Enseignant: Aribou Youssef page 2

Table des matières

1 Calcul Matriciel 5
1.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Egalité de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Propriétés de l’addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Multiplication par un scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.4 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.5 Propriétés du produit matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.6 Matrices carrées particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Autres opérations sur les matrices, matrices particulières . . . . . . . . . . . . . . . . . 9
1.4 Formule du binôme de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Inversion de Matrices. Pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.1 Inverser une Matrice. en utilisant la méthode du Pivot de Gauss . . . . . . . . 17
1.6.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6.3 Décomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7.1 Matrices et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7.2 Matrices inversibles et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . 22
1.8 Déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8.1 Déterminant d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8.2 Déterminant d’ordre 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8.2.1 Propriétés et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8.2.2 La méthode de Sarrus pour calculer les déterminants des matrices
d’ordre 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3
TABLE DES MATIÈRES

1.8.3 Déterminant d’ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1.8.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8.4.1 Calcul de l’inverse d’une matrice carrée d’ordre n . . . . . . . . . . . 28
1.8.4.2 Résolution de systèmes linéaires (Méthode de Cramer) . . . . . . . . 29

Enseignant: Aribou Youssef page 4

Chapitre 1

Calcul Matriciel

Dans tout ce qui suit, IK désigne IR ou C

I

1.1 Définitions et propriétés

Un tableau rectangulaire, de nombres (∈ IK), de la forme :

 
a11 a12 · · · a1q
 
 
a21 a22 · · · a2q 
(1.1)
 
 . .. .. .. 
 . . . 
 . . 
 
ap1 ap2 · · · apq

est appelé matrice. Les nombres aij sont appelés coefficients de la matrice. Les lignes horizontales
sont appelées rangées ou vecteurs rangées, et les lignes verticales sont appelées colonnes ou vecteurs
colonnes de la matrice. Une matrice à p rangées et q colonnes est appelée matrice de type (p, q). On
note ( 1.1) par (aij ).

Exemple 1.1.1
 
0 0 ··· 0
 
 
0 0 ··· 0
La matrice nulle 0pq =  . . a tous ses coefficients nuls.
 
. . .. .. 
. . . .

 
0 0 ··· 0

1.1.1 Matrices particulières

 
1) Une matrice a1 a2 · · · aq ayant une seule rangée est appelée matrice uniligne.
CHAPITRE 1. CALCUL MATRICIEL
 
b
 1
 
b2 
2) Une matrice  .  ayant une seule colonne est applée matrice unicolone.
 
.
.
 
bp

3) Une matrice ayant le même nombre de rangées et de colonnes est appelée matrice carrée, et le
nombre de rangées est appelé son ordre.

4) La matrice carrée (aij ) telle que aij = 0 si i 6= j et aii = 1 ∀i est appelée matrice unité, notée
par I, elle vérifie AI = IA = A, ∀A matrice carrée du même ordre que I.

1.1.2 Egalité de deux matrices

Deux matrices (aij ) et (bij ) sont égales si et seulement si elles ont même nombre de rangées et le
même nombre de colonnes et les éléments correspondants sont égaux ; c’est à dire aij = bij ∀ i, j.

1.2 Opérations sur les matrices

1.2.1 Addition

La somme de deux matrices de type (p, q) (aij ) et (bij ) est la matrice (cij ) de type (p, q) ayant
pour éléments cij = aij + bij pour i = 1, ..., p et j = 1, ..., q.

Exemple 1.2.1 
√ √ √
   
i 5 2 −2i −5 2 2 −i 0 3 2
Si A =   et B =   alors A + B =  
0 2 1 7 0 1 7 2 2

1.2.2 Propriétés de l’addition

Pour A, B et C des matrices de type (p, q) on a :

1) A + B = B + A (Commutativité).

2) (A + B) + C = A + (B + C) (Associativité).

3) A + 0pq = 0pq + A = A où 0pq est la matrice nulle.

4) A + (−A) = 0pq où −A = (−aij ).

1.2.3 Multiplication par un scalaire

Soit A = (aij ) et λ ∈ IK, on définit :

Enseignant: Aribou Youssef page 6
CHAPITRE 1. CALCUL MATRICIEL

 
λa11 λa12 · · · λa1q
 
 
λa21 λa22 ··· λa2q 
λA =  . = (λaij )
 
 . .. .. .. 
 . . . . 

 
λap1 λap2 · · · λapq

Exemple 1.2.2
   
Si A = 2 7 8 Alors 3A = 6 21 24

Propriétés 1
Cette multiplication vérifie :
Pour A et B des matrices de type (p, q), λ et µ de IK :

1) λ(A + B) = λA + λB

2) (λ + µ)A = λA + µA

3) λ(µA) = (λµ)A

4) 1A = A

1.2.4 Multiplication des matrices

Soit A = (aij ) une matrice de type (p, q) et B = (bkl ) une matrice de type (r, s), alors le produit
AB (dans cet ordre) n’est défini que si (q = r) , et est la matrice C = (cil ) de type (p, s) dont les
j=q
X
éléments cil = aij bjl .
j=1
On peut écrire le coefficient de façon plus développée, à savoir :

cil = ai1 b1l + ai2 b2l + · · · + aij bjl + · · · + aiq bql

Il est commode de  disposer 

les calculs de la façon suivante :
×
 
 
 × 
 ←− B
 


 × 

 
×
  
|
  
  
  | 
A −→   ←− AB
  


 × × × × 
 − −

cij 

  

Avec cette disposition on considère d’abord la ligne de la matrice A située à gauche du coefficient que
Enseignant: Aribou Youssef page 7
CHAPITRE 1. CALCUL MATRICIEL

l’on veut calculer ( ligne représentée par des × dans A) et aussi la colone de la matrice B située
au-dessus du coefficient que l’on veut calculer (colonne représentée par des × dans B). On calcule
le produit du premier coefficient de la ligne par le premier coefficient de la colonne (ai1 × b1j ), que
l’on ajoute au produit du deuxième coefficient de la ligne par le deuxième coefficient de la colonne
(ai2 × b2j ), que l’on ajoute au produit du troisième...

Exemple 1.2.3

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

alors  
3(1) + 2(5) + (−1)(6) 3(0) + 2(3) + (−1)(4) 3(2) + 2(1) + (−1)(2)
AB =  
0(1) + 4(5) + 6(6) 0(0) + 4(3) + 6(4) 0(2) + 4(1) + 6(2)

Donc  
7 2 6
AB =  
56 36 16

1.2.5 Propriétés du produit matriciel

Le produit matriciel vérifie les propriétés suivantes :

1) λ(AB) = (λA)B, λ ∈ IK

2) A(BC) = (AB)C

3) (A + B)C = AC + BC

4) C(A + B) = CA + CB

Pour vu que les produits qui figurent dans les expressions soient définis.

Remarque 1.2.1
1) La multiplication matricielle n’est pas en général commutative c.à.d AB 6= BA ! ! !.

2) La simplification n’est pas vraie en général, c.à.d AB = O n’entraîne pas, nécessairement

A = O ou B = O ! ! !.

3) Une matrice carrée A est inversible s’il existe B telle que AB = BA = I.

Enseignant: Aribou Youssef page 8

CHAPITRE 1. CALCUL MATRICIEL

Exemple 
1.2.4       
1 0 0 1  0 1 0 0 
1) A =   et B =   , alors AB =   et BA =  
0 0 1 0 0 0 1 0
     
1 1 −1 1 0 0 
2) A =   6= O et B =   6= O , et pourtant AB =  =O
2 2 1 −1 0 0

1.2.6 Matrices carrées particulières

 
a11 0 ··· 0 
 ..
 0 a22 0 · · · .
 

1) Une matrice du type   c’est à dire aij = 0 pour i 6= j est appelée
 . ..
 ..

 . 0 

 
0 ··· 0 ann
matrice diagonale.
 
a11
 
 
 0 a22 
2) Une matrice du type   Ou
 
.. .. ..

 . . . 

 
0 ··· 0 ann
 
a11 0 ··· 0 
 .. ..

 a22 . .


  est appelée matrice triangulaire.
 .. 

 . 0 

 
ann
La première vérifie aij = 0 pour i > j est appelée matrice triangulaire supérieure et la
seconde vérifie aij = 0 pour i < j est appelée matrice triangulaire inférieure.

1.3 Autres opérations sur les matrices, matrices particulières

Définition 1.1
On appel transposée d’une matrice A ∈ Mn,p (IK), notée AT et définie par

AT (i, j) = A(j, i), ∀1 ≤ i ≤ n, 1 ≤ j ≤ p.

Une matrice vérifiant AT = A (nécessairement carrée) est dite symétrique. Une matrice vérifiant
AT = −A (nécessairement carrée) est dite antisymétrique.

En d’autre termes, la matrice transposé est obtenue en échangant les lignes et les colonnes de la
matrice A.

Enseignant: Aribou Youssef page 9

CHAPITRE 1. CALCUL MATRICIEL

Exemple 1.3.1  
 3 0
 
3 2 −1
 Alors AT = 
 
Si A =   2 4

0 4 6  
−1 6
Proposition 1.1
L’opération de transposition obéit aux règles suivantes :

1) On a toujours (AT )T = A.

2) Si A et B sont deux matrices de même taille, alors (A + B)T = AT + B T

3) Lorsque A ∈ Mn,p (IK) et B ∈ Mp,q (IK) alors (AB)T = B T .AT

Démonstration.
On montre que le troisième point, les deux premiers sont évidents.
Observons que (AB)T ∈ Mq,n (IK). Si i et j verifiant 1 ≤ i ≤ q et 1 ≤ j ≤ n, on a

k=p
X k=p
X
T
(AB) (i, j) = AB(j, i) = A(j, k)B(k, i) = B T (i, k)AT (k, j) = (B T AT )(i, j)
k=1 k=1

ce qui montre l’égalité annoncée.

Définition 1.2
Si A est une matrice carrée de taille (n, n), on définit la trace de A par

k=n
X
T r(A) = a(i, i)
i=1

Les termes du type (i, i), 1 ≤ i ≤ n, sont appelées les éléments diagonaux de A et on dit que la
trace est la somme des éléments diagonaux. On remarquera que la trace transposée d’une matrice est
égale à la trace de cette matrice. Une propriété importante de la trace est la suivante :

Proposition 1.2
Si A ∈ Mn,p (IK) et B ∈ Mp,n (IK) alors

T r(AB) = T r(BA)

Démonstration.
p
X
On a (AB)(i, i) = A(i, j)B(j, i). En sommant sur i, On obtient
j=1

X p
n X p X
X n p
X
T r(AB) = A(i, j)B(j, i) = B(j, i)A(i, j) = (BA)(j, j)
i=1 j=1 j=1 i=1 j=1

Enseignant: Aribou Youssef page 10

CHAPITRE 1. CALCUL MATRICIEL

Lorsque A est une matrice carrée, on définit les puissances successives de A par récurrence :

A1 = A, Ak+1 = A.Ak = Ak .A, k ≥ 2.

A est nilpotente s’il existe k ∈ IN tel que Ak = 0.

Il existe deux matrices particulières que l’on rencontrera souvent.

• La matrice nulle de Mn,p est composée uniquement de 0. On vérifie immediatement que l’addition
d’une matrice A et la matrice nulle de même taille donne la matrice A et que la multiplication
par une matrice nulle donne une autre matrice nulle. La matrice nulle de Mn,p sera toujours
notée 0n,p .

• La matrice identité de Mn , notée In , est composée de 0 sauf sur la diagonale où ne figure que
des 1.
Par exemple, si n = 3

 
1 0 0
 
I3 = 
0 1 0

 
0 0 1

On vérifie assez facilement que si A ∈ Mp,n et B ∈ Mn,q alors

A.In = A, In .B = B.

•   diagonale de Mn (IK) a tous ses termes non diagonaux nuls. Par exemple D3 =
Une matrice

7 0 0
 
0 1 0 est une matrice diagonale.
 
 
0 0 2

1.4 Formule du binôme de Newton

Comme la multiplication n’est pas commutative, les identités binomiales usuelles sont fausses. En
particulier, (A + B)2 ne vaut en général pas A2 + 2AB + B 2 , mais on sait seulement que

(A + B)2 = A2 + AB + BA + B 2 .

Proposition 1.3
Soient A et B deux éléments de Mn (IK) qui commutent, c’est-à-dire tels que AB = BA. Alors, pour
Enseignant: Aribou Youssef page 11
CHAPITRE 1. CALCUL MATRICIEL

tout entier p ≥ 0, on a la formule

p
X
(A + B)p = Cpk Ap−k B k
k=0

p!
où Cpk désigne le coefficient du binôme (Cpk = ).
k!(p − k)!
Exemple1.4.1   
1 1 1 1 0 1 1 1
   
   
0 1 2 1
 0 0 2 1
Soit A =   On pose N = A − I =   La matrice N est nilpotente, comme le
  
0 0 1 3 0 0 0 3
  

   
0 0 0 1 0 0 0 0
montrent
 les calculssuivants 
:   
0 0 2 4 0 0 0 6 0 0 0 0
     
     
0 0 0 6
 0 0 0 0
 0 0 0 0
2
N = 3 4
, N =   et N = 
   

0 0 0 0 0 0 0 0 0 0 0 0
    

     
0 0 0 0 0 0 0 0 0 0 0 0
Comme on a A = I + N et les matrices N et I commutent (la matrice identité commute avec toutes
les matrices), on peut appliquer la formule du binôme de Newton. On utilise que I k = I pour tout k
et surtout que N k = 0 si k ≥ 4. On obtient
p 3
X X p(p − 1) 2 p(p − 1)(p − 2) 3
Ap = (I + N )p = Cpk I p−k N k = Cpk N k = I + pN + N + N .
k=0 k=0
2! 3!
D’où

 
1 p p2 p(p2 − p + 1)
 
 
p
0 1 2p p(3p − 2) 
∀p ∈ IN, N = 
 

0 0 1 3p
 

 
0 0 0 1

1.5 Inverse d’une matrice

Définition 1.3
Une matrice A ∈ Mn est dite inversible s’il existe une matrice B ∈ Mn telle que

AB = BA = In

On peut montrer que cette matrice B est unique et on la note A−1 .

Enseignant: Aribou Youssef page 12

CHAPITRE 1. CALCUL MATRICIEL

Remarque 1.5.1

1) L’unicité de la matrice B dans la définition précédente se vérifie facilement. Si C est une matrice
vérifiant également les égalités AC = CA = In , en utilisant les propriétés de B :

C = CIn = C(AB) = (CA)B = In B = B,

ce qui justifie cette unicité.

2) La matrice inverse de A−1 est nécessairement A car AA−1 = A−1 A = In . Ainsi (A−1 )−1 = A.

3) On peut montrer que si une matrice B ∈ Mn vérifie BA = In , alors l’égalité AB = In est aussi
vérifiée ( et donc B est l’inverse de A). Cette propriété est un peu plus délicate à justifier et sera
admise. On retiendra que l’une des égalités AB = In ou BA = In suffit à affirmer que A et B
sont inverses l’une de l’autre.

4) Toutes les matrices carrées ne sont pas inversibles. Par exemple la matrice nulle ne l’est pas. On
verra une critère permettant de vérifier si une matrice carrée est inversible lorsqu’on intrroduira
le déterminant.
 
a b 
Formule de l’inverse d’une matrice de taille (2,2). On pourra vérifier que si A =  
c d
vérifie ad − bc 6= 0, alors A est inversible et

 
1 d −b
A−1 =
ad − bc −c
 
a

Proposition 1.4
Soient A et B deux matrices carrées de même taille et inversibles et λ ∈ IK∗ .
On a les propriétés suivantes :

1) Les produits AB et λA sont inversibles et on a

1 −1
(AB)−1 = B −1 A−1 , (λA)−1 = A .
λ

2) AT est également inversible et on a l’égalité

(AT )−1 = (A−1 )T .

Enseignant: Aribou Youssef page 13
CHAPITRE 1. CALCUL MATRICIEL

3) Les puissances de A sont inversibles et leurs invrerses sont donnés par

(Ak )−1 = (A−1 )k

Exemple1.5.1  
1 2  a b
Soit A =   . Étudier si A est inversible, c’est étudier l’existence d’une matrice B =   à
0 3 c d
coefficients dans IK telle que AB = I et BA = I. Or AB = I est équivaut à :
        
1 2 a b  1 0 a + 2c b + 2d 1 0
AB = I ⇐⇒   =  ⇐⇒  = 
0 3 c d 0 1 3c 3d 0 1

Cette égalité équivaut au système :


a + 2c = 1









b + 2d = 0






 3c = 0




3d = 1


Sa résolution est

immédiate

: a = 1, b = − 23 , c = 0, d = 13 . Il n’y a donc qu’une seule matrice possible,
2
1 − 3 
à savoir B =  . Pour prouver qu’elle convient, il faut aussi montrer l’égalité BA = I, dont
0 13
 
2
1 − 3 
la vérification est laissée au lecteur. La matrice A est donc inversible et A−1 =  
1
0 3

Exemple 1.5.2    
3 0  a b 
La matrice A =   n’est pas inversible. En effet, soit B =   une matrice quelconque.
5 0 c d
Alors le produit     
a b  3 0  3a + 5b 0
BA =   = 
c d 5 0 3c + 5d 0

ne peut jamais être égal à la matrice identité.

Exemple 1.5.3
- Soit In la matrice carrée identité de taille n × n. C’est une matrice inversible, et son inverse est
elle-même (car In In = In ).
- La matrice nulle On de taille n × n n’est pas inversible. En effet on sait que, pour toute matrice B
Enseignant: Aribou Youssef page 14
CHAPITRE 1. CALCUL MATRICIEL

de Mn (IK), on a BOn = On , qui ne peut jamais être la matrice identité.

1.6 Inversion de Matrices. Pivot de Gauss

Définition 1.4 (Matrice sous forme échelonnée réduite )

Une matrice est dite sous forme échelonnée si :
- Le nombre de coefficients nuls commençant une ligne croît strictement ligne après ligne.
elle est échelonnée réduite si en plus :
- Le premier coefficient non nul d’une ligne vaut 1.
- Et c’est le seul élément non nul de sa colonne.

Définition 1.5
On appel opération élémentaire l’opération effectuée sur les lignes d’une matrice d’un des trois types
suivantes :

1) Multiplier une ligne par une constante non nulle.

2) Permuter deux lignes.

3) Ajouter un multiple d’une ligne à une autre.

Remarque 1.6.1
Ces opérations sont précisément celles utilisées dans l’algorithme de Gauss.

Définition 1.6 (matrice élémentaire)

La matrice E : m×m est une matrice élémentaire si elle résulte d’une unique opération élémentaire
effectuée sur les lignes de la matrice Im .
Il existe donc trois types de matrices élémentaires, correspondants aux trois types d’opérations
élémentaires.

Notation et interprétation :

1) Ei (a) : multiplier la i-ème ligne de la matrice identité par a, ∀a 6= 0.

2) Ei,j : permuter les lignes i et j de la matrice identité.

3) Ei,j (c) : ajouter c fois la j-ème de la ligne matrice identité à la i-ème.

Dans cette notation l’ordre m de la matrice élémentaire est sous-entendu.

Enseignant: Aribou Youssef page 15

CHAPITRE 1. CALCUL MATRICIEL

Exemple 1.6.1
Pour m =
 4 on a     
1 0 0 0 1 0 0 0 1 0 0 0
     
     
0 9 0 0
 0 0 0 1
 0 1 0 4
E2 (9) =   E2,4 =   E2,4 (4) = 
   

0 0 1 0 0 0 1 0 0 0 1 0
    

     
0 0 0 1 0 1 0 0 0 0 0 1
Théorème 1.1
Soit A une matrice quelconque de taille m×n et E une matrice élémentaire (de taille m×m) résultant
d’une certaine opération élémentaire éffectuée sur les lignes de Im . Alors la matrice EA est résultat
de la même opération élémentaire appliquée aux lignes de A.

Démonstration.
Découle de l’interprétation du produit matriciel : la i-ème ligne de EA est une combinaison linéaire
des lignes de A avec coefficients provenant de la ligne i de E ; Or ces coefficients décrivent précisément
l’opération élémentaire en question.

Exemple 1.6.2 1) A : 2 × 2,  
 
7 0 a11 a12  7a11 7a12 
E1 (7)A =   = 
0 1 a21 a22 a21 a22

2) A : 3 × 
2,    
0 0 1 a11 a12  a31 a32 
    
E1,3 A = 
0 1 0 a21 a22  = a21 a22 
   
    
1 0 0 a31 a32 a11 a12

3) A : 3 × 2,     
1 0 −3 a11 a12  a11 − 3a31 a12 − 3a32 
    
E1,3 (−3)A = 
0 1 0  a21 a22  = 
   a21 a22 

    
1 0 0 a31 a32 a11 a12
Théorème 1.2
Toute matrice élémentaire est inversible, et on a :

1) [Ei (a)]−1 = Ei ( a1 ), ∀a 6= 0

2) [Eij ]−1 = Eij

3) [Eij (c)]−1 = Eij (−c)

Démonstration.
Soit E une matrice élémentaire quelconque et E0 la matrice définie comme matrice inverse de E dans
le théorème. E0 est toujours définie et on vérifie que EE0 = I = E0 E. En effet E0 décrit l’opération
élémentaire inverse de celle décrite par E, précisément celle qui appliquée à E redonne I.
Enseignant: Aribou Youssef page 16
CHAPITRE 1. CALCUL MATRICIEL

1.6.1 Inverser une Matrice. en utilisant la méthode du Pivot de Gauss

La méthode pour inverser une matrice A (lorsque bien sûre A est inversible) consiste à faire des
opérations élémentaires sur les lignes de la matrice A jusqu’à la transformer en la matrice identité I.
On fait simultanément les mêmes opérations élémentaires en partant de la matrice I. On aboutit alors
à une matrice qui est A−1 .
En pratique, on fait les deux opérations en même temps en adoptant la disposition suivante :
à côté de la matrice A que l’on veut inverser, on rajoute la matrice identité pour former un tableau
(A|I). Sur les lignes de cette matrice augmentée, on effectue des opérations élémentaires jusqu’à
obtenir le tableau (I|B). Et alors B = A−1 .
N’oubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmentée, vous devez
aussi le faire sur la partie droite.

1.6.2 Exemple

a. Cas d’une matriceinversible

1 0 2 
 
Calculons l’inverse de A = 
2 −1 3

 
4 1 8

Voici la matrice augmentée, avec les lignes numérotées :

 
1 0 2 1 0 0 L1
 
(A|I) = 
2 −1 3  L2
0 1 0
 
4 1 8 0 0 1 L3

On applique la méthode de Gauss pour faire apparaître des 0 sur la première colonne, d’abord sur la
deuxième ligne par l’opération élémentaire L2 ←− L2 − 2L1 qui conduit à la matrice augmentée :

 
1 0 2 1 0 0
 
0 −1 −1 −2 1 0
  L2 ←− L2 − 2L1
 
4 1 8 0 0 1

Puis un 0 sur la première colonne, à la troisième ligne, avec L3 ←− L3 − 4L1 :

 
1 0 2 1 0 0
 
0 −1 −1 −2 1 0
 
 
0 1 0 −4 0 1 L3 ←− L3 − 4L1

On continue afin de faire apparaître des 0 partout sous la diagonale, en remplaçant la ligne L3 par
Enseignant: Aribou Youssef page 17
CHAPITRE 1. CALCUL MATRICIEL

L3 + L2 . Ce qui termine la première partie de la méthode de Gauss :

 
1 0 2 1
0 0
 
0 −1 −1 −2 1 0
 
 
0 0 −1 −6 1 1 L3 ←− L3 + L2

Il ne reste plus qu’à "remonter" pour faire apparaître des zéros au-dessus de la diagonale :

 
1 0 0 −11 2 2 L1 ←− L1 + 2L3
 
0 −1 −1 −2 1 0
 
 
0 0 −1 −6 1 1
 
1 0 0 −11 2 2
 
0
 −1 0 4  L2 ←− L2 − L3
0 −1
 
0 0 −1 −6 1 1
 
1 0 0 −11 2 2
 
0 1
 0 −4 0 1 L2 ←− −L2
 
0 0 −1 −6 1 1
 
1 0 0 −11 2 2
 
0 1
 0 −4 0 1

 
0 0 1 6 −1 −1 L3 ←− −L3
 
−11 2 2
A−1
 
Ainsi l’inverse de A est la matrice obtenue à droite : =
 −4 0 1

 
6 −1 −1
Mais encore :
E3 (−1)E2 (−1)E2,3 (−1)E1,3 (2)E3,2 (1)E3,1 (−4)E2,1 (−2)A = I3

et
E3 (−1)E2 (−1)E2,3 (−1)E1,3 (2)E3,2 (1)E3,1 (−4)E2,1 (−2)I3 = A−1

donc aussi pour la matrice A elle-même, en appliquant les règles pour l’inverse d’un produit de matrices
inversibles
A = E2,1 (2)E3,1 (4)E3,2 (−1)E1,3 (−2)E2,3 (1)E2 (−1)E3 (−1)

Pour se rassurer sur ses calculs, on n’oublie pas de vérifier rapidement que A × A−1 = I

Enseignant: Aribou Youssef page 18

CHAPITRE 1. CALCUL MATRICIEL

b. Cas d’une matrice n’est pas inversible

 
1 4 6
 
A=
2 −3 0

 
4 5 12
Voici la 
matrice augmentée, avecles lignes numérotées :
1 4 6 1 0 0 L1
 
(A|I) = 
2 −3 0  L2
0 1 0
 
4 5 12 0 0 1 L3

 
1 4 6 1 0 0
 
0 −11 −12 −2 1 0
  L2 ←− L2 − 2L1
 
0 −11 −12 −4 0 1 L3 ←− L3 − 4L1

 
1 4 6 1 0 0
 
12 2 1
0 1 11 11 − 11 0
 L2 ←− − 1 L2
 

11
0 −11 −12 −4 0 1
 
1 4 6 1 0 0
 
12 2 1
0 1
 11 11 − 11 0

 
0 0 0 −2 −1 1 L3 ←− L3 + 11L2
 
18 3 4
1 0 11 11 11 0 L1 ←− L1 − 4L2
 
12 2 1 = (R|X)
0 1
 11 11 − 11 0

 
0 0 0 −2 −1 1

On conclut que A n’est pas inversible, puisque R 6= I.

Néanmoins, on a
XA = R et A = X −1 R

avec
1
X = E1,2 (−4)E3,2 (11)E2 (− )E3,1 (−4)E2,1 (−2)
11

X −1 = E2,1 (2)E3,1 (4)E2 (−11)E3,2 (−11)E1,2 (4)

Enseignant: Aribou Youssef page 19

CHAPITRE 1. CALCUL MATRICIEL

1.6.3 Décomposition LU

La suite d’opérations effectuées par l’algorithme de Gauss pour échelonner et réduire une matrice
A s’écrit, de manière générale, comme le produit matriciel

Ek · · · Ei+1 Ei · · · E1 A = R

où R est la matrice échelonnée réduite obtenue, les matrices E1 · · · Ei sont les matrices élémentaires
correspondant aux opérations successives de la phase "échelonner" de l’algorithme, et les matrices
Ei+1 · · · Ek celles de la phase "réduire".
On supposera dans ce qui suit qu’on n’a pas dû faire de permutations de lignes au cours de la
phase "échelonner". On remarque qu’alors les matrices E1 · · · Ei sont toutes des matrices triangulaires
inférieures, et les matrices Ei+1 · · · Ek des matrices triangulaires supérieures.
On a donc
A = −1
E1−1 · · · Ei−1 Ei+1 · · · Ek−1 R
−1
A = (E1−1 · · · Ei−1 )(Ei+1 · · · Ek−1 )R
A = LU R

où L, produit de matrices triangulaires inférieures, est une matrice triangulaire inférieure, et U une
matrice triangulaire supérieure.
Si A est une matrice carrée, alors R est une matrice triangulaire supérieure et U 0 = U R est encore
triangulaire supérieure et on obtient ainsi une factorisation de A de la forme A = LU 0 produit d’une
matrice triangulaire inférieure par une triangulaire supérieure.
En particulier si A est inversible on a R = I et donc directement A = LU .

Exemple 1.6.3  
1 0 2
 
Dans l’exemple précédent (A = 
2 −1 3) on a obtenu

 
4 1 8

(E3 (−1)E2 (−1)E2,3 (−1)E1,3 (2))(E3,2 (1)E3,1 (−4)E2,1 (−2))A = I3

Soit
A = (E2,1 (2)E3,1 (4)E3,2 (−1))(E1,3 (−2)E2,3 (1)E2 (−1)E3 (−1))
   
1 0 0 1 0 0 1 0 0
   
Avec L = 
2 1 0 0 1 0 0
  1 0

   
0 0 1 4 0 1 0 −1 1
Enseignant: Aribou Youssef page 20
CHAPITRE 1. CALCUL MATRICIEL
 
1 0 0
 
L=
2 1 0

 
4 −1 1
    
1 0 −2 1 0 0 1 0 0 1 0 0
    
et U = 
0 1 0  0 1 1 0 −1 0 0 1
   0

    
0 0 1 0 0 1 0 0 1 0 0 −1
 
1 0 2
−1 de la forme A−1 = U −1 L−1 avec
 
0 −1 −1 On a de même une décomposition de A
U = 
 
0 0 −1

   
1 0 2  1 0 0
U −1 =  −1
   
0 −1  et L = −2 1 0
1  
   
0 0 −1 −6 1 1

1.7 Systèmes linéaires

1.7.1 Matrices et systèmes linéaires

Le système linéaire 
a11 x1 + a12 x2 + · · · + a1q xp = b1








a x + a x + · · · + a x = b


21 1 22 2 2q p 2




 ···




ap1 x1 + ap2 x2 + · · · + apq xp = bp


peut s’écrire sous forme matricielle :

    
a11 a12 · · · a1q x1 b
     1
    
a21 a22 · · · a2q 
 x2  b2 
   
= 

 . ..  
. .

 .
 . .   ..   .. 
    
ap1 ap2 · · · apq xp bp
| {z } | {z } | {z }
A X B

On appelle A ∈ Mpq (IK) la matrice des coefficients du système. B ∈ Mp1 (IK) est le vecteur du second
membre. Le vecteur X ∈ Mp1 (IK) est une solution du système si et seulement si

AX = B.

Nous savons que :

Enseignant: Aribou Youssef page 21
CHAPITRE 1. CALCUL MATRICIEL

Théorème 1.3
Un système d’équations linéaires n’a soit aucune solution, soit une seule solution, soit une infinité de
solutions.

1.7.2 Matrices inversibles et systèmes linéaires

Considérons le cas où le nombre d’équations égale le nombre d’inconnues :

    
a11 a12 · · · a1n x1 b1
    
    
 a21 a22 ··· a2n 
  x2   b2 
   
= 

 . ..  
 .  .

 .
 . .   ..   .. 
    
an1 an2 · · · ann xn bn
| {z } | {z } | {z }
A X B

Proposition 1.5
Si la matrice A est inversible, alors la solution du système AX = B est unique et est :

X = A−1 B

La preuve est juste de vérifier que si X = A−1 B, alors

AX = A(A−1 B) = (AA−1 )B = IB = B.
Réciproquement si AX = B, alors nécessairement X = A−1 B. Nous verrons bientôt que si la matrice
n’est pas inversible, alors soit il n’y a pas de solution, soit une infinité.

Corollaire 1.1
Les assertions suivantes sont équivalentes :
(i) La matrice A est inversible.   
0
  0
. .
(ii) Le système linéaire AX =  . .
 .  a une unique solution X =  . .
   
0 0
(iii) Pour tout second membre B, le système linéaire AX = B a une unique solution X.

Démonstration.
Nous avons déjà vu (i) ⇒ (ii) et (i) ⇒ (iii).
Nous allons seulement montrer (ii) ⇒ (i). Nous raisonnons par contraposée : nous allons montrer la
proposition équivalente non(i) ⇒ non(ii). Si A n’est pas inversible, alors sa forme échelonnée réduite
U contient un premier zéro sur sa diagonale, disons à la place l. Alors R à la forme suivante :
Enseignant: Aribou Youssef page 22
CHAPITRE 1. CALCUL MATRICIEL
 
1 0 ... c1 ∗ · · · ∗
 .. .. 
0
 . 0 . · · · ∗

 
· · · ∗
 
0
 0 1 cl−1 
 
0
 ··· 0 0 ∗ · · · ∗

 
0 ··· 0 0 ∗ · · · ∗
 
 
. .. .. . . .. 
 .. . . ··· 0 . .
 
 
0 ··· ··· 0 ∗
Choisissons  
  −c1
  ..



 .
 
−cl−1 
 
 
 
X= 1 


 
 0 
 
 
 . 
 .. 
 
 
0

Alors X n’est pas nul, mais RX est nul. comme A = E −1 R, alors AX est nul.
Nous avons donc trouvé X non nul tel que AX = 0.

1.8 Déterminants

1.8.1 Déterminant d’ordre 2

 
a11 a12 a11 a12 
Le symbole est appelé déterminant d’ordre 2 de la matrice A =   et est défini
a21 a22 a21 a22

a11 a12
par detA = = a11 a22 − a12 a21
a21 a22

Exemple 1.8.1
1 3 2 4 3 1 1 2
= 4 − 6 = −2, = 6 − 4 = 2, 6 − 4 = 2, = 4 − 6 = −2
2 4 1 3 4 2 3 4
On constate alors que :

1) Si deux rangées (ou deux colonnes) d’un déterminant sont permutées sa valeur est multiplié par
−1.

2) detA = detAT , d’où la valeur d’un déterminant est conservée lorsque l’on échange les colonnes
et les lignes (dans le même ordre).

Enseignant: Aribou Youssef page 23

CHAPITRE 1. CALCUL MATRICIEL

1.8.2 Déterminant d’ordre 3

1.8.2.1 Propriétés et exemples

 
a11 a12 a13 
 
Soit A = 
a21 a22 a23  , on définit

 
a31 a32 a33
a11 a12 a13
a22 a23 a12 a13 a12 a13
detA = a21 a22 a23 = a11 −a21 +a31
a32 a33 a32 a33 a22 a23
a31 a32 a33 | {z } | {z } | {z }
mineur de a11 mineur de a21 mineur de a31

Exemple 1.8.2
1 3 0
6 4 3 0 3 0
detA = 2 6 4 =1 −2 −1 = 12 − 12 − 12 = −12
0 2 0 2 6 4
−1 0 2
Le cofacteur de l’élément de detA de la i ème
ligne et la k ème colonne égale à (−1)i+k fois le mineur
de cet élément (c.à.d le déterminant d’ordre 2 obtenue en supprimant la ième ligne et la k ème colonne).

a11 a11
Remarque 1.8.1 1) Le cofacteur de a22 est (−1)2+2 .
a31 a33

+ − +
2) Les signes (−1)i+j forment la table suivante − + −.
+ − +

3) On remarque que l’on peut écrire detA sous la forme :

detA = a11 C11 + a21 C21 + a31 C31 où Ci1 est le cofacteur de ai1 dans detA (pour i = 1 · · · 3).

4) Le déterminant de A, detA, peut être developpé suivant n’importe quelle ligne ou colonne, c’est
à dire, qu’il peut être écrit sous la forme d’une somme de trois éléments de n’importe quelle ligne
( ou colonne), chacun multiplié par son cofacteur.

Exemple 1.8.3
Développement suivant la deuxième ligne :
a12 a13 a11 a13 a11 a12
detA = −a21 + a22 − a23
a32 a33 a31 a33 a31 a32

Proposition 1.6
Enseignant: Aribou Youssef page 24
CHAPITRE 1. CALCUL MATRICIEL

1) Si tous les éléments d’une ligne (ou d’une colonne) d’un déterminant sont multipliés par une
constante k, la valeur du nouveau déterminant est k fois la valeur du déterminant initialial (cette
propriété peut être utilisée pour simplifier un déterminant).

2) Si tout les éléments d’une ligne (colonne) d’un déterminant sont nuls, la valeur du déterminant
est nulle.

3) Si chaque élément d’une ligne (ou colonne) d’un déterminant est exprimé sous la forme d’un
binôme, le déterminant peut écrit comme somme de deux déterminants.

4) Si deux lignes (ou colonnes) d’un déterminant sont proportionnelles, la valeur du déterminant
est nulle.

5) La valeur d’un déterminant est conservée si l’on ajoute à une ligne ( ou à une colonne) une
combinaison des autres lignes (ou colonnes)

Exemple 1.8.4
1 3 0 1 3 0 1 3 0 1 3(1) 0 1 1 0
1) 2 6 4 = 2(1) 2(3) 2(2) = 2 1 3 2 = 2 1 3(1) 2 = 6 1 1 2 =
−1 0 2 −1 0 2 −1 0 2 −1 3(0) 2 −1 1 2
1 1 0
12 1 1 1 = −12
−1 1 1

a1 + d1 b1 c1 a1 b1 c1 d1 b1 c1
2) a2 + d2 b2 c2 = a2 b2 c2 = d2 b2 c2
a3 + d3 b3 c3 a3 b3 c3 d3 b3 c3

1 2 2
3) 1 2 3 = 0
1 2 1

1 1 0 1 1 0
C1←−C1 +C3
4) 1 1 1 = 2 1 1 = −1
−1 0 1 0 0 1
Cette dernière propriété permet de simplifier énormément les calculs, elle permet de réduire le
calcul d’un déterminant d’ordre 3 au calcul d’un seul déterminant d’ordre 2.

3 −1 2 0 −1 2
C1←−C1 +C2 −C3 −1 2
5) 6 −2 4 = 0 −2 4 = 5 = 5(−4 + 4)
−2 4
1 7 3 5 7 3
Enseignant: Aribou Youssef page 25
CHAPITRE 1. CALCUL MATRICIEL

Remarque 1.8.2
La ligne (ou colonne) dans lequelle seront effectués les calculs ne doit pas être multipliée par des
scalaires. La multiplication par un scalaire λ reviendrait à multiplier le déterminant par λ.

Exemple 1.8.5
1 2 L ←−2L −L 0 2 1 2
−−1−−−−−
1 2
−−→ = −2, alors que = −1
2 3 1 3 2 3

1.8.2.2 La méthode de Sarrus pour calculer les déterminants des matrices d’ordre 3 :

Soit  
a11 a12 a13 
 
A=
a21 a22 a23  .

 
a31 a32 a33

La méthode de Sarrus consiste à recopier les deux premieres lignes de la matrice A sous la matrice :

a11 a12 a13

a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23

On effectue ensuite les produits de chaque diagonal. Chaque produit est muni du signe − s’il est calculé
le long d’une diagonale ascendante et de signe + sinon. Le déterminant est obtenue en effectuant la
somme des six produits.
+ a11 a12 a13 a11 a12 a13
+ a21 a22 a23 a21 a22 a23
+ a31 a32 a33 et − a31 a32 a33
a11 a12 a13 − a11 a12 a13
a21 a22 a23 − a21 a22 a23

Alors detA = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a21 a12 a33

Exemple 1.8.6
Enseignant: Aribou Youssef page 26
CHAPITRE 1. CALCUL MATRICIEL

1 1 2
 
 1 1 2 −1 2 3
 
M =
−1 2  ,→ 5
3 −2 3
 
5 −2 3 1 1 2
−1 2 3

ce qui donne :
detM = 1 × 2 × 3 + (−1) × (−2) × 2 + 5 × 1 × 3 − (5 × 2 × 2 + 1 × (−2) × 3 + (−1) × 1 × 3) = 14.

1.8.3 Déterminant d’ordre n

a11 a12 · · · a1n
a21 a22 · · · a2n
Le symbole .. .. est appelé déterminant d’ordre n de la matrice
. .
an1 an2 · · · ann
 
a11 a12 · · · a1n
 
 
 a21 a22 ··· a2n 
A= . .
 
 . .. 
 . . 

 
an1 an2 · · · ann
Pour n = 1, ça signifie a11 .
Pour n ≥ 2, ça signifie la somme des produits des éléments de n’importe quelle ligne ou colnne par
leurs cofacteurs respectifs c’est à dire
a11 a12 · · · a1n
a21 a22 · · · a2n
.. .. = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin (i = 1; 2; · · · ou n)
. .
an1 an2 · · · ann

ou

a11 a12 · · · a1n

a21 a22 · · · a2n
.. .. = a1k C1k + a2k C2k + · · · + ank Cnk (k = 1; 2; · · · ou n)
. .
an1 an2 · · · ann
Le déterminant d’ordre n est alors défini en fonction de n déterminants d’ordre (n − 1), chacun est à
son tour, défini en fonction de (n − 1) déterminants d’ordre (n − 2) et ainsi de suite, finalement on
aboutit aux déterminants d’rdre 2.

Remarque 1.8.3
Enseignant: Aribou Youssef page 27
CHAPITRE 1. CALCUL MATRICIEL

Les propriétés de la proposition 1.6 restent valables pour un déterminant d’ordre n.

Pour calculer la valeur d’un déterminant, on développera suivant la ligne ou colonne où il y ale plus
de zéros.

Exemple 1.8.7
1 1 1 −3 0 1 1 −3
1 1 −3 1 C1 ←C1 +C2 +C3 +C4 0 1 −3 1
= =0
1 −3 1 1 0 −3 1 1
−3 1 1 1 0 1 1 1
sin2 α sin2 β sin2 γ 1 1 1
L1 ←L1 +L2
cos2 α cos2 β cos2 γ = cos2 α cos2 β cos2 γ = 0
1 1 1 1 1 1

Remarque 1.8.4

1) det(A + B) 6= detA + detB en général.

2) det(AB) = (detA)(detB)

3) det(A−1 ) = (detA)−1 .

1.8.4 Applications

1.8.4.1 Calcul de l’inverse d’une matrice carrée d’ordre n

On rappel qu’une matrice carrée d’ordre n A est inversible s’il existe B d’ordre n telle que
AB = BA = In .
Critère : A est inversible si et seulement si detA 6= 0.
Une fois assuré que A est inversible, on calcule son inverse à l’aide de la formule suivante :
A−1 = 1
detA (adjA) où (adjA) désigne l’adjoint classique de A c’est à dire la matrice (Cij )T où Cij
désigne la matrice des cofacteurs de A.

Exemple
 1.8.8 
2 3 −4
 
A=
0 −4 2

 
1 −1 5
2 3 −4 0 5 −14
L1 ←L1 −2L3 5 −14
detA = 0 −4 2 = 0 −4 2 = = −46 6= 0
−4 2
1 −1 5 1 −1 5
Alors A est inversible, déterminons les 9 cofacteurs de A :
Enseignant: Aribou Youssef page 28
CHAPITRE 1. CALCUL MATRICIEL

−4 2 0 2
C11 = = −18, C12 = − =2
−1 5 1 5

0 −4 3 −4
C13 = = 4, C21 = − = −11
1 −1 −1 5

2 −4 2 3
C22 = = 14, C23 = − =5
1 5 1 −1

3 −4 2 −4
C31 = = −10, C32 = − = −4
−4 2 0 2

2 3
C33 = = −8
0 −4
Alors  
−18 −11 −10
1 
A−1 = −

 2 14 −4 
46 



4 5 −8

1.8.4.2 Résolution de systèmes linéaires (Méthode de Cramer)

Un système d’équations, AX = b, où A est une matrice carrée d’ordre n, peut être résolu à l’aide
des déterminants,
 lorsque
 detA6= 0.

 x1   b1 
 .  . 1 1
. .
 .  et b =  . , alors xi = detA [C1i b1 + C2i b2 + · · · + Cni bn ] = detA detBi où Bi
Si on pose X = 
   
xn bn
ème
est la matrice obtenue en remplaçant la i colonne de A par b.

Exemple 1.8.9
Utiliser
 la méthode de Cramer pour résoudre le système :
  
 x1 + 3x3 = 2
 1 0 3




  
−x1 + 2x2 + 2x3 = 3 , on a A = 
−1 2 2


  

0 1 4



 x2 + 4x3 = 5

1 0 3 1 0 3
L2 ←L2 +L3
Alors detA = −1 2 2 = 0 2 5 =3
0 1 4 0 1 4
2 0 3 2 0 3
1 1 1
x1 = 3 3 2 2 = 3 −7 0 −6 = 3 [−(−12 + 21)] = −3
5 1 4 5 1 4
Enseignant: Aribou Youssef page 29
CHAPITRE 1. CALCUL MATRICIEL

1 2 3 1 2 3
1 1 5
x2 = 3 −1 3 2 = 3 0 5 5 = −3
0 5 4 0 5 4
1 0 2 1 0 2
1 1 5
x3 = 3 −1 2 3 = 3 0 2 5 = 3

0 1 5 0 1 5
Alors le système a une solution unique :

5 5
 
S = (−3, − , )
3 3

Remarque 1.8.5
La méthode de Gauss pour les systèmes et celle des matrices élémentaires pour le calcule de
l’inverse demeurent les plus efficaces.

Enseignant: Aribou Youssef page 30

Chapitre 2

Fonctions d’une variable réelle

Dans tout ce chapitre, on désigne par I un intervalle de IR , qui n’est ni vide ni réduit à un point,
et par x0 un point de I.

2.1 Généralités et rappels

Définition 2.1 (Fonction)

Une fonction f de IR dans IR est une correspondance entre les éléments de I et ceux de IR, qui à tout
élément de I associe au plus un élément de IR.
f est définie en x0 ∈ IR si f fait correspondre à x0 une et une seule valeur f (x0 ) réelle.
On note Df l’ensemble de définition de f et le graphe de f l’ensemble

Cf = {(x, f (x))|x ∈ Df }

On note :
f : Df ⊆ IR −→ IR

x 7−→ f (x)

Exemple 2.1.1
Df = IR∗ pour f : IR −→ IR définie par l’équation f (x) = 1/x.
On dit que f est :

1) Croissante, resp. décroissante sur I ssi, pour tout a, b dans I :

a ≤ b ⇒ f (a) ≤ f (b), resp. a ≤ b ⇒ f (a) ≥ f (b)

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2) strictement Croissante, resp. strictement décroissante sur I ssi, pour tout a, b dans I :

a < b ⇒ f (a) < f (b), resp. a < b ⇒ f (a) > f (b)

3) Monotone sur I ssi f est croissante ou décroissante sur I ;

4) Strictement monotone sur I ssi f est strictement croissante ou strictement décroissante sur
I;

5) Majorée par M , resp. minorée par m sur I ssi

∀x ∈ I, f (x) ≤ M resp. ∀x ∈ I, f (x) ≥ m

M est alors un majorant et m est un minorant de f sur I.

6) Bornée sur I ssi f est majorée et minorée sur I.

2.1.1 Parité et périodicité

1) f est paire si ∀x ∈ Df − x ∈ Df et f (−x) = f (x); alors le graphe de f est symétrique par

rapport à Oy.

2) f est impaire si ∀x ∈ Df − x ∈ Df et f (−x) = −f (x); alors le graphe de f est symétrique par

rapport à O.

3) f est périodique de période T si T est le plus petit réel strictement positif tel que f (x + T ) =
f (x) ∀x ∈ Df .

Conclusion 2.1.1
Suivant les parité et périodicité éventuelles de f , on l’étudiera sur Ef ⊆ Df . ( on appel Ef le domaine
d’étude de f )

2.1.2 Opérations sur les fonctions

Sur l’ensembles des fonctions de D ⊆ IR à valeurs dans IR, on définit la somme, le produit, le
quotient et la composée :

(f + g)(x) = f (x) + g(x), (f g)(x) = f (x)g(x),

1 1
( )(x) = si f (x) 6= 0
f f (x)
et si f (D) ⊆ D0 ⊆ IR avec g application de D0 dans IR :

(g ◦ f )(x) = g(f (x))

Enseignant: Aribou Youssef page 32

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

Exemple 2.1.2
√ √
Si f (x) = x2 + 1 et g(x) = x, alors (g ◦ f )(x) = x2 + 1 sur IR et (f ◦ g)(x) = x + 1 sur IR+ .
2.2 Limites d’une fonction

Définition 2.2 (Limite infinie quand x tend vers l’infini)

Soit f une fonction définie sur un intervalle [a, +∞[. On dit que f (x) tend vers +∞ quand x tend
vers +∞ lorsque pour x suffisamment grand, f (x) est aussi grand que l’on veut. On écrit alors
lim f (x) = +∞
x→+∞

Définition 2.3 (Limite finie quand x tend vers l’infini)

Soit f une fonction définie sur un intervalle [a, +∞[. On dit que f (x) tend vers l quand x tend
vers +∞ lorsque pour x suffisamment grand, f (x) est aussi proche de l que l’on veut. On écrit alors
lim f (x) = l
x→+∞

Remarque 2.2.1
On définit de façon similaire la limite lim f (x) = l
x→−∞

Définition 2.4 (Asymptote horizontale)

Si lim f (x) = l ou lim f (x) = l on dit que la droite d’équation y = l est asymptote horizontale
x→+∞ x→−∞
à la courbe représentative de la fonction f .

Définition 2.5 (Limite infinie quand x tend vers un réel)

Soit f une fonction définie sur un intervalle ]a, b[ (avec a < b).
On dit que f (x) tend vers +∞ quand x tend vers a par valeurs supérieures lorsque f (x) est aussi grand
que l’on veut quand x se rapproche de a en restant supérieur à a. On écrit alors lim f (x) = +∞ ou
x→a+
lim f (x) = +∞
x→a
x>a
De même, on dit que f (x) tend vers +∞ quand x tend vers à b par valeurs inférieures lorsque f (x)
est aussi grand que l’on veut quand x se rapproche de b en restant inférieur à b. On écrit alors
lim f (x) = +∞ ou lim f (x) = +∞
x→a− x→a
x<a
Enfin, si c ∈]a, b[ on dit que f (x) tend vers +∞ quand x tend vers à c si f (x) tend vers +∞ quand x
tend vers c par valeurs supérieures et par valeurs inférieures. On écrit alors lim f (x) = +∞
x→c

Définition 2.6 (Asymptote verticale)

Si lim f (x) = ±∞ ou lim f (x) = ±∞ ou lim f (x) = ±∞ on dit que la droite d’équation x = c est
x→c+ x→c− x→c
asymptote verticale à la courbe représentative de la fonction f .

Définition 2.7 (Limite finie quand x tend vers un réel)

Soit f une fonction définie sur un intervalle ]a, b[ (avec a < b).
On dit que f (x) tend vers l quand x tend vers a par valeurs supérieures lorsque f (x) se rapproche de
Enseignant: Aribou Youssef page 33
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

l quand x se rapproche de a en restant supérieur à a. On écrit alors lim f (x) = l ou lim f (x) = l
x→a+ x→a
x>a
De même, on dit que f (x) tend vers l quand x tend vers b par valeurs inférieures lorsque f (x) se
rapproche de l quand x se rapproche de b en restant inférieur à b. On écrit alors lim f (x) = l ou
x→b−
lim f (x) = l
x→b
x<b
Enfin, si c ∈]a, b[ on dit que f (x) tend vers l quand x tend vers c si f (x) tend vers l quand x tend
vers c par valeurs supérieures et par valeurs inférieures. On écrit alors lim f (x) = l
x→c

Définition 2.8 (Asymptote oblique)

Soit f une fonction et D la droite d’équation y = ax + b tel que :

lim [f (x) − (ax + b)] = 0

x→±∞

on dit alors que la droite D est une asymptote oblique à la courbe représentative Cf en ±∞.

Exemple 2.2.1
1 1
Soit f la fonction définie sur IR par f (x) = + x + 1.
x 2

1
Figure 2.1 – la droite D d’équation y = x + 1 est une asymptote oblique à la courbe représentative
2
Cf en ±∞.

Enseignant: Aribou Youssef page 34

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2.2.1 Limites usuelles

a - Comportement à l’infini

• lim xn = +∞, n entier naturel non nul

x→+∞

• lim 1n = 0, n entier naturel non nul

x→+∞ x

• lim ln x = +∞
x→+∞

• lim ex = +∞
x→+∞

• lim ex = 0
x→−∞

b - Croissances comparées à l’infini

ex
• lim = +∞
x→+∞ x

• lim ln x =0
x→+∞ x
x
• lim en = +∞, n entier naturel
x→+∞ x

• lim lnnx = 0, n entier naturel non nul

x→+∞ x

c - Comportement à l’origine

• lim ln x = −∞
x→0

2.2.2 Opérations sur les limites

Propriétés 2 (Limite d’une somme)

a désigne un réel ou +∞ ou −∞

lim f (x) lim g(x) lim (f (x) + g(x))

x→a x→a x→a
l l0 l + l0
l +∞ +∞
l −∞ −∞
+∞ +∞ +∞
−∞ −∞ −∞
+∞ −∞ F.I.

F.I. signifie forme indéterminée.

Exemple 2.2.2
lim ( 1 + x) = +∞
x→+∞ x

Enseignant: Aribou Youssef page 35

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

Remarque 2.2.2
"Forme indéterminée" ne signifie pas que la limite n’existe pas mais que les formules d’opérations sur
les limites ne permettent pas de trouver directement la limite. Pour la calculer, il faut alors « lever
l’indétermination » par exemple en simplifiant une fraction.

Propriétés 3 (Limite d’un produit)

a désigne un réel ou +∞ ou −∞

lim f (x) lim g(x) lim (f (x) × g(x))

x→a x→a x→a
l l0 l × l0
l 6= 0 ±∞ (signe)∞
±∞ ±∞ (signe)∞
0 −∞ F.I.

• F.I. signifie forme indéterminée.

• ±∞ signifie que la formule s’applique pour +∞ et pour −∞

• (signe)∞ signifie que l’on utilise la règle des signes usuelle :

+×+=+

+×−=−

−×−=+

pour déterminer si la limite vaut +∞ ou −∞

Exemple 2.2.3
lim ( 1 + 1)x = +∞
x→+∞ x

Propriétés 4 (Limite d’un quotient)

a désigne un réel ou +∞ ou −∞

lim f (x) lim g(x) lim ( f (x) )

x→a x→a x→a g(x)
l l0 6= 0 l
l0

l 6= 0 0 (signe)∞
0 0 F.I.
l ±∞ 0
±∞ l (signe)∞
±∞ ±∞ F.I.
Enseignant: Aribou Youssef page 36
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

Exemple 2.2.4
lim ( x+1
2 ) = −1
x→0 x −1

Propriétés 5 (Limite d’une fonction composée)

a et b désignent des réels ou +∞ ou −∞
Si lim f (x) = b et lim g(x) = c alors :
x→a x→b
lim g(f (x)) = c
x→a

Remarque 2.2.3
On pose souvent X = f (x) (changement de variable) et on écrit alors :
lim X = lim f (x)
x→a x→a
lim g(f (x)) = lim g(X) = c
x→a X→b

Exemple 2.2.5
On cherche à calculer :
lim 1 2
x→+∞ 1+x
On pose X = 1 + x2
lim X = lim 1 + x2 = +∞
x→+∞ x→+∞
1
et lim 2 = lim 1 =0
x→+∞ 1+x x→+∞ X

2.2.3 Théorèmes de comparaison

Théorème 2.1 1- Si f (x) ≥ g(x) sur un intervalle de la forme [a; +∞[ et si lim g(x) = +∞
x→+∞
alors :
lim f (x) = +∞
x→+∞

2- Si f (x) ≤ g(x) sur un intervalle de la forme [a; +∞[ et si lim g(x) = −∞ alors : lim f (x) =
x→+∞ x→+∞
−∞

Théorème 2.2 (Théorème des "gendarmes")

Si g(x) ≤ f (x) ≤ h(x) sur un intervalle de la forme [a; +∞[ et si lim g(x) = lim h(x) = l alors :
x→+∞ x→+∞
lim f (x) = l
x→+∞

Remarque 2.2.4
On a des théorèmes similaires lorsque x → −∞ ou x → a .

Théorème 2.3 (théorème d’existence)

Soit f une fonction croissante (resp. décroissante) et majorée par M (resp. minorée par m) sur
l’intervalle [a, b[
(resp. ]a, b]), avec −∞ ≤ a < b ≤ +∞. Alors f admet une limite finie l en b, et l ≤ M (resp. l ≥ m).

Enseignant: Aribou Youssef page 37

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2.3 Continuité

Définition 2.9 (Continuité en un point)

Soit a un réel et f une fonction définie au point a. On dit que f est continue en a si lim f (x) = f (a).
x→a

Définition 2.10 (Continuité sur un intervalle)

Soit f une fonction définie sur un intervalle I ouvert non vide de IR.
On dit que f est continue sur I si f est continue en tout point de I.

Exemple 2.3.1

• Les fonctions polynômes sont continues sur IR.

• Les fonctions rationnelles sont continues sur chaque intervalle contenu dans leur ensemble de
définition.

• La fonction racine carrée est continue sur IR+ .

• Les fonctions sinus et cosinus sont continues sur IR.

Propriétés 6 (Lien entre continuité et limite)

Si f est une fonction continue sur un intervalle [a, b], alors pour tout α ∈ [a, b] :

lim f (x) = lim f (x) = lim f (x) = f (α).

x→α x→α− x→α+

Proposition 2.1
Soient f, g : I → IR deux fonctions continues en un point x0 ∈ I. Alors :

• λf est continue en x0 (pour tout λ ∈ IR),

• f + g est continue en x0 ,

• f × g est continue en x0 ,

1
• Si f (x0 ) 6= 0 alors est continue en x0 .
f

Proposition 2.2
Soient f : I → IR et g : J → IR deux fonctions telles que f (I) ⊂ J f est continue en un point x0 ∈ I
et si g est continue en f (x0 ). Alors :
g ◦ f est continue en un point x0 .

Enseignant: Aribou Youssef page 38

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2.3.1 Prolongement par continuité

Définition 2.11
Si f est une fonction définie sur I\x0 et si lim f (x) = l , on dit que g est un
x→x0
prolongement par continuité de f en x0 si et seulement si g(x) = f (x), ∀x 6= x0 et g(x0 ) = l.

Exemple 2.3.2
ln(x + 1)
Soit f (x) = une fonction définie sur IR∗ .
x
La fonction g définie par g(x) = f (x) si x 6= 0 et g(0) = 1 est un prolongement par continuité de f en
0.

2.3.2 Théorème des valeurs intermédiaires

Théorème 2.4
Soit f : [a, b] → IR une fonction continue sur un segment. Pour tout réel y compris entre f (a) et f (b),
il existe c ∈ [a, b] tel que f (c) = y.

Voici la version la plus utilisée du théorème des valeurs intermédiaires :

Corollaire 2.1
Soit f : [a, b] → IR une fonction continue sur un segment.
Si f (a).f (b) < 0, il existe c ∈]a, b[ tel que f (c) = 0.

2.4 Dérivée d’une fonction

Définition 2.12
Soit f : I → IR et x0 ∈ I. On appelle dérivée de f en x0 le réel défini par :

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

si cette limite existe et est finie.

On dit alors que f est dérivable en x0 .

Remarque 2.4.1
Si on pose h = x − x0 (ou x = x0 + h), on obtient

f (x) − f (x0 ) f (x + h) − f (x0 )

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

La courbe représentative de f admet au point de coordonnées (x0 , f (x0 )) une tangente de coefficient
directeur f 0 (x0 ) et d’équation
y = f (x0 ) + (x − x0 )f 0 (x0 )

Enseignant: Aribou Youssef page 39

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

Théorème 2.5 (Lien entre dérivabilité et continuité )

Soit x0 ∈ I. Si f est une fonction dérivable en x0 alors f est continue en x0 .

Définition 2.13
On dit que f est dérivable sur I si elle est dérivable en tout point x0 de I.
On appelle alors fonction dérivée de f l’application f 0 définie par

f0 : I → IR
x 7→ f 0 (x)

Enseignant: Aribou Youssef page 40

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

1- Tableau des dérivées usuelles

Fonction f définie par : Fonction f 0 Ensemble de dérivabilité

f (x) = k, k constante réelle f 0 (x) = 0 IR

f (x) = xn , n ∈ IN∗ f 0 (x) = nxn−1 IR

1 1 ] − ∞, 0[ ou ]0, +∞[
f (x) = f 0 (x) = −
x x2

1 n ] − ∞, 0[ ou ]0, +∞[
f (x) = , n ∈ IN f 0 (x) = −
xn xn+1

√ 1
f (x) = x f 0 (x) = √ ]0, +∞[
2 x

f (x) = sin(x) f 0 (x) = cos(x) IR

f (x) = cos(x) f 0 (x) = − sin(x) IR

f (x) = ex f 0 (x) = ex IR

f (x) = ln(x) 1 ]0, +∞[

f 0 (x) =
x

Enseignant: Aribou Youssef page 41

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2- Dérivées et opérations u et v sont deux fonctions dérivables sur un intervalle I et k est un

réel.

Somme (u + v)0 = u0 + v 0

Produit par un réel (ku)0 = ku0

Produit (u × v)0 = u0 × v + u × v 0

 0
Inverse 1 v0
Si v 6= 0 sur I, =−
v v2

 0
Qoutient u u0 × v − u × v 0
Si v 6= 0 sur I, =
v v2

3- Dérivée et fonction composée

u dérivable sur un intervalle I et v dérivable en u(x) pour tout x élément de I.

u(x) = ax + b [v(ax + b)]0 = a × v 0 (ax + b)

Puissance entière [(u(x))n ]0 = nu0 (x) × [u(x)]n−1 , n ∈ Z∗ , n 6= 1 et u(x) 6= 0 sur I si n < 0
 0
avec exp eu(x) = u0 (x) × eu(x)
u0 (x)
avec ln [ln(u(x))]0 = avec u à valeurs strictement positives
u(x)
Cas général [v(u(x))]0 = v 0 (u(x)) × u0 (x)

Théorème 2.6 (Régle de l’Hospital)

Soient f et g deux fonctions définies continues, dérivables sur I et x0 ∈ I.
On suppose :

• g 0 (x) 6= 0 pour tout x ∈ I\{x0 }

• f (x0 ) = g(x0 ) = 0 ou lim f (x) = lim g(x) = ∞

x→x0 x→x0

f 0 (x)
Si lim existe, alors :
x→x0 g 0 (x)
f (x) f 0 (x)
lim = lim 0
x→x0 g(x) x→x0 g (x)

ex − 1
Exemple 2.4.1 a) lim =1
x→0 x
Enseignant: Aribou Youssef page 42
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE
8x2 + x − 9 17
b) lim 2
=
x→1 4x − 4 8
x2 2x 2
c) lim x2 e−x = lim == lim x = lim x = 0
x→∞ x→∞ ex x→∞ e x→∞ e

Théorème 2.7 (Théorème de Rolle)

Soient a, b ∈ IR tels que a < b.
soit f : [a, b] → IR
Si f est continue sur [a, b], dérivable sur ]a, b[ au moins, et si f (a) = f (b), alors il existe c ∈]a, b[ tel
que f 0 (c) = 0.

Théorème 2.8 (Le théorème des accroissements finis)

Soient a, b ∈ IR tels que a < b et f : [a, b] → IR
Si f est continue sur [a, b], dérivable sur ]a, b[ au moins, alors il existe c ∈]a, b[ tel que :

f (b) − f (a)
= f 0 (c)
b−a

Application (Encadrements) :
√ √
On cherche à encadrer 105. On cnsidère f (x) = x sur [100, 105]. Alors

1 1 1 1 1
f 0 (x) = √ ⇒ ≤ √ ≤ f 0 (x) ≤ √ = .
2 x 22 2 105 2 100 20

D’après le théorème des accroissements finis, on obtient donc

1 √ √ 1 5 √ 5
(105 − 100) ≤ 105 − 100 ≤ (105 − 100) ⇔ + 10 ≤ 105 ≤ + 10
22 20 22 20

Définition 2.14
On dit que f est de classe C 1 sur I si

1- f est dérivable sur I.

2- f est dérivableI et la f est continue sur I.

3- f est dérivable sur I et la fonction dérivée f 0 est continue sur I.

Proposition 2.3
Soit f :]a, b[→ IR une fonction dérivable sur un intervalle ]a, b[.

a- La fonction f est croissante sur ]a, b[ si et seulement si f 0 (x) ≥ 0 pour tout x ∈]a, b[.

b- La fonction f est décroissante sur ]a, b[ si et seulement si f 0 (x) ≤ 0 pour tout x ∈]a, b[.
Enseignant: Aribou Youssef page 43
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

c- La fonction f est constante sur ]a, b[ si et seulement si f 0 (x) = 0 pour tout x ∈]a, b[.

Remarque 2.4.2 • Si f 0 (x) > 0 pour tout x ∈]a, b[, alors f est strictement croissante sur ]a, b[.

• Si f 0 (x) < 0 pour tout x ∈]a, b[, alors f est strictement décroissante sur ]a, b[.

Théorème 2.9 (Dérivées d’une fonction réciproque)

soit f : I → IR une fonction définie sur un intervalle I et J = f (I).
On suppose que f est strictement monotone sur I. Alors, la fonction f est bijective de I sur J :
il existe une fonction f −1 : J → I telle que

y = f (x) ⇔ x = f −1 (y) ∀x ∈ I, ∀y ∈ J

ou encore
f −1 (f (x)) = x ∀x ∈ I

De plus, si f est dérivable en x0 avec f 0 (x0 ) 6= 0 alors

1
(f −1 )0 (y0 ) = où y0 = f (x0 )
f 0 (x0 )

2.4.1 Dérivée seconde

Définition 2.15
Soit f une fonction dérivable sur I.
Si f 0 est dérivable, on note f ” ou f (2) la dérivée de f 0 .
La fonction f ” est appelée dérivée seconde de f .

Définition 2.16
Pour tout n ≥ 2 de IN, on définit la dérivée n-ième f (n) de f comme la dérivée de f (n−1) lorsque
f (n−1) existe et est dérivable :
f (n) (x) = [f (n−1) (x)]0

On pose f (0) = f.

Définition 2.17
On dit que f est de classe C n sur I si f (n) existe et est continue sur I

2.5 Convexité

Définition 2.18
Soit f : [a, b] → IR
Enseignant: Aribou Youssef page 44
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

On dit que f est convexe si

f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y)

pour tout x, y ∈ [a, b] et tout λ ∈ [0, 1] On dit que f est concave si −f est convexe, i.e.,

f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)

Proposition 2.4
Soit f : [a, b] → IR une fonction deux fois dérivable sur [a, b]. Alors

• f convexe sur [a, b] ⇔ f ”(x) ≥ 0, ∀x ∈ [a, b]

• f concave sur [a, b] ⇔ f ”(x) ≤ 0, ∀x ∈ [a, b]

2.5.1 Formule de Taylor

Théorème 2.10
Soit x0 ∈]a, b[ et f : [a, b] → IR une fonction telle que f (n) (x0 ) existe. Alors pour tout x ∈]a, b[, on a

f 0 (x0 ) f ”(x0 ) f (n) (x0 )

f (x) = f (x0 ) + (x − x0 ) + (x − x0 )2 + · · · + (x − x0 )n + (x − x0 )n (x − x0 )
1! 2! n!

où  est une fonction vérifiant lim (x − x0 ) = 0

x→x0

2.6 Optimisation d’une fonction d’une variable réelle

2.6.1 Extremums d’une fonction

Définition 2.19 (Extremum global)

Soit f : I → IR une fonction définie sur un intervalle I.
La fonction f admet un minimum global en xm ∈ I si

∀x ∈ I, f (x) ≥ f (xm )

La fonction f admet un maximum global en xM ∈ I si

∀x ∈ I, f (x) ≤ f (xM )

Définition 2.20 (Extremum local)

Soit f : I → IR une fonction définie sur un intervalle I.
Enseignant: Aribou Youssef page 45
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

La fonction f admet un minimum local en x0 ∈ I si

∀x ∈ V (x0 ), f (x) ≥ f (x0 )

La fonction f admet un maximum local en x0 ∈ I si

∀x ∈ V (x0 ), f (x) ≤ f (x0 )

où V (x0 ) =]x0 − η, x0 + η[ est un voisinage de x0

Théorème 2.11
Soit f : [a, b] → IR une fonction continue sur [a, b]. Alors f admet un minimum et un maximum
global : il existe xm et xM dans [a, b] tels que

∀x ∈ [a, b], f (xm ) ≤ f (x) ≤ f (xM )

Soit I =]a, b[ un intervalle ouvert et f : I → IR.

On considère les problèmes d’optimisation suivants :

minf (x) , maxf (x)

x∈I x∈I

2.6.2 Condition nécessaire d’optimalité

Proposition 2.5 (Condition nécessaire d’optimalité)

Soit f : I → IR une fonction dérivable en x0 de I.
Si f admet un extremum local (ou global) en x0 alors

f 0 (x0 ) = 0

Remarque 2.6.1
La condition f 0 (x0 ) = 0 ne donne que des points candidats (ou critiques).
Il faut ensuite étudier la nature de chacun de ces points.

2.6.2.1 Nature d’un point critique (étude directe)

Soit x0 un point critique :

f 0 (x0 ) = 0

On pose
∆f = f (x) − f (x0 )
Enseignant: Aribou Youssef page 46
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

on étudie alors le signe de ∆f .

Si ∆f ≥ 0, f admet un minimum en x0 .
Si ∆f ≤ 0, f admet un maximum en x0 .
L’extremum sera global ou local, selon que l’inégalité est vraie pour tout x ou pour tout x dans un
voisinage de x0 .

2.6.3 Conditions suffisantes d’optimalité locale

Proposition 2.6 (Conditions suffisantes d’optimalité)

Soit f : I → IR une fonction deux fois dérivable en x0 de I. Si x0 est un point critique de f (ie.
f 0 (x0 ) = 0) alors

• si f ”(x0 ) < 0, alors f admet un maximum local en x0 .

• si f ”(x0 ) > 0, alors f admet un minimum local en x0 .

Remarque 2.6.2
Lorsque f ”(x0 ) = 0, il faut faire une étude directe. Deux cas peuvent se produire :

• f ”(x0 ) s’annule en changeant de signe : point d’inflexion

• f ”(x0 ) s’annule sans changer de signe : extremum

2.6.4 Optimalité globale : le cas convexe/concave

Proposition 2.7
Soit f : I → IR une fonction dérivable en x0 de I.
Si f est convexe, f admet un minimum global en x0 ssi f 0 (x0 ) = 0
Si f est concave, f admet un maximum global en x0 ssi f 0 (x0 ) = 0

Remarque 2.6.3
Si la fonction f est strictement convexe ou concave alors l’extremum est unique.

2.6.5 Méthodologie

1) On détermine le domaine de définition de f .

2) On étude la convexité de f .
Enseignant: Aribou Youssef page 47
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

3) On résout l’équation f 0 (x) = 0 pour trouver les points candidats : x1 , x2 , . . .

4) Si f .est convexe ou concave, la fonction admet un minimum ou maximum global au(x) point(s)
trouvé(s).

5) Sinon, on calcule f ”(x0 ) pour chacun des points candidats :

f ”(x0 ) > 0, f admet un minimum local en x0 ; si f ”(x0 ) < 0, f admet un maximum local en x0 .

6) Sinon,(si f ”(x0 ) = 0), on étudie le signe de ∆f .

2.7 Plan d’étude d’une fonction

1- Rechercher le domaine de définition et de continuité.

2- Déterminer l’intervalle d’étude par utilisation des propriétés d’invariance et de symétrie de la

courbe (période, parité,...).

3- Étudier la dérivabilité, le signe de la dérivée ; calculer les limites nécessaires et rassembler ces
résultats dans un tableau de variations.

4- Étudier des branches infinies éventuelles : directions asymptotiques, asymptotes éventuelles et

position de la courbe par rapport ‘a celles-ci..

5- Étudier les points remarquables de la courbe, notamment les extrémas ; dans tous les cas, on fera
apparaître sur le graphe les points à tangente horizontale.

6- Représentation graphique.

Enseignant: Aribou Youssef page 48

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

2.8 Fonctions monotones et bijections

2.8.1 Rappels : injection, surjection, bijection

Dans cette section nous rappelons le matériel nécessaire concernant les applications bijectives.

Définition 2.21
Soit f : E −→ F une fonction, où E et F sont des parties de IR.

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

• f est surjective si ∀y ∈ F, ∃x ∈ E, f (x) = y ;

• f est bijective si f est à la fois injective et surjective, c’est-à-dire ∀y ∈ F, ∃!x ∈ E, f (x) = y.

Proposition 2.8
Si f est une fonction bijective alors il existe une unique application g : F −→ E telle que g ◦ f = IdE
et f ◦ g = IdF . La fonction g est la bijection réciproque de f et se note f −1 .

Remarque 2.8.1
On rappelle que l’identité, IdE : E −→ E est simplement définie par x 7−→ x.
Dans un repère orthonormé les graphes des fonctions f et f −1 sont symétriques par rapport à la
première bissectrice.

2.8.2 Fonctions monotones et bijections

Voici un résultat important qui permet d’obtenir des fonctions bijectives.

Théorème 2.12 (Théorème de la bijection)

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

1. f établit une bijection de l’intervalle I dans l’intervalle image 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 que f .

2.9 Fonctions trigonométriques inverses

2.9.1 Arccosinus

Considérons la fonction cosinus cos : IR −→ [−1, 1], x 7−→ cos x. Pour obtenir une bijection à partir
de cette fonction, il faut considérer la restriction de cosinus à l’intervalle [0, π]. Sur cet intervalle la
Enseignant: Aribou Youssef page 49
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

fonction cosinus est continue et strictement décroissante, donc la restriction cos : [0, π] −→ [−1, 1] est
une bijection. Sa bijection réciproque est la fonction arccosinus : arccos : [−1, 1] −→ [0, π]
On a donc, par définition de la bijection réciproque :

cos(arccos(x)) = x, ∀x ∈ [−1, 1]

arccos(cos(x)) = x, ∀x ∈ [0, π]

Terminons avec la dérivée de arccos :

−1
arccos0 (x) = √ , ∀x ∈] − 1, 1[
1 − x2

2.9.2 Arcsinus

La restriction
π π
sin : [− , ] −→ [−1, 1]
2 2

est une bijection. Sa bijection réciproque est la fonction arcsinus :

π π
arcsin : [−1, 1] −→ [− , ]
2 2

On a donc, par définition de la bijection réciproque :

sin(arcsin(x)) = x, ∀x ∈ [−1, 1]

π π
arcsin(sin(x)) = x, ∀x ∈ [− , ]
2 2

Terminons avec la dérivée de arcsin :

1
arcsin0 (x) = √ , ∀x ∈] − 1, 1[
1 − x2

2.9.3 Arctangente

La restriction
π π
tan :] − , [−→ IR
2 2

est une bijection. Sa bijection réciproque est la fonction arctangente :

π π
arctan : IR −→] − , [
2 2
Enseignant: Aribou Youssef page 50
CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

On a donc, par définition de la bijection réciproque :

tan(arctan(x)) = x, ∀x ∈ IR

π π
arctan(tan(x)) = x, ∀x ∈] − , [
2 2

Terminons avec la dérivée de arctan :

1
arctan0 (x) = , ∀x ∈ IR
1 + x2

Enseignant: Aribou Youssef page 51

CHAPITRE 2. FONCTIONS D’UNE VARIABLE RÉELLE

Enseignant: Aribou Youssef page 52

Chapitre 3

Fonctions réelles de deux variables

réelles

3.1 Fonctions de deux variables

On considère l’espace produit

IR2 = IR × IR

Un élément de IR2 est un couple noté (x, y) ou (x1 , x2 ).

La somme de deux éléments de IR2 est

(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )

Le produit par un réel λ est

λ(x, y) = (λx, λy)

Définition 3.1
On dit que (x, y) tend vers (x0 , y0 ) si

• x tend vers x0

• et y tend vers y0 .

On note 
x → x0


(x, y) −→ (x0 , x0 ) ⇔

y → y0


Définition 3.2
Soit (x, y) un point de IR2 .
CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

On appelle voisinage ouvert de (x, y) tout ensemble V de la forme

V =]x − r1 , x + r1 [×]y − r2 , y + r2 [⊂ IR2

avec r1 , r2 > 0

Une fonction réelle de deux variables réelles est une application f définie sur une partie de
IR2 à valeurs dans IR :
f : IR2 → IR

(x, y) 7→ f (x, y)

Définition 3.3 (Limite)

Soit f : IR2 → IR et (x0 , y0 ) ∈ IR2 .
On dit que f admet l ∈ IR pour limite lorsque (x, y) tend vers (x0 , y0 ) si

f (x, y) est aussi proche que l’on veut de l dès que (x, y) est suffisamment proche de (x0 , y0 )

On note l = lim f (x, y)

(x,y)→(x0 ,y0 )

Définition 3.4 (Continuité)

Soit f : IR2 → IR et (x0 , y0 ) ∈ IR2 .
On dit que f est continue en (x0 , y0 ) si f admet une limite en (x0 , y0 ) et si cette limite est égale à
f (x0 , y0 ).

f continue en (x0 , y0 ) ⇔ lim f (x, y) = f (x0 , y0 )

(x,y)→(x0 ,y0 )

On dit que f est continue sur D ⊂ IR2 si elle est continue en tout point D

3.2 Différentiabilité

Définition 3.5
Soit f : IR2 → IR et (x0 , y0 ) ∈ IR2 .
On appelle dérivée partielle de f en (x0 , y0 ) par rapport à x la dérivée de l’application x 7→ f (x, y0 )
en x0 .
On la note
∂f
fx0 (x0 , y0 ) = (x0 , y0 ) = (x 7→ f (x, y0 ))0 |x=x0
∂x

De même, la dérivée par rapport à y est

∂f
fy0 (x0 , y0 ) = (x0 , y0 ) = (x 7→ f (x0 , y))0 |y=y0
∂y
Enseignant: Aribou Youssef page 54
CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

Définition 3.6
Soit f : IR2 → IR et D ⊂ IR2 . On dit que f est de classe C 1 sur D, si f admet des dérivées partielles
continues sur D.
On définit alors la différentielle de f en (x0 , y0 ) ∈ D

df (x0 , y0 ) = fx0 (x0 , y0 )dx + fy0 (x0 , y0 )dy

On appelle gradient de f en (x0 , y0 ) le vecteur

 
0
−→ fx (x0 , y0 )
gradf (x0 , y0 ) = ∇f (x0 , y0 ) =  
fy0 (x0 , y0 )

3.3 Optimisation d’une fonction de deux variables

3.3.1 Extremums libres

Définition 3.7
Soit D ⊂ IR2 et f : D → IR. On dit que

• f admet un minimum global en (x0 , y0 ) ∈ D si

∀(x, y) ∈ D, f (x0 , y0 ) ≤ f (x, y)

• f admet un maximum global en (x0 , y0 ) ∈ D si

∀(x, y) ∈ D, f (x0 , y0 ) ≥ f (x, y)

• f admet un minimum local en (x0 , y0 ) ∈ D si

∀(x, y) ∈ V, f (x0 , y0 ) ≤ f (x, y)

• f admet un maximum local en (x0 , y0 ) ∈ D si

∀(x, y) ∈ V, f (x0 , y0 ) ≥ f (x, y)

où V est un voisinage de (x0 , y0 ) dans D.

Théorème 3.1
Soit f : IR2 → IR une fonction de classe C 1 au voisinage de (x0 , y0 ) ∈ IR2 .
Enseignant: Aribou Youssef page 55
CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

Si f admet un extremum en (x0 , y0 ), on a nécessairement

fx0 (x0 , y0 ) = 0 et fy0 (x0 , y0 ) = 0 (∗)

Un point vérifiant (∗) est appelé point stationnaire ou critique pour f .

3.3.2 Nature du point candidat (Étude directe)

Le théorème ?? ne donne que des points candidats (x0 , y0 ). Il faut ensuite étudier la nature de
chaque point.
Pour cela, on étudie le signe de
∆f = f (x, y) − f (x0 , y0 )

pour (x, y) proche de (x0 , y0 ).

• Si ∆f ≥ 0 alors f admet un minimum en (x0 , y0 ).

• Si ∆f ≤ 0 alors f admet un maximum en (x0 , y0 ).

L’extremum sera global ou local, selon que l’inégalité est vraie pour tout (x, y) ou pour (x, y) proche
de (x0 , y0 ).

3.3.3 Extremums liés

Soit f, g : IR2 → IR deux fonctions.

On considère le problème d’optimisation suivant :


Optimiser f (x, y)

(P )

sous la contrainte g(x, y) = 0


On cherche (x0 , y0 ) vérifiant g(x0 , y0 ) = 0 tel qu’on ait

f (x, y) ≤ f (x0 , y0 ) pour un maximum

ou
f (x, y) ≥ f (x0 , y0 ) pour un minimum

pour tout (x, y) ∈ V(x0 , y0 ) vérifiant g(x0 , y0 ) = 0.

Pour résoudre le problème (P ), on introduit une nouvelle fonction appelée lagrangien associé à (P ) :

L(x, y, λ) = f (x, y) + λg(x, y)

Enseignant: Aribou Youssef page 56

CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

Théorème 3.2 (Conditions nécessaires d’optimalité)

Soit f, g : IR2 → IR deux fonctions de classe C 1 au voisinage de (x0 , y0 ) ∈ IR2 .
Si (P ) admet une solution en (x0 , y0 ), en général, il existe λ0 ∈ IR tel que

L0x (x0 , y0 , λ0 ) = 0







0
Ly (x0 , y0 , λ0 ) = 0




L0 (x0 , y0 , λ0 ) = 0


λ

3.3.4 Nature du point candidat (Étude directe)

Le résultat précédent ne donne que des points candidats. Il faut ensuite étudier la nature de chaque
point.
Pour cela, on peut étudier le signe de

∆f = f (x, y) − f (x0 , y0 )

en tenant compte de la contrainte g(x, y) = 0

3.3.5 Méthode de substitution

Lorsque la contrainte g(x, y) = 0 permet d’exprimer y en fonction de x :

y = y(x)

le problème d’optimisation sous contrainte (P ) est équivalent au problème d’optimisation d’une

fonction d’une variable :
Optimiser h(x) = f (x, y(x))

3.4 Dérivées partielles secondes

Définition 3.8
Soit f : IR2 −→ IR admettant des dérivées partielles :

fx0 : IR2 −→ IR fy0 : IR2 −→ IR.

Si ces fonctions admettent des dérivées partielles par rapport à x et y, elles sont appelées dérivées
partielles secondes ou d’ordre 2 de f .

Notations :
Enseignant: Aribou Youssef page 57
CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

fx002 = (fx0 )0x 00

fxy = (fx0 )0y

00
fyx = (fy0 )0x 00
fyy = (fy0 )0y

ou
∂2f ∂ ∂f ∂2f ∂ ∂f
2
= ( ) = ( )
∂x ∂x ∂x ∂y∂x ∂y ∂x

On dit que f est de classe C 2 sur U , si elle admet des dérivées partielles secondes continues sur U .

Théorème 3.3 (Schwarz)

Si f : IR2 −→ IR est de classe C 2 au voisinage de (x0 , y0 ) ∈ IR2 , alors

00 00
fxy (x0 , y0 ) = fyx (x0 , y0 )

Définition 3.9 (Matrice hessienne)

Si f : IR2 −→ IR est de classe C 2 sur U ⊂ IR2 . On appelle matrice hessienne de f en (x0 , y0 ) ∈ U la
matrice  
00 00 (x , y )
fx2 (x0 , y0 ) fyx 0 0 
Hf (x0 , y0 ) =  
00 (x , y ) f 00 (x , y )
fxy 0 0 y 2 0 0

Définition 3.10 (Hessien)

On appelle hessien de f en (x0 , y0 ) ∈ U le déterminant de la matrice hessienne de f en (x0 , y0 ) :

00
det Hf (x0 , y0 ) = fx002 (x0 , y0 ) × fy002 (x0 , y0 ) − [fxy (x0 , y0 )]2

3.5 Convexité

Définition 3.11 (Ensemble convexe)

On dit que C ∈ IR2 est convexe si pour tous M1 , M2 ∈ C et tout λ ∈ [0, 1], on a

λM1 + (1 − λ)M2 ∈ C

avec M1 = (x1 , y1 ) et M2 = (x2 , y2 )

Définition 3.12 (Fonction convexe, concave)

Soit C ∈ IR2 un ensemble convexe. On dit qu’une fonction f : C −→ IR2 est convexe si pour tous
M1 , M2 ∈ C et tout λ ∈ [0, 1], on a

f (λM1 + (1 − λ)M2 ) ≤ λf (M1 ) + (1 − λ)f (M2 )

Enseignant: Aribou Youssef page 58
CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

On dit que f est concave si −f est convexe :

f (λM1 + (1 − λ)M2 ) ≥ λf (M1 ) + (1 − λ)f (M2 )

Remarque 3.5.1 • La somme de fonctions convexes (resp. concaves) est convexe (resp. concave).

• Le max (resp. min) de plusieurs fonctions convexes (resp. concaves) est convexe (resp. concave).

• Si f (x, y) = g(x)+h(y) avec g et h convexes (resp. concaves), alors f est convexe (resp. concave).

Proposition 3.1
Si f est de classe C 2 sur IR2 , alors

det Hf ≥ 0







f est convexe ⇔ fx002 ≥ 0 ⇔ Hf est semi-définie positive.




 00

fy2 ≥ 0

en tout (x, y) ∈ IR2 .

et 
det Hf ≥ 0







f est concave ⇔ fx002 ≤ 0 ⇔ Hf est semi-définie négative.




f 002 ≤ 0


y

en tout (x, y) ∈ IR2 .

3.6 Formule de Taylor

Proposition 3.2
Soit f : IR2 −→ IR de classe C 2 au voisinage (x0 , y0 ), Alors, pour tout (h, k) dans un voisinage de
(0, 0), on a

f (x0 + h, y0 + k) = f (x0 , y0 ) + [fx0 (x0 , y0 )h + fy0 (x0 , y0 )k]

1
+ [fx002 (x0 , y0 )h2 + 2fxy
00
(x0 , y0 )hk + fy002 (x0 , y0 )k 2 ] + (h2 + k 2 )(h, k)
2

avec lim (h, k) = 0.

(h,k)→(0,0)

Enseignant: Aribou Youssef page 59

CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

3.7 Optimisation d’une fonction de deux variables

3.7.1 Optimisation sans contrainte

Rappels
Soit f : IR2 −→ IR de classe C 1 .
On recherche les extremums de f sur IR2 .
Les points critiques (ou candidats) sont données par les CNO :

fx0 (x, y) = 0


∇f (x, y) = 0 ⇔
fy0 (x, y) = 0



Reste à étudier la nature de chaque point candidat.

Théorème 3.4
Soit f : IR2 −→ IR de classe C 2 au voisinage de (x0 , y0 ) ∈ IR2 . On suppose que fx0 (x, y) = fy0 (x, y) = 0.

• Si Hf (x0 , y0 ) est définie positive, i.e., si det Hf (x0 , y0 ) > 0 et fx002 (x0 , y0 ) > 0, alors f admet un
minimum local en (x0 , y0 ).

• Si Hf (x0 , y0 ) est définie négative, i.e., si det Hf (x0 , y0 ) > 0 et fx002 (x0 , y0 ) < 0, alors f admet un
maximum local en (x0 , y0 ).

• Si det Hf (x0 , y0 ) < 0, alors f n’admet pas d’extremum en (x0 , y0 ) (point col ou point-selle).

Remarque 3.7.1
Si det Hf (x0 , y0 ) = 0, le théorème ne permet pas de conclure. Il faut étudier plus précisément le signe
de
∆f = f (x, y) − f (x0 , y0 ).

Théorème 3.5 (Le cas convexe/concave)

Soit C ⊂ IR2 convexe et f : C −→ IR de classe C 1 sur C.
Si f est convexe sur C, f admet un minimum global en (x0 , y0 ) ssi ∇f (x0 , y0 ) = 0
Si f est concave sur C, f admet un maximum global en (x0 , y0 ) ssi ∇f (x0 , y0 ) = 0

Enseignant: Aribou Youssef page 60

CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

3.7.2 Optimisation sous contrainte

Rappels
Les points candidats du problème d’optimisation


Optimiser f (x, y)

(P )

sous la contrainte g(x, y) = 0


sont donnés par les CNO 

L0x (x0 , y0 , λ0 ) = 0






∇L(x, y, λ) = 0 ⇔ 0
Ly (x0 , y0 , λ0 ) = 0




L0 (x0 , y0 , λ0 ) = 0


λ

où L(x, y, λ) = f (x, y) + λg(x, y).

Définition 3.13 (Calcul du hessien)

Si f et g sont de classe C 2 , la matrice hessienne de L est :
   
00 L00xy L00xλ  L00x2 L00xy gx0 
 L x2
   
HL (x, y, λ) =  00 L00y2 L00yλ   00 00 0
Lxy  = Lxy Ly2 gy 
   
L00λx L00λy L00λ2 gx0 gy0 0

Le hessien est
det HL (x, y, λ) = gx0 [gy0 L00yx − gx0 L00y2 ] − gy0 [gy0 L00x2 − gx0 L00xy ]

Théorème 3.6
Soit f, g : IR2 → IR de classe C 2 au voisinage de (x0 , y0 ). On suppose que (x0 , y0 ) est un point candidat
avec λ0 ∈ IR.

• Si det HL (x0 , y0 , λ0 ) > 0, alors (P ) admet un maximum local en (x0 , y0 ).

• Si det HL (x0 , y0 , λ0 ) < 0, alors (P ) admet un minimum local en (x0 , y0 ).

• Si det HL (x0 , y0 , λ0 ) = 0, alors on ne peut pas conclure. Il faut étudier directement le signe de
∆f

Théorème 3.7 (Le cas convexe/concave)

Soit C ⊂ IR2 convexe et f, g : C → IR de classe C 1 sur C. On suppose que g est affine :
g(x, y) = ax + by + c

• Si f est convexe sur C, (P ) admet un minimum global en (x0 , y0 ) ssi ∇L(x0 , y0 , λ0 ) = 0.

• Si f est concave sur C, (P ) admet un maximum global en (x0 , y0 ) ssi ∇L(x0 , y0 , λ0 ) = 0.

Enseignant: Aribou Youssef page 61

CHAPITRE 3. FONCTIONS RÉELLES DE DEUX VARIABLES RÉELLES

3.7.3 Condition de qualification

Les théorèmes donnant les CN et les CS d’optimalité sous contrainte ne sont pas toujours valides.
Il faut rajouter aux conditions déjà vues une condition supplémentaire appelée
condition de qualification :
∇g(x0 , y0 ) 6= 0

Enseignant: Aribou Youssef page 62

Chapitre 4

Suites numériques

Introduction

L’étude des suites numériques a pour objet la compréhension de l’évolution de séquences de nombres
(réels, complexes ...). Ceci permet de modéliser de nombreux phénomènes de la vie quotidienne.
Supposons par exemple que l’on place une somme S à un taux annuel de 10%. Si Sn représente
la somme que l’on obtiendra après n années, on a

S0 = S, S1 = S × 1, 1 · · · Sn = S × (1, 1)n .

Au bout de n = 10 ans, on possédera donc S10 = Sn = S × (1, 1)10 ≈ S × 2, 59 : la somme de départ

avec les intérêts cumulés.

4.1 Définitions

4.1.1 Définition d’une suite

Définition 4.1.1
• Une suite est une application u : IN → IR.

• Pour n ∈ IN, on note u(n) par un et on l’appelle n-ème terme ou terme général de la suite.

La suite est notée u, ou plus souvent (un )n∈IN ou simplement (un ). Il arrive fréquemment que l’on
considère des suites définies à partir d’un certain entier naturel n0 plus grand que 0, on note alors
(un )n≥n0 .

Exemple 4.1.1
√ √ √
1. ( n)n∈IN est la suite de termes : 0, 1, 2, 3, · · ·

2. ((−1)n )n∈IN est la suite qui alterne +1, −1, +1, −1, · · ·
63
CHAPITRE 4. SUITES NUMÉRIQUES

3. La suite de l’introduction définie par Sn = S × (1, 1)n .

4. La suite de Fibonacci (Fn )n ∈ IN définie par F0 = 1, F1 , Fn+2 = Fn+1 + Fn pour n ∈ IN.

4.1.2 Suite majorée, minorée, bornée

Définition 4.1.2
Soit (un )n∈IN une suite.

• (un )n∈IN est majorée si ∃M ∈ IR, ∀n ∈ IN un ≤ M .

• (un )n∈IN est minorée si ∃m ∈ IR, ∀n ∈ IN un ≥ m.

• (un )n∈IN est bornée si elle est majorée et minorée, ce qui revient à dire :

∃M ∈ IR, ∀n ∈ IN |un | ≤ M.

4.1.3 Suite croissante, décroissante

Définition 4.1.3
Soit (un )n∈IN une suite.

• (un )n∈IN est croissante si ∀n ∈ IN un+1 ≥ un .

• (un )n∈IN est strictement croissante si ∀n ∈ IN un+1 > un .

• (un )n∈IN est décroissante si ∀n ∈ IN un+1 ≤ un .

• (un )n∈IN est strictement décroissante si ∀n ∈ IN un+1 < un .

• (un )n∈IN est monotone si elle est croissante ou décroissante.

• (un )n∈IN est strictement monotone si elle est strictement croissante ou strictement décroissante.

Remarque 4.1.1

• (un )n∈IN est croissante si et seulement si ∀n ∈ IN un+1 − un ≥ 0

• Si (un )n∈IN est une suite à termes strictement positifs, elle est croissante si et seulement si
un+1
∀n ∈ IN ≥ 1.
un
Enseignant: Aribou Youssef page 64
CHAPITRE 4. SUITES NUMÉRIQUES

4.2 Limites

4.2.1 Limite finie, limite infinie

Soit (un )n∈IN une suite.

Définition 4.2.1
La suite (un )n∈IN a pour limite l si : pour toute  > 0, il existe N ∈ IN tel que si n ≥ N alors
|un − l| <  :
∀ > 0 ∃N ∈ IN ∀n ≥ N (n ≥ N ⇒ |un − l| < )

Définition 4.2.2
1. La suite (un )n∈IN tend vers +∞ si :

∀A > 0 ∃N ∈ IN ∀n ≥ N (n ≥ N ⇒ |un | ≥ A)

2. La suite (un )n∈IN tend vers −∞ si :

∀A > 0 ∃N ∈ IN ∀n ≥ N (n ≥ N ⇒ |un | ≤ −A)

Remarque 4.2.1
1. On note lim un = l ou parfois un −→ l, et de même pour une limite ±∞
n→+∞ n→+∞

2. lim un = −∞ ⇔ lim − un = +∞
n→+∞ n→+∞

Définition 4.2.3
Une suite (un )n∈IN est convergente si elle admet une limite finie. Elle est divergente sinon (c’est-
à-dire soit la suite tend vers ±∞, soit elle n’admet pas de limite)

Proposition 4.1
Si une suite est convergente, sa limite est unique.

démonstration
On procède par l’absurde. Soit (un )n∈IN une suite convergente ayant deux limites l 6= l0 . Choisissons
|l − l0 |
 > 0 tel que  = .
2
Comme lim un = l, il existe N1 ∈ IN tel que ∀n ≥ N1 (n ≥ N1 ⇒ |un − l| < .
n→+∞
De même lim un = l0 , il existe N2 ∈ IN tel que ∀n ≥ N2 (n ≥ N2 ⇒ |un − l0 | < .
n→+∞
Notons N = max(N1 , N2 ), on alors pour ce N :

|un − l| <  et un − l0 < 

Enseignant: Aribou Youssef page 65
CHAPITRE 4. SUITES NUMÉRIQUES

Donc |l − l0 | = |l − un + un − l0 | ≤ |l − un | + |un − l0 |d’après l’inégalité triangulaire. On en tire

|l − l0 | ≤  +  =  < |l − l0 |. On vient d’aboutir à l’inégalité |l − l0 | < |l − l0 | qui est impossible.
Bilan : notre hypothèse de départ est fausse et donc l = l0 .

4.2.2 Propriétés des limites

Proposition 4.2
1. lim un = l ⇐⇒ lim (un − l) = 0 ⇐⇒ lim |un − l| = 0
n→+∞ n→+∞ n→+∞

2. lim un = l =⇒ lim |un | = |l|

n→+∞ n→+∞

démonstration
Cela résulte directement de la définition.

Proposition 4.3 (Opérations sur les limites)

Soient (un )n∈IN et (vn )n∈IN deux suites convergentes.

1. Si lim un = l où l ∈ IR, alors pour λ ∈ IR on a lim λun = λl.

n→+∞ n→+∞

2. Si lim un = l et lim vn = l0 où l, l0 ∈ IR, alors

n→+∞ n→+∞

lim (un + vn ) = l + l0
n→+∞

lim (un × vn ) = l × l0
n→+∞

1 1
3. Si lim un = l où l ∈ IR∗ alors un 6= 0 pour n assez grand et lim = .
n→+∞ n→+∞ un l

Exemple 4.2.1
Si un −→ l avec l 6= ±1 alors
n→+∞

1 1
un (1 − 3un ) − −→ l(1 − 3l) − 2
u2n − 1 n→+∞ l −1

Proposition 4.4 (Opérations sur les limites infinies)

Soient (un )n∈IN et (vn )n∈IN deux suites telles que lim (vn ) = +∞.
n→+∞

1
1. lim = 0.
n→+∞ vn

2. Si (un )n∈IN est minorée alors lim (un + vn ) = +∞

n→+∞

Enseignant: Aribou Youssef page 66

CHAPITRE 4. SUITES NUMÉRIQUES

3. Si (un )n∈IN est minorée par un nombre λ > 0 alors lim (un × vn ) = +∞
n→+∞

1
4. Si lim un = 0 et un >0 pour n assez grand alors lim = +∞.
n→+∞ n→+∞ un

Exemple 4.2.2
1
Si (un )n∈IN est la suite de terme général √ alors lim un = 0.
n n→+∞

4.2.3 Suites bornées

Proposition 4.5
Toute suite convergente est bornée.

démonstration
Soit (un )n∈IN une suite convergente vers le réel l. En appliquant la définition de limite avec  = 1, on
obtient qu’il existe un entier naturel N tel que pour n ≥ N on ait |un − l| ≤ 1, et donc pour n ≥ N
on a
|un | = |l + (un − l)| ≤ |l| + |un − l| ≤ |l| + 1

Donc si on pose
M = max{|u0 | , |u1 | , · · · , |uN −1 | , |l| + 1}

On a alors ∀n ∈ IN |un | ≤ M .

Proposition 4.6
Si la suite (un )n∈IN est bornée et lim vn = 0 alors lim (un × vn ) = 0
n→+∞ n→+∞

démonstration
La suite (un )n∈IN est bornée, on peut donc trouver un réel M > 0 tel que pour tout entier naturel n

on ait |un | ≤ M . Fixons  > 0. On applique la définition de limite à la suite (vn )n∈IN pour 0 = .
M
Il existe donc un entier naturel N tel que n ≥ N implique |vn | ≤ 0 . Mais alors pour n ≥ N on a :

|un × vn | = |un | × |vn | ≤ M × 0 = 

On a bien montré que lim (un × vn ) = 0.

n→+∞

Exemple 4.2.3
1
Si (un )n≥1 est la suite donnée par un = cos(n) et vn = √ , Alors lim (un × vn ) = 0.
n n→+∞

Enseignant: Aribou Youssef page 67

CHAPITRE 4. SUITES NUMÉRIQUES

4.2.4 Formes indéterminées

Dans certaines situations, on ne peut rien dire à priori sur la limite, il faut faire une étude au cas
par cas.

Exemple 4.2.4
1. ” + ∞ − ∞” Cela signifie que si un → +∞ vn → −∞ il faut faire faire l’étude en fonction de
chaque suite pour lim (un + vn ) comme le prouve les exemples suivants :
n→+∞

lim (en − ln n) = +∞
n→+∞

lim (n − n2 ) = −∞
n→+∞

1
lim ((n + ) − n) = 0
n→+∞ n

2. ”0 × ∞”
1
lim ( × en ) = +∞
n→+∞ ln n
1
lim ( × ln n) = 0
n→+∞ n
1
lim ( × (n + 1)) = 1
n→+∞ n

∞ 0
3. ” ”, ” ”, ”1∞ ”, . . .
∞ 0

4.2.5 Limite et inégalités

Proposition 4.7
1. Soient (un )n∈IN et (vn )n∈IN deux suites convergentes telles que ∀n ∈ IN, un ≤ vn Alors

lim un ≤ lim vn
n→+∞ n→+∞

2. Soient (un )n∈IN et (vn )n∈IN deux suites telles que lim un = +∞ et ∀n ∈ IN, un ≤ vn Alors
n→+∞

lim vn = +∞
n→+∞

3. Théorème des "gendarmes" : si (un )n∈IN , (vn )n∈IN et (wn )n∈IN sont trois suites telles que

∀n ∈ IN, un ≤ vn ≤ wn

et lim un = l = lim wn alors la suite (vn )n∈IN est convergente et lim vn = l

n→+∞ n→+∞ n→+∞

Enseignant: Aribou Youssef page 68

CHAPITRE 4. SUITES NUMÉRIQUES

démonstration

1. En posant wn = vn − un , on se ramène à montrer que si une suite (wn )n∈IN vérifie

∀n ∈ IN, wn ≥ 0 et converge, alors lim wn ≥ 0. On procède par l’absurde en supposant
n→+∞
|l|
que l = lim wn < 0. En prenant  = dans la défnition de limite, on obtient qu’il existe un
n→+∞ 2
−l
entier naturel N tel que n ≥ N implique |wn − l| <  = . En particulier on a pour n ≥ N que
2
l l
wn < l − = < 0, une contradiction.
2 2

2. Laissé en exercice.

3. En soustrayant la suite (un )n∈IN , on se ramène à montrer l’énoncé suivant : si (un )n∈IN ,
(vn )n∈IN sont deux suites telles que ∀n ∈ IN, 0 ≤ un ≤ vn et lim vn = 0 alors (un )n∈IN
n→+∞
converge et lim un = 0.
n→+∞
Soit  > 0 et N un entier naturel tel que n ≥ N implique |vn | < . Comme |un | = un ≤ vn = |vn |,
on a donc : n ≥ N implique |un | < . On a bien montré que lim un = 0
n→+∞

Remarque 4.2.2

1. Soit (un )n∈IN une suite convergente telle que : ∀n ∈ IN, un ≥ 0 alors lim un ≥ 0.
n→+∞

2. Attention si (un )n∈IN une suite convergente telle que : ∀n ∈ IN, un > 0, on ne peut affirmer
que la limite est strictement positive mais seulement que lim un ≥ 0. Par exemple la suite
n→+∞
1
(un )n∈IN donnée par un = est à termes strictement positifs, mais converge vers zéro.
1+n

Exemple 4.2.5 (Exemple d’application du théorème des « gendarmes »)

Trouver la limite de la suite (un )n∈IN de terme général :

(−1)n
un = 2 +
1 + n + n2

4.3 Exemples remarquables

4.3.1 Suite géométrique

Proposition 4.8 (Suite géométrique)

On fixe un réel a. Soit (un )n∈IN la suite de terme général : un = an .

1. Si a = 1, on a pour tout n ∈ IN : un = 1.

2. Si a > 1, alors lim un = +∞.

n→+∞

Enseignant: Aribou Youssef page 69

CHAPITRE 4. SUITES NUMÉRIQUES

3. Si −1 < a < 1, alors lim un = 0.

n→+∞

4. Si a < −1, alors la suite (un )n∈IN diverge.

démonstration

1. Est évident.

2. Ecrivons a = 1 + b avec b > 0. Alors le binôme de Newton s’écrit :

an = (1 + b)n = 1 + nb + Cn2 b + Cn3 b2 + · · · + Cnk bk + · · · + bn

Tous les termes sont positifs. Donc pour tout entier naturel n on a :

an ≥ 1 + nb

Or lim (1 + nb) = +∞ car b > 0. On en déduit que lim un = +∞

n→+∞ n→+∞

1
Alors b > 1 et d’après le point précédent
3. Si a = 0, le résultat est clair. Sinon, on pose b =
a
1
lim bn = +∞. Comme pour tout entier naturel n on a : |an | = n , on en déduit que
n→+∞ b
lim |an | = 0
n→+∞

4. Supposons par l’absurde que la suite (un )n∈IN converge vers l ∈ IR. De a2 ≥ 1, on déduit que
pour tout entier naturel n, on a a2n ≥ 1. En passant à la limite, il vient l ≥ 1 Comme de plus
pour tout entier naturel n on a a2n+1 ≤ a ≤ −1,il vient en passant de nouveau à la limite l ≤ −1.
Mais comme on a déjà l ≥ 1, on obtient une contradiction, et donc la suite (un )n∈IN ne converge
pas.

4.3.2 Série géométrique

Proposition 4.9
Soit a ∈ IR − {1} alors on a :
n
X 1 − an+1
ak =
k=0
1−a

démonstration
Soit a ∈ IR − {1} on a :

(1 − a)(1 + a + a2 + a3 + · · · + an ) = (1 + a + a2 + a3 + · · · + an ) − (a + a2 + a3 + · · · + an+1 ) = 1 − an+1

Enseignant: Aribou Youssef page 70
CHAPITRE 4. SUITES NUMÉRIQUES

Donc
n
X 1 − an+1
ak =
k=0
1−a

Remarque 4.3.1
Pn k, 1
Si a ∈] − 1, 1[ et (un )n∈IN est la suite de terme général : un = k=0 a alors lim un = .
n→+∞ 1−a

un+1
4.3.3 Suites telles que <l<1
un
Théorème 4.1
Soit (un )n∈IN une suite de réels non nuls. On suppose qu’il existe un réel l tel que pour tout entier
naturel n (ou seulement à partir d’un certain rang) on ait :

un+1
< l < 1.
un

Alors lim un = 0
n→+∞

démonstration
un+1
On suppose que la propriété < l < 1 est vraie pour tout entier naturel n (la preuve dans le cas
un
où cette propriété n’est vraie qu’à partir d’un certain rang n’est pas très différente). On écrit

un u1 u2 u3 un
= × × × ··· ×
u0 u0 u1 u2 un−1

ce dont on déduit
un
< l × l × · · · × l = ln
u0

et donc |un | < |u0 | ln . Comme l < 1, on a lim ln = 0. On conclut que lim un = 0.
n→+∞ n→+∞

Corollaire 4.1
Soit (un )n∈IN une suite de réels non nuls.

un+1
Si lim = 0 alors lim un = 0
n→+∞ un n→+∞

démonstration
Evident

Enseignant: Aribou Youssef page 71

CHAPITRE 4. SUITES NUMÉRIQUES

Exemple 4.3.1
an
Soit a ∈ IR. Alors lim =0
n→+∞ n!

Remarque 4.3.2

1. Avec les notations du théorème, si on a pour tout entier naturel n à partir d’un certain rang :
|un+1 |
> l > 1, alors la suite (un )n∈IN diverge. En effet, il suffit d’appliquer le théorème à la
|un |
1
suite de terme général pour voir que lim |un | = +∞.
|un | n→+∞

2. Toujours avec les notations du théorème, si l = 1 on ne peut rien dire.

Exemple 4.3.2
√
Pour un nombre réel a, a > 0, calculer lim n a.
n→+∞
√
On va montrer que lim n a = 1. Si a = 1 c’est clair. Supposons a > 1. Écrivons a = 1 + h, avec
n→+∞
h > 0. Comme
h n h
(1 + ) ≥1+n =1+h=a
n n
√
on a en appliquant la fonction racine n−ième, n .:

h √
1+ ≥ na≥1
n
√
On peut conclure grâce au théorème "des gendarmes" que lim n a = 1.
n→+∞
1
Enfin, si a < 1, on applique le cas précédent à b = > 1.
a

4.4 Théorème de convergence

4.4.1 Suite bornée, majorée et minorée

Proposition 4.10
Toute suite convergente est bornée.

La réciproque est fausse mais nous allons ajouter une hypothèse supplémentaire pour obtenir des
résultats.

4.4.2 Suite monotone

Théorème 4.2
Toute suite croissante (Respectivement décroissante) et majorée (Respectivement minorée) est
convergente.

Enseignant: Aribou Youssef page 72

CHAPITRE 4. SUITES NUMÉRIQUES

4.4.3 Exemples

4.4.3.1 Fonction zêta de Riemann ζ(2)

Soit (un )n≥1 la suite de terme général :

1 1 1
un = 1 + 2
+ 2 + ··· + 2
2 3 n

1. La suite (un )n≥1 est croissante (évident).

1
2. Montrons par récurrence que pour tout entier naturel n ≥ 1 on a un ≤ 2 −
n
1
• Pour n = 1 on a u1 = 1 ≤ 2 − .
1
1 1
• fixons n ≥ 1 pour lequel on suppose un ≤ 2 − . Alors un+1 = un + . Or
n (n + 1)2
1 1 1 1 1
2
≤ = − , donc un+1 ≤2− , ce qui achève la récurrence.
(n + 1) n(n + 1) n n+1 n+1

3. Donc la suite (un )n≥1 est croissante et majorée par 2 : elle converge.

Remarque 4.4.1
π2
On note ζ(2) = cette limite.
6

4.4.4 Suites adjacentes

Définition 4.1
Les suites (un )n∈IN et (vn )n∈IN sont dites adjacentes si

1. (un )n∈IN est croissante et (vn )n∈IN est décroissante,

2. pour toute n ∈ IN, on a un ≤ vn ,

3. lim (vn − un ) = 0
n→+∞

Théorème 4.3
Si les suites (un )n∈IN et (vn )n∈IN sont adjacentes, elles convergent vers la même limite.

démonstration

• (un )n∈IN est croissante est majorée par v0 , donc elle converge vers une limite l.

• (vn )n∈IN est décroissante est minorée par u0 , donc elle converge vers une limite l0 .

Donc l0 − l = lim (vn − un ) = 0.

n→+∞

Enseignant: Aribou Youssef page 73

CHAPITRE 4. SUITES NUMÉRIQUES

Exemple 4.4.1
Reprenons l’exemple de ζ(2). Soient (un )n≥1 et (vn )n≥1 les deux suites définies par :

n
X 1 2
un = et vn = un +
k=1
k2 n+1

Montrons que (un )n≥1 et (vn )n≥1 sont deux suites adjacentes :

1
1. (a) (un )n≥1 est croissante car un+1 − un = > 0.
(n + 1)2
(b) (vn )n≥1 est décroissante car

1 2 2 n + 2 + 2(n + 1)2 − 2(n + 1)(n + 2) −n

vn+1 −vn = 2
+ − = = < 0.
(n + 1) n + 2 n + 1 (n + 2)(n + 1)2 (n + 2)(n + 1)2

2
2. Pour tout n ≥ 1 : vn − un = > 0, donc un ≤ vn .
n+1
2
3. Enfin comme vn − un = donc lim (vn − un ) = 0.
n+1 n→+∞

Les suites (un )n≥1 et (vn )n≥1 sont deux suites adjacentes, elles convergent donc vers une même limite
finie l. Nous avons en plus l’encadrement un ≤ l ≤ vn Pour tout n ≥ 1.

4.5 Suites récurrentes

4.5.1 Suite récurrente définie par une fonction

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

u0 ∈ IR et un+1 = f (un ) pour n ≥ 0

Exemple 4.5.1
√
Soit f (x) = 1 + x. Fixons u0 = 2 et définissons pour n ≥ 0 : un+1 = f (un ). C’est-à-dire
√
un+1 = 1 + un . Alors les premiers termes de la suite sont :

r s r
√ q √ q √ q √
2, 1 + 2, 1 + 1+ 2, 1 + 1+ 1+ 2, 1 + 1+ 1+ 1+ 2, ...

Proposition 4.11
Si f est une fonction continue et la suite récurrente (un )n∈IN converge vers l, alors l est une solution
de l’équation :
f (l) = l

Enseignant: Aribou Youssef page 74

CHAPITRE 4. SUITES NUMÉRIQUES

démonstration
Lorsque n −→ +∞, un −→ l et donc aussi un+1 −→ l Comme un −→ l et que f est continue alors la
suite f (un ) −→ f (l). la relation un+1 = f (un ) devient à la limite (lorsque n −→ ∞) : f (l) = l

Remarque 4.5.1
Une valeur l, vérifiant f (l) = l est un point fixe de f .

Enseignant: Aribou Youssef page 75

CHAPITRE 4. SUITES NUMÉRIQUES

Enseignant: Aribou Youssef page 76

Chapitre 5

Calcul intégral

5.1 Primitive d’une fonction

Soit f une fonction définie sur un intervalle I de IR. On appelle primitive de f , une fonction F
dont la dérivée est f :
∀x ∈ I, F 0 (x) = f (x)

On note

Z
F (x) = f (x)dx

On dit que F est une primitive ou une intégrale de f et que l’on a intégré f .

• On admettra que toute fonction continue sur I admet des primitives sur I

L’expression dF = f (x)dx est l’élément différentiel de l’intégrale.

5.1.1 Propriétés des primitives.

1. Si F est une primitive de f , les autres primitives sont F + (Constante).

Z Z Z
2. (λf (x) + µg(x))dx = λ f (x)dx + µ g(x)dx, ∀λ, µ ∈ IR

5.1.2 Intégrale définie ou (Intégrale de Riemann)

Soit f une fonction bornée sur un intervalle borné (a, b). On cherche à évaluer, dans un repère
orthonormé l’aire algébrique A de la surface délimitée par le graphe de f , l’axe Ox et les droites
d’équations x = a et x = b. Pour ce faire, on considère les points x0 , x1 , x2 , · · · , xn ∈ (a, b) tels que
a = x0 < x1 < x2 < · · · < xn−1 < xn = b.
On a ainsi divisé (a, b) en n intervalles partiels. Soit ζi ∈ [xi , xi+1 ] et considérons la somme, que l’on
77
CHAPITRE 5. CALCUL INTÉGRAL

appelle somme de Riemann :

Sn = (x1 − a)f (ζ1 ) + (x2 − x1 )f (ζ2 ) + · · · + (b − xn−1 )f (ζn )

Sn mesure donc l’aire algébrique totale des rectangles hachurés. Cette somme dépend de nombreux

paramètres, comme les valeurs des xi , ou la position des ζi .

Si, quand n −→ +∞ de sorte que les longueurs de tous les intervalles partiels tendent simultanément
vers zéro, toutes les sommes de Riemann Sn ont une limite commune égale à A indépendante du
partage de (a, b), on dit que f est intégrable sur (a, b) ; cette limite s’appelle :
Z b
Intégrale définie de f sur (a, b) et se note J = f (x)dx
a
Le nombre J ainsi défini résulte d’opérations compliquées et l’on pourrait douter de son existence. Le
théorème suivant nous rassure :

Théorème 5.1
Toute fonction bornée ayant un nombre fini de points de discontinuité sur un intervalle borné (a, b)
est intégrable (au sens de Riemann) sur (a, b).

5.1.2.1 Discontinuité d’une fonction

Si la fonction f est discontinue au point x0 ∈ (a, b) et si elle a une limite finie à gauche et une
limite finie a droite de x0 on posera par définition :
Z b Z x0 Z b
f (x)dx = f (x)dx + f (x)dx
a a x0

5.1.2.2 Propriétés de l’intégrale définie

Z a
1. f (x)dx = 0, ∀a ∈ IR
a
Z b Z c Z c
2. f (x)dx + f (x)dx = f (x)dx, ∀a, b, c ∈ IR.
a b a
Enseignant: Aribou Youssef page 78
CHAPITRE 5. CALCUL INTÉGRAL
Z b Z b
3. kf (x)dx = k f (x)dx, ∀k ∈ IR.
a a

Z b Z a
4. f (x)dx = − f (x)dx, ∀a, b ∈ IR.
a b

Z b
5. Si a < b et f (x) ≥ 0, ∀x ∈ (a, b) alors f (x)dx ≥ 0.
a

5.1.2.3 Formule de la Moyenne

On appelle valeur moyenne de la fonction f sur [a, b] l’expression :

Z b
1
f (x)dx
b−a a

Théorème 5.2
Soit f définie et continue sur [a, b] alors il existe c ∈]a.b[ tel que :

Z b
1
f (c) = f (x)dx
b−a a

Z x
Ce résultat se déduit du théorème des accroissements finis appliqué à la fonction : x 7−→ f (t)dt
a
sur l’intervalle [a, b]

5.1.2.4 Relation entre intégrale définie et primitive

Si f est une fonction continue sur l’intervalle I de IR et a, b, c, x ∈ I on démontre que la fonction

F définie par
Z x
x 7−→ F (x) = f (t)dt
c
Enseignant: Aribou Youssef page 79
CHAPITRE 5. CALCUL INTÉGRAL
Z b
admet une dérivée F 0 , de plus F 0 = f . Une primitive de f est donc F et puisque f (x)dx =
Z b Z a a

f (x)dx − f (x)dx (relation de Chasles) :

c c

Z b
f (x)dx = F (b) − F (a) = [F (x)]ba
a

5.2 Tableau de primitives usuelles

Z
Définie sur Fonction f F (x) = f (x)dx

xα+1
IR∗ ou IR∗+ xα (α < 0 α 6= −1) +C
α+1
xα+1
IR ou IR+ xα (α > 0) +C
α+1
1
IR arctan x + C
1 + x2
1 1 1+x
IR\{−1, 1} ln +C
1 − x2 2 1−x
1
IR∗− IR∗+ ln |x| + C
S
x
ax
IR ax (a > 0) +C
ln a
IR ex ex + C
1
IR sin(ωx + α) ω 6= 0 − cos(ωx + α) + C
ω
1
IR cos(ωx + α) ω 6= 0 sin(ωx + α) + C
ω
π 1
IR\{ + kπ, k ∈ ZZ} = 1 + tan2 x tan x + C
2 cos2 x
1 1
IR\{kπ, k ∈ ZZ} = 1 + cotan2 x − +C
sin2 x tan x
π
IR\{ + kπ, k ∈ ZZ} tan x − ln | cos x| + C
2
1
] − 1, 1[ √ arcsin x + C
1 − x2

Table 5.1 – Tableau de primitives usuelles

Enseignant: Aribou Youssef page 80

CHAPITRE 5. CALCUL INTÉGRAL

5.3 Méthodes de calcul des primitives et des intégrales

5.3.1 Changement de variable naturel

Si f (x) peut se mettre sous la forme f (x) = ϕ[u(x)]u0 (x) où ϕ est une fonction continue dont Φ
est une primitive et si u est a dérivée continue, alors :

f (x)dx = ϕ(u)u0 (x)dx = ϕ(u)du

et
Z Z
f (x)dx = ϕ(u)du = Φ(u(x)) + C

Pour les intégrales définies, la formule devient :

Z b Z ϕ(b)
f (x)dx = ϕ(u)du = Φ(u(b)) − Φ(u(a))
a ϕ(a)

Exemple 5.3.1
sin x
Z Z
1. Calculer I = tan xdx = dx :
cos x
On pose u(x) = cos x dont la différentielle est du = − sin xdx.
du
Z
Alors I = − = − ln |u(x)| + C = − ln | cos(x)| + C
u
1
xdx
Z
2
2. Calculer J = √:
0 1 − x2
On pose u(x) = 1 − x2 donc u(0) = 1, u( 12 ) = 3
4 et du = −2xdx.
On obtient alors √
Z 3
4 du √ 34 3
J =− √ = [− u]1 = 1 −
1 2 u 2

5.3.2 Changement de variable forcé

Pour obtenir une expression plus simple de l’élément différentiel, il peut être utile de poser x = ϕ(t)
dont la différentielle est dx = ϕ0 (t)dt ; dans ces conditions :
Z Z Z
f (x)dx = f (ϕ(t))ϕ0 (t)dt = g(t)dt

= G(t) + C = G(ϕ−1 (x)) + C

Où G est une primitive de g. Notons que la fonction ϕ doit être inversible et à dérivé continue.
Pour les intégrales définies, toujours avec x = ϕ(t) :

Z b Z β
f (x)dx = f (ϕ(t))ϕ0 (t)dt = G(β) − G(α)
a α

où α = ϕ−1 (a), β = ϕ−1 (b) telle que ϕ est inversible sur [α, β] et a dérivée continue sur ]α, β[.
Enseignant: Aribou Youssef page 81
CHAPITRE 5. CALCUL INTÉGRAL

Exemple 5.3.2
Z 1
2 dx
Calculer √
0 1 − x2

π π
• on pose x = sin t avec t ∈] − , [
2 2
π π
Et comme la fonction sin est une bijection de ] − , [ dans ] − 1, 1[ et son fonction réciproque
2 2
1 π
arcsin alors t = arcsin x et les bornes deviennent 0 = arcsin 0 et = arcsin et la différentielle
Z 1 Z π 2 6
2 dx 6 π
s’écrit dx = cos tdt, il s’en suit : √ = dt =
0 1 − x2 0 6
Remarque 5.3.1
D’après le tableau de primitives on a :
1
arcsin0 x = √
1 − x2
Et l’on retrouve :
Z 1
2 dx 1 π
√ = [arcsin x]02 =
0 1−x 2 6

5.3.3 Méthode d’intégration par parties

De la formule de dérivation du produit des fonctions :

(uv)0 = u0 v + uv 0

On déduit
Z Z
uv 0 = uv − u0 v

que l’on écrit avec les différentielles :

Z Z
udv = uv − vdu

Et si les intégrales sont définies, u et v ayant leurs dérivées continues sur (a, b) :

Z b Z b
udv = [uv]ba − vdu
a a

Exemple 5.3.3
Z
1. Calculer I = ln xdx
dx
On pose u(x) = ln(x) donc du = et dv = dx donc v = x et l’on intègre par parties, ce qui
x
donne :

Z
I = x ln x − dx = x ln x − x + C

Enseignant: Aribou Youssef page 82

CHAPITRE 5. CALCUL INTÉGRAL
Z 1
2. Calculer J = xex dx
0
On pose u = x donc du = dx et dv = ex dx qui donne v = ex . Alors :

Z 1
J = [xex ]10 − ex dx = [ex (x − 1) + C]10 = 1
0

Enseignant: Aribou Youssef page 83

CHAPITRE 5. CALCUL INTÉGRAL

Enseignant: Aribou Youssef page 84

Chapitre 6

Équations différentielles

6.1 Définition

6.1.1 Introduction

Une équation différentielle est une équation :

• dont l’inconnue est une fonction (généralement notée y(x) ou simplement y) ;

• dans laquelle apparaissent certaines des dérivées de la fonction (dérivée première y 0 , ou dérivées
d’ordres supérieurs y 00 , y (3) , · · · ).

Voici des équations différentielles faciles à résoudre.

Exemple 6.1.1

1. y 0 = sin x (y(x) = − cos x + C, C ∈ IR)

2. y 0 = 1 + ex (y(x) = x + ex + C, C ∈ IR)

3. y 0 = 3y (y(x) = ke3x , k ∈ IR)

Il est aussi facile de vérifier qu’une fonction donnée est bien solution d’une équation.

Exemple 6.1.2
2
1. Soit l’équation différentielle y 0 = 2xy + 4x. Vérifier que y(x) = ex − 2 est une solution sur IR,
ceci quel que soit k ∈ IR.

2. Soit l’équation différentielle x2 y 00 − 2y + 2x = 0. Vérifier que y(x) = kx2 + x est une solution
sur IR, pour tout k ∈ IR.

85
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

6.1.2 Définition

Passons à la définition complète d’une équation différentielle et surtout d’une solution d’une
équation différentielle.

Définition 6.1
• Une équation différentielle d’ordre n est une équation de la forme :

F (x, y, y 0 , y 00 , · · · , y (n) ) (6.1)

où F est une fonction de (n + 2) variables.

• Une solution d’une telle équation sur un intervalle I ⊂ IR est une fonction y : I −→ IR qui est
n fois dérivable et qui vérifie l’équation (??)

6.1.3 Équation différentielle linéaire

On ne sait pas résoudre toutes les équations différentielles. On se concentre dans ce chapitre sur
deux types d’équations : les équations différentielles linéaires du premier ordre et celles du second ordre
à coef ?cients constants.

• Une équation différentielle d’ordre n est linéaire si elle est de la forme :

a0 (x)y + a1 (x)y 0 + · · · an (x)y (n) = g(x)

où les a et g sont des fonctions réelles continues sur un intervalle I ⊂ IR.

• Une équation différentielle linéaire est homogène, ou sans second membre, si la fonction g ci-
dessus est la fonction nulle :

a0 (x)y + a1 (x)y 0 + · · · an (x)y (n) = 0

• Une équation différentielle linéaire est à coefficients constants si les fonctions ai ci-dessus sont
constantes :
a0 y + a1 y 0 + · · · an y (n) = g(x)

où les ai sont des constantes réelles et g une fonction continue.

Exemple 6.1.3
1. y 0 + 5xy = ex est une équation différentielle linéaire du premier ordre avec second membre.

2. y 0 + 5xy = 0 est l’équation différentielle homogène associée à la précédente.

Enseignant: Aribou Youssef page 86
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

3. 2y 00 − 3y 0 + 5y = 0 est une équation différentielle linéaire du second ordre à coefficients constants,

sans second membre.

4. y 02 − y = 0 et y 00 y 0 − y = 0 ne sont pas des équations différentielles linéaires.

6.2 Équation différentielle linéaire du premier ordre

Définition 6.2
Une équation différentielle linéaire du premier ordre est une équation du type :

y 0 = a(x)y + b(x) (6.2)

où a et b sont des fonctions définies sur un intervalle ouvert I de IR.

Dans la suite on supposera que a et b sont des fonctions continues sur I. On peut envisager la
forme : α(x)y 0 + β(x)y = γ(x). On demandera alors que α 6= 0 pour tout x ∈ I . La division par α
permet de retrouver la forme (??).
On va commencer par résoudre le cas où a est une constante et b = 0. Puis a sera une fonction (et
toujours b = 0). On terminera par le cas général où a et b sont deux fonctions.

6.2.1 L’équation y 0 = ay

Théorème 6.1
Soit a un réel. Soit l’équation différentielle :

y 0 = ay (6.3)

Les solutions de (??), sur IR, sont les fonctions y définies par :

y(x) = keax


où k ∈ IR est une constante quelconque.

démonstration

1. On vérifie que les fonctions proposées sont bien solutions de (??). En effet, pour y(x) = keax ,
on a y 0 (x) = akeax = ay(x).

2. Montrons que les fonctions proposées sont les seules solutions. (C’est-à-dire qu’il n’y en a pas
d’un autre type que y(x) = keax . Soit y une solution quelconque de (??) sur IR. Considérons la
Enseignant: Aribou Youssef page 87
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

fonction z définie par : z(x) = y(x)e−ax .

Alors, par la formule de dérivation d’un produit :

z(x)0 = y(x)0 e−ax − ay(x)e−ax = e−ax (y(x) − ay(x))

Mais, par hypothèse, y est une solution de (??), donc y(x)0 − ay(x) = 0. On en déduit que
z 0 (x) = 0, pour tout réel x. Ainsi z est une fonction constante sur IR. Autrement dit, il existe
une constante k telle que z(x) = k pour tout x ∈ IR. D’où :

y(x)e−ax = k donc y(x) = keax

Ce qui termine la preuve du théorème.

Exemple 6.2.1
Résoudre l’équation différentielle :
2y 0 − 5y = 0

5
On écrit cette équation sous la forme y 0 = y . Ses solutions, sur IR, sont donc de la forme :
5
2
y(x) = ke 2 x où k ∈ IR.

6.2.2 L’équation y 0 = a(x)y

Le théorème suivant affirme que, lorsque a est une fonction, résoudre l’équation différentielle
y 0 = a(x)y revient à déterminer une primitive A de a (ce qui n’est pas toujours possible explicitement).

Théorème 6.2
Soit a : I → IR une fonction continue. Soit A : I → IR une primitive de A et soit l’équation
différentielle :
y 0 = a(x)y (6.4)

Les solutions sur I de (??), sur IR, sont les fonctions y définies par :


y(x) = keA(x)


où k ∈ IR est une constante quelconque.

démonstration
Enseignant: Aribou Youssef page 88
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

y(x) solution de (??) ⇐⇒ y 0 (x) − a(x)y(x) = 0

⇐⇒ e−A(x) (y 0 (x) − a(x)y(x)) = 0
⇐⇒ (e−A(x) y(x))0 = 0
⇐⇒ ∃k ∈ IR, e−A(x) y(x) = k
⇐⇒ ∃k ∈ IR, y(x) = keA(x)

Remarque 6.2.1
Si a(x) = a est une fonction constante, alors une primitive est par exemple A(x) = ax et on retrouve
les solutions du théorème ??.

Exemple 6.2.2
Comment résoudre l’équation différentielle x2 y 0 = y ? On se place sur l’intervalle I+ =]0, +∞[ ou
I+ =]0, +∞[
1 1 1
L’équation devient y 0 = 2
y. Donc a(x) = 2 , dont une primitive est A(x) = − . Ainsi les solutions
x 1 x x
cherchées sont y(x) = ke− x , k ∈ IR.

6.2.3 L’équation y 0 = a(x)y + b(x)

Il nous reste le cas général de l’équation différentielle linéaire d’ordre 1 avec second membre :

y 0 = a(x)y + b(x) (6.5)

où a : I → IR et b : I → IR sont des fonctions continues.

L’équation homogène associée est :
y 0 = a(x)y (6.6)

Il n’y a pas de nouvelle formule à apprendre pour ce cas. Il suf ?t d’appliquer le principe de
superposition : les solutions de (??) s’obtiennent en ajoutant à une solution particulière de (??) les
solutions de (??). Ce qui donne :

Proposition 6.1
Si y0 est une solution de (??), alors les solutions de (??) sont les fonctions y : I −→ IR définies par :

y(x) = y0 (x) + keA(x) avec k ∈ IR (6.7)

où x 7−→ A(x) est une primitive de x 7−→ a(x).

Enseignant: Aribou Youssef page 89
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

La recherche de la solution générale de (??) se réduit donc à la recherche d’une solution particulière.
Parfois ceci se fait en remarquant une solution évidente. Par exemple, l’équation différentielle
y 0 = 4xy + 16x a pour solution particulière y0 (x) = −4 ; donc l’ensemble des solutions de cette
2
équation sont les y(x) = −4 + kex , où k ∈ IR.
Recherche d’une solution particulière : méthode de variation de la constante :
C’est une méthode générale pour trouver une solution particulière en se ramenant à un calcul de
primitive.
La solution générale de (??) y 0 = a(x)y est donnée par y(x) = keA(x) avec k ∈ IR. La méthode de la
variation de la constante consiste à chercher une solution particulière sous la forme y0 (x) = k(x)eA(x) ,
où k est maintenant une fonction à déterminer pour que y0 soit une solution de (??) y 0 = a(x)y +b(x).
Puisque A0 = a, on a :

y00 (x) = a(x)k(x)eA(x) + k 0 (x)eA(x) = a(x)y0 (x) + k 0 (x)eA(x)

ainsi :
y00 (x) − a(x)y0 (x) = k 0 (x)eA(x)

Donc y0 est une solution de (??) si et seulement si

Z
0 0 −A(x)
k (x)e A(x)
= b(x) ⇐⇒ k (x) = b(x)e ⇐⇒ k(x) = b(x)e−A(x) dx.

Z
Ce qui donne une solution particulière y0 (x) = ( b(x)e−A(x) dx)eA(x) de (??) sur I. La solution
générale de (??) est donnée par :

y(x) = y0 (x) + keA(x) , k ∈ IR

Exemple 6.2.3
Soit l’équation y 0 + y = ex + 1. L’équation homogène est y 0 = −y dont les solutions sont les
y(x) = ke−x , k ∈ IR.
Cherchons une solution particulière avec la méthode de variation de la constante : on note y(x) =
k(x)e−x . On doit trouver k(x) afin que y0 vérifie l’équation différentielle y 0 + y = ex + 1.

y00 + y0 = ex + 1
⇐⇒ (k 0 (x)e−x − k(x)e−x ) + k(x)e−x = ex + 1
⇐⇒ k 0 (x)e−x = ex + 1
⇐⇒ k 0 (x) = e2x + ex
1
⇐⇒ k(x) = e2x + ex + C
2
Enseignant: Aribou Youssef page 90
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

On fixe C = 0 (n’importe quelle valeur convient) :

1 1
y0 (x) = k(x)e−x = ( e2x + ex )e−x = ex + 1
2 2

Nous tenons notre solution particulière ! Les solutions générales de l’équation y 0 +y = ex +1 s’obtiennent
en additionnant cette solution particulière aux solutions de l’équation homogène :

1
y(x) = ex + 1 + ke−x , k ∈ IR
2

6.2.4 Théorème de Cauchy-Lipschitz

Voici l’énoncé du théorème de Cauchy-Lipschitz dans le cas des équations différentielles linéaires
du premier ordre.

Théorème 6.3
Soit y 0 = a(x)y + b(x) une équation différentielle linéaire du premier ordre, où a, b : I −→ IR sont des
fonctions continues sur un intervalle ouvert I . Alors, pour tout x0 ∈ I et pour tout y0 ∈ IR, il existe
une et une seule solution y telle que y(x0 ) = y0 .

D’après nos calculs précédents cette solution est :

Z x
y(x) = ( b(t)e−A(t) dt)eA(x) + y0 eA(x)
x0

où A est la primitive de a s’annulant en x0 , et cette solution vérifie bien y(x0 ) = y0 .

Exemple 6.2.4
Trouver la solution de y 0 + y = ex + 1 vérifiant y(1) = 2. Nous avons déjà trouvé toutes les solutions de
1
cette équation dans l’exemple ?? : y(x) = ex + 1 + ke−x , k ∈ IR. Nous allons déterminer la constante
2
k afin que la condition initiale y(1) = 2 soit vérifiée :

1 k e e2
y(1) = 2 ⇐⇒ e1 + 1 + ke−1 = 2 ⇐⇒ = 1 − ⇐⇒ k = e −
2 e 2 2

1 e2
Ainsi la solution cherchée est y(x) = ex + 1 + (e − )e−x , et c’est la seule solution.
2 2
Enseignant: Aribou Youssef page 91
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

6.3 Équation différentielle linéaire du second ordre à coefficients

constants

6.3.1 Définition

Une équation différentielle linéaire du second ordre, à coefficients constants, est une équation de
la forme
ay 00 + by 0 + cy = g(x) (6.8)

où a, b, c ∈ IR, a 6= 0 et g est une fonction continue sur un intervalle ouvert I.

L’équation
ay 00 + by 0 + cy = 0 (6.9)

est appelée l’équation homogène associée à (??).

6.3.2 Équation homogène

On cherche une solution de (??) sous la forme y(x) = erx où r ∈ C

I est une constante à déterminer.
On trouve
ay 00 + by 0 + cy = 0
⇐⇒ (ar2 + br + c)erx = 0
⇐⇒ ar2 + br + c = 0

Définition 6.3.1
L’équation ar2 + br + c = 0 est appelée l’équation caractéristique associée à (??)

Soit ∆ = b2 − 4ac, le discriminant de l’équation caractéristique associée à (??).

Théorème 6.4

1. Si ∆ > 0, L’équation caractéristique possède deux racines réelles distinctes r1 6= r2 et les solutions
de (??) sont les


y(x) = λer1 x + µer2 x où λ, µ ∈ IR


2. Si ∆ = 0, L’équation caractéristique possède une racine double r0 et les solutions de (??) sont
les


y(x) = (λ + µx)er0 x où λ, µ ∈ IR


3. Si ∆ < 0, L’équation caractéristique possède deux racines complexes conjuguées r1 = α +

iβ et r2 = α − iβ et les solutions de (??) sont les
Enseignant: Aribou Youssef page 92
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

y(x) = eαx (λ cos(βx) + µ sin(βx)) où λ, µ ∈ IR


Exemple 6.3.1

1. Résoudre sur IR l’équation y 00 − y 0 − 2y = 0.

L’équation caractéristique est r2 − r − 2 = 0 qui s’écrit (r + 1)(r − 2) = 0, (∆ > 0). D’où pour
tout x ∈ IR, y(x) = λe−x + µe2x avec λ, µ ∈ IR.

2. Résoudre sur IR l’équation y 00 − 8y 0 + 16y = 0.

L’équation caractéristique est r2 − 8r + 16 = 0 qui s’écrit (r − 4)2 = 0, (∆ = 0). D’où pour tout
x ∈ IR, y(x) = (λx + µ)e4x avec λ, µ ∈ IR.

3. Résoudre sur IR l’équation y 00 − 2y 0 + 5y = 0.

L’équation caractéristique est r2 − 2r + 5 = 0. Elle admet deux solutions complexes
conjuguées :r1 = 1 + 2i et r2 = 1 − 2i, (∆ < 0). D’où pour tout x ∈ IR, y(x) =
ex (λ cos(2x) + µ sin(2x)) avec λ, µ ∈ IR.

6.3.3 Équation avec second membre

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 ⊂ IR :

ay 00 + by 0 + cy = g(x) (6.10)

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

Théorème 6.5
Pour chaque x0 ∈ I et chaque couple (y0 , y1 ) ∈ IR2 , l’équation (??) admet une unique solution y sur
I satisfaisant aux conditions initiales :

y(x0 ) = y0 et y 0 (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 6.2
Les solutions générales de l’équation (??) s’obtiennent en ajoutant les solutions générales de l’équation
homogène (??) à une solution particulière de (??).

Il reste donc à déterminer une solution particulière.

Enseignant: Aribou Youssef page 93
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

6.3.4 Recherche d’une solution particulière

On donne deux cas particuliers importants et une méthode générale.

1- Second membre du type eαx P (x) : Si g(x) = eαx P (x), avec α ∈ IR et P polynôme de IR, alors
on cherche une solution particulière sous la forme y0 (x) = xm eαx Q(x), où Q est un polynôme de même
degré que P avec :

• y0 (x) = eαx Q(x) (m = 0), si α n’est pas une racine de l’équation caractéristique,

• y0 (x) = xeαx Q(x) (m = 1), si α est une racine simple de l’équation caractéristique,

• y0 (x) = x2 eαx Q(x) (m = 1), si α est une racine double de l’équation caractéristique.

2- Second membre du 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 ∈ IR et P1 etP2 deux polynôme de IR, on cherche une solution particulière
sous la forme :

• y0 (x) = eαx (Q1 (x) cos(βx) + Q2 (x) sin(βx), si α + iβ n’est pas une racine de l’équation
caractéristique,

• y0 (x) = xeαx (Q1 (x) cos(βx)+Q2 (x) sin(βx), si α+iβ est une racine de l’équation caractéristique.

Dans les deux cas, Q1 et Q2 sont deux polynômes de degré n = maxdeg(P1 ) , deg(P2 )

Exemple 6.3.2
Résoudre les équations différentielles :

(E0 ) y 00 − 5y 0 + 6y = 0
(E1 ) y 00 − 5y 0 + 6y = 4xex
(E2 ) y 00 − 5y 0 + 6y = 4xe2x

Trouver la solution de (E1 ) vérifiant y(0) = 1 et y 0 (0) = 0.

1. Équation (E0 ) : L’équation caractéristique est r2 −5r +6 = (r −2)(r −3) = 0, avec deux racines
distinctes r1 = 2 et r2 = 3 Donc l’ensemble des solutions de (E0 ) est {λe2x + µe3x |λ, µ ∈ IR}

2. Équation (E1 ) :

a. On cherche une solution particulière à (E1 ) sous la forme y0 (x) = (ax + b)ex . Lorsque l’on
Enseignant: Aribou Youssef page 94
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES

injecte y0 dans l’équation (E1 ), on obtient :

(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
⇐⇒ 2ax + 2b − 3a = 4x
⇐⇒ 2a = 4 et + 2b − 3a = 0
⇐⇒ a = 2 et + b = 3

Donc y0 (x) = (2x + 3)ex

b. L’ensemble des solutions de (E1 ) est {(2x + 3)ex + λe2x + µe3x |λ, µ ∈ IR}

c. On a y(x) = (2x + 3)ex + λe2x + µe3x . On cherche λ, µ tels que y(0) = 1, y 0 (0) = 0.
C’est-à-dire que 3 + λ + µ = 0, 5 + 2λ + 3µ = 0 donc λ = µ = −1 c’est-à-dire que
y(x) = (2x + 3)ex − e2x − e3x

3. Équation (E2 ) : Comme 2 est une racine de l’équation caractéristique, on cherche une solution
particulière sous la forme y0 (x) = x(ax + b)e2x . On obtient y0 (x) = −x(2x + 4)e2x

3- Méthode de variation des constantes : Si y1 et y2 sont deux solutions de l’équation

homogène (E0 ), on cherche une solution particulière sous la forme y0 = λy1 + µy1 , mais cette fois λ
et µ sont deux fonctions vérifiant :
  
 λ0 y1 + µ0 y2
 = 0
(S) g(x)
 0 0
 0 0
λ y1 + µ y2 =
 a 
Avec ces conditions on a alors

y00 = λ0 y1 + µ0 y2 + λy10 + µy20 = λy10 + µy20

g(x)
et y000 = λ0 y10 + µ0 y20 + λy100 + µy200 = + λy100 + µy200
a

Ainsi l’équation (E0 ) est vérifiée par y0 :

g(x)
ay000 + by00 + cy0 = a( + λy100 + µy200 ) + b(λy10 + µy20 ) + c(λy1 + µy2 )
a
= g(x) + λ(ay100 + by10 + cy1 ) + µ(ay200 + by20 + cy2 )
= g(x)

On a utilisé le fait que y1 et y2 sont solutions de l’équation homogène. Le système (S) se résout
facilement, ce qui λ0 et µ0 , puis λ et µ par intégration.

Exemple 6.3.3
Enseignant: Aribou Youssef page 95
CHAPITRE 6. ÉQUATIONS DIFFÉRENTIELLES
π π
Résoudre l’équation suivante, sur l’intervalle ] − , [:
2 2

1
y 00 + y =
cos x

Les solutions de l’équation homogène y 00 + y = 0 sont λ cos xµ sin x où λ, µ ∈ IR. On cherche une
solution particulière de l’équation avec second membre sous la forme

y0 (x) = λ(x) cos xµ(x) sin x

tels que λ(x), µ(x) vérifient (S) :


 λ0 y1 cos x + µ0 sin x = 0

1
 −λ0 sin x + µ0 cos
 =
cos x

En multipliant la première ligne par sin x et la seconde par cos x, on obtient


 λ0 cos x sin x + µ0 sin2 x

= 0
donc par somme µ0 = 1.
 −λ0 cos x sin x + µ0 cos2

= 1

sin x
Ainsi µ(x) = x et la première ligne des équations devient λ0 = − donc λ(x) = ln(cos x).
cos x
On véri ?e pour se rassurer que y0 (x) = ln(cos x) cos x + x sin x est une solution de l’équation. Ainsi
les fonctions solutions sont de la forme :

λ cos xµ sin x + ln(cos x) cos x + x sin x où λ, µ ∈ IR

Enseignant: Aribou Youssef page 96