une suite réelle et l ∈ R. Pour que (un )n∈N converge vers l, il faut et il suffit que les
suites (u2n )n∈N et (u2n+1 )n∈N convergent toutes deux vers l.
DÉMONSTRATION. Supposons que les suites extraites (u2n )n∈N et (u2n+1 )n∈N convergent vers une limite l. Soit " un réel strictement
positif. Il existe des entiers N et N 0 tels que, pour tout entier n,

(n ≥ N ⇒ |u2n − l| ≤ ") et (n ≥ N 0 ⇒ |u2n+1 − l| ≤ ").

Notons N 00 = max(2N , 2N 0 + 1) et soit p ∈ N tel que p ≥ N 00 . Si p est pair, il existe n tel que p = 2n. Dans ce cas, nous avons
2n ≥ 2N donc n ≥ N , d’où
|u p − l| = |u2n − l| ≤ ".
Si p est impair, il existe n tel que p = 2n + 1. Nous avons alors 2n + 1 ≥ 2N 0 + 1 donc n ≥ N 0 , d’où

|u p − l| = |u2n+1 − l| ≤ ".

Ceci montre que la suite (u p ) p∈N converge vers l. ƒ

Proposition 8.15 Toute suite convergente est de Cauchy.

DÉMONSTRATION. Soient (un )n∈N une suite convergente de limite l et " un réel strictement positif. Il existe alors un entier N tel
que  "
∀n ∈ N, n ≥ N ⇒ |un − l| ≤ .
2
Soient p et q deux entiers supérieurs à N ; nous avons alors
" "
|u p − l| ≤ et |uq − l| ≤ .
2 2
Or,
" "
|u p − uq | ≤ |u p − l| + |uq − l| ≤ + = ".
2 2
En conclusion, nous avons

∀" > 0, ∃N ∈ N, ∀(p, q) ∈ N2 , (p ≥ N , q ≥ N ⇒ |u p − uq | ≤ ").

La suite (un )n∈N est alors une suite de Cauchy. ƒ

Nous montrerons dans la suite que la réciproque de cette proposition est vraie.

8.2.5 Propriétés d’ordre des suites réelles convergentes

Passage à la limite dans une inégalité
Proposition 8.16 Soient (un )n∈N et (vn )n∈N deux suites réelles convergentes. Si un ≤ vn pour tout entier n, alors

lim un ≤ lim vn .
n→+∞ n→+∞

DÉMONSTRATION. Supposons que lim un > lim vn . Nous avons alors lim (un − vn ) > 0, ce qui entraîne
n→+∞ n→+∞ n→+∞

∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ (un − vn ) > 0),

ce qui contredit l’hypothèse. ƒ

Même si l’on a un < vn pour tout n ∈ N, on peut avoir lim un ≤ lim vn car le passage à la limite élargit les
n→+∞ n→+∞
inégalités, comme l’illustre l’exemple suivant.
Exemple. Soient les suites définies par
1 1
∀n ∈ N, un = 1 − et vn = 1 + .
n+1 n+1
Nous avons, pour tout entier naturel n, un < vn et lim un = lim vn = 1.
n→+∞ n→+∞

65
 CHAPITRE 8. SUITES NUMÉRIQUES

Encadrement par des suites de même limite

Proposition 8.17 (« théorème des gendarmes ») Soient (un )n∈N , (vn )n∈N et (w n )n∈N trois suites réelles telles que

∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ un ≤ vn ≤ w n ).

Si (un )n∈N et (w n )n∈N convergent vers la même limite l, alors la suite (vn )n∈N converge aussi vers l.

DÉMONSTRATION. Soit " un réel strictement positif. Puisque (un )n∈N et (w n )n∈N convergent toutes deux vers l, il existe des
entiers N et N 0 tels que
∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ") et (n ≥ N 0 ⇒ |w n − l| ≤ ").
En notant N 00 = max(N , N 0 ), nous avons

 un ≤ vn ≤ w n
∀n ∈ N, n ≥ N 00 ⇒ |un − l| ≤ " ⇒ −" ≤ un − l ≤ vn − l ≤ w n − l ≤ " ⇒ |vn − l| ≤ ",
 |w − l| ≤ "
n

ce qui montre la convergence de (vn )n∈N vers l. ƒ

Exemple. Étant donné un réel x, soit la suite (un )n∈N définie par

cos(x)
∀n ∈ N∗ , un = .
n
1 1 1 1
 ‹
∗
On a −1 ≤ cos x ≤ 1, d’où, ∀n ∈ N , − ≤ un ≤ . Comme lim − = lim = 0, on a finalement
n n n→+∞ n n→+∞ n
lim un = 0.
n→+∞

Proposition 8.18 Soient (un )n∈N et (vn )n∈N deux suites réelles telles que un ≤ vn pour tout entier n. On a
1) Si lim un = +∞ alors lim vn = +∞.
n→+∞ n→+∞
2) Si lim vn = −∞ alors lim un = −∞.
n→+∞ n→+∞

DÉMONSTRATION. Prouvons 1). Soit A ∈ R. Comme lim un = +∞, il existe un entier N tel que
n→+∞

∀n ∈ N, (n ≥ N ⇒ un ≥ A),

et, a fortiori, vn ≥ A d’après l’hypothèse, ce qui implique que lim vn = +∞.

n→+∞
La preuve de 2) s’obtient de manière analogue à celle de 1). ƒ

8.2.6 Propriétés algébriques des suites convergentes

Proposition 8.19 Soient (un )n∈N et (vn )n∈N deux suites numériques, λ ∈ K et (l, l 0 ) ∈ K2 . On a
1) lim un = l ⇒ lim |un | = |l|,
n→+∞ n→+∞

2) lim un = l et lim vn = l 0 ⇒ lim (un + vn ) = l + l 0 ,

n→+∞ n→+∞ n→+∞
3) lim un = l ⇒ lim λun = λl,
n→+∞ n→+∞
4) lim un = 0 et (vn )n∈N bornée ⇒ lim un vn = 0,
n→+∞ n→+∞

5) lim un = l et lim vn = l ⇒ lim un vn = ll 0 ,

0
n→+∞ n→+∞ n→+∞
1 1 1
6) lim vn = l 0 et l 0 6= 0 ⇒ est défini à partir d’un certain rang et lim = 0,
n→+∞ vn n→+∞ vn l
u n un l
7) lim un = l et lim vn = l 0 et l 0 6= 0 ⇒ est défini à partir d’un certain rang et lim = 0.
n→+∞ n→+∞ vn n→+∞ v
n l

DÉMONSTRATION.

66
 8.2. CONVERGENCE D’UNE SUITE

1) Soit " > 0. Puisque la suite (un )n∈N tend vers l, il existe N ∈ N tel que

∀n ∈ N, (n ≥ N ⇒ |un − l| ≤ ").

Or, on a, ∀n ∈ N, l’inégalité ||un | − |l|| ≤ |un − l|, dont on déduit que

∀n ∈ N, (n ≥ N ⇒ ||un | − |l|| ≤ "),

et donc lim |un | = |l|.

n→+∞

2) Soit " > 0. Puisque les suites (un )n∈N et (vn )n∈N convergent respectivement vers l et l 0 , il existe des entiers N et N 0 tels que
 "  "
∀n ∈ N, n ≥ N ⇒ |un − l| ≤ et n ≥ N 0 ⇒ |vn − l 0 | ≤ .
2 2
En notant N 00 = max(N , N 0 ), nous avons
 " " 
∀n ∈ N, n ≥ N 00 ⇒ |(un + vn ) − (l + l 0 )| = |(un − l) + (vn − l 0 )| ≤ |un − l| + |vn − l 0 | ≤ + = " ,
2 2
d’où lim (un + vn ) = l + l 0 .
n→+∞
3) Soit " > 0. Puisque la suite (un )n∈N tend vers l, il existe N ∈ N tel que
"
 ‹
∀n ∈ N, n ≥ N ⇒ |un − l| ≤ ,
|λ| + 1
|λ|"
 ‹
d’où, ∀n ∈ N, n ≥ N ⇒ |λun − λl| = |λ||un − l| ≤ ≤ " , et donc lim λun = λl.
|λ| + 1 n→+∞

4) Par hypothèse, il existe M ∈ R+ tel que, ∀n ∈ N, |vn | ≤ M . Soit " > 0. Puisque la suite (un )n∈N tend vers 0, il existe N ∈ N
tel que  " 
∀n ∈ N, n ≥ N ⇒ |un | ≤ .
M +1
M"
 ‹
Nous avons alors, ∀n ∈ N, n ≥ N ⇒ |un vn | = |un ||vn | ≤ ≤ " et donc lim un vn = 0.
M +1 n→+∞

5) Notons, pour tout n ∈ N, w n = un − l. Nous avons

∀n ∈ N, un vn = (w n + l)vn = w n vn + l vn .

D’après 3), lim l vn = l l 0 . D’autre part, lim w n = 0 et (vn )n∈N est bornée puisque (vn )n∈N est convergente, donc
n→+∞ n→+∞
lim w n vn = 0 d’après 4). Finalement, on a lim un vn = ll 0 d’après 2).
n→+∞ n→+∞

6) Puisque (vn )n∈N converge vers l 0 , la suite (|vn |)n∈N converge vers |l 0 |. Il existe donc un entier N tel que, pour
 ‹tout entier n,
0 ‹
|l | |l 0 | 1

n ≥ N ⇒ |vn | ≥ (il suffit de choisir " = ). En particulier, ∀n ∈ N, (n ≥ N ⇒ vn =
6 0), et la suite est donc
2 2 vn n∈N
définie. Nous avons alors, pour tout entier n tel que n ≥ N

1 1 |vn − l 0 | 2
0≤ − 0 = ≤ 0 2 |vn − l 0 |.
vn l |vn ||l 0 | |l |

2 1 1 1 1
 ‹
Comme lim vn = l 0 , on déduit lim |vn − l 0
| = 0, puis que lim − 0 = 0, soit encore lim = 0.
n→+∞ n→+∞ |l 0 |2 n→+∞ v l n→+∞ v l
n n
un 1
7) Il suffit d’appliquer 5) et 6) en remarquant que = un .
vn vn
ƒ

Proposition 8.20 Soient (un )n∈N et (vn )n∈N deux suites réelles.
1) Si lim un = +∞ et (vn )n∈N est minorée, alors lim (un + vn ) = +∞.
n→+∞ n→+∞
En particulier, on a
— lim un = +∞ et lim vn = +∞ ⇒ lim (un + vn ) = +∞,
n→+∞ n→+∞ n→+∞
— lim un = +∞ et lim vn = l 0 ⇒ lim (un + vn ) = +∞.
n→+∞ n→+∞ n→+∞


2) Si lim un = +∞ et ∃C ∈ R∗+ , ∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ vn ≥ C) , alors lim un vn = +∞.
n→+∞ n→+∞
En particulier, on a

67
 CHAPITRE 8. SUITES NUMÉRIQUES

— lim un = +∞ et lim vn = +∞ ⇒ lim un vn = +∞,

n→+∞ n→+∞ n→+∞
— lim un = +∞ et lim vn = l 0 ∈ R∗+ ⇒ lim un vn = +∞.
n→+∞ n→+∞ n→+∞
1
3) lim un = +∞ ⇒ lim = 0.
n→+∞ n→+∞ u
n
1
4) Si lim un = 0 et si (∃N ∈ N, ∀n ∈ N, (n ≥ N ⇒ un > 0)), alors lim = +∞.
n→+∞ n→+∞ u
n

DÉMONSTRATION.
1) Par hypothèse, il existe m ∈ R tel que
∀n ∈ N, vn ≥ m.
Soit A > 0. Puisque lim un = +∞, il existe N ∈ N tel que, ∀n ∈ N, (n ≥ N ⇒ un ≥ A − m). Nous avons alors
n→+∞

∀n ∈ N, (n ≥ N ⇒ un + vn ≥ (A − m) + m) ,

et donc lim (un + vn ) = +∞.

n→+∞
 ‹
A
2) Soit A > 0. Puisque lim un = +∞, il existe N 0 ∈ N tel que, ∀n ∈ N, n ≥ N 0 ⇒ un ≥ .
n→+∞ C
En notant N = max(N , N ), nous avons alors
00 0

  ‹ ‹
A
∀n ∈ N, n ≥ N 00 ⇒ un ≥ et vn ≥ C ⇒ un vn ≥ A ,
C
et donc lim un vn = +∞.
n→+∞
3) Soit " > 0. Puisque lim un = +∞, il existe N ∈ N tel que
n→+∞

1
 ‹
∀n ∈ N, n ≥ N ⇒ un ≥ ,
"
1
d’où lim = 0.
n→+∞ u
n
1
 ‹
4) Soit A > 0. Puisque lim un = 0, il existe N 0 ∈ N tel que, ∀n ∈ N, n ≥ N 0 ⇒ |un | ≥ .
n→+∞ A
En notant N = max(N , N ), nous avons alors
00 0

1 1
  ‹ ‹
∀n ∈ N, n ≥ N 00 ⇒ |un | ≥ et un ≥ 0 ⇒ ≥A ,
A un

1
et donc lim = +∞.
n→+∞ u
n
ƒ
Nous résumons certains ces résultats dans les tableaux suivants.

(un )n∈N
l +∞ −∞ PL
(vn )n∈N
l0 l + l0 +∞ −∞ PL
+∞ +∞ +∞ ? ?
−∞ −∞ ? −∞ ?
PL PL ? ? ?

Tableau des limites possibles pour la suite (un + vn )n∈N en fonction

des limites respectives des suites réelles (un )n∈N et (vn )n∈N .

Les lettres PL signifient que la suite considérée n’a pas de limite. Le symbole « ? » correspond à une forme
indéterminée ; tout est possible :
1
— la limite est finie ; par exemple, pour tout n ∈ N∗ , un = n et vn = − n, lim (un + vn ) = 0,
n n→+∞
— la limite est infinie ; par exemple, pour tout n ∈ N, un = n2 et vn = −n, lim (un + vn ) = +∞,
n→+∞

68
 8.3. EXISTENCE DE LIMITES

— il n’y a pas de limite ; par exemple, pour tout n ∈ N, un = n + (−1)n et vn = −n, alors (un + vn ) = (−1)n qui
n’a pas de limite.

(un )n∈N
l >0 l =0 l <0 +∞ −∞ PL
(vn )n∈N
l0 > 0 ll 0 0 ll 0 +∞ −∞ PL
l0 = 0 0 0 0 ? ? ?
l0 < 0 ll 0 0 ll 0 −∞ +∞ PL
+∞ +∞ ? −∞ +∞ −∞ ?
−∞ −∞ ? +∞ −∞ +∞ ?
PL PL ? PL ? ? ?

Tableau des limites possibles pour la suite (un vn )n∈N en fonction

des limites respectives des suites réelles (un )n∈N et (vn )n∈N .

Là encore, les lettres PL signifient que la suite considérée n’a pas de limite et le symbole « ? » correspond à une
forme indéterminée. Différents cas sont possibles :
1
— la limite est finie : par exemple, pour tout n ∈ N∗ , un = n et vn = , lim un vn = 1,
n n→+∞
1
— la limite est infinie : par exemple, pour tout n ∈ N, un = n et vn = , lim un vn = +∞,
2
n n→+∞
(sin n)2
— il n’y a pas de limite : par exemple, pour tout n ∈ N , un = n et vn =
∗
, alors un vn = (sin n)2 qui n’a
n
pas de limite.

8.3 Existence de limites

Nous rassemblons dans cette section plusieurs résultats relatifs à l’existence de limites.

Proposition 8.21 1) Toute suite réelle croissante et majorée est convergente.

2) Toute suite réelle décroissante et minorée est convergente.

DÉMONSTRATION.
1) Soit (un )n∈N une suite réelle croissante et majorée. L’ensemble {uk | k ∈ N} des termes de la suite est une partie de R non
vide et majorée, qui admet donc une borne supérieure, notée l. On a alors un ≤ l, pour tout entier n, et pour tout réel "
strictement positif, l − " n’est pas un majorant de l’ensemble {uk | k ∈ N}. Il existe alors N ∈ N tel que

l − " ≤ uN ≤ l.

La suite (un )n∈N étant croissante, on en déduit

∀n ∈ N, (n ≥ N ⇒ l − " ≤ uN ≤ un ≤ l),

et donc |x n − l| ≤ ". On en conclut que (un )n∈N converge vers l.

2) Il suffit d’appliquer le résultat 1) à la suite (−un )n∈N .
ƒ

Proposition 8.22 1) Toute suite réelle croissante et non majorée tend vers +∞.
2) Toute suite réelle décroissante et non minorée tend vers −∞.
DÉMONSTRATION.
1) Soit (un )n∈N une suite réelle croissante non majorée. L’ensemble {uk | k ∈ N} des termes de la suite est une partie de R non
majorée, et donc, quel que soit A > 0, il existe un entier N tel que uN > A. La suite (un )n∈N étant croissante, on en déduit

∀n ∈ N, (n ≥ N ⇒ un ≥ uN > A),

d’où lim un = +∞.

n→+∞

69
 CHAPITRE 8. SUITES NUMÉRIQUES

2) Il suffit d’appliquer le résultat 1) à la suite (−un )n∈N .

ƒ

Proposition 8.23 Deux suites adjacentes convergent et ont même limite.

DÉMONSTRATION. Soient (un )n∈N et (vn )n∈N deux suites adjacentes. Supposons (un )n∈N croissante et (vn )n∈N décroissante. La
suite (un − vn )n∈N est donc croissante et tend par hypothèse vers 0, on en déduit que c’est une suite négative et, ∀n ∈ N, un ≤ vn .
De plus, ∀n ∈ N, u0 ≤ un et vn ≤ v0 . En combinant ces inégalités, nous obtenons

∀n ∈ N, u0 ≤ un ≤ vn ≤ v0 .

La suite (un )n∈N est alors croissante et majorée par v0 , c’est donc une suite convergente. De même, la suite (vn )n∈N est décroissante
et minorée par u0 , donc (vn )n∈N est convergente.
D’autre part, on a lim (un − vn ) = 0 et, comme les deux suites sont convergentes, on en déduit lim un = lim vn . ƒ
n→+∞ n→+∞ n→+∞

Nous pouvons à présent établir le

Théorème 8.24 (« théorème des segments emboîtés ») Soit ([an , bn ])n∈N une suite de segments T emboîtés (c’est-
à-dire, ∀n ∈ N, [an+1 , bn+1 ] ⊂ [an , bn ]) telle que lim (bn − an ) = 0. Alors l’intersection n∈N [an , bn ] est un
n→+∞
singleton.

DÉMONSTRATION. Notons que les suites (an )n∈N et (bn )n∈N sont adjacentes. On en déduit que qu’elles convergent vers une
même limite l et l’on a, ∀n ∈ N, an ≤ l ≤ bn donc l ∈ [an , bn ] pour tout entier n, et, par suite, l ∈ n∈N [an , bn ].
T

D’autre part si l 0 ∈ n∈N [an , bn ], alors l 0 ∈ [an , bn ] pour tout entier n. Comme on a également l ∈ [an , bn ] pour tout entier n,
T

nous obtenons ∀n ∈ N, bn − an ≥ |l − l 0 |. En faisant tendre n vers l’infini, nous trouvons l = l 0 .

En conclusion, n∈N [an , bn ] = {l}.
T
ƒ

Théorème 8.25 (« théorème de Bolzano 2 –Weierstrass 3 ») De toute suite réelle bornée, on peut extraire une suite
convergente.

DÉMONSTRATION. Soit (un )n∈N une suite réelle bornée. Il existe alors deux réels a0 et b0 tels que, pour tout entier n, a0 ≤ un ≤ b0 .
Il est clair que {k ∈ N | uk ∈ [a0 , b0 ]} = N est infini.
Soit à présent n ∈ N ; nous supposons défini le couple (an , bn ) ∈ R2 tel que
i) an ≤ bn ,
ii) {k ∈ N | uk ∈ [an , bn ]} est infini,
1
iii) bn − an = n (b0 − a0 ).
2
a +b a +b
   a +b 
En considérant alors le milieu n 2 n de l’intervalle fermé [an , bn ], il est clair que l’un des deux intervalles an , n 2 n , n 2 n , bn
est tel que l’ensemble des entiers k tels que uk soit dans cet intervalle est infini. Il existe donc (an+1 , bn+1 ) ∈ R2 tel que
i) an+1 ≤ bn+1 ,
ii) {k ∈ N | uk ∈ [an+1 , bn+1 ]} est infini,
1 1
iii) bn+1 − an+1 = (bn − an ) = n+1 (b0 − a0 ).
2 2
Il est alors évident que les intervalles [an , bn ], n ∈ N, forment une suite de segments emboîtés dont la longueur tend vers 0. On
en déduit (d’après le théorème 8.24) qu’ils ont un seul point commun l ∈ R, qui est la limite commune de (an )n∈N et (bn )n∈N .
D’autre part, il est aisé de construire une extractrice σ telle que σ(0) = 0 et telle qu’il existe, pour tout entier n, un entier k tel
que si k > σ(n) alors uk ∈ [an , bn ] et σ(n + 1) = k. Les inégalités an ≤ uσ(n) ≤ bn , valables pour tout entier n, montrent alors
que la suite (uσ(n) )n∈N tend vers l. ƒ

Théorème 8.26 Toute suite de Cauchy à valeurs réelles est convergente (on dit que R est complet).
2. Bernardus Placidus Johann Nepomuk Bolzano (5 octobre 1781 - 18 décembre 1848) était un mathématicien, théologien et philosophe
bohémien de langue allemande. Ses travaux portèrent essentiellement sur les fonctions et la théorie des nombres et il est considéré comme un
des fondateurs de la logique moderne.
3. Karl Theodor Wilhelm Weierstraß (31 octobre 1815 - 19 février 1897) était un mathématicien allemand, souvent cité comme le « père
de l’analyse moderne ». On lui doit l’introduction de plusieurs définitions et de formulations rigoureuses, comme les notions de limite et de
continuité, et ses contributions au développement d’outils théoriques en analyse ouvrirent la voie à l’étude du calcul des variations telle que
nous la connaissons aujourd’hui.

70
 8.3. EXISTENCE DE LIMITES

DÉMONSTRATION. Soit (un )n∈N une suite réelle de Cauchy. D’après la proposition 8.6, nous savons que (un )n∈N est bornée. Il
existe alors, en vertu du théorème de Bolzano–Weierstrass, une suite extraite (uσ(n) )n∈N qui converge vers une limite l. Montrons
que la suite (un )n∈N converge vers cette limite.
Soit " > 0. Il existe des entiers N et N 0 tels que
 "
∀n ∈ N, n ≥ N ⇒ |uσ(n) − l| ≤ (car (uσ(n) )n∈N converge vers l)
2
et  "
∀(p, q) ∈ N2 , (car (un )n∈N est une suite de Cauchy).
p ≥ N 0 , q ≥ N 0 ⇒ |u p − uq | ≤
2
"
Notons N 00 = max(N , N 0 ). Si n ≥ N 00 , nous avons d’une part σ(n) ≥ n ≥ N 0 , d’où |un − uσ(n) | ≤ , et d’autre part n ≥ N , d’où
2
"
|uσ(n) − l| ≤ . En combinant ces deux inégalités, nous obtenons
2
 " " 
∀n ∈ N, n ≥ N 00 ⇒ |un − l| ≤ |un − uσ(n) | + |uσ(n) − l| ≤ + = " ,
2 2

ce qui permet de conclure que la suite (un )n∈N est convergente. ƒ

En alliant ce théorème à la proposition 8.15, nous en déduisons qu’une suite réelle converge si et seulement si elle
est une suite de Cauchy.

Nous terminons cette section avec un résultat relatif à la suite des moyennes arithmétiques des premiers termes
d’un suite convergente.

Définition 8.27 (« moyenne de Cesàro 4 ») Soit une suite (un )n∈N∗ . On appelle moyenne de Cesàro de (un )n∈N∗ la
suite (sn )n∈N∗ de terme général
n
∗ 1X
∀n ∈ N , sn = uk .
n k=1

Théorème 8.28 (« lemme de Cesàro ») La moyenne de Cesàro d’une suite convergente de limite l converge vers l.

DÉMONSTRATION. Soit (un )n∈N∗ une suite convergente de limite l et (sn )n∈N∗ sa moyenne de Cesàro. Soit " > 0. Il existe un
entier naturel non nul N tel que
 "
∀n ∈ N∗ , n ≥ N ⇒ |un − l| ≤ .
2
Pour n ≥ N , on a donc

n n N −1 n N −1
1 X 1 X 1 X 1 X 1 X n−N +1 "
|sn − l| = (uk − l) ≤ |uk − l| ≤ |uk − l| + |uk − l| ≤ |uk − l| + .
n k=1 n k=1 n k=1 n k=N n k=1 n 2

PN −1
La somme k=1
|uk − l| étant finie, on a
N −1
1 X
lim |uk − l| = 0,
n→+∞ n
k=1

et il existe donc un entier naturel non nul N 0 tel que

N −1
‚ Œ
∗ 01 X "
∀n ∈ N , n≥N ⇒ |uk − l| ≤ .
n k=1 2

Notons N 00 = max(N , N 0 ). Il vient alors

" n−N +1 "

 ‹
∀n ∈ N∗ , n ≥ N 00 ⇒ |sn − l| ≤ + ≤" ,
2 n 2

ce qui montre que (sn )n∈N∗ converge vers l. ƒ

4. Ernesto Cesàro (12 mars 1859 - 12 septembre 1906) était un mathématicien italien, connu pour ses contributions à la géométrie
différentielle et son procédé de sommation des séries divergentes.

71
 CHAPITRE 8. SUITES NUMÉRIQUES

8.4 Quelques suites particulières

8.4.1 Suite arithmétique
Définition 8.29 Une suite (un )n∈N est dite arithmétique de raison r si et seulement s’il existe un scalaire r ∈ K tel
que, pour tout entier naturel n, un+1 = un + r.

Si (un )n∈N est une suite arithmétique de raison r, on a

∀n ∈ N, un = u0 + nr.

Si r = 0, la suite est constante. Si K = R, la suite est strictement croissante si r > 0 et strictement décroissante si
r < 0.

Proposition 8.30 (somme des termes d’une suite arithmétique) La somme des m premiers termes d’une suite
arithmétique (un )n∈N de raison r est
m−1
X m(m − 1) m
∀m ∈ N∗ , Sm = uk = m u0 + r = (u0 + um−1 ).
k=0
2 2

8.4.2 Suite géométrique

Définition 8.31 Une suite (un )n∈N est dite géométrique de raison q si et seulement s’il existe un scalaire q ∈ K tel
que, pour tout entier naturel n, un+1 = q un .

Si (un )n∈N est une suite géométrique de raison q, on a

∀n ∈ N, un = q n u0 .

La suite (un )n∈N est constante si q = 1 et stationnaire en 0 (à partir de n = 1) si q = 0.

Si K = R et si q > 0, la suite (un )n∈N garde un signe constant et est monotone. Plus précisément,
— si u0 > 0 et q > 1, la suite est positive strictement croissante,
— si u0 > 0 et 0 < q < 1, la suite est positive strictement décroissante,
— si u0 < 0 et q > 1, la suite est négative strictement décroissante,
— si u0 < 0 et 0 < q < 1, la suite est négative strictement croissante.
Si K = R et si q < 0, alors, pour tout entier n, un et un+1 sont de signes contraires et la suite (un )n∈N n’est donc pas
monotone.

Proposition 8.32 Soit (un )n∈N une suite géométrique réelle de premier terme u0 ∈ R∗ et de raison q ∈ R. On a
i) Si |q| < 1, lim un = 0.
n→+∞
¨
+∞ si u0 > 0
ii) Si q > 1, lim un = .
n→+∞ −∞ si u0 < 0
iii) Si q = 1, lim un = u0 .
n→+∞
iv) Si q ≤ −1, (un )n∈N n’a pas de limite.

DÉMONSTRATION.
1 1
i) Si q = 0, la suite est stationnaire en 0 à partir du rang n = 1. Sinon, 0 < |q| < 1 ⇒ > 1 ⇒ ∃h ∈ R∗+ , = 1 + h. On a
|q| |q|
donc ‹n n
1
 X
∀n ∈ N∗ , = (1 + h)n = Cnk hk ≥ 1 + nh,
|q| k=0

|u0 |
en utilisant la formule du binôme de Newton. Par ailleurs, on a |un | = q n |u0 | ≤ , d’où lim un = 0.
1 + nh n→+∞

ii) La démonstration est similaire à celle de i).

72
 8.4. QUELQUES SUITES PARTICULIÈRES

iii) et iv) sont évidentes. ƒ

Proposition 8.33 (somme des termes d’une suite géométrique) La somme des m premiers termes d’une suite
géométrique (un )n∈N de raison q est
m−1 m−1
X X 1 − qm
∀m ∈ N∗ , Sm = uk = u0 q k = u0 si q 6= 1, Sm = m u0 si q = 1.
k=0 k=0
1−q

8.4.3 Suite arithmético-géométrique

Définition 8.34 Une suite (un )n∈N est dite arithmético-géométrique si et seulement s’il existe des scalaires q et r
tels que, pour tout entier naturel n, un+1 = q un + r.
Remarquons qu’une telle suite est arithmétique si q = 1 et géométrique si r = 0.

Méthode d’étude d’une suite arithmético-géométrique par utilisation d’un point fixe. Supposons q 6= 1.
r
Soit α l’unique scalaire vérifiant α = q α + r, c’est-à-dire α = (on dit que α est un point fixe de la fonction
1−q
f (x) = q x + r). Nous avons
∀n ∈ N∗ , un − α = q un−1 + r − (q α + r) = q(un−1 − α).
La suite (un − α)n∈N est donc une suite géométrique de raison q. Ceci implique que un − α = q n (u0 − α), soit encore
∀n ∈ N, un = q n (u0 − α) + α.
On en déduit que, si u0 = α, la suite (un )n∈N est constante et vaut α. Si u0 6= α, on a alors
lim un = α si |q| < 1 et lim |un | = +∞ si |q| > 1.
n→+∞ n→+∞

8.4.4 Suite définie par récurrence

Suite récurrente d’ordre un
Définition 8.35 Soient I un intervalle fermé de R et f : I → R une application. On suppose que f (I) ⊂ I. La suite
(un )n∈N définie par u0 ∈ I et la relation de récurrence
∀n ∈ N, un+1 = f (un ),
est appelée suite récurrente.
Cette suite est bien définie car, pour tout entier n, on a un ∈ I et f (I) ⊂ I. On remarque que si f est une application
affine à coefficients constants, la suite récurrente est une suite arithmético-géométrique.
Pour l’étude de suites récurrentes du type un+1 = f (un ), nous utiliserons les propriétés élémentaires des applications
continues (chapitre 9) et des applications dérivables (chapitre 10).

Sens de variation de la suite (un )n∈N . Supposons que f soit une application monotone sur l’intervalle fermé I.
— Si f est croissante,
∀n ∈ N∗ , un+1 − un = f (un ) − f (un−1 ),
et un+1 − un a le même signe que u1 − u0 = f (u0 ) − u0 .
Ainsi, (un )n∈N est monotone et son sens de variation dépend de la position relative de u0 et u1 . Il reste à
voir si la suite est minorée, majorée.
— Si f est décroissante, nous remarquons que, pour tout entier naturel n, un+1 − un a le signe opposé de
un − un−1 .
Nous étudions alors les suites extraites (u2p ) p∈N et (u2p+1 ) p∈N . Pour tout p ∈ N, on a
u2p+2 = f (u2p+1 ) = ( f ◦ f )(u2p ) et u2p+3 = f (u2p+2 ) = ( f ◦ f )(u2p+1 ).
Comme f est décroissante, l’application f ◦ f est croissante et donc les suites extraites (u2p ) p∈N et (u2p+1 ) p∈N
sont toutes deux monotones et de sens contraires.

73
 CHAPITRE 8. SUITES NUMÉRIQUES

Limite de la suite (un )n∈N . Supposons à présent que f est continue sur l’intervalle I. Si la suite (un )n∈N converge
vers l ∈ I, alors, en passant à la limite quand n tend vers l’infini dans la relation de récurrence un+1 = f (un ), nous
déduisons que le réel l vérifie l = f (l) (on dit encore que l est un point fixe de l’application f ).
Pour déterminer les seules limites possibles d’une suite récurrente (un )n∈N de type un+1 = f (un ), on pourra donc
chercher à résoudre l’équation f (l) = l, d’inconnue l ∈ I.

Suite récurrente d’ordre supérieur

On peut également définir une suite (un )n∈N par une relation de récurrence d’ordre deux (ou plus), c’est-à-dire
en se donnant les deux termes initiaux de la suite et la relation de récurrence

∀n ∈ N, un+2 = f (un , un+1 ).

74
Chapitre 9

Fonctions d’une variable réelle

Nous allons dans ce chapitre étudier des fonctions numériques d’une variable réelle, c’est-à-dire des applications
définies sur une partie D de R et à valeurs dans le corps K (avec K = R ou C). L’ensemble D, appelé le domaine de
définition de f , est le plus souvent une réunion d’intervalles non vides de R. L’étude d’une fonction s’effectuant
cependant intervalle par intervalle, nous nous restreindrons ici le plus souvent à des applications dont les ensembles
de définition sont contenus dans un intervalle non vide de R, noté I.

9.1 Généralités sur les fonctions

Soit I une partie non vide de R. On note F (I, K), ou encore K I , l’ensemble des applications définies sur I à
valeurs dans K.
Nous rappelons que si f et g appartiennent à F (I, K), alors

f = g ⇔ ∀x ∈ I, f (x) = g(x).

9.1.1 Opérations sur les fonctions

L’ensemble F (I, K) est muni de deux lois internes :
• une addition :
∀ f , g ∈ F (I, K), ∀x ∈ I, ( f + g)(x) = f (x) + g(x),
• une multiplication :
∀ f , g ∈ F (I, K), ∀x ∈ I, ( f g)(x) = f (x)g(x),
et d’une loi externe :
• une multiplication par les scalaires :

∀λ ∈ K, ∀ f ∈ F (I, K), ∀x ∈ I, (λ f )(x) = λ f (x).

9.1.2 Relation d’ordre pour les fonctions réelles

Lorsque les fonctions considérées sont à valeur réelles, il est possible d’utiliser la relation d’ordre total usuelle
sur R pour comparer certaines fonctions entre elles.

Définition 9.1 On définit dans l’ensemble F (I, R) une relation, notée ≤, par

∀ f , g ∈ F (I, R), ( f ≤ g ⇔ (∀x ∈ I, f (x) ≤ g(x))).

Les résultats suivants sont immédiats.

Proposition 9.2 1) La relation ≤ est une relation d’ordre sur F (I, R).

75
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

2) La relation ≤ est compatible avec l’addition :

∀ f , g, h ∈ F (I, R), ( f ≤ g ⇒ f + h ≤ g + h).

3) On a
∀ f , g, h ∈ F (I, R), ( f ≤ g et 0 ≤ h ⇒ f h ≤ gh).

Remarque. L’ordre introduit sur F (I, R) par la relation ≤ définie ci-dessus n’est plus total dès que la partie I
n’est plus réduite à un point. Supposons en effet que I contienne deux éléments distincts a et b. Considérons alors
les applications f et g de I dans R définies par

si x = a si x = b
§ §
1 1
∀x ∈ I, f (x) = , g(x) = .
0 si x =
6 a 0 si x =
6 b

On n’a dans ce cas ni f ≤ g (car g(a) < f (a)), ni g ≤ f (car f (b) < g(b)). On dit que f et g ne sont pas
comparables pour ≤.

9.1.3 Propriétés globales des fonctions

Parité

Dans cette sous-section, I désigne une partie de R symétrique par rapport à 0, c’est-à-dire telle que

∀x ∈ I, −x ∈ I.

Définitions 9.3 Soit f ∈ F (I, K). On dit que f est

• paire si et seulement si
∀x ∈ I, f (−x) = f (x),
• impaire si et seulement si
∀x ∈ I, f (−x) = − f (x).

Remarques.
— Toute application constante sur I est paire.
— Si f est une application impaire et 0 ∈ I, alors f (0) = 0.
— Une application peut n’être ni paire, ni impaire.

Périodicité

Définition 9.4 Soient f ∈ F (I, K) et T un réel strictement positif. L’application f est dite périodique de période T
si et seulement si
∀x ∈ I, x + T ∈ I et f (x + T ) = f (x).

Remarques.
— Toute application constante d’un intervalle [a, +∞[ ou ]a, +∞[ (a ∈ R) dans R est périodique de période
T pour tout réel T strictement positif.
— Si f est une application périodique de période T , alors, pour tout n de N∗ , f est périodique de période nT .

Exemples.
— L’application de R dans R définie par f (x) = x − E(x), où E(x) désigne la partie entière du réel x, est
périodique de période 1.
— Les applications sin et cos sont périodiques de période
n π2π sur R. o
— L’application tan est périodique de période π sur R\ + nπ, n ∈ Z .
2

76
 9.1. GÉNÉRALITÉS SUR LES FONCTIONS

Monotonie
Définition 9.5 Soit I une partie de R et f ∈ F (I, R). On dit que f est
• croissante si et seulement si
∀(x, x 0 ) ∈ I 2 , (x ≤ x 0 ⇒ f (x) ≤ f (x 0 )),
• décroissante si et seulement si

∀(x, x 0 ) ∈ I 2 , (x ≤ x 0 ⇒ f (x) ≥ f (x 0 )),

• strictement croissante si et seulement si

∀(x, x 0 ) ∈ I 2 , (x < x 0 ⇒ f (x) < f (x 0 )),

• strictement décroissante si et seulement si

∀(x, x 0 ) ∈ I 2 , (x < x 0 ⇒ f (x) > f (x 0 )),

• monotone si et seulement si elle est croissante ou décroissante,

• strictement monotone si et seulement si elle est strictement croissante ou strictement décroissante.

Les résultats de la proposition suivante se démontrent de façon immédiate.

Proposition 9.6 1) Si f , g ∈ F (I, R) sont croissantes, alors f + g est croissante.

2) Si f ∈ F (I, R) est croissante et λ ∈ R+ , alors λ f est croissante.
3) Si f , g ∈ F (I, R) sont croissantes et positives, alors f g est croissante.
4) Si f ∈ F (I, R) et g ∈ F (J, R) sont croissantes et si f (I) ⊂ J, alors l’application composée g ◦ f ∈ F (I, R) est
croissante.

Majoration, minoration
Définitions 9.7 Une application f : I → R est dite
• majorée si et seulement s’il existe M ∈ R tel que

∀x ∈ I, f (x) ≤ M ,

• minorée si et seulement s’il existe m ∈ R tel que

∀x ∈ I, m ≤ f (x),

• bornée si et seulement s’il existe (m, M ) ∈ R2 tel que

∀x ∈ I, m ≤ f (x) ≤ M .

Remarques.
— Une application f est majorée (resp. minorée, resp. bornée) si et seulement si la partie f (I) de R est
majorée (resp. minorée, resp. bornée).
— Toute application constante est bornée.
— L’application f est bornée si et seulement | f | est majorée, c’est-à-dire si et seulement si ∃M ∈ R+ , ∀x ∈ I,
| f (x)| ≤ M .

Proposition et définition 9.8 Si l’application f : I → R est majorée (resp. minorée), alors f (I) admet une borne
supérieure (resp. inférieure) dans R, appelée borne supérieure (resp. inférieure) de f et notée sup f (x) (resp.
x∈I
inf f (x)).
x∈I

Cette proposition résulte directement de l’axiome de la borne supérieure (proposition 7.3). Ainsi, par définition,
sup f (x) = sup ({ f (x) | x ∈ I}) = sup( f (I)).
x∈I

77
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

9.2 Limites
Dans cette section, I désigne un intervalle de R, non vide et non réduit à un point.

9.2.1 Notion de limite

Notion de voisinage d’un point

Définitions 9.9 Soit une propriété dépendant du point x de I. On dit que cette propriété est vraie au voisinage d’un
point a de I si elle est vraie sur l’intersection de I avec un intervalle non vide, ouvert et centré en a.
Dans le cas où l’intervalle I est non majoré (resp. non minoré), on dit que la propriété est vraie au voisinage de
+∞ (resp. −∞) s’il existe un réel M tel qu’elle est vraie sur l’intersection de I avec un intervalle ]M , +∞[ (resp.
] − ∞, M [).

Limite d’une fonction en un point

Définition 9.10 Soient a ∈ I et f une fonction définie sur I, sauf peut-être au point a, et à valeurs dans K. On dit
que f admet l ∈ K pour limite en a si et seulement si

∀" > 0, ∃α > 0, ∀x ∈ I, (0 < |x − a| ≤ α ⇒ | f (x) − l| ≤ ").

On voit que le fait que f ne soit pas définie en a n’empêche pas de considérer sa limite en ce point. On dit alors
que f admet une limite lorsque x tend vers a par valeurs différentes. Lorsque f a pour limite l ∈ K en a, on dit
aussi que f admet une limite finie en a.

Exemples.
1
— La fonction de R dans R qui à chaque réel x associe x sin a pour limite 0 en 0.
x
— Soit f l’application de R dans R définie par

si x 6= 0
§
0
∀x ∈ R, f (x) = .
1 si x = 0

Cette fonction tend vers 0 quand x tend vers 0 par valeurs différentes.

Remarque. Comme le montre ce dernier exemple, une application f peut admettre l pour limite en a sans que
l’on ait pour autant l = f (a).

Définitions 9.11 Soient a ∈ I et f une fonction définie sur I, sauf peut-être au point a, et à valeurs réelles. On dit
que f admet
• +∞ pour limite en a si et seulement si

∀A ∈ R, ∃α > 0, ∀x ∈ I, (0 < |x − a| ≤ α ⇒ f (x) ≥ A),

• −∞ pour limite en a si et seulement si

∀B ∈ R, ∃α > 0, ∀x ∈ I, (0 < |x − a| ≤ α ⇒ f (x) ≤ B).

Unicité de la limite

Proposition 9.12 Si une application admet une limite finie en un point, alors celle-ci est unique.

DÉMONSTRATION. Raisonnons par l’absurde et supposons que l’application f : I → K admet l et l 0 appartenant à K pour
1
limites en un point a de I, avec l 6= l 0 . Posons " = |l − l 0 |. Il existe α > 0 et α0 > 0 tels que
3
∀x ∈ I, (0 < |x − a| ≤ α ⇒ | f (x) − l| ≤ ") et (0 < |x − a| ≤ α0 ⇒ | f (x) − l 0 | ≤ ").

78
 9.2. LIMITES

Alors, pour tout x de I tel que 0 < |x − a| ≤ min(α, α0 ), nous avons

2
|l − l 0 | ≤ |l − f (x)| + | f (x) − l 0 | ≤ 2" = |l − l 0 |,
3

d’où une contradiction. ƒ

En vertu de cette unicité, si l’application f admet l pour limite en a, on dit que l est la limite de f en a et l’on note

lim f (x) = l ou encore f (x) −→ l.

x→a x→a

Extension de la notion de limite

Il est possible d’étendre les définitions de limites finie et infinie si la fonction f est définie sur un intervalle non
majoré ou non minoré.

Définitions 9.13 Soient f ∈ F (I, K) et l ∈ K. Si I admet +∞ comme extrémité, on dit que f admet l pour limite
en +∞ si et seulement si
∀" > 0, ∃A ∈ R, ∀x ∈ I, (x ≥ A ⇒ | f (x) − l| ≤ "),

et l’on note lim f (x) = l.

x→+∞
Si I admet −∞ comme extrémité, on dit que f admet l pour limite en −∞ si et seulement si

∀" > 0, ∃B ∈ R, ∀x ∈ I, (x ≤ B ⇒ | f (x) − l| ≤ "),

et l’on note lim f (x) = l.

x→−∞

Définitions 9.14 Soit f ∈ F (I, R). Si I admet +∞ comme extrémité, on dit que f admet +∞ (resp. −∞) pour
limite en +∞ si et seulement si

∀A ∈ R, ∃A0 ∈ R, ∀x ∈ I, (x ≥ A0 ⇒ f (x) ≥ A)

(resp. ∀B ∈ R, ∃A0 ∈ R, ∀x ∈ I, (x ≥ A0 ⇒ f (x) ≤ B)),

et l’on note lim f (x) = +∞ (resp. lim f (x) = −∞).

x→+∞ x→+∞
Si I admet −∞ comme extrémité, on dit que f admet +∞ (resp. −∞) pour limite en −∞ si et seulement si

∀A ∈ R, ∃B 0 ∈ R, ∀x ∈ I, (x ≤ B 0 ⇒ f (x) ≥ A)

(resp. ∀B ∈ R, ∃B 0 ∈ R, ∀x ∈ I, (x ≤ B 0 ⇒ f (x) ≤ B)),

et l’on note lim f (x) = +∞ (resp. lim f (x) = −∞).

x→−∞ x→−∞

Dans toute la suite de ce chapitre et afin d’unifier la présentation des définitions et résultats, nous considérons le
point a comme élément de R = R ∪ {−∞, +∞}.
Nous établissons à présent la

Proposition 9.15 Si f : I → K admet une limite finie en a ∈ R, alors f est bornée au voisinage de a.

DÉMONSTRATION. Supposons a ∈ R, les cas a = +∞ et a = −∞ étant analogues.

Il existe α > 0 tel que l’on a

∀x ∈ I, (0 < |x − a| ≤ α ⇒ | f (x) − l| ≤ 1 ⇒ | f (x)| ≤ | f (x) − l| + |l| ≤ 1 + |l|),

et donc f est bornée au voisinage de a. ƒ

79
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

Limite à droite, limite à gauche

Définition 9.16 On dit que f admet une limite à droite (resp. à gauche) en a ∈ R si et seulement si la restriction
de f à I∩]a, +∞[ (resp. ] − ∞, a[∩I), notée f|I∩]a,+∞[ (resp. f|]−∞,a[∩I ), admet une limite en a.

Lorsque f admet l pour limite à droite (resp. à gauche) en a, on note

lim f (x) = l ou lim+ f (x) = l (resp. lim f (x) = l ou lim− f (x) = l),
x→a, x>a x→a x→a, x<a x→a

et l’on a

lim f (x) = l ⇔ (∀" > 0, ∃α > 0, ∀x ∈ I, (0 < x − a ≤ α ⇒ | f (x) − l| ≤ "))

x→a+

(resp. lim− f (x) = l ⇔ (∀" > 0, ∃α > 0, ∀x ∈ I, (0 < a − x ≤ α ⇒ | f (x) − l| ≤ "))).

x→a

On dit également que f tend vers l lorsque x tend vers a par valeurs supérieures (resp. inférieures).

|x|
Exemple. Considérons la fonction x 7→ définie sur R∗ . Si x > 0, f (x) = 1 et l’on a lim+ f (x) = 1. Si x < 0,
x x→0
alors f (x) = −1 et l’on a lim− f (x) = −1.
x→0

Caractérisation séquentielle de la limite

Proposition 9.17 Pour qu’une application f : I → K admette l ∈ K pour limite en a ∈ R, il faut et il suffit que, pour
toute suite (un )n∈N d’éléments de I et ayant a pour limite, on ait

lim f (un ) = l.
n→+∞

DÉMONSTRATION. Faisons l’hypothèse que a ∈ R, les cas a = +∞ et a = −∞ étant analogues.

Supposons tout d’abord que f admet l pour limite en a. Soient (un )n∈N une suite dans I, telle que lim un = a, et " > 0.
n→+∞
Puisque lim f (x) = l, il existe α > 0 tel que
x→a

∀x ∈ I, (0 < |x − a| ≤ α ⇒ | f (x) − l| ≤ ").

Puisque (un )n∈N tend vers a, il existe N ∈ N tel que

∀n ∈ N, (n ≥ N ⇒ |un − a| ≤ α).

On a alors
∀n ∈ N, (n ≥ N ⇒ |un − a| ≤ α ⇒ | f (un ) − l| ≤ "),

d’où lim f (un ) = l.

n→+∞
Supposons à présent que f n’admet pas l pour limite en a. Il existe donc " > 0 tel que

∀α > 0, ∃x ∈ I, (0 < |x − a| ≤ α et | f (x) − l| > ").

1
En particulier, en prenant α = pour tout n de N∗ , il existe un ∈ I tel que
n

1
|un − a| ≤ et | f (un ) − l| > ".
n

On constate alors que la suite (un )n∈N dans I ainsi construite satisfait lim un = a, mais est telle que ( f (un ))n∈N ne converge
n→+∞
pas vers l. ƒ

80
 9.2. LIMITES

9.2.2 Ordre et limite

Passage à la limite dans une inégalité

Proposition 9.18 Soient f et g deux fonctions de F (I, R) admettant une limite en a ∈ R. Si l’on a f (x) ≤ g(x) au
voisinage de a, alors
lim f (x) ≤ lim g(x).
x→a x→a

DÉMONSTRATION. Supposons que f et g tendent respectivement vers l et l 0 lorsque x tend vers a. Soit " > 0. Il existe α > 0 et
α0 > 0 tels que
 " "  " "
∀x ∈ I, 0 < |x − a| ≤ α ⇒ l − ≤ f (x) ≤ l + et 0 < |x − a| ≤ α0 ⇒ l 0 − ≤ g(x) ≤ l 0 + .
2 2 2 2

Nous avons donc, pour tout x ∈ I tel que 0 < |x − a| ≤ min(α, α0 ),

" "
l− ≤ f (x) ≤ g(x) ≤ l + ,
2 2

d’où l − l 0 ≤ ". On a finalement l ≤ l 0 car " > 0 est arbitraire. ƒ

Théorème d’encadrement

Proposition 9.19 (« théorème des gendarmes ») Soient f , g et h trois fonctions de F (I, R) telles que f (x) ≤
g(x) ≤ h(x) au voisinage de a ∈ R. Si f et h admettent une même limite l en a, alors g admet l pour limite en a.

DÉMONSTRATION. Supposons a ∈ R, les cas a = +∞ et a = −∞ étant analogues.

Soit " > 0. Puisque f et h admettent l pour limite en a, il existe α > 0 et α0 > 0 tels que

∀x ∈ I, (0 < |x − a| ≤ α ⇒ | f (x) − l| ≤ ") et (0 < |x − a| ≤ α0 ⇒ |h(x) − l| ≤ ").

Nous avons donc, pour tout x ∈ I tel que 0 < |x − a| ≤ min(α, α0 ),

((| f (x) − l| ≤ " et |h(x) − l| ≤ ") ⇒ −" ≤ f (x) − l ≤ g(x) − l ≤ h(x) − l ≤ " ⇒ |g(x) − l| ≤ ").

Donc g admet l pour limite en a. ƒ

Ce théorème d’encadrement s’avère très utile en pratique puisqu’il permet notamment de conclure à l’existence
d’une limite.

9.2.3 Opérations algébriques sur les limites

Cas des limites finies

Proposition 9.20 Soient λ ∈ K, f , g : I → K, a ∈ R et (l, l 0 ) ∈ K2 . On a

1) lim f (x) = l ⇒ lim | f (x)| = |l|.
x→a x→a

2) lim f (x) = l et lim g(x) = l 0 ⇒ lim ( f (x) + g(x)) = l + l 0 .

x→a x→a x→a

3) lim f (x) = l ⇒ lim λ f (x) = λl.

x→a x→a

4) lim f (x) = 0 et g est bornée au voisinage de a ⇒ lim f (x)g(x) = 0.

x→a x→a

5) lim f (x) = l et lim g(x) = l 0 ⇒ lim f (x)g(x) = ll 0 .

x→a x→a x→a
1 1
6) lim g(x) = l 0 et l 0 6= 0 ⇒ lim = 0.
x→a x→a g(x) l
f (x) l
7) lim f (x) = l et lim g(x) = l 0 et l 0 6= 0 ⇒ lim = 0.
x→a x→a x→a g(x) l

DÉMONSTRATION. Supposons a ∈ I ⊂ R, les cas a = +∞ et a = −∞ étant analogues.

81
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

1) Soit " > 0. Puisque lim f (x) = l, il existe α > 0 tel que
x→a

∀x ∈ I, (|x − a| ≤ α ⇒ | f (x) − l| ≤ ").

Comme ∀x ∈ I, || f (x)| − |l|| ≤ | f (x) − l|, on déduit

∀x ∈ I, (|x − a| ≤ α ⇒ || f (x)| − |l|| ≤ "),

et finalement lim | f (x)| = |l|.

x→a
2) Soit " > 0. Puisque lim f (x) = l et lim g(x) = l 0 , il existe α > 0 et α0 > 0 tels que
x→a x→a
 "  "
∀x ∈ I, |x − a| ≤ α ⇒ | f (x) − l| ≤ et |x − a| ≤ α0 ⇒ |g(x) − l 0 | ≤
2 2
En notant α00 = min(α, α0 ) > 0, nous avons, ∀x ∈ I,
 " "
|x − a| ≤ α00 ⇒ (| f (x) − l| ≤ et |g(x) − l 0 | ≤ ⇒ |( f (x) + g(x)) − (l + l 0 )| ≤ | f (x) − l| + |g(x) − l 0 | ≤ "),
2 2
d’où lim ( f (x) + g(x)) = l + l 0 .
x→a
3) Soit " > 0. Puisque lim f (x) = l, il existe α > 0 tel que
x→a

"
 ‹
∀x ∈ I, |x − a| ≤ α ⇒ | f (x) − l| ≤ ,
|λ| + 1
|λ|"
 ‹
d’où ∀x ∈ I, |x − a| ≤ α ⇒ |λ f (x) − λl| = |λ|| f (x) − l| ≤ ≤ " , et donc lim λ f (x) = λl.
|λ| + 1 x→a

4) Par hypothèse, il existe α > 0 et C ∈ R+ tels que

∀x ∈ I, (|x − a| ≤ α ⇒ |g(x)| ≤ C).

Soit " > 0. Puisque lim f (x) = 0, il existe α0 > 0 tel que
x→a
 " 
∀x ∈ I, |x − a| ≤ α0 ⇒ | f (x)| ≤ .
C +1
En notant α00 = min(α, α0 ) > 0, nous avons alors
 ‹
C"
∀x ∈ I, |x − a| ≤ α00 ⇒ | f (x)g(x)| = | f (x)||g(x)| ≤ ≤" ,
C +1
et donc lim f (x)g(x) = 0.
x→a
5) Notons h l’application de I dans K telle que h(x) = f (x) − l, ∀x ∈ I. Nous avons

∀x ∈ I, f (x)g(x) = h(x)g(x) + l g(x).

D’après 3), lim l g(x) = l l 0 . D’autre part, lim h(x) = 0, donc, d’après 4), lim h(x)g(x) = 0, puisque g est bornée au voisinage
x→a x→a x→a
de a. Finalement, on a lim f (x)g(x) = l l 0 d’après 2).
x→a
6) Puisque lim g(x) = l 0 , on a, d’après 1), lim |g(x)| = |l 0 |. Comme |l 0 | > 0, il existe α > 0 tel que
x→a x→a

|l 0 |
 ‹
|x − a| ≤ α ⇒ |g(x)| >
∀x ∈ I, ,
2
1
 ‹
En particulier, ∀x ∈ I, (|x − a| ≤ α ⇒ g(x) 6= 0). La fonction est donc définie, au moins sur I∩]a − α, a + α[. Nous
g
avons alors, pour tout x de I∩]a − α, a + α[,

1 1 |g(x) − l 0 | 2
0≤ − 0 = ≤ 0 2 |g(x) − l 0 |.
g(x) l |g(x)||l 0 | |l |

2 1 1 1 1
 ‹
Comme lim g(x) = l 0 , on en déduit que lim |g(x) − l 0
| = 0, puis que lim − 0 = 0, soit encore lim = 0.
x→a x→a |l 0 |2 x→a g(x) l x→a g(x) l
f 1
7) Il suffit d’appliquer 5) et 6) en remarquant que = f .
g g
ƒ

82
 9.2. LIMITES

Cas des limites infinies

Proposition 9.21 Soient f , g : I → R et a ∈ R.
1) Si lim f (x) = +∞ et si g est minorée au voisinage de a, alors
x→a

lim ( f (x) + g(x)) = +∞.

x→a

2) Si lim f (x) = +∞ et si g est minorée au voisinage de a par une constante strictement positive, alors
x→a

lim f (x)g(x) = +∞.

x→a

DÉMONSTRATION. Les preuves sont analogues à celles de 1) et 2) dans la proposition 8.20. ƒ

Composition des limites

Proposition 9.22 Soient f : I → R, J un intervalle de R tel que f (I) ⊂ J, g : J → K, a ∈ R, b ∈ R et
l ∈ K ∪ {−∞, +∞}. Si f admet b pour limite en a et g admet l pour limite en b, alors g ◦ f admet l pour limite en a.

DÉMONSTRATION. Supposons a ∈ R, b ∈ R et l ∈ K, les autres cas étant analogues.

Soit " > 0. Puisque lim g( y) = l, il existe α > 0 tel que
y→b

∀ y ∈ J, (| y − b| ≤ α ⇒ |g( y) − l| ≤ ").

Puis, comme lim f (x) = b, il existe α0 > 0 tel que

x→a

∀x ∈ I, (|x − a| ≤ α0 ⇒ | f (x) − b| ≤ α1 ).

Nous avons alors

∀x ∈ I, (|x − a| ≤ α0 ⇒ | f (x) − b| ≤ α ⇒ |g( f (x)) − l| ≤ "),
d’où lim g ◦ f (x) = l. ƒ
x→a

9.2.4 Cas des fonctions monotones

Nous considérons dans cette sous-section des fonctions à valeurs réelles.
2
Théorème 9.23 Soient (a, b) ∈ R , tel que a < b, et f une application croissante définie sur l’intervalle ]a, b[.
1) Si f est majorée, alors f admet une limite finie en b et lim f (x) = sup f (x).
x→b x∈]a,b[

2) Si f n’est pas majorée, alors f admet +∞ pour limite en b.

DÉMONSTRATION.
1) La partie f (]a, b[) de R est non vide et majorée, elle admet par conséquent une borne supérieure l dans R. Soit " > 0.
Puisque l − " n’est pas un majorant de f (]a, b[) dans R, il existe x 0 ∈]a, b[ tel que l − " ≤ f (x 0 ) ≤ l. Alors, pour tout
x ∈]a, b[, nous avons
x 0 ≤ x ⇒ f (x 0 ) ≤ f (x) ⇒ l − " ≤ f (x) ⇒ | f (x) − l| ≤ ".
Supposons b ∈ R (le cas b = +∞ étant analogue). En posant α = b − x 0 > 0, nous avons ainsi ∀x ∈]a, b[, (0 < b − x ≤
α ⇒ | f (x) − l| ≤ "), d’où lim f (x) = l.
x→b
2) Soit A ∈ R. Puisque f n’est pas majorée, il existe x 0 ∈]a, b[ tel que f (x 0 ) ≥ A. Alors, pour x ∈]a, b[, nous avons

x 0 ≤ x ⇒ f (x 0 ) ≤ f (x) ⇒ f (x) ≥ A.

Supposons b ∈ R (le cas b = +∞ étant analogue). En posant α = b − x 0 > 0, nous avons ainsi ∀x ∈]a, b[, (0 < b − x ≤
α ⇒ | f (x)| ≥ A), d’où lim f (x) = +∞.
x→b
ƒ
Lorsque b ∈ R, on peut parler de limite à gauche en b dans le théorème précédent.
On déduit de ce dernier résultat qu’une application croissante admet toujours une limite, finie ou infinie, en b. Un
résultat analogue est obtenu pour les applications décroissantes en considérant − f dans cette démonstration.

83
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

9.2.5 Applications équivalentes au voisinage d’un point

Définition 9.24 On dit que deux applications f et g définies sur I sont équivalentes au voisinage de a si et seulement
s’il existe une application h telle que lim h(x) = 1 et
x→a

∃δ > 0, ∀x ∈ I, (0 < |x − a| ≤ δ ⇒ f (x) = g(x)h(x)).

On note alors f ∼ g.
x→a

Définition 9.25 Soit I un intervalle de R non majoré (resp. non minoré). On dit que deux applications f et g
définies sur I sont équivalentes au voisinage de +∞ (resp. −∞) si et seulement s’il existe un réel A (resp. B) et
une fonction h, définie sur l’ensemble des points de I qui vérifient x ≥ A (resp. x ≤ B), telle que lim h(x) = 1 (resp.
x→+∞
lim h(x) = 1) et que f (x) = g(x)h(x). On note alors f ∼ g (resp. f ∼ g).
x→−∞ x→+∞ x→−∞

La notion d’applications équivalentes permet de ramener localement l’étude d’une application à celle d’une autre
application dont le comportement est connu.

Exemples.
— Les applications de R dans R x 7→ x et x 7→ sin x sont équivalentes au voisinage de 0.
— Les applications de R dans R x 7→ x et x 7→ e x − 1 sont équivalentes au voisinage de 0.
— Les applications de R dans R x 7→ x et x →7 ln(1 + x) sont équivalentes au voisinage de 0.
x2
— Les applications de R dans R x 7→ 2 et x 7→ 1 − cos x sont équivalentes au voisinage de 0.
— Les applications de R dans R qui à x associent x 4 + x 2 + x + 1 et x 4 + x 3 sont équivalentes au voisinage de
+∞ ou de −∞.

Proposition 9.26 Si deux applications f et g sont équivalentes au voisinage de a ∈ R et que f admet une limite en a,
alors g admet également cette limite en a.

DÉMONSTRATION. Par définition, on a g = f h dans un voisinage de a. Le résultat se déduit alors facilement du 5) de la

proposition 9.20, puisque lim h(x) = 1. ƒ
x→a

9.3 Continuité
Dans cette section, I désigne un intervalle de R, non vide et non réduit à un point.

9.3.1 Définitions
Continuité en un point

Soient f une application définie sur I à valeurs dans K et a ∈ I.

Définition 9.27 On dit que f est continue en a si et seulement si

∀" > 0, ∃α > 0, ∀x ∈ I, (|x − a| ≤ α ⇒ | f (x) − f (a)| ≤ ").

À la différence de la notion de limite, on ne parle de continuité qu’en des points où la fonction est définie.
On dit que f est discontinue en a si et seulement si f n’est pas continue en a, qui est alors appelé un point de
discontinuité de f .

Définition 9.28 On dit qu’une application f admet une discontinuité de première espèce en a si et seulement si
elle n’est pas continue en a et possède une limite à droite et une limite à gauche en a. Lorsque f n’est pas continue et
n’admet pas de discontinuité de première espèce en a, on dit qu’elle admet une discontinuité de seconde espèce en a.

84
 9.3. CONTINUITÉ

Exemples.
— L’application f de R dans R, définie pour chaque réel x par

0 si x < 0
§
f (x) = ,
1 si x ≥ 0

admet une discontinuité de première espèce en 0.

— L’application f de R dans R, définie pour chaque réel x par

 1 pour x =

6 0
f (x) = x ,
0 pour x = 0


admet une discontinuité de seconde espèce en 0.

La proposition suivante est immédiate.

Proposition 9.29 Pour qu’une application f soit continue en a, il faut et il suffit qu’elle admette f (a) pour limite en
a.

Proposition 9.30 Si une application f est continue en a, alors elle est bornée au voisinage de a.
DÉMONSTRATION. Si l’application f est continue en a, alors il existe α > 0 tel que

∀x ∈ I, (|x − a| ≤ α ⇒ | f (x) − f (a)| ≤ 1 ⇒ | f (x)| ≤ | f (x) − f (a)| + | f (a)| ≤ | f (a)| + 1),

donc f est bornée au voisinage de a. ƒ

Continuité à droite, continuité à gauche

Définition 9.31 Soient f une application définie sur I à valeurs dans K et a ∈ I. On dit que f est continue à droite
(resp. à gauche) en a si et seulement si la restriction de f à I∩]a, +∞[ (resp. ] − ∞, a[∩I) est continue en a.

Remarque. L’application f est continue en a si et seulement si elle est continue à droite et à gauche en a.

Exemple. Considérons l’application qui à tout réel x associe la partie entière de x, E(x). Pour tout entier naturel
n, cette application est continue à droite en n, mais n’est pas continue à gauche en n.

Caractérisation séquentielle de la continuité

Comme dans le cas de la limite, on peut définir la notion de continuité en se servant de suites réelles.
Proposition 9.32 Soient f une application définie sur I à valeurs dans K et a ∈ I ; f est continue en a si et seulement
si, pour toute suite (un )n∈N d’éléments de I tendant vers a, la suite ( f (un ))n∈N tend vers f (a).
DÉMONSTRATION. La preuve découle directement de la proposition 9.29 et de la caractérisation séquentielle de la limite
(proposition 9.17). ƒ

Prolongement par continuité

Définition 9.33 Soit f une fonction définie sur I sauf en un point a de I et admettant une limite finie l en a. On
appelle prolongement par continuité de f en a la fonction g, définie sur I par

si x = a
§
l
g(x) = .
f (x) sinon

Cette fonction est continue en a.

Il est facile de vérifier que lorsqu’une fonction admet un prolongement par continuité en un point, celui-ci est
unique. S’il n’y a pas de risque d’ambiguïté, on désigne alors la fonction et son prolongement par le même symbole.
Notons qu’on peut aussi définir un prolongement par continuité à droite de a ou à gauche de a.

85
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

Exemples.
sin x
— On peut prolonger par continuité en 0 la fonction f (x) = en posant f (0) = 1.
x
− x12
— On peut prolonger par continuité en 0 la fonction f (x) = e en posant f (0) = 0.

Continuité sur un intervalle

Définition 9.34 Soit f une application définie sur I à valeurs dans K. On dit que f est continue sur I si et seulement
si f est continue en tout point de I.

On note C(I, K) l’ensemble des applications de I dans K continues sur I.

Continuité par morceaux

Définition 9.35 Soient (a, b) ∈ R2 , tel que a < b, et f : [a, b] → K. On dit que f est continue par morceaux
sur [a, b] si et seulement s’il existe n ∈ N∗ et (a0 , . . . , an ) ∈ [a, b]n+1 tels que a = a0 < · · · < an = b et, pour tout
i ∈ {0, . . . , n − 1}, f est continue sur ]ai , ai+1 [ et admet une limite finie à droite en ai et une limite finie à gauche en
ai+1 .

9.3.2 Opérations algébriques sur les applications continues

Proposition 9.36 Soient λ ∈ K, f , g : I → K et a ∈ I.
1) Si f est continue en a, alors | f | est continue en a.
2) Si f et g sont continues en a, alors f + g est continue en a.
3) Si f est continue en a, alors λ f est continue en a.
4) Si f et g sont continues en a, alors f g est continue en a.
1
5) Si g est continue en a et si g(a) 6= 0, alors est continue en a.
g
f
6) Si f et g sont continues en a et si g(a) 6= 0, alors est continue en a.
g

DÉMONSTRATION. Les preuves sont similaires à celles de la proposition 9.20. ƒ

Proposition 9.37 Soient J un intervalle de R, f : I → R telle que f (I) ⊂ J, g : J → K et a ∈ I. Si f est continue

en a et g est continue en f (a), alors g ◦ f est continue en a.

DÉMONSTRATION. La preuve est analogue à celle de la proposition 9.22. ƒ

De ces deux propositions, nous déduisons aisément des résultats de continuité globale sur l’intervalle I.

Proposition 9.38 Soient λ ∈ K, f , g : I → K.

1) Si f est continue sur I, alors | f | est continue sur I.
2) Si f et g sont continues sur I, alors f + g est continue sur I.
3) Si f est continue sur I, alors λ f est continue sur I.
4) Si f et g sont continues sur I, alors f g est continue sur I.
1
5) Si g est continue sur I et si (∀x ∈ I, g(x) 6= 0, alors est continue sur I.
g
f
6) Si f et g sont continues sur I et si (∀x ∈ I, g(x) 6= 0, alors est continue sur I.
g

Proposition 9.39 Soient J un intervalle de R, f : I → R telle que f (I) ⊂ J, g : J → K. Si f est continue sur I et g
est continue sur f (I), alors g ◦ f est continue sur I.

86
 9.3. CONTINUITÉ

9.3.3 Fonctions continues sur un intervalle

Théorème des valeurs intermédiaires

Théorème 9.40 Soient f une fonction continue sur I et (a, b) ∈ I 2 tels que f (a) ≤ f (b). Alors f atteint toutes les
valeurs intermédiaires entre f (a) et f (b), c’est-à-dire

∀ y ∈ [ f (a), f (b)], ∃c ∈ I, f (c) = y.

DÉMONSTRATION. Si y = f (a) ou y = f (b), le résultat est immédiat. Soit donc y ∈] f (a), f (b)[. Considérons l’ensemble
E = {x ∈ [a, b] | f (x) ≤ y} ; E est une partie de R non vide (car a ∈ E) et majorée (par b), qui admet donc une borne
supérieure, notée c. Nous allons montrer que f (c) = y.
Par définition de la borne supérieure, il existe une suite (x n )n∈N d’éléments de E telle que lim x n = c. L’application f étant
n→+∞
continue en c, on a lim f (x n ) = f (c). Or, pour tout n ∈ N, f (x n ) ≤ y donc f (c) ≤ y. D’autre part, f (b) > y, donc c 6= b. Pour
n→+∞
tout x ∈]c, b[, f (x) > y donc lim f (x) = f (c) ≥ y d’où f (c) = y. ƒ
x→c, x>c

Remarque. Le réel c n’est pas forcément unique.

Corollaire 9.41 Soit f une fonction continue sur un intervalle [a, b] de R. Si f (a) f (b) ≤ 0, alors il existe c ∈ [a, b]
tel que f (c) = 0.

DÉMONSTRATION. Puisque f (a) et f (b) ont des signes opposés, 0 est compris entre f (a) et f (b). D’après le théorème des
valeurs intermédiaires, il existe donc c ∈ [a, b] tel que f (c) = 0 ƒ

Continuité sur un segment

Proposition 9.42 Toute application réelle définie sur un segment [a, b], (a, b) ∈ R2 , et continue est bornée et atteint
ses bornes.

DÉMONSTRATION. Montrons que f est bornée. Supposons f non majorée. Il existe alors une suite (x n )n∈N d’éléments de [a, b]
telle que, pour chaque entier n, on a f (x n ) > n. Puisque la suite est bornée, il existe, d’après le théorème de Bolzano–Weierstrass
(théorème 8.25), une suite extraite de (x n )n∈N , notée (x σ(n) )n∈N , qui converge vers un point c de [a, b]. Puisque f est continue
sur [a, b], on déduit que la suite ( f (x σ(n) ))n∈N tend vers f (c). Mais d’autre part, on a ∀n ∈ N, f (x σ(n) ) > σ(n) ≤ n, donc
lim f (x σ(n) ) = +∞, d’où une contradiction. L’application f est donc majorée. En appliquant ce résultat à − f au lieu de f , on
n→+∞
en déduit que f est minorée. Finalement, f est bornée.
Montrons à présent que f atteint ses bornes. Notons M = sup f (x). Pour chaque entier n ≥ 1, il existe un réel x n dans [a, b]
x∈[a,b]
tel que
1
M− < f (x n ) ≤ M .
n
La suite (x n )n∈N ainsi construite étant bornée, on peut en extraire, en vertu du théorème de Bolzano–Weierstrass, une sous-suite
de (x n )n∈N , notée (x τ(n) )n∈N , qui converge vers un élément d de [a, b]. Puisque f est continue sur [a, b], on en déduit que la
suite ( f (x τ(n) ))n∈N tend vers f (d). D’autre part, on a

1
∀n ∈ N∗ , M − < f (x τ(n) ) ≤ M ,
τ(n)

d’où, par passage à la limite, M = f (d). Ceci montre que M est atteint par f : ∃d ∈ [a, b], M = f (d). En appliquant ce résultat
à − f au lieu de f , on montre que f atteint aussi inf f (x). ƒ
x∈[a,b]

Image d’un intervalle par une application continue

Proposition 9.43 L’image d’un intervalle par une application continue à valeurs réelles est un intervalle.

DÉMONSTRATION. Soient I un intervalle de R et f une application continue sur I à valeurs dans R. D’après le théorème des
valeurs intermédiaires (théorème 9.40), f (I) est un intervalle de R. ƒ

87
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

Exemples.
1
— Soient I =]0, 1] et f : x 7→ . L’application f est continue sur I et f (I) = [1, +∞[. L’intervalle I est borné
x
alors que f (I) n’est pas borné.
— Soient I =]0, 2π[ et f : x 7→ sin x. L’application f est continue sur I et f (I) = [−1, 1]. Dans ce cas,
l’intervalle I est ouvert alors que f (I) est fermé.
Comme le montrent les exemples ci-dessus, le caractère ouvert, fermé ou borné d’un intervalle n’est pas toujours
conservé par une application. On a cependant le résultat suivant.
Proposition 9.44 Soit (a, b) ∈ R2 , tel que a ≤ b, et f : [a, b] → R une application. Si f est continue, alors f ([a, b])
est un segment de R.
DÉMONSTRATION. D’après la proposition précédente, f ([a, b]) est un intervalle. D’après la proposition 9.42, c’est une partie
bornée de R qui contient ses bornes. ƒ

Application réciproque d’une application continue strictement monotone

Théorème 9.45 (« théorème de la bijection ») Soit f une application continue et strictement monotone sur I ; on
note fe : I → f (I) l’application qui à tout x de I associe f (x). Alors
1) L’ensemble f (I) est un intervalle dont les bornes sont les limites de f aux bornes de I.
2) L’application fe est bijective.
3) La bijection réciproque fe−1 est continue sur f (I) et strictement monotone de même sens que f .
2
DÉMONSTRATION. Supposons, par exemple, que f est strictement croissante et posons I =]a, b[, avec (a, b) ∈ R tel que a < b.
1) Pour tout x de ]a, b[, on a lim f (t) < f (x) < lim f (t), donc f (I) ⊂]lim f (t), lim f (t)[. Réciproquement, soit y ∈
t→a t→b t→a t→b
]lim f (x), lim f (x)[ ; y n’est ni un majorant, ni un minorant de f (I), il existe donc des éléments x 1 et x 2 de I tels
x→a x→b
que f (x 1 ) < y < f (x 2 ). D’après le théorème des valeurs intermédiaires (théorème 9.40), il existe x 0 ∈ I tel que f (x 0 ) = y,
d’où y ∈ f (I). Nous en concluons f (I) =]lim f (x), lim f (x)[.
x→a x→b

2) Par définition, fe est une surjection. Montrons qu’elle est également injective. Soient x 1 et x 2 des éléments de I tels que
fe(x 1 ) = fe(x 2 ). Si x 1 < x 2 , alors fe(x 1 ) < fe(x 2 ) et si x 1 > x 2 , alors fe(x 1 ) > fe(x 2 ), d’où une contradiction dans les deux
cas. Par conséquent, x 1 = x 2 et fe est injective.
3) Soient y1 et y2 appartenant à f (I), tels que y1 < y2 . Posons x 1 = fe−1 ( y1 ) et x 2 = fe−1 ( y2 ). Si x 1 ≥ x 2 , alors fe(x 1 ) ≥ fe(x 2 ),
comme f est croissante, soit encore y1 ≥ y2 , ce qui est absurde, donc x 1 < x 2 et fe−1 est strictement croissante.
Montrons qu’elle est également continue. Soit y0 ∈ f (I) ; posons x 0 = fe−1 ( y0 ) et donnons-nous un réel " > 0 tel que x 0 − "
et x 0 + " appartiennent à I. Posons alors y1 = fe(x 0 − ") et y2 = fe(x 0 − "). L’application f étant strictement croissante, on
a y1 < y0 < y2 et, pour tout y ∈] y1 , y2 [, fe−1 ( y1 ) < fe−1 ( y) < fe−1 ( y2 ), c’est-à-dire x 0 − " < fe−1 ( y) < x 0 + ". Il existe donc
β > 0 tel que | y − y0 | ≤ β ⇒ | fe−1 ( y) − fe−1 ( y0 )| ≤ ". Par conséquent, fe est continue en y0 .
ƒ

Exemples de fonctions réciproques.

• La fonction sinus est continue et strictement croissante sur − π2 , π2 . Elle induit donc une bijection de
 
 π π
− 2 , 2 sur [−1, 1]. Sa bijection réciproque est appelée arc sinus et notée arcsin. C’est une fonction continue
strictement croissante de [−1, 1] sur − π2 , π2 .
 

• La fonction cosinus est continue et strictement décroissante sur [0, π]. Elle induit donc une bijection de
[0, π] sur [−1, 1]. Sa bijection réciproque est appelée arc cosinus et notée arccos. C’est une fonction continue
strictement décroissante de [−1, 1] sur [0, π].
• La fonction tangente est continue et strictement croissante sur − π2 , π2 . Elle induit donc une bijection de
 
 π π
− 2 , 2 sur R. Sa bijection réciproque est appelée arc tangente et notée arctan. C’est une fonction continue
strictement croissante de R sur − π2 , π2 .
 

9.3.4 Continuité uniforme

Définition 9.46 Soit f une fonction définie sur I à valeurs dans R. On dit que f est uniformément continue sur I
si et seulement si
∀" > 0, ∃α > 0, ∀(x, x 0 ) ∈ I 2 , (|x − x 0 | ≤ α ⇒ | f (x) − f (x 0 )| ≤ ").

88
 9.3. CONTINUITÉ

Exemples.
— L’application qui à tout réel x associe |x| est uniformément continue.
— L’application qui à tout réel x associe x 2 n’est pas uniformément continue.
Le résultat suivant est immédiat.

Proposition 9.47 Si f est uniformément continue sur I, alors f est continue sur I.

Comme on l’a vu plus haut, il existe des fonctions continues non uniformément continues. Cependant, lorsque I
est un segment de R, c’est-à-dire un intervalle borné et fermé, nous disposons du

Théorème 9.48 (« théorème de Heine 1 ») Toute fonction continue sur un segment [a, b] est uniformément continue
sur [a, b].

DÉMONSTRATION. Raisonnons par l’absurde. Soit f une fonction continue et non uniformément continue sur [a, b]. Il existe
donc " > 0 tel que
∀α > 0, ∃(x, x 0 ) ∈ [a, b]2 , |x − x 0 | ≤ α et | f (x) − f (x 0 )| > ".
1
En particulier, en prenant α = , il existe (x n , x n0 ) ∈ [a, b]2 tel que
n
1
∀n ∈ N∗ , |x n − x n0 | ≤ et | f (x n ) − f (x n0 )| > ".
n
La suite (x n )n∈N∗ étant bornée, elle admet, en vertu du théorème de Bolzano–Weierstrass (théorème 8.25), une sous-suite,
notée (x σ(n) )n∈N∗ , convergente vers un réel, noté l, appartenant à [a, b]. Comme

1 1
∀n ∈ N∗ , |x σ(n) − x σ(n)
0
|≤ ≤ ,
σ(n) n

on déduit que la suite extraite (x σ(n)

0
)n∈N∗ converge aussi vers l. L’application f étant continue en l, les suites ( f (x σ(n) ))n∈N∗ et
( f (x σ(n) ))n∈N∗ convergent vers f (l) et, par conséquent, lim | f (x σ(n) ) − f (x σ(n)
0 0
)| = 0, ce qui contredit le fait que | f (x σ(n) ) −
n→+∞
f (x σ(n)
0
)| > ". ƒ

9.3.5 Applications lipschitziennes

Nous allons à présent introduire une propriété de régularité des applications plus forte que la notion de
continuité.

Définition 9.49 Soient f une fonction définie sur I à valeurs réelles et un réel k strictement positif. On dit que f est
lipschitzienne si et seulement si

∀(x, x 0 ) ∈ I 2 , | f (x) − f (x 0 )| ≤ k |x − x 0 |.

Lorsque k ∈]0, 1[, on dit que l’application f est contractante. Le plus petit réel k tel que f soit k-lipschitzienne est
appelé la constante de Lipschitz 2 de f .

Proposition 9.50 Si f : I → R est lipschitzienne, alors f est uniformément continue.

DÉMONSTRATION. Supposons f k-lipschitzienne (k ∈ R∗+ ) et soit " > 0. Si k = 0, f est constante sur I et donc uniformément
"
continue sur I. Si k > 0, en prenant α = , nous obtenons
k

∀(x, x 0 ) ∈ I 2 , (|x − x 0 | ≤ α ⇒ | f (x) − f (x 0 )| ≤ "),

ce qui montre que f est uniformément continue sur I. ƒ

1. Heinrich Eduard Heine (15 mars 1821 - 21 octobre 1881) était un mathématicien allemand. Il est célèbre pour ses résultats en analyse
réelle et sur les fonctions spéciales.
2. Rudolph Otto Sigismund Lipschitz (14 mai 1832 - 7 octobre 1903) était un mathématicien allemand. Son travail s’étend sur des domaines
aussi variés que la théorie des nombres, l’analyse, la géométrie différentielle et la mécanique classique.

89
 CHAPITRE 9. FONCTIONS D’UNE VARIABLE RÉELLE

9.4 Fonctions hyperboliques

Définitions 9.51 On appelle sinus hyperbolique et cosinus hyperbolique les parties impaire et paire de la fonction
exponentielle de base e :
e x − e−x e x + e−x
∀x ∈ R, sinh(x) = et cosh(x) = .
2 2
On définit également les applications tangente hyperbolique et cotangente hyperbolique par

sinh(x) cosh(x)
tanh(x) = , ∀x ∈ R, et coth(x) = , ∀x ∈ R∗ .
cosh(x) sinh(x)

Les preuves des résultats suivants sont laissées en exercice au lecteur.

Proposition 9.52 Pour tout (x, y) ∈ R2 , on a

1) cosh2 (x) − sinh2 (x) = 1,
2) sinh(x + y) = sinh(x) cosh( y) + cosh(x) sinh( y),
3) sinh(x − y) = sinh(x) cosh( y) − cosh(x) sinh( y),
4) cosh(x + y) = cosh(x) cosh( y) + sinh(x) sinh( y),
5) cosh(x − y) = cosh(x) cosh( y) − sinh(x) sinh( y).

Proposition 9.53 1) L’application sinh est une bijection de R dans R, de bijection réciproque notée argsinh telle que
€ p Š
argsinh(x) = ln x + x 2 + 1 , ∀x ∈ R.

2) L’application cosh est une bijection de R+ dans [1, +∞[, de bijection réciproque notée argcosh telle que
€ p Š
argcosh(x) = ln x + x 2 − 1 , ∀x ∈ [1, +∞[.

3) L’application tanh est une bijection de R dans ] − 1, 1[, de bijection réciproque notée argtanh telle que

1 1+ x
 ‹
argtanh(x) = ln , ∀x ∈] − 1, 1[.
2 1− x

90
Chapitre 10

Dérivabilité

Dans ce chapitre, K désigne un corps (K = R ou C), I un intervalle de R non vide et non réduit à un point et
F (I, K) est l’ensemble des applications définies sur I et à valeurs dans K.

10.1 Dérivées
10.1.1 Dérivabilité en un point
f (x) − f (a)
Définition 10.1 Soient f ∈ F (I, K) et a ∈ I. On dit que f est dérivable en a si et seulement si lim
x→a x −a
existe et est finie ; cette limite est alors appelée dérivée de f en a et notée f 0 (a).

En posant h = x − a, on obtient une autre écriture très souvent employée :

f (a + h) − f (a)
f 0 (a) = lim ,
h→0 h
f (a + h) − f (a)
dans laquelle le rapport s’appelle le taux d’accroissement de f entre a et a + h.
h
df
On note également (a) au lieu de f 0 (a).
dx

Exemple. Toute application constante de I dans R est dérivable en tout point de I, de dérivée nulle.

Définition 10.2 Soient f ∈ F (I, K) et a ∈ I.

f (x) − f (a)
1) On dit que f est dérivable à droite en a si et seulement si lim+ existe et est finie ; cette limite est
x→a x −a
alors appelée dérivée de f à droite en a et notée f d0 (a).
f (x) − f (a)
2) On dit que f est dérivable à gauche en a si et seulement si lim− existe et est finie ; cette limite est
x→a x −a
alors appelée dérivée de f à gauche en a et notée f g0 (a).

Exemple. L’application x 7→ |x| de R dans R est dérivable à gauche en 0 et dérivable à droite en 0, et f g0 (0) = −1,
f d0 (0) = 1.
Le résultat suivant est immédiat.

Proposition 10.3 Soient f ∈ F (I, K) et a ∈ I. Pour que l’application f soit dérivable en a, il faut et il suffit que f
soit dérivable à gauche et à droite en a et que f g0 (a) = f d0 (a). Dans ces conditions, on a f 0 (a) = f g0 (a) = f d0 (a).

Proposition 10.4 Soient f ∈ F (I, K) et a ∈ I. Si l’application f est dérivable en a, alors elle est continue en a.

91
 CHAPITRE 10. DÉRIVABILITÉ

DÉMONSTRATION. On sait d’une part que

f (x) − f (a)
lim = f 0 (a).
x→a x −a
D’autre part, on a
 f (x) − f (a)
 ‹
lim f (x) − f (a) = lim x − a lim ,
x→a x→a x→a x −a
d’où lim f (x) = f (a). ƒ
x→a

Remarque. La réciproque de cette proposition est fausse : une application peut être continue en a sans pour
autant être dérivable en ce point. Par exemple, l’application x 7→ |x| de R dans R, déjà étudiée plus haut, est
continue en 0 sans y être dérivable.

10.1.2 Propriétés algébriques des fonctions dérivables en un point

Théorème 10.5 Soient a ∈ I, λ ∈ K et f , g ∈ F (I, K) deux applications dérivables en a. Alors on a
1) f + g est dérivable en a et ( f + g)0 (a) = f 0 (a) + g 0 (a).
2) λ f est dérivable en a et (λ f )0 (a) = λ f 0 (a).
3) f g est dérivable en a et ( f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a).
 ‹0
f f f 0 (a)g(a) − f (a)g 0 (a)
4) Si g(a) 6= 0, est dérivable en a et (a) = .
g g g(a)2
DÉMONSTRATION.
1) On a
( f + g)(x) − ( f + g)(a) f (x) − f (a) g(x) − g(a)
= + −→ f 0 (a) + g 0 (a).
x −a x −a x −a x→a

2) On a
(λ f )(x) − (λ f )(a) f (x) − f (a)
=λ −→ λ f 0 (a).
x −a x −a x→a

3) On a
( f g)(x) − ( f g)(a) f (x)g(x) − f (a)g(a) ( f (x) − f (a))g(a) f (a)(g(x) − g(a))
= = + .
x −a x −a x −a x −a
Puisque f et g sont dérivables en a, ces applications sont continues en a, donc lim f (x) = f (a) et lim g(x) = g(a), d’où
x→a x→a
( f + g)(x) − ( f + g)(a)
lim = f 0 (a)g(a) + f (a)g 0 (a).
x→a x −a
1
4) Puisque g(a) 6= 0 et que g est continue en a, on a, au voisinage de a, g(x) 6= 0. La fonction est alors définie au voisinage
g
de a. De plus, on a
1 1 1 1 1 1 g(a) − g(x) 1
 ‹  ‹ ‹  ‹
(x) − (a) = − = ,
x −a g g x − a g(x) g(a) x −a g(x)g(a)
1 1 1 g 0 (a) 1
 ‹  ‹ ‹
f
d’où lim (x) − (a) = − . Le résultat se déduit alors de 2) en utilisant que = f .
x→a x − a g g g(a)2 g g
ƒ

Dérivée d’une composée de fonctions

Théorème 10.6 Soient J un intervalle de R, f : I → K telle que f (I) ⊂ J, g : J → K et a ∈ I. Si f est dérivable en
a et si g est dérivable en f (a), alors g ◦ f est dérivable en a et (g ◦ f )0 (a) = f 0 (a)g 0 ( f (a)).
DÉMONSTRATION. On a
(g ◦ f )(x) − (g ◦ f )(a) g( f (x)) − g( f (a)) g( f (x)) − g( f (a)) f (x) − f (a)
= = ,
x −a x −a f (x) − f (a) x −a
d’où
(g ◦ f )(x) − (g ◦ f )(a) g( f (x)) − g( f (a)) f (x) − f (a)
 ‹ ‹
lim = lim lim = g 0 ( f (a)) f 0 (a).
x→a x −a x→a f (x) − f (a) x→a x −a
ƒ

92
 10.1. DÉRIVÉES

Dérivée d’une fonction réciproque

Théorème 10.7 Soient a ∈ I et f : I → R une application continue et strictement monotone sur I, dérivable en a et
telle que f 0 (a) 6= 0 ; on note fe : I → f (I) l’application qui à tout x de I associe f (x). Alors la fonction réciproque
1
fe−1 est dérivable en f (a) et l’on a ( fe−1 )0 ( f (a)) = 0 .
f (a)

DÉMONSTRATION. D’après le théorème 9.45, l’application fe : I → f (I) est bijective et sa bijection réciproque fe−1 est strictement
monotone, de même sens que f , et continue sur f (I). Pour tout y de f (I) \ { f (a)}, on a alors

fe−1 ( y) − fe−1 ( f (a)) fe−1 ( y) − a

= .
y − f (a) f ( fe−1 ( y)) − f (a)

Comme f est dérivable en a, de dérivée non nulle en ce point, et que lim fe−1 ( y) = a, on obtient, après composition des
y→ f (a)
limites,
fe−1 ( y) − a 1
lim = 0 .
y→ f (a) f ( fe−1 ( y)) − f (a) f (a)
L’application fe−1 est donc dérivable en f (a). ƒ

Exemples.
• On sait que la restriction de la fonction sinus à l’intervalle − π2 , π2 est une bijection continue de cet intervalle
 

sur [−1, 1]. Sa dérivée, la fonction cosinus, ne s’annule qu’aux points − π2 et π2 , d’images respectives −1 et
1. Sa bijection réciproque arc sinus est donc continue sur [−1, 1] et dérivable sur ] − 1, 1[, de dérivée
1 1
(arcsin x)0 = =p , ∀x ∈] − 1, 1[.
cos(arcsin x) 1 − x2
• On sait que la restriction de la fonction cosinus à l’intervalle [0, π] est une bijection continue de cet intervalle
sur [−1, 1]. De la même façon que pour la fonction arc sinus, on montre que sa bijection réciproque arc
cosinus est donc continue sur [−1, 1] et dérivable sur ] − 1, 1[, de dérivée
−1 −1
(arccos x)0 = =p , ∀x ∈] − 1, 1[.
sin(arccos x) 1 − x2
• On sait que la restriction de la fonction tangente à l’intervalle − π2 , π2 est une bijection continue de cet
 

intervalle sur R. Sa dérivée, la fonction x 7→ 1 + tan2 x, ne s’annule pas. Sa bijection réciproque arc tangente
est donc dérivable sur R, de dérivée
1 1
(arctan x)0 = = , ∀x ∈ R.
1 + tan2 (arctan x) 1 + x2

10.1.3 Application dérivée

Définition 10.8 Soit f ∈ F (I, K). On appelle dérivée de f l’application qui à chaque x de I tel que f 0 (x) existe
associe f 0 (x).

10.1.4 Dérivées successives

Définitions 10.9 Soit f ∈ F (I, K). On définit les dérivées successives de f par récurrence pour tout n de N∗ :
• pour a ∈ I, f (n) (a) est, si elle existe, la dérivée de f (n−1) en a,
• f (n) est l’application dérivée de f (n−1) .
On appelle dérivée ne de f en a le réel f (n) (a) et application dérivée ne de f l’application x 7→ f (n) (x).
On dit que f est n fois dérivable sur I si et seulement si f (n) est définie sur I. Enfin, on dit que f est indéfiniment
dérivable sur I si et seulement si f est n fois dérivable sur I pour tout entier positif n.
dn f
Par convention, f (0) = f et l’on note aussi au lieu de f (n) . Comme on l’a déjà vu, on écrit souvent f 0 = f (1) et,
dx n
de la même manière, f 00 = f (2) et f 000 = f (3) .

93
 CHAPITRE 10. DÉRIVABILITÉ

Proposition 10.10 Soient λ ∈ K, n ∈ N∗ et f , g : I → K des applications n fois dérivables sur l’intervalle I. On a

1) f + g est n fois dérivable sur I et ( f + g)(n) = f (n) + g (n) .
2) λ f est n fois dérivable sur I et (λ f )(n) = λ f (n) .
3) f g est n fois dérivable sur I et on a la formule de Leibniz 1 suivante
n
X
( f g)(n) = Cnk f (k) g (n−k) .
k=0

f
4) Si (∀x ∈ I, g(x) 6= 0), alors est n fois dérivable.
g
DÉMONSTRATION. Tous ces résultats se démontrent par récurrence sur n. Nous laissons au lecteur les preuves (aisées) de 1) et
de 2).
3) Le cas n = 1 a été traité dans le théorème 10.5. Supposons la propriété vraie au rang n > 1. Soient f et g deux fonctions
de I dans K, (n + 1) fois dérivables sur I. D’après l’hypothèse de récurrence, f g est n fois dérivable sur I et
n
X
( f g)(n) = Cnk f (k) g (n−k) .
k=0

Ainsi, ( f g)(n) apparaît comme somme de produits d’applications dérivables sur I et est donc dérivable sur I. On a alors
‚ n Œ0
(n) 0
X
k (k) (n−k)


( f g) = Cn f g
k=0
n
X n
X
= Cnk f (k+1) g (n−k) + Cnk f (k) g (n−k+1)
k=0 k=0
n+1
X n
X
= Cnk−1 f (k) g (n−k+1) + Cnk f (k) g (n−k+1)
k=1 k=0
n
X
= f (n+1) g + Cnk−1 + Cnk f (k) g (n−k+1) + f g (n+1)

k=1
n
X
(n+1)
=f g+ k
Cn+1 f (k) g (n−k+1) + f g (n+1)
k=1
n+1
X
= k
Cn+1 f (k) g (n+1−k) .
k=0

4) Le cas n = 1 a déjà été vu dans le théorème 10.5. Supposons la propriété vraie au rang n > 1. Soient f et g deux
f
fonctions de I dans K, (n + 1) fois dérivables sur I et telles que (∀x ∈ I, g(x) 6= 0). L’application étant dérivable sur
g
I, nous avons  ‹0
f f 0 g − f g0
= .
g g2
Puisque f , f 0 , g et g 0 sont n fois dérivables sur I, f 0 g − f g 0 et g 2 le sont aussi. Il résulte alors de l’hypothèse de récurrence
f 0 g − f g0 f
que est n fois dérivable sur I. Finalement, est (n + 1) fois dérivable sur I.
g2 g
ƒ
Nous introduisons enfin la notion de classe d’une fonction.
Définition 10.11 Soit f ∈ F (I, K).
1) Soit n ∈ N. On dit que f est de classe C n sur I si et seulement si f est n fois dérivable sur I et f (n) est continue
sur I.
2) On dit que f est de classe C ∞ sur I si et seulement si f est indéfiniment dérivable sur I.
Pour n ∈ N ∪ {+∞}, on note C n (I, K) l’ensemble des applications de classe C n de I dans K.
1. Gottfried Wilhelm von Leibniz (1er juillet 1646 - 14 novembre 1716) était un philosophe, mathématicien (et plus généralement
scientifique), bibliothécaire, diplomate et homme de loi allemand. Il inventa, indépendamment de Newton, le calcul intégral et différentiel et
introduisit plusieurs notations mathématiques en usage aujourd’hui.

94
 10.2. PROPRIÉTÉS DES FONCTIONS DÉRIVABLES

Remarques.
— f ∈ C 0 (I, K) si et seulement si f est continue sur I.
— Pour tout (p, n) ∈ (N ∪ {+∞})2 tel que p ≤ n, on a C n (I, K) ⊂ C p (I, K).

Exemples d’applications de classe C ∞ .

— Les fonctions polynomiales sont de classe C ∞ .
— Les fonctions exponentielle (x 7→ e x ) et logarithme (x 7→ ln x) sont de classe C ∞ respectivement sur R et
R∗+ .
— Les égalités (sin)0 = cos et (cos)0 = − sin montrent que les applications sinus et cosinus sont de classe C ∞
sur R.

10.2 Propriétés des fonctions dérivables

10.2.1 Extrema locaux d’une fonction réelle dérivable
Définitions 10.12 Soient a ∈ I et f ∈ F (I, R). On dit que f admet
• un maximum local en a si et seulement si, au voisinage de a, f (x) ≤ f (a),
• un minimum local en a si et seulement si, au voisinage de a, f (x) ≥ f (a),
• un maximum local strict en a si et seulement si, au voisinage de a sauf en a, f (x) < f (a),
• un minimum local strict en a si et seulement si, au voisinage de a sauf en a, f (x) > f (a),
• un extremum local en a si et seulement si f admet un maximum local ou un minimum local en a,
• un extremum local strict en a si et seulement si f admet un maximum local strict ou un minimum local strict
en a.

Exemples.
— Toute application constante admet en tout point un maximum et un minimum local.
— L’application de R de R qui à x associe |x| admet un minimum local strict en 0.

Proposition 10.13 Soit f ∈ F (I, R). Si f admet en un point intérieur a de I un extremum local et si f est dérivable
en a, alors f 0 (a) = 0.

DÉMONSTRATION. Supposons, pour fixer les idées, que f admet un maximum local en a. Puisque f est dérivable en a, on a

f (x) − f (a)
f 0 (a) = lim
x→a x −a
f (x) − f (a)
= lim ≥ 0
x→a+ x −a
f (x) − f (a)
= lim− ≤ 0,
x→a x −a

d’où f 0 (a) = 0. ƒ
Remarques.
— La réciproque de cette proposition est fausse. Par exemple, l’application x 7→ x 3 de R dans R à une dérivée
nulle en 0 mais ne possède pas d’extremum en ce point.
— De fait, les extrema locaux d’une fonction définie sur un intervalle I seront recherchés aux points intérieurs
de I où la dérivée de la fonction s’annule ou bien aux extrémités de I, où la fonction n’est pas dérivable.

10.2.2 Théorème de Rolle 2

Théorème 10.14 Soient (a, b) ∈ R2 , tel que a < b, et f une application de [a, b] dans R. Si f est continue sur [a, b],
dérivable sur ]a, b[ et telle que f (a) = f (b), alors il existe c ∈]a, b[ tel que f 0 (c) = 0.
p
2. Michel Rolle (21 avril 1652 - 8 novembre 1719) était un mathématicien français. S’il inventa la notation n x pour désigner la racine ne
d’un réel x, il reste principalement connu pour avoir établi en 1691, dans le cas particulier des polynômes réels à une variable, une première
version du théorème portant aujourd’hui son nom.

95
 CHAPITRE 10. DÉRIVABILITÉ

DÉMONSTRATION. Puisque l’application f est continue sur le segment [a, b], elle est bornée et atteint ses bornes (proposition
9.42). Notons m = inf f (x) et M = sup f (x). Si M = m, alors f est constante et f 0 (x) = 0 pour tout x ∈]a, b[. Supposons
x∈[a,b] x∈[a,b]
m < M . Comme f (a) = f (b), on a soit M = 6 f (a), soit m =
6 f (a). Ramenons-nous au cas M 6= f (a). Il existe alors un point
f (x) − f (c)
c ∈]a, b[ tel que f (c) = M . Soit x ∈ [a, b] tel que f (x) ≤ M = f (c). Si x > c, on a ≤ 0, et si x < c, on obtient
x −c
f (x) − f (c)
≥ 0. L’application f étant dérivable en c, nous obtenons, en passant à la limite, f 0 (c) ≤ 0 et f 0 (c) ≥ 0, d’où
x −c
f (c) = 0.
0
ƒ

Remarque. Le réel c n’est pas nécessairement unique.

10.2.3 Théorème des accroissements finis

Théorème 10.15 Soient (a, b) ∈ R2 , tel que a < b, et f une application de [a, b] dans R. Si f est continue sur [a, b]
et dérivable sur ]a, b[, alors il existe c ∈]a, b[ tel que

f (b) − f (a)
f 0 (c) = .
b−a
DÉMONSTRATION. Considérons la fonction ϕ : [a, b] → R définie par

f (b) − f (a)
ϕ(x) = f (x) − (x − a).
b−a
Il est clair que ϕ est continue sur [a, b], dérivable sur ]a, b[ et que ϕ(a) = ϕ(b). En appliquant le théorème de Rolle à ϕ, on
obtient qu’il existe c ∈]a, b[ tel que ϕ 0 (c) = 0, c’est-à-dire tel que

f (b) − f (a)
f 0 (c) = .
b−a
ƒ

Remarque. Là encore, le réel c n’est pas forcément unique.

Inégalité des accroissements finis

Nous déduisons directement du théorème 10.15 l’inégalité des accroissements finis. Celle-ci est plus générale
que le théorème du même nom, dans la mesure où elle s’étend à d’autres fonctions que les fonctions d’une variable
réelle à valeurs dans R, comme par exemple les fonctions de R dans C ou de Rn (n ∈ N∗ ) dans R.

Théorème 10.16 Soit (a, b) ∈ R2 , tel que a < b. Si f est une fonction continue sur [a, b], dérivable sur ]a, b[ et
qu’il existe un réel M > 0 tel que
∀x ∈]a, b[, | f 0 (x)| ≤ M ,
alors on a
| f (b) − f (a)| ≤ M |b − a|.

10.2.4 Sens de variation d’une fonction dérivable

Les résultats précédents permettent d’établir un lien entre le sens de variation d’une fonction et le signe de sa
dérivée. Nous avons la
2
Proposition 10.17 Soient (a, b) ∈ R , tel que a < b, et f une fonction dérivable sur ]a, b[. Alors
i) f est croissante si et seulement si (∀x ∈]a, b[, f 0 (x) ≥ 0),
ii) f est décroissante si et seulement si (∀x ∈]a, b[, f 0 (x) ≤ 0),
iii) f est constante si et seulement si (∀x ∈]a, b[, f 0 (x) = 0).
DÉMONSTRATION.

96
 10.3. FORMULE DE TAYLOR–LAGRANGE

i) Supposons f croissante. Soit x 0 ∈]a, b[, pour tout x ∈]a, b[ tel que x > x 0 , on a

f (x) − f (x 0 )
≥ 0.
x − x0

En passant à la limite x → x 0 , on déduit que f 0 (x 0 ) ≥ 0. Réciproquement, supposons que, pour tout x ∈]a, b[, f 0 (x) ≥ 0.
Soient x 1 et x 2 deux éléments de ]a, b[ tels que x 1 < x 2 . En appliquant le théorème des accroissements finis à f sur
[x 1 , x 2 ], on voit qu’il existe c ∈ [x 1 , x 2 ] tel que

f (x 2 ) − f (x 1 ) = f 0 (c)(x 2 − x 1 ) ≥ 0,

et f est par conséquent croissante sur ]a,b[.

ii) L’application f est décroissante si et seulement si − f est croissante ; ii) résulte donc de i).
iii) L’application f est constante si et seulement si elle est à la fois croissante et décroissante ; iii) résulte donc de i) et de ii).
ƒ

10.3 Formule de Taylor–Lagrange

Nous terminons ce chapitre sur le théorème de Taylor 3 –Lagrange 4 , qui constitue une généralisation du
théorème des accroissements finis et que nous présentons sous différentes formes.

Théorème 10.18 (« formule de Taylor–Lagrange ») Soient (a, b) ∈ R2 , a < b, et f : [a, b] → R une fonction de
classe C n sur [a, b]. On suppose de plus que f (n) est dérivable sur ]a, b[. Alors, il existe c ∈]a, b[ tel que

f 0 (a) f 00 (a) f (n) (a) f (n+1) (c)

f (b) = f (a) + (b − a) + (b − a)2 + · · · + (b − a)n + (b − a)n+1 ,
1! 2! n! (n + 1)!

soit encore
n
X f (k) (a) f (n+1) (c)
f (b) = (b − a)k + (b − a)n+1 .
k=0
k! (n + 1)!

Comme dans le cas de l’égalité du théorème des accroissements finis, la preuve de la formule de Taylor–Lagrange
consiste en l’application du théorème de Rolle à une certaine fonction.
DÉMONSTRATION. Soit A le réel tel que
n
(b − a)n+1 X f (k) (a)
A = f (b) − (b − a)k
(n + 1)! k=0
k!

Il s’agit de montrer que A = f (n+1) (c), avec c ∈]a, b[. On définit pour cela la fonction ϕ : [a, b] → R comme suit
n
X f (k) (x) (b − x)n+1
ϕ(x) = f (b) − (b − x)k − A.
k=0
k! (n + 1)!

Cette fonction est continue sur [a, b], dérivable sur ]a, b[ et vérifie d’autre part ϕ(a) = ϕ(b) = 0. D’après le théorème de Rolle,
il existe donc c ∈]a, b[ tel que ϕ 0 (c) = 0. Or, pour tout x ∈]a, b[, on a
n n
X f (k) (x) X f (k+1) (x) (b − x)n
ϕ 0 (x) = (b − x)k−1 − (b − x)k + A
k=1
(k − 1)! k=0
k! n!
(b − x)n
− f (n+1) (x) + A .


=
n!

Par conséquent, on déduit de ϕ 0 (c) = 0 que A = f (n+1) (c). ƒ

3. Brook Taylor (18 août 1685 - 30 novembre 1731) était un mathématicien, artiste peintre et musicien anglais. Il inventa le calcul aux
différences finies et découvrit l’intégration par parties.
4. Joseph Louis Lagrange (Giuseppe Lodovico Lagrangia en italien, 25 janvier 1736 - 10 avril 1813) était un mathématicien et astronome
franco-italien. Fondateur, avec Euler, du calcul des variations, il a également produit d’importantes contributions tant en analyse, en géométrie
et en théorie des groupes qu’en mécanique.

97
 CHAPITRE 10. DÉRIVABILITÉ

Remarques.
f (n+1) (c)
— Le terme (b − a)n+1 est appelé reste de Lagrange.
(n + 1)!
— Dans le cas particulier n = 0, on retrouve l’égalité du théorème des accroissements finis.
Considérons à présent un intervalle I non nécessairement fermé ou borné. Dans ce cas, le théorème de Taylor–
Lagrange s’énonce encore de la manière suivante.
Théorème 10.19 Soient f une fonction (n + 1) fois dérivable sur un intervalle I et x un point de I. Alors, pour tout
réel h tel que x + h ∈ I, il existe θ ∈]0, 1[ tel que
n
X f (k) (x) k f (n+1) (x + θ h) n+1
f (x + h) = h + h .
k=0
k! (n + 1)!

DÉMONSTRATION. Dans le cas h > 0, il suffit d’appliquer le théorème précédent avec a = x et b = x + h ; sinon, on reprend la
démonstration ci-dessus. ƒ

Remarque. Si l’intervalle I contient l’origine, on déduit de ce dernier théorème la formule de Maclaurin 5 : pour
tout point x de I, il existe θ ∈]0, 1[ tel que
n
X f (k) (0) k f (n+1) (θ x) n+1
f (x) = x + x .
k=0
k! (n + 1)!

Inégalité de Taylor–Lagrange
Comme pour l’égalité des accroissements finis, il existe une inégalité de Taylor–Lagrange plus générale que la
formule du même nom.
Théorème 10.20 Soit f une fonction (n + 1) fois dérivable sur un intervalle I. On suppose qu’il existe un réel M tel
que | f (n+1) (x)| ≤ M pour tout x de I. Soient a et b deux points de I ; on a alors
n
X f (k) (a) |b − a|n+1
f (b) − (b − a)k ≤ M .
k=0
k! (n + 1)!

Remarque. Pour n = 0, on constate que l’on retrouve l’inégalité des accroissements finis.

Exemples d’applications de l’inégalité de Taylor–Lagrange. Considérons l’application x 7→ sin x sur l’intervalle

[0, h], h ∈ R. Nous obtenons
|h|3
n = 2, |sin h − h| ≤ .
3!
h3 |h|5
n = 4, sin h − h + ≤ .
3! 5!
h3 h5 |h|7
n = 6, sin h − h + − ≤ .
3! 5! 7!
Considérons l’application x 7→ cos x sur l’intervalle [0, h], h ∈ R. Nous obtenons
|h|2
n = 1, |cos h − 1| ≤ .
2!
h2 |h|4
n = 3, cos h − 1 + ≤ .
2! 4!
h2 h4 |h|6
n = 5, cos h − 1 + − ≤ .
2! 4! 6!

5. Colin Maclaurin (février 1698 - 14 juin 1746) était un mathématicien écossais. Il fit des travaux remarquables en géométrie, plus
précisément dans l’étude de courbes planes, et écrivit un important mémoire sur la théorie des marées.

98