Université Ibno Zohr

Faculté polydisciplinaire de Taroudant

Cours de mathématiques

Filières :
Sciences de la vie et agroalimentaire
Module :

========================================================
Analyse 1
========================================================
Responsable :
EL HOUCINE EL BOUCHIBTI

Professeur Habilité à la FP de Taroudant

Année universitaire : 2019/2020

Table des matières

1 Rappels 4

1.1 structures algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2 Point et vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.3 Droite et plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Calcul matriciel 9

2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.2 Opérations algébriques sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.3 Matrice inversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Déterminant d’une matrice carrée 14

3.1 Définition et calcul d’un déterminant . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.1.1 Calcul du déterminant pour une matrice 2 × 2 . . . . . . . . . . . . . . . . . 14

3.1.2 Définition d’un mineur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.1.3 Définition d’un cofacteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.1.4 Expansion par cofacteurs - méthode de calcul des déterminants . . . . . . . 16

3.1.5 Méthode de Sarrus pour les matrices carrées d’ordre 3 . . . . . . . . . . . . 16

3.1.6 Déterminants de matrices carrées de dimensions 4 × 4 et plus . . . . . . . . . 17

3.2 Caractérisation d’une matrice inversible . . . . . . . . . . . . . . . . . . . . . . . . 19

1
4 Résolution des systèmes linéaires 20

4.1 Système de m équations à n inconnues . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.2 Résolution par la méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.3 Résolution d’un système de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . 23

5 Suites réelles 24

5.1 Définition générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.1.1 Suite majorée, minorée, bornée . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.1.2 Suite croissante, décroissante . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.2 Convergence d’une suite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.3 Suites particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.3.1 Suite géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.3.2 Suites adjacentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.3.3 Suite récurrente définie par une fonction . . . . . . . . . . . . . . . . . . . . 27

6 Limites et continuité d’une fonction 29

6.1 Limite d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

6.2 Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

6.3 Continuité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

6.4 Prolongement par continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

6.5 Fonctions trigonométriques inverses . . . . . . . . . . . . . . . . . . . . . . . . . . 35

7 Dérivée d’une fonction 37

7.1 Dérivée en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

7.2 Opérations sur les fonctions dérivables . . . . . . . . . . . . . . . . . . . . . . . . . 38

7.3 Dérivée d’une composée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

7.4 Dérivée d’une fonction réciproque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2
 7.5 Théorème de Rolle et théorème des accroissements finis . . . . . . . . . . . . . . . 41

7.6 Règle de l’Hospital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

8 Intégrale simple 43

8.1 Intégrale définie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

8.2 Intégrale indéfinie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

8.3 Méthodes d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

9 Equations différentielles 47

9.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

9.2 Equation différentielle du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . 47

9.3 Equation différentielle du second ordre à coefficients constants . . . . . . . . . . . . 50

3
Chapitre 1
Rappels

1.1 structures algébriques

Définition 1.1.1. On appelle loi de composition interne sur un ensemble E toute application ∗
définie par :

∗ : E × E −→ E

(x, y) −→ x ∗ y

Exemple 1.

1. L’addition et multiplication sont des lois de compositions internes dans N.

2. Pour tout ensemble X, la réunion ∪ et l’intersection ∩ sont des lois de compositions internes
dans P (X) (ensemble des parties de X).

Définition 1.1.2. Une loi interne ∗ dans un ensemble E est dite associative si :

∀(x, y, z) ∈ E 3 (x ∗ y) ∗ z = x ∗ (y ∗ z).

Exemple 2.

1. L’addition et la multiplication dans C sont associatives.

2. La loi interne

∗ : Q × Q −→ Q
x+y
(x, y) −→
2
1
n’est pas associative, puisque ((−1) ∗ 0) ∗ 1 = 4 et (−1) ∗ (0 ∗ 1) = − 14

4
Définition 1.1.3. Une loi interne ∗ dans un ensemble E est dite commutative si :

∀(x, y) ∈ E 2 x ∗ y = y ∗ x).

Définition 1.1.4. Soient E un ensemble muni d’une loi interne ∗ et e ∈ E. On dit que e est neutre
pour ∗ dans E si :
∀x ∈ E x ∗ e = e ∗ x = x.

Définition 1.1.5. Soient E un ensemble muni d’une loi interne ∗ admettant un élément neutre e
et x ∈ E.
On dit que x admet un symétrique s’il existe un élément y ∈ E tel que x ∗ y = y ∗ x = e.
y s’appelle le symétrique de x.

Définition 1.1.6. (Groupe)

On dit qu’un ensemble G muni d’une loi interne ∗ est un groupe si et seulement si :

• ∗ est associative

• G admet un élément neutre e pour ∗

• Tout élément de G admet un symétrique pour ∗.

Si de plus ∗ est commutative, on dit que G est un groupe abélien ( ou groupe commutatif ).

Définition 1.1.7. (Sous-groupe)

Une partie H d’un groupe (G, ∗) est dite un sous groupe de G si :

• H est stable par ∗

• (H, ∗) est un groupe

Proposition 1.1.1. Une partie H d’un groupe (G, ∗) est un sous groupe de G si et seulement si :

• H contient l’élément neutre de G

• x ∗ y−1 ∈ H pour tout x, y ∈ H ( y−1 est le symétrique de y )

Définition 1.1.8. ( Anneau )

Un ensemble A qui est muni de deux lois internes + et × est un anneau si est seulement si :

• (A, +) est un groupe abélien, on son élément neutre 0A

• La loi × est associative

5
 • La loi × est distributive sur +

• La loi × admet un élément neutre noté 1A

Si de plus la loi × est commutative, on dit que A est un anneau commutatif.

Définition 1.1.9. ( Sous-anneau )

Une partie B de (A, +, ×) est dite un sous-anneau de A si :

• (B, +) est un sous groupe de (A, +)

• B est stable par ×

• 1A ∈ B

Définition 1.1.10. (Corps)

Un ensemble K muni de deux lois + et × est appelé un corps si et seulement si :

• (K, +, ×) est un anneau

• 0K 6= 1K , où 0K est l’élément neutre pour + et 1K est l’élément neutre pour ×

• La loi × est distributive sur +

• Tout élément de K r {0} admet un inverse pour ×

Si de plus × est commutative, on dit que K est corps commutatif.

Définition 1.1.11. (Espace vectoriel)

On appelle K-espace vectoriel tout ensemble E muni d’une loi interne notée + et d’une loi externe
K×E −→ E telles que :
(λ, x) −→ λx

1. (E, +) est un groupe abélien

2. ∀(λ, µ) ∈ K2 , ∀x ∈ E, (λ + µ)x = λx + µx

3. ∀λ ∈ K, ∀(x, y) ∈ E 2 , λ(x + y) = λx + λy

4. ∀(λ, µ) ∈ K2 , ∀x ∈ E, λ(µx) = (λµ)x

5. ∀x ∈ E, 1x = x

Les éléments de E s’appellent des vecteurs.

Définition 1.1.12. (Sous-espace vectoriel)

Une partie F d’un K-espace vectoriel E est dite un sous-espace vectoriel de E si :

• F 6= 0/

• ∀(λ, µ) ∈ K2 et ∀(x, y) ∈ F 2 ; λx + µy ∈ F

6
1.2 Point et vecteur

Une des difficultés de la géométrie est de bien comprendre la différence entre les points et les vec-
teurs. On vous a appris que les points sont (fixés ) et les vecteurs sont ( libres ) (d’être translatés
n’importe où dans le plan ou dans l’espace). Cette vision des choses est largement suffisante pour
vous permettre d’effectuer des calculs, et vous pouvez vous en contenter pour l’instant. Nous décri-
rons à la section suivante le formalisme mathématique de ces notions.
Un espace vectoriel est un ensemble de vecteurs muni de deux opérations, l’addition et la multipli-
cation par un réel. Ce sont bien celles que vous connaissez et leurs propriétés vous sont familières.

L’addition et la multiplication par un réel induisent la notion de combinaison linéaire. Si ~u et ~v sont

deux vecteurs, les combinaisons linéaires de Si ~u et ~v sont les vecteurs de la forme λ~u + µ~v , où λ
et µ sont deux réels quelconques. On dit que ~u et ~v sont liés si une de leurs combinaisons linéaires
est égale au vecteur nul (noté ~0 ) sans que les coefficients λ et µ soient tous les deux nuls. C’est
équivalent à dire que l’un des deux vecteurs est égal au produit de l’autre par un réel : on dit aussi
que les deux vecteurs sont colinéaires.

1.3 Droite et plan

Définition 1.3.1. Une droite vectorielle est un espace vectoriel contenant des vecteurs non nuls,
dans lequel tous les vecteurs sont colinéaires entre eux. Dans une droite vectorielle tout vecteur non
nul constitue une base.

7
Si D est une droite vectorielle de base ~i. Alors :

D = {~u / ~u = λ~i où λ ∈ R}

Une droite affine qui passe par le point A et dirigée par le vecteur ~u est définie par :

~ = t~u avec t ∈ R}
∆ = {M / AM

Exemple 3. Dans l’espace V3 muni d’un repère orthonormal (O,~i, ~j,~k). La droite passant par le
point A(1, −2, 0) et de vecteur directeur ~u(2, 3, −5) est déterminée par la représentation paramé-
trique : 


 x= 1+2t

∆: y= -2+3t où t ∈ R



 z= -5t

Définition 1.3.2. Un plan vectoriel (P) est un espace vectoriel contenant deux vecteurs non coli-
néaires, et dans lequel tout vecteur est combinaison linéaire de ces deux vecteurs.
Si (~i, ~j) est un couple de vecteurs non colinéaires de (P). Alors (P) peut s’écrire sous la forme :

(P) = {λ~i + µ~j / (λ, µ) ∈ R2 }

Un plan affine qui passe par le point A et de base (~u,~v) est défini par :

~ = λ~u + µ~v où (λ, µ) ∈ R2 }

(Q) = {M / AM

Exemple 4. Dans l’espace V3 muni d’un repère orthonormal (O,~i, ~j,~k). Le plan (P) passant par
le point A(1, −2, 3) et de base (~u,~v) avec ~u(−1, 0, 2) et ~v(2, 1, 1) est l’ensemble des points M(x, y, z)
vérifiant l’équation :
(P) : −2x + 5y − z + 15 = 0

8
Chapitre 2
Calcul matriciel

2.1 Généralités

Définition 2.1.1. On appelle matrice à n lignes, m colonnes à éléments dans R toute application
de la forme :

A : {1, ....., n} × {1, ....., m} −→ R

(i, j) −→ ai j

et se note sous forme d’un tableau :

 
a11 a12 ... a1m
 
a21 a22 ... a2m 
 

 
 
 . . . 
A = (ai j ) 1≤i≤n = 



1≤ j≤m  . . . 
 
 
 . . . 
 
an1 an2 anm

Dans le cas où n = m, on dit que A est une matrice carrée d’ordre n.
L’ensemble des matrices à n lignes et m colonnes à éléments dans R se note par Mn,m (R).
L’ensemble des matrices carrées d’ordre n à éléments dans R se note par Mn (R).

9
  
−1 0 −2 2
 
Exemple 5. La matrice A =  0 3  a trois lignes et quatre colonnes c-à-d appartient
 
1 0
 
1 2 −3 0
à M3,4 (R).

Définition 2.1.2. Soit la matrice A = (ai j ) 1≤i≤n . On appelle transposée de la matrice A est la
1≤ j≤m
matrice notée At obtenue en échangeant les lignes en colonnes dans A c-à-d At = (a ji ) 1≤ j≤m
1≤i≤n
 
−1 0 −2 2
 
Exemple 6. On considère la matrice A =  0 3 , la matrice transposée de A est
 
1 0
 
1 2 −3 0
 
−1 0 1
 
 
t
 0 1 2 
A =
 
 −2 0 3 

 
2 3 0

2.2 Opérations algébriques sur les matrices

Définition 2.2.1. Le produit d’une matrice A = (ai j ) 1≤i≤n par le nombre λ est la matrice définie
1≤ j≤m
par λA = (λai j ) 1≤i≤n . On dit aussi que λA est le produit de la matrice A par le scalaire λ.
1≤ j≤m

Exemple 7.    
−1 0 −2 2 −3 0 −6 6
   
3 0 3 = 0
   
1 0 3 0 9 
   
1 2 −3 0 3 6 −9 0

Définition 2.2.2. La somme de deux matrices de même format A = (ai j ) 1≤i≤n et B = (bi j ) 1≤i≤n
1≤ j≤m 1≤ j≤m
est définie par A + B = (ai j + bi j ) 1≤i≤n
1≤ j≤m

Exemple 8.      
2 0 −2 1 2 3 3 2 1
     
+ 6 5 4 = 7 6 4
     
 1 1 0 
     
2 0 1 7 8 9 9 8 10

Propriétés 2.2.1. Pour A, B, C de même format, et des scalaires λ, µ nous avons :

10
 • A + (B +C) = (A + B) +C. (la somme est associative).

• A + B = B + A. (la somme est commutative) A + 0 = 0 + A = A. (la matrice 0 est l’élément

neutre)

• Toute matrice admet une opposée, −A = (−1)A.

• λ(A + B) = λA + λB , et (λ + µ)A = λA + µA. (le produit par un scalaire est distributif par
rapport à la somme des matrices et par rapport à la somme des scalaires).

• (A + B)t = At + Bt . (la transposée d’une somme est la somme des transposées).

Définition 2.2.3. Le produit de deux matrices n’est défini que si le nombre de colonnes de la
première est égal au nombre de lignes de la seconde. Si A est de format (m, n), et si B est de format
(n, p), le produit C = AB est la matrice de format (m, p) définie par : chaque élément ci, j de C est
le produit de la ime ligne de A par la jme colonne de B.
Autrement dit, si A = (ai j ) 1≤i≤m et B = (bi j ) 1≤i≤n ,alors C = (ci j ) 1≤i≤m où ci, j est donné par la
1≤ j≤n 1≤ j≤p 1≤ j≤p
formule :
ci, j = ai,1 b1, j + ai,2 b2, j + ... + ai,n bn, j .

Exemple 9.    
1 −2  −11 −8 −5 
  1 2 3  
 −2 4  =  22
   
 16 10 
  6 5 4  
1 −2 −11 −8 −5

 
 1 −2   
1 2 3  0 0
 −2 4  = 

  
6 5 4   0 0
1 −2

Propriétés 2.2.2. Pour A, B, C (telles que les produits existent), et des scalaires λ , µ :

• A(BC) = (AB)C (le produit est associatif ).

• AB 6= BA en général (le produit n’est pas commutatif ).

• A0 = 0 et 0A = 0 (chaque matrice nulle est élément absorbant).

• λ(AB) = (λA)B = A(λB) (associativité généralisée).

• (AB)t = Bt At (attention à l’ordre)

11
 • A(B +C) = AB + AC et (A + B)C = AC + BC (le produit est distributif à gauche et à droite par
rapport à la somme).

• Le produit AB peut être nul avec A 6= 0 et B 6= 0 (le produit des matrices n’est pas intègre,
voir exemple ci-dessus). En particulier, dans le calcul matriciel, on ne peut pas simplifier :
AC = BC n’implique pas nécessairement A = B (l’hypothèse équivaut à (A − B)C = 0)

2.3 Matrice inversible

Définition 2.3.1. Pour chaque ordre n, on appelle matrice identité d’ordre n la matrice notée In


définie par : In = δi, j , avec : δi, j = 0 si i 6= j et δi, j = 1 si i = j (symbole de KRONECKER).
Autrement dit, In n’a que des 1 sur la diagonale et des 0 partout ailleurs. Si l’ordre est implicite,
on la note simplement I.

Exemple 10.  
1 0 0
 
I3 =  0 1 0
 

 
0 0 1

Définition 2.3.2. On dit qu’une matrice carrée A est inversible si et seulement si il existe une
matrice B (de même format) telle que : AB = BA = I.
B est alors appelée l’inverse de A , et est notée A−1 .

Exemple 11. Puisque

 I 2= I, la matrice
 identité est sa propre inverse : I −1 = I.
1 1 1 −1
Si A =   et B =  . Nous avons AB = BA = I et donc B = A−1 .
0 1 0 1
     
1 1 a b a+c b+d
Si A =   et B =  . Nous avons AB =   et donc A n’est inversible
0 0 c d 0 0
car AB 6= I pour tout matrice B d’ordre 2.

Propriétés 2.3.1.

• Si AB = I, alors A est inversible et B = A−1 (cette importante propriété montre qu’il est
inutile, en pratique, de calculer AB et BA). On en déduit que si A est inversible, alors son
inverse est unique.

• (A−1 )−1 = A, autrement dit, A−1 est inversible, d’inverse A.

12
• Si A et B sont inversibles, alors AB l’est aussi et : (AB)−1 = B−1 A−1 (attention à l’ordre).

• Si A est inversible et si λ 6= 0, alors λA est inversible et (λA)−1 = λ1 A−1 .

• Si A est inversible, alors At l’est aussi, et : (At )−1 = (A−1 )t (l’inverse de la transposée est la
transposée de l’inverse)

13
Chapitre 3
Déterminant d’une matrice carrée

3.1 Définition et calcul d’un déterminant

3.1.1 Calcul du déterminant pour une matrice 2 × 2

Définition 3.1.1. Considérons la matrice A de dimension 2 × 2 :

 
a11 a12
A= .
a21 a22

Le déterminant de la matrice Aest défini par la relation :

a11 a12
det(A) = = a11 a22 − a21 a12 .
a21 a22

Le résultat est donc obtenu en effectuant le produit des éléments opposés et en calculant la différence
entre ces deux produits... une recette en quelque sorte qu’il vous faudra retenir !

Exemple 12. On considère la matrice

 
2 1
A= .
3 −2

2 1
det(A) = = −7.
3 −2

14
3.1.2 Définition d’un mineur
 
2 1 4
 
Définition 3.1.2. On considère la matrice A =  5 2 3
 

 
8 7 3
Le mineur M12 est le déterminant de la matrice obtenue en éliminant la 1ère ligne et la 2 ème
colonne de A, c’est-à-dire
5 3
M12 = = −9.
8 3

Le mineur M22 est le déterminant de la matrice obtenue en éliminant la 2ème ligne et la 2 ème
colonne de A, c’est-à-dire :

2 4
M22 = = −26.
8 3

3.1.3 Définition d’un cofacteur

Définition 3.1.3. Le cofacteur Ci j d’une matrice A est défini par la relation :

Ci j = (−1)i+ j Mi j .

Exemple 13. Considérons à nouveau la matrice

 
2 1 4
 
A= 5 2 3 
 
 
8 7 3

Nous avons déjà montré que le mineur M12 = −9 . Ainsi, le cofacteur correspondant, C12 est :

C12 = (−1)1+2 M12 = 9

Le mineur M22 = −26. Son cofacteur correspondant, C22 , est

C22 = (−1)2+2 M12 = −26

15
3.1.4 Expansion par cofacteurs - méthode de calcul des déterminants

Définition 3.1.4. Pour une matrice 3 × 3, cela voudrait dire qu’en choisissant de faire une expan-
sion le long de la première ligne, le déterminant serait :

det(A) = a11C11 + a12C12 + a13C13

Si l’on avait choisi de faire une expansion le long de la deuxième colonne, alors il faudrait calculer :

det(A) = a12C12 + a22C22 + a32C32

Exemple 14. On considère la matrice

 
2 1 4
 
A= 5 2 3
 

 
8 7 3

2 3 5 3 5 2
det(A) = a11C11 + a12C12 + a13C13 = 2(−1)1+1 + 1(−1)1+2 + 4(−1)1+3
7 3 8 3 8 7
= 2(6 − 21) − (15 − 24) + 4(35 − 16)

= −30 + 9 + 76

= 55.

3.1.5 Méthode de Sarrus pour les matrices carrées d’ordre 3

Soit A ∈ M3 (R) de la forme :  

a11 a12 a13
 
A =  a21 a22 a23
 

 
a31 a32 a33
Il existe un moyen facile pour calculer le déterminant A c’est la règle de Sarrus : on recopié les
deux premières colonnes de la droite de la matrice puis on additionne les produits de trois termes
en les regroupant selon la direction de la diagonale descendante (à gauche), et on soustrait ensuite
les produits de trois termes regroupés selon la direction de la diagonale montante (à droite).

16
Exemple 15. Calculons le déterminant de la matrice
 
2 1 0
 
A =  1 −1 3 
 
 
3 2 1

det(A) = [2 × (−1) × 1] + [1 × 3 × 3] + [0 × 1 × 2] − [3 × (−1) × 0] − [2 × 3 × 2] − [1 × 1 × 1] = −6

Attention :cette méthode ne s’applique pas pour les matrices de taille supérieure à 3. Nous verrons
d’autres méthodes qui s’appliquent aux matrices carrées de toute taille et donc aussi aux matrices
3 × 3.

3.1.6 Déterminants de matrices carrées de dimensions 4 × 4 et plus

Les méthodes présentées dans le cas des matrices 3 × 3 demeurent valides pour toutes les dimensions
supérieures. Il s’agit à nouveau de suivre les étapes d’une expansion par cofacteurs.

17
Définition 3.1.5. On considère la matrice
 
a a12 ... a1n
 11 
a22 ... a2n 
 
 a21
 
 
 . . . 
A=


 . . . 
 
 
 . . . 
 
an1 an2 ann

Le déterminant de A est obtenu en suivant une expansion par cofacteurs comme suit :

• Choisir une ligne ou une colonne de A(si possible, il est plus rapide de choisir la ligne ou la
colonne de A contenant le plus grand nombre de zéros)...

• Multiplier chacun des éléments ai j de la ligne (ou colonne) choisie par son cofacteur,Ci j ,
correspondant...

• Faire la somme de ces résultats. Par exemple :

det(A) = a11C11 + a12C12 + ... + a1nC1n

Exemple 16. Calculer le déterminant de la matrice

 
1 2 1 0
 
 
 0 3 1 1 
A= 
 −1 0 3
 
1 
 
3 1 2 0

On va choisir le dernier colonne qui contient plus des zéros et on obtient :

det(A) = C24 +C34

1 2 1 1 2 1
= −1 0 3 − 0 3 1
3 1 2 3 1 2

0 3 2 1 2 1 3 1 2 1
= + +3 − −3
1 2 1 2 0 3 1 2 3 1
= −3 + 3 + 18 − 5 + 3

= 16.

18
Propriétés 3.1.1. Soient A et B deux matrices carrées de même ordre. Alors :

• det(At ) = det(A).

• det(AB) = det(A)det(B)

3.2 Caractérisation d’une matrice inversible

Proposition 3.2.1. Une matrice carrée A est inversible si et seulement si det(A) 6= 0. De plus si
A est inversible, alors : det(A−1 ) = 1
det(A) .

Démonstration du Proposition : ( Voir TD )

Définition 3.2.1. Soit A unematrice carrée d’ordre

 n.
C C ... C1n
 11 12 
 C21 C22 ...
 
C2n 
 
 
 . . . 
La matrice C = (Ci j ) 1≤i≤n = 

, où Ci j sont les cofacteurs de A, s’appelle la

1≤ j≤n  . . . 
 
 
 . . . 
 
Cn1 Cn2 Cnn
comatrice de A.

Théorème 3.2.1. Soient A une matrice inversible et C sa comatrice. Alors :

1
A−1 = Ct
det(A)

Démonstration du Théorème : ( Voir TD )

 
1 1 0
 
Exemple 17. On considère la matrice A =  0 1 1  qui est inversible car : det(A) = 2.
 
 
1 0 1
La comatrice
 C s’obtient  2 × 2.
 en calculant 9 déterminants 
1 1 −1 1 −1 1
   
−1 1 t 1
C =  −1 1 1  et donc A = det(A) C = 2  1 1 −1 
  

   
1 −1 1 −1 1 1

19
Chapitre 4
Résolution des systèmes linéaires

4.1 Système de m équations à n inconnues

Définition 4.1.1. Un système linéaire de m équations à n inconnues se présente sous la forme

suivante : 


 a11 x1 + a12 x2 + .......... + a1n xn = b1


+ a22 x2 + .......... + a2n xn = b2



 a21 x1



 . . . . . . . =.
(S)
 .
 . . . . . . =.






 . . . . . . . =.



 a x
m1 1 + am2 x2 + .......... + amn xn = bm
Ce système peut s’écrire sous la forme AX = B, où
     
a a12 ... a1n x b1
 11   1   
a22 ... a2n 
     
 a21  x2   b2 
     
     
 . . .   .   . 
A= 
 ,X = 
 
 et B = 
 


 . . .   .   . 
     
     
 . . .   .   . 
     
am1 am2 amn xn bm

Une solution de (S) est un n-uplet (x1 , x2 ......, xn ) de réels qui satisfont à la fois ses m équations.
Résoudre le système (S) c’est décrire l’ensemble des solutions. L’intuition géométrique des dimen-
sions 2 et 3 reste valable en dimension n.

20
Exemple 18. Le système suivant :



 2x + y − z =0

(S) −3x + 2y + 2z = −5


+ 4z = −1

 x + y

est un système de 3 équations et 3 inconnues.

4.2 Résolution par la méthode de Gauss

L’idée de la méthode de Gauss est de transformer par étapes, le système à résoudre en des systèmes
plus simples, tous équivalents au système initial, jusqu’à un système dit (résolu), sur lequel on lit
directement la solution. Pour un système linéaire, (plus simple) signifie (avec moins de termes), ou
encore (plus de coefficients nuls) . Pour annuler des termes, la méthode de Gauss combine les trois
transformations de la proposition suivante.

Proposition 4.2.1. Les transformations suivantes changent tout système en un système équivalent
(c-à-d a les mêmes solutions) :

• échanger deux lignes,

• multiplier une ligne par un réel non nul,

• ajouter une ligne à une autre ligne.

Le principe général consiste à utiliser une équation à pivot non nul pour annuler les termes au-
dessous du pivot dans les équations suivantes du système. Décrire formellement l’algorithme dans le
cas général, conduirait à des notations compliquées. Le mieux est de comprendre son fonctionnement
sur des exemples. Dans ce qui suit nous utilisons la notation algorithmique ←−, pour (prend la
valeur). A part les permutations éventuelles de variables ou d’équations, les seules transformations
utilisées sont de type Li ←− Li + λLk , soit (la ligne i est remplacée par la somme de la ligne i, et
de la ligne k multipliée par λ ). Cette transformation change le système en un système équivalent,
d’après la proposition 4.2.1.

21
Exemple 19. Résoudre dans R4 le système suivant :



 x + y − 3z − 4t = −1


− 3t

 2x + 2y + 2z =2
(S)


 3x + 6y − 2z + t =8



 2x + y + 5z + t =5
⇐⇒


 x + y − 3z − 4t = −1
←− L2 − 2L1

L2 


 8z + 5t =4
L3 ←− L3 − 3L1

 3y + 7z + 13t = 11
←− L4 − 2L1

L4 

− y

 + 11z + 9t =7
⇐⇒



 x + y − 3z − 4t = −1


←− L4 − y + 11z

L2  + 9t =7
L4 ←− L2 

 40z + 40t = 32



 8z + 5t =4
⇐⇒



 x + y − 3z − 4t = −1


− y + 11z

 + 9t =7
L4 ←− L4 − 51 L3 .


 40z + 40t = 32


−12
− 3t

 = 5

Donc t = 45 , z = 0, y = 1
5 et x = 2.
Finalement (2, 51 , 0, 54 ) est la seule solution de ce système.

22
4.3 Résolution d’un système de Cramer

Proposition 4.3.1. (Méthode de Cramer)

On considère le système linéaire AX = B, où
     
a11 a12 ... a1n x1 b1
     
 a21 a22 ... a2n 
     
 x2   b2 
     
     
 . . .   .   . 
A= 

 ,X = 

 et B = 
 
.

 . . .   .   . 
     
     
 . . .   .   . 
     
an1 an2 ann xn bn

k)
Si det(A) 6= 0, le système admet une solution unique et pour tout 1 ≤ k ≤ n nous avons xk = det(Adet(A) ,
où Ak est la matrice carrée formée ième colonne de A par le vecteur colonne B.
 en remplaçant la k
 a
i j si j 6= k
c-à-d Ak = (ak|i, j ) avec ak|i, j =
 b
i si j = k

Démonstration du Proposition : ( voir TD )

Exemple 20. Déterminer si la méthode de Cramer est applicable pour résoudre le système suivant :




 3x − 7y − 2z = 38

(S) 2x + 3y + 5z = 39


− 3y + 2z

 4x = 58
   
3 −7 −2 38
   
Dans cet exemple la matrice A =  2 3  et B =  39 .
   
5
   
4 −3 2 58
3 −7 −2
Nous avons det(A) = 2 3 5 = −13 6= 0 et par suite la méthode de Cramer applicable.
4 −3 2
38 −7 −2 3 38 −2 3 −7 38
1 104 1
x = − 13 39 3 5 = 13 = 8, y = − 13 2 39 5 = − 52 1
13 = −4 et z = − 13 2 3 39 =
58 −3 2 4 58 2 4 −3 58
91
13 = 7.

23
Chapitre 5
Suites réelles

5.1 Définition générale

Définition 5.1.1. Une suite est une application u : N −→ R qui à tout n ∈ N fait correspondre u(n)
qu’on la note par un et s’appelle le terme général de la suite.

Exemple 21.
√ √ √
• ( n)n≥0 est la suite de termes : 0, 1, 2, 3,...

• ((−1)n )n≥0 est la suite de termes : 1, −1, 1, −1,...

 
• n12 est la suite de termes : 1, 41 , 19 , 16
1
,...
n≥1

5.1.1 Suite majorée, minorée, bornée

Définition 5.1.2. Soit (un )n≥0 une suite.

• (un )n≥0 est majorée si ∃ M ∈ R, ∀n ∈ N : un ≤ M.

• (un )n≥0 est minorée si ∃ m ∈ R, ∀n ∈ N : un ≥ m.

• (un )n≥0 est bornée si elle est majorée et minorée ce qui revient à dire ; ∃ M ∈ R, ∀n ∈ N :
| un |≤ M.

5.1.2 Suite croissante, décroissante

Définition 5.1.3. Soit (un )n≥0 une suite.

24
 • (un )n≥0 est croissante si ∀n ∈ N : un+1 ≤ un .

• (un )n≥0 est décroissante si ∀n ∈ N : un+1 ≥ un .

• (un )n≥0 est monotone si elle est croissante ou bien décroissante.

5.2 Convergence d’une suite

Définition 5.2.1. Une suite (un )n≥0 est dite convergente si elle admet une limite finie l ∈ R ce qui
est équivalent à dire que :

∀ε > 0 ∃N ∈ N / n ≥ N =⇒| un − l |< ε

Une suite (un )n≥0 est dite divergente si elle n’admet pas de limite ou si sa limite est ±∞.

Proposition 5.2.1. Si (un )n≥0 est une suite convergente. Alors sa limite est unique.

Démonstration du Proposition :

On procède par l’absurde. Soit (un )n≥0 une suite convergente ayant deux limites l et l 0 telles que
l 6= l 0 .
|l−l 0 |
Choisissons ε < 2 .
Comme limn−→+∞ un = l, alors il existe N1 tel que n ≥ N1 =⇒| un − l |< ε.
Comme limn−→+∞ un = l 0 , alors il existe N2 tel que n ≥ N2 =⇒| un − l 0 |< ε.
Pour N = max(N1 , N2 ) et pour tout n ≥ N nous avons

| l − l 0 |=| l − un + un − l 0 |<| un − l | + | un − l 0 |< 2ε <| l − l 0 |

.
On vient d’aboutir à l’inégalité | l − l 0 |<| l − l 0 | qui est impossible.
Bilan : notre hypothèse de départ est fausse et donc l = l 0 .

Théorème 5.2.1.

• Toute suite croissante majorée est convergente.

• Toute suite décroissante minorée est convergente.

• Toute suite croissante qui n’est pas majorée tend vers +∞.

• Toute suite décroissante qui n’est pas minorée tend vers −∞.

25
Exemple 22. On considère la suite (un )n≥1 définie par :

1 1 1
un = 1 + 2
+ 2 + ... + 2
2 3 n
1
La suite (un )n≥1 est croissante car : un+1 − un = (n+1)2
> 0.
Montrons par récurrence que un ≤ 2 − n1 .
Pour n = 1 nous avons un = 1 ≤ 2 − 11 .
Supposons maintenant que un ≤ 2 − n1 et montrons que un+1 ≤ 2 − n+1
1
.
1 1 1
Nous avons un+1 = un + (n+1)2 et par suite un+1 ≤ 2 − n + (n+1)2 .

1 1
Comme (n+1)2
≤ n(n+1) = n1 − n+1
1 1
, alors un+1 ≤ 2 − n+1 .
Donc la suite (un )n≥1 est majorée par 2 et finalement elle est convergente.

5.3 Suites particulières

5.3.1 Suite géométrique

Définition 5.3.1. Une suite (un )n≥n0 est dite géométrique s’il existe un réel λ tel que :

un+1 = λ.un pour tout n ≥ n0

Le nombre λ s’appelle la raison de la suite (un )n≥n0 .

Proposition 5.3.1. Soit (un )n≥n0 une suite géométrique de raison λ. Alors :

• un = λn−n0 .un0 pour tout n ≥ n0

1−λn−p+1
• u p + u p+1 + ... + un = 1−λ .u p , pour tour n ≥ p ≥ n0 .

• (un )n≥n0 est convergente si et seulement si −1 < λ ≤ 1.

• Si −1 < λ < 1. Alors limn→+∞ un = 0.

5.3.2 Suites adjacentes

Définition 5.3.2. Les suites (un )n≥n0 et (vn )n≥n0 sont dites adjacentes si :

• (un )n≥n0 est croissante et (vn )n≥n0 est décroissante.

• un ≤ vn ∀n ≥ n0 .

26
 • limn→+∞ (un − vn ) = 0.

Exemple 23. On considère les deux suites suivantes :

1 1 1 2
un = 1 + 2
+ 2 + ... + 2 et vn = un +
2 3 n n+1
Montrons que ces deux suites sont adjacentes.
1
(un )n≥1 est croissante car : un+1 − un = (n+1)2
> 0.
1 2 2 −n
(vn )n≥1 est décroissante car : vn+1 − vn = (n+1)2 + n+2 − n+1 = (n+2)(n+1)2 < 0.

2
pour tout n ≥ 1, nous avons vn − un = n+1 > 0 ce qui implique que un ≤ vn et limn→+∞ (un − vn ) =
−2
limn→+∞ n+1 = 0.
Donc les deux suites (un )n≥1 et (un )n≥1 sont adjacentes.

5.3.3 Suite récurrente définie par une fonction

Définition 5.3.3. Soit f : R −→ R une fonction. Une suite récurrente est définie par son premier
terme et une relation permettant de calculer les termes de proche en proche :

u0 ∈ R et un+1 = f (un ) pour tout n ≥ 0

Une suite récurrente est donc définie par deux données : un terme initial u0 , et une relation de
récurrence un+1 = f (un ). La suite s’écrit ainsi :
u0 , u1 = f (u0 ), u2 = f (u1 ) = f ( f (u0 )), u3 = f (u2 ) = f ( f ( f (u0 ))),...
√
Exemple 24. Soit la fonction définie par f (x) = 1 + x. Fixons u0 = 2 et définissons pour tout
√
n ≥ 0 la suite un+1 = f (un ). C’est à dire un+1 = 1 + un . Alors les premiers termes de la suite sont :
r
√ √ √ √
p q p q p
u0 = 2, u1 = 1 + 2, u2 = 1 + 1 + 2, u3 = 1 + 1 + 1 + 2, u4 = 1 + 1 + 1 + 1 + 2, ...

Proposition 5.3.2. Soit (un )n≥0 une suite définie par une fonction f .
Si f est continue et (un )n≥0 est convergente vers une limite `. Alors f (`) = `.
La valeur ` est un point fixe de la fonction f .

27
Proposition 5.3.3. Si f : [a; b] −→ [a; b] est une fonction continue et croissante, alors la suite
(un )n≥0 vérifiant u0 ∈ [a; b] et un+1 = f (un ) est une suite monotone est converge vers une valeur `
qui satisfait l’égalité f (`) = `.

Exercice
Soit la fonction définie par :
1 √
f (x) = (x + x + 2)
2
On considère la suite (un )n≥0 définie par :

u0 = 1 et un+1 = f (un ) ∀n ≥ 0

1. Montrer que 1 ≤ un ≤ 4 pour tout n ≥ 0

2. Monter que f ([1; 4]) ⊂ [1; 4]

3. Montrer que la fonction f est continue et croissante sur l’intervalle [1; 4].

4. Montrer que la suite (un )n≥n0 est convergente.

5. Déterminer limn→+∞ un .

28
Chapitre 6
Limites et continuité d’une fonction

6.1 Limite d’une fonction

Définition 6.1.1. Soit ` ∈ R. On dit qu’une fonction f a pour limite ` en x0 si

∀ε > 0 ∃δ > 0 tels que | x − x0 |≤ δ =⇒| f (x) − f (x0 |< ε

On dit aussi que f (x) tend vers ` lorsque x tend vers x0 . On note alors limx→x0 f (x) = `.

Exemple 25. Soit la fonction définie par :

x−1
f (x) = √
x−1
√ √
limx→1 f (x) = limx→1 (x−1)(
√
x−1
x+1)
= 2.

29
Définition 6.1.2. On dit que f a pour limite +∞ en x0 si

∀A > 0 ∃δ > 0 tels que | x − x0 |≤ δ =⇒ f (x) > A.

On note alors limx→x0 f (x) = +∞.

On dit que f a pour limite −∞ en x0 si

∀A > 0 ∃δ > 0 tels que | x − x0 |≤ δ =⇒ − f (x) > A.

On note alors limx→x0 f (x) = −∞.

Définition 6.1.3. Soient f une fonction définie sur un intervalle de la forme I = [a; +∞[ et ` ∈ R.
On dit que f a pour limite ` en +∞ si

∀ε > 0 ∃B > 0 tels que ∀x ∈ I x > B =⇒| f (x) − ` |< ε

On note alors limx→+∞ f (x) = `

Définition 6.1.4. Soient f une fonction définie sur un intervalle de la forme I = ]−∞; b] et ` ∈ R.
On dit que f a pour limite ` en −∞ si

∀ε > 0 ∃B > 0 tels que ∀x ∈ I − x > B =⇒| f (x) − ` |< ε

On note alors limx→−∞ f (x) = `

30
Exemple 26. Nous avons les limites classiques suivantes :

 +∞ si n est pair
• limx→+∞ xn = +∞ et limx→−∞ xn =
 −∞ si n est impair

• limx→+∞ x1n = 0 et limx→−∞ x1n = 0.

• Soient P(x) = an xn + an−1 xn−1 + ... + a1 x + a0 avec et Q(x) = bm xm + bm−1

x
m−1 + ... + b x + b
1 0


 +∞ si n > 0

P(x) an
sont deux polynômes tels que an > 0 et bm > 0 . Alors limx→+∞ Q(x) = bm si n = m



 0 si n < m

6.2 Opérations sur les limites

Soient f et g deux fonctions et x0 un réel ou x0 = ±∞.

Définition 6.2.1. Si limx→x0 f (x) = ` ∈ R et limx→x0 g(x) = `0 ∈ R. alors :

• limx→x0 λ. f (x) = λ.` pour tout λ ∈ R.

• limx→x0 ( f + g)(x) = ` + `0 .

• limx→x0 ( f × g)(x) = ` × `0 .
1
• Si l 6= 0, limx→x0 f (x) = 1` .
1
De plus, si limx→x0 f (x) = +∞ ou (−∞) alors limx→x0 f (x) = 0.

31
Il y a des situations où l’on ne peut rien dire sur les limites. Par exemple si limx→x0 f (x) = +∞ et
limx→x0 g(x) = −∞ alors on ne peut a priori rien dire sur la limite de f + g (cela dépend vraiment
de f et de g). On raccourci cela en +∞ − ∞ est une forme indéterminée.
0
Voici une liste de formes indéterminées :+∞ − ∞ ; 0 × ∞ ; ∞
∞ ; 0 ; 1∞ ; ∞0 ; 00 . Voici une proposition
très importante qui lie le comportement d’une limite avec les inégalités.

Proposition 6.2.1.

• Si f ≤ g et limx→x0 f (x) = ` et limx→x0 g(x) = `0 . Alors ` ≤ `0 .

• Si f ≤ g et limx→x0 f (x) = +∞. Alors limx→x0 g(x) = +∞.

• ( Théorème des gendarmes ) Si f ≤ g ≤ h et limx→x0 f (x) = limx→x0 h(x) = `. Alors g a

une limite en x0 et limx→x0 g(x) = `.

6.3 Continuité en un point

Soit I un intervalle de R et f : I −→ R une fonction.

Définition 6.3.1.

• On dit que f est continue en un point x0 ∈ I si

lim f (x) = f (x0 ).

x→x0

• On dit que f est continue sur I si f est continue en tout point de I.

Exemple 27. Les fonctions suivantes sont continues :

32
 • Une fonction constante sur un intervalle,
√
• La fonction racine carrée x 7→ x sur [0, +∞[,

• Les fonctions sin et cos sur R,

• La fonction valeur absolue x 7→| x | sur R,

• La fonction exp sur R,

• La fonction ln sur ]0, +∞[.

Par contre, la fonction partie entière E n’est pas continue aux points x0 ∈ Z, puisqu’elle n’admet
pas de limite en ces points. Pour x0 ∈ R r Z, elle est continue en x0 .

Proposition 6.3.1. Soient f , g : I → R deux fonctions continues en un point x0 ∈ I. Alors

• La fonction λ f est continue au point x0 ,

• f + g est continue au point x0 ,

• f × g est continue au point x0 ,

1
• Si f (x0 ) 6= 0, alors f est continue au point x0 .

Exemple 28. La proposition précédente permet de vérifier que d’autres fonctions usuelles sont
continues :

• Les fonctions puissance x 7→ xn sont continues sur R.

• Les polynômes (somme et produit de fonctions puissance et de fonctions constantes) sont

continues sur R.
P(x)
• Les fractions rationnelles x 7→ Q(x) sont continues sur tout intervalle où Q(x) ne s’annule
pas.

Proposition 6.3.2. Soient f : I → R et g : J → R deux fonctions telles que f (I) ⊂ J. Si f est

continue en un point x0 ∈ I et g est continue au point f (x0 ) alors g ◦ f est continue au point x0 .

Théorème 6.3.1. (Théorème des valeurs intermédiaires )

Soit f : [a; b] −→ R une fonction continue sur le segment [a; b]. Alors pour tout y compris entre f (a)
et f (b), il existe c ∈ [a; b] tel que f (c) = y.

33
Corollaire 6.3.1. Soit f : [a; b] −→ R une fonction continue sur le segment [a; b]. Si f (a) f (b) < 0
alors il existe c ∈ [a; b] tel que f (c) = 0.

6.4 Prolongement par continuité

Définition 6.4.1. Soit I un intervalle de R, x0 ∈ I et f : I r {x0 } −→ R une fonction

• On dit que f est prolongeable par continuité au point x0 si f admet une limite finie en x0 .
Notons ` = limx→x0 f (x).

• On définit alors la fonction f˜ : I −→ R par :


 f (x) si x 6= x
0
f˜(x) =
 ` si x = x0 .

La fonction f˜ est continue au point x0 et s’appelle le prolongement par continuité de f en

x0 .

34
Exemple 29. Considérons la fonction f définie sur R∗ par f (x) = x sin( 1x ). Est ce que f est pro-
longeable par continuité au point 0 ?
Nous avons pour tout x ∈ R∗ , | f (x) |≤| x | ce qui implique que limx→0 f (x) = 0 et par suite f admet
un prolongement par continuité au point 0 et son prolongement est la fonction f˜ définie par :

 x sin( 1 ) si x 6= 0
˜f (x) = x
 0 si x = 0.

6.5 Fonctions trigonométriques inverses

Définition 6.5.1. Soit f : E −→ F une fonction, où E et F sont des parties de R.

• f est injective si ∀x, x0 ∈ E f (x) = f (x0 ) =⇒ x = x0 .

• f est surjective si ∀y ∈ F ∃x ∈ E tel que f (x) = y.

• f est bijective si f à la fois injective et bijective c-à-d ∀y ∈ F ∃!x ∈ E tel que f (x) = y.

Proposition 6.5.1. Si f : E −→ F est fonction bijective, alors il existe une unique fonction g :
F −→ E telle que f ◦ g = IdF et g ◦ f = IdE . La fonction g s’appelle la bijection réciproque de f et
se note par f −1 .

Théorème 6.5.1. ( Théorème de la bijection )

Soit f : I −→ R une fonction définie sur un intervalle I de R. Si f est continue et strictement
monotone sur I, alors

1. f établit une bijection de l’intervalle I dans l’intervalle J = f (I).

2. La fonction réciproque f −1 : J −→ I est continue et strictement monotone sur J et elle a le

même sens de variation de f .

Les fonctions trigonométriques x −→ cos x, x −→ sin x et x −→ tan x ne sont pas monotones sur
R tout entier, pour construire des fonctions inverses, on est obligé à se restreindre à des intervalles
de monotonie de ces fonctions ( on prend on général des intervalles de monotonie maximaux ).

Définition 6.5.2. ( La fonction arccos)

La fonction x −→ cos x est continue et strictement décroissante sur l’intervalle [0; π]. On définit son
inverse par :

arccos : [−1; 1] −→ [0; π]

x −→ arccos x

35
 1. Le domaine de définition de arccos est l’intervalle [−1; 1].

2. y = arccos x ⇐⇒ cos y = x et 0 ≤ y ≤ π.

Définition 6.5.3. ( La fonction arcsin)

 
La fonction x −→ sin x est continue et strictement croissante sur l’intervalle − π2 ; π2 . On définit son
inverse par :
h π πi
arcsin [−1; 1] −→ − ;
2 2
x −→ arcsin x

1. Le domaine de définition de arccos est l’intervalle [−1; 1].

2. y = arcsin x ⇐⇒ sin y = x et − π2 ≤ y ≤ π2 .

Définition 6.5.4. ( La fonction arctan)

 
La fonction x −→ tan x est continue et strictement croissante sur l’intervalle − π2 ; π2 . On définit son
inverse par :
h π πi
arctan R −→ − ;
2 2
x −→ arctan x

1. Le domaine de définition de arctan est R.

2. y = arctan x ⇐⇒ tan y = x et − π2 < y < π2 .

Remarque 6.5.1. Pour tout x ∈ [−1; 1] nous avons :

π
arccos x + arcsin x = .
2

En effet pour tout x ∈ [−1; 1], on pose y = arcsin x avec − π2 ≤ y ≤ π

2 ce qui implique que sin y = x
c-à-d cos( π2 − y) = x et 0 ≤ π2 − y ≤ π. Donc

π π π
arccos x + arcsin x = y + arccos(cos( − y)) = y + − y = .
2 2 2

36
Chapitre 7
Dérivée d’une fonction

7.1 Dérivée en un point

Soient I un intervalle ouvert de R, f : I −→ R une fonction et x0 ∈ I.

f (x)− f (x0 )
Définition 7.1.1. f est dérivable au point x0 si le taux d’accroissement x−x0 a une limite finie
lorsque x tend vers x0 . Cette limite s’appelle alors la dérivée de f en x0 et se note par f 0 (x0 ). Ainsi :

f (x) − f (x0 )
f 0 (x0 = lim .
x→x0 x − x0

Définition 7.1.2. f est dérivable sur I si elle dérivable en tout point x0 ∈ I. La fonction définie
df
sur I par x −→ f 0 (x) s’appelle la fonction dérivée de f sur I et se note par f 0 ou dx .

Exemple 30.

La fonction f (x) = x2 est dérivable en tout point x0 ∈ R. En effet :

f (x) − f (x0 ) x2 − x02

lim = lim = lim (x + x0 ) = 2x0 .
x→x0 x − x0 x→x0 x − x0 x→x0

On même démontré que de la dérivée de f en x0 est 2x0 c’est-à-dire f 0 (x) = 2x.

Exemple 31.

Montrons que la fonction f (x) = sin(x) est dérivable sur R et que f 0 (x) = cos(x). Nous allons
utiliser les deux assertions suivantes :

sin(x) p−q p+q

lim = 1 et sin(p) − sin(q) = 2 sin( ) cos( ).
x→0 x 2 2

37
Pour x0 quelconque nous avons :
(x−x )
f (x) − f (x0 ) sin(x) − sin(x0 ) sin( 2 0 ) x + x0
= = x−x cos( ).
x − x0 x − x0 2
0 2
(x−x0 )
sin( 2 )
Comme limx→x0 x−x0 = 1, nous déduisons que f 0 (x0 ) = cos(x0 ).
2

Proposition 7.1.1. Soient I un intervalle ouvert, x0 ∈ I et f : I −→ R.

• Si f est dérivable au point x0 alors elle est continue au point x0 .

• Si f est dérivable sur I alors elle continue sur I.

Remarque 7.1.1. La réciproque est fausse. En effet la fonction x −→| x | est une fonction qui est
continue au point 0 mais n’est plus dérivable en ce point.

7.2 Opérations sur les fonctions dérivables

Proposition 7.2.1. Soient f , g : I −→ R deux fonctions dérivables sur I. Alors pour tout x ∈ I.

• ( f + g)0 (x) = f 0 (x) + g0 (x).

• (λ f )0 (x) = λ f 0 (x), où λ est un réel fixé.

• ( f × g)0 (x) = f 0 (x)g(x) + f (x)g0 (x).

 0 0 (x)
• 1f (x) = − ff (x) 2 (si f (x) 6= 0 ).
 0 0 f (x)g0 (x)
• gf (x) = f (x)g(x)− g(x)2
(si g(x) 6= 0).

Remarque 7.2.1. Il est plus facile de mémoriser les égalités suivantes :

 0 0
 0 0 f g0
( f + g)0 = f 0 + g0 , (λ f )0 = λ f 0 , 1f = − ff 2 , gf = f g−
g2
.

Le tableau suivant est un résumé des principales dérivées des fonctions usuelles.

38
 Fonction Dérivée
xn nxn−1 (n ∈ Z)
1
x − x12
√ 1
x √
2 x
xα αxα−1
ex ex
1
ln x x (x>0)

cos x − sin x
sin x cos x
1
tan x 1 + tan2 x = cos2 x

7.3 Dérivée d’une composée

Proposition 7.3.1. Si f est dérivable au point x et g est dérivable au point f (x) alors g ◦ f est
dérivable au point x et nous avons :

(g ◦ f )0 (x) = g0 ( f (x)). f 0 (x)

Exemple 32.

Calculons la dérivée de la fonction ln(1 + x2 ). Nous avons g(x) = ln x avec g0 (x) = 1

x et f (x) =
1 + x2 avec f 0 (x) = 2x ce qui montre que

0 2x
ln(1 + x2 ) = (g ◦ f )0 (x) = g0 (1 + x2 ). f 0 (x) = .
1 + x2

Le tableau suivant est un résumé des principales dérivées des fonctions composées.

39
 Fonction Dérivée
un nu0 un−1 (n ∈ Z)
1 0
u − uu2
√ u0
u √
2 u
uα αu0 .uα−1
eu u0 eu
u0
ln u u

cos u −u0 sin u

sin u u0 cos u
u0
tan u u0 (1 + tan2 u) = cos2 u

7.4 Dérivée d’une fonction réciproque

Proposition 7.4.1. Soient I un intervalle ouvert et f : I −→ J une fonction bijective dérivable dont
on note f −1 : J −→ I sa bijection réciproque. Si f 0 ne s’annule pas sur I alors f −1 est dérivable sur
J et on a pour tout x ∈ J :

0 1
f −1 (x) =
f 0 ( f −1 (x))
Exemple 33.

On considère la fonction définie par :

i πh
f : 0; −→ ]0; +∞[
2
x −→ tan x

La fonction f est continue strictement croissante et par suite elle est bijective et sa bijection est
f −1 (x) = arctan(x) pour tout x ∈ ]0; +∞[. De plus f 0 (x) = 1 + tan2 (x) > 0 pour tout x ∈ 0; π2 ce qui
 

implique que :

0 1 1 1
(arctan(x))0 (x) = f −1 (x) = = = .
f 0 ( f −1 (x)) 1 + tan2 (arctan(x)) 1 + x2

40
7.5 Théorème de Rolle et théorème des accroissements
finis

Définition 7.5.1. Soit f : I −→ R une fonction définie sur un intervalle I.

• On dit que x0 est un point critique de f si f 0 (x0 ) = 0.

• On dit que f admet un maximum local en x0 ( resp un minimum local en x0 ) s’il existe un
intervalle ouvert J contenant x0 tel que f (x) ≤ f (x0 ) ( resp f (x) ≥ f (x0 ) ) pour tout x ∈ I ∩ J.

• On dit que f admet un extremum local en un point x0 si f admet un maximum local ou un

minimum local en ce point.

Théorème 7.5.1. ( Théorème de Rolle )

Soit f : [a; b] −→ R une fonction telle que :

• f est continue sur [a; b],

• f est dérivable sur ]a; b[,

• f (a) = f (b).

Alors il existe c ∈ ]a; b[ tel que f 0 (c) = 0.

Théorème 7.5.2. (Théorème des accroissements finis)

Soit f : [a; b] −→ R une fonction telle que :

• f est continue sur [a; b],

• f est dérivable sur ]a; b[.

f (b)− f (a)
Alors il existe c ∈ ]a; b[ tel que f 0 (c) = b−a .

Exemple 34.

Montrons que pour tout x, y ∈ R nous avons | sin x − sin y |≤| x − y |. En effet :
Si x = y l’inégalité est évidente.
Si x 6= y nous pouvons considérer que x < y car dans le cas contraire la démarche sera similaire. La
fonction f : a −→ sin a est continue sur l’intervalle [x; y] et dérivable sur l’intervalle ]x; y[. D’après
f (x)− f (y)
le Théorème des accroissements finis il existe c ∈ ]x; y[ tel que f 0 (c) = x−y c’est-à-dire que
sin x−sin y
x−y = cos c.
sin x−sin y
Puisque | cos c |≤ 1, alors | x−y |≤ 1. D’ où | sin x − sin y |≤| x − y |.

41
7.6 Règle de l’Hospital

Proposition 7.6.1. ( Règle de l’Hospital )

Soient f , g : I −→ R deux fonctions dérivables et x0 ∈ I. On suppose que :

• f (x0 ) = g(x0 ) = 0.

• g0 (x) 6= 0 pour tout x ∈ I r {x0 }.

f 0 (x) f (x)
Si limx→x0 g0 (x) = ` ∈ R alors limx→x0 g(x) = `.

ln(x2 +x−1)
Exemple 35. Calculons la limite en 1 de ln(x) . Nous vérifions que

• f (x) = ln(x2 + x − 1), f (1) = 0 et f 0 (x) = 2x+1

x2 +x−1
.

• g(x) = ln(x), g(1) = 0 et g0 (x) = 1x .

• Prenons l’intervalle I = ]0; 1] et x0 = 1.

Maintenant nous sommes sur les conditions de la Règle de l’Hospital et par conséquent :
2x+1
ln(x2 + x − 1) x2 +x−1 x(2x + 1)
lim = lim 1
= lim = 3.
x→1 ln(x) x→1 x→1 x2 + x − 1
x

42
Chapitre 8
Intégrale simple

8.1 Intégrale définie

Définition 8.1.1. Soit f une fonction définie sur un intervalle I de R. On dit que la fonction
dérivable F est une primitive de f sur I si, pour tout x ∈ I on a F 0 (x) = f (x). On note F =
R
f.

Proposition 8.1.1. Soit f une fonction continue (par morceaux) sur l’intervalle I = [a; b]. Alors
f admet des primitives sur cet intervalle.

Exemple 36. ( Primitives des fonctions usuelles )

R
Fonction f F= f
1 x +C
x2 R
x 2 +C Fonction f F= f
1 r+1
xr (r 6= −1) r+1 x +C U 0U α 1
α+1 U
α+1 +C

1 U0
x ln x +C U ln | U | +C
cos x sin x +C U 0 sinU − cosU +C
sin x − cos x +C U 0 cosU sinU +C
ex ex +C U 0 eU eU +C
√ 1 arcsin x +C(x ∈ ]−1; 1[)
1−x2
1
1+x2
arctan x +C

43
Définition 8.1.2. Soit f une fonction continue sur un intervalle I = [a; b]. On appelle intégrale de
Rb
f sur I = [a; b] ou de a à b le nombre réel noté a f (x)dx et défini par :
Z b
f (x)dx = F(b) − F(a),
a

où F est une primitive de f sur I = [a; b].

Théorème 8.1.1. ( Théorème de Riemann )

Soit f : [a; b] −→ R une fonction continue. On a :

b − a n−1
Z b  
b−a
f (x)dx = lim ∑ f a+k n .
a n→+∞ n
k=0
R1
f (x)dx = limn→+∞ n1 ∑n−1 k


En particulier si f est continue sur [0; 1], alors : 0 k=0 f n .

Exercice
On considère la suite définie par :
n 1
un = ∑ e n+k − n.
k=1
x2 x
1. Montrer que ∀x ∈ [0; +∞[, 0 ≤ ex − 1 − x ≤ 2e .
1
2. Calculer limn→+∞ ∑nk=1 n+k .

3. Déduire limn→+∞ un .

Propriétés 8.1.1. Soient f et g deux fonctions continues sur un intervalle [a; b], λ et β deux
nombres réels.
Rb Rc Rb
• Si c ∈ [a; b], alors a f (x)dx = a f (x)dx + c f (x)dx.
Rb Ra
• a f (x)dx = − b f (x)dx.
Rb Rb Rb
• a (λ f (x) + βg(x)) dx = λ a f (x)dx + β a g(x)dx.
Rb Rb
• | a f (x)dx |≤ a | f (x) | dx.
Rb Rb
• Si f (x) ≤ g(x) pour tout x ∈ [a; b], alors a f (x)dx ≤ a g(x)dx.

8.2 Intégrale indéfinie

Définition 8.2.1. Soient I un intervalle ouvert et f une fonction continue sur I. On appelle in-
tégrale indéfinie de f sur I la famille des primitives de f sur I. Cette intégrale indéfinie est notée
R
f (x)dx.

44
 Puisqu’on sait que toutes les primitives de f sur I diffèrent seulement par une constante, on a
le résultat suivant :

Proposition 8.2.1. Soit f une fonction continue sur un intervalle ouvert I et soit F une primitive
quelconque de f sur I. On a :
Z
f (x)dx = F(x) +C(x ∈ I),

où C est une constante non fixée.

Exemple 37.
1
Z
x3 dx = x4 +C
4
Proposition 8.2.2. Toute fonction continue sur un intervalle I est intégrable sur tout intervalle
fermé borné inclus dans I. Le premier théorème fondamental de l’analyse affirme que pour tout réel
a de I, la fonction définie sur I par :
Z x
F(x) = f (t)dt,
a

est la primitive de f qui s’annule en a.

Exercice
Calculer
x+1
Z
dx.
2x2 + x + 1

8.3 Méthodes d’intégration

Il arrive que l’on ait à intégrer un produit de fonctions. Le produit de primitives n’est pas une
primitive du produit. Plus précisément, pour deux fonctions u et v dérivables, on a

(uv)0 (x) = u0 (x)v(x) + u(x)v0 (x).

On en déduit la formule d’intégration par parties :

Proposition 8.3.1. ( Intégration par parties )

Soient u et v deux fonctions de classe C 1 sur [a; b] ( c-à-d elles sont dérivables et leurs dérivées
sont continues sur [a; b] ). On a
Z b Z b
0
u (x)v(x)dx = [u(x)v(x)]ba − u(x)v0 (x)dx.
a a

45
Exemple 38.
Z π Z π
2 π 2 π π π
x cos xdx = [x sin x]0 −
2
sin xdx = − [− cos x]02 = − 1.
0 0 2 2
Proposition 8.3.2. ( Changement de variable )
Soit f une fonction continue sur l’intervalle [a; b]. Soit aussi u une fonction de classe C 1 sur [α; β]
dans [a; b] avec u(α) = a et u(β) = b. On a :
Z b Z β
f (x)dx = f (u(t))u0 (t)dt.
a α
R1√
Exemple 39. Calculons 0 1 − u2 du par la méthode du changement de variable.
On pose u(t) = sint. Alors u0 (t) = costdt et par suite :
Z 1p π π π  π
1 + cos 2t 1 1 2
Z Z Z
2
p 2 2 π
1 − u2 du = 2
1 − sin t costdt = cos2 tdt = dt = t + sin 2t = .
0 0 0 0 2 2 4 0 4

On vient de calculer la surface d’un quart du disque unité.

46
Chapitre 9
Equations différentielles

9.1 Généralités

De nombreux problèmes issus de la physique sont modélisés à l’aide d’une équation différentielle,
c’est-à-dire une équation dans laquelle interviennent la fonction inconnue et ses dérivées successives.
dans certains cas simples, on pourra exprimer la ou les solutions par des formules faisant intervenir
les fonctions usuelles.
En première année, nous n’envisageons comme équations différentielles que celles qui sont linéaires.

9.2 Equation différentielle du premier ordre

Définition 9.2.1. Soient I un intervalle de R, α, β, γ : I −→ R des applications continues, J un

intervalle de R tel que J ⊂ I et y : J −→ R une application. On dit que y est une solution sur J de
l’équation différentielle du premier ordre

αy0 + βy = γ

si et seulement si

 y est dérivable sur J
 ∀x ∈ J, α(x)y0 (x) + β(x)y(x) = γ(x).

47
Définition 9.2.2. L’équation linéaire du premier ordre

αy0 + βy = γ

est dite normalisée si α = 1.

Remarque 9.2.1. Lorsqu’une équation différentielle αy0 +βy = γ n’est pas normalisée, on se ramène
à une équation normalisée en divisant par la fonction α sur tout intervalle sur lequel α ne s’annule
pas.

Nous nous intéressons à l’équation différentielle linéaire du premier ordre normalisée

(E) y0 + ay = b,

où a, b :−→ R sont des applications continues.

On note
(E0 ) y0 + ay = 0,

appelée équation sans second membre associée à (E) ( ou équation homogène associée à (E)).
L’équation (E) est alors appelée équation avec second membre.

Théorème 9.2.1. ( Solution de l’équation homogène )

L’ensemble des solutions de l’équation homogène

(E0 ) y0 + ay = 0,

est l’espace vectoriel

n R o
y(x) = λe− a(x)dx ; λ ∈ R .

Exemple 40. Résoudre l’équation différentielle

(1 + x2 )y0 + 4xy = 0

L’équation normalisée associée à cette équation est

4x
y0 + y = 0,
1 + x2
4x
et par suite a(x)dx = 2 ln(1 + x2 ) = ln (1 + x2 )2 ce qui implique d’après le théo-
R  
c-à-d a(x) = 1+x2
rème 9.2.1 que
λ
y(x) = où λ ∈ R
(1 + x2 )2

48
Théorème 9.2.2. ( Solution de l’équation avec second membre )
La solution générale de l’équation différentielle

(E) y0 + ay = b,

s’obtient en ajoutant à la solution générale de l’équation sans second membre

(E0 ) y0 + ay = 0,

une solution particulière de l’équation (E).

Remarque 9.2.2. Pour chercher une solution particulière de (E) on utilise la méthode de variation
de la constante c’est-à-dire on prend
R
y = z(x)e− a(x)dx

et on cherche z(x).
La solution générale de (E) va s’écrire donc sous la forme :
R R
y = λe− a(x)dx
+ z(x)e− a(x)dx
,

avec λ ∈ R.

Exemple 41. Résoudre l’équation (E) y0 + xy = x2 e−x

La solution générale de l’équation homogène (E0 ) y0 + xy = 0 est de la forme

1 2
y = λe− 2 x ,

où λ ∈ R.
Cherchons maintenant une solution particulière par la méthode de variation de la constante.
1 2 1 2 1 2 1 2
On prend y = z(x)e− 2 x ce qui montre que y0 = z0 (x)e− 2 x − xz(x)e− 2 x et par suite z0 (x)e− 2 x −
1 2 1 2
xz(x)e− 2 x + xz(x)e− 2 x = x2 e−x .
1 2 1 2 1 2
Alors z0 (x)e− 2 x = x2 e−x et z0 (x) = x2 e 2 x −x et donc z(x) = (x + 1)e 2 x −x .
Finalement une solution générale de (E) s’écrit sous la forme :

1 2
y = λe− 2 x + (x + 1)e−x ,

où λ ∈ R.

49
9.3 Equation différentielle du second ordre à coefficients
constants

Définition 9.3.1. On appelle équation différentielle du second ordre à coefficients constants toute
équation de la forme :
(E) ay00 + by0 + cy = d(x),

où a, b, c sont des constantes avec a 6= 0 et d(x) est une fonction.

L’équation
(E0 ) ay00 + by0 + cy = 0

s’appelle l’équation homogène associée à l’équation différentielle (E).

L’équation ar2 + br + c = 0 est appelée l’équation caractéristique associée à l’équation homogène
(E0 )

Théorème 9.3.1. ( Résolution de l’équation homogène du second ordre )

Soient
(E0 ) ay00 + by0 + cy = 0

et ∆ = b2 − 4ac le discriminant de l’équation caractéristique associée à (E0 ).

1. Si ∆ > 0, l’équation caractéristique possède deux racines réelles distinctes r1 6= r2 et les

solutions de (E0 ) sont :
y(x) = αer1 x + βer2 x où α, β ∈ R.

2. Si ∆ = 0, l’équation caractéristique possède une racine réelle double r0 et les solutions de

(E0 ) sont :
y(x) = (αx + β)er0 x où α, β ∈ R.

3. Si ∆ < 0, l’équation caractéristique possède deux racines complexes conjuguées r1 = λ + iµ et

r2 = λ − iµ et les solutions de (E0 ) sont :

y(x) = eλx [α cos(µx) + β sin(µx)] où α, β ∈ R.

Exemple 42. Résoudre l’équation différentielle suivante :

y00 − 2y0 + 5y = 0

50
Le discriminant de l’équation caractéristique associée à cette équation différentielle est ∆ = −16
ce qui implique que l’équation caractéristique admet deux solutions complexes conjuguées 1 − 2i et
1 + 2i. Donc les solutions de l’équation différentielle sont de la forme :

y = ex [α cos(2x) + β sin(2x)] ,

où α, β ∈ R.

Nous passons au cas général d’une équation différentielle linéaire d’ordre 2, à coefficients constants,
mais avec un second membre g qui est une fonction continue sur un intervalle ouvert I ⊂ R :

(E) ay00 + by0 + cy = g(x).

Pour ce type d’équation, nous admettons le théorème de Cauchy-Lipschitz qui s’énonce ainsi :

Théorème 9.3.2. ( Théorème de Cauchy-Lipschitz )

Pour chaque x0 ∈ I et chaque couple (y0 , y1 ) ∈ R2 , l’équation (E) admet une unique solution y sur I
satisfaisant aux conditions initiales :

y(x0 ) = y0 et y0 (x0 ) = y1

Dans la pratique, pour résoudre une équation différentielle linéaire avec second membre (avec
ou sans conditions initiales), on cherche d’abord une solution de l’équation homogène, puis une
solution particulière de l’équation avec second membre et on applique le principe de superposition :

Proposition 9.3.1. Les solutions générales de l’équation (E) s’obtiennent en ajoutant les solutions
générales de l’équation homogène (E0 ) à une solution particulière de (E).

Il reste donc à déterminer une solution particulière. On donne deux cas particuliers importants
et une méthode générale.
Second membre de type eαx P(x)
Si g(x) = eαx P(x), avec α ∈ R et P(x) ∈ R [X]. On cherche une solution de la forme :

y0 = eαx xm Q(x),

où Q est un polynôme de même degré que P.

• y0 = eαx Q(x) si α n’est pas une racine de l’équation caractéristique.

51
 • y0 = xeαx Q(x) si α est une racine simple de l’équation caractéristique.

• y0 = x2 eαx Q(x) si α est une racine double de l’équation caractéristique.

Second membre de type eαx [P1 (x) cos(βx) + P2 (x) sin(βx)]

Si g(x) = eαx [P1 (x) cos(βx) + P2 (x) sin(βx)], avec α, β ∈ R et P1 , P2 ∈ R [X], on cherche une solution
particulière de la forme :

• y0 = eαx [Q1 (x) cos(βx) + Q2 (x) sin(βx)], si α + iβ n’est pas une racine de l’équation caracté-
ristique.

• y0 = xeαx [Q1 (x) cos(βx) + Q2 (x) sin(βx)], si α + iβ est pas une racine de l’équation caractéris-
tique.

Dans les deux cas le degré de Q1 égal au degré de Q2 égal au maximum des degrés de P1 et P2 .

Exemple 43. Trouver la solution de l’équation différentielle

y00 − 5y0 + 6y = 4xex

qui vérifie y(0) = 1 et y0 (0) = 0.

l’équation homogène associée à cette équation a pour solution générale :

y = αe2x + βe3x ,

où α et β sont des constantes réelles.

Cherchons maintenant une solution particulière de la forme y0 = (ax + b)ex car 1 n’est pas une
racine de l’équation caractéristique. Nous obtenons :

y000 (x) = (ax + 2a + b)ex

y00 (x) = (ax + a + b)ex .

Ce qui implique après remplacement dans l’équation différentielle que :

(ax + 2a + b)ex − 5(ax + a + b)ex + 6(ax + b)ex = 4xex

⇐⇒ (a − 5a + 6a)x + 2a + b − 5(a + b) + 6b = 4x

⇐⇒ 2a = 4 et − 3a + 2b = 0

⇐⇒ a = 2 et b = 3.

52
Alors y0 = (2x + 3)ex . Donc y = αe2x + βe3x + (2x + 3)ex .
Comme y(0) = 1 et y0 (0) = 0 nous obtenons α = β = −1 et par conséquent la solution cherchée est
y = −e2x − e3x + (2x + 3)ex

Méthode de variation des constantes

Si {y1 , y2 } est base de solutions de l’équation homogène (E0 ), on cherche une solution particulière
de la forme y0 = λy1 + µy2 , mais cette fois λ et µ sont deux fonctions qui vérifient :


 λ0 y + µ0 y = 0
1 2
(S)
 λ0 y0 + µ0 y0 = g(x)
1 2 a

Le système (S) se résout facilement ce qui donne λ0 et µ0 puis λ et µ par intégration.

 
Exemple 44. Résoudre sur l’intervalle − π2 ; π2 l’équation différentielle suivante :

1
y00 + y =
cos x

Les solutions de l’équation homogène associée à cette équation sont de la forme :

y = λ cos x + µ sin x,

où λ et µ sont des réels.

On cherche une solution particulière de la forme y0 = λ cos x + µ sin x avec le fait que λ et µ vérifient
le système : 
 λ0 cos x + µ0 sin x = 0
(S)
 −λ0 sin x + µ0 cos x = 1
cos x

La résolution de ce système donne λ0 = − cos

sin x 0
x et µ = 1 et par suite λ = ln(cos x) et µ = x.
Finalement les solutions de l’équation différentielle sont y = λ cos x + µ sin x + ln(cos x) cos x + x sin x,
où λ et µ sont des réels.

53