Lycée Janson de Sailly

Cours de Mathématiques

PC
– version 1.01 –

2022-2023

J. Gärtner.
Table des matières

1 Espaces vectoriels 1
I Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1 Espaces vectoriels et sous-espaces vectoriels . . . . . . . . . . . . . . . . . . 1
2 Combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4 Produit, sommes et sommes directes . . . . . . . . . . . . . . . . . . . . . . 7
II Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1 Rappels et recollement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Projecteurs et symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
III Espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1 Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Dimension d’un produit, d’une somme . . . . . . . . . . . . . . . . . . . . . 21
3 Applications linéaires en dimension finie . . . . . . . . . . . . . . . . . . . . 22
4 Application à connaître : polynômes interpolateurs de Lagrange . . . . . . 23
IV Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1 Représentation des vecteurs et des applications linéaires . . . . . . . . . . . 24
2 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Noyau, image, rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . 26
4 Inversibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5 Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
V Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1 Formules de passage, matrices semblables . . . . . . . . . . . . . . . . . . . 31
2 Trace d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
VI Déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . 34
2 Calcul du déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3 Lien avec l’inversibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Déterminant de Vandermonde . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . 40
6 Déterminant d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . 42
VII Espaces stables, matrices définies par blocs . . . . . . . . . . . . . . . . . . . . . . 43
1 Sous-espaces stables par un endomorphisme . . . . . . . . . . . . . . . . . . 43
2 Matrices définies par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3 Déterminants par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
VIII Polynômes d’endomorphismes et de matrices carrées . . . . . . . . . . . . . . . . . 48
1 L’essentiel à connaître . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

2 Intégration sur un intervalle quelconque 53

I Intégrale d’une fonction continue par morceaux sur un segment . . . . . . . . . . . 53
1 Subdivisions d’un segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2 Fonctions continues par morceaux . . . . . . . . . . . . . . . . . . . . . . . 54
3 Intégrale d’une fonction continue par morceaux sur un segment . . . . . . . 57
4 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

iii
 5 Rappels de PCSI sur les intégrales de fonctions continues sur un segment . 61
II Intégrales généralisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3 Techniques de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
III Interlude : rappels d’analyse asymptotique . . . . . . . . . . . . . . . . . . . . . . . 76
1 Relations de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2 Développements limités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
IV Étude de la convergence d’une intégrale, convergence absolue . . . . . . . . . . . . 80
1 Espace des fonctions intégrables . . . . . . . . . . . . . . . . . . . . . . . . 80
2 Comparaison de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
V Plus au programme : espaces de fonctions intégrables . . . . . . . . . . . . . . . . . 88

3 Compléments sur les séries numériques 91

I Rappels sur les suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II Rappels de PCSI sur les séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2 Linéarité de la somme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3 Séries de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4 Séries à termes positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5 Séries absolument convergentes . . . . . . . . . . . . . . . . . . . . . . . . . 100
III Séries et intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
IV Quelques critères de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
1 Règle de d’Alembert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
2 Théorème spécial des séries alternées . . . . . . . . . . . . . . . . . . . . . . 104
V Produit de Cauchy de deux séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
VI Quelques formules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
1 Formule de Stirling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
2 Calcul de ζ(2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
VII A propos de l’ordre des termes – utile en probabilités . . . . . . . . . . . . . . . . . 114
VIII Récapitulatif des méthodes pour étudier la nature et la somme d’une série . . . . . 115
1 Nature d’une série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
2 Calcul d’une somme en cas de convergence . . . . . . . . . . . . . . . . . . 115

4 Réduction des endomorphismes 117

I Rappels de PCSI sur les polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
1 Racines distinctes et factorisation . . . . . . . . . . . . . . . . . . . . . . . . 117
2 Racines n-ièmes d’un nombre complexe . . . . . . . . . . . . . . . . . . . . 118
3 Racines multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4 Polynôme scindé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5 Relations coefficients-racines . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6 Factorisation en produit de polynômes irréductibles . . . . . . . . . . . . . 120
II Éléments propres d’un endomorphisme ou d’une matrice . . . . . . . . . . . . . . . 121
1 Droites stables par un endomorphisme . . . . . . . . . . . . . . . . . . . . . 121
2 Valeurs propres, vecteurs propres d’un endomorphisme . . . . . . . . . . . . 121
3 Lien avec les polynômes annulateurs . . . . . . . . . . . . . . . . . . . . . . 125
4 Cas des endomorphismes qui commutent . . . . . . . . . . . . . . . . . . . . 126
5 Extension des définitions pour une matrice . . . . . . . . . . . . . . . . . . 126
III Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
1 Polynôme caractéristique d’une matrice . . . . . . . . . . . . . . . . . . . . 127
2 Polynôme caractéristique d’un endomorphisme . . . . . . . . . . . . . . . . 133
3 Théorème de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . 134
IV Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
1 Endomorphismes diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . 135
2 Matrices diagonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3 Méthode pratique pour diagonaliser une matrice . . . . . . . . . . . . . . . 140
 V Applications de la diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
1 Calcul des puissances d’une matrice . . . . . . . . . . . . . . . . . . . . . . 144
2 Suites récurrentes linéaires à coefficients constants . . . . . . . . . . . . . . 145
3 Systèmes différentiels homogènes à coefficients constants . . . . . . . . . . . 148
VI Diagonalisation et polynôme annulateur . . . . . . . . . . . . . . . . . . . . . . . . 152
VII Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
1 Endomorphismes et matrices trigonalisables . . . . . . . . . . . . . . . . . . 155
2 Étude pratique d’une trigonalisation . . . . . . . . . . . . . . . . . . . . . . 158
3 Application aux suites récurrentes d’ordre 2 à coefficients constants . . . . . 159
4 Application aux systèmes différentiels . . . . . . . . . . . . . . . . . . . . . 160
5 Cas des équations différentielles linéaires homogènes d’ordre 2 à coefficients
constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

5 Espaces vectoriels normés 165

I Rappels sur l’ensemble des réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
1 Valeur absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
2 Bornes supérieures, inférieures, minima et maxima . . . . . . . . . . . . . . 166
3 Parties entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
II Normes et distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
2 Normes usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
3 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
4 Parties convexes et bornées . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
III Suites dans un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . . . . . . 176
IV Comparaison des normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
1 Convergence des suites dans les espaces de dimension finie . . . . . . . . . . 180
V Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
1 Intérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
2 Adhérence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
VI Limite et continuité en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
1 Définition de la limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
2 Caractérisation par les suites . . . . . . . . . . . . . . . . . . . . . . . . . . 193
3 Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
4 Coordonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
VII Continuité sur une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
1 Fonctions continues , images directes et réciproques . . . . . . . . . . . . . 196
2 Fonctions lipschitziennes et applications linéaires . . . . . . . . . . . . . . . 198
VIII Révisions de PCSI sur les fonctions de la variable réelle . . . . . . . . . . . . . . . 203

6 Suites et séries de fonctions 209

I Convergence d’une suite de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 209
1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
3 Régularité de la limite uniforme . . . . . . . . . . . . . . . . . . . . . . . . . 218
II Convergence d’une série de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 227
1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
3 Convergence normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
4 Régularité de la somme d’une série de fonctions . . . . . . . . . . . . . . . . 233
5 Séries de fonctions et intégrales . . . . . . . . . . . . . . . . . . . . . . . . . 236
7 Espaces probabilisés 241
I Ensembles finis et dénombrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
1 Rappels de dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
2 Vocabulaire sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 245
3 Ensembles dénombrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
4 Sommes dénombrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
II Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
1 Tribu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . 255
3 Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4 Réunions et intersections dénombrables d’événements . . . . . . . . . . . . 260
III Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
1 Formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . 263
2 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
IV Loi d’une variable aléatoire discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
1 Loi d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
2 Transfert d’une loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
3 Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
4 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
5 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
6 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
7 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
8 Loi hypergéométrique à travailler en autonomie . . . . . . . . . . . . . . . 282
V Couples de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
1 Définition et loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
VI Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
1 Indépendance de deux évènements . . . . . . . . . . . . . . . . . . . . . . . 288
2 Famille d’évènements indépendants . . . . . . . . . . . . . . . . . . . . . . . 290
3 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . 294
4 Rappels de certaines méthodes à travailler en autonomie . . . . . . . . . . 299
VII Aborder un exercice de probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . 302

8 Séries entières 303

I Série entière d’une variable complexe . . . . . . . . . . . . . . . . . . . . . . . . . . 303
1 Rayon de convergence ; lemme d’Abel . . . . . . . . . . . . . . . . . . . . . 303
2 Calcul du rayon de convergence . . . . . . . . . . . . . . . . . . . . . . . . . 307
3 Utilisation de la règle de d’Alembert . . . . . . . . . . . . . . . . . . . . . . 310
4 Somme, produit de séries entières . . . . . . . . . . . . . . . . . . . . . . . . 311
5 Continuité de la fonction somme . . . . . . . . . . . . . . . . . . . . . . . . 313
II Série entière d’une variable réelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
1 Domaine de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
2 Régularité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
III Fonctions développables en série entière . . . . . . . . . . . . . . . . . . . . . . . . 317
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
2 Développements en série entière usuels . . . . . . . . . . . . . . . . . . . . . 321
3 Méthodes pour développer une fonction en série entière . . . . . . . . . . . 323
4 Reconnaître un développement en série entière . . . . . . . . . . . . . . . . 325
IV Équations linéaires d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
2 Cas où l’équation homogène est à coefficients constants : rappels de PCSI . 327
3 Exemples de résolution avec des séries entières . . . . . . . . . . . . . . . . 331
4 Application : utilisation d’une équation différentielle pour déterminer un dé-
veloppement en série entière . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
9 Compléments sur les variables aléatoires discrètes 335
I Espérance d’une variable aléatoire discrète réelle ou complexe . . . . . . . . . . . . 335
1 Cas des variables positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
2 Variables aléatoires réelles ou complexes . . . . . . . . . . . . . . . . . . . . 336
3 Espérance des lois classiques . . . . . . . . . . . . . . . . . . . . . . . . . . 338
4 Propriétés de l’espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
II Variance, écart type et convariance de variables aléatoires discrètes réelles . . . . . 344
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
2 Variance d’une variable aléatoire réelle discrète . . . . . . . . . . . . . . . . 345
3 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
III Fonctions génératrices d’une variable aléatoire à valeurs dans N . . . . . . . . . . . 351
IV Inégalités probabilistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
V Résumé sur les lois classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358

10 Intégrales à paramètre 359

I Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
II Passage à la limite dans l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
III Dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
IV Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
1 Fonction Γ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
2 Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
V Équations différentielles linéaires d’ordre 1 : révisions de PCSI . . . . . . . . . . . 370
1 Résolution de l’équation homogène . . . . . . . . . . . . . . . . . . . . . . . 370
2 Résolution de l’équation générale . . . . . . . . . . . . . . . . . . . . . . . . 370
3 Théorème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
4 Raccord des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372

11 Espaces euclidiens 375

I Produit scalaire et norme euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . 375
1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
2 Exemples classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
3 Espaces euclidiens, norme euclidienne . . . . . . . . . . . . . . . . . . . . . 377
4 Inégalité de Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . 379
II Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
1 Vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
2 Familles orthogonales, familles orthonormales . . . . . . . . . . . . . . . . . 383
3 Orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . 385
4 Bases orthonormées d’un espace euclidien . . . . . . . . . . . . . . . . . . . 386
III Projection orthogonale sur un sous-espace vectoriel de dimension finie . . . . . . . 387
1 Supplémentaire orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
2 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
3 Distance d’un vecteur à un sous-espace . . . . . . . . . . . . . . . . . . . . 392
IV Matrices orthogonales et isométries vectorielles . . . . . . . . . . . . . . . . . . . . 393
1 Isométries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
2 Symétrie orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
3 Matrice orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
4 Isométries vectorielles d’un plan euclidien . . . . . . . . . . . . . . . . . . . 402
V Réduction des endomorphismes autoadjoints et des matrices symétriques réelles . . 408
1 Endomorphismes autoadjoints . . . . . . . . . . . . . . . . . . . . . . . . . . 408
2 Réduction des endomorphismes autoadjoints et des matrices symétriques réelles410
3 Endomorphismes autoadjoints positifs, matrices symétriques positives . . . 413
VI Complément : théorème de représentation de Riesz . . . . . . . . . . . . . . . . . . 414
12 Calcul différentiel 417
I Dérivation des fonctions vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . 417
1 Dérivabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
2 Opérations sur les dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
3 Dérivées successives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
4 Rappels de PCSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
II Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
2 Dérivée selon un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
4 Propriétés des dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . 430
III Fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
1 Fonctions de classe C 1 et propriétés . . . . . . . . . . . . . . . . . . . . . . . 431
2 Développement limité et différentielle . . . . . . . . . . . . . . . . . . . . . 433
3 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435
4 Règle de la chaine et applications . . . . . . . . . . . . . . . . . . . . . . . . 437
IV Fonctions de classe C 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443
1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443
2 Équations aux dérivées partielles d’ordre 2 . . . . . . . . . . . . . . . . . . . 445
3 Hessienne et développement limité d’ordre 2 . . . . . . . . . . . . . . . . . . 446
V Extremum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447
1 Extremum, condition nécessaire d’ordre 1 sur un ouvert . . . . . . . . . . 448
2 Conditions d’ordre 2 sur un ouvert . . . . . . . . . . . . . . . . . . . . . . 450
3 Cas des fermés-bornés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 452
4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453
 Chapitre 1

Espaces vectoriels

Objectifs :
• Révision de l’algèbre linéaire de PCSI.
• Somme et produit de plusieurs sous-espaces vectoriels.
• Sous-espaces stables par un endomorphisme.

Dans ce qui suit, K désigne indifféremment R ou C.

I Espaces vectoriels
1 Espaces vectoriels et sous-espaces vectoriels

Définition 1

Soit F ⊂ E. On dit que F est un sous-espace vectoriel de E lorsque

1. 0E ∈ F
2. Stabilité par somme : ∀x, y ∈ F, x + y ∈ F
3. Stabilité par produit par un scalaire : ∀x ∈ F, ∀λ ∈ K, λ · x ∈ F

Remarque. On peut remplacer la première condition par « F est non vide » et combiner la
stabilité par somme et par produit par un scalaire en « F est stable par combinaisons linéaires » :
pour tout x, y ∈ F et α, β ∈ K, αx + βy ∈ F .

Méthode 1

Pour montrer qu’un ensemble F est un espace vectoriel, on montre que F est un sous-
espace vectoriel d’un espace vectoriel « connu ».

Exercice. Montrer que C 1 (I, K) est un K-espace vectoriel.

Exercice. Soit n ∈ N. Montrer que {P ∈ Rn [X], P (1) = 0} est un espace-vectoriel.

1
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Méthode 2

Pour montrer qu’un ensemble F n’est pas un sous-espace vectoriel de E, il suffit de

montrer que l’un au moins des points suivants :
• 0E ∈/F;
• trouver x ∈ F et y ∈ F tels que x + y ∈
/F;
• trouver x ∈ F et λ ∈ K tels que λx ∈
/ F.

Exercice. L’ensemble des fonctions définies sur R, à valeurs réelles, telles que f (1) = 2 est-il un
sous-espace vectoriel de F(R, R) ?

Exercice. Est-ce que GLn (K) est un sous-espace vectoriel de Mn (K) ?

Exercice. En considérant f : x 7→ x − bxc et g : x 7→ f πx , montrer que l’ensemble des fonctions

périodiques n’est pas un sous-espace vectoriel de RR . On s’intéressera à (f + g)(0).

Autre contre exemple (plus facile à traiter) : f : x 7→ sin(x) et g : x 7→ sin(πx) en dérivant deux
fois.

Rappel : l’intersection d’une famille de sous-espaces vectoriels de E est un sous-espace vectoriel

de E.

Exemple 1

Comme l’ensemble des solutions d’une équation linéaire homogène à p inconnues est un
sous-espace de Kp , l’ensemble des solutions d’un système linéaire de n équations à p
inconnues est aussi un sous-espace de Kp . Visuellement, avec p = 3 et n = 2, on regarde
l’intersection de deux plans passant par 0 qui sont des sous-espaces de R3 , et on obtient
soit une droite vectorielle soit un plan, qui sont aussi des sous-espaces de R3 .

2 Combinaisons linéaires

Définition 2

Soit E un K-espace vectoriel et u1 , . . . , un ∈ E. Si λ1 , . . . , λn ∈ K, on dit que

λ1 u1 + · · · + λn un ∈ E

est une combinaison linéaire des ui .

J.Gärtner 2 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Sur le dessin ci-dessus, on voit une combinaison linéaire nulle sans que tous les coefficients
soient nuls. Attention ! On prendra donc garde à NE PAS identifier les coefficients de deux
combinaisons linéaires égales sans précaution (i.e. parler de famille libre).
 
x 2y − x + z z
Exercice. Soit (x, y, z) ∈ K3 . La matrice est combinaison linéaire de
3x 0 z−x

Définition 3

Soit E un K-espace vectoriel, p ∈ N∗ et (x1 , . . . , xp ) ∈ E p une famille de p vecteurs

de E. On note Vect (x1 , . . . , xp ) l’ensemble des combinaisons linéaires de x1 , . . . , xp à
coefficients dans K.
( p )
X
p
Vect (x1 , . . . , xp ) = λk xk (λ1 , . . . , λp ) ∈ K
k=1

C’est un sous-espace vectoriel de E, appelé sous-espace vectoriel engendré par la famille

finie de vecteurs (x1 , . . . , xp ).

Exemple 2

• Dans E = R3 , le sous-espace engendré par (1, 1, 1) et (1, 2, 0) est le plan d’équation

2x − y − z = 0.
• L’ensemble des solutions de
y 00 + 2y 0 − 3y = 0
est Vect (x 7→ ex , x 7→ e−3x )
• L’ensemble des suites récurrentes linéaires satisfaisant la relation ∀n, un+2 − 4un+1 +
4un = 0 est Vect ((2n )n , (n2n )n ).

Méthode 3

Pour montrer qu’une partie est un espace-vectoriel, on peut remarquer que c’est l’espace
engendré par une famille finie de vecteurs.

J.Gärtner 3 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

  
a b
Exercice. L’ensemble F = (a, b, c) ∈ R3 = Sn (R) est un sous-espace vectoriel de
b c     
1 0 0 1 0 0
M2 (R) car on reconnaît Vect , , .
0 0 1 0 0 1

Définition 4

Soit E un K-espace vectoriel, p ∈ N∗ et (u1 , . . . , up ) ∈ E p . On dit que cette famille est

génératrice de E, ou qu’elle engendre E lorsque tout vecteur de E peut s’écrire comme
combinaison linéaire des vecteurs de cette famille. Autrement dit
p
X
∀x ∈ E, ∃λ1 , . . . , λp ∈ K, x = λi ui
i=1
ou encore
E = Vect (u1 , . . . , up )

Remarque. La famille (u1 , . . . , up ) engendre Vect (u1 , . . . , up ) par définition.

Exemple 3

1. Les familles ((1, 1), (1, −1)) et ((1, 1), (1, −1), (0, 3)) sont génératrices de R2 .
2. Kn est engendré par (1, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, . . . , 0, 1).
3. Kn [X] est engendré par (1, X, . . . , X n ).

Remarque. K[X] n’est pas engendré par un nombre fini de vecteurs : montrons le par l’absurde.
Si K[X] = Vect (P1 , . . . , Pn ), notons m = max(deg(Pi )). Alors Vect (P1 , . . . , Pn ) ⊂ Km [X] et
X m+1 ∈
/ K[X], contradiction !

Exercice.1. Une partie génératrice du plan d’équation 2x − y + z = 0 de l’espace est :


x+y+z = 0
2. Une partie génératrice de la droite de l’espace d’équation : est :
2x − y + 3z = 0

Méthode 4

Pour montrer qu’une famille (u1 , . . . , up ) engendre E on peut

• Vérifier comme dans l’exemple ci-dessus que ∀j ∈ [[ 1 ; n ]] , vj ∈ Vect (u1 , . . . , up ), où
(v1 , . . . , vn ) est une famille génératrice connue de E.
• ou bien partir d’un vecteur x quelconque de E, et montrer que l’équation λ1 u1 +
. . . , +λp up = x admet des solutions (les inconnues sont les λi ). Pour cela, on a besoin
d’identifier des coordonnées, ce qui est expliqué dans le prochain paragraphe.

J.Gärtner 4 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 4

Vect (X 2 (X − 1), 1 + X + X 2 , 1 − X + X 2 , 2X 2 + 3X − 1) = C3 [X].

En effet, Vect (X 2 (X − 1), 1 + X + X 2 , 1 − X + X 2 , 2X 2 + 3X − 1) ⊂ C3 [X] car C3 [X]
est un sous-espace qui contient ces polynômes qui sont tous de degré au plus 3.

Notons P1 = X 2 (X − 1), P2 = 1 + X + X 2 , P3 = 1 − X + X 2 , P4 = 2X 2 + 3X − 1. Alors

1
1. X = (P2 − P3 ) ∈ Vect (P1 , P2 , P3 , P4 )
2
2. P4 − 2P2 = X − 3 donc 3 ∈ Vect (P1 , P2 , P3 , P4 ) puis 1 ∈ Vect (P1 , P2 , P3 , P4 ).
3. Comme X 2 = P2 − X − 1 on a X 2 ∈ Vect (P1 , P2 , P3 , P4 )
4. et enfin X 3 = P1 + x2 ∈ Vect (P1 , P2 , P3 , P4 ).
Finalement 1, X, X 2 , X 3 ∈ Vect (P1 , P2 , P3 , P4 ), donc C3 [X] = Vect (1, X, X 2 , X 3 ) ⊂
Vect (P1 , P2 , P3 , P4 ), ce qui donne l’égalité.

Profitons-en pour rappeler qu’un sous-espace vectoriel F de E est défini

• par une famille génératrice lorsqu’on écrit par exemple F = Vect ((1, 0, 0, 1), (0, 1, 0, 2), (0, 0, 1, 1)).
• sous forme paramétrée lorsqu’on écrit par exemple F = {(x, y, z, x + 2y + z), x, y, z ∈ R}
• par une équation lorsqu’on écrit par exemple F = {(x, y, z, t) ∈ R4 , t = x + 2y + z}
et il faut savoir en pratique passer de l’une à l’autre de ces formes sur des sous-espaces.

3 Bases

Définition 5

Soit E un K-espace vectoriel, p ∈ N∗ et (u1 , . . . , up ) ∈ E p une famille de vecteurs. On

dit que cette famille est libre lorsque
p
X
∀λ1 , . . . , λp ∈ K, λi ui = 0E ⇒ ∀i ∈ [[ 1 ; p ]] , λi = 0K
i=1

Une famille qui n’est pas libre est dite liée.

Méthode 5

Pour montrer qu’une famille (u1 , . . . , up ) est libre, on choisit λ1 , . . . , λp ∈ K quelconques

p
P
tels que λi ui = 0E et l’on montre que ∀i ∈ [[ 1 ; p ]] , λi = 0.
i=1
Pour montrer qu’une famille (u1 , . . . , up ) est liée, on doit exhiber des coefficients
p
P
λ1 , . . . , λp ∈ K tels que λi ui = 0E .
i=1

J.Gärtner 5 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 5

Dans E = F(R, R), on rappelle que 0E est la fonction nulle, on définit

f1 : x 7→ 1, f2 : x 7→ cos(x), f3 : x 7→ sin(x)

La famille (f1 , f2 , f3 ) est libre. En effet, soit λ1 , λ2 et λ3 trois réels tels que

λ1 f1 + λ2 f2 + λ3 f3 = 0E

Alors pour tout x ∈ R on a λ1 + λ2 cos(x) + λ3 sin(x) = 0R (le réel 0 cette fois !) En

particulier, cette relation est vraie pour x = 0, x = π2 et x = π. Ainsi on a les trois
équations 
 λ1 + λ2 = 0
λ1 + λ3 = 0
λ1 − λ2 = 0


dont on déduit que λ1 = λ2 = λ3 = 0.

Contre-exemple 6

Soit p ∈ N∗ et E un R-espace vectoriel. Soit (u1 , . . . , up ) ∈ E p . Si il existe i tel que

ui = 0E , alors la famille (u1 , . . . , up ) est liée. En effet, en posant pour j ∈ [[ 1 ; p ]] avec
Pp
j 6= i λj = 0R et λi = 1, alors λk uk = 1 · ui = 0E mais (λ1 , . . . , λp ) 6= (0, . . . , 0).
k=1

Remarque. Une famille

• formée d’un seul vecteur est libre si et seulement si ce vecteur est non nul ;
• contenant le vecteur nul est toujours liée ;
• extraite d’une famille libre est libre.

Rappelons enfin que ;

Proposition 1

Toute famille finie de polynôme non nuls de K[X] de degrés échelonnés est libre.

Définition 6 (Base)

Soit p ∈ N∗ et E un K-espace vectoriel. Soit (e1 , . . . , ep ) une famille d’éléments de E. On

dit que cette famille est une base lorsqu’elle est libre et génératrice de E.

Ainsi (e1 , . . . , ep ) est une base de E si et seulement si tous les vecteurs de E s’écrivent de
manière unique comme combinaison linéaire des vecteurs de la famille :
p
X
∀x ∈ E, ∃!(λ1 , . . . , λp ) ∈ Kp , x = λi ei
i=1

J.Gärtner 6 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Définition 7 (Coordonnées)

Dans ce cas on dit que (λ1 , . . . , λp ) est le p-uplet des coordonnées de x dans la base
(e1 , . . . , ep ).

Remarque. Attention ! On parle toujours de coordonnées d’une vecteur relativement à une base.

Exercice. Montrer que la famille (u = (0, 1, 1), v = (1, 1, 0), w = (1, 1, 1)) est une base de R3 . Si
x = (a, b, c) ∈ R3 , donnez les coordonnées de x dans la base (u, v, w).

4 Produit, sommes et sommes directes

Produit

Définition 8

Soit n ∈ N∗ . Soient E1 , . . . , En des K-espaces vectoriels. Le produit des espaces Ei est

l’ensemble
n
E1 × · · · × En = Π Ei = {(x1 , . . . , xn ) |x1 ∈ E1 , . . . , xn ∈ En }
i=1

C’est donc le produit cartésien des ensembles Ei . On le munit d’une addition et d’une multi-
plication par un scalaire en posant, pour λ ∈ K, x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ) appartenant
à E1 × · · · × En , on pose

x + y = (x1 + y1 , . . . , xn + yn ) et λ · x = (λ · x1 , . . . , λ · xn )

Proposition 2

L’ensemble E = E1 × · · · × En muni de ces deux opérations est un K-espace vectoriel.

Démonstration. L’opération + définie est associative et commutative car chacune des opérations
+ des espaces Ei l’est déjà. Le n-uplet (0E1 , . . . , 0En ), que l’on note 0E est élément neutre pour
cette addition et x = (x1 , . . . , xn ) ∈ E admet (−x1 , . . . , −xn ) pour opposé. Les propriétés de la
multiplication externe sont aussi toutes vérifiées car elle le sont déjà pour chacun des Ei .

Remarque. Tous vecteur x = (x1 , . . . , xn ) ∈ E1 × . . . En peut s’écrire

x = (x1 , 0E2 , . . . , 0En ) + (0E1 , x2 , 0E3 , . . . , 0En ) + · · · + (0E1 , . . . , 0En−1 , xn )

J.Gärtner 7 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 7

Soient E1 et E2 deux espaces vectoriels. On suppose que E1 admet (e1 , e2 , e3 ) pour base et
E2 admet (ε1 , ε2 ) pour base. Alors si x = (x1 , x2 ) ∈ E1 ×E2 , il existe λ1 , λ2 , λ3 , µ1 , µ2 ∈ K
tels que :
x1 = λ1 e1 + λ2 e2 + λ3 e3 et x2 = µ1 ε1 + µ2 ε2
Alors on a

x = (x1 , x2 ) = (x1 , 0E2 ) + (0E1 , x2 )

= (λ1 e1 + λ2 e2 + λ3 e3 , 0E2 ) + (0E1 , µ1 ε1 + µ2 ε2 )
= λ1 (e1 , 0E2 ) + λ2 (e2 , 0E2 ) + λ3 (e3 , 0E2 ) + µ1 (0E1 , ε1 ) + µ2 (0E1 , ε2 )

On obtient donc une famille de 5 = 3 + 2 vecteurs

((e1 , 0E2 ), (e2 , 0E2 ), (e3 , 0E2 ), (0E1 , ε1 ), (0E1 , ε2 )) qui engendre E.
Cette famille est libre car si λ1 , λ2 , λ3 , µ1 , µ2 ∈ K sont tels que

λ1 (e1 , 0E2 ) + λ2 (e2 , 0E2 ) + λ3 (e3 , 0E2 ) + µ1 (0E1 , ε1 ) + µ2 (0E1 , ε2 ) = 0E1 ×E2 = (0E1 , 0E2 )

alors
λ1 e1 + λ2 e2 + λ3 e3 = 0E1 et µ1 ε1 + µ2 ε2 = 0E2
et comme (e1 , e2 , e3 ) et (ε1 , ε2 ) sont des familles libres (respectivement de E1 et de E2 )
on a λ1 = λ2 = λ3 = 0 et µ1 = µ2 = 0.

L’exemple ci-dessus se généralise. Si E1 , . . . , En sont des espaces de dimensions finies respectives

d1 , . . . , dn , et si (e1,1 , . . . , e1,d1 ) est une base de E1 .... (en,1 , . . . , en,dn ) est une base de En , alors on
définit la famille de d1 + · · · + dn vecteurs de E1 × · · · × En par
• les d1 premiers vecteurs sont les (e1,j , 0E2 , . . . , 0En ) pour j ∈ [[ 1 ; d1 ]] ;
• les d2 suivants sont les (0E1 , e2,j , 0E3 , . . . , 0En ) pour j ∈ [[ 1 ; d2 ]] ;
• etc, les dn derniers sont les (0E1 , . . . , 0En−1 , en,j ) pour j ∈ [[ 1 ; dn ]].

Proposition 3

La famille de vecteurs construite ci-dessus est une base de E1 × · · · × En .

Somme
Dans le cas où tous les Ei sont sous-espaces d’un même espace, on peut définir la notion de
somme. Pour se rappeler que ce sont des sous-espaces de E, on va les noter Fi .

Proposition 4 (Somme de plusieurs sous-espaces)

Soit n ∈ N∗ . Soit F1 , . . . , Fn des sous-espaces vectoriels de E. L’ensemble

n
X
F1 + · · · + Fn = Fi = {x1 + · · · + xn | x1 ∈ F1 , . . . , xn ∈ Fn }
i=1
= {x ∈ E | ∃(x1 , . . . , xn ) ∈ F1 × · · · × Fn , x = x1 + · · · + xn }

Démonstration. Comme 0 = 0 + · · · + 0 on a bien 0E ∈ F1 + · · · + Fn . Si x, y ∈ F1 + · · · + Fn et

J.Gärtner 8 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

n
P n
P
λ ∈ K, on écrit x = xi et y = yi avec ∀i ∈ [[ 1 ; n ]] , xi , yi ∈ Fi . Alors
i=1 i=1

x + λy = (x1 + λy1 ) + · · · + (xn + λyn ) ∈ F1 + · · · + Fn

| {z } | {z }
∈F1 ∈Fn

Définition 9

L’espace vectoriel F1 + · · · + Fn est appelé somme des Fi .

Remarque. Attention à ne pas confondre somme et réunion. En général la réunion de sous-espaces

vectoriels n’est pas un espace vectoriel.

Exercice. Soit F et G deux sous-espaces d’un espace vectoriel E. Montrer que F ∪ G est un
sous-espace de E si et seulement si F ⊂ G ou G ⊂ F .
Autrement dit, la réunion de deux plans distincts n’est pas un sous-espace, de même pour la
réunion de deux droites ou la réunion d’une droite et d’un plan qui ne la contient pas.

Exemple 8

Dans R2 ne pas confondre + et ∪. Si F et G sont deux droites vectorielles distinctes,

F + G = R2 .

Remarque. De manière analogue, il n’y a pas de « règle » d’opérations entre + et ∩. En particulier

pas de distributivité. Si F , G et H sont trois droites deux à deux distinctes de R2 , on n’a ni égalité
entre F ∩ (G + H) = F et (F ∩ G) + (F ∩ H) = {0}, ni égalité entre F + (G ∩ H) = F et
(F + G) ∩ (F + H) = R2 .

J.Gärtner 9 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Remarque. Par définition de la somme de sous-espaces, l’application


F1 × · · · × Fn −→ F1 + · · · + Fn
(x1 , . . . , xn ) 7−→ x1 + · · · + xn

est surjective.

Proposition 5

Si pour tout i ∈ [[ 1 ; n ]], la famille Gi engendre le sous-espace Fi de E, alors la famille

G = G1 ∪ · · · ∪ Gn engendre le sous-espace F1 + · · · + Fn .

Somme directe

Nous allons parler à présent de sommes directes de plusieurs sous-espaces. Il faudra prendre
garde au fait que les propriétés vues en PCSI concernant la somme de deux sous-espaces ne se
généraliseront pas si facilement.

Définition 10 (Somme directe)

Soit n ∈ N r {0, 1} et F1 , . . . , Fn des sous-espaces vectoriels d’un K-espace vectoriel E.

Pn n
P
La somme Fi est dite directe si et seulement si tout vecteur x ∈ Fi s’écrit de
i=1 i=1
manière unique sous la forme

x = x1 + · · · + xn avec x1 ∈ F1 , . . . , xn ∈ Fn .

On note alors
n
M
Fi
i=1
n
P
le sous-espace Fi .
i=1

J.Gärtner 10 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 9

Soit n > 2 et E = Rn . Si on note (e1 , . . . , en ) la base canonique de Rn , et si l’on pose

pour tout i ∈ [[ 1 ; n ]], Fi = Vect (ei ) = {(0, . . . , 0, |{z}
t , 0, . . . , 0), alors la somme des Fi
i
est directe, et on a
n
M
Rn = Fi
i=1

En effet : si x ∈ Rn , on écrit

x = (x1 , . . . , xn ) = (x1 , 0, . . . , 0) + · · · + (0, . . . , 0, xn )

et donc
Rn = Vect (e1 ) + · · · + Vect (en )
De plus, si x = u1 + · · · + un est une autre décomposition, alors chaque ui est de la
forme ui = (0, . . . , 0, λi , 0, . . . , 0) avec λi ∈ R et x = (u1 , . . . , un ) = (λ1 , . . . , λn ) donc
nécessairement ∀i ∈ [[ 1 ; n ]] , λi = xi ; ceci montre l’unicité de la décomposition en somme
de vecteurs des Fi , autrement dit que

n
X n
M
Fi = Fi
i=1 i=1

Proposition 6

n
P
La somme Fi est directe si, et seulement si l’application
i=1

F1 × · · · × Fn −→ F1 + · · · + Fn
(x1 , . . . , xn ) 7−→ x1 + · · · + xn

est un isomorphisme.

Démonstration. On vérifie aisément que l’application est linéaire. On a vu que la définition de la

somme de sous-espaces rendait cette application surjective. L’injectivité de cette application linéaire
n
P
est équivalente à l’unicité de l’écriture de tout x ∈ Fi sous la forme x = x1 + · · · + xn .
i=1

Proposition (?) 7 (Caractérisation des sommes directes)

Soit n > 2 et F1 , . . . , Fn des sous-espaces vectoriels d’un K-espace vectoriel E. La somme

Pn
Fi est directe si, et seulement si
i=1

∀(x1 , . . . , xn ) ∈ F1 × · · · × Fn , x1 + · · · + xn = 0E =⇒ ∀i ∈ [[ 1 ; n ]] , xi = 0E

Démonstration. L’application linéaire de la proposition précédente est injective si et seulement si

son noyau est {0F1 ×···×Fn } = {(0E , . . . , 0E )}. Comme cette application est toujours surjective, c’est
un isomorphisme si et seulement la seulement si elle est injective.

J.Gärtner 11 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Méthode 6

Pour montrer qu’une somme de sous-espaces est directe, il suffit de montrer que le vecteur
n
P
nul de Fi s’écrit de manière unique comme somme de vecteurs des Fi . Cela ressemble
i=1
beaucoup au raisonnement qui permet de vérifier qu’une famille est libre.

Exemple 10

Dans R4 , on note

x + y + z + t = 0
F1 = {(x, y, z, t) ∈ R4 | }
y + 2t = 0

F2 = Vect ((1, 0, 0, 0)) et F3 = Vect ((0, 1, 0, 0)). Commençons par remarquer que le
système 
x + y + z + t = 0
y + 2t = 0
a pour inconnues principales x et y et peut s’écrire

x + y = −z − t
y = − 2t

et donc que F1 = {(−z + t, −2t, z, t) | z, t ∈ R} = Vect ((−1, 0, 1, 0), (1, −2, 0, 1)). Soit
u ∈ F1 , v ∈ F2 et w ∈ F3 tels que u + v + w = 0R4 . Il existe α, β, γ, δ tels que

u = α(−1, 0, 1, 0) + β(1, −2, 0, 1), v = γ(1, 0, 0, 0), w = δ(0, 1, 0, 0)

donc


 −α + β + γ = 0
−2β + δ = 0

u + v + w = (−α + β + γ, −2β + δ, α, β) = 0R4 ⇒

 α = 0
β = 0


⇒α=β=γ=δ=0
⇒ u = v = w = 0R4

Le vecteur nul s’écrit de manière unique comme somme u + v + w avec u ∈ F1 , v ∈ F2 et

w ∈ F3 ; ainsi
F1 + F2 + F3 = F1 ⊕ F2 ⊕ F3

Les deux résultats généralisent des propriétés vues en PCSI :

J.Gärtner 12 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Théorème 1 (Concaténation de bases)

n
M
Soit F1 , . . . , Fn des sous-espaces vectoriels de E tels que E = Fi . Supposons que pour
i=1
tout i on dispose d’une base Bi = (ei,1 , . . . , ei,di ) de Fi . Alors la famille

(e1,1 , . . . , e1,d1 , e2,1 , . . . , e2,d2 , . . . , en,1 , . . . , en,dn )

obtenue par concaténation des bases des Fi est une base de E.

Dans ce cas on dit que la base (e1,1 , . . . , en,dn ) est adaptée à la décomposition en somme
Mn
directe E = Fi .
i=1

Démonstration.• La famille est libre : soit λ1,1 , . . . , λn,dn ∈ K tels que

λ1,1 e1,1 + · · · + λn,dn = 0E

di
P
Si on pose pour tout i ∈ [[ 1 ; n ]], xi = λi,j ei,j , on a alors xj ∈ Fj tel que
j=1

x1 + · · · + xn = 0E

n
M
Comme E = Fi , on déduit de la caractérisation vue ci-dessus que ∀i ∈ [[ 1 ; n ]] , xi = 0E . Ainsi
i=1

∀i ∈ [[ 1 ; n ]] , λi,1 ei,1 + · · · + λi,di ei,di = 0E

Mais pour tout i, la famille (ei,1 , . . . , ei,di ) est libre, donc

∀i ∈ [[ 1 ; n ]] , ∀j ∈ [[ 1 ; di ]] , λi,j = 0

Ce qu’on voulait montrer.

n
M
• La famille est génératrice de E : soit x ∈ E = Fi . Alors il existe par définition (x1 , . . . , xn ) ∈
i=1
n
P
F1 × · · · × Fn tel que x = xi . Par ailleurs, pour tout i ∈ [[ 1 ; n ]] on a
i=1

xi ∈ Fi = Vect (ei,1 , . . . , ei,di )

di
P
il existe donc αi,1 , . . . , αi,di ∈ K tels que xi = αi,j ei,j . Ainsi
j=1

di
n X
X
x= αi,j ei,j ∈ Vect (e1,1 , . . . , en,dn )
i=1 j=1

et c’est ce qu’on voulait !

J.Gärtner 13 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Théorème 2 (Fractionnement de base)

Soit E un espace vectoriel admettant une base (e1 , . . . , ed ). Soit n ∈ N∗ et (Ik )k∈[[ 1 ; n ]]
une partition de [[ 1 ; d ]]. Posons, pour tout k ∈ [[ 1 ; n ]], Fk = Vect ((ei )i∈Ik ). Alors
n
M
E= Fk
k=1

On parle alors de décomposition de E en somme directe par fractionnement de base.

La base (e1 , . . . , ed ) est alors adaptée à cette décomposition.

Démonstration. On a vu que F1 + · · · + Fn = Vect (e1 , . . . , ed ) = E. De plus comme (e1 , . . . , ed )

est libre, la seule manière d’écrire 0E comme somme de vecteurs xk des Fk est d’avoir pour tout
k, xk = 0E donc la somme est directe.
Parlons un peu du cas particulier de deux sous-espaces vu en PCSI. On a la caractérisation
suivante :
Proposition 8

Soit E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E. F et G sont en

somme directe si et seulement si F ∩ G = {0}.

Remarque. Attention ! Cette caractérisation ne se généralise pas aux sommes de plus que 2
sous-espaces. On peut avoir F1 ∩ F2 = F1 ∩ F3 = F2 ∩ F3 = {0E } sans que la somme F1 + F2 + F2
soit directe !
Contre-exemple 11

Dans E = R2 , poser F1 = Vect (1, 0), F2 = Vect (0, 1) et F3 = Vect (1, 1). La somme
F1 + F2 + F3 n’est pas directe puisqu’on peut écrire (1, 0) + (0, 1) − (1, 1) = (0, 0),
pourtant on a bien F1 ∩ F2 = F1 ∩ F3 = F2 ∩ F3 = {0E }.

Remarque. En revanche, il est vrai que si les Fi sont en somme directe, alors ils sont deux à deux
d’intersection nulle.
Définition 11

Soit F, G deux sous-espaces vectoriels de E. Si E = F ⊕ G, on dit que F et G sont

supplémentaires dans E.

Remarque. Attention !
1. On dit un supplémentaire car il n’y a pas unicité.
2. Il ne faut pas confondre avec complémentaire qui n’est jamais un sous-espace vectoriel (ne
contient pas 0E !)
Exercice. Montrer que dans R3 , les sous-espaces F = {(x, y, z) ∈ R3 | x + y + z = 0} et G =
Vect ((1, 1, 1)) sont supplémentaires.
Exercice. Dans E = K[X], fixons B ∈ E de degré n + 1 et F = BK[X] l’ensemble des multiples
de B. Montrer que K[X] = Kn [X] ⊕ BK[X].

J.Gärtner 14 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

II Applications linéaires
1 Rappels et recollement
Définition 12

Soit E et F deux K-espaces vectoriels. On dit que f : E → F est une application linéaire
lorsque
1. ∀u, v ∈ E, f (u + v) = f (u) + f (v).
2. ∀λ ∈ K, ∀u ∈ E, f (λu) = λf (u).
L’ensemble des applications linéaires de E dans F est noté L(E, F ).

Remarque. En particulier si f est linéaire, on a toujours f (0E ) = 0F . Cela ne fait pas partie de
la définition.

Méthode 7

Pour montrer qu’une application n’est pas linéaire, il suffit de montrer que f (0E ) 6= 0F .

Exercice. L’application f : R2 → R3 définie par (x, y) 7→ (x, y, 1) est-elle linéaire ?

Remarque. Rappelons que L(E, F ) est un K-espace vectoriel.

On rappelle qu’une application linéaire f ∈ L(E, F ) bijective est appelée isomorphisme. Dans
ce cas l’application réciproque f −1 est linéaire. Une application linéaire de E dans E est appelé
endomorphisme. On note L(E) l’ensemble des endomorphismes de E. Si un endomorphisme
est bijectif, on dit que c’est un automorphisme. L’ensemble des automorphismes de E s’appelle
le groupe linéaire de E et est noté GL(E). Dans le cas particulier où F = K, on dit d’une
application linéaire E → K que c’est une forme linéaire.

Exemple 12

Z 1
L’application f 7→ f (t)dt définie sur C 0 ([0, 1], C) et à valeurs dans C est une forme
0
linéaire.

Exemple 13

• L’application nulle 0L(E,F ) : E → F u 7→ 0F est linéaire

• L’identité IdE : E → E u 7→ u est linéaire (et c’est un endomorphisme).
• Plus généralement une homothétie de rapport λ est linéaire : c’est l’endomorphisme
λIdE de E défini par x 7→ λx.

Rappelons que si f ∈ L(E, F ) et g ∈ L(F, G) alors g ◦ f ∈ L(E, G). Dans le cas particulier des
endomorphismes (donc lorsque E = F ) on peut définir les puissances successives d’un endomor-
phisme f ∈ L(E) en posant f 0 = IdE et pour n ∈ N, f n+1 = f n ◦ f . Il arrive alors que l’on omette
le symbole « ◦ » dans les compositions.

J.Gärtner 15 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Définition 13

Soit f ∈ L(E, F ).
1. L’image de f

Im f = f (E) = {f (u), u ∈ E} = {y ∈ F, ∃x ∈ E, y = f (x)}

est un sous-espace vectoriel de F .

2. Le noyau de f ,
Ker f = {u ∈ E, f (u) = 0F } = f −1 ({0F })
est un sous-espace vectoriel de E.

Proposition 9

Soit f ∈ L(E, F ). Alors f (u) = f (u0 ) si et seulement si u − u0 ∈ Ker f . De plus, on a les

équivalences
f surjective ⇔ Im f = F
f injective ⇔ Ker f = {0E }

Exercice. Soient F et G deux K-espaces vectoriels.

Soient u, u1 ∈ L(E, F ), v ∈ L(F, G) et α ∈ K r {0}. Montrer que :

1. Ker (v ◦ u) ⊃ Ker (u).

2. Im (v ◦ u) ⊂ Im (v).
3. Im (u + u1 ) ⊂ Im (u) + Im (u1 ). Attention ! l’inclusion réciproque est fausse :
On peut le voir aussi de la façon suivante : Im (u + u1 ) = {u(x) + u1 (x), x ∈ E} et
Im (u) + Im (u1 ) = {u(x) + u1 (z), x, z ∈ E}.

Exercice. Soient f, g ∈ L(E) tels que :

1. f g = gf . Montrer que Im (g) et Ker (g) sont stables par f (c’est-à-dire : f (Im (g)) ⊂ Im (g) et
f (Ker (g)) ⊂ Ker (g)).
2. Montrer que f g = 0 si et seulement si Im g ⊂ Ker f.

Exercice. Soit u ∈ L(E). Montrer que Ker u = Ker u2 si et seulement si Ker u ∩ Im u = {0}.

Exercice. Soit E = RN et f : E → E, (un )n∈N 7→ (un+1 )n∈N . On pose g = f − IdE .

1. Montrer que f est dans L(E) et déterminer Ker f et Im f . Que peut-on en déduire sur f ?
2. Déterminer Ker g.
Résoudre dans E l’équation g((un )n∈N ) = (q n )n∈N avec q un réel fixé.
3. Soit h = f − aIdE avec a un réel fixé différent de 1. Déterminer Ker h.
Résoudre dans E l’équation h((un )n∈N ) = (bn )n∈N où (bn )n∈N est la suite constante égale à b avec
b un réel fixé.
4. Calculer f k pour tout k ∈ N.

Exercice. Soit f ∈ L(E, F ) et E1 un supplémentaire de Ker f dans E. Alors f induit un isomor-

phisme de E1 dans Im f .

J.Gärtner 16 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

2 Projecteurs et symétries
Projecteurs

Définition 14

Soit F, G deux sous-espaces supplémentaires de E. L’application


E = F ⊕ G −→ E
p:
u=v+w 7−→ v

est le projecteur sur F parallèlement à G.

Proposition 10

Soit E = F ⊕ G et p le projecteur sur F parallèlement à G. Alors

1. p ∈ L(E) et il est important de préciser que l’espace d’arrivée est E.
2. Im p = F
3. Ker p = G
4. Ker (p − IdE ) = {u ∈ E, p(u) = u} = F

Démonstration. Linéarité : si u, u0 ∈ E et λ ∈ K. On décompose u = v + w et u0 = v 0 + w0 . Donc

u + λu0 = (v + λv 0 ) + (w + λw0 ) par unicité de la décomposition on a p(u + λu0 ) = v + λv 0 =
p(u) + λp(u0 ).
Noyau : soit u ∈ E, u = v + w. Alors p(u) = 0 ⇔ v = 0 ⇔ u = G Donc Ker u = G.
Image : Im p ⊂ F est trivial. Soit u ∈ F . Alors u = u + 0 donc p(u) = u et u ∈ Im p
Invariants : Si u = p(u) alors u ∈ Im p = F et si u ∈ F alors p(u) = u.

J.Gärtner 17 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Théorème 3 (Caractérisation des projecteurs)

Soitp ∈ L(E). Alors p est un projecteur si et seulement si p ◦ p = p. Plus précisement,

c’est le projecteur sur F = Im p parallèlement à G = Ker p.

Démonstration. L’implication directe a déjà été montrée. Pour la réciproque, soit f ∈ L(E) tel que
f ◦f = f . Il faut trouver deux espaces supplémentaires qui conviennent. Mais d’après la proposition
précédente, on est amené à d’intéresser à F = Ker (f − Id) et G = Ker f . Alors F et G sont des
sous-espaces. On a F ∩ G = {0}. En effet, si u ∈ F ∩ G, alors f (u) = u et f (u) = 0 donc u = 0.
De plus E = F + G. En effet, si u ∈ E, on écrit la décomposition u = f (u) + u − f (u). On a
f (u) ∈ F car f (f (u)) = f (u) et u − f (u) ∈ G car f (u − f (u)) = f (u) − f (f (u)) = f (u) − f (u) = 0.
On a donc F ⊕G = E et f est la projection sur F parallèlement à G car tout u dans E se décompose
en u = f (u) + u − f (u).

Voici un contrexemple montrant qu’il est possible d’avoir Im (f ) ⊕ Ker (f ) = E sans que f soit
un projecteur.

Contre-exemple 14

En général, il est faux de penser que Im (f )⊕Ker (f ) = E. Par exemple f : (x, y) 7→ (0, 2y)
endomorphisme de R2 , on a Im (f ) ⊕ Ker (f ) = E mais f n’est pas un projecteur de E.

Exemple 15

Soit B un polynôme de degré n et p : K[X] → K[X] l’application qui à P ∈ K[X] associe

son reste dans la division euclidienne par B. Montrer que p est le projecteur sur Kn−1 [X]
parallèlement à BK[X].

Exercice. Soient E et F deux espaces vectoriels, u ∈ L(E, F ) et v ∈ L(F, E) tels que u ◦ v = IdF .
1. Montrer que Ker u ⊕ Im v = E.
2. Montrer que v ◦ u est la projection sur Im v parallèlement à Ker u.

Exercice. Soit E un K-espace vectoriel. Soit f ∈ L(E). On suppose que Im f est une droite
vectorielle c’est à dire qu’il existe a ∈ E − {0} tel que l’on ait Im f = Vect (a).
1. Montrer qu’il existe ϕ ∈ L(E, K) tel que : ∀x ∈ E, f (x) = ϕ(x)a.
2. Montrer qu’il existe λ ∈ K tel que f 2 = λf .

Symétries

Définition 15

Soit E = F ⊕ G. La symétrie par rapport à F selon G est l’application


E = F ⊕ G −→ E
f:
u=v+w 7−→ v − w

J.Gärtner 18 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Proposition 11

Soit f la symétrie par rapport à F selon G.

1. f = 2p − IdE où p est le projecteur sur F parallèlement G. Donc f ∈ L(E).
2. f ◦ f = IdE . Donc f est bijective, de réciproque f .
3. Im f = E et Ker f = {0}.
4. Ker (f − IdE ) = {u ∈ E, f (u) = u} = F
5. Ker (f + IdE ) = {u ∈ E, f (u) = −u} = G.

Démonstration. Seuls les derniers points ne sont pas clairs. Mais si u = v + w, alors f (u) = u ⇔
v − w + v + w ⇔ 2w = 0 ⇔ w = 0.
De même f (u) = −u ⇔ v − w = −v − w ⇔ v = 0.

Théorème 4 (Caractérisation des symétries)

Soit f ∈ L(E). Alors f est une symétrie si et seulement si f ◦ f = IdE . Dans ce cas, c’est
la symétrie par rapport à Ker (f − IdE ) parallèlement à Ker (f + IdE )

Démonstration. Comme pour les projecteurs, il suffit de montrer la réciproque. Soit f un endo-
morphisme involutif. Posons F = Ker (f − IdE ) et G = Ker (f + IdE ). Ce sont des sous-espaces de
E.
Alors F ∩ G = {0} car si u ∈ F ∩ G on a f (u) = u = −u.
Montrons par analyse et synthèse que E = F + G. Soit u ∈ E Si u = v + w avec v ∈ F et
1
w ∈ G, alors f (u) = f (v) + f (w) = v − w par définition de F et G donc v = (u + f (u) et
2
1 1 1
w = (u − f (u)). Soit u ∈ E. Posons v = (u + f (u)) et w = (u − f (u)). Alors v + w = u et
2 2 2
f (v) = v et f (w) = −w. Donc E = F + G.
Enfin, f est bien la symétrie par rapport à F selon G car si u = v + w on a f (u) = v − w.

J.Gärtner 19 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 16

L’application A 7→ A> est une symétrie de Mn (K). C’est même la symétrie par rapport
à Sn (K) parallèlement à An (K).

III Espaces vectoriels de dimension finie

1 Dimension
Définition 16

Un espace vectoriel E est dit de dimension finie si il possède une famille génératrice
finie. Dans le cas contraire on dit que E est de dimension infinie.

Rappelons que dans un espace de dimension finie, il existe toujours une base, que toutes les bases
d’un espace de dimension finie ont même nombre de vecteur. Ce nombre est appelé dimension de
E. On note dim E.
Convention : lorsque E = {0E } on a dim E = 0 et c’est le seul cas où dim E = 0.

Exemple 17

dim Kn [X] =

Définition 17 (Hyperplan)

Soit n > 1. Un hyperplan d’un espace E de dimension finie est un sous-espace vectoriel
de E de dimension n − 1.

Rappel :
• si F et G deux sous-espaces de E de dimension finie. Alors

F = G ⇐⇒ (F ⊂ G et dim F = dim G)

• (Extraction de Base)Si E est de dimension finie, alors de toute famille génératrice de E on peut
extraire une base.
• (Base incomplète) Si E est de dimension finie n. Soit (e1 , . . . , ek ) une famille libre de E. Alors il
existe des vecteurs ek+1 , . . . , en tels que (e1 , . . . , en ) soit une base de E.

Proposition 12

Soit E un K-espace vectoriel de dimension finie n > 1 et B une famille de vecteurs de E.

Les conditions suivantes sont équivalentes :
1. B est une base de E,
2. B engendre E et B est une famille de n vecteurs,
3. B est libre et B est une famille de n vecteurs.

J.Gärtner 20 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 18

Par exemple dans C2 [X] la famille (X 2 + X + 1, X + 3, 2) est libre et comporte 3 vecteurs.

Comme dim C2 [X] = 3 on a bien une base.

Exercice. Soit (n, α) ∈ N × K. Montrer que {P ∈ Kn [X]/P (α) = 0} est un sous-espace vectoriel
Kn [X] de dimension n et en déterminer une base.

2 Dimension d’un produit, d’une somme

Proposition 13

Soit E1 , . . . , En des espaces vectoriels de dimension finie, alors leur produit est de dimen-
sion finie et
dim(E1 × · · · × En ) = dim(E1 ) + · · · + dim(En )

Démonstration. C’est une conséquence de la proposition 3

Théorème 5 (Formule de Grassman)

Si E est de dimension finie et F , G deux sous-espaces, alors

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

En particulier, on a toujours dim(F + G) 6 dim(F ) + dim(G). Cette formule se généralise par

récurrence, ou en se rappelant que F1 × . . . Fn → F1 + · · · + Fn est surjective :

Proposition (?) 14

Soit F1 , . . . , Fn des sous-espaces vectoriels de dimension finie de E. Alors F1 + · · · + Fn

est de dimension finie et

dim(F1 + · · · + Fn ) 6 dim(F1 ) + · · · + dim(Fn )

On se rappelle que dans le cas particulier de deux sous-espaces, le fait qu’une somme soit
directe se caractérise par F1 ∩ F2 = {0}. On en déduit le

Proposition 15

Soit F1 et F2 deux sous-espaces vectoriels de dimension finie de E et F = F1 + F2 . Alors

les assertions suivantes sont équivalentes :
• F = F1 ⊕ F2
• dim F = dim F1 + dim F2

Cette propriété peut être généralisée sous la forme suivante :

J.Gärtner 21 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Proposition (?) 16 (Caractérisation des sommes directes par la dimension)

Soit F1 , . . . , Fn des sous-espaces vectoriels de dimension finie de E et F = F1 + · · · + Fn .

Les conditions suivantes sont équivalentes :
• F = F1 ⊕ · · · ⊕ Fn ,
• dim F = dim F1 + · · · + dim Fn .

Démonstration. Si la somme des Fi est directe, F = F1 ⊕· · ·⊕Fn , on choisit une base (ei,1 , . . . , ei,di )
de Fi . Alors par concaténation de bases, (e1,1 , . . . , en,dn ) est une base de F , qui est donc de
Pn Pn
dimension di = dim Fi .
i=1 i=1
n
P
Réciproquement, supposons que dim F = dim Fi . On choisit encore pour tout i une base
i=1
(ei,1 , . . . , ei,di ) de Fi . Alors la famille B concaténée des Bi est génératrice de F . Par hypothèse,
B possède dim F éléments, donc B est une base de F . D’après le théorème de fractionnement de
bases, la somme F1 + · · · + Fn est directe.

Exercice. Dans R3 , soit F = {(x, y, z) ∈ R3 , x + 2y + z = 0} et G = Vect ((1, 0, 0)). Montrer que

F et G sont supplémentaires.

Exercice. Soit F = {(x, y, z) ∈ R3 , x − y − z = 0} et G = {(x, y, z) ∈ R3 , 2x + y + z = 0}.

Montrer que F + G = R3 . F et G sont-ils supplémentaires ?

Exercice. Soit E un K-espace vectoriel de dimension finie et H un hyperplan de E. Soit D une

droite vectorielle, non inclue dans H. Montrer que H et D sont supplémentaires.

3 Applications linéaires en dimension finie

Rappelons que si f ∈ L(E, F ) est telle que Im f est de dimension finie, on dit que f est de
rang fini et on appelle rang de f la dimension de son image : rg (f ) = dim Im (f ).

Théorème 6 (du rang)

Soit E un espace vectoriel de dimension finie et F un espace vectoriel. Soit f ∈ L(E, F ).

Alors f est de rang fini et

dim Ker f + dim Im f = dim Ker f + rg f = dim E

et ce, que F soit de dimension finie ou pas.

Démonstration. Soit H un supplémentaire de Ker f dans E. D’après la proposition ??, f induit

un isomorphisme de H dans Im f . Ainsi dim H = dim Im f et comme dim E = dim H + dim Ker f ,
on peut conclure.

Corollaire 17

Soit f ∈ L(E, F ). On suppose que E et F sont de même dimension finie n ∈ N∗ . Les

assertions suivantes sont équivalentes :
• f est un isomorphisme
• f est injective
• f est surjective
• rg f = n.

J.Gärtner 22 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

4 Application à connaître : polynômes interpolateurs de Lagrange

Soit n ∈ N et a1 , . . . , an+1 ∈ K deux à deux distincts. L’application linéaire

Kn+1

Kn [X] −→
f:
P 7−→ (P (a1 ), . . . , P (an+1 ))

est injective car si P ∈ Ker f , alors P admet pour racines les ak . On a donc n + 1 racines distinctes
pour un polynôme de degré au plus n : ce polynôme est nul. Comme dim Kn [X] = dim Kn+1 , on
en déduit que f est un isomorphisme. Ainsi

∀(b1 , . . . , bn+1 ) ∈ Kn+1 , ∃!P ∈ Kn [X], ∀k ∈ [[ 1 ; n + 1 ]] , P (ak ) = bk

Ce polynôme s’appelle polynôme interpolateur de Lagrange. Lorsqu’on choisit pour les bk les vec-
teurs de la base canonique de Kn+1 , on obtient :

Théorème 7

Soit n ∈ N et (a1 , . . . , an+1 ) ∈ Kn+1 tels que ∀k, ` ∈ [[ 1 ; n + 1 ]] , ak 6= a` . Alors il existe

une unique famille (Li )i∈[[ 1 ; n+1 ]] de vecteurs de Kn [X], telle que

∀i, j ∈ [[ 1 ; n + 1 ]] , Li (aj ) = δi,j

Cette famille est une base de Kn [X] appelée base des polynômes interpolateurs de La-
grange associés à (ak )k∈[[ 1 ; n+1 ]] .

Démonstration. C’est bien une base car l’image d’une base par un isomorphisme.

Proposition 18

Soit n ∈ N et (a1 , . . . , an+1 ) ∈ Kn+1 deux à deux distincts et (L1 , . . . , Ln+1 ) la base des
polynômes interpolateurs de Lagrange associée. Alors les coordonnées d’un polynôme de
degré au plus n dans cette base sont (P (a1 ), . . . , P (an+1 )) autrement dit :
n+1
X
∀P ∈ Kn [X], P = P (ak )Lk
k=1

n+1
P
En particulier Lk = 1.
k=1

Démonstration. On sait que (L1 , . . . , Ln+1 ) est une base de Kn [X]. Soit P ∈ Kn [X] et b1 , . . . , bn+1 ∈
n+1 n+1
Kn+1 tels que P =
P P
bk Lk . Alors pour j ∈ [[ 1 ; n + 1 ]] on a P (aj ) = bk Lk (aj ) = bj × 1 = bj .
k=1 k=1
Pour le cas particulier, si P (ak ) = 1 pour tout k, alors le polynôme P − 1 admet pour racines
les n + 1 scalaires ak , mais P − 1 est de degré au plus n, donc est nul et P = 1.

Exercice. Soit (a1 , . . . , an+1 ) ∈ Kn+1 deux à deux distincts et (L1 , . . . , Ln+1 ) la base des po-
lynômes interpolateurs de Lagrange associée. Expliciter les Lk sous forme factorisée. Quel est le
degré de Lk ? Son coefficient dominant ?

J.Gärtner 23 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

IV Matrice d’une application linéaire

1 Représentation des vecteurs et des applications linéaires
Soient E et F deux K-espaces vectoriels, BE = (e1 , . . . , ep ) une base de E et BF = (ε1 , . . . , εn )
n
P
une base de f . Soit f ∈ L(E, F ). Notons pour tout j ∈ [[ 1 ; p ]], f (ej ) = ai,j εi . Alors la matrice
i=1
de f dans les bases BE et BF est :

f (e ) f (e2 ) f (ej ) f (ep )

 1
a12 · · · a1j · · · a1p

ε1 a11
ε2  a21 a22 · · · a2j · · · a2p 
 .. .. .. .. 
 
..  . . . . 
Mat BE ,BF (f ) = .   .
 .. .. .. 
εi  . . aij . 
.. 
 . .. ..

.. 
.  .. . . . 
εn an1 an2 · · · anj · · · anp

Attention ! Pour une application linéaire donnée, la matrice dépend des bases choisies pour l’es-
pace de départ et d’arrivée ; et une fois choisies les bases BE et BF , l’application f 7→ MatBE ,BF (f )
est un isomorphisme entre L(E, F ) et Mn,p (K) : on en déduit que

dim L(E, F ) = dim(E) × dim(F )

Remarque. Le nombre de colonnes est donné par la dimension de l’espace de départ, et le nombre
de lignes par celle de l’espace d’arrivée. En particulier, la matrice d’un endomorphisme est carrée ;
dans ce cas on choisit en général de prendre BE = BF . On note alors MatBE (f ) plutôt que
MatBE ,BE (f ) sa matrice dans la base BE .

Exemple 19

1. La matrice de f : R3 → R2 définie par f (x, y, z) = (x + 2y − z, y − z) dans les bases

canoniques est  
1 2 −1
0 1 −1
Alors que dans les bases ((1, 1, 1), (1, 1, 0), (1, 0, 0)) et ((0, 1), (1, 1)) on obtient :
2. La matrice de l’identité de E est Ip (où p = dim E) dans n’importe quelle base.

Rappel (application linéaire canoniquement associée à une matrice) : Soit A ∈

Mn,p (K). L’application linéaire f canoniquement associée à la matrice A est l’application linéaire
f : Kp → Kn dont la matrice dans les bases canoniques de Kp et Kn est A. Comme on se permet
d’identifier Kn et Mn,1 (K), c’est aussi l’application X 7→ AX.

Exemple 20


L’application linéaire canoniquement associée à A = 1 −3 0 est f : (x1 , y1 , z1 ) 7→
x1 − 3x2 .

J.Gärtner 24 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Théorème 8

Soient E et F deux K-espaces vectoriels, munis de bases BE et BF respectivement. Soit

f ∈ L(E, F ), x ∈ E et y ∈ F . On suppose que A = MatBE ,BF (f ), X = MatBE (x) et
Y = MatBF (y). Alors
y = f (x) ⇐⇒ Y = AX

On rappelle que si Y = AX, alors

p
X
∀i ∈ [[ 1 ; n ]] , yi = ai,k xk .
k=1

Autrement dit Y est la combinaison linéaire des colonnes de A affectées des coefficients de Y .
Exercice. Si E = Kn [X] et f : P 7→ (X − 1)P 0 + P . Montrer que f est un endomorphisme de
Kn [X] et que sa matrice dans la base canonique est triangulaire supérieure.
Exercice. Soit E un espace de dimension n, B = (e1 , . . . , en ) une base de E et f ∈ L(E). On note
pour tout k ∈ [[ 1 ; n ]], Ek = Vect (e1 , . . . , ek ). La matrice A = Mat B (f ) est triangulaire supérieure
si et seulement si tous les Ek sont stables par f . Autrement dit
A ∈ Tn+ (K) ⇔ ∀k ∈ [[ 1 ; n ]] , f (Ek ) ⊂ Ek

2 Produit de deux matrices

Définition 18

Soit A = (ai,j ) ∈ Mn,p (K), B = (bi,j ) ∈ Mp,q (K). Le produit de A par B est la matrice
C = (ci,j ) ∈ Mn,q (K), notée C = AB, définie par

p
X
∀(i, j) ∈ [[ 1 ; n ]] × [[ 1 ; q ]] , ci,j = ai,k bk,j .
k=1

Remarque.• La produit AB n’est défini que si A a autant de colonnes que B de lignes. En général,
si AB existe, BA n’existe pas.
• Même dans le cas où AB et BA existent, on n’a pas toujours AB = BA.
• Si AB = 0, on ne peut pas affirmer que A = 0 ou que B = 0.
• On a en revanche l’égalité suivante : AB > = B > A> .
• Si B1 , . . . , Bq sont les colonnes de B, alors les colonnes de AB sont AB1 , . . . , ABq .

Théorème 9

Soit E, F, G des espaces de dimensions finies et BE , BF et BG des bases de ces espaces.

Si u ∈ L(E, F ) et v ∈ L(F, G) alors

Mat BE ,BG (v ◦ u) = Mat BF ,BG (v) × Mat BE ,BF (u)

 
1 1
0
Exercice. Soit A = 0 1
1. Calculer ses puissances successives.
0 0
1
 
1 2 −1
Exercice. Calculer les puissances de A = 0 1 3 .
0 0 1

J.Gärtner 25 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

3 Noyau, image, rang d’une matrice

Les notions de noyau, image et rang d’une application linéaire s’appliquent au cas particulier
de l’application
Mp,1 (K) −→ Mn,1 (K)
X 7−→ AX
canoniquement associée à A. Dans ce cas on peut parler de noyau, image, rang d’une matrice
A ∈ Mn,p (K). Ainsi

Ker (A) = {X ∈ Mp,1 (K), AX = 0n,1 } et Im (A) = {AX, X ∈ Mp,1 (K)}

Les vecteurs du noyau donnent donc des relation de combinaison linéaire entre les colonnes de
la matrices et le rang de A est la dimension du sous-espace vectoriel engendré par ses colonnes.

Exemple 21
 
1 2 1
La matrice est de rang 2 car l’espace engendré par les colonnes est un sous-
2 1 3
espace de M2,1 (K) qui est de dimension 2, et que les deux premières colonnes de A sont
linéairement indépendantes.

On rappelle que si A ∈ Mn,p (K). rg (A> ) = rg (A). Par ailleurs, le rang d’une application
linéaire est le même que le rang de n’importe laquelle de ses matrices.

Méthode 8

Le rang d’une matrice ne change pas lorsqu’on effectue des opérations élémentaires sur
les lignes ou les colonnes de cette matrice. Pour calculer le rang d’une matrice (et donc
d’une application linéaire), il suffit d’appliquer la méthode du pivot de Gauss.

Exercice. Sans utiliser l’algorithme du pivot de Gauss, déterminer le rang des matrices suivantes :
 
0 1 1
1 0 1
1. A = 
1 1 0 ;


1 1 1
 
1 1 1 1
2. B = 1 1 1 0 ;
1 1 0 0
Exercice. Soit f : R3 [X] → R2 [X] définie par f (P ) = 2P 0 − P 00 . Déterminer la matrice de f dans
les bases canoniques de R3 [X] et R2 [X], puis donner le rang de f .
Exercice. Soit f : M2 (K) → M2 (K) définie par M 7→ M + M > .
1. Donner la matrice de f dans la base canonique de M2 (K).
       
1 0 1 0 0 1 0 1
2. Déterminer la matrice de f dans la base , , , .
0 1 0 −1 1 0 −1 0
3. Quel est le rang de f ?

Théorème 10 (Théorème du rang pour les matrices)

Soit A ∈ Mn,p (K). Alors

rg A + dim Ker A = p

J.Gärtner 26 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

4 Inversibilité

Théorème 11

Soit A ∈ Mn (K). Rappelons que l’on dit que A est inversible, lorsqu’il existe B ∈ Mn (K)
telle que AB = BA = In . Dans ce cas on dit que B est l’inverse de A et on note B = A−1 .
Les conditions suivantes sont équivalentes :
1. la matrice A est inversible,
2. Ker A = {X ∈ Mn,1 (K) | AX = 0} = {0},
3. rg A = n,
4. il existe B ∈ Mn (K) telle que AB = In ,
5. il existe B ∈ Mn (K) telle que BA = In .
Dans les cas 4) et 5), on a alors B = A−1 .

Rappelons que l’on note GLn (K) l’ensemble des matrices carrées de taille n qui sont inversibles.

Remarque. Seule les matrices carrées peuvent être inversibles.

 
  −1 −2
1 0 2
Exercice. Soit A = et B = −1 0 . Calculer AB et BA.
0 1 1
1 1

Proposition 19

Soient A, B ∈ Mn (K).
>
• A> est inversible si et seulement si A est inversible ; on a alors (A> )−1 = (A−1 ) .
• AB est inversible si et seulement si A et B le sont ; on a alors (AB)−1 = B −1 A−1 .

Méthode 9

Soit A ∈ Mn (K), et f ∈ L(E, F ) dont la matrice est A dans des bases BE et BF .

Alors A est inversible si et seulement si f est un isomorphisme et dans ce cas A−1 =
MatBF ,BE (f −1 ). Ceci peut aider au calcul d’inverse de matrice ou pour déterminer si une
matrice est inversible.

Remarque. D’où la notation GLn (K) en lien avec le groupe linéaire GL(E) de E qui est l’ensemble
des automorphismes de E.

 −1
1 1 1 1 1
0 1 2 3 4
 
0
Exercice. Calculer  0 1 3 6 .
0 0 0 1 4
0 0 0 0 1

J.Gärtner 27 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 22 (Matrice de Vandermonde)

Soient a1 , . . . , an+1 ∈ K et A la matrice (appelée matrice de Vandermonde) :

a21 an1
 
1 a1 ...
1 a2 a22 ... an2 
A = .
 
.. .. .. 
 .. . . . 
2 n
1 an+1 an+1 . . . an+1

On constate que si deux des ai au moins sont égaux, alors la matrice A n’est pas inversible
puisqu’elle a deux lignes égales.
Réciproquement, si les ai sont deux à deux distincts, cette matrice est inversible. Une
manière de la voir est de remarquer que A est la matrice dans les bases canoniques de
l’application f ∈ L(Kn [X], Kn+1 ) définie par

P 7→ (P (a1 ), . . . , P (an+1 ))

Si les ai sont deux à deux distincts, cette application est injective, comme on l’a vu
ci-dessus à propos des polynômes interpolateurs de Lagrange.

Calcul de l’inverse

Proposition 20 (Cas des matrices de taille 2)

 
a b
Soit A = ∈ Mn (K). Alors A est inversible si et seulement si ad − bc 6= 0 et dans
c d
ce cas  
1 d −b
A−1 =
ad − bc −c a

Remarque. Cette formule ne se généralise pas facilement aux matrices plus grandes.

Dans le cas général, on résout un système linéaire à l’aide de la méthode du pivot de Gauss. On
utilise le fait que A est inversible ssi le système AX = B admet
 une unique  solution, et la solution
1 2 −1
est X = A−1 B. Voici comment faire avec par exemple A =  2 4 −1.
−2 −5 3
On part donc d’un système de matrice A :

 x + 2y − z = a
2x + 4y − z = b
−2x − 5y + 3z = c


On applique les mêmes opérations élémentaires que ci-dessus (L2 ← L2 − 2L1 et L3 ← L3 + 2L1
On échange L2 ↔ L3 puis L1 ← L1 + L3 et L2 ← L2 − L3 et enfin L1 ↔ L1 + 2L2 ) bref on obtient
le système 
 x = 7a − b + 2c
y = −4a + b − c
z = −2a + b

 
7 −1 2
qui s’écrit X = M B avec M = −4 1 −1 qui est nécessairement A−1 .
−2 1 0

J.Gärtner 28 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

5 Systèmes linéaires
En notant A1 , . . . , Ap les colonnes de A, résoudre le système AX = B revient à trouver des
scalaires x1 , . . . , xp tels que x1 A1 + · · · + xp Ap = B, autrement dit on cherche à exprimer B comme
élément de Vect (A1 , . . . , Ap ). Ce type d’opération sur les colonnes permet parfois de trouver ra-
pidement des solutions (rappelons que trouver toutes les solutions reviendrait à déterminer une
solution particulière et le noyau de A. En notant f ∈ L(Kp , Kn ) l’application linéaire canonique-
ment associée à A, résoudre AX = B revient à résoudre f (x) = b ; c.f. théorème ?? du chapitre
1.

Exemple 23

Le système    
1 −1 −1 2
−1 1 −1 X = −2
−1 −1 1 0
 
1
admet pour solution X = −1 car on voit que A1 − A2 = B.
0

Méthode 10 (Représentation paramétrique des solutions)

Rappelons que dans un système échelonné, les inconnues correspondant à un pivot s’ap-
pellent inconnues principales et les autres des inconnues secondaires. Lorsqu’un système
échelonné a des inconnues secondaires et qu’il est compatible, on peut donner une repré-
sentation paramétrique de l’ensemble des solutions :
• En prenant les inconnues secondaires comme paramètres prenant des valeurs quelconques
dans R
• et en exprimant les inconnues principales en fonction de ces paramètres.
Pour cela on place les paramètres dans le second membre et on résout le système (trian-
gulaire) ainsi obtenu.

Exemple 24

Le système 

 x − y + z = 2
2y − z = 1


 2z = 3
0 = 1


est incompatible.

Exemple 25

Le système 
x − 2y + z = −2
y + 2z = 4
a une infinité de solutions. On peut choisir z arbitrairement. Dans ce cas y = 4 − 2z et
x = −2 + 2y − z = 6 − 5z. L’ensemble des solutions est {(6 − 5z, 4 − 2z, z), z ∈ R}.

J.Gärtner 29 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 26

Le système 
x + y + z = 1
z = 1
est échelonné par lignes. Les inconnues x et z sont principales, mais y est un paramètre.
Pour résoudre ce système, on met y dans le second membre :

x + z = −y + 1
z = 1

On a donc nécessairement z = 1 et x + 1 = −y + 1 donc x = −y. Ainsi l’ensemble des

solutions du sytème sous forme paramétrique est

S = {(−y, y, 1)|y ∈ R}

Attention aux méthodes alternatives à la méthode d’échelonnement par pivot de Gauss

Supposons que l’on cherche à résoudre le système (S)

 x + y + z = 1
x + y − z = 2
−x + y − z = 4


Imaginons que l’on procède ainsi :

• On ajoute les deux premières lignes membre à membre : on obtient 2x + 2y = 3.
• On ajoute les deux dernières lignes membre à membre : on obtient 2y − 2z = 6.
• On ajoute les deux lignes extrêmes membre à membre : on obtient 2x + 2z = −3.
On obtient alors un nouveau système (S 0 )

 2x + 2y = 3
2y − 2z = 6
2x + 2z = −3


Le triplet (0, 32 , − 32 ) est solution de ce nouveau système, mais n’est pas solution du système initial.
En opérant comme on l’a fait, on ne peut pas conclure que les deux systèmes obtenus sont
équivalents – autrement dit qu’ils ont même ensemble de solution. On peut affirmer que toute
solution de (S) est solution de (S 0 ) mais on vient de montrer que la réciproque est fausse.
Donnons encore un exemple explicite de la méthode du Pivot de Gauss, en résolvant le système
(où k ∈ C) 

 x − 2y + z − t = 1
2x − 4y − z − 3t = 3


 x − 2y + 4z = 0
5x − 10y − z − 7t = k


Annulation de la première sous-colonne.



 x − 2y + z − t = 1
− 3z − t = 1 L2 ← L2 − 2L1


 3z + t = −1 L3 ← L3 − L1
− 6z − 2t = k−5 L4 ← L4 − 5L1


La variable y est donc indépendante des autres : on pourra la fixer arbitrairement.

Annulation de la troisième sous-colonne


 x − 2y + z − t = 1
− 3z − t = 1


 0 = 0 L3 ← L3 + L2
0 = k−7 L4 ← L4 − 2L2


J.Gärtner 30 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Ce dernier système est équivalent au suivant :



 x + z = 1 + 2y + t
−3z = 1+t


 0 = k−7
0 = 0


Le système est compatible si et seulement si k = 7. On a donc pour ensemble de solutions

si k 6= 7
(
∅
1+t 1+t
{(1 + 2y + t + , y, − , t), y, t ∈ R} si k = 7
3 3
Exercice. Résoudre le système de paramètre m ∈ R

(4 − m)x + 3y = 0
2x + (1 + m)y = 0
Exercice. Résoudre le système de paramètre m

 (2 + m)x + 2y − z = 0
2x + (m − 1)y + 2z = 0
−x + 2y + (2 + m)z = 0


V Changement de base
1 Formules de passage, matrices semblables
Soit E un K-espace vectoriel de dimension finie, B = (e1 , . . . , en ) et B 0 = (e01 , . . . , e0n ) deux
bases de E. Pour i ∈ [[ 1 ; n ]], on note Vi = MatB (e0i ) la matrice colonne dans la base B du ième
vecteur de la base B 0 .
Définition 19 (Matrice de passage)

La matrice de passage de B à B 0 , que l’on note PB,B0 est la matrice dont les colonnes sont
les Vi . Autrement dit

PB,B0 = [V1 , . . . , Vn ] = MatB (e01 , . . . , e0n )

On rappelle que la matrice de passage de la base B à la base B 0 est inversible ; son inverse est
−1
PB,B 0= PB0 ,B .

Théorème (?) 12 (Formule de changement de base pour les vecteurs)

Soit x ∈ E, X = MatB (x) et X 0 = MatB0 (x). Alors

X = PB,B0 X 0

0
Soit E un K-espace vectoriel muni de deux bases BE et BE , et F un K-espace vectoriel muni
0 0
de deux bases BF et BF . Soit P la matrice de passage de BE à BE et Q la matrice de passage de
0
BF à BF .

Théorème 13 (Changement de bases pour les applications linéaires)

Soit f ∈ L(E, F ). Notons A = MatBE ,BF (f ) et A0 = MatBE0 ,BF0 (f ). Alors

A0 = Q−1 AP

J.Gärtner 31 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

On utilise surtout le cas particulier suivant, puisque dans le cas d’endomorphismes on choisit
en général la même base pour E vu comme espace de départ et E vu comme espace d’arrivée :

Théorème (?) 14 (Changement de bases pour les endomorphismes)

Soit f ∈ L(E). Soit B et B 0 deux bases de E et P la matrice de passage de B vers B 0 .

Notons A = MatB (f ) et A0 = MatB0 (f ). Alors

A0 = P −1 AP

Définition 20 (Matrices semblables)

Soit A, B ∈ Mn (K). On dit que A et B sont semblables lorsqu’il existe une matrice
P ∈ GLn (K) telle que B = P −1 AP .

On dit que la relation « être semblable à » est une relation d’équivalence entre les matrices.
Cette relation s’appelle similitude.
Deux matrices A et B ∈ Mn (K) sont semblables si et seulement si il existe un endomorphisme
f d’un K-espace vectoriel E de dimension n et deux bases B et B 0 de E telles que

A = MatB (f ) et B = MatB0 (f ).

Remarque. Deux matrices semblables ont même rang. En particulier, l’une est inversible si et
seulement si l’autre l’est aussi.
Attention ! La réciproque est fausse : on peut avoir A et B de même rang sans que A et B
soient semblables.
Contre-exemple 27
   
1 0 1 1
A= et B = . Ces deux matrices sont de même rang 2, mais ne sont pas
0 1 0 1
semblables. Toute matrice semblable à A sera égale à A : si P est inversible, P −1 AP =
P −1 P = I2 = A. Or A 6= B donc A n’est pas semblable à B.

2 Trace d’un endomorphisme

Définition 21 (Trace d’une matrice)

Soit A = (ai,j ) ∈ Mn (K) une matrice carrée. La trace de A est le scalaire

n
X
Tr (A) = ai,i .
i=1

Proposition 21

L’application Tr : Mn (K) → K est linéaire. Pour toute matrice A ∈ Mn (K), on a

Tr (A> ) = Tr (A).

J.Gärtner 32 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Démonstration. Soit A, B ∈ Mn (K) et α, β ∈ K. Alors

n
X
Tr (αA + βB) = (αai,i + βbi,i )
i=1
Xn n
X
=α ai,i + β bi,i = α Tr (A) + β Tr (B)
i=1 i=1

La transposée laissant invariante la diagonale, on a bien Tr (A> ) = Tr (A).

Proposition (?) 22 (Trace d’un produit)

Soit A, B ∈ Mn (K). Alors Tr (AB) = Tr (BA).

Démonstration. Notons C = AB et D = BA. On rappelle que

n
X n
X
∀i, j ∈ [[ 1 ; n ]] , ci,j = ai,k bk,j et di,j = bi,k ak,j
k=1 k=1

Ainsi
n
X X n
n X X n
n X n
X
Tr (AB) = ci,i = ai,k bk,i = bk,i ai,k = dk,k = Tr (BA)
i=1 i=1 k=1 k=1 i=1 k=1

Théorème 15 (Invariance de la trace par similitude)

Soit A, B ∈ Mn (K). Si A et B sont semblables, alors Tr (A) = Tr (B). (Attention ! la

réciproque est fausse).

Démonstration. Soit P ∈ GLn (K) telle que B = P −1 AP . On a alors

Tr (B) = Tr (P −1 AP ) = Tr (P −1 (AP )) = Tr ((AP )P −1 ) = Tr (A(P P −1 )) = Tr (A)

   
1 0 2 0
Contre-exemple pour la réciproque : A = et B = . Ces deux matrices sont de
0 1 0 0
même trace mais ne sont pas semblables car elle n’ont pas même rang.

Remarque. Attention ! Lors de cette preuve, on ne manipule à chaque fois que le produit de deux
matrices. Il ne faut pas imaginer qu’on puisse permuter P −1 , A et P dans un ordre quelconque.

La propriété d’invariance par similitude permet de définir la notion de trace d’un endomor-
phisme. Soit E un K-espace vectoriel de dimension finie et f un endomorphisme de E. Toutes les
matrices représentant f dans une base sont semblables, et ont donc même trace.

Définition 22 (Trace d’un endomorphisme en dimension finie)

Soit f un endomorphisme d’un espace vectoriel E de dimension finie. On appelle trace

de l’endomorphisme f la trace de sa matrice dans une base quelconque de E ; comme
toutes ces matrices sont semblables, la trace ne dépend pas de la base choisie.

J.Gärtner 33 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 28

Si E est de dimension n, alors Tr (IdE ) = n.

Exemple 29
 
2 3
Soit f : (x, y) 7→ (2x + 3y, x − y). La matrice de f dans la base canonique est
1 −1
donc Tr (f ) = 1.

Exercice. Soit p un projecteur d’un espace vectoriel de dimension finie E. En choisissant une base
judicieuse, montrer que Tr (p) = rg (p). Autrement dit que la trace d’un projecteur est la dimension
de son image.

VI Déterminant
1 Déterminant d’une matrice carrée
Soit n ∈ N∗ .

Il n’y a de déterminant que de matrice carrée !

Théorème (?) 16

Soit n > 2.
Il existe une unique application f : Mn (K) → K vérifiant :
1. f est linéaire par rapport à chacune des colonnes (ou multilinéaire par rapport à chacune
des colonnes).
2. f est alternéepar rapport aux colonnes,
3. f (In ) = 1.

Définition 23

L’unique
application duthéorème 16 est appelé déterminant et il est noté det.
a11 ... a1n a11 ... a1n
 .. .
. . .. .
Si A =  . . , on note aussi det(A) = ..

.
an1 ... ann an1 ... ann

Exemple 30

a b
= ad − bc
c d
Mais attention cette formule ne se généralise pas simplement !

J.Gärtner 34 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Remarque.1. Attention ! le déterminant est une application multilinéaire par rapport aux co-
lonnes de la matrice considérée, mais n’a rien d’une application linéaire il n’y a pas de
relation « simple » pour det(A + B).
2. Il y a une très mauvaise règle en dimension 3, appelée règle de Sarrus. Elle ne se généralise pas.
3. Il existe une formule explicite « théorique » du déterminant, qui n’est pas au programme, mais
qui montre que le déterminant d’une matrice est une fonction polynomiale (donc continue...) en
ses coefficients.

Attention ! Pour tout λ ∈ K, det(λA) = λn det(A) . Le déterminant n’est pas linéaire.

Mn (C) → C

Exercice. Soit f : . Montrer que f = det et :
M 7→ det(M )
∀A ∈ Mn (C), det(A) = det(A).

2 Calcul du déterminant
Proposition 23 (Déterminant d’une matrice triangulaire)

Soit T = (ti,j ) ∈ Mn (K) une matrice triangulaire (inférieure ou supérieure, éventuelle-

ment diagonale !) alors
n
det(T ) = t1,1 × · · · × tn,n = Π ti,i
i=1

Méthode 11

Pour calculer le déterminant d’une matrice, on applique l’algorithme de Gauss jusqu’à

obtenir une matrice triangulaire (inférieure si l’on utilise des opération sur les colonnes,
mais comme on va le voir plus loin on pourra effectuer des opérations sur les lignes
aussi). On est ramené dans ce cas à un déterminant triangulaire. C’est une méthode
assez générale, y compris pour les déterminants de taille 3 (pour lesquels la mauvaise
méthode de Sarrus est vraiment mauvaise).

Exemple 31

1 1 1 1 0 0 1 0 0
1 2 4 = 1 1 3 = 1 1 0 =1
C2 ←C2 −C1 C3 ←C3 −3C2
1 3 8 C3 ←C3 −C1 1 2 7 1 2 1

1 2 3
Exercice. Calculer 4 0 4
3 2 1
Remarque. ATTENTION aux dilatations et aux permutations. Si on effectue l’opération C1 ←
2 1 1 2 1 1 1 1 1
1
2 C1 sur le déterminant 2 2 4 on change sa valeur ! On a 2 2 4 = 2 1 2 4
2 3 8 2 3 8 1 3 8
De même échanger deux colonnes change le signe du déterminant. Si on effectue l’opération
2 1 1 2 1 1 1 2 1
C1 ↔ C2 sur le déterminant 2 2 4 on obtient 2 2 4 = − 2 2 4
2 3 8 2 3 8 3 2 8

J.Gärtner 35 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

a 1 ... 1 1
1 a ... 1 1
Exercice. Calculons en fonction de a ∈ C, ∆ = ... ..
.
..
.
..
.
... a 1
1 1
... 1 a
1 1
Pn
On pourra commencer par effectuer l’opération C1 ← Ci .
i=1

Exercice. Calculer
1 −1 0 0 −1 2 7 1
0 1 −1 0 0 4 14 8
et
0 0 1 0 2 0 98 6
2 0 0 1 1 1 21 5

Rappel : interprétation géométrique en dimension 2 ou 3.

Plaçons nous d’abord dans le plan : on considère deux vecteurs (→ −u,→
−v ) libres de R2 . On dira
que ces vecteurs sont orientés positivement si l’angle orienté θ formé par (→
−u,→−v ) est dans ]0, π[ et
négativement dans le cas contraire. Nous allons déterminer l’aire algébrique du parallèlogramme
par ces deux vecteurs. On dira que l’aire est positive si ces vecteurs sont orientés positivement et
négative sinon.
L’aire d’un parallèlogramme étant base×hauteur, on considère que la base vaut k→ −u k et la hauteur
vaut donc | sin θ| × k v k. L’aire non algébrique de ce parallèlogramme vaut | sin θ| × k→
→
− −v k × k→
−u k.
Ainsi l’aire algébrique vaut sin θ × k→
−v k × k→
−
u k.

Proposition 24

Soit A ∈ Mn (K). On a :
det(A> ) = det(A)

Il en résulte que le déterminant est une application multilinéaire alternée par rapport aux lignes :
pour effectuer les calculs de déterminants, on peut effectuer (en prenant garde aux permutations
et aux dilatations) des opérations sur les lignes.

1 2 3
Exercice. Calculer 3 2 1.
1 0 1

On peut aussi effectuer des opérations sur les lignes ET sur les colonnes !

J.Gärtner 36 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Théorème 17

Soit A, B ∈ Mn (K). Alors

det(A × B) = det(A) × det(B)

Remarque.• Attention ! C’est FAUX pour l’addition : det(A + B) 6= det(A) + det(B) en général.
• Attention ! Même si det(AB) = det(A) det(B) = det(BA), en général, AB 6= BA !
Théorème 18 (Développement selon une ligne ou une colonne)

Soit A = (aij )16i,j6n ∈ Mn (K).

a1,1 · · · a1,j−1 a1,j+1 ··· a1,n
.. .. .. ..
. . . .
ai−1,1 ··· ai−1,j−1 ai−1,j+1 ··· ai−1,n
On note ∆i,j = (on a retiré la i-ème
ai+1,1 ··· ai+1,j−1 ai+1,j+1 ··· ai+1,n
.. .. .. ..
. . . .
an,1 · · · an,j−1 an,j+1 ··· an,n
ligne et la j-ème colonne).
Alors :
Pn
1. Pour tout j0 ∈ [[1; n]], on a det(A) = i=1 ai,j0 (−1)i+j0 ∆i,j0 . (développement par rap-
port à la j0 -ème colonne).
Pn
2. Pour tout i0 ∈ [[1; n]], on a det(A) = j=1 ai0 ,j (−1)i0 +j ∆i0 ,j . (développement par rap-
port à la i0 -ème ligne).

Remarque. Le déterminant ∆i,j du théorème s’appelle le mineur d’indice i, j et µi,j = (−1)i+j ∆i,j
le cofacteur d’indice i, j.
Exemple 32

En développant par rapport à la troisième colonne, on a

1 2 3
4 5 1 2 1 2
4 5 6 =3 −6 +9
7 8 7 8 4 5
7 8 9

et par rapport à la ligne 2 :

1 2 3
2 3 1 3 1 2
4 5 6 = −4 +5 −6
8 9 7 9 7 8
7 8 9

Remarque. Cette méthode sert à calculer des petits déterminants (4 × 4 par exemple) ou des
déterminants avec beaucoup de zéros.
Méthode 12

Pour calculer un déterminant, on peut commencer par faire apparaître des coefficients
nuls à l’aide d’opérations sur les lignes ou sur les colonnes, puis développer par rapport
à une ligne ou une colonne simple.

J.Gärtner 37 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

 
0 1 0 2
 3 4 5 6 
Exercice. Calculer det(A), avec A = 
 2
.
8 1 3 
0 4 0 4

Exercice. Soit c0 , . . . , cn−1 ∈ K. Calculer le déterminant de la matrice

 
0 0 ... 0 −c0
1 0
 ... 0 −c1 

0 1
 ... 0 −c2 

 .. .. .. .. .. 
. . . . . 
0 0 ... 1 −cn−1

Méthode 13

Le développement par rapport à une ligne ou une colonne s’utilise souvent pour obtenir
des relations de récurrence entre des déterminants de tailles différentes.

C’est la cas en particulier pour le calcul de déterminant tridiagonaux : on peut en général

trouver une relation de récurrence en développant par rapport à la première colonne puis par
rapport à la première ligne le second déterminant.

a+b ab (0)
.. ..
1 . .
Exercice. Calculer , a, b ∈ C∗ et a 6= b
.. ..
. . ab
(0) 1 a+b

3 Lien avec l’inversibilité

Théorème 19

Soit A ∈ Mn (K). Alors

A ∈ GLn (K) ⇔ det(A) 6= 0
Dans ce cas det(A−1 ) = det(A)−1 .

 
1 1 1
Exercice. Montrer que la matrice 1 2 4 est inversible.
1 3 8

J.Gärtner 38 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 33

a 1 ... 1 1
1 a ... 1 1
On a vu en exercice ci-dessus que ... ..
.
..
.
.. = (a + n − 1)(a − 1)n−1 ainsi
.
1 1 ... a 1
1 1 ... 1 a
 
a 1 ... 1 1
1 a . . . 1 1
 
 .. .. .. ..  est inversible si et seulement si son déterminant est non nul autre-
. . . . 
 
1 1 . . . a 1
1 1 ... 1 a
ment dit si et seulement si a 6= 1 et a 6= 1 − n.

4 Déterminant de Vandermonde
Le déterminant de Vandermonde est particulièrement important et doit être connu.

Proposition (?) 25 (Déterminant de Vandermonde)

Soit a1 , . . . , an ∈ K. On a

1 a1 a21 . . . an−1
1
1 a2 a22 . . . an−1
2
.. .. .. .. = Π (aj − ai )
. . . . 16i<j6n

1 an a2n ... an−1

n

Démonstration. Notons Vn (a1 , . . . , an ) ce déterminant. On effectue dans cet ordre les opérations
suivantes :

Cn ← Cn − a1 Cn−1 puis Cn−1 ← Cn−1 − a1 Cn−2 puis . . . puisC2 ← C2 − a1 C1

On obtient alors

1 0 0 ... 0
1 a2 − a1 a2 (a2 − a1 ) ... an−2
2 (a 2 − a1 )
Vn (a1 , . . . , an ) = . .. .. ..
.. . . .
1 an − a1 an (an − a1 ) ... an−2
n (an − a1 )

On développe alors par rapport à la première ligne, et on utilise la linéarité du déterminant par
rapport aux lignes pour factoriser la première ligne par a2 − a1 , la deuxième par a3 − a1 etc...

a2 − a1 a2 (a2 − a1 ) ... an−2

2 (a2 − a1 )
Vn (a1 , . . . , an ) = .. .. .. = (an −a1 ) . . . (a2 −a1 )Vn−1 (a2 , . . . , an ).
. . .
an − a1 an (an − a1 ) . . . an−2
n (an − a1 )

On peut alors montrer le résultat par récurrence :

1 a1
• Initialisation : si n = 2 on a = a2 − a1 .
1 a2

J.Gärtner 39 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

• Soit n ∈ N avec n > 3. Si le résultat est vrai au rang n − 1, alors

Vn (a1 , . . . , an ) = (an − a1 ) . . . (a2 − a1 )Vn−1 (a2 , . . . , an )

= (an − a1 ) . . . (a2 − a1 ) Π
26i<j6n
(aj − ai ) = Π
16i<j6n
(aj − ai )

Remarque. On retrouve alors le résultat démontré précédemment, que la matrice de Vander-

monde est inversible si et seulement si les ai sont deux à deux distincts (lien entre la matrice de
Vandermonde et les polynômes interpolateurs de Lagrange).

5 Déterminant d’un endomorphisme

Proposition 26 (Matrices semblables)

Soient A, B ∈ Mn (K) deux matrices semblables. Alors det(A) = det(B). La réciproque

est fausse.

Démonstration. Soit P une matrice inversible telle que B = P −1 AP . On a

1
det(B) = det(P −1 AP ) = det(P −1 ) det(A) det(P ) =det(A) det(P ) = det(A).
det(P )
   
1 0 1 1
Contrexemple pour la réciproque : si on prend A = et B = . Ces deux matrices
0 1 0 1
sont de même déterminant mais pas semblables : pour toute matrice inversible P de taille 2, on a
P −1 AP = P −1 I2 P = I2 6= B.

Comme pour la trace, on a la possibilité de définir le déterminant d’un endomorphisme en

dimension finie à partir du déterminant d’une de ses matrices. En effet, soit f un endomorphisme
d’un espace E de dimension finie n > 1. Soit B et B 0 de bases de E. On sait que les matrices
A = MatB (f ) et A0 = MatB0 (f ) sont semblables : si P est la matrice de passage de B à B 0 , alors
A0 = P −1 AP . Alors d’après la proposition 26, det(A) = det(A0 ).

Définition 24 (Déterminant d’un endomorphisme)

Soit E un espace vectoriel de dimension finie et f ∈ L(E) un endomorphisme. Soit B

une base de A. On appelle déterminant de f le déterminant de sa matrice A = MatB (f )
dans la base B. Le scalaire obtenu ne dépend pas du choix de B.

Exemple 34

Soit λ ∈ K. L’homothétie λIdE est de déterminant λn , où n = dim E.

Exemple 35

• det(IdE ) = 1
• det(λIdE ) = λn

J.Gärtner 40 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exercice. (A savoir faire impérativement)

1. Soit p le projecteur sur F parallèlement à G 6= {0}. Calculer Tr (p) et det(p).

2. Soit s la symétrie par rapport à F parallèlement à G. Calculer Tr (s) et det(s).

Proposition 27

Soit f, g ∈ L(E).
• Si λ ∈ K, alors det(λf ) = λn det(f ).
• det(f ◦ g) = det(f ) × det(g).
• f ∈ GL(E) ⇔ det(f ) 6= 0 et dans ce cas det(f −1 ) = 1
det(f ) .

Remarque. Si K = R, le nombre réel det(f ) représente le coefficient par lequel f multiplie les
volumes (en dimension 3) ou les aires (en dimension 2).

Vérifions le par exemple dans le cas suivant : Soit f ∈ L(R2 ) défini pour tout (x, y) ∈ R2 par
f (x, y) = (−2x−2y, 2x+3y). Son déterminant est (en calculant sa matrice dans la base canonique)
−2 −2
= −2. L’application f change l’orientation (autrement dit transforme une aire positive
2 3
en une aire négative) et multiplie cette aire par 2.

Exercice. Soit A ∈ M2 (K) et f : M 7→ AM . Vérifier que f ∈ L(M2 (K)) et déterminer Tr (f ) et

det(f ).

J.Gärtner 41 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

6 Déterminant d’une famille de vecteurs

Définition 25

Soit E un K-espace vectoriel de dimension n et B = (e1 , . . . , en ) une base de E. Soit

(u1 , . . . , un ) une famille de n vecteurs de E. On rappelle que la matrice de (u1 , . . . , un )
dans la base B est la matrice A = (ai,j ) définie par
n
X
∀j ∈ [[ 1 ; n ]] , uj = ai,j ei
i=1

On appelle déterminant de (u1 , . . . , un ) dans B le déterminant de cette matrice, noté

detB (u1 , . . . , un ) :
a1,1 . . . a1,n
det(u1 , . . . , un ) = ... ..
.
B
an,1 ... an,n

Remarque. On ne peut définir le déterminant que d’une famille de vecteurs ayant autant de
vecteurs que la dimension de l’espace...

Remarque. Contrairement au déterminant d’un endomorphisme, le déterminant d’une famille

de vecteur dépend du choix de la base dans laquelle on le calcule, mais le fait que ce
déterminant soit nul ou non est indépendant de la base choisie. Comme on le vérifie aisément à
l’aide des formules de changement de base.

Théorème 20

On a l’équivalence

(u1 , . . . , un ) est une base de E ⇔ det(u1 , . . . , un ) 6= 0

B

Démonstration. En effet cette famille est une base si et seulement si sa matrice dans la base B est
inversible, autrement dit si et seulement si son déterminant est non nul.

Remarque. On en déduit que le déterminant d’une famille de vecteur est nul ssi cette famille est
liée.

Exercice. Montrer que ((1, 2, 3), (2, 3, 1), (3, 2, 1)) est une base de R3 .

Exemple 36

n
P
L’ensemble {A = (ai,j ) ∈ Mn (K) | ai,i = 0} des matrices dites de trace nulle est un
i=1
hyperplan de Mn (K), c’est donc un sous-espace de dimension n2 − 1.

Exercice. (dur) Soit H1 et H2 deux hyperplans de E (dim E = n) définis par H1 = Ker ϕ1 et

H2 = Ker ϕ2 , où les ϕi sont des formes linéaires non nulles. Montrer que H1 = H2 si et seulement
si ϕ1 et ϕ2 sont colinéaires dans l’espace vectoriel L(E, K) i.e. si et seulement si il existe a ∈ K tel
que ϕ1 = aϕ2 .

J.Gärtner 42 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

VII Espaces stables, matrices définies par blocs

1 Sous-espaces stables par un endomorphisme
Définition 26 (Sous-espace stable par un endomorphisme, endomorphisme induit)

Soit f ∈ L(E) un endomorphisme de E et F un sous-espace vectoriel de E. On dit que

F est stable par f (ou f -stable) si et seulement si

∀x ∈ F, f (x) ∈ F

Autrement dit si et seulement si f (F ) ⊂ F .

Dans ce cas, on peut définir un endomorphisme de F en posant

F −→ F
fF : .
x 7−→ f (x)

Cet endomorphisme du sous-espace F s’appelle endomorphisme induit.

Remarque. Attention ! Soit F un sous-espace de E. Ne pas confondre f |F : F → E la restriction

de f à F , que l’on peut toujours définir mais qui n’est pas un endomorphisme en général, et
fF : F → F l’endomorphisme induit par f sur F qui n’existe que si F est un sous-espace stable
par f .

Exemple 37

Soit f : (x, y) 7→ (2x, 2x). Le sous-espace F = Vect ((1, 1)) est stable par f car si u ∈ F ,
u s’écrit (α, α) et f (u) = αf (1, 1) = (2α, 2α) = 2u ∈ F . L’endomorphisme induit par f
sur F est 2IdF .
En revanche, G = Vect ((1, 0)) n’est pas stable par f car f (1, 0) = (2, 2) ∈
/ G.

Proposition 28

Soit E un K-espace vectoriel et u et v deux endomorphismes de E. On suppose que u et

v commutent, autrement dit que u ◦ v = v ◦ u. Alors Im u et Ker u sont stables par v.

Démonstration. Soit x ∈ Ker u. Montrons que v(x) ∈ Ker u. On a u(v(x)) = v(u(x)) car u◦v = v◦u
et v(u(x)) = v(0) = 0 car x ∈ Ker u et v est linéaire. Donc v(x) ∈ Ker u.
Soit y ∈ Im u et x ∈ E tel que y = u(x). Montrons que v(y) ∈ Im u. On a v(y) = v(u(x)) =
u(v(x)) = u(z) ∈ Im u, en posant z = v(x), car u ◦ v = v ◦ u.

2 Matrices définies par blocs

Dans certains cas, il peut être intéressant de penser aux coefficients d’une matrice en les re-
groupant « par blocs » ; ces blocs s’organisent autours de blocs carrés qui sont sur la diagonale.
Par exemple, la matrice carrée  
1 1 2 2 2
1 1 2 2 2
 
A= 3 3 4 4 4

3 3 4 4 4
3 3 4 4 4

J.Gärtner 43 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

fait apparaître les blocs (les blocs diagonaux sont carrés) suivants :
   
    3 3 4 4 4
1 1 2 2 2
A1,1 = , A1,2 = , A2,1 = 3 3 , A2,2 = 4 4 4
1 1 2 2 2
3 3 4 4 4

On écrira alors par exemple :  

A1,1 A1,2
A=
A2,1 A2,2
Bien entendu, on pourrait utiliser d’autres 
blocs, 
mais ce serait moins judicieux ; par exemple
  1 1
2 2 2 3 3
 
 et A2,2 = 4 4 4 .


A1,1 = 1 1 2 , A1,2 = 2 2 2, A2,1 =  3 3 4 4 4
4 4 4
3 3

Opérations par blocs :

• Somme et produit par un scalaire :
Soient M et N deux matrices de même taille et décomposées en blocs de mêmes tailles : l’addition
et la multiplication par un scalaire se font terme à terme. Plus précisément, si M, N ∈ Mn,p (K).
Soit q, r ∈ N∗ et n1 , . . . , nq , p1 , . . . , pr tels que n1 + · · · + nq = n et p1 + · · · + pr = p. Supposons
que l’on écrive M et N en qr blocs de taille (ni , pj ) :
   
M1,1 ... M1,r N1,1 ... N1,r
 .. ..   .. .. 
M = . .  et N =  . . 
Mq,1 ... Mq,r Nq,1 ... Nq,r

alors pour tout λ ∈ K on a

 
M1,1 + λN1,1 ... M1,r + λN1,r
M + λN = 
 .. .. 
. . 
Mq,1 + λNq,1 ... Mq,r + λNq,r

• Produit : Soit A et B deux matrices écrites par blocs Attention ! le nombre de blocs doit
être compatible
   
A1,1 . . . A1,p B1,1 . . . B1,q
A =  ... ..  et B =  .. .. 

.   . . 
An,1 . . . An,p Bp,1 . . . Bp,q

et si les tailles des blocs sont compatibles, autrment dit pour tout i, j et k, le nombre de
colonnes de Ai,k est égal au nombre de lignes de Bk,j , alors on peut effectuer le produit par blocs :
 
C1,1 ... C1,q
 .. .. 
C = AB =  . . 
Cn,1 ... Cn,q
avec
p
X
∀(i, j) ∈ [[ 1 ; n ]] × [[ 1 ; q ]] , Ci,j = Ai,k Bk,j
k=1

• Transposition : La transposition ne se fait pas terme à terme, il ne faut pas oublier d’échanger
les blocs extra diagonaux. Ainsi
>
A> A>
  
A1,1 A1,2 1,1 2,1
=
A2,1 A2,2 A>
1,2 A>
2,2

J.Gärtner 44 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

et plus généralement
>  >
A>
 
A1,1 ... A1,p A1,1 ... p,1
 .. ..  =  .. .. 
 . .   . . 
An,1 ... An,p A>
1,n ... A>
p,n

 
1 1 0 0
0 2 0 0 
Exercice. Calculer les puissances successives de la matrice A =  .
0 0 1 −1 
0 0 0 1

Proposition 29

Soit E un K-espace vectoriel de dimension finie et F, G deux sous-espaces de E tels que

E = F ⊕ G. Soit f ∈ L(E). Soit B une base adaptée à la décomposition E = F ⊕ G
(autrement dit, la concaténation d’une base de F et d’une base de G). On note d = dim F
et n = dim E. Alors F est stable par f si et seulement si A = MatB (f ) a la forme suivante,
dite triangulaire par blocs :
 
A1,1 A1,2
A=
0Mn−d,d (K) A2,2

où A1,1 ∈ Md (K). La matrice A1,1 est alors la matrice de l’endomorphisme induit par f
sur F .

Démonstration. Notons (e1 , . . . , ed ) la base de F que l’on a complété en B = (e1 , . . . , en ) base de

E.
Si F est stable par f alors pour j ∈ [[ 1 ; d ]] on a f (ej ) ∈ F = Vect (e1 , . . . , ed ) : le vecteur f (ej )
se décomposent sur les d premiers vecteurs de la base B. Les coefficients des lignes d + 1 à n de la
jème colonne sont nuls.
Si A a la forme d’une matrice triangulaire par blocs. On lit sur les d premières colonnes que
Pd
∀j ∈ [[ 1 ; d ]] , f (ej ) ∈ Vect (e1 , . . . , ed ) = F . Donc si x ∈ F , que l’on écrit x = xi ei , on a
i=1
d
P
f (x) = xi f (ei ) ∈ F . Ainsi F est stable par f .
i=1
Comme on vient de le voir, le bloc A1,1 donne les coordonnées des f (ej ) suivant les vecteurs
de (e1 , . . . , ed ) ; ceci signifie que M(e1 ,...,ed ) (fF ) = A1,1 .

Définition 27 (Matrice diagonale par blocs)

Soit A ∈ Mn (K). On dit que A est diagonale par blocs lorsqu’il existe des entiers
n1 , . . . , np et des matrices A1 ∈ Mn1 (K), . . . , Ap ∈ Mnp (K) tels que
 
A1
 
 A2 
n = n1 + · · · + np et A = 
 
.. 

 . 

An p

les termes qui ne sont pas représentés sont nuls.

J.Gärtner 45 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 38
 
1 −4 0 0 0

 1 2 0 0 0 

La matrice A = 
 0 0 2 3 1  est diagonale par blocs, les blocs étant

 0 0 1 −1 1 
0 0 3 −2 0
 
  2 3 1
1 −4
A1 = et A2 = 1 −1 1
1 2
3 −2 0

Théorème (?) 21

Soit E un K-espace vectoriel de dimension finie. Soit E = F1 ⊕· · ·⊕Fp une décomposition

de E en somme directe. Pour tout i ∈ [[ 1 ; p ]], soit Bi une base de Fi et B la base
de E obtenue par concaténation des bases Bi — autrement dit une base adaptée à la
décomposition en somme directe. Soit f ∈ L(E) et A = MatB (f ). Les assertions suivantes
sont équivalentes :
1. les sous-espaces Fi sont tous stables par f ;
2. la matrice A est diagonale par blocs et la taille du i-ème bloc diagonal est égal à dim(Fi ).

On remarquera que le bloc diagonal Ai , est la matrice de l’endomorphisme fi induit par f sur
Fi dans la base Bi .
Démonstration. On va noter di = dim Fi et (ei,1 , . . . , ei,di ) la base Bi .
Supposons que tous les sous-espaces Fi sont stables par f . Soit i ∈ [[ 1 ; p ]] et j ∈ [[ 1 ; di ]]. Alors
le vecteur f ( ei,j ) est un élément de Fi donc est combinaison linéaire des vecteurs de Bi . Ainsi
|{z}
∈Fi
pour k ∈ [[ 1 ; di ]], dans les colonnes d’indice d1 + · · · + di−1 + k de la matrice A, tous les coefficients
situés en dehors des lignes comprises entre d1 + · · · + di−1 + 1 et d1 + · · · + di sont nuls. La matrice
A est diagonale par blocs et le ième bloc est de taille di .
Réciproquement, si la matrice A est diagonale par blocs de blocs diagonaux de dimension di .
Soit i ∈ [[ 1 ; p ]]. Les coefficients de A montrent que les vecteurs f (ei,1 ), . . . , f (ei,di ) s’expriment en
fonction des seuls vecteurs ei,1 , . . . , ei,di , donc appartiennent à Fi . Comme ces vecteurs forment
une base de Fi , on en déduit que pour tout vecteur x ∈ Fi , on a encore f (x) ∈ Fi ; le sous-espace
Fi est stable par f .

Exemple 39

Soit E = F ⊕ G une décomposition en somme directe, n = dim E et d = dim F . Soit p le

projecteur sur F parallèlement à G et s la symétrie par rapport à F parallèlement à G.
Soit B une base adaptée à la décomposition en somme directe E = F ⊕ G. Alors
! !
Id 0Md,n−d (K) Id 0Md,n−d (K)
MatB (p) = et MatB (s) =
0Mn−d,d (K) 0Mn−d (K) 0Mn−d,d (K) −In−d

Remarque. Dans le cas où on aurait une décomposition de E en somme directe E = F1 ⊕· · ·⊕Fp ,

qui vérifierait la propriété analogue à la proposition 1, on généralise le résultat de la proposition 29.

J.Gärtner 46 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Supposons que pour tout k ∈ [[ 1 ; p ]], l’espace Ei = F1 ⊕ · · · ⊕ Fk est stable par un endomorphisme
f de E, alors la matrice de f dans une base adaptée à la décomposition E = F1 ⊕ · · · ⊕ Fp est
triangulaire supérieure par blocs ; parmi les Fi , seul le sous-espace F1 est stable par f .

Théorème 22 (Produit de matrices diagonales par blocs)

Soit    
A1 B1
 A2   B2 
A= et B = 
   
..  .. 
 .   . 
Ap Bp
deux matrices diagonales par blocs (les blocs sont deux à deux de même taille), alors le
produit AB est diagonal par blocs et
 
A1 B 1
 A2 B 2 
AB = 
 
 . .. 

Ap B p

Démonstration. Soient f et g les endomorphismes canoniquement associés aux matrices A et B

et di la taille du ième bloc. Pour chaque i ∈ [[ 1 ; p ]], soit Bi la famille formée des vecteurs de la
base canonique numérotés d1 + · · · + di−1 + 1 à d1 + · · · + di , et Fi le sous-espace engendré par ces
vecteurs. Chacun de ces sous-espaces est stable par f et par g. Soit fi et gi les endomorphismes
induits par f et g respectivement sur Fi . Ces endomorphismes vérifient
MatBi (fi ) = Ai et MatBi (gi ) = Bi
Comme Fi est stable par f ◦ g, la matrice de l’endomorphisme induit par f ◦ g sur Fi est la matrice
Ai Bi . La matrice AB de f ◦ g est donc diagonale par blocs, et le ième bloc est Ai Bi .
 
A 0
Exercice. Soit M = une matrice diagonale par blocs. On suppose que A et B sont des
0 B
matrices carrées inversibles. Montrer que M est inversible et expliciter son inverse sous forme d’une
matrice par blocs utilisant A−1 et B −1 .

3 Déterminants par blocs

Théorème 23 (Déterminant triangulaire par blocs)

Soit A ∈ Mn (K), B ∈ Mn,p (K) et C ∈ Mp (K). Alors

 
A B
det = det(A) det(C)
0 C

Démonstration. On a l’égalité
    
In B A 0 A B
= .
0 C 0 Ip 0 C
     
A B In B A 0
Donc det = det × det . Par développements successifs par rapport aux
0 C 0 C 0 Ip
n premières colonnes, on voit que
 
I B
det n = det(C)
0 C

J.Gärtner 47 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

De même, en développant par rapport aux p dernières colonnes,

 
A 0
det = det(A)
0 Ip

Ceci permet de conclure.

Remarque. On peut généraliser ce résultat aux matrices triangulaires supérieures ou triangulaires

inférieures par blocs : le déterminant est alors le produit des déterminants des blocs diagonaux.

Exemple 40

1 2 1 2 3
2 −1 1 1 1
0 0 2 0 5
0 0 3 1 7
0 0 1 2 3

 
A B
Remarque. Attention ! En général det 6= det(A) det(B)−det(B) det(C), même si tous
C D
les blocs sont carrés.

VIII Polynômes d’endomorphismes et de matrices carrées

Dans cette section E est un espace vectoriel de dimension finie.

1 L’essentiel à connaître
Définition 28 (Polynôme d’endomorphisme)

m
Soit n ∈ N∗ , E un K-espace vectoriel de dimension n et u ∈ L(E). Si P = ak X k ∈
P
k=0
K[X], on définit un nouvel endomorphisme P (u) de E en posant
m
X
P (u) = ak uk
k=0

On prendra garde que u0 = Id E et donc que P (u) = a0 Id E +a1 u + · · · + am um .

Attention ! P (u) est un endomorphisme de E. Si on veut l’évaluer en x ∈ E on écrit en plaçant

correctement les parenthèses :
m
X
P (u)(x) = ak uk (x)
k=0

On rappelle qu’il n’y a pas a priori de multiplication dans un espace vectoriel, on qu’on n’écrit
donc pas xk ou (u(x))k ...

Définition 29 (Polynôme annulateur)

Lorsque P (u) = 0L(E) , on dit que P est un polynôme annulateur de u.

J.Gärtner 48 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Exemple 41

On a vu que si p est un projecteur de E, alors p2 = p, ce qui se traduit en disant que

X 2 −X annule p. De manière analogue, on pourra dire par exemple qu’un endomorphisme
u est une symétrie de E si et seulement si Q = X 2 −1 annule u. En effet Q(u) = u2 −Id E
donc Q(u) = 0 si et seulement si u2 = Id E , ce qui caractérise les symétries !

Définition 30 (Polynôme de matrice, polynôme annulateur)

m
Soit n ∈ N∗ et A ∈ Mn (K) une matrice carrée. Si P = ak X k ∈ K[X], on définit une
P
k=0
nouvelle matrice P (A) carrée, de taille n, en posant
m
X
P (A) = ak Ak
k=0

On prendra garde que A0 = In et donc que P (A) = a0 In + a1 A + · · · + am Am .

Dans le cas particulier où P (A) = 0Mn (K) on dit que P est un polynôme annulateur de
A ou que A annule P .

Remarque. Si A est la matrice de u dans une base, alors P annule A si et seulement si P annule
u.

Proposition 30

Soit u ∈ L(E). Si P, Q ∈ K[X] et λ ∈ K. On a

(P + λQ)(u) = P (u) + λQ(u) et (P Q)(u) = P (u) ◦ Q(u)

De même si A ∈ Mn (K) alors (P +λQ)(A) = P (A)+λQ(A) et (P Q)(A) = P (A)×Q(A).

Démonstration. Prouvons le pour la multiplication. Dans le cas particulier où P = X k , et Q =

m m
b` X ` , alors on a P Q = b` X `+k donc
P P
`=0 `=0

m m
!
X X
`+k k `
(P Q)(u) = b` u =u ◦ b` u = P (u) ◦ Q(u)
`=0 `=0

m m
ak X k on a P Q = ak X k Q et on utilise le premier point pour conclure.
P P
Si maintenant P =
k=0 k=0

On peut donc en déduire que

Corollaire 31

Soit P, Q ∈ K[X], et u ∈ L(E). Alors P (u) et Q(u) commutent : P (u) ◦ Q(u) = Q(u) ◦
P (u). On en déduit en particulier (avec Q = X) que Ker (P (u)) et Im (P (u)) sont stables
par u.

J.Gärtner 49 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

Démonstration. Comme P Q = QP on a (P Q)(u) = (QP )(u)... Pour la stabilité, c’est la proposi-

tion 28 avec v = P (u) !

Proposition 32

Si A ∈ Mn (K), alors il existe P ∈ K[X] r {0K[X] }, tel que P (A) = 0. Énoncé analogue
pour un endomorphisme d’un espace de dimension finie.

2
Démonstration. La famille (A0 , . . . , An ) est une famille de n2 +1 vecteurs d’un espace de dimension
n2
n2 . C’est donc une famille liée : il existe (a0 , . . . , an ) non tous nuls tel que ak Ak = 0Mn (K) .
P
k=0
2
n
k
ak X un polynôme annulateur de degré au plus n2 pour A.
P
Autrement dit il existe P =
k=0

2 Applications
Les polynômes d’endomorphismes et de matrices seront utile dans le cours sur la réduction, mais
on peut déjà voir leur utilité pour calculer l’inverse d’une matrice ou ses puissances successives.

Exemple 42
 
2 −2 1
Soit A =  2 −3 2. Montrer que P = (X − 1)(X + 3) annule A. En déduire que A
−1 2 0
est inversible et déterminer A−1 en fonction de A.

Dans l’exercice ci-dessus, on voit que si A (ou u) est annulé par un polynôme dont le terme
constant est non nul, alors A est inversible et son inverse est un polynôme en A.
Pour le calcul des puissances successives, on va avoir besoin de la division euclidienne des
polynômes :

Théorème (?) 24

Soient A, B ∈ K[X], avec B =

6 0. Alors il existe un unique couple (Q, R) de polynômes,
tel que
A = BQ + R et deg R < deg B
Q est le quotient et R le reste.

On peut calculer le reste dans une division euclidienne sans la poser.

Exercice. Soit P ∈ R[X], tel que P (0) = P (2) = 1 et P (1) = 2. Déterminer le reste de la division
euclidienne de P par X(X − 1)(X − 2).
On peut alors continuer l’exemple ci-dessus :

Exemple 43
 
2 −2 1
Soit A =  2 −3 2. Montrer que P = (X − 1)(X + 3) annule A. Déterminer pour
−1 2 0
tout n ∈ N, An en fonction de A.

J.Gärtner 50 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

0 1/a 1/a2
 

Exercice. Soit a ∈ R∗ et A =  a 0 1/a . Calculer A2 . En déduire un polynôme annu-

2
a a 0
lateur de A. Calculer les puissances successives de A. Cette matrice A est-elle inversible ? Si oui
déterminer son inverse.
Dans le cas où le polynôme annulateur aurait des racines multiples, pensez à utiliser la dériva-
tion !

J.Gärtner 51 PC Janson
 CHAPITRE 1. ESPACES VECTORIELS 2022/2023

J.Gärtner 52 PC Janson
 Chapitre 2

Intégration sur un intervalle

quelconque

Objectifs :
• Révisions sur les intégrales, et extension aux fonctions continues par morceaux sur un segment.
• Intégrales généralisées à un intervalle qui n’est pas un segment.
• Considérations abstraites sur les espaces vectoriels de fonction intégrables ou de carré intégrable.
Dans tout ce chapitre, I est un intervalle de longueur strictement positive.

I Intégrale d’une fonction continue par morceaux sur un

segment

1 Subdivisions d’un segment

Définition 1

On appelle subdivision de [a, b] toute suite finie σ = (c0 , . . . , cn ) avec n ∈ N∗ telle que
c0 = a, cn = b et
a = c0 < c1 < · · · < cn = b
. On notera S[a,b] l’ensemble des subdivisions de [a, b].

Définition 2 (Comparaison de subdivisions)

Soit σ et τ deux subdivisions de [a, b], on dit que τ est plus fine que σ lorsque σ ⊂ τ .

53
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 1

Prenons a = −1.2 et b = 10.36 et σ = (−1.2, −0.11, 2.1, 4.701, 10.36) et τ =

(−1.2, −0.74, −0.11, 0.7, 2.1, 4.701, 6.97, 10.36). τ est plus fine que σ

Remarque. Si σ et τ sont deux subdivisions quelconques de [a, b], il est toujours possible de
fabriquer une subdivision plus fine que σ et τ en considérant σ ∪ τ .

Exemple 2

Pour σ = (−1.2, −0.11, 2.1, 4.701, 10.36) et τ = (−1.2, −0.74, 0.3, 2.1, 6.97, 10.36). τ n’est
pas plus fine que σ et inversement σ n’est pas plus fine que τ . Cependant
σ ∪ τ = (−1.2, −0.11, −0.74, 0.3, 2.1, 4.701, 6.97, 10.36) est plus fine que σ et τ .

Définition 3

La subdivision de [a, b] en n segments de même longueur est appelée subdivision régulière,

b−a
de pas . On a
n
b−a
∀k ∈ [[ 0 ; n ]] , ak = a + k
n

Remarque. Ainsi l’écart entre deux éléments consécutifs de la subdivision est le même. Les
subdivisions régulières ne sont pas en général comparables entre elles (au sens « plus fine que »).
En revanche, si on considère les subdivisions régulières en 2n intervalles, les subdivisions considérées
sont de plus en plus fines.

2 Fonctions continues par morceaux

On rappelle que dire que l’on considère une fonction à valeurs dans K signifie qu’on considère
indifféremment les fonctions à valeurs réelles et les fonctions à valeurs complexes. Toute ce qui est
valable pour f : I → K l’est pour f : I → R et pour f : I → C.

Définition 4 (Fonctions continues par morceaux sur un segment)

Soit f une fonction définie sur [a, b] à valeurs dans K. On dit que f est continue par
morceaux sur [a, b] lorsqu’il existe une subdivision σ = (cj )j∈[[ 0 ; n ]] de [a, b] telle que
pour tout j ∈ [[ 1 ; n ]] :
1. La restriction f |]cj−1 ,cj [ est continue sur ]cj−1 , cj [ et
2. f admet une limite finie à droite en cj−1 et à gauche en cj .
Dans ce cas on dit que la subdivision σ est adaptée à f . On note Cpm ([a, b], K) l’ensemble
des fonctions continues par morceaux définies sur [a, b] à valeurs dans K.

Remarque. Le point 2 de la définition peut aussi se dire ainsi : la restriction f |]cj−1 ,cj [ se prolonge
par continuité sur [cj−1 , cj ].

J.Gärtner 54 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

 2

 x si x ∈ [−1, 0[
1 si x = 0

Exemple La fonction définie par x 7→ est continue par morceaux

 x + 2 si x ∈]0, 1[
−1 si x = 1

sur [−1, 1] et σ = (−1, 0, 1) est une subdivision adaptée. On remarquera en particulier que le
prolongement par continuité de f |]0,1[ au segment [0, 1] ne se fait pas par les valeurs de f :
lim+ f (x) = 2 6= f (0) = 1.
x→0

On voit aussi que toute subdivision plus fine que σ sera adaptée à f .

Contre-exemples Ce qui empêche une fonction d’être continue par morceaux :

• Présenter un pointen lequel

il n’y a pas de limite à gauche ou à droite :
sin x1 si x 6= 0
La fonctions x 7→ n’est pas continue par morceaux sur [−1, 1].
0 si x = 0

• Présenter une limite

 infinie en un point :
1
6 0
si x =
La fonctions x 7→ x n’est pas continue par morceaux sur [−1, 1].
0 si x = 0

J.Gärtner 55 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

• Présenter un nombre infini

  de discontinuités :
x x1 si x 6= 0
La fonctions x 7→ n’est pas continue par morceaux sur [−1, 1], mais admet
1 si x = 0
une limite à droite et une limite à gauche en tout point.

Définition 5 (Fonctions continues par morceaux sur un intervalle)

Soit I un intervalle de R (non vide, non réduit à un point). On dit que f : I → K est
continue par morceaux lorsque sa restriction à tout segment inclus dans I est continue par
0
morceaux. On note Cpm (I, K) ou Cpm (I, K) l’ensemble de toutes les fonctions continues
par morceaux sur I.

Exemple 3

La fonction x 7→ bxc est continue par morceaux sur R : même si elle a un nombre infini
de discontinuité, elle n’a qu’un nombre fini de discontinuité sur chaque segment.

Exemple 4

x x1
  
si x 6= 0
On reprend la fonction x 7→ du contrexemple ci-dessus. Elle est
1 si x = 0
continue par morceaux sur ]0, 1] mais
Attention !
Même si cette fonction est continue en 0, elle n’est pas continue par morceaux sur [0, 1].

J.Gärtner 56 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 1

1. L’ensemble Cpm (I, K) est un sous-espace vectoriel de KI = F(I, K).

f
2. Pour tout f, g ∈ Cpm (I, K), f g ∈ Cpm (I, K) et, si g ne s’annule pas sur I, g ∈ Cpm (I, K).
3. Si f ∈ Cpm (I, K) alors |f | ∈ Cpm (I, K).
4. La fonction f : I → C est continue par morceaux sur I si et seulement si les fonctions
Re (f ) et Im (f ) à valeurs réelles sont continues par morceaux sur I.

Démonstration. Il suffit de traiter le cas où I est un segment. On commence par remarquer que si
f et g sont continues par morceaux sur le segment [a, b], alors il existe une subdivision adaptée à
f et à g. En effet, si σ est adaptée à f et τ est adaptée à g, alors la subdivision σ ∪ τ qui est plus
fine à la fois que σ et que τ est adaptée à f et à g.
1. La fonction nulle est continue par morceaux sur [a, b] et si f et g sont continues par morceaux
sur [a, b] et si α, β ∈ K, on considère (cj )j∈[[ 0 ; n ]] adaptée à la fois à f et à g. Alors pour tout
j ∈ [[ 1 ; n ]], la fonction αf + βg est continue sur ]cj−1 , cj [ et admet des limites à droite en cj−1 et
à gauche en cj .
2. On procède de même ; c.f. cours sur la limite et la continuité en PCSI.
3. On procède de même ; c.f. cours sur la limite et la continuité en PCSI.
4. Si f est continue par morceaux sur [a, b], et σ est adaptée à f , alors Re (f ) et Im (f ) sont aussi
continues par morceaux sur [a, b] et σ est une subdivision adaptée.
La réciproque est un peu plus difficile : si Re (f ) et Im (f ) sont continues par morceaux sur [a, b],
on considère une subdivision σ = (cj )j[[ 0 ; n ]] suffisamment fine pour être adaptée à Re (f ) et à
Im (f ). Dans ce cas on a pour j ∈ [[ 1 ; n ]], f |]cj−1 ,cj [ continue sur ]cj−1 , cj [ et prolongeable par
continuité à [cj−1 , cj ] car c’est le cas de Re (f |]cj−1 ,cj [ ) et de Im (f |]cj−1 ,cj [ ).

Exercice. Soient (f, g) ∈ Cpm (I, R)2 . Montrer que max(f, g) et min(f, g) sont continues par
morceaux sur I.

3 Intégrale d’une fonction continue par morceaux sur un segment

Nous allons définir l’intégrale d’une fonction continue par morceaux sur un segment à l’aide de
l’intégrale d’une fonction continue sur un segment que vous avez définie en PCSI. En général, on
aura rarement besoin de revenir à la définition de cette intégrale, on utilisera plutôt les propriétés.

Définition 6 (Intégrale associée à une subdivision)

Soit f ∈ Cpm ([a, b], K) et σ = (cj )j∈[[ 0 ; n ]] une subdivision adaptée à f . Pour j ∈ [[ 1 ; n ]],
on note fj le prolongement par continuité de f à [cj−1 , cj ]. On pose
n Z
X n Z
X cj
Iσ (f ) = fj = fj (t)dt
j=1 [cj−1 ,cj ] j=1 cj−1

Proposition 2 (Invariance de l’intégrale par le choix d’une subdivision)

Si σ et τ sont deux subdivisions de [a, b] adaptées à f ∈ Cpm ([a, b], K), alors Iσ (f ) =
Iτ (f ).

J.Gärtner 57 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Démonstration. (Non exigible) L’idée est de montrer que si σ 0 est une subdivision plus fine que σ,
alors Iσ (f ) = Iσ0 (f ). Par récurrence, il suffit de le montrer dans le cas où σ 0 est obtenue à partir
de σ en ajoutant un point.SoitR k ∈ [[ 1 ; n ]] Ret c ∈]ck−1 ,Rck [ et σ 0 = (c0 , . . . , ck−1 , c, ck+1 , . . . , cn ).
D’après la relation de Chasles, [ck−1 ,ck ] fk = [ck−1 c] fk + [c,ck ] fk . On en déduit que Iσ (f ) = Iσ0 (f ).

Si σ et τ sont deux subdivisions adaptées à f , on considère σ ∪ τ qui est plus fine que σ et que
τ . Alors Iσ (f ) = Iσ∪τ (f ) = Iτ (f ).

Définition 7 (Intégrale d’une fonction continue par morceaux sur un segment)

Soient a, b ∈ R avec a < b. Soit f ∈ Cpm ([a, b], K) et σ une subdivision de [a,Z b] adaptée
à f . Le nombre Iσ (f ) est appelé intégrale de f sur le segment [a, b] et noté f.
[a,b]

Définition 8 (Notation usuelle)

Soit I un intervalle de R. Soit f ∈ Cpm (I, K) et a, b ∈ I. On pose

 Z


 f si a < b
 [a,b]
Z b 

f (t)dt = si a = b
a  0 Z


 − f si a > b


[b,a]

Z b
Remarque. On peut aussi noter f.
a

Méthode 1
Z b
Si l’on considère l’intégrale d’une fonction sur un segment, pour montrer que f existe,
a
il suffit de montrer que f est continue par morceaux sur [a, b]. Pour calculer son intégrale,
on découpe l’intégrale suivant une subdivision adaptée à f .

J.Gärtner 58 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 5

La fonction t 7→ ebtc est continue par morceaux sur R ; elle est en effet en escalier sur
tout segment de R (autrement dit « constante par morceaux »). En particulier si n ∈ N∗ ,
t 7→ ebtc est continue par morceaux sur [0, n] et en posant ∀k ∈ [[ 0 ; n ]] , ck = k, la
subdivision (cj )j∈[[ 0 ; n ]] est adaptée à f . On a
Z n n Z
X k
btc
e dt = ebtc dt
0 k=1 k−1

Xn Z k
= ek−1 dt
k=1 k−1

Xn
= ek−1
k=1
n−1
X
= e`
`=0
n
e −1
=
e−1

Z a bac
X
Exercice. Soit a ∈ [1, +∞[ et f ∈ C 1 ([1, +∞[). Montrer que btc f 0 (t)dt = bac f (a) − f (k).
1 k=1

4 Propriétés de l’intégrale
Proposition 3 (Linéarité)

Z b Z b Z b
Soient f, g ∈ Cpm (I, K), a, b ∈ I et α, β ∈ K, alors (αf + βg) = α f +β g.
a a a

Démonstration. On se place sur une subdivision adaptée à f et à g. On a vu à la proposition 1 que

cette subdivision était adaptée à αf + βg. On utilise alors la définition, la linéarité de l’intégrale
d’une fonction continue sur un segment, et la linéarité de la somme.
Z b
Remarque. Si a < b, on a donc montré que l’application Cpm ([a, b], K) → K définie par f 7→ f
a
est linéaire.

Proposition 4 (Modification en un nombre fini de points)

Soient f, g ∈ Cpm ([a, b], K). Si f et g ne diffèrent qu’en un nombre fini de points, alors
Z b Z b
f= g.
a a

Démonstration. Avec les hypothèses, f − g est nulle sauf en un nombre fini de points. Soit σ =
(cj )j∈[[ 0 ; n ]] la famille des points où f 6= g. La fonction f − g est nulle sur tous les intervalles de
la forme ]cj−1 , cj [ donc sa restriction est continue sur ]cj−1 , cj [ et se prolonge par continuité sur

J.Gärtner 59 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Z b
[cj−1 , cj ]. Ainsi σ est une subdivision adaptée à f − g et Iσ (f − g) = 0 donc (f − g) = 0. Par
Z b Z b a

linéarité, on a donc f= g.
a a

Proposition 5 (Relation de Chasles)

Soit f ∈ Cpm (I, K) et a, b, c ∈ I. Alors

Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
a a c

Démonstration. On peut toujours se ramener au cas où a < c < b. En effet, si on a par exemple
a < b < c, alors
Z b Z c Z b Z c Z b Z b Z c Z b Z c
f= f+ f⇔ f= f− f⇔ f= f+ f
a a c a a c a a b

Soit σ = (cj )j∈[[ 0 ; n ]] une subdivision de [a, b] adaptée à f . Il existe un unique k ∈ [[ 1 ; n ]] tel que
ck−1 6 c 6 ck . La subdivision σ 0 = (c0 , . . . , ck−1 , c, ck , . . . , cn ) est adaptée à f et contient c (si
c = ck ou c = ck−1 on considère que σ 0 = σ). Notons (dj )j∈[[ 0 ; m ]] cette subdivision σ 0 . On a, en
notant q ∈ [[ 0 ; m ]] tel que c = dq et fj le prolongement par continuité de f |]dj−1 ,dj [ à [dj−1 , dj ] :

Z c Z b q Z
X dj m Z
X dj
f+ f= fj + fj
a c j=1 dj−1 j=q+1 dj−1

car (d0 , . . . , dq ) est adaptée à f sur [a, c] et (dq , . . . , dm ) est adaptée )à f sur [c, b]. Ainsi
Z c Z b m Z
X dj Z b
f+ f= fj = f
a c j=1 dj−1 a

Proposition 6 (Positivité et croissance – attention, fonctions réelles uniquement et a < b)

Soit f, g ∈ Cpm (I, R). Soit a, b ∈ I, avec a < b.

Z b
1. Si f est positive, alors f > 0.
a
Z b Z b
2. Si f 6 g, alors f6 g.
a a

Démonstration. Avec les mêmes notations que précédemment. Les prolongements par continuités
Z cj Z b Xn Z cj
fj de f |]cj−1 ,cj [ à [cj−1 , cj ] sont tous positifs donc fj > 0 et = fj > 0.
cj−1 a j=0 cj−1

Pour la croissance, comme g − f est continue par morceaux sur [a, b] et positive, on sait que
Z b Z b Z b
(g − f ) > 0 et par linéarité de l’intégrale f6 g.
a a a

J.Gärtner 60 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 7 (Fonctions à valeurs complexes)

Soit f ∈ Cpm (I, C) et (a, b) ∈ I 2 . Alors

Z b Z b Z b Z b Z b
f= Re (f ) + i Im (f ) et f= f
a a a a a

Démonstration. La première partie est une conséquence de la linéarité de l’intégrale. Comme

Z b Z b
Re (f ) et Im (f ) sont des réels, on a
a a

Z b Z b Z b
f= Re (f ) − i Im (f )
a a a

Par linéarité on a donc

Z b Z b Z b
f= (Re (f ) − i Im (f )) = f
a a a

Exercice. Déterminer une primitive de x 7→ 1

x+ia où a ∈ R∗ .

Proposition 8 (Inégalité triangulaire – attention a < b)

Soit f ∈ Cpm (I, K) et a, b ∈ I avec a < b. Alors

Z b Z b
f 6 |f |
a a

Démonstration. Comme −f 6 |f | 6 f , par croissance de l’intégrale on a

Z b Z b Z b
(− |f |) 6 f6 |f |
a a a

et donc par linéarité :

Z b Z b Z b Z b Z b
− |f | 6 f6 |f | ⇔ 6 |f |
a a a a a

5 Rappels de PCSI sur les intégrales de fonctions continues sur un seg-

ment
Cette section de rappels ne s’applique pas aux fonctions continues par morceaux

Proposition 9 (Attention fonction continue et à valeurs réelles)

Une fonction continue et à valeurs positives sur [a, b] est nulle si et seulement si son
intégrale est nulle.

J.Gärtner 61 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exercice. Que dire de f : [a, b] → R vérifiant

Z
∀t ∈ [a, b], |f (t)| 6 1 et f = b − a?
[a,b]

Théorème (?) 1 (Théorème fondamental de l’analyse)

Soit f ∈ C 0 (I, K) et a ∈ I. La fonction

Z x
Fa : x 7→ f (t)dt
a

est l’unique primitive de f sur I qui s’annule en a.

Exemple 6
Z x √ √
La fonction F : x 7→ e− t
dt est dérivable sur R+ , car la fonction t 7→ e− t
est
2
continue sur R+ et que F est une de ses primitives. Ainsi on en déduit que
√
∀x > 0, F 0 (x) = e− x

Z sin2 (x)
√ √ Z cos2 (x)
Exercice.1. Étudier la fonction F définie sur R par F (x) = tdt+ Arccos tdt. Arcsin
√0 √ 0
On pourra introduire des primitives ϕ et ψ de t 7→ Arcsin t et t 7→ Arccos t sur [0, 1] et dériver
F en remarquant que ∀x ∈ R, F (x) = ϕ(sin2 (x)) − ϕ(sin2 (0)) + ψ(cos2 (x)) − ψ(cos2 (0)).
2. Si f : [0, +∞[→ [0, +∞[ est de classe C 1 , strictement croissante et vérifie f (0) = 0, montrer que
Z x Z f (x)
∀x ∈ [0, +∞[, xf (x) = f (t)dt + f −1 (t)dt
0 0

Proposition 10 (Sommes de Riemann)

Soit f ∈ C 0 ([a, b], K). Alors

n−1   Z b
b−a X b−a
lim f a+k = f (t)dt
n→+∞ n n ak=0

Remarque. La somme peut être prise entre 0 et n−1 ou entre 1 et n, cela ne change pas le résultat.
Il s’agit alors soit de la méthode des « rectangles à gauche », soit des « rectangles à droite ».

Méthode 2

Pour faire apparaître une somme de Riemann,

P factorisez d’abord votre expression par
1/n, puis essayer de trouver dans le une formule en k/n, ce qui vous permettra
d’identifier votre fonction f et enfin, vous trouvez l’intervalle [a, b].

J.Gärtner 62 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 7

n
P 1 1 Pn 1 n
b−a P b−a
On a Sn = = k
. On reconnaît f (a + k ) avec
k=1 k + n n k=1 1 + n
n k=1 n

1
∀x ∈ [0, 1], f (x) = .
1+x
n
Z 1
1 P k dx
Comme Sn = f ( ) et que f est continue sur [0, 1], on a lim Sn = = ln 2.
n k=1 n 0 1+x

n
1
P
Exercice. Déterminer lim √
n2 +2kn
.
n→+∞ k=1

2n
1
P
Exercice. Soit α ∈ [1, +∞[. Déterminer lim α. On pourra commencer par effectuer un
n→+∞ p=n+1 p
changement d’indice.
Les sommes de Riemann peuvent aussi être utilisée pour calculer une intégrale :
R 2π
Exercice. Si x 6= ±1, on pose I(x) = 0 ln(1 − 2x cos t + x2 )dt.
R 2π
1. Montrer que I(x) existe et que I(x) = 2 0 ln x − eit dt.
4π Pn−1 i 2kπ 4π
2. On pose pour n ∈ N∗ , Sn (x) = k=0 ln x − e
n . Montrer que Sn (x) = ln |xn − 1|.
n n
3. Calculer I(x) en fonction de x.

Proposition 11 (Inégalité de Taylor-Lagrange)

Soit f : I → K une fonction de classe C n+1 . Soit a, b ∈ I et M = sup[a,b] f (n+1) . Alors

n n+1
X (b − a)k |b − a|
f (b) − f (k) (a) 6 M
k! (n + 1)!
k=0

x2 x3
Exercice. Montrer que : ∀x ∈ R+ , ln(1 + x) 6 x − 2 + 3 .

2n  
x3 1
Exercice. Montrer que ∀x ∈ R+∗ , x −
P
6 6 sin(x) 6 x et en déduire lim sin p
n→+∞ p=n+1

Théorème 2 (Changement de variable)

Soit f ∈ C 0 (I, K) et ϕ ∈ C 1 ([α, β], I). Alors

Z ϕ(β) Z β
f (t)dt = f (ϕ(t)) ϕ0 (u)du
ϕ(α) α

Méthode 3

Pour utiliser la formule de la droite vers la gauche, il faut deviner f et ϕ.

J.Gärtner 63 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 8
Z π
sin(u)
Calculer du en posant t = cos(u).
0 3 + cos2 (u)

Z 2
du
Exercice. Calculer √ .
1 u + 2u

Méthode 4

Utiliser la formule de la gauche vers la droite fait apparaître une simplification dans
l’expression initiale.

Exemple 9

Z 1 p
Calculer 1 − t2 dt en posant t = sin u.
0

Théorème 3 (Intégration par parties)

Soir f, g ∈ C 1 ([a, b], K). Alors

Z b Z b
f (t)g 0 (t)dt = [f (t)g(t)]ba − f 0 (t)g(t)dt
a a

Exemple 10

Z π
2
Calculer t sin(t)dt.
0

Il est recommandé de réviser les techniques de calcul d’intégrales du premier semestre de PCSI.
Exercice. Soit f une fonction de classe C n+1 sur [a, b] à valeurs réelles. Montrer que
n Z b
X (b − a)k (b − t)n (n+1)
f (b) = f (k) (a) + f (t)dt
k! a n!
k=0

II Intégrales généralisées
La notion d’intégrale que l’on vient de définir présente le défaut de n’être valable que sur un
segment. L’idée de cette construction était, comme vous l’avez vu en PCSI, que pour les fonctions
à valeurs positives on obtenait ainsi la notion d’aire sous la courbe représentative de [a, b]. Lorsque
l’intervalle d’intégration n’est plus un segment, le domaine délimité par la fonction peut ne plus
être borné : c’est le cas par exemple lorsque l’intervalle considéré est de la forme [a, +∞[ ou lors
que l’intervalle est de la forme [a, b[ et que la fonction considérée n’est pas bornée au voisinage de
b.
Nous allons voir que dans certains cas, il reste possible de donner un sens à l’aire de ce domaine,
en passant à la limite : c’est la notion d’intégrale généralisée.

J.Gärtner 64 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

1 Définition et exemples
Si I n’est pas un segment, I peut s’écrire sous la forme [a, b[, ]a, b] ou ]a, b[ avec a ∈ R ∪ {−∞}
et b ∈ R ∪ {+∞}. Nous allons traiter séparément ces trois cas.

Cas de l’intervalle [a, b[

Définition 9 (Intégrale impropre sur [a, b[)

Soit a ∈ R et b ∈ R ∪ {+∞}. Soit f ∈ Cpm ([a, b[, K). On dit que l’intégrale impropre
Z b Z x
(ou généralisée) f (t)dt est convergente lorsque la fonction x 7→ f (t)dt admet une
a a
limite finie lorsque x tend vers b par valeurs inférieures. On note alors
Z b Z x
f (t)dt = lim− f (t)dt
a x→b a
Z b
Dans le cas contraire, on dit que l’intégrale f (t)dt est divergente.
a

Z x
Remarque. Si x ∈ [a, b[, la fonction f est continue par morceaux sur [a, x] donc f (t)dt existe.
a
Z b
Remarque. La formulation « l’intégrale f (t)dt est divergente » est un peu ambiguë car on
a Z b
parle d’une intégrale qui n’existe pas. Le mieux est d’éviter l’usage du symbole f (t)dt
a
dans un calcul sans en avoir montré l’existence.
Remarque. Étudier la nature d’une intégrale consiste à déterminer si elle converge ou non ; c’est
une question différente du calcul effectif de l’intégrale.
Z b
Remarque. Si f est une fonction à valeurs réelles, et si l’intégrale f (t)dt est convergente, alors
a
la valeur de celle-ci représente l’aire algébrique définie par la courbe de f .

Proposition 12

Soit a ∈ R et b ∈ R ∪ {+∞} avec a < b et f une fonction continue sur [a, b[. Soit F une
Z b
primitive de f sur [a, b[. Alors f (t)dt converge si et seulement si F admet une limite
a
finie en b et dans ce cas Z b
f (t)dt = lim F (x) − F (a)
a x→b

Rx
Démonstration. Ceci découle du fait que pour tout x ∈ [a, b[ on a par définition a
f (t)dt =
F (x) − F (a).

Méthode 5
Z b
Si f ∈ Cpm ([a, b[), pour déterminer la nature de l’intégrale f (et la calculer), il suffit
a
de déterminer une primitive de f sur [a, b[ et de calculer sa limite en b.

J.Gärtner 65 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

.
Exemple 11

1. La fonction t 7→ eR−t est continue sur R+ et admet t 7→ −e−t comme primitive sur R+ .
x
Soit x > 0. Alors 0 e−t dt = 1 − e−x a pour limite 1 en +∞. Ainsi
R +∞ −t R +∞
0
e dt converge et on a 0 e−t dt = 1.
1
2. La fonction t 7→ √ est continue sur [0, 1[ (car t 7→ 1 − t est continue et strictement
1−t
positive sur [0, 1[). On connait une primitive de cette fonction sur [0, 1[, par exemple :
√ R x dt √
t 7→ −2 1 − t. Soit x ∈ [0, 1[. Alors 0 √ = 1 − 2 1 − x a pour limite 1 quand
1−t
x → 1 donc
R 1 dt
0
√ converge et vaut 1.
1−t
3. t 7→ sin est continue sur R+ . t 7→ − cos t en est une primitive Rsur R+ . Mais cette dernière
+∞
fonction n’a pas de limite en +∞ (critère séquentiel !) donc 0 sin(t)dt diverge.
1
4. t 7→ est continue sur [0, 1[. t 7→ ln(1 − t) en est une primitive sur cet intervalle (car
1−t
R x dt
|1 − t| = 1 − t sur [0, 1[.) On a 0 = ln(1 − x) qui a pour limite +∞ en 1. Donc
1−t
R 1 dt
0 1−t
diverge.

R +∞ dt R1 dt
Exercice. Convergence et calcul éventuel de 0 2
et de 0 .
1+t (x − 1)2
Le lien avec les limites de primitives et le théorème de la limite monotone donnent :
Proposition 13

Z b
Si f ∈ Cpm ([a, b[, R), et si ∀x ∈ [a, b[, f (x) > 0, alors f (t)dt converge si et seulement
Z x a

si x 7→ f (t)dt est majorée sur [a, b[.

a

Z x
Démonstration. En effet, x 7→ f (t)dt est dans ce cas une fonction croissante (car de dérivée
a
f > 0) donc admet une limite finie ssi elle est majorée.
Théorème 4

Si f, g ∈ Cpm ([a, b[, R) et si ∀x ∈ [a, b[, 0 6 f (x) 6 g(x) alors

Z b Z b
• Si g converge, alors f converge.
Zab Z ba
• Si f diverge, alors g diverge.
a a

Z b
Démonstration. En effet, si g converge, alors d’après la proposition précédente, il existe M ∈ R
Z b a

tel que ∀x ∈ [a, b[, g(t)dt 6 M . Mais par croissance de l’intégrale des fonctions continues
a

J.Gärtner 66 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Z x Z x
par morceaux sur un segment, on a pour tout x ∈ [a, b[, f (t)dt 6 g(t)dt 6 M . Ainsi
Z x a Z b a
x 7→ f (t)dt satisfait les hypothèses de la proposition précédente et f converge. Le deuxième
a a
point s’obtient par contraposée.

Méthode 6
Z b
Si f est positive sur [a, b[, pour montrer que f converge il suffit de majorer f par
Z b a

une fonction g telle que g converge.

a

Exemple 12
Z +∞ Z +∞
−t2 −t2
On a edt convergente car si t > 1, 0 6 e 6 e . Or −t
e−t dt converge. En
1 Z x 1
Z x
−t −t x −1 −x
effet, si x > 1 on a e dt = [−e ]1 = e − e et lim e−t dt = e−1 .
1 x→+∞ 1

L’inégalité t 6 t2 que l’on a utilisé ci-dessus n’est valable que sur [1, +∞[. Pourrait-on montrer
Z +∞
2
que e−t dt converge ? Oui grâce au résultat suivant :
0

Proposition 14

Soit a ∈ R et b ∈ R∪{+∞} avec a < b et f une fonction continue par morceaux sur [a, b[.
Z b Z b
Soit c ∈]a, b[. Alors f (t)dt converge si et seulement si f (t)dt converge et dans ce
a c
cas Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
|a {z } | a {z } | c {z }
impropre ∈Cpm ([a,c]) impropre

Remarque. Moralité : la nature (convergente ou divergente) de l’intégrale ne dépend que du

comportement de f au voisinage de b.
Z x Z c
Démonstration. Soit x ∈ [a, b[. D’après la relation de Chasles, on a f (t)dt = f (t)dt +
Z x a Z c a

f (t)dt. Comme f est continue par morceaux sur le segment [a, c] l’intégrale f (t)dt n’est pas
c Z x aZ
x
impropre et x 7→ f (t)dt admet une limite finie en b si et seulement si x 7→ f (t)dt admet
a c
une limite finie en b. Un passage à la limite donne l’égalité attendue en cas de convergence.

Donnons maintenant quelques intégrales de références, que l’on peut chercher à utiliser pour
majorer.

J.Gärtner 67 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Théorème (?) 5 (Intégrale de Riemann)

Z +∞
dt
Soit α ∈ R. L’intégrale converge si et seulement si α > 1.
1 tα

1
Démonstration. La fonction t 7→ est continue sur [1, +∞[ donc y est continue par morceaux.
tα
Z x
1 dt
1. si α = 1, une primitive de t 7→ α est ln sur [1, +∞[ et donc que ∀x > 1, = ln x. Comme
t 1 t
R +∞ dt
lim ln(x) = +∞, on en déduit que 1 diverge.
x→+∞ t
1 1
2. Si α 6= 1 on choisit t 7→ × α−1 comme primitive de t 7→ t−α sur [1, +∞[. On a
 −α + 1 t
1 1 0 si α > 1
lim × α−1 = D’où le résultat.
x→+∞ −α + 1 x +∞ si α < 1

Théorème (?) 6
Z +∞
Soit α ∈ R. L’intégrale e−αt dt est convergente si et seulement si α > 0.
0

Démonstration. Exo

Proposition 15

Soit a ∈ R et b ∈ R (cette borne b est donc finie). Soit f ∈ Cpm ([a, b[, K). Si f admet
une limite finie en b, autrement dit si f se prolonge par continuité en b, alors
Z b
l’intégrale f (t)dt est convergente ; on dit dans ce cas qu’elle est faussement impropre.
a Z b Z b
Si f désigne le prolongement par continuité de f en b, alors
e f (t)dt = fe(t)dt.
a a

Démonstration.
Z x La fonction fe est continue par morceaux sur le segment [a, b]. La fonction x 7→
fe(t)dt est alors définie sur [a, b]. Montrons qu’elle admet une limite à gauche en b. Soit σ =
a Z x Z cn−1
(cj )06j6n une subdivision adaptée à fe. Alors si x ∈ [cn−1 , b] on a fe(t)dt = fe(t)dt +
Z x a a

fe(t)dt. Comme fe est par définition continue sur [cn−1 , b], on peut passer à la limite lorsque
cn−1
Z x Z b
x tend vers b : lim− fe(t)dt = fe(t)dt. Ainsi, on a
x→b cn−1 cn−1

Z x Z cn−1 Z b
lim− fe(t)dt = fe(t)dt + fe(t)dt
x→b a a cn−1
Z x Z x
Mais si x ∈ [a, b[, on a fe(t)dt = f (t)dt car fe = f sur [a, b[. Ce qui permet de conclure.
a a
Z Z
Remarque. En particulier, si f est continue par morceaux sur [a, b], alors f= f.
[a,b] [a,b[

J.Gärtner 68 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Z 1
Exercice. Déterminer la nature de l’intégrale (t − 1) ln(1 − t)dt.
0
Z +∞
dt
Exercice. Discuter en fonction de la valeur de β > 0 la convergence de l’intégrale .
2 t(ln t)β
Z +∞
Remarque. Attention ! Dans le cas où b = +∞, la convergence de f (t)dt ne donne
a
pas d’information sur la limite de f en +∞. On n’a pas de résultat analogue à celui de la « di-
vergence grossière » pour les séries numériques. Il n’y a pas non plus d’intégrale faussement
impropre en +∞.

Contre-exemple 13

On peut voir (c.f. paragraphe sur r les intégrations par parties), que l’intégrale de Fresnel
Z +∞
1 π
sin(t2 )dt converge et vaut . Pourtant la fonction t 7→ sin(t2 ) n’a pas de limite
0 2 2
en +∞ (et ça, vous pouvez le prouver à l’aide de la caractérisation séquentielle des
limites).

Cas des autres intervalles

Définition 10 (Intégrale impropre sur )

Soit a ∈ {−∞} ∪ R et b ∈ R. Soit f ∈ Cpm (]a, b], K). On dit que l’intégrale impropre
Z b Z b
(ou généralisée) f (t)dt est convergente lorsque la fonction x 7→ f (t)dt admet une
a x
limite finie lorsque x tend vers a par valeurs supérieures. On note alors
Z b Z b
f (t)dt = lim+ f (t)dt
a x→a x
Z b
Dans le cas contraire, on dit que l’intégrale f (t)dt est divergente.
a

Les résultats de la section précédente s’adaptent dans ce cas : le lien avec les primitives, le fait
Z b Z b
que si f est positive, alors f converge ssi x 7→ f est majorée (en effet cette fonction est
a x Z b Z b
décroissante !) et le fait que si 0 6 f 6 g alors la convergence de g entraîne celle de f . Dans
a a
le cas où a ∈ R on peut aussi parler d’intégrale faussement impropre.

Théorème (?) 7 (Intégrale de Riemann)

Z 1
dt
Soit α ∈ R. L’intégrale converge si et seulement si α < 1.
0 tα

Démonstration. Remarquons que dans tous les cas la fonction t → 7 t1α est continue sur ]0, 1] donc
continue par morceaux.
Z 1 Z 1
dt dt
1. Si α = 1, alors pour x ∈]0, 1] on a = − ln(x) et lim = +∞. L’intégrale considérée
x t x→0 x t
est divergente.

J.Gärtner 69 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

1
t1−α 1
Z
dt 1
1 − x1−α . Cette expression admet


2. Si α 6= 1, alors pour x ∈]0, 1] on a α
= [ ]x =
x t 1 − α 1 − α
une limite à droite en 0 si et seulement si 1 − α > 0 donc si et seulement si α < 1.

Théorème (?) 8 (Logarithme)

Z 1 Z 1
L’intégrale ln(t)dt converge et ln(t)dt = −1.
0 0

Démonstration. La fonction logarithme est continue sur ]0, 1] donc y est continue par morceaux.
De plus, à l’aide d’une intégration par parties, on est en mesure de calculer pour x ∈]0, 1] :
Z 1 Z 1
1
ln(t)dt = [t ln(t)]1x − t × dt = −x ln(x) + x − 1
x x t
Z 1
On en déduit que lim+ ln(t)dt = −1 ce qu’on voulait montrer.
x→0 x

Les autres résultats vus à la sous-section précédente se généralisent sans difficulté à ce cadre.

Exemple 14

Z 2π
sin(t)
L’intégrale dt est faussement impropre.
0 t

Définition 11 (Intégrale impropre sur )

Soit a ∈ {−∞} ∪ R et b ∈ R ∪ {+∞} avec a < b. Soit f ∈ Cpm (]a, b[, K) et c ∈]a, b[.
Z b Z c
On dit que l’intégrale f (t)dt est convergente lorsque les deux intégrales f (t)dt et
Z b a a

f (t)dt sont convergentes. On pose alors

c
Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
a a c

D’après ce qu’on a vu précédemment, ceci ne dépend pas du choix de c ∈]a, b[. Dans
Z c Z b
le cas contraire, autrement dit si l’une au moins des intégrales f (t)dt ou f (t)dt
Z b a c

diverge, on dit que est divergente.

a

Z +∞
dt
Remarque. En particulier l’intégrale n’est jamais convergente.
0 tα
Z 1
ln(1 + t)
Exercice. Nature de dt.
0 t

J.Gärtner 70 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exercice. Étudier la convergence et calculer les intégrales suivantes lorsque cela est possible :
Z +∞ Z 0 Z 2
t et dt
1. cos(t)dt 2. e e dt 3. √
Z0 π2 Z−∞ 0 −t2 + 2t
+∞
dt dt
4. 5.
t2 + 2t + 2
p
0 cos2 (t) tan(t) −∞

1 3ε
t − sin(t)
Z Z
sin(t)
Exercice. Montrer que dt est bien définie. En déduire lim+ dt.
0 t2 ε→0 ε t2

2 Propriétés
Sauf mention contraire, I est un intervalle de R de la forme [a, b[, ]a, b] ou ]a, b[ avec a ∈
{−∞} ∪ R et b ∈ R ∪ {+∞}. En particulier, pour ce qui concerne les inégalités, prendre
garde au fait que a < b..

Proposition 16 (Dangereuse Linéarité des intégrales convergentes)

Z b Z b
Soit f et g continues par morceaux sur I telles que les intégrales f (t)dt et g(t)dt
a a
convergent. Pour tout α, β ∈ R,
Z b
1. l’intégrale (αf + βg)(t)dt converge et
a
Z b Z b Z b
2. (αf + βg)(t)dt = α f (t)dt + β g(t)dt.
a a a

Démonstration. Par exemple dans le cas de I = [a, b[. Soit x ∈ [a, b[. Par linéarité de l’intégrale
des fonctions continues par morceaux sur un segment on a
Z x Z x Z x
(αf + βg)(t)dt = α f (t)dt + β g(t)dt
a a a
Z x Z x Z x
Or par définition lim− f (t)dt et lim− g(t)dt existent donc lim− (αf + βg)(t)dt existe et
x→b a x→b a x→b a

Z b Z x Z x Z x Z b Z b
(αf +βg)(t)dt = lim− (αf +βg)(t)dt = α lim− f (t)dt+β lim− g(t)dt = α f (t)dt+β g(t)dt
a x→b a x→b a x→b a a a

Les autres cas se traitent de manière analogue, en particulier pour ]a, b[ en fixant c ∈]a, b[ et en
considérant les intégrales sur ]a, c] et sur [c, b[.

Z b Z b Z b
Remarque. Si f (t)dt converge et g(t)dt diverge alors (f +g)(t)dt diverge ; en raisonnant
a Z b a a Z b
par l’absurde et en supposant que (f +g)(t)dt converge on aurait (f +g −f )(t)dt convergente
a a
ce qui est impossible.
Z b
Remarque. Attention ! On peut avoir (f + g)(t)dt convergente sans qu’aucune des deux
Z b Z b a

intégrales f (t)dt et g(t)dt ne converge.

a a

J.Gärtner 71 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Contre-exemple 15
Z +∞
dt 1 1 1
L’intégrale est convergente. Par ailleurs pour t > 1 on a t(t+1) = t − t+1 .
t(t + 1)
Z1 +∞ Z +∞
dt dt
Pourtant ni ni ne converge.
1 t 1 t+1
Ne pas utiliser de linéarité sans s’être assuré que TOUTES les intégrales
considérées convergent.

Proposition 17 (Cas des fonctions à valeurs complexes)

Z b
Soit f continue par morceaux sur I à valeurs complexes. L’intégrale f (t)dt converge
Z b Z b a

si et seulement si Re (f )(t)dt et Im (f )(t)dt convergent. On a alors

a a
Z b Z b Z b
f (t)dt = Re (f )(t)dt + i Im (f )(t)dt
a a a
Z b
De plus f (t)dt converge et
a

Z b Z b
f (t)dt = f (t)dt
a a

Démonstration. Dans le cas où I = [a, b[. Soit x ∈ [a, b[. On sait que
Z x Z x Z x
f (t)dt = Re (f )(t)dt + i Im (f )(t)dt (?)
a a a
Z x
et que x 7→ f (t)dt admet une limite en b− si et seulement si c’est le cas pour ses parties réelles
a Z x  Z x Z x  Z x
et imaginaires. Comme Re f (t)dt = Re (f )(t)dt et Im f (t)dt = Im (f )(t)dt
a a a a
on en déduit le premier résultat, en passant à la limite dans (?). En procédant de même et en
passant au conjugué dans (?), on obtient le deuxième résultat.

Z +∞
Exercice. Existence et calcul de eat cos(t)dt suivant les valeurs de a ∈ R.
0

Proposition 18 (Relation de Chasles)

Soit f une fonction continue par morceaux sur I = [a, b[, ]a, b] ou ]a, b[ et c ∈]a, b[.
Z b Z c Z b
L’intégrale f (t)dt converge si et seulement si f (t)dt et f (t)dt convergent et
a a c
dans ce cas Z b Z c Z b
f (t)dt = f (t)dt + f (t)dt
a a c

J.Gärtner 72 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Démonstration. C’est une conséquence de la définition dans le cas où I =]a, b[ ou de la proposition

14 qu’on a déjà vue.
Z b Z b
0
Exercice. Si f ∈ C ([a, b[) et si f (t)dt converge, montrer que lim− f (t)dt = 0.
a x→b x

Proposition 19 (Positivité et croissance)

Soit f, g deux fonction continues par morceaux sur I à valeurs réelles. On suppose que
Z b Z b
f (t)dt et g(t)dt convergent.
a a
Z b
1. Si f est à valeurs positives, alors f (t)dt > 0.
a
Z b Z b
2. Si ∀t ∈ I, f (t) 6 g(t), alors f (t)dt 6 g(t)dt.
a a

Z x
Démonstration. Encore une fois, il suffit de se ramener à f (t)dt : exercice !
a

Proposition 20 (Intégrale nulle d’une fonction positive et continue)

Z b
Soit f une fonction continue sur I à valeurs positives. Si f (t)dt converge et si
Z b a

f (t)dt = 0, alors f est la fonction nulle.

a

Démonstration. Soit x ∈]a, b[. Il existe c, d ∈ R tels que [c, d] ⊂]a, b[ et x ∈ [c, d]. Comme f est
Z d Z b
positive, on a 0 6 f (t)dt 6 f (t)dt = 0. Donc f est continue et positive sur le segment [c, d]
Z d c a

et f (t)dt = 0. On en déduit que f est nulle sur [c, d] et en particulier que f (x) = 0. Ainsi f est
c
nulle sur ]a, b[. Par continuité, on en déduit que f est nulle sur I.
Remarque. La contraposée de cette proposition donne que si f est continue, positive et non nulle,
Z b
alors f (t)dt > 0. On appelle parfois ce résultat stricte positivité de l’intégrale des fonctions
a
continues.
Z b
Remarque. Attention ! si f (t)dt > 0, on n’a pas nécessairement f > 0.
a
Remarque. Attention ! Le résultat est faux pour les fonctions continues par morceaux.

Contre-exemple 16

La fonction f nulle sur R∗ et telle que f (0) = 1 est continue par morceaux sur R, positive
Z +∞
et f (t)dt = 0 pourtant f 6= 0.
−∞

Remarque. On peut adapter le résultat aux fonctions négatives.

Z π
2
Exercice. Soit P ∈ R[X]. Montrer que si P (eiθ ) dθ = 0, alors P = 0R[X] .
0

J.Gärtner 73 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

3 Techniques de calcul
À l’aide d’une primitive

Il faut y penser, c’est ce que nous avons fait jusqu’à présent...

Intégration par parties

Proposition 21 (Intégration par parties)

Soient f et g des fonctions de classe C 1 sur I. Si la fonction f × g admet une limite

Z b Z b
finie en a et en b, alors les intégrales f 0 (t)g(t)dt et f (t)g 0 (t)dt ont même nature.
a a
Si elles convergent, alors en notant

[f (t)g(t)]ba = lim− (f (x)g(x)) − lim+ (f (x)g(x))

x→b x→a

on obtient Z b Z b
0
f (t)g (t)dt = [f (t)g(t)]ba − f 0 (t)g(t)dt
a a

Z x
Démonstration. (non exigible) Cas de I = [a, b[. Pour tout x ∈]a, b[ on a f (t)g 0 (t)dt =
Z x a Z x
f (x)g(x) − f (a)g(a) − f 0 (t)g(t)dt. Si f g admet une limite finie en b, alors x 7→ f (t)g 0 (t)dt
a Z x a

admet une limite finie en b si et seulement si x 7→ f 0 (t)g(t)dt admet une limite finie en b. En
a
cas d’existence, ces limites sont égales.

Remarque. Si on n’est pas sûr que [f (t)g(t)]ba ou qu’au moins une des intégrale converge, reprendre
la démarche de la preuve et se placer sur un segment, pour passer à la limite avec une grande rigueur.

Remarque. Rappelons qu’il est en général intéressant de chercher à dériver les fonctions ln,
Arcsin , Arctan ... dont les dérivées sont plus faciles à manipuler.

Exemple 17

Z 1
Existence et calcul de tn ln(t)dt.
0

Remarque. Il est parfois utile d’utiliser des intégrations par parties pour trouver des relations de
récurrence

Exemple 18
Z +∞
Existence et calcul de In = tn e−t dt pour n ∈ N.
0

J.Gärtner 74 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Changement de variable

Proposition 22 (Changement de variable – cas strictement croissant)

Soit a ∈ {−∞} ∪ R et b ∈ R ∪ {+∞} avec a < b. Soit f :]a, b[→ K une fonction continue
sur ]a, b[. Soit ϕ :]α, β[→]a, b[ une bijection strictement croissante de classe C 1 . Alors l’
Z β Z b
0
intégrale (f ◦ ϕ)(u)ϕ (u)du est convergente si et seulement si l’intégrale f (t)dt est
α a
convergente. Dans ce cas elles sont égales.

Remarque. L’hypothèse de continuité de f est exigée par le programme.

Démonstration. (non exigible) Les hypothèses sur ϕ permettent de voir que ϕ réalise une bijection
de ]α, β[ sur ]a, b[. Soit c ∈]a, b[. Il existe un unique γ ∈]α, β[ tel que ϕ(γ) = c. Pour montrer le
Z β Z b
résultat, on va montrer que (f ◦ ϕ)(u)ϕ0 (u)du converge si et seulement si f (t)dt converge et
γ cZ
γ
que dans ce cas les intégrales sont égales. On procède de manière analogue pour f (ϕ(u))ϕ0 (u)du
Z c α

et f (t)dt. Soit y ∈ [γ, β[. D’après le théorème de changement de variable, on a

a

Z y Z ϕ(y)
0
f (ϕ(u))ϕ (u)du = f (t)dt
γ c
Z y Z x
0
On en déduit que lim− f (ϕ(u))ϕ (u)du existe si et seulement si lim− f (t)dt existe et que
y→β γ x→b c
dans ce cas les limites sont égales. Ceci permet de conclure.

Proposition 23 (Changement de variable – cas strictement décroissant)

Soit a ∈ {−∞} ∪ R et b ∈ R ∪ {+∞} avec a < b. Soit f :]a, b[→ K une fonction continue
sur ]a, b[. Soit ϕ :]α, β[→]a, b[ une bijection strictement décroissante de classe C 1 . Alors
Z β Z b
0
les intégrales (f ◦ϕ)(u)ϕ (u)du et f (t)dt ont même nature. En cas de convergence,
α a
on a attention aux bornes !
Z β Z a
0
(f ◦ ϕ)(u)ϕ (u)du = f (t)dt
α b

Exemple 19 (Important !)

Z b
dt
L’intégrale converge si et seulement si
a (b − t)α

Exemple 20

Z 2
L’intégrale ln(2 − t)dt converge.
0

J.Gärtner 75 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 21
Z +∞
x Arctan (x)
Calculer dx à l’aide du changement de variable y = x1 .
0 (x2 + 1)2

Remarque. Si a ∈ R+ ∪ {+∞}, et f est continue par morceaux sur ] − a, a[, alors

Z a Z a Z a
f (t)dt = f (t)dt + f (−t)dt
−a 0 0

En particulier
Z a
• si f est paire on a f (t)dt =
−a
Z a
• si f est impaire on a f (t)dt =
−a

Z b
Attention ! Lorsque I =]a, b[ et f est continue sur I, l’existence et le calcul de f (t)dt peut
Z c Z c Z b a
Z x
s’étudier en calculant séparément f (t)dt = lim f (t)dt et f (t)dt = lim f (t)dt. Dans
a x→a x c y→b c
ces deux limites, il ne faut surtout pas utiliser la même variable.

Contre-exemple 22
Z +∞ Z x
L’intégrale sh (t)dt diverge. Pourtant, si on calcule la limite de sh (t)dt =
−∞ −x
Z x Z 0
sh (t)dt + sh (t)dt, on trouve 0 car sh est impaire...
0 −x Z y
Il faut bien comprendre qu’il y a une différence entre lim f (t)dt et
(x,y)→(−∞,+∞) x
Z x
lim f (t)dt.
x→+∞ −x

III Interlude : rappels d’analyse asymptotique

1 Relations de comparaison

Dans tout le chapitre, I est un intervalle. On cherche à comparer les fonctions au voisinage de
a ∈ R = R ∪ {−∞} ∪ {+∞}. On suppose que toutes les fonctions f : I → C sont définies au
voisinage de a, où a est un élément de I ou une borne de I. Le but est alors de comparer f : I → C
« compliquée » à g : I → C « simple ». On suppose de plus que pour tout x ∈ I r {a}, g(x) 6= 0.

J.Gärtner 76 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Définition 12

Soient f et g deux fonctions définies sur I. On dit que f est

f
1. dominée par g au voisinage de a lorsque le quotient g est borné au voisinage de a. On
note alors f = O (g) ;
a
f (x)
2. négligeable devant g au voisinage de a lorsque lim = 0. On note alors f = o (g) ;
x→a g(x) a

3. équivalente à g au voisinage de a lorsque lim f (x) = 1. On note alors f ∼ g.

x→a g(x) a

Remarque. On a lim f (x) = 0 ⇔ f = o (1).

x→a a

Remarque. On a f ∼ g ⇔ f = g + o (g).
a a

Attention au opérations autorisées ou non sur les relations de comparaison (c.f. votre cours de
PCSI). En particulier, on n’additionne pas d’équivalents, on ne compose pas les équivalents.
Remarque. On peut élever les équivalents à une puissance constante, mais pas à une puissance
variable. N’oubliez pas que pour manipuler ax avec a ∈ R+∗ et x ∈ R, il faut revenir à la définition

ax = ex ln(a) .

Théorème (?) 9 (Croissances comparées)

Soit α, β, γ ∈ R+∗ . On a

lnβ (x) = o (xα ) xα = o (eγx )

x→+∞ x→+∞

et    
β 1 γx 1
ln (x) = o e = o α
x→0 xα x→0 |x|

Exercice. Simplifier les expressions suivantes :

1. 1 − x + x2 − x5 + o x4 =
0
2 5 4


2. 1 − x + x − x + o x =
+∞
3 2 1
3. x + x + x + x2 + o (x) =
0
3 2 1
4. x + x + x + x2 + o (x) =
+∞
 2
Exercice. Montrer que 1 + xx = o ex et que bxc ∼ x.
+∞ x→+∞
N’oubliez pas que xx = e x ln x
.
√
1−cos(x)
Exercice. Déterminer un équivalent en 0 de sin3 (x) .

Rappelons enfin les deux propositions suivantes :

Proposition 24

Soit f et g deux fonctions à valeurs réelles. Si f ∼ g, alors f et g sont de même signe

a
au voisinage de a.

J.Gärtner 77 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 25

1. Si f ∼ g et si lim f (x) = ` ∈ R, alors lim g(x) = `.

a x→a x→a
2. Si lim f (x) = ` ∈ R et que ` 6= 0, alors f ∼ `.
x→a a

Exercice. Déterminer lim+ x( xx −1 ) .

1

x→0

2 Développements limités

Généralités

Définition 13

Soit f : I → C. Soit a ∈ I ou l’une des bornes de I. On dit que f admet un développement

limité en a à l’ordre n ∈ N, lorsqu’il existe a0 , . . . , an ∈ C tels que
n
X
f (x) = ak (x − a)k + o ((x − a)n )
a
k=0

Rappelons que les coefficients ak sont dans ce cas uniques.

J.Gärtner 78 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition (?) 26

Pour tout entier n ∈ N, on a

n
xn X xk
ex = 1 + x + · · · + + o (xn ) = + o (xn )
0 n! 0 k!
k=0
3 2n+1 n
x x
X x2k+1
+ · · · + (−1)n + o x2n+1 = (−1)k + o x2n+1


sin x = x −
0 3! (2n + 1)! 0 (2k + 1)!
k=0
2 2n n
x x X x2k
+ · · · + (−1)n + o x2n+1 = (−1)k + o x2n



cos x = 1 −
0 2! (2n)! 0 (2k)!
k=0
n
x3 x2n+1
X x2k+1
+ o x2n+1 = + o x2n+1


sh x = x + + ··· +
0 3! (2n + 1)! 0 (2k + 1)!
k=0
2 2n n
x x 2n+1
X x2k
+ o x2n



ch x = 1 + ··· + +o x =
0 2! (2n)! 0 (2k)!
k=0
n
1 X
= 1 + x + · · · + xn + o (xn ) = xk + o (xn )
1−x 0 0
k=0
n
1 X
= 1 − x + · · · + (−1)n xn + o (xn ) = (−1)k xk + o (xn )
1+x 0 0
k=0
n n
x 2
x X xk
ln(1 + x) = x − + · · · + (−1)n+1 + o (xn ) = (−1)k+1 + o (xn )
0 2 n 0 k
k=1
α(α − 1) 2 α(α − 1) . . . (α − n + 1) n
∀α ∈ R, (1 + x)α = 1 + αx + x + ··· + x + o (xn )
0 2! n!
x3
+ o x3


tan x = x +
0 3
n
x3 x2n+1
X x2k+1
+ · · · + (−1)n + o x2n+2 = (−1)k + o x2n+1


Arctan x = x −
0 3 2n + 1 0 2k + 1
k=0

Remarque. Attention ! Dans la formule (1 + x)α , α est un réel fixé, qui ne peut pas dépendre
de x.

Méthode 7

n
ak (x − a)k + o ((x − a)n ), et si ap 6= 0, alors
P
Soit p, n ∈ N avec p 6 n. Si f (x) =
a k=p
f (x) ∼ ap (x − a)p . Pour déterminer un équivalent de f en a, il suffit de calculer un
x→a
développement limité de f en a et conserver son terme de plus bas degré.

Exemple 23

ex − 1 − x x
On a ∼ .
x x→0 2

J.Gärtner 79 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 27 (Formule de Taylor-Young)

Soit n ∈ N et f ∈ C n (I, C). Si a ∈ I, alors f possède un développement limité à l’ordre

n au voisinage de a donné par la formule :
n
X (x − a)k
f (x) = f (k) (a) + o ((x − a)n )
a k!
k=0

Exercice. Soit f ∈ C 2 ([−1, 1], R). Montrer que f (h) + f (−h) − 2f (0) = O h2 .
0

Opérations sur les développements limités

π
Exercice (Retour en 0). Déterminer le développement limité à l’ordre 2 en 4 de x 7→ cos x.

Exercice (Produit). Déterminer le développement limité à l’ordre 4 en 0 de x 7→ ex cos(x).

Exercice (Composition).1. Déterminer le développement limité à l’ordre 4 en 0 de x 7→ tan(sin(x)).

p
2. Déterminer le développement limité à l’ordre 4 en 0 de x 7→ 1 + ch (x).

1
Exercice (Inverse). Déterminer le développement limité à l’ordre 3 en 0 de x 7→ e2x +1 .

Exercice (Quotient avec dénominateur qui s’annule). Déterminer le développement limité à l’ordre
3
3 en 0 de x 7→ shsin(x)−x
(x)
.

Exercice (Développement asymptotique). En √ factorisant par x, déterminer un développement

asymptotique à deux termes de la fonction x 7→ x + 1 lorsque x → +∞.

Exercice. Déterminer un équivalent en 0 de sin(2x) − sh (2x). Donner le signe de cette expression

au voisinage de 0.
√
1−2x+ex −2
Exercice. Déterminer lim sin(x)−Arctan (x) .
x→0

Remarque. Il peut être utile de manipuler des développements limités avec des restes en O. En
effet, si f admet un développement limité à tout ordre en a ∈ I, on a pour tout n

n
X
ak (x − a)k + O (x − a)n+1


f (x) =
k=0

n+1

ak (x − a)k + o (x − a)n+1 , mais en général cela suffit
P
On est alors moins précis qu’en écrivant
k=0
dans l’étude des intégrales et des séries.

IV Étude de la convergence d’une intégrale, convergence

absolue
1 Espace des fonctions intégrables
On rappelle que l’on a vu plus haut que :

J.Gärtner 80 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 28 (Intégrabilité d’une fonction positive)

Cas de [a, b[. Soit f une fonction continue par morceaux sur [a, b[ où a ∈ R et b ∈ R∪{+∞}
Z b
et à valeurs réelles positives. L’intégrale f (t)dt est convergente si et seulement si
 a
 [a, b[ → R Z x
la fonction F : est majorée.
 x 7→ f (t)dt
a

Ce résultat est analogue au résultat que vous connaissez sur les séries numériques. En revanche,
en général la convergence d’une intégrale ne donne quasiment aucune information sur les limites
de la fonction intégrée. Elles peuvent même ne pas exister.

Exemple 24

Soit f la fonction définie sur [0, +∞[ par

1 si ∃n ∈ N∗ , x ∈ n − 1 1
  
f : x 7→ 2n2 , n + 2n2
0 sinon
Z +∞
Montrer que f (t)dt converge. Que dire de lim f (x) ?
0 x→+∞

Remarque.
Z +∞ L’exemple ci-dessus donne un autre contre-exemple au fait que la convergence de
f (t)dt ne donne pas d’information sur lim f (x) ; on pourrait même donner un exemple de
0 x→+∞
fonction continue par morceaux non bornée sur [0, +∞[ dont l’intégrale sur [0, +∞[ est convergente.

J.Gärtner 81 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Définition 14 (Absolue convergence)

Z b
Soit f une fonction continue par morceaux sur I, à valeurs dans K. L’intégrale f (t)dt
Z b a

est dite absolument convergente lorsque l’intégrale |f (t)| dt est convergente. Dans
a
ce cas on dit que f est intégrable sur I.

Z b Z b
Remarque. Attention ! il ne faut pas confondre |f (t)| dt et f (t)dt .
a a

Proposition 29 (L’absolue convergence entraîne la convergence)

Z b
Soit I de la forme [a, b[, ]a, b] ou ]a, b[. Soit f ∈ Cpm (I, K). Si l’intégrale f (t)dt est
a
absolument convergente, alors elle est convergente et on a :
Z b Z b
f (t)dt 6 |f (t)| dt
a a

Démonstration. Pour changer, on se place par exemple dans le cas de I =]a, b].
• Cas d’une fonction réelle. On pose f + = max(f, 0) et f − = max(−f, 0). On a vu à l’exercice 2 que
f + et f − restaient continues par morceaux sur I. Ces fonctions sont par construction positives et
vérifient |f | = f + + f − . Ainsi

0 6 f + 6 |f | et 0 6 f − 6 |f |

Soit x ∈]a, b]. On a

Z b Z b Z b
+
f (t)dt 6 |f (t)| dt 6 |f (t)| dt
x x a
Z b
Ceci montre que x 7→ f + (t)dt est majorée. Mais comme f + est positive, on déduit de la
x
Z b Z b
proposition précédente que +
f (t)dt converge. En procédant de manière analogue, f − (t)dt
a a
converge.
Z b
Comme f = f + − f − , d’après la linéarité des intégrales convergentes, f (t)dt converge.
a
• Cas d’une fonction complexe. Comme 0 6 |Re (f )| 6 |f | et 0 6 |Im(f )| 6 |f |, on peut, tou-
Z b
jours en utilisant la même méthode et la proposition précédente, montrer que |Re (f )(t)| dt et
Z b a Z
b
|Im (f )(t)| dt convergent ; d’après le cas des fonctions réelles, on en déduit que Re (f )(t)dt
aZ a
b Z b
et Im (f )(t)dt convergent donc que f (t)dt converge.
a a
• L’inégalité annoncée dans la proposition s’obtient par passage à la limite lorsque x tend vers a
dans l’inégalité :
Z b Z b
∀x ∈]a, b], f (t)dt 6 |f (t)| dt
x x

J.Gärtner 82 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Z Z
Remarque. Si f est intégrable sur I, on peut noter son intégrale f ou f (t)dt.
I I

Méthode 8
Z b Z b
Pour montrer que f (t)dt converge, il suffit de montrer que |f (t)| dt converge ; on
a a
dispose pour cela d’outils spécifiques aux fonctions positives (c.f. ci-dessous).

Exemple 25

+∞
ei ln(t)
Z
L’intégrale √ dt converge.
1 t t

Proposition 30
Z
Soit f une fonction continue et intégrable sur un intervalle I. Si |f (t)| dt = 0, alors
I
f est nulle sur I.

Démonstration. Comme |f | est continue et positive on utilise la proposition 20.

Proposition 31

L’ensemble L1 (I, K) des fonctions continues par morceaux et intégrables sur I, à valeurs
dans K, est un sous-espace vectoriel de Cpm (I, K).

Démonstration à faire à titre d’exercice !

Contre-exemple 26

Attention, il est possible que la fonction f ait une intégrale convergente sans être inté-
grable. C’est le cas de la fonction x 7→ sinx x sur R+ étudié plus loin.

Exercice. Soit f ∈ L1 (I). Peut-on affirmer que f 2 ∈ L1 (I) ? La réciproque est-elle vraie ?
Montrer que l’ensemble L2 (I) des fonctions continues par morceaux sur I dont le carré est
intégrable sur I est un sous-espace vectoriel de Cpm (I).

J.Gärtner 83 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

2 Comparaison de fonctions

Théorème (?) 10 (Comparaison de fonctions)

1. Soit a ∈ R et b ∈ R ∪ {+∞} tels que a < b. Soient f et g continues par morceaux sur
[a, b[, à valeurs dans K.
• Si |f | 6 |g|, alors l’intégrabilité de g sur [a, b[ implique celle de f sur [a, b[.
• Si f (x) = O (g(x)), alors l’intégrabilité de g sur [a, b[ implique celle de f sur [a, b[.
b
• Si f (x) = o (g(x)), alors l’intégrabilité de g sur [a, b[ implique celle de f sur [a, b[.
b
• Si f (x) ∼ g(x), alors l’intégrabilité de g sur [a, b[ est équivalente à celle de f sur
x→b
[a, b[.
2. Soit a ∈ {−∞} ∪ R et b ∈ R tels que a < b. Soient f et g continues par morceaux sur
]a, b], à valeurs dans K.
• Si |f | 6 |g|, alors l’intégrabilité de g sur ]a, b] implique celle de f sur ]a, b].
• Si f (x) = O (g(x)), alors l’intégrabilité de g sur ]a, b] implique celle de f sur ]a, b].
a
• Si f (x) = o (g(x)), alors l’intégrabilité de g sur ]a, b] implique celle de f sur ]a, b].
a
• Si f (x) ∼ g(x), alors l’intégrabilité de g sur ]a, b] est équivalente à celle de f sur
x→a
]a, b].

Remarque. L’hypothèse |f | 6 |g| signifie ∀x ∈ I, |f (x)| 6 |g(x)|.

Démonstration. On va traiter le cas I = [a, b[.

Z x Z x Z b
• Si |f | 6 |g|, alors pour x ∈ [a, b[ on a |f (t)| dt 6 |g(t)| dt 6 |g(t)| dt puisque g est
a Z xa a

intégrable sur [a, b[. On en déduit que la fonction x 7→ |f (t)| dt, qui est croissante sur [a, b[, y
Z b a

est majorée. Ainsi d’après la proposition 28, |f (t)| dt converge.

a
f (x)
• Par définition, il existe c ∈ [a, b[ et M ∈ R tel que ∀x ∈ [c, b[, g(x) 6 M . Ainsi |f | 6 M |g|
sur [c, b[ et d’après ce que l’on vient de montrer, |f | est intégrable sur [c, b[. Mais on sait (c’est la
proposition 14) qu’on peut en déduire que |f | est intégrable sur [a, b[.
• Si |f | = o (|g|) alors 1 |f | = O (|g|) on applique donc directement le point précédent.
b b
1
• Supposons que |f | ∼ |g|. On sait alors qu’il existe c ∈ [a, b[ tel que pour x ∈ [c, b[, 2 |g(x)| 6
b
|f (x)| 6 32 |g(x)|.
– Si g est intégrable sur I, l’inégalité de droite donne que f est intégrable sur I.
– Si f est intégrable sur I, l’inégalité de gauche donne que g est intégrable sur I.
Ceci donne l’équivalence attendue.

1. On affirme ici qu’une fonction qui tend vers 0 en un point est bornée au voisinage de ce point...

J.Gärtner 84 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Corollaire 32 (Contraposée du th précédent)

Soit a ∈ R et b ∈ R ∪ {+∞} tels que a < b. Soient f et g continues par morceaux sur
[a, b[, à valeurs dans K.
• Supposons que |f | 6 |g|. Si f n’est pas intégrable sur I, alors g n’est pas intégrable sur
I.
• Supposons f (x) = O (g(x)). Si f n’est pas intégrable sur I, alors g n’est pas intégrable
b
sur I.
• Supposons f (x) = o (g(x)). Si f n’est pas intégrable sur I, alors g n’est pas intégrable
b
sur I.

Contre-exemple 27 (Les réciproques sont fausses)

R +∞ R +∞
Soit f : t 7→ t12 et g : t 7→ 1
t. Alors 1
f (t)dt converge et 1
g(t)dt converge et
f (t) = o (g(t)).
t→+∞

Remarque. Dans le programme actuel, on autorise à parler d’intégrabilité et de convergence "en

b" plutôt que "sur [a, b[".

Méthode 9

Pour étudier l’intégrabilité d’une fonction on peut commencer par simplifier son expres-
sion à l’aide d’un équivalent (si besoin à l’aide de développements limités) puis chercher
à la comparer à une fonction de référence. Rappelons que les fonctions de référence sont :
• t 7→ t1α avec α ∈ R, qui est intégrable en +∞ si et seulement si α > 1.
• t 7→ t1α avec α ∈ R, qui est intégrable en 0 si et seulement si α < 1.
• t 7→ e−αt avec α ∈ R, qui est intégrable en +∞ si et seulement si α > 0.
• t 7→ ln(t) qui est intégrable en 0.

Remarque. Dans le cas d’intégrales impropres sur [a, b[ avec b ∈ R, on peut être amené à effectuer
un changement de variable du type u = t − b ou u = b − t pour utiliser une de ces intégrales de
référence.
Mais dans le cadre du programme actuel, on peut utiliser sans démonstration que si a ∈ R,
1
t 7→ |t−a|α est intégrable en a si et seulement si α < 1.

Méthode 10

Dans le cas d’une intégrale impropre sur ]a, b[, si on peut étudier séparément l’intégrale
sur ]a, c] et sur [c, b[ avec c ∈]a, b[.

Exemple 28
Z +∞
2
e−t dt
0

J.Gärtner 85 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Exemple 29
Z +∞
dx
2 ln(x)ln(x)

Exemple 30

Z +∞  x+ x1
1
1+ dx
1 x

Exemple 31
Z +∞
ln(1 + x)
√ dx.
0 x x

Exemple 32 (Intégrales de Bertrand)

Z +∞
dx
avec α, β ∈ R.
e xα (ln(x))β

Exemple 33 (Fonctions équivalentes dont les intégrales n’ont pas même nature)

Soit f : t 7→ √t
sin
+ 1
et g : t 7→ √ t.
sin
Ces fonctions sont continues par morceaux sur R+∗ .
t t t
R +∞ cos t
L’intégrale de g sur [1, +∞[ converge. Elle a en effet (ipp) même nature que 1 t3/2
dt
qui est absolument convergente donc convergente.
L’intégrale de f est divergente car somme d’une intégrale convergente et d’une intégrale
 
divergente (revenir à la définition d’intégrale pour s’en assurer). De plus 1t = o √1t
t→+∞
donc f et g sont équivalentes en +∞ (attention, on dépasse le cadre du programme ici
car on ne peut pas « simplement » vérifier que fg → 1).

Exercice. Soit f une fonction continue par morceaux sur [a, +∞[. On suppose que f admet une
Z +∞
∗
limite ` ∈ R en +∞. Que dire de f (t)dt ?
a

Signalons enfin que

Proposition 33

Si f est continue par morceaux sur ]a, b[ avec a, b ∈ R, alors

1. f est intégrable en a+ ssi t 7→ f (a + t) est intégrable en 0+
2. f est intégrable en b− ssi t 7→ f (b − t) est intégrable en 0+ .

J.Gärtner 86 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Démonstration. Soit c ∈]a, b[. Montrons le premier point. Le changement de variable x = a + t

Z c Z c−a
montre que l’intégrale |f (x)| dx a même nature que |f (a + t)| dt.
a 0

1
Remarquons que c’est ce qu’on utilise pour affirmer que x 7→ |x−a|α est intégrable en a ∈ R ssi
α < 1!
Z +∞
sin x
Étude de dx
0 x
sin x
La fonction f : x 7→ x est continue sur R+∗ et se prolonge par continuité en 0. Ainsi l’intégrale
Z +∞ Z 1
f (t)dt est impropre en 0 et en +∞, mais l’intégrale f (t)dt converge. Une intégration par
0 Z X Z X 0 Z +∞
cos t X cos t cos t
parties donne f (t)dt = [− ]1 + 2
dt. L’intégrale dt converge absolument
1 t t t2
Z1 +∞ 1
sin t
donc converge, et lim cosXX = 0 donc dt est convergente.
X→+∞ 1 t
Remarquons que l’on ne peut pas faire cette intégration par parties sur ]0, +∞[ car l’intégrale
Z 1
cos t
dt diverge. Le problème pourrait être réglé en choisissant t 7→ 1 − cos t comme primitive
0 t2
de t 7→ sin t plutôt que t 7→ − cos t.
Z +∞
sin t
L’intégrale dt n’est pas absolument convergente (autrement dit la fonction t 7→ sin(t) t
1 t
n’est pas intégrable en +∞). C’est ce qu’on appelle une intégrale semi-convergente (leur étude
n’est pas un objectif du programme).
Une méthode pour le montrer pourrait être d’utiliser une comparaison série/intégrale (c.f. cours
sur les séries numériques) ou le raisonnement suivant :
si t > 1, sin(t) ∈ [−1, 1] donc |sin t| > sin2 t > 0. Or sin2 t = 1−cos(2t)
2 et on a donc

|sin t| 1 − cos(2t)
∀t > 1, > >0
t 2t
Z +∞
cos(2t)
Or en procédant par une intégration par parties comme ci-dessus, on montre que dt
1 2t
Z +∞
dt
converge, alors que diverge. Ainsi on a minoré |sint t| par une fonction dont l’intégrale sur
1 2t
Z +∞
|sin t|
[1, +∞[ diverge et dt diverge.
1 t

Intégrale de Fresnel
1−cos(x2 )
Soit 0 < a < b, u(x) = 1
x et v(x) = 2 (donc v 0 (x) = x sin(x2 )). On effectue une
intégration par parties :
b b
1 − cos(x2 ) b 1 − cos(x2 )
Z Z
sin(x2 )dx = [ ]a + dx
a 2x a 2x2
2
4 1−cos(a ) 1−cos(b2 ) 1−cos(b2 )
Comme cos(a2 ) = 1− a2 +o a4 on a lim 1


2a = 0. De plus, 2b 6 b donc lim 2b =
a→0 b→+∞
0. Le crochet de l’intégration
Z +∞ Z +∞ par parties a donc une limite en 0 et en +∞. Ainsi les intégrales
1 − cos(x2 ) 2
2
sin(x )dx et 2
dx ont même nature. Or d’une part lim 1−cos(x 2x 2
)
= 0 donc
0 0 x x→0
Z +∞
2 1 − cos(x2 )
x 7→ 1−cos(x
2x2
)
se prolonge par continuité en 0 donc l’intégrale dx est faussement
0 x2
2
impropre en 0. D’autre part 1−cos(x 2x2
)
6 x12 et x 7→ x12 est intégrable sur [1, +∞[ donc l’intégrale

J.Gärtner 87 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

+∞ Z +∞
1 − cos(x2 ) 1 − cos(x2 )
Z
dx converge absolument donc converge. On en déduit que dx,
1 2x2 0 x2
Z +∞
donc que sin(x2 )dx converge.
0
Z +∞ −(t2 +i)x2
e
Profitons-en. Les 5/2 pourront étudier la fonction f : x 7→ dy. En montrant
0 t2 + i
1. que f est de classe C 1 sur R+∗ ,
Z +∞
2 2
−ix2
0
2. que f : x 7→ −2xe e−t x dt,
0
+∞ √
√
Z
2 π 2
3. en se rappelant que e−t dt = donc que f 0 : x 7→ − πe−ix
0 2
4. en montrant que lim f (x) = 0,
x→+∞
Z +∞
5. donc que f 0 (t)dt = lim f (x) − f (0) = −f (0)
0 x→+∞
+∞ +∞
√
Z Z
−ix2 dt
6. et donc que − π e dx = −
0 0 t2 +i
Z +∞ 2 Z +∞
u du
7. ensuite on pose I = du et J = . On montre
0 u4 + 1 0 u4 + 1
(a) en posant v = 1/u que I = J
2(u2 +1) 1√ 1√
(b) En remarquant que u4 +1 = u2 −u 2+1
+ u2 +u 2+1
que
√ √ √ √
2(I + J) = 2[Arctan (u 2 − 1) + Arctan (u 2 + 1)]+∞
0 =π 2

π
(c) donc que I = J = 2√ 2
.
Z +∞ +∞ +∞
√ u2 − i 1−i
Z Z
−it2 du
8. Bref π e dt = = du = I − iJ = √ π.
0 0 u2 + i 0 u4 + 1 2 2
+∞
r
π1−i
Z
2
9. Donc e−it dt = . Ensuite en regardant attentivement la partie réelle de cette
0 2 2
intégrale, on devrait pouvoir conclure que
+∞
Z r
2 1 π
sin(t )dt =
0 2 2

Est-ce que cela pourrait faire l’objet d’un problème de concours ? Peut-être...

V Plus au programme : espaces de fonctions intégrables

Définition 15

Soit I un intervalle de R (non vide, non singleton).

1. On note L1 (I, K) l’ensemble des fonctions continues par morceaux sur I, à valeurs dans
K intégrables sur I.
2. Soit f une fonction continue par morceaux sur I. On dit que f est de carré intégrable sur
2
I lorsque la fonction |f | est intégrable sur I. On note L2 (I, K) l’ensemble des fonctions
continues par morceaux et de carré intégrable sur I.

J.Gärtner 88 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 34

Si f, g ∈ L2 (I, K), alors f g ∈ L1 (I, K). Ainsi L2 (I, K) est un sous-espace vectoriel de
Cpm (I, K),

Démonstration. La fonction nulle est clairement continue par morceaux et de carré intégrable sur
2 2 2 2
I. Si f, g ∈ L2 (I, K) et α ∈ K, alors |αf | = |α| |f | donc |αf | est intégrable et αf ∈ L2 (I, K).
De plus on a vu que f g était continue par morceaux sur I et on sait (inégalité classique !)
que
2 2
|f (t)| + |g(t)|
∀t ∈ I, |f (t)| |g(t)| 6
2
2 2
Par linéarité des intégrales convergentes, on sait que t 7→ |f (t)| +|g(t)|
2 est intégrable donc par
majoration, |f g| est intégrable.
Comme (f +g)2 = f 2 +g 2 +2f g est somme de fonctions intégrables, f +g est de carré intégrable,
ce qui permet de conclure que L2 (I, K) est un sous-espace vectoriel de Cpm (I, K).

Contre-exemple 34

Le produit de deux fonctions intégrables n’est pas intégrable en général. Considérer

f = g = t 7→ √1t sur ]0, 1].

Contre-exemple 35

Le contre-exemple ci-dessus montre qu’on n’a pas d’inclusion de L1 (]0, 1], R) dans
L2 (]0, 1], R). À l’aide de la fonction t 7→ 1t , on voit qu’on n’a pas d’inclusion de
L2 ([1, +∞[, R) dans L2 ([1, +∞[, R).

Proposition 35

L’ensemble L2C (I, R) = LZ2 (I, R) ∩ C 0 (I, R) est un R-espace vectoriel. Si on pose pour
f, g ∈ L2C (I, R), hf, gi = f g on définit un produit scalaire. On a donc construit ainsi
I
un espace préhilbertien réel.

Démonstration. Exercice.

Remarque. Attention ! La même application bilinéaire symétrique et positive peut être définie
sur L2 (I, R), mais elle ne sera pas définie (le théorème de stricte positivité de l’intégrale fait
intervenir de manière cruciale la continuité de la fonction intégrée).

Même si on n’est pas en général dans le cadre d’un espace préhilbertien réel, on a
néanmoins l’inégalité de Cauchy-Schwarz pour les fonctions de L2 (I, R).

J.Gärtner 89 PC Janson
 CHAPITRE 2. INTÉGRATION SUR UN INTERVALLE QUELCONQUE 2022/2023

Proposition 36 (Inégalité de Cauchy-Schwarz)

Soient f, g ∈ L2 (I, R). On a

Z sZ sZ
2
fg 6 f g2
I I I

Démonstration. La preuve est analogue Zà celle de PCSI, ou que l’on fera de nouveau en algèbre
bilinéaire. On pose, pour λ ∈ R, P (λ) = (f + λg)2 . La fonction P est positive, et s’exprime aussi,
I
par linéarité et en utilisant les propositions précédentes qui garantissent que toutes les intégrales
considérées convergent : Z Z Z
P (λ) = f 2 + 2λ f g + λ2 g 2
I I I
On distingue alors deux cas :
Z
1. Si g 2 = 0, alors P est une fonction affine positive donc nécessairement son coefficient directeur
Z I
2 f g = 0 et on a donc immédiatement l’inégalité cherchée qui s’écrit 0 6 0.
I
2. Sinon, P est une fonction polynomiale de degré 2 toujours positive. Elle n’admet donc pas deux
racines distinctes et son discriminant ∆ est nécessairement négatif ou nul. Ainsi
Z 2 Z  Z 
4 fg −4 f2 g2 60
I I I

ce qui donne l’inégalité attendue.

Remarque (Pour les connaisseurs). Le cas d’égalité dans l’inégalité de Cauchy-Schwarz, nécessite
d’être dans le cadre d’un espace préhilbertien réel. Il est donc valable dans L2C (I, R) mais pas dans
L2 (I, R).
Exercice. Soit f ∈ C 1 (R, R) et g : t 7→ tf (t). On suppose que f 0 et g sont dans L2 (R, R).
1. Montrer que f ∈ L2 (R, R).
Z A Z A
2. Soit A > 0. Montrer que f 2 (t)dt = Af (A)2 − 2 g(t)f 0 (t)dt.
0 0
3. En déduire que lim tf 2 (t) existe et est réelle.
t→+∞

4. Montrer que lim tf 2 (t) = 0. On montrerait de même que lim tf 2 (t) = 0.

t→+∞ t→−∞
Z sZ sZ
5. Montrer que f2 6 2 (f 0 )2 g2 .
R R R

J.Gärtner 90 PC Janson
 Chapitre 3

Compléments sur les séries

numériques

Objectifs :
• Comparaison série/intégrale.
• Formule de Stirling.
• Règle de d’Alembert.
• Théorème spécial des séries alternées (avec majoration et signe du reste).
• Produit de Cauchy de deux séries absolument convergentes.

Dans le chapitre, et comme d’habitude, K désigne soit R, soit C. Lorsque les énoncés ne sont
valable que dans le cas des suites ou séries de nombres réels, on écrira systématiquement que les
suites considérées sont à valeurs réelles : on prendra garde aux propriétés qu’on ne peut pas écrire
dans C comme les inégalités.

I Rappels sur les suites

n
P n
P
Exercice. Soit x ∈ R. Simplifier pour n ∈ N les sommes cos(kx) et sin(kx).
k=0 k=0
√
3+i
Exercice.1. Étudier la convergence de la suite (zn ) définie par z0 ∈ C et ∀n ∈ N, zn+1 = 4 zn +1.
Pn
2. Calculer pour tout n ∈ N zk en fonction de n.
k=0

Exercice.1. Soit (un ) définie par u0 = 2, u1 = 3 et ∀n ∈ N, un+2 = 5un+1 − 6un . Expliciter un en

fonction de n.
2. Soit (un ) définie par u0 = 1, u1 = 4 et pour tout n un+2 = 4un+1 − 4un . Expliciter un en fonction
de n.

Exercice. La suite (un ) définie pour tout n ∈ N par un = einπ/15 est-elle convergente ?
2n
1
P
Exercice. Déterminer à l’aide d’un encadrement lim 2.
n→+∞ k=n+1 k

Exercice. Soit (un ) la suite définie par u0 > 0 et ∀n ∈ N, un+1 = un +e−un . Déterminer lim un .
n→+∞
√
√ (un ) est définie par +u0 > 0 et ∀n ∈ N, un+1 = un . √
Exercice. Tous les termes sont positifs.
f : x 7→ x est croissante sur R . (un ) est monotone et u0 6 u1 = u0 ⇔ u0 ∈ [0, 1]. La suite est
donc croissante si u0 ∈ [0, 1], décroissante sinon.
• Si u0 = 0 (un ) est constante.

91
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

• Si u0 ∈]0, 1], on montre par récurrence que pour tout n, un ∈]0, 1]. Comme (un ) est strictement
croissante et majorée par 1, elle converge vers 1, seul point fixe de f dans ]0, 1].
• Si u0 > 1, on montre par récurrence que pour tout n, un > 1. Alors (un ) est décroissante et
minorée par 1, elle converge vers 1, seul point fixe de f dans [1, +∞[.

1
Exercice. Soit (un ) définie par u0 = et ∀n ∈ N, un+1 = (1 − un )2 .
2
1. Montrer par récurrence que tous les termes de cette suite sont dans [0, 1].
2. Etudier les variations de f : x 7→ (1−x)2 sur [0, 1]. Que peut-on en déduire quant au comportement
de (u2n ) et (u2n+1 ) ?
3. En étudiant le sens de variation de (u2n ) et (u2n+1 ), montrer que (un ) diverge. (on montrera que
lim u2n 6= lim u2n+1 ).

n √ n √
Exercice. Soit n ∈ N∗ . On pose un = √1 √1
P P
k
− 2 n et vn = k
− 2 n + 1.
k=1 k=1

1. Montrer que ∀n ∈ N∗ , un+1 − un = 2√

√
n+1+ n+1
− √ 2 √
n+1+ n
. On montrerait de même que ∀n ∈
∗ 2√ 2√
N , vn+1 − vn = √
n+1+ n+1
− √
n+1+ n+2
.

2. En déduire que (un ) et (vn ) sont adjacentes.

n
√1 .
P
3. Déterminer un équivalent de k
k=1

Exercice.1. Montrer que pour tout n > 3 il existe un unique réel xn ∈ [1, 2] tel que xn = n ln(xn ).
2. On note fn : x 7→ x − n ln(x). Montrer que pour tout x ∈ [1, 2] et n > 3, on a fn+1 (x) 6 fn (x).
3. En déduire que (xn ) est monotone, et préciser sa monotonie.
4. Montrer que (xn ) converge, et préciser sa limite.
1+un
5. On pose pour tout n > 3, un = xn − 1. Montrer que un = e n − 1.
6. En remarquant que un = o (1), montrer que un = n1 + o n1 .

7. Donner un développement de la forme un = n1 + na2 + o n12 où a est un réel que vous expliciterez.

II Rappels de PCSI sur les séries

1 Définitions
Définition 1 (Série, somme partielle)

Soit (un ) ∈ KN . On appelle série de terme général un la suite (Sn )n définie par
n
X
Sn = u0 + · · · + un = uk
k=0

Pour tout n, un est appelé terme d’indice n et Sn est la somme partielle d’ordre (ou
P P
d’indice) n. On note un (ou un ) la série de terme général un .
n>0

J.Gärtner 92 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Définition 2 (Série convergente)

P
Soit (un ) ∈ KN . On dit que la série un est convergente lorsque la suite (Sn )n de ses
sommes partielles converge. La limite S de cette suite est alors appelée somme de la série
+∞
P
et notée un . Ainsi
n=0
n
X +∞
X
lim uk = uk
n→+∞
k=0 k=0
P
Si un ne converge pas, on dit qu’elle diverge. Étudier la nature d’une série, c’est
déterminer si elle converge ou non.

P+∞
Remarque.1. Attention ! : Comme toute limite la notation n=0 un ne peut être utilisée P qu’après
avoir démontré
P la convergence de la série. Ainsi il ne faut pas confondre les notations un ou
parfois u
n>0 n qui désigne la série de terme général un et la valeur de sa somme en cas de
P+∞
convergence qui est n=0 un .
P
2. Si la série est définie à partir d’un terme général un avec n plus grand que l, on note n>l un la
P+∞
série de terme général un et n=l un son éventuelle somme.
3. Ne pas confondre « nature » et « somme » d’une série. Déterminer la nature d’une série, c’est
dire si elle est convergente ou divergente. C’est ensuite un autre problème que de calculer sa somme
en cas de convergence. Il est d’ailleurs fréquent que l’on puisse prouver la convergence d’une série
sans pouvoir en calculer la somme.

Commençons par remarquer que le comportement (la nature) d’une série de dépend pas de ses
premiers termes.

Proposition 1
P P
Si (un ) et (vn ) ne diffèrent que d’un nombre fini de termes, alors un et vn on même
nature.

P P
Démonstration. Notons Un les sommes partielles de un et Vn les sommes partielles de vn .
Puisqu’il existe n0 tel que pour n > n0 on ait un = vn , on a Un − Un0 = Vn − Vn0 . Ainsi les suites
(Un ) et (Vn ) diffèrent d’une constante et sont de même nature.

Remarque. Mais contrairement à une suite classique, si l’on change un nombre fini de termes
d’une série convergente, la limite n’est plus la même ! Ainsi la nature reste la même mais la
somme est différente a priori.

Définition 3 (Reste d’une série convergente)

P
Si un converge, on appelle reste d’ordre n le réel Rn = S − Sn . On a
+∞
X
Rn = uk
k=n+1

J.Gärtner 93 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Proposition 2 (Lien entre somme et reste)

P +∞
P
Soit un une série convergente de somme S = un . Pour p ∈ N, notons Sp la somme
n=0
partielle d’ordre p et Rp le reste d’ordre p. Alors on a
• Pour tout p ∈ N, S = Sp + Rp ,
• lim Rp = 0.
p→+∞

Remarque. Attention ! la nature du reste n’est pas une condition suffisante à la convergence
d’une série : pour pouvoir considérer le reste il faut commencer par prouver que la série est conver-
gente.

2 Linéarité de la somme
Proposition 3
P P P P
Soit P un et vn deux séries, et λ, µ ∈ K. Alors Si un et vn convergent,
alors (λun + µvn ) converge et
+∞
X +∞
X +∞
X
(λun + µvn ) = λ un + µ vn
n=0 n=0 n=0

Attention ! La vérification de la convergence lors de l’utilisation de la linéarité est essentielle.

On peut même parler de linéarité des séries convergentes.
P P P
Remarque.
P •PSi un converge et vn diverge, alors (un + vn ) diverge.
• Si un et vn divergent, on ne peutPrien P dire. (Penser
P par exemplePà poser pour tout n
u
Pn = 1, v n = 1 et w n = −1. Les séries u n , v n et wn divergent, (un + vn ) diverge et
(un + wn ) converge.

Proposition 4 (Cas des séries complexes)

P P
P(zn )n∈N ∈ C . La série
N
Soit zn converge si et seulement si les séries réelles Re (zn )
et Im (zn ) convergent. P+∞ P+∞ P+∞
En cas de convergence,
 on a n=0 zn = n=0 Re(zn ) + i  n=0 Im (zn ) et donc
P+∞ P+∞ P+∞ P+∞
n=0 Re (zn ) = Re n=0 zn et n=0 Im (zn ) = Im n=0 zn

P P P P
Remarque. Si zn converge, alors zn converge (car les séries réelles Re (zn ) et (− Im (zn ))
P+∞ P+∞ P+∞ P
convergent) et on a : n=0 zn = n=0 Re (zn ) − i n=0 Im (zn ) = n∈N zn . En effet pour la
première égalité, nous passons au conjugué dans le résultat précédent et pour la deuxième inégalité,
cela provient de la linéarité de la somme.

Proposition 5 (Condition nécessaire de convergence)

Si la série de terme général un converge, alors la suite (un ) converge vers 0.

Attention, la réciproque est fausse !

J.Gärtner 94 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Contre-exemple 1 (pour la réciproque)

1
diverge, mais lim n1 = 0.
P
La série n

Définition 4

Pgénéral un d’une série ne tend pas vers 0, cette série est divergente. On dit
Si le terme
alors que un diverge grossièrement.

Exemple 2

(−1)n et sin( nπ
P P
Les séries 2 ) divergent grossièrement.

P
Remarquons que plus généralement, si un converge, alors

∀p ∈ N, lim Sn+p − Sn = 0
n

3 Séries de référence
Séries géométriques

Proposition 6 (Séries géométriques)

Soit z ∈ C. La série de terme général z n converge si et seulement si |z| < 1 et alors

+∞
X 1
zn =
n=0
1−z

z n vaut
P
Remarque. Soit p ∈ N. Alors la somme partielle Sp d’ordre p de la série

Sp =

et, en cas de convergence, le reste Rp d’ordre p vaut

Rp =

Exemple 3

P sin(n)
Convergence et somme de 2n .

J.Gärtner 95 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Séries télescopiques

Proposition 7 (Séries telescopiques)

Soit (un ) une suite réelle. Alors la suite (un ) converge si et seulement si la série de terme
général un+1 − un converge. En cas de convergence, on a
+∞
X
(un+1 − un ) =
n=0

p
P
Remarque. Soit p ∈ N, alors (uk+1 − uk ) =
k=0

Exemple 4

a
Après avoir trouvé a et b tels que ∀x ∈ R+∗ , 1
x(x+1) = x + xb , déterminer la nature et la
1
P
somme de n(n+1) .
n>1

Exemple 5

1
P

Donner la nature et la somme (si elle existe) de la série n>1 ln 1 + n .

Séries de Riemann
Définition 5 (Séries de Riemann)

1
P
On appelle série de Riemann une série de la forme nα où α ∈ R est fixé.
n>1

Contre-exemple 6

1
P
La série 1 n’est pas une série de Riemann. Déterminez sa nature...
n1+ n

Proposition 8 (Convergence des séries de Riemann)

P 1
Soit α ∈ R. La série est convergente si et seulement si α > 1.
nα

Série exponentielle
Un avant goût du cours sur les séries entières.

J.Gärtner 96 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Proposition 9 (Série exponentielle)

P zn
Pour tout z ∈ C, la série n! converge et

+∞ k
X z
= exp(z)
k!
k=0

Rappel : si z = a + ib avec a et b ∈ R alors exp(z) = ea × eib = ea (cos(b) + i sin(b)).

Démonstration. Cette proposition découle de la formule de Taylor avec reste intégral.

Soit f : x 7→ exp(zx). Alors f ∈ C ∞ (R, C) et pour tout n ∈ N on a f (n) : x 7→ z n exp(zx). On
a donc
n 1
f (k) (0) (1 − t)n (n+1)
X Z
f (1) − = f (t)dt
k! 0 n!
k=0
Z 1
n 1
6 |1 − t| × z n+1 exp(zt) dt
0 n! | {z }
6 Sup |z n+1 exp(zx)|
06x61
Z 1
1
6 sup z n+1 exp(zx) (1 − t)n dt
n! 06x61 0
| {z }
(1−t)n+1 1 1
=[− n+1 ]0 = n+1

1
6 sup z n+1 exp(zx)
(n + 1)! 06x61

Mais si z = a + ib avec a, b ∈ R, on a |exp(zx)| = exp(ax) 6 exp(|a|) pour x ∈ [0, 1]. Ainsi

n n+1
X zk |z|
exp(z) − 6 exp(|a|)
k! (n + 1)!
k=0

|z|n+1
Or on sait que lim (n+1)! = 0 donc par théorème d’encadrement, on obtient le résultat.
n→+∞

4 Séries à termes positifs

On s’intéresse dans cette section aux séries de termes de signe constant. On ne parlera que de
séries de terme général positif, les énoncés concernant les séries de terme général négatif se
déduisent en considérant −un ... Les résultats que l’on va énoncer s’adaptent pour les séries qui ne
sont de signe constant qu’à partir d’un certain rang.

Proposition 10 (Convergence des séries à termes positifs)

P
Soit un une sériePà termes positifs. La suite de ses sommes partielles (Sn ) est alors
croissante. La
Psérie un converge si et seulement si la suite de ses sommes partielles est
majorée. Si un diverge, alors lim Sn = +∞.

J.Gärtner 97 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Exemple 7

1 1
La série de terme général un = 2 est convergente. En effet, si n > 2 on a 2 6
n n
1 1 1
= − . On en déduit que
n(n − 1) n−1 n
n
X 1 1 1
Sn 6 1 + − 61+1− 62
k−1 k n
k=2

D’où le résultat puisque la suite des sommes partielles est majorée.

+∞
P
Remarque. Dans le programme de PCSI de 2021, on autorise l’écriture un = +∞ lors que
P n=0
un est une série positive divergente. En cas de manipulation de sommes infinies, on utilise les
règles de calcul usuelles :
1. L’ordre usuel est respecté (tout nombre réel est plus petit que +∞).
2. Si x ∈ R alors x + ∞ = +∞.
 +∞ siλ > 0
3. Si λ ∈ R alors λ × (+∞) = 0 si λ = 0 .
−∞ si λ < 0

4. On prend garde au fait que l’opération +∞ − ∞ n’est pas définie.

Théorème (?) 1 (Comparaison des termes généraux)

Soit (un ) et (vn ) deux suites réelles à termes positifs.

1. Supposons qu’à partir d’un certain rang on ait 0 6 un 6 vn . Alors
P P
• Si vn converge, alors un converge.
P P
• Si un diverge, alors vn diverge.

2. Si (un ) et (vn ) sont à termes strictement positifs et si un = o (vn ) ou un = O (vn ), alors

P P
• Si vn converge, alors un converge.
P P
• Si un diverge, alors vn diverge.
P P
3. Si un ∼ vn , alors un et vn ont même nature.
n→+∞

Remarque. Lorsqu’on étudie la nature d’une série à termes positifs, on peut commencer par
déterminer un équivalent du terme général un ce qui permet d’étudier une série plus simple.
N’oubliez pas qu’on peut utiliser des développements limités pour cela.
Exercice. Écrire les contraposées des implications du théorème.
Remarque. Attention ! La règle des équivalents ne fonctionne que pour les séries dont le terme
général est de signe constant à partir d’un certain rang.

Contre-exemple 8

n
On démontrera plus loin que so un = (−1) 1
P
√ et vn = un + n alors un converge et
P1 P n
un ∼ vn . Pourtant n diverge donc v n diverge.

J.Gärtner 98 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Méthode 1

Pour comparer le terme général d’une série à termes strictement positifs avec le terme
général d’une série de Riemann, on étudie lim nα un = u1αn .
n→+∞ n
1
• Si pour α 6 1 on a lim nα un = +∞, alors lim unαn = 0 et donc n1α = o (un ) et donc
P n→+∞ n→+∞
un diverge.
• Si pour α > 1, on a lim nα un = lim u1αn 0, alors un = o n1α et

P
un converge.
n→+∞ n→+∞ n
• Si lim nα un = ` ∈ R+∗ , alors un ∼ n`α a même nature que 1
P
n→+∞ nα donc converge si et
seulement si α > 1.

Exemple 9

1 1 1
La série de terme général un = sin diverge car sin ∼ > 0. Donc un est positive à
n n n
P P1
partir d’un certain rang et un est de même nature que .
n

P ln(n)
Exercice. Nature de la série √ .
2n n

ln(n)− ln(n) .
P
Exercice. Nature de la série

P 
Exercice. Nature de la série n ln(1 + n1 ) − cos( √1n ) .

2
√1 , e−n .
P P
Exercice. Étudier la nature de n
de

Exemple 10

n
Soit n ∈ N∗ et tn = 1
P P
k − ln(n). Montrer que (tn+1 − tn ) converge, et en déduire qu’il
k=1
n
1
P
existe une constante γ ∈ R telle que =
k n→+∞ ln n + γ + o (1). Ce nombre γ s’appelle
k=1
la constante d’Euler.

Contre-exemple 11

1
P
Impossible d’utiliser cette méthode pour étudier n ln n .

P
P 2 Soit (un ) une suite à termes positifs tels que la série
Exercice. un converge. Montrer que la
série un converge.

Exercice. Soient a, b ∈ R et pour tout n ∈ N∗ , un = ln(n) + a ln(n + 1) + b ln(n + 2). Discuter la

P
convergence de la série un et la valeur de sa somme dans les cas de convergence.

J.Gärtner 99 PC Janson
 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

5 Séries absolument convergentes

Définition 6 (Séries absolument convergentes)
P
Soit (un ) une suite réelle
P ou complexe. On dit que la série un est absolument conver-
gente lorsque la série |un | converge.

Remarque.P Dans le programme de PCSI de 2021, on dit que la suite (un ) est sommable lorsque
la série un est absolument convergente. Ce vocabulaire est utile pour les probabilités.

Exemple 12

einθ
P
Soit θ ∈ R, n2 est absolument convergente.
n>1

Proposition 11 (Convergence absolue implique convergence)

P P
Soit (un ) une suite réelle ou complexe. Si un est absolument convergente, alors un
converge.
Autrement dit « Pour qu’une série soit convergente il suffit qu’elle soit absolument
convergente ».

Exemple 13

P (−1)n ln(n)
La série en converge car elle est absolument convergente.

Attention ! la réciproque est fausse :

Contre-exemple 14

(−1)n+1 n
Pour n ∈ N∗ , soit un = − (−1)
P
√
n+1
√
n
. La série un converge (série télescopique) mais
2(−1)n+1
un ∼ √
n
donc |un | ∼ √2n qui est le terme général d’une série divergente.

Remarque. Dans le cas où la série converge sans être absolument convergente, on parle de série
semi-convergente. L’étude de séries semi-convergentes n’est pas un objectif du programme.

Méthode 2

Pour étudier la nature d’une série numérique, on peut commencer par étudier sa conver-
gence absolue : on manipule alors des séries à termes positifs.

J.Gärtner 100 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Proposition 12 (Comparaison avec une série à termes positifs)

Soient (un ) et (vn ) dans KN .

• si un = o (vn ) ou un = O (vn ) alors (vn ) sommable entraine que (un ) est sommable.
• Si un ∼ vn , alors (un ) est sommable si et seulement si (vn ) est sommable.

Remarque. un = o (vn ) revient à avoir |un | = o (|vn |)...

P (−1)n
Exercice. Nature de n4/3
.
√
P (−1)b nc
Exercice. Nature de n3/2 +sin(n)
.

Proposition 13

P +∞
P +∞
P
Soit (un ) ∈ KN . Si un converge absolument, alors un 6 |un |.
n=0 n=0

n f ( n1 ) − f (− n1 ) − 2f 0 (0) converge.



Exercice. Soit f ∈ C 3 ([−1, 1], R). Montrer que la série
P

III Séries et intégrales

On déduit du dessin, ou en écrivant explicitement la définition de monotonie, l’encadrement

suivant, qu’il faut savoir retrouver :

J.Gärtner 101 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Proposition 14 (Comparaison série-intégrale cas croissant)

Soit a ∈ N et f : [a, +∞[→ R+ une fonction continue par morceaux et décroissante.

Alors pour tout entier k > a + 1 on a
Z k+1 Z k
f (t)dt 6 f (k) 6 f (t)dt
k k−1

et donc pour tout p > n > a + 1, on a

Z p+1 p
X Z p
f (t)dt 6 f (k) 6 f (t)dt
n k=n n−1

Exercice. Écrire les encadrements que l’on obtiendrait dans le cas d’une fonction croissante.

Exemple 15

Soient p et n dans N∗ avec n > p.

• Pour α > 0 et k ∈ [[ n + 1 ; p ]] on a
Z Z
1
6 6
kα

• Pour α < 0 et k ∈ [[ n + 1 ; p ]] on a
Z Z
1
6 α 6
k
En déduire que
p
1
P
1. Si α < 1 alors on a Sp = ∼
kα p→+∞
k=1
+∞
1
P
2. Si α > 1 alors on a Rn = ∼
kα n→+∞
k=n+1
Que dire dans le cas de α = 1 ?

Remarque. La proposition ci-dessus permet donc d’étudier la nature de séries, et même de dé-
terminer des équivalents de sommes partielles (cas d’une série divergente) ou de restes (cas d’une
série convergente).

Exercice (Convergence des séries de Riemann).

P 1 Utiliser une comparaison série-intégrale pour
étudier la nature des séries de Riemann nα lorsque α > 0. A-t-on besoin d’une comparaison
lorsque α 6 0 pour conclure ?

Exercice (Série harmonique). Utiliser une comparaison série intégrale pour montrer que Hn =
n
1
P
k ∼ ln n. Remarquez que l’exemple 10 permet de montrer que Hn = ln n + γ + o (1).
k=1 n→+∞ n→+∞

1
P
Exercice (Séries de Bertrand). Soit β ∈ R et pour n > 3, un = n lnβ (n)
. Alors un converge si
et seulement si β > 1.

J.Gärtner 102 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

IV Quelques critères de convergence

1 Règle de d’Alembert
Proposition (?) 15 (Règle de d’Alembert)

Soit (un ) une suite à termes strictement positifs à partir d’un certain rang.
1. Si uun+1
P
n
admet une limite ` < 1, alors un converge.
un+1 P
2. Si un admet une limite ` > 1 (y compris ` = +∞) alors un diverge grossièrement
(plus précisément lim un = +∞).
n→+∞

1−`
Démonstration.• Supposons que ` < 1. On écrit la définition 1 de limite avec ε = 2 > 0. Il existe
uk+1 uk+1
un rang N tel que ∀k > N, uk − ` 6 ε donc pour tout k > N on a uk − ` 6 ε. Ainsi on a

uk+1 1−` 1+`

∀k > N, 0 6 6`+ =
uk 2 2

Posons q = 1+` 2 ∈]0, 1[. Soit n > N + 1. On multiplie toutes les inégalités précédentes pour
k ∈ [[ N ; n − 1 ]] :
n−1
uk+1
06 Π 6 q n−N
k=N uk
un
Autrement dit uN 6 q n−N et donc

∀n > N + 1, 0 6 un 6 uN q n−N = q n × uN q −N

et que uN q −N ne dépend pas de n, on en déduit par comparaison

P n
Comme la série q converge,P
de séries à termes positifs que un converge.
• Si ` > 1 (y compris ` = +∞). En posant q = 1+` 2 si ` est réel ou q = 2 si ` = +∞, on
a l’existence de q > 1 et d’un rang N tel que pour k > N on ait uuk+1 k
> q et donc tel que
∀n > N + 1, un > uN q n−N . Comme lim q n = +∞, on a lim un = +∞ et la série
P
un
n→+∞ n→+∞
diverge grossièrement.

Remarque. La règle de d’Alembert ne donne aucun renseignement lorsque ` = 1 : elle ne permet

que de détecter des convergences plus rapides que des séries géométriques ou des divergences
grossières. Elle est surtout utile pour les séries dont le terme général s’écrit comme produit ou à
l’aide de factorielles.

Contre-exemple 16 (Cas ` = 1)

1 1
P P un+1
Soit un = n et vn = n2 . Alors un diverge et vn converge, mais lim un =
n→+∞
lim vn+1 = 1.
n→+∞ vn

un+1
Attention ! la limite de un n’existe pas forcément.

Exercice. Étudier la nature des séries :

P n4
1. n
P 31
2.
(2n
n)

1. C’est assez souvent qu’un bon paramètre est le milieu de l’intervalle [1, `] ou [`, 1] suivant la position de `.

J.Gärtner 103 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

nα
P
3. (1+a)(1+a2 )...(1+an ) , avec a dans R+ .
n
Remarque. Sur ce dernier exemple, on voit que pour étudier un produit infini, i.e. lim Π uk
n→+∞ k=0
avec uk > 0, on passe à la forme exponentielle et on se ramène à l’étude d’une série.

Méthode 3

La règle de d’Alembert s’applique à des séries positives ou permet d’étudier l’absolue

convergence.
1. Si |u|un+1 | P
n|
admet une limite ` < 1, alors un converge (absolument).
|un+1 | P
2. Si |un | admet une limite ` > 1 (y compris ` = +∞) alors un diverge grossièrement
(plus précisément lim |un | = +∞).
n→+∞
Attention à bien vérifier que les termes considérés sont tous strictement po-
sitifs ; distinguer les cas d’annulation si nécessaire.

Exemple 17

zn
La série exponentielle est convergente ; pour tout z ∈ C∗ on a un = donc uun+1 =
n! n
|z|
n+1 → 0 < 1 et si z = 0 on n’a pas trop de soucis pour prouver que cette série converge.

nan−1 avec a ∈ R.
P
Exercice. Nature de la série

2 Théorème spécial des séries alternées

Définition 7 (Série alternée)

(−1)n un , avec (un ) une suite de signe

P
On appelle série alternée toute série de la forme
constant.

Théorème (?) 2 (Théorème spécial des séries alternées)

Soit (un ) une suite de signe constant. On suppose que la suite (|un |) est décroissante
P alors
et de limite nulle,
• la série alternée (−1)n un converge,
+∞
(−1)n un est du signe de son premier terme (−1)N +1 uN +1 ,
P
• le reste RN =
n=N +1
+∞
(−1)n un 6 |uN +1 |.
P
• 0 6 |RN | 6
n=N +1

N
(−1)n un . Quitte à tout multiplier par −1, on peut
P
Démonstration. Soit N ∈ N et SN =
n=0
supposer que ∀n ∈ N, un > 0. On montre alors que (S2N ) et (S2N +1 ) sont adjacentes. Soit n ∈ N.
On a S2n+2 − S2n = u2n+2 − u2n+1 6 0 et S2n+3 − S2n+1 = −u2n+3 + u2n+2 > 0. Comme
S2n+1 − S2n = u2n+1 → 0 on a que P (S2n ) et (S2n+1 ) sont adjacentes, de même limite S. Il en
résulte que (Sn ) convergeet donc que (−1)n un converge et que sa somme vaut S.

J.Gärtner 104 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

On a
∀n ∈ N, S2n+1 6 S 6 S2n
Donc R2n = S − S2n 6 0 et son premier terme est (−1)2n+1 u2n+1 = −u2n+1 6 0. Ainsi R2n est
du signe de son premier terme et

|R2n | = |S − S2n | = S2n − S 6 S2n − S2n+1 = u2n+1

Donc |R2n | est inférieur à la valeur absolue de son premier terme. On fait de même avec R2n+1 car
S2n+1 6 S 6 S2n+2 .
+∞
(−1)n un converge, sa somme S = (−1)n un est du signe de u0
P P
Remarque. En particulier, si
n=0
et |S| 6 |u0 |.

Exemple 18 (Séries de Riemann alternées)

(−1)n
La série de terme général est convergente si et seulement si α > 0. Dans le cas où
nα
α ∈]0, 1] cette série est convergente sans être absolument convergente.

P (−1)n ln n
Exercice. n .
Z +∞
sin t
Exercice. Quel est le signe de dt ?
0 t
P (−1)n
Remarque. Ce critère ne fonctionne pas dans tous les cas ! Par exemple, la série √
n+(−1)n
ne
satisfait pas les hypothèses du théorème (la décroissance en valeur absolue du terme général) mais
on a
(−1)n (−1)n (−1)n (−1)n
  
1 1 1
√ = √ n = √ 1− √ + +o
n + (−1)n n 1 + (−1) √ n n n n
n
n
(−1)n
 
(−1) 1 1
= √ − + √ +o √
n n n n n n
P (−1)n P (−1)n P  1 
Comme √
n
, √
n n
convergent (séries alternées qui relèvent du théorème) et o n√n
P  (−1)n n
 
+ (−1) 1 1
P
converge, on a √
n
√
n n
+ o n√ n
qui converge. Mais n diverge donc on en déduit
P (−1)n
que √
n+(−1)n
diverge.

Méthode 4

Il ne faut pas vouloir à tout prix appliquer directement le théorème spécial des séries
alternées. On peut commencer (comme dans la remarque ci-dessus) par travailler sur
l’expression du terme général. Il arrive souvent que l’expression de un soit compliquée –
en particulier que la monotonie de |un | soit difficile à établir – mais que l’on peut
P décom-
poser un sous la forme (−1)n vn + wn avec P vn suffisamment simple pour que (−1)n vn
vérifie le théorème des séries alternées et wn absolument convergente. Pour cela on
fait généralement un développement asymptotique à deux termes.

P (−1)n
Exercice. Nature de √ .
n3/4 +n1/4 sin(n 2)

(−1)n
√
P
Exercice. Nature de en fonction de α ∈ R.
nα +(−1)n

J.Gärtner 105 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

V Produit de Cauchy de deux séries

Définition 8

Soient (uP
P n ) et (vn ) deux suites complexes. On appelle produit de Cauchy des séries
un et vn la série de terme général

X n
X n
X
wn = up vq = up vn−p = un−p vp .
p+q=n p=0 p=0

Proposition 16
P P
Dans les condition précédentes, si les deuxPséries un et vn sont absolument conver-
gentes, alors la série produit de Cauchy wn est aussi absolument convergente et on
a:
+∞
X +∞
X +∞
X
wn = un × vn .
n=0 n=0 n=0

Démonstration. (Non exigible)

X X X X
Posons U = un , V = vn , U 1 = |un | et V1 = |vn |.
Pn>0 n>0 n>0 n>0
Montrons que wn converge absolument.
Soit n ∈ N. On a :

n
X n X
X k
|wk | = ui vk−i
k=0 k=0 i=0
n X
X k
6 |ui ||vk−i |
k=0 i=0

et

n X
X k n X
X n
|ui ||vk−i | = |ui ||vk−i |
k=0 i=0 i=0 k=i
n n
!
X X
= |ui | |vk−i |
i=0 k=i
n
X n−i
X
= |ui | |vj |
i=0 j=0
Xn
6 |ui |V1 6 U1 V1
i=0

La majoration effectuée peut être illustrée en regardant les indices de la somme double « on a
un triangle inclus dans un carré » :

J.Gärtner 106 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

P
Ainsi les sommes partielles
P de la série |wk | sont majorées par U1 V1 donc en tant que série à
termes positifs, la série |wk | converge et on a :

+∞
X
|wk | 6 U1 V1 .
k=0

k
P +∞
P
Soit w
fk = |ui ||vk−i |. Nous venons de démontrer que w
fk 6 U1 V1 .
i=0 k=0
+∞
P
On a même w
fk = U1 V1 , car :
k=0

n
X n
X X X 2n
X X
|ui | × |vj | = |ui ||vj | 6 |ui ||vj | = |ui ||vj |
i=0 j=0 06i,j6n 06k62n k=0 i+j=k
06i,j62n 06i,j62n
i+j=k

Ainsi :
n
X n
X X k
2n X 2n
X +∞
X
|ui | × |vj | = |ui ||vk−i | = w
fk 6 w
fk .
i=0 j=0 k=0 i=0 k=0 k=0

Par passage à la limite, on a

+∞
X
U1 V1 6 w
fk .
k=0

+∞
P
On a donc, puisque l’on sait déjà que w
fk 6 U1 V1 :
k=0

+∞
X
U1 V1 = w
fk .
k=0

On peut visualiser les encadrements obtenus en remarquant que l’on a un triangle inclus dans
un carré, lui-même inclus dans un triangle. Les sommes triangulaires sont des produits de Cauchy,
la somme sur le carré est le produit des sommes simples.

J.Gärtner 107 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

+∞
P
Calculons maintenant wk . On a :
k=0

!  
n
X n
X 2n
X X X X
ui × vj  − wk = ui vj − ui v j = ui vj
i=0 j=0 k>0 16i,j6n 06k62n 06i,j6n
06i,j62n n+16i,j62n
i+j=k

et

n
!  n 
2n
X X X X X X X
ui vj 6 |ui ||vj | = |ui ||vj |− |ui ||vj | = |ui | ×  |vj | −
 w
fk .
06i,j6n 06i,j6n 16i,j6n 06k62n i=0 j=0 k>0
n+16i,j62n n+16i,j62n 06i,j62n
i+j=k

Or on a montré que le membre de droite de l’inégalité tend vers 0 quand n tend vers +∞, et
+∞
P
donc U × V = wk .
k=0

Attention ! L’hypothèse d’absolue convergence est indispensable.

Contre-exemple 19

Si on a
(−1)n P P
un = vn = √
n
, alors les séries un et vn sont convergentes, mais

n−1 n−1
X (−1)k (−1)n−k X 1
wn = √ √ = (−1)n p
k=1
k n−k k=1
k(n − k)

Or pour n > 2,
∀k ∈ [[ 1 ; n − 1 ]] , k(n − k) 6 (n − 1)2
et
n−1 n−1
X 1 X 1
|wn | = p > =1
k(n − k) n−1
k=1 k=1
P
Ainsi (wn ) ne tend pas vers 0 et wn diverge.

0 0
Exercice. On retrouve la formule : ∀(z, z 0 ) ∈ C2 , ez+z = ez ez .

J.Gärtner 108 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

xn par elle même, montrer

P
Exercice. Soit x] − 1, 1[. En considérant le produit de Cauchy de
+∞
1
P n−1 P k−1
que nx converge et que kx = (1−x) 2.
k=0

VI Quelques formules

1 Formule de Stirling

Théorème (?) 3 (Formule de Stirling)

√  n n
n! ∼ 2πn
e

P (λn)n−1
Exercice. Étudier la nature de n! en fonction de λ > 0.

La démonstration de la formule de Stirling n’est pas exigible. Voici un petit problème pour y
arriver ; il utilise les intégrales de Wallis.
Z π/2
On a pose In = sinn xdx. On sait – exercice ? – que l’on obtient par deux intégrations par
0
parties successives que :

n+1
∀n ∈ N, In+2 = In
n+2

Ceci permet de conclure que :

(2p)! π 4p (p!)2
∀p ∈ N, I2p = × et I2p+1 = .
4p (p!)2 2 (2p + 1)!

1
1. Commençons par établir l’existence d’un C de R∗+ tel que : n! ∼ Cnn+ 2 e−n .
 
n! 1


(a) Pour n dans N, on pose : un = ln 1 . Montrer que un+1 − un = O n2 .
nn+ 2 e−n

n!
(b) En déduire que lim 1 existe et elle est strictement positive.
n→+∞ nn+ 2 e−n

π
2. Montrer que I2p I2p+1 ∼
(a) 4p .

(b) Montrer que : ∀p ∈ N, I2p+2 6 I2p+1 6 I2p .

(c) En déduire que I2p ∼ I2p+1

2
√
(d) En calculant de deux manières différentes un équivalent de I2p , montrer que C = 2π.

Correction :

J.Gärtner 109 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

1. Soit n ∈ N. On a :
(a)
3
!
n+
n! (n+1) 2 e−n−1
un − un+1 = ln 1 × (n+1)!
n+
n 2 e−n

1
 
n+1 n+ 2
= ln e−1 n

1
 
1 n+ 2
= ln 1+ n + ln(e−1 )

1 1



= n+ 2 ln 1 + n −1

1 1 1 1 1




= n+ 2 n − 2n2 + 3n3 +o n3 −1

1 1 1 1 1 1
+ o n13 −1



=1− 2n + 3n2 +o n2 + 2n − 4n2 + 6n3
| {z }
=o( n12 )

1 1


= 12n2 +o n2

Ainsi
 
1
un+1 − un = O
n2
P
(b) La série (un+1 − un ) converge (absolument) grâce à la question précédente, donc la suite
(un )n∈N∗ converge vers un réel `. Or nous avons :
n!
1 = eu n
nn+ 2 e−n
et donc
lim n!
1 = e` > 0
n→+∞ nn+ 2 e−n

n!
lim 1 existe et elle est strictement positive
n→+∞ n+
n 2 e−n

Et donc :
1
∃C ∈ R∗+ , n! ∼ Cnn+ 2 e−n
1 π
2. En utilisant les valeurs de I2p et I2p+1 , on a : I2p I2p+1 =
(a) 2p+1 × 2 et donc :

π
I2p I2p+1 ∼
4p
(b) La suite (In )n∈N est décroissante, car :
R π/2 R π/2
∀n ∈ N, In+1 − In = 0 (sinn+1 x − sinn x)dx = 0 sinn x(sin(x) − 1)dx. Or la fonction sin
est positive sur [0, π/2] et la fonction sin −1 est négative sur ce même intervalle.

∀p ∈ N, I2p+2 6 I2p+1 6 I2p

I2p+2 2p+1
(c) Grâce aux rappels nous avons : I2p = 2p+2 . Comme I2p est strictement positif, alors en divisant
I2p+2 I2p+1 2p+1 I2p+1
par I2p dans les inégalités précédentes, on a : ∀p ∈ N, I2p 6 I2p 6 1, soit : 2p+2 6 I2p 6 1.
I
En passant à la limite, on a : lim 2p+1 = 1 et donc :
p→+∞ I2p

I2p ∼ I2p+1

J.Gärtner 110 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

(d) Les questions 2.a. et 2.c. donnent :

2 π
I2p ∼
4p
En utilisant la question 1., on a aussi

 2
2 (2p)! π
I2p = ×
4p (p!)2 2

1
!2
C(2p)2p+ 2 e−2p π2
∼ ×
4p C 2 p2p+1 e−2p 4

1 1
!2
22p+ 2 p2p+ 2 π2
∼ ×
22p Cp2p+1 4

 √ 2
2 π2
= √ ×
C p 4

π2
=
2C 2 p

π2 π
√
En identifiant les deux équivalents, on a : 2C 2 = 4 et donc C = 2π .

√  n n
n! ∼ 2πn
e

2 Calcul de ζ(2)
t2
On pose pour tout réel t, h(t) = − t et on définit la fonction ϕ sur [0; π] par :
2π
h(t)
ϕ(0) = −1 et ∀t ∈]0; π] , ϕ(t) =
2 sin( 2t )
1. Montrer que ϕ est continue sur [0; π].
(a)
(b) Justifier que ϕ est dérivable sur ]0; π] et calculer ϕ0 (t) pour t ∈]0; π].
(c) Montrer que ϕ est de classe C 1 sur [0; π].
Z π
? 1
2. Montrer, à l’aide d’intégrations par parties, que pour tout entier k ∈ N , h(t) cos(kt)dt = .
0 k2
n
X
3. Calculer pour n ∈ N? et t ∈]0; π] la somme cos(kt).
k=1
4. En déduire une constante λ (que vous déterminerez) telle que :
n
sin (n + 21 )t


X
?
∀n ∈ N , ∀t ∈]0; π[ , cos(kt) = −λ
k=1
2 sin( 2t )

5. Montrer à l’aide d’une intégration par parties que, pour toute fonction g de classe C 1 sur [0; π] :
Z π
lim g(t) sin(xt)dt = 0
x→+∞ 0
P+∞ 2
1 π
6. En déduire que : k=1 k2 = 6 .

J.Gärtner 111 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

t2
Correction : On pose pour tout réel t, h(t) = − t et on définit la fonction ϕ sur [0; π] par :
2π

h(t)
ϕ(0) = −1 et ∀t ∈]0; π] , ϕ(t) =
2 sin( 2t )

1. La fonction t 7→ sin( 2t ) est continue (et même de classe C ∞ ) sur ]0, π] et ne s’annule pas sur cet
(a)
intervalle. On en déduit que ϕ est continue (et même de classe C ∞ ) sur ]0, π]. De plus h(t) ∼0 −t
et 2 sin 2t ∼0 t donc lim+ ϕ(t) = −1 = ϕ(0) et ϕ est continue sur [0, π].
t→0

(b) On a vu que ϕ est de classe C ∞ sur ]0, π]. Si t ∈]0, π] on a

2
h0 (t)2 sin 2t − h(t) cos 2t ( πt − 1)2 sin 2t − ( 2π
t
− t) cos 2t
ϕ0 (t) = =
4 sin2 2t 4 sin2 2t

(c) On a

t2
( πt − 1)2( 2t + o t2 ) − ( 2π


0 − t)(1 + o (t))
ϕ (t) =0 2 2
t + o (t )
t2 t2


−t + π + t − 2π + o t2
=0
t2 + o (t2 )
1
∼0
2π

Ainsi lim+ ϕ0 (t) = 1

2π . Comme ϕ est continue sur [0, π] et dérivable sur ]0, π] on peut appliquer le
t→0
théorème « limite de la dérivée »qui permet de conclure que ϕ est dérivable en 0 et que ϕ0 (0) = 2π
1
.
1
Remarquons que puisque ϕ est de classe C sur ]0, π] on a même comme conclusion que ϕ est de
classe C 1 sur [0, π]).

2. Soit k ∈ N∗ . On a (les fonctions h et t 7→ cos(kt) étant de classe C ∞ sur [0, π])

Z π Z π
1 1
h(t) cos(kt)dt = [h(t) sin(kt)]π0 − h0 (t) sin(kt)dt
0 | k {z } k 0
=0
 
 Z π 
1 [h (t) × (− 1 cos(kt))]π0 + 1
 0 00

=− h (t) cos(kt)dt
k 
 k k 0 
| {z }
1
=0 car h00 (t)= π

1 t
= [( − 1) cos(kt)]π0
k2 π

1
=
k2

J.Gärtner 112 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

3. Soit n ∈ N? et t ∈]0; π]. On a, comme eit 6= 1 puisque t ∈]0, π] :

n n
!
X X
ikt
cos(kt) = Re e
k=1 k=1
1 − eint
 
= Re eit
1 − eit
!
× (−2i sin nt
eint/2 2 )
= Re eit it/2 t
e × (−2i sin 2 )
sin nt
 
i n+1 t 2
= Re e 2
sin 2t
sin nt
 
n+1 2
= cos t
2 sin 2t

4. Soit n ∈ N? et t ∈]0; π[. Calculons

n
X sin((n + 12 )t) n + 1 sin( nt2 ) sin((n + 21 )t)
cos(kt) − = cos( t) −
k=1
2 sin( 2t ) 2 sin( 2t ) 2 sin( 2t )

2 cos( n+1 nt 1
2 t) sin( 2 ) − sin((n + 2 )t)
=
2 sin( 2t )

2 × 12 (sin( n+1
2 t+
nt
2 ) + sin( nt
2 −
n+1
2 t)) − sin((n + 21 )t)
=
2 sin( 2t )
sin((n + 12 )t) + sin(− 2t ) − sin((n + 21 )t)
=
2 sin 2t
1
=−
2
On a donc le résultat avec λ = 12 .
5. Soit x > 0. On a
Z π
1 π 0
Z
1
g(t) sin(xt)dt = [g(t) × (− cos(xt))]π0 + g (t) cos(xt)dt
0 x x 0
g(0) g(π) cos(xπ) 1 π 0
Z
= − + g (t) cos(xt)dt
x x x 0
Comme g est de classe C 1 sur le segment [0, π], la fonction g 0 est continue sur le segment [0, π]
donc y est bornée. Ainsi il existe M ∈ R tel que pour tout t ∈ [0, π] |g 0 (t) cos(xt)| 6 M . On en
déduit que Z π
|g(0)| + |g(π)| + M
g(t) sin(xt)dt 6
0 x
puis que Z π
lim g(t) sin(xt)dt = 0
x→+∞ 0

6. D’après la question 4, pour tout t ∈]0, π[,

n
X sin((n + 12 )t) 1
cos(kt) = −
k=1
2 sin( 2t ) 2

Donc pour tout t ∈]0, π[ on a

n
X sin((n + 21 )t) h(t) 1 h(t)
h(t) cos(kt) = h(t) − = sin((n + )t)ϕ(t) −
k=1
2 sin( 2t ) 2 2 2

J.Gärtner 113 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

Cette égalité est une égalité entre fonctions continues sur [0, π], que l’on a prouvé pour tout
t ∈]0, π[. Elle est donc valable sur le segment [0, π]. On intègre, et par linéarité de l’intégrale on
a, d’après la question 2
n Z π
1 π
Z
X 1 1
= ϕ(t) sin((n + )t)dt − h(t)dt
k2 0 2 2 0
k=1

Comme ϕ est de classe C 1 sur [0, π] (d’après la question 1), on a d’après la question 5
Z π
1
lim ϕ(t) sin((n + )t)dt = 0
n→+∞ 0 2
On en déduit que
+∞ π
1 π 1 t3 t2 π2 π2 π2
Z 
X 1
= − h(t)dt = − − = − + =
k2 2 0 2 6π 2 0 12 4 6
k=1

VII A propos de l’ordre des termes – utile en probabilités

Les résultats de cette section sont hors-programme.

Proposition 17 (Ordre des termes)

P
Si
P la série un est absolument convergente, alors pour tout bijection σ : N → N, la série
uσ(n) est absolument convergente et
+∞
X +∞
X
un = uσ(n)
n=0 n=0

Ce théorème dit donc qu’en cas de convergence absolue, ni la convergence ni la valeur de la

somme ne dépendent de l’ordre choisi des termes. C’est d’une importance capitale pour la définition
de l’espérance d’une variable aléatoire discrète.
Remarque.
P La proposition ci-dessus est fausse pour les séries semi-convergentes : on peut montrer
que si est semi convergente, pour tout ` ∈ R il existe une bijection σ telle que les sommes
un P
partielles de uσ(n) aient pour somme `.

Contre-exemple 20

(−1)n+1
Donnons un exemple de la remarque ci-dessus. Soit un = . C’est le terme général
n
d’une série semi-convergente. On réordonne les termes en écrivant un terme d’indice
impair suivi de deux termes d’indice pair. Les premiers termes de cette nouvelle suite
(vn ) sont
1 1 1 1 1 1 1 1
1, − , − , , − , − , . . . , ,− ,− ,...
2 4 3 6 8 2n + 1 4n + 2 4n + 4
   
1 1 1 1 1 1
On a V3n = 1− + ··· + − = Un . Or (Un ) converge vers la
2 2 2 2n + 1 2n + 2 2
1 U
somme U de la série, et Un > donc U 6= 0. De plus on a lim V3n = . En considérant
2 P 2
(V3n+1 ) et (V3n+2 ) on pourrait montrer que vn converge, mais que sa somme est
U
6= U .
2

J.Gärtner 114 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

VIII Récapitulatif des méthodes pour étudier la nature et

la somme d’une série
1 Nature d’une série
P
Pour étudier la convergence d’une série numérique un , on pourra se poser dans l’ordre les
questions suivantes :
1. Y-a-t-il divergence grossière ? On pourra rechercher un équivalent du terme général pour répondre
à cette question. En cas de réponse positive, l’étude est finie.
2. En cas de réponse négative, on distinguera deux cas de figure.
Si la série est à termes positifs
• Les tests de comparaison (minoration, majoration, recherche d’un équivalent, D’Alembert, com-
paraison à une série de Riemann) sont-ils concluants ?
• Peut-on comparer la série à une intégrale par la méthode des rectangles ?
Si le signe de un est variable
• La série est-elle absolument convergente ? On utilisera pour cela les tests de comparaison pour la
série à termes positifs
• Le critère spécial des séries alternées est-il appliquable ?
• Peut-on obtenir un développement asymptotique du terme général (par exemple on peut faire
apparaître la somme d’une série alternée et d’une série absolument convergente.

2 Calcul d’une somme en cas de convergence

Il faut revenir aux sommes partielles (Sn ) et se ramener à l’une des cinq situations suivantes :
• Sn (ou lim Sn ) se calcule directement (formulaire, séries géométriques, exponentielles, etc.).
• Sn se simplifie par télescopage. R1
1
• Sn s’écrit sous forme intégrale (exploiter par exemple la relation n+1 = 0 tn dt).
n
• Si un est de la forme f (n) (0) un! , la formule de Taylor avec reste intégral permet d’étudier la
convergence de la série et donne l’expression de la somme le cas échéant.
• Dans les autres cas, on peut essayer d’encadrer Sn pour conclure.
Dans le cas d’une série divergente, si on vous demande un équivalent des somme partielles et
dans le cas d’une série convergente, si on vous demande un équivalent du reste, penser à faire une
comparaison avec une intégrale.

J.Gärtner 115 PC Janson

 CHAPITRE 3. COMPLÉMENTS SUR LES SÉRIES NUMÉRIQUES 2022/2023

J.Gärtner 116 PC Janson

 Chapitre 4

Réduction des endomorphismes

Objectifs :
• Éléments propres d’un endomorphisme, d’une matrice.
• Diagonalisation.
• Trigonalisation.
Dans tous le chapitre, K désigne R ou C et E est un K-espace vectoriel.

Le but de ce chapitre est de trouver des méthodes permettant de simplifier d’étude d’un endo-
morphisme u. Cela va se faire, dans le cas où l’espace considéré est de dimension finie, en cherchant
des bases dans lesquelles la matrice de u sera simple : diagonale, triangulaire ou éventuellement
« par blocs ». Par exemple, on a vu que si F et G sont deux sous-espaces supplémentaires dans E,
alors dans une base adaptée à cette
 décomposition,
 la matrice du projecteur u sur F parallèlement
Ip 0
à G serait de la forme diagonale , où p = dim F . On commencera par s’intéresser au cas
0 0
d’espaces stables de dimension 1, ce qui donnera la notion de vecteur propre.

I Rappels de PCSI sur les polynômes

1 Racines distinctes et factorisation
Définition 1

Soit P ∈ K[X] et a ∈ K. On dit que a est racine de P lorsque P (a) = 0

Proposition 1 (Factorisation avec des racines distinctes)

Soit P ∈ K[X] et a1 , . . . , ar r racines deux à deux distinctes de P . Alors il existe Q ∈ K[X]

tel que !
r
P = Π (X − ak )
k=1
Q

Corollaire 2

Soit P ∈ K[X] de degré n ∈ N — donc non nul, alors P admet au plus n racines distinctes.

Remarque. On en déduit que si P ∈ Kn [X], et si P a au moins n + 1 racines distinctes, alors

P = 0. Ceci est valable en particulier si P admet une infinité de racines. Ce résultat peut s’utiliser

117
 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

pour montrer que deux polynômes sont égaux : il suffit de vérifier, si ils sont de degrés au plus n,
qu’ils coïncident sur au moins n + 1 point.

Exemple 1

P = 4X 3 − 3X est le seul polynôme tel que ∀x ∈ R, P (cos(x)) = cos(3x).

Théorème 1 (d’Alembert-Gauss)

Tout polynôme non constant de C[X] possède au moins une racine complexe.

2 Racines n-ièmes d’un nombre complexe

Définition 2 (Racines n-ièmes de l’unité)

Soit n ∈ N∗ . On appelle racine nième de l’unité toute solution complexe de l’équation

z n = 1. On note Un l’ensemble des racines nièmes de l’unité.

Théorème 2

L’ensemble des racines n-ièmes de 1 dans C est l’ensemble

n 2ikπ o n 2ikπ o
Un = e n , k ∈ [[ 0 ; n − 1 ]] = e n , k ∈ I

où I est un intervalle d’entiers relatifs constitué de n entiers consécutifs.

En particulier Un possède n éléments.

Exemple 2

• Si n = 2, U2 = {−1, 1}. √
2iπ 4iπ 2iπ 1 3
• Si n = 3, U3 = {1, e 3 ,e 3 } = {1, j, j̄}, où j = e 3 =− +i .
2 2
• Si n = 4, U4 = {1, −1, i, −i}.
• Lorsque n est pair, Un ∩ R = {−1, 1}.
• Lorsque n est impair, Un ∩ R = {1}.

Exercice. Factoriser le polynômes X n − 1 dans C.

2π
Remarque. Si ζ = ei n , alors on a Un = {1, ζ, ζ 2 , . . . , ζ n−1 }.

Proposition 3

n−1
uk = 0. Ainsi la somme des racines n-ièmes de
P
Soit u ∈ Un différent de 1. Alors
k=0
l’unité vaut 0.

J.Gärtner 118 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 3

1 + j + j2 = 0

n−1
Xk.
P
Exercice. Factoriser dans C le polynôme 4
k=0

Définition 3

Étant donné un nombre complexe µ, on appelle racine n-ième de µ tout nombre complexe
z tel que z n = µ.

Exercice. Donner sous forme trigonométrique toutes les solutions de l’équation z 8 = −1.

3 Racines multiples

Définition 4

Soit P ∈ K[X], a ∈ K et k ∈ N∗ . On dit que a est une racine de multiplicité k de P

lorsque (X − a)k divise P et (X − a)k+1 ne divise pas P .

Remarque. Si k = 1 on dit que a est racine simple, si k > 2 on dit que a est racine multiple.

Exemple 4

Multiplicité des racines de P = (X 2 − 1)(X 3 − 1)(X 4 − 1) dans R et dans C.

Proposition 4

Soit P ∈ K[X] un polynôme non nul, a ∈ K et k ∈ N∗ . Alors a est une racine de

multiplicité k de A si et seulement si P (a) = P 0 (a) = · · · = P (k−1) (a) = 0 et P (k) (a) 6= 0.

Remarque. Si P (a) = P 0 (a) = · · · = P (k−1) (a) = 0, ou – ce qui revient au même – si (X − a)k

divise P , on peut uniquement dire que a est racine d’ordre au moins k de P .

Exercice. Soit P ∈ C[X] et a ∈ C. On pose Q = (X − a)(P 0 (X) − P 0 (a)) − 2(P (X) − P (a)).
Montrer que (X − a)3 divise Q, puis donner une condition nécessaire et suffisante pour que a soit
une racine de multiplicité 3 de Q.

J.Gärtner 119 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

4 Polynôme scindé
Définition 5 (Polynôme scindé)

Soit P ∈ K[X] non constant de degré n et de coefficient dominant an ∈ K∗ . On dit que

P est scindé sur K lorsqu’il existe (λ1 , . . . , λn ) ∈ K∗ tel que
n
P = an Π (X − λk ),
k=1

autrement dit lorsque P peut s’écrire comme produit de facteurs de degré 1 ; si on note r
le nombre de racines distinctes, αi les racines deux à deux distinctes, ki leur multiplicité,
on a
r
P = an Π (X − αi )k .
i=1
i

Remarque. On a donc {λk | k ∈ [[ 1 ; n ]]} = {αi | i ∈ [[ 1 ; r ]]}.

Remarque. En général, si P ∈ K[X] est un polynôme non constant, αi ses racines distinctes et
r
P
ki leurs multiplicités, on a ki 6 deg(P ), avec égalité si et seulement si P est scindé sur K.
i=1

5 Relations coefficients-racines
Proposition 5 (Relations coefficients-racines)

n
ak X k ∈ K[X] un polynôme de degré n > 1, scindé sur K dont les racines
P
Soit P =
k=0
sont λ1 , . . . , λn (avec éventuellement une répétition). Alors on a
n n
an−1 a0
Π
X
λk = − et λk = (−1)n
an k=1 an
k=1

Exemple 5

Essayez avec 2X 2 − 7X + 5, avec X 2 − 2 cos(θ)X + 1 et X n − 1.

6 Factorisation en produit de polynômes irréductibles

Proposition 6 (Factorisation dans C)

Soit P ∈ C[X] non constant et n = deg(P ) > 1. Alors il existe une unique décomposition
r
à l’ordre près de P sous la forme λ Π (X − αi )ki , où λ est le coefficient dominant de P ,
i=1
les αi sont les racines deux à deux distinctes de P et ki leurs multiplicité.

Remarque. En particulier, tout polynôme de C[X] est scindé sur C.

J.Gärtner 120 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Proposition 7 (Factorisation dans R)

Soit P ∈ R[X] non constant et n = deg(P ) > 1. Alors il existe une unique décomposition
r s
à l’ordre près de P sous la forme λ Π (X − αi )ki Π (X 2 + bi X + ci )` ,
i
où λ est le
i=1 i=1
coefficient dominant de P , les αi sont les racines réelles deux à deux distinctes de P et
ki leurs multiplicité et où les polynômes réels X 2 + bi X + ci sont deux à deux distincts,
de discriminant strictement négatif et les `i un entier naturel non nul.

Exemple 6

X 2 + 1 ne se factorise pas dans R, mais dans C on a X 2 + 1 = (X + i)(X − i).

Exercice. Factoriser dans C et dans R le polynôme X 8 + 1.

II Éléments propres d’un endomorphisme ou d’une matrice

1 Droites stables par un endomorphisme
Rappelons qu’une droite vectorielle D est un espace vectoriel de dimension un, il existe donc
x non nul tel que D = Vect x. Si u est un endomorphisme de E, on rappelle que par définition, D
est stable par u si et seulement si u(D) ⊂ D.

Proposition 8 (Caractérisation des droites stables)

Avec les notations ci-dessus, les assertions suivantes sont équivalentes :

1. D est stable par u,
2. il existe λ ∈ K tel que u(x) = λx,
3. il existe λ ∈ K tel que x ∈ Ker (u − λ Id E ).

Démonstration.• 1 ⇒ 2 : si D = Vect (x) est stable par u, alors u(x) ∈ D donc il existe λ ∈ K tel
que u(x) = λx.
• 2 ⇒ 1 : s’il existe λ ∈ K tel que u(x) = λx, alors pour y ∈ D, que l’on écrit µx avec µ ∈ K, on a
u(y) = µu(x) = µλx ∈ Vect (x) = D.
• 2 ⇔ 3 : soit λ ∈ K. Par définition, u(x) = λx ⇔ (u − Id E )(x) = 0 ⇔ x ∈ Ker (u − λ Id E ).

2 Valeurs propres, vecteurs propres d’un endomorphisme

Définition 6 (vecteur, valeur propre d’un endomorphisme)

Soit u ∈ L(E) et λ ∈ K.
• On dit que λ est valeur propre de u s’il existe un vecteur x non nul de E tel que
u(x) = λx.
• Dans ce cas on dit que x est un vecteur propre de u associé à λ.

J.Gärtner 121 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 7

Si u n’est pas injective, tout vecteur non nul de Ker u est un vecteur propre de f . Le
scalaire λ est dans ce cas le nombre 0.

Exemple 8

Soit F, G sous-espaces de E tels que F ⊕ G = E, et p le projecteur sur F parallèlement

à G.
1. Tous les vecteurs non nuls de F sont des vecteurs propres pour p, pour le coefficient
λ = 1.
2. Tous les vecteurs non nuls de G sont des vecteurs propres pour p, pour le coefficient
λ = 0.
De plus, ces vecteurs sont les seuls vecteurs propres de p. Soit x = xF + xG ∈ E.
Supposons que x 6= 0 et que x soit un vecteur propre de p, vérifiant que p(x) = λx pour
un certain λ ∈ K. Cette égalité s’écrit

xF = λxF + λxG

donc (1 − λ)xF − λxG = 0. Comme la somme est directe, on a (1 − λ)xF = λxG = 0.

On remarque qu’on ne peut pas avoir λ ∈ / {0, 1} car cela conduirait à xF = xG = 0 donc
x = 0 ce qui est exclu). Ainsi
• Soit λ = 1 et xG = 0 donc x = xF ∈ F ,
• soit λ = 0 et xF = 0 donc x = xG ∈ G.

Exercice. Traiter le cas d’une symétrie.

Exemple 9

Soit E un K-espace vectoriel de dimension 3, muni d’une base B = (e1 , e2 , e3 ), et f ∈ L(E)

dont la matrice dans la base B est
 
−1 0 3
A =  0 4 1 .
3 0 0

On lit sur cette matrice que f (e2 ) = 4e2 donc e2 est vecteur propre, associé au scalaire
λ = 4.

Contre-exemple 10

Soit E un R-espace vectoriel de dimension 2, muni d’une base B = (e1 , e2 ) et f ∈ L(E)

dont la matrice dans B est  
0 −1
A=
1 0
Alors f n’a aucun vecteur propre. En effet, si x = x1 e1 + x2 e2 6= 0 alors f (x) = −x2 e1 +
x1 e2 donc
x −x2
det B (x, f (x)) = 1 = x21 + x22 6= 0
x2 x1
Ainsi f (x) n’est jamais colinéaire à x si x 6= 0.

J.Gärtner 122 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Remarque. Le choix de K influe sur l’existence ou non de vecteurs propres. Dans le contre-
exemple précédent, si on avait considéré que f était un endomorphisme d’un C espace vectoriel,
on aurait pu considérer e1 + ie2 qui aurait été un vecteur propre.

Proposition 9 (Caractérisation d’un vecteur propre par le noyau)

Les assertions suivantes sont équivalentes :

1. λ ∈ K est valeur propre de u ∈ L(E),
2. Ker (u − λ Id E ) 6= {0},
3. u − λ Id E est non injective.

Démonstration. C’est une conséquence de la proposition précédente.

Remarque. Dans le cas où E est de dimension finie, λ est valeur propre de u si et seulement si
λ Id E −u est non bijective.

Définition 7 (Spectre)

L’ensemble des valeurs propres de u est appelé spectre de u et noté Sp (u) ; si l’on souhaite
préciser si l’on parle de valeurs propres réelles, on écrit Sp R (u) et pour les valeurs propres
complexes Sp C (u).

Remarque. Attention ! Le spectre dépend du choix de K. Dans le contre-exemple 10 on a

Sp R (u) = ∅ et Sp C (u) = {−i, i}.

Exemple 11
 
0 1
La matrice A = vérifie A2 = −I2 donc X 2 + 1 annule l’endomorphisme uA
−1 0
canoniquement associé à A. Ses valeurs propres sont à trouver dans l’ensemble {−i, i}. En
particulier, on peut affirmer d’office que uA n’a pas de valeur propre réelle : Sp R (uA ) = ∅.

Définition 8 (Sous-espace propre)

Lorsque λ est valeur propre de u, on pose

Eλ (u) = Ker (u − λ Id E ) = {x ∈ E, u(x) = λx}

Ce sous-espace vectoriel de E s’appelle sous-espace propre de u associé à la valeur

propre λ. Si il n’y a pas d’ambiguité, on peut noter Eλ plutôt que Eλ (u) ; la notation
n’est pas « officielle » et doit être redéfinie.

Remarque. Attention ! L’espace Eλ (u) est constitué du vecteur nul (qui n’est jamais un vecteur
propre) et de tous les vecteurs propres de u associé à λ.
En particulier, le sous-espace propre associé à la valeur propre 0 est Ker (u). Ainsi u est non
injective si et seulement si 0 est valeur propre de u.

J.Gärtner 123 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 12

Déterminer les valeurs propres et les sous-espaces propres de :

• L’homothétie
 ∞ λ Id E .
C (R) −→ C ∞ (R)
• ϕ:
f 7−→ f 0

K[X] −→ K[X]
• ψ:
P 7−→ XP

Exercice.1. On rappelle qu’un endomorphisme u est dit nilpotent lorsqu’il existe p ∈ N tel que
up = 0L(E) . Quel est le spectre d’un endomorphisme nilpotent ?
2. Que dire du spectre d’un endomorphisme u tel qu’il existe m ∈ N∗ vérifiant um = Id E ?

R[X] −→ R[X]
Exercice. Soit f :
P 7−→ (X 2 − 1) + 2XP 0
1. Montrer que les valeurs propres possibles de f sont les éléments de E = {n(n + 1), n ∈ N} on
pourra regarder les coefficients dominants.
2. Soit n ∈ N. Montrer que Rn [X] est stable par f − n(n + 1) Id R[X] . On pose

Rn [X] −→ Rn [X]
gn :
P 7−→ (X 2 − 1) + 2XP 0 − n(n + 1)P

3. Montrer que gn n’est pas surjectif.

4. En déduire que n(n + 1) est valeur propre de f puis déterminer Sp (f ).

Proposition (?) 10 (Les sous-espaces propres sont en somme directe)

Soit u ∈ L(E) et p ∈ N avec p > 2. Si λ1 , . . . , λp sont des valeurs propres deux à deux
distinctes de u, alors les sous-espaces propres associés sont en somme directe :

Eλ1 (u) + · · · + Eλp (u) = Eλ1 (u) ⊕ · · · ⊕ Eλp (u)

Démonstration. Nous allons procéder par récurrence et utiliser la caractérisation par l’unicité de
l’écriture du vecteur nul. Autrement dit, pour tout p > 2, montrons que si (x1 , . . . , xp ) ∈ Eλ1 (u) ×
· · · × Eλp (u) vérifient x1 + · · · + xp = 0, alors ∀i ∈ [[ 1 ; p ]] , xi = 0.
• Si p = 2 : soit x1 ∈ Eλ1 (u) et x2 ∈ Eλ2 (u). Supposons que x1 + x2 = 0. Alors

u(x1 + x2 ) = u(x1 ) + u(x2 ) = λ1 x1 + λ2 x2 = 0

Ainsi on a le système
 
x1 + x2 = 0 x1 + x2 = 0
∼
λ 1 x1 + λ 2 x2 = 0 L2 ←L2 −λ1 L1 (λ2 − λ1 )x2 = 0

et comme λ2 − λ1 6= 0, on en déduit que x2 = 0 puis que x1 = 0. Ainsi la somme Eλ1 (u) + Eλ2 (u)
est directe.
• Soit p > 2. Supposons que le résultat est établi pour p sous-espaces propres, et montrons le pour
p + 1. Soit x1 ∈ Eλ1 (u), . . . , xp+1 ∈ Eλp+1 (u) tels que x1 + · · · + xp+1 = 0. Alors, en appliquant u,
on obtient λ1 x1 + · · · + λp+1 xp+1 = 0 et donc

x1 + . . . + xp + xp+1 = 0
λ1 x1 + . . . + λp xp + λp+1 xp+1 = 0

J.Gärtner 124 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023


x1 + ... + xp + xp+1 = 0
∼
L2 ←L2 −λp+1 L1 (λ1 − λp+1 )x1 + ... + (λp − λp+1 )xp = 0
Mais pour tout i ∈ [[ 1 ; p ]], le vecteur yi = (λi − λp+1 )xi est dans Eλi (u) et y1 + · · · + yp = 0. Par
hypothèse de récurrence, on a donc tous les yi nuls. Comme pour tout i, le scalaire λi − λp+1 6= 0,
on en déduit que ∀i ∈ [[ 1 ; p ]] , xi = 0. De plus x1 + · · · + xp+1 = 0 donc xp+1 = 0. Ce qui achève
la récurrence.

Exercice. Ecrire une preuve de ce résultat utilisant une matrice de Vandermonde.

Remarque. On peut donc dire que des vecteurs propres associés à des valeurs propres distinctes
sont linéairement indépendants.

Corollaire 11

Si E est de dimension n, alors u ∈ L(E) admet au plus n valeurs propres distinctes.

Démonstration. Soit p le nombre de valeurs propres distinctes de u. Alors Eλ1 (u) ⊕ · · · ⊕ Eλp (u)
est un sous-espace de E, de dimension au moins p car chaque Eλi est de dimension au moins 1.
Ainsi p 6 n.

Exemple 13

• Il est possible d’avoir n valeurs propres distinctes en dimension n. C’est le cas par
exemple de l’endomorphisme de Kn−1 [X] défini par P 7→ XP 0 : son spectre est
{0, 1, . . . , n − 1} ; les vecteurs de la base canoniques sont propres.
• En dimension infinie, un endomorphisme peut avoir une infinité de valeurs propres dis-
tinctes. C’est le cas par exemple de ϕ : f 7→ f 0 endomorphisme de C ∞ (R) : on a vu que
les vecteurs fα : t 7→ eαt étaient propres et que la valeur propre associée était α.

3 Lien avec les polynômes annulateurs

Proposition 12

Si x 6= 0 est un vecteur propre de u associé à la valeur propre λ, alors pour tout k ∈ N,

uk (x) = λk x. Plus généralement, si P ∈ K[X], alors P (u)(x) = P (λ)x.

Démonstration. La première relation s’obtient par récurrence, et par linéarité, on a la relation avec
un polynôme quelconque.

Proposition (?) 13 (Lien entre valeur propre et racine d’un polynôme annulateur)

Soit u ∈ L(E) et P ∈ K[X] un polynôme. Si P (u) = 0L(E) , alors P (λ) = 0K . Autrement

dit si P est un polynôme annulateur de u, toute valeur propre de u est racine de P .

Démonstration. Soit λ une valeur propre et x un vecteur propre associé. On vient de voir que
P (u)(x) = P (λ)x. Si P annule u, alors P (u) = 0L(E) donc P (u)(x) = 0E . Or x est un vecteur
propre donc x 6= 0E . Comme P (λ)x = 0E c’est que P (λ) = 0K .

J.Gärtner 125 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Attention ! Ce n’est qu’une inclusion : si P (u) = 0L(E) , alors

Sp (u) ⊂ {λ ∈ K, | P (λ) = 0K }

La réciproque est fausse comme on le voit par exemple avec l’endomorphisme Id E qui est annulé
par X 2 − 1, mais qui n’a pour seule valeur propre 1.

4 Cas des endomorphismes qui commutent

Proposition 14 (Stabilité des sous-espaces propres par des endomorphismes qui commutent)

Soit u, v ∈ L(E). Si uv = vu, alors les sous-espaces propres de u sont stables par v :

∀λ ∈ Sp (u), v(Eλ (u)) ⊂ Eλ (u)

Démonstration. Soit x ∈ Eλ (u). Montrons que v(x) ∈ Eλ (u). On a

u(v(x)) = v(u(x)) = v(λx) = λv(x)

ce qui montre que v(x) ∈ Eλ (u).

Remarquons que dans le cas particulier où λ = 0, on retrouve le fait que si uv = vu, alors
Ker (u) est stable par v ; on peut d’ailleurs repartir de ce résultat et l’appliquer à v et à λ Id E −u
pour prouver la proposition ci-dessus : v ◦ (λ Id E −u) = (λ Id E −u) ◦ v.

5 Extension des définitions pour une matrice

Dans cette section, on suppos que E est de dimension finie n ∈ N∗ . On identifie les matrices
colonnes de Mn,1 (K) aux éléments de Kn via l’application
 
x1
 .. 
 .  7→ (x1 , . . . , xn )
xp

Soit A ∈ Mn (K). L’endomorphisme canoniquement associé à A est alors l’endomorphisme de Kn

qui s’identifie à l’endomorphisme X 7→ AX de Mn,1 (K).

Définition 9 (Valeur propre, vecteur propre, sous-espace propre d’une matrice)

Soit A ∈ Mn (K) et λ ∈ K.
• On dit que λ est valeur propre de A lorsqu’il existe X ∈ Mn,1 (K) non nul tel que
AX = λX.
• Dans ce cas, on dit que X est un vecteur propre de A associé à la valeur propre λ.
• Si λ est valeur propre de A, le sous-espace propre associé à λ est

Eλ (A) = {X ∈ Mn,1 (K), AX = λX} = Ker (A − λIn )

• On appelle spectre de A l’ensemble Sp (A) des valeurs propres de A.

Les propriétés vues pour les endomorphismes s’écrivent alors :

J.Gärtner 126 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Proposition 15

1. λ est valeur propre de A si et seulement si A − λIn n’est pas inversible si et seulement

si Ker (A − λIn ) 6= {0} si et seulement si rg (A − λIn ) < n.
2. Si λ1 , . . . , λp sont des valeurs propres deux à deux distinctes de A, alors les sous-espaces
propres associés sont en somme directe :

Eλ1 (A) + · · · + Eλp (A) = Eλ1 (A) ⊕ · · · ⊕ Eλp (A)

3. Si A, B ∈ Mn (K) sont telles que AB = BA, alors les sous-espaces propres de A sont
stables par B :
∀λ ∈ Sp (A), ∀X ∈ Eλ (A), BX ∈ Eλ (A)

Et comme pour les endomorphismes, Ker (A) est le sous-espace propre associé à 0 ; A est
inversible si et seulement si 0 n’est pas valeur propre de A.
 
1 ... 1
Exercice. Soit J =  ... ..  ∈ M (K). Montrer que 0 est valeur propre de J et déterminer

. n
1 ... 1
une base de son sous-espace propre associé.

Exercice. Soit A = (ai,j ) ∈ Mn (R) une matrice stochastique ; autrement dit telle que
n
X
∀i, j ∈ [[ 1 ; n ]] , ai,j > 0 et ∀i ∈ [[ 1 ; n ]] , ai,j = 1
j=1

Montrer que 1 est valeur propre de A.

Exercice. Soit M ∈ GL n (K). Donner le spectre de M −1 en fonction de celui de M .

Proposition 16

Si P ∈ K[X] annule A ∈ Mn (K), alors Sp (A) ⊂ {λ ∈ K, P (λ) = 0K }.

 
2 0 0
Exercice. Soit A = 0 0 2. Calculer A2 . Que pouvez-vous en déduire quand à Sp (A) ?
0 2 0

III Polynôme caractéristique

1 Polynôme caractéristique d’une matrice
Définition 10

Soit A ∈ Mn (K). La fonction


K −→ K
χA :
t 7−→ det(tIn − A)

est appelée fonction polynôme caractéristique de la matrice A.

J.Gärtner 127 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Remarquons qu’on s’intéresse à cette fonction car χA (λ) = 0 si et seulement si A − λIn n’est
pas inversible, et donc si et seulement si λ est valeur propre de A.

Proposition 17

Soit A ∈ Mn (K). La fonction χA est une fonction polynomiale unitaire de degré n.

On sait de plus expliciter ses coefficients de degré n − 1 et 0 :

χA (X) = X n − Tr (A)X n−1 + · · · + (−1)n det(A)

Attention ! cette écriture ne précise pas les coefficients de degrés 1 à n − 2 si n > 3.

On rappelle qu’un polynôme unitaire admet 1 pour coefficient dominant.

Démonstration. Soit A = (ai,j )16i,j6n . On a

t − a1,1 −a1,2 ... −a1,n

−a2,1 t − a2,2 ... −a2,n
χA (t) = ..
.
−an,1 −an,2 ... t − an,n
 
0
 .. 
.
 
1 le i-ième vecteur de la base canonique de Mn,1 (K).
Notons Ci la i-ième colonne de A et Ei =  
.
 .. 
0
Par multilinéarité du déterminant par rapport aux colonnes :

χA (t) = det(tE1 − C1 , tE2 − C2 , . . . , tEn − Cn )


= tn det(E1 , . . . , En ) + tn−1 det(−C1 , E2 , . . . , En ) + det(E1 , −C2 , E3 , . . . , En )

+ · · · + det(E1 , . . . , En−1 , −Cn ) + · · · + det(−C1 , . . . , −Cn )

J’invite les sceptiques à l’écrire avec n = 3. Ainsi on constate que χA est une fonction polynomiale.
De plus,
• det(E1 , . . . , En ) = det(In ) = 1.
• On a, en développant par rapport à la i-ième ligne :

1 0 −a1,i 0
0 1 −a2,i 0
.. ..
. .
det(E1 , . . . , Ei−1 , −Ci , Ei+1 , . . . , En ) =
0 ... −ai,i ... 0
..
.
0 0 −an,i 1
i+i
= −ai,i (−1) det(In−1 ) = −ai,i

• det(−C1 , . . . , −Cn ) = (−1)n det(C1 , . . . , Cn ) = (−1)n det(A).

Remarque. Attention ! Lorsque n > 3, la formule ci-dessus ne permet pas d’expliciter le poly-
nôme caractéristique ! Les seuls coefficients que vous avez à connaître sont ceux de degré 0, n − 1
et n. En particulier, vous devez savoir que χA (0) = (−1)n det(A).

J.Gärtner 128 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Corollaire 18 (Racines du polynôme caractéristique)

Les racines de χA sont exactement les valeurs propres de A.

Démonstration. Le scalaire λ est racine de χA si et seulement si χA (λ) = 0 si et seulement si

det(λIn − A) = 0 si et seulement si λIn − A n’est pas inversible.
Remarque. Si A et B sont semblables, alors A et B ont même polynôme caractéristique et en
particulier même spectre. En effet, si P ∈ GL n (K) est tel que P −1 AP = B, alors

det(λIn − B) = det(λP −1 In P − P −1 AP ) = det(P −1 (λIn − A)P ) = det(λIn − A)

car le déterminant de deux matrices semblables ont même spectre. Mais attention ! si deux ma-
trices ont même polynôme caractéristique, elles ne sont pas nécessairement semblables.

Contre-exemple 14
   
1 0 1 0
A= et B = ont même polynôme caractéristique χA = χB = (X − 1)2 ,
0 1 1 1
mais ne sont pas semblables. En effet, rg (A − I2 ) = 0 et rg (A − I2 ) = 1. Or si A et B
étaient semblables, A − I2 et B − I2 le seraient aussi et auraient même rang.

Méthode 1

Pour déterminer le spectre d’une matrice, on peut calculer son polynôme caractéristique
sous forme factorisée. En particulier, on chercher à effectuer les calculs par opérations
élémentaires en factorisant dès que possible.

Exemple 15
 
a1,1 ? ... ?
 0 a2,2 ... ?  n
Si A =  .

 .. .. ..  est triangulaire supérieure, alors χA =

Π (X − ak,k )
. .  k=1

0 0 . . . an,n
et Sp (A) = {ak,k , k ∈ [[ 1 ; n ]]}.

Exemple 16
 
a b
Soit B = . Dans ce cas χB = X 2 − Tr (B)X + det(B) = X 2 − (a + d)X + (ad − bc).
c d

Exemple 17
 
0 −1
Soit A = . Alors χA = X 2 + 1. Le spectre de A dépend des scalaires
1 0
considérés : Sp R (A) = ∅ et Sp C (A) = {−i, i}.

J.Gärtner 129 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 18
 
5 −6 2
Soit A = 3 −4 2. Pour tout t ∈ R on a
2 −5 4

t−5 6 −2
χA (t) = −3 t+4 −2 C1 ← C1 + C2 + C3
−2 5 t−4
t−1 6 −2
= t−1 t+4 −2
t−1 5 t−4
1 6 −2
L2 ← L2 − L1
= (t − 1) 1 t+4 −2
L3 ← L3 − L1
1 5 t−4
1 6 −2
= 0 t−2 0
0 −1 t−2
t−2 0
= (t − 1)
−1 t−2
= (t − 1)(t − 2)2

 
0 0 ... 0 a0
1
 0 ... 0 a1 

Exercice. Soit a0 , . . . , an−1 ∈ K et C = 0
 1 ... 0 a2 .

 .. .. .. 
. . . 
0 0 ... 1 an−1
n−1
Montrer que χA = X n − ak X k .
P
k=0

Corollaire 19 (Cas de C)

Soit A ∈ Mn (C), alors A admet au moins une valeur propre complexe ; le polynôme
caractéristique χA est scindé sur C.

Démonstration. En effet, le polynôme caractéristique est de degré n > 1 : il admet donc au moins
une racine complexe et est scindé sur C.

Remarque. Avec les notations de l’exemple ci-dessus, si A ∈ Mn (R), alors A ∈ Mn (C) et

Sp R (A) ⊂ Sp C (A).

Définition 11 (Multiplicité d’une valeur propre)

Soit A ∈ Mn (K) et λ ∈ Sp (A). On appelle multiplicité de la valeur propre λ sa

multiplicité en tant que racine de χA . On la notera mλ .

Remarque. On parle parfois de multiplicité algébrique dans ce cas.

J.Gärtner 130 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 19

Déterminer les valeurs propres et leurs multiplicités pour les matrices suivantes :
 
  1 1 4 0 8
0 0 0 1
0 0 −1 0
0 2
 0 −3 0  
A= 0 −1 0 0 et B = 0 0
  −3 1 0
0 0 0 −3 1 
1 0 0 0
0 0 0 0 −3

Proposition 20

Deux matrices semblables ont même polynôme caractéristique et donc mêmes valeurs
propres avec mêmes multiplicités.

Démonstration. Comme on l’a vu, deux matrices semblables ont même polynôme caractéristique
(et la réciproque est fausse !)

Exercice. Soit A ∈ Mn (K). Montrer que A et A> ont même polynôme caractéristique et que
pour tout λ ∈ Sp (A), on a dim(Eλ (A)) = dim(Eλ (A> )).

Attention ! A et A> n’ont pas forcément les mêmes sous-espaces propres.

Contre-exemple 20
     
1 0 0 1
Avec A = , on a E1 (A) = Vect et E1 (A> ) = Vect .
1 1 1 0

Proposition 21 (Majoration des multiplicités)

Soit A ∈ Mn (K).
1. La matrice A admet au plus n valeurs propres, comptées avec leur multiplicité, c’est-à-
p
P
dire que si Sp (A) = {λ1 , . . . , λp }, alors mλi 6 n.
i=1
2. La matrice A admet au plus n valeurs propres distinctes.
3. Pour tout λ ∈ Sp (A) :

1 6 dim(Eλ (A)) = dim(Ker (λIn − A)) 6 mλ

Démonstration.1. Le nombre racines d’un polynôme comptées avec multiplicité est inférieur au
p
degré du polynôme. Or ici χA est de la forme Π (X − λi )m Q et deg(χA ) = n.
i=1
i

2. Déjà vu comme conséquence du fait que les espaces propres sont en somme directe... mais aussi
conséquence du théorème de factorisation des polynômes.
3. Par définition, si λ ∈ Sp (A), alors Eλ (A) 6= {0} donc dim(Eλ (A)) > 1. Pour l’inégalité de droite,
notons d la dimension de Eλ (A). Soit (X1 , . . . , Xd ) une base de Eλ (A), que l’on complète en

J.Gärtner 131 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

une base B = (X1 , . . . , Xn ) de Mn,1 (K). Notons P la matrice de passage de Bc vers B, dont les
colonnes sont les Xk . Alors  
−1 λId B
P AP = = A0
0 C
Or deux matrices semblables ont même polynôme caractéristique, donc χA = χA0 et A0 est trian-
gulaire par blocs. Ainsi

X −λ ... 0 ? ... ?
.. .. .. .. ..
. . . . .
0 ... X −λ ? ... ?
χA0 = = (X − λ)d Q
0 ... 0 ? ... ?
.. .. .. ..
. . . .
0 ... 0 ? ... ?

où Q = det(C). On en déduit que λ est racine d’ordre au moins d de χA et donc que d 6 mλ .

Remarque. Si mλ = 1, alors dim(Eλ (A)) = 1.

Remarque. On parle parfois de multiplicité géométrique pour désigner dim Eλ (A), par oppo-
sition à la multiplicité algébrique, qui est la multiplicité de λ comme racine de χA .

Proposition 22

p
Soit A ∈ Mn (K). On suppose que χA est scindé sur K et que χA = Π (X − λi )m .
i=1
i

Alors Sp K (A) = {λ1 , . . . , λp } et

p p
Π λmi
X
Tr (A) = mλi λi et det(A) = i
i=1
i=1

Si on note µ1 , . . . , µn les valeurs propres de A répétées avec leur multiplicité, alors

n n
Π µi
X
Tr (A) = µi et det(A) =
i=1
i=1

Démonstration. Comme χA est scindé et unitaire, on sait d’après les relations coefficients racines,
qu’en notant χA = X n + an−1 X n−1 + · · · + a0 , on a
n n
an−1 a0
Π
X
µi = − = −an−1 et µi = (−1)n = (−1)n a0
i=1
an i=1 a n

Or on a vu que an−1 = − Tr (A) et que a0 = (−1)n det(A), ce qui permet de conclure.

Exercice. Soit A ∈ Mn (C). On suppose que rg (A) = 1.

1. Quelles sont les multiplicités possibles de la valeur propre 0 ?
2. En déduire que χA = X n−1 (X − Tr (A)).
3. En déduire Sp (A).
4. Si Tr (A) 6= 0, donner la dimension des sous-espaces propres.

Exercice. Soit A ∈ Mn (K) une matrice nilpotente. Que vaut χA ?

J.Gärtner 132 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

2 Polynôme caractéristique d’un endomorphisme

Définition 12 (Polynôme caractéristique d’un endomorphisme)

On suppose que E est de dimension finie. Soit u ∈ L(E).

1. On appelle polynôme caractéristique de u et on note χu le polynôme caractéristique de
sa matrice écrite dans une base arbitraire. On a donc χu : t 7→ det(t Id E −u).
2. Soit λ ∈ K. Alors λ ∈ Sp (u) si et seulement si λ est racine de χu . On appelle multiplicité
de la valeur propre λ la multiplicité de λ comme racine de χu . On la note mλ .

Les propriétés vues pour les matrices dans la section précédente s’adaptent immédiatement aux
endomorphismes :

Proposition 23

On suppose que dim(E) = n > 1. Soit u ∈ L(E).

1. χu est unitaire, de degré n. Son coefficient de degré n − 1 est − Tr (u) et son coefficient
constant (autrement dit χu (0)) vaut (−1)n det(u).
2. Les racines de χu sont les valeurs propres de u et

1 6 dim(Eλ (u)) = dim(λ Id E −u) 6 mλ

3. Si E est un C-espace vectoriel, alors u admet au moins une valeur propre complexe et
χu est scindé.
4. u admet au plus n valeurs propres distinctes.
5. u admet au plus n valeurs propres comptées avec multiplicité : si Sp (u) = {λ1 , . . . , λp }
p
P
alors mλi 6 n.
i=1
p
6. Si χu est scindé, χu = Π (X − λi )m
i=1
λi
, alors Sp (u) = {λ1 , . . . , λp } et

p p
Π λmi
X
Tr (A) = mλi λi et det(u) = i
i=1
i=1

Si on note µ1 , . . . , µn les valeurs propres de u répétées avec leur multiplicité, alors

n n
Π µi
X
Tr (u) = µi et det(u) =
i=1
i=1

Exemple 21
   
a b d −c
Soit ϕ ∈ L(M2 (R)) défini par ϕ : 7→ . Déterminer le spectre de ϕ
c d −b a
ainsi que la multiplicité de ses racines.

Exercice. Soit E un R-espace vectoriel de dimension 2n + 1. Montrer que tout endomorphisme

de E admet au moins une valeur propre réelle.
Exercice. Soit E un C-espace vectoriel. Soit u, v ∈ L(E) tels que uv = vu. Montrer que u et v
ont au moins un vecteur propre en commun.

J.Gärtner 133 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

3 Théorème de Cayley-Hamilton
Théorème 3 (Cayley-Hamilton)

• Soit A ∈ Mn (K). Alors χA annule A.

• Si E est de dimension finie et que u ∈ L(E), alors χu annule u.

Non exigible. On note n = dim E > 1. On veut montrer que pour tout x ∈ E, χu (u)(x) = 0E .
• Si x = 0E c’est vrai car χu (u) est un endomorphisme.
• Si x 6= 0E , alors (x) est libre et (x, u(x), . . . , un (x)) est une famille de n + 1 vecteurs et est
donc liée. Il existe donc p ∈ N tel que (x, u(x), . . . , up−1 (x)) est libre et (x, u(x), . . . , up (x)) est
liée. Il existe a0 , . . . , ap−1 ∈ K tel que up (x) = ap−1 up−1 (x) + · · · + a1 u(x) + a0 x. On complète
(x, u(x), . . . , up−1 (x)) en une base de E. Dans cette base la matrice de u est de la forme
 
0 ... ... 0 a0 ? ... ?
. .. .. .. 
1 . .

. a1 . .
. . . .. 
 
0 . . . .. .. ..

   . 

A B . . . .
. . . .

= .
 . 0 ap−2 . .
0 C 0 . . . 0

 1 ap−1 ? . . . ? 
0 . . . . . . . . . 0 ? . . . ?
 
. .. .. .. 
 .. . . .
0 ... ... ... 0 ? ... ?
p−1
On a donc χu (λ) = χA (λ)χC (λ) et c’est un exercice classique de voir que χA (λ) = λp − ak λk .
P
k=0
p−1 p−1
 
Ainsi χu (u) = χC (u) ◦ up − ak uk mais up (x) − ak uk (x) = 0 donc χu (x) = χC (u)(0E ) =
P P
k=0 k=0
0.

Remarque. Même si ce résultat semble « évident » il faut prendre garde à ne pas raisonner en
substituant A à λ dans l’expression χA (λ) = det(λIn − A). C’est difficile à percevoir, mais dans
cette expression, λ est un nombre et A une matrice. On cherche à montrer que
χA (A) = 0Mn (K)
alors que det(A − A) = 0K : on  ne manipule
 pas les mêmes objets. Essayons de voir pourquoi sur
a b
une matrice de taille 2 : A = .
c d
λ−a −b
On a det(λI2 − A) = = λ2 − (a + d)λ + (ad − bc) (le coefficient de degré n − 1
−c λ−d
est bien − Tr (A) et celui de degré 0 est bien (−1)n det(A)).
Si on substituait A à λ dans le déterminant, on essayerait de calculer
A−a −b
−c A−d
Mais que faut-il comprendre ? Certains coefficients sont des matrices et d’autres des nombres ?
Comment définir un tel objet ? En revanche, il est possible de vérifier que A2 −(a+d)A+(ad−bc)I2 =
0M2 (K) ...
Exercice. Soit A ∈ GL n (K). Montrer qu’il existe P ∈ K[X] de degré n tel que A−1 = P (A).
Exercice. Soit A ∈ GL n (K). Montrer que A est triangulaire supérieure si et seulement si pour
tout k > 2, Ak est triangulaire supérieure. Donner un contre-exemple dans le cas où on ne suppose
plus A inversible Cherchez une matrice de rang 1 et de trace nulle.

J.Gärtner 134 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exercice. Montrer qu’il existe (a0 , . . . , an−1 ) ∈ Rn tel que

n−1
X
∀P ∈ Rn−1 [X], P (X + n) + ak P (X + k) = 0
k=0

IV Diagonalisation
Dans toute cette section, on suppose que E est de dimensiont finie n > 1.

1 Endomorphismes diagonalisables
Proposition (?) 24 (Diagonalisabilité des endomorphismes)

Soit u ∈ L(E). Les propositions suivantes sont équivalentes.

1. Il existe une base B de E dans laquelle MatB (u) est diagonale.
2. Il existe une base B de E constituée de vecteurs propres de u.
M
3. E = Eλ (u)
λ∈Sp (u)
P
4. dim(Eλ (u)) = n = dim(E).
λ∈Sp (u)

Démonstration.• 1 ⇒ 2 : Soit B = (e1 , . . . , en ) une base de E dans laquelle Mat B (u) = diag(λ1 , . . . , λn ).
Cela signifie que ∀i ∈ [[ 1 ; n ]] , u(ei ) = λi ei . Comme ces vecteurs sont des vecteurs d’une base, ils
sont non nuls et sont donc des vecteurs propres de u.
P
• 2 ⇒ 3 : On a vu que la somme Eλ (u) est directe (c.f. proposition 10) Il suffit donc de
λ∈Sp (u)
P P
montrer que Eλ (u) = E. On sait déjà que Eλ (u) est un sous-espace vectoriel de
λ∈Sp (u) λ∈Sp (u)
E. Soit B une base de E constituée de vecteurs propres de u. Alors tout vecteur est combinaison
P P
linéaire de vecteurs propres de u et donc E ⊂ Eλ (u) et E = Eλ (u). Finalement on
λ∈Sp (u) λ∈Sp (u)
M
a bien E = Eλ (u).
λ∈Sp (u)
M M
• 3 ⇔ 4 : on a Eλ (u) ⊂ E. On a donc E = Eλ (u) si et seulement si
λ∈Sp (u) λ∈Sp (u)

 
M X
dim  Eλ (u) = dim E ⇔ dim(Eλ (u)) = n = dim(E)
λ∈Sp (u) λ∈Sp (u)

• 3 ⇒ 1 : on utilise le théorème de recollement de bases. Tout vecteur non nul de Eλ (u)M

est un vecteur
propre de u associé à la valeur propre λ. Une base adaptée à la somme directe Eλ (u) est
λ∈Sp (u)
une base dans laquelle la matrice de u est diagonale.

Définition 13 (Endomorphisme diagonalisable)

Soit u ∈ L(E). On dit que u est diagonalisable lorsqu’une des propriétés de la proposition
précédente est vérifiée.

J.Gärtner 135 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Remarque. Si u est diagonalisable, et Sp (u) = {λ1 , . . . , λp }. Notons pour tout i ∈ [[ 1 ; p ]],

p
M
di = dim(Eλi (u)), et Bi une base de Eλi (u). Comme u est diagonalisable, alors E = Eλi (u) et
i=1
donc B = B1 ∪ · · · ∪ Bp est une base adaptée à cette décomposition de E. Dans ce cas on a
 
λ1 Id1 0 ... 0
 0 λ2 Id2 ... 0 
Mat B (u) =  .  = diag(λ1 , . . . , λ1 , λ2 , . . . , λp , . . . , λp )
 
.. .. ..
 .. . . .  | {z } | {z }
d1 fois dp fois
0 0 ... λp Idp
p
P
Remarque. Pour montrer que u est diagonalisable, il suffit de montrer que dim(Eλi (u)) >
i=1
dim(E) car l’autre inégalité est toujours vraie.

Exemple 22

Soit k ∈ K. L’homothétie x 7→ kx est diagonalisable.

Exemple 23

Soit F et G deux sous-espaces de E tels que E = F ⊕G. Le projecteur sur F parallèlement

à G et la symétrie par rapport à F parallèlement à G sont diagonalisables. Expliciter
leurs polynômes caractéristiques.

Contre-exemple 24

Soit u ∈ L(E) un endomorphisme nilpotent non nul. Alors u n’est pas diagonalisable.

Exercice. On considère l’application trace, définie sur Mn (K).

1. Déterminer dim Ker (Tr )
2. Montrer que Vect (In ) ⊕ Ker (Tr ) = Mn (K).

Mn (K) → Mn (K)
3. En déduire que Φ : est diagonalisable.
M 7→ −M + Tr (M )In

Proposition (?) 25 (CNS de diagonalisation)

Soit u ∈ L(E). L’endomorphisme u est diagonalisable si et seulement si

1. χu est scindé sur K et si
2. ∀λ ∈ Sp (u), dim(Eλ (u)) = mλ .

Démonstration.• ⇒ : Supposons u diagonalisable. Soit B une base de E constituée de vecteurs

propres de u. La matrice MatB (u) est alors diagonale. On note λ1 , . . . , λp les coefficients diagonaux
deux à deux distincts de A et di le nombre d’occurrences du scalaire λi . Alors
p
χu = Π (X − λi )d
i=1
i

J.Gärtner 136 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Donc χu est scindé et d1 + · · · + dp = n. Les valeurs propres de u sont les λi et on constate que

∀i ∈ [[ 1 ; p ]] , rg (A − λi In ) = n − di

donc d’après la formule du rang

∀i ∈ [[ 1 ; p ]] , dim Ker (λi In − A) = mλi = di

p
• ⇐ : on suppose que χu est scindé. On écrit χu = Π (X − λi )mλi avec les λi deux à deux distincts.
i=1
Pp
On sait alors, comme χu est de degré n, que mλi = n. Or on a vu (c.f. proposition 24, point 4)
i=1
P
que pour montrer que u était diagonalisable, il suffisait de montrer que dim(Eλ (u)) = n.
λ∈Sp (u)
p
P
Ici on sait que ∀i ∈ [[ 1 ; p ]] , dim(Eλi (u)) = mλi et que mλi = n. Ce qui permet de conclure
i=1
que u est diagonalisable.

Méthode 2

Pour étudier la diagonalisabilité d’un endomorphisme en utilisant la proposition précé-

dente, on détermine son polynôme caractéristique. Si il est scindé, on détermine ensuite
la dimension de ses sous-espaces propres en les explicitant, ou comme aperçu dans la
preuve ci-dessus en calculant rg (u − λ Id E ) = dim E − dim Eλ (u).

Exemple 25

Soit f ∈ L(R2 ) défini par f : (x, y) 7→ (x + y, y). Alors

Exemple 26
   
a b d −c
Soit ϕ ∈ L(M2 (R)) défini par ϕ : 7→ . Alors ϕ est
c d −b a

Exemple 27

Soit u ∈ L(E) de rang 1. Alors u est diagonalisable si et seulement si

Les propositions qui suivent ne sont que suffisantes elles sont donc à traiter avec une
logique éclairée.

Proposition 26 (Condition suffisante de diagonalisation)

Soit u ∈ L(E). Si u admet n = dim E valeurs propres distinctes, alors u est diagonali-
sable et dans ce cas ∀λ ∈ Sp (u), dim Eλ (u) = 1.

J.Gärtner 137 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Démonstration. Supposons que u admette n valeurs propres distinctes. D’après le point 2 de la

proposition 23, on sait que pour tout λ ∈ Sp (u) on a dim Eλ (u) > 1 donc
n
X n
X
dim Eλi (u) > 1=n
i=1 i=1

D’après la remarque 1, on en déduit que u est diagonalisable. De plus, comme on a toujours

Pn
dim Eλi (u) 6 n et dim Eλi (u) > 1, on a égalité si et seulement si ∀i ∈ [[ 1 ; n ]] , dim Eλi (u) =
i=1
1.

Corollaire 27

Soit u ∈ L(E). Si χu est scindé à racines simples, alors u est diagonalisable et dans ce
cas ∀λ ∈ Sp (u), dim Eλ (u) = 1.

Remarque. La réciproque de cette proposition est fausse. Pensez à l’application Id E qui est
diagonalisable (sa matrice est diagonale dans toutes les bases !) mais qui a pour polynôme carac-
téristique (X − 1)n et n’est donc pas à racines simples si n > 2.

Exercice. Soit f ∈ L(R2 ) défini par f (x, y) = (x, x + 2y). Cet endomorphisme est-il diagonali-
sable ?

Exercice. Soit u ∈ L(E) admettant n = dim E valeurs propres distinctes. Soit v ∈ L(E) tel que
uv = vu Montrer que v est diagonalisable et que u et v se diagonalisent dans une même base.

2 Matrices diagonalisables
Définition 14 (Matrice diagonalisable)

Une matrice A ∈ Mn (K) est dite diagonalisable lorsque l’endomorphisme canoniquement

associé u de L(Kn ) est diagonalisable.

Proposition 28 (Caractérisation de la diagonalisabilité)

Une matrice A est diagonalisable si et seulement si elle est semblable à une matrice
diagonale ; autrement dit si et seulement s’il existe P ∈ GL n (K) et une matrice diagonale
D ∈ Mn (K), tel que A = P DP −1 .

Démonstration. Soit u l’endomorphisme de Kn canoniquement associé à A. Soit Bc la bace ca-

nonique de Kn . Alors u est diagonalisable si et seulement s’il existe une base B de Kn telle que
D = MatB (u) soit diagonale. Deux matrices représentant un même endomorphisme dans des bases
différentes sont semblables : on peut affirmer que A est diagonalisable si et seulement s’il existe
P ∈ GL n (K) (matrice de passage de Bc vers B) telle que P −1 AP = D.

Remarque. Le proposition ci-dessus (et sa preuve) montrent que si E est un K-espace vectoriel
de dimension finie, B une base de E, et u ∈ L(E), alors u est diagonalisable si et seulement si
MatB (u) est diagonalisable.

J.Gärtner 138 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Proposition 29

Soit A ∈ Mn (K) une matrice diagonalisable avec Sp (A) = {µ1 , . . . , µn } où les valeurs
propres sont répétées selon leurs multiplicités, alors pour tout k ∈ N, Ak est diagonali-
sable et si P ∈ GL n (K) et D est diagonale telle que A = P DP −1 , alors

∀k ∈ N, Ak = P Dk P −1

Démonstration. C’est une récurrence.

Remarque. À l’aide de la proposition précédente, on en déduit que si A est diagonalisable et

µ1 , . . . , µn sont les valeurs répétées selon leurs multiplicités, alors pour tout k ∈ N on a
n
X
Sp (Ak ) = {µk1 , . . . , µkn } et Tr (Ak ) = µki
i=1

Le lien entre matrice et application linéaire donne :

Proposition 30 (Diagonalisabilité des matrices)

Soit A ∈ Mn (K). Les propositions suivantes sont équivalentes :

1. A est diagonalisable.
M
2. Mn,1 (K) = Eλ (A).
λ∈Sp (A)
P
3. dim(Eλ (A)) = n.
λ∈Sp (A)

4. χA est scindé et ∀λ ∈ Sp (A), dim(Eλ (A)) = mλ .

Dans ce cas, si Sp (A) = {λ1 , . . . , λp } et si pour i ∈ [[ 1 ; p ]], on note Bi une base de Eλi (A),
B = B1 ∪ · · · ∪ Bp la concaténation des Bi et P la matricede passage de la base canonique 
λ1 Id1 0 ... 0
 0 λ2 Id2 . . . 0 
Bc de Mn,1 (K) à B, alors A = P DP −1 avec D =  . ..  =
 
 .. ..
. . 
0 0 . . . λp Idp
diag(λ1 , . . . , λ1 , λ2 , . . . , λp . . . , λp ), où chaque λi est répété di = dim Eλi (A) fois.

 
1 ... 1
 .. ..  ∈ M (K) est-elle diagonalisable ?
Exercice. La matrice J =  . . n
1 ... 1
 
cos θ − sin θ
Exercice. Soit θ ∈ R et Rθ = . Est-elle diagonalisable sur R ? sur C ?
sin θ cos θ

Remarque. Si A ∈ Mn (R) est diagonalisable sur R, alors elle l’est aussi sur C.
 
1 0 0 a
0 1 0 0 
Exercice. Soit A =  0 0 1 0. Donner une condition nécessaire et suffisante sur a ∈ K pour


0 0 0 1
que la matrice A soit diagonalisable. On remarquera que ce résultat se généralise aux matrices
analogues de taille n.

J.Gärtner 139 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

 
1 a b c
0 1 d e 
Exercice. Soit B =  . Donner une condition nécessaire et suffisante pour que
0 0 −1 f 
0 0 0 −1
B soit diagonalisable.

Proposition 31 (Condition suffisante de diagonalisation)

Soit A ∈ Mn (K).
1. Si A admet n valeurs propres distinctes, alors A est diagonalisable et dans ce cas,
∀λ ∈ Sp (A), dim Eλ (A) = 1.
2. Si χA est scindé à racines simples, alors A est diagonalisable et dans ce cas, ∀λ ∈
Sp (A), dim Eλ (A) = 1.

 
1 −2 3 4
0 −4 2 1
Exercice. A =   est-elle diagonalisable ?
0 0 −1 5
0 0 0 2

 
0 0 0 d
1 0 0 c avec a, b, c, d ∈ K. Condition nécessaire et suffisante pour que
Exercice. Soit C =  0 1 0 b
0 0 1 a
A soit diagonalisable ?

Notons pour finir que nous verrons ultérieurement que toute matrice symétrique réelle est
diagonalisable... et que le
 résultat
 est faux pour les matrices symétriques complexes. On pensera
2 i
au contre-exemple A = . Cette matrice est symétrique complexe, et son polynôme carac-
i 0
téristique est χA = X 2 − 2X + 1. Cette matrice admet donc pour unique valeur propre 1. Si elle
était diagonalisable, on aurait l’existence de P ∈ GL 2 (C) tel que A = P I2 P −1 = I2 – ce qui n’est
pas le cas. On peut aussi
 bienentendu se contenter de vérifier que dim E1 (A) = 1 – par exemple
−1 −i
car rg (I2 − A) = rg = 1.
−i 1

3 Méthode pratique pour diagonaliser une matrice

Dans cette section, on présente l’aspect pratique, sur des endomorphismes ou des matrices
explicites.

J.Gärtner 140 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Méthode 3

Soit A ∈ Mn (K).
1. Commencer par calculer χA en utilisant des opérations élémentaires et en développant
par rapport aux lignes/colonnes afin d’obtenir une forme factorisée.
2. Si le polynôme caractéristique n’est pas scindé sur R, alors A n’est pas diagonalisable
sur R. Rq : sur R seulement...
3. Pour i ∈ [[ 1 ; p ]], déterminer les Eλi (A) ; si on demande a de diagonaliser déterminer une
base Bi de ces espaces en résolvant le système AX = λi X. Si pour tout i on trouve une
base contenant mi vecteurs (rappel : mi est la multiplicité de la racine λi de χA ), alors
A est diagonalisable ; sinon A n’est pas diagonalisable.
4. Dans le cas où A est diagonalisable, poser B concaténation des Bi . C’est une base de
diagonalisation. En écrivant les colonnes contenues dans les Bi côte à côte, on obtient la
matrice P de passage de la base canonique vers la base de diagonalisation B.
 
λd1 Id1 0 ... 0
 0 λ2 Id2 . . . 0 
5. On sait qu’on a alors P −1 AP = D avec D =  . ..  =
 
 .. ..
. . 
0 0 . . . λp Idp
diag(λ1 , . . . , λ1 , . . . , λp ) où chaque λi est répété di = dim Eλi (A) fois. Les λi appa-
raissent dans le même ordre que les vecteurs propres correspondants dans B.
6. Si on demande un calcul explicite (c.f. applications ci-dessous) il est nécessaire d’expli-
citer P −1 à l’aide de l’algorithme du Pivot.
a. Rappelons si la question posée n’est que de savoir si A est diagonalisable ou non, on peut déterminer
directement les dimensions des espaces propres à l’aide de la formule du rang et du rang de λi In − A.

ATTENTION ! Il ne faut pas se tromper dans ses formules de passage. On a bien dans la
méthode suivante A = P DP −1 et P −1 AP = D.

Exemple :  
0 1 −2
Diagonalisons la matrice A = 1 0 −2.
1 −1 0
• Soit t ∈ R. On a
t −1 2
χA (t) = −1 t 2 L1 ← L1 − L2
−1 1 t
t+1 −t − 1 0
= −1 t 2
−1 1 t
1 −1 0
= (t + 1) −1 t 2 C2 ← C2 + C1
−1 1 t
1 0 0
= (t + 1) −1 t−1 2
−1 0 t
t−1 2
= (t + 1)
0 t
= t(t + 1)(t − 1)
• La matrice A admet trois valeurs propres distinctes −1, 0 et 1 : elle est diagonalisable.

J.Gärtner 141 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

• Espaces propres
– Espace propre E0 (A) = Ker (A).

  
x1  x2 − 2x3 = 0
x2  ∈ E0 (A) ⇔ x1 − 2x3 = 0 L2 ← L2 − L3
x3 x1 − x2 = 0


 x2 − 2x3 = 0
⇔ x2 − 2x3 = 0
x1 − x2 = 0


x2 = 2x3
⇔
x1 − x2 = 0
   
x1 2α
⇔ ∃α ∈ R, x2  = 2α
x3 α

 
1
– Espace propre E−1 (A) = Ker (I3 + A). On trouve E−1 (A) = Vect 3 (faites le calcul...)
2
– Espace propre E1 (A) = Ker (A − I3 ). On cherche le noyau de la matrice

 
−1 1 −2
A − I3 =  1 −1 −2
1 −1 −1

 
1
Comme C1 + C2 = 0, on remarque que 1 est dans le noyau de A − I3 . Comme on sait déjà
0  
1
(valeurs propres distinctes) que ce noyau est de dimension 1, on en déduit que E1 (A) = Vect 1.
  0
2 1 1
– Ainsi on sait que si P = 2 3 1, alors
1 2 0

 
0 0 0
−1
P AP = 0 −1 0
0 0 1

– Si on a besoin pour des calculs ultérieurs (calcul de Ak par exemple), il faut calculer P −1 .

Exemple :
 
0 −1 2
Diagonalisons la matrice A = 0 1 0 .
1 1 −1

J.Gärtner 142 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

• Soit t ∈ R. On a

t 1 −2
χA (t) = 0 t−1 0 L1 ← L1 + L3
−1 −1 t+1
t−1 0 t−1
= 0 t−1 0
−1 −1 t+1
1 0 1
= (t − 1)2 0 1 0 C3 ← C3 − C1
−1 −1 t+1
1 0 0
= (t − 1)2 0 1 0
−1 −1 t+2
= (t − 1)2 (t + 2)

• Sp (A) = {1, −2}. La multiplicité de −2 est 1 et la multiplicité de 1 est 2.

• On sait donc que dim E−2 (A) = 1. La matrice A est diagonalisable si et seulement si dim E1 (A) =
2. Or  
−1 −1 2
rg (A − I3 ) = rg  0 0 0 =1
1 1 −2
Donc dim E1 (A) = 3 − 1 = 2 et A est diagonalisable.
• Espaces propres  
−1 −1 2
– Espace propre E1 (A) : on reprend l’expression de A − I3 =  0 0 0 . On remarque que
    1 1 −2
1 2
C1 − C2 = 0 et 2C1 + C3 = 0. Les vecteurs −1 et 0 sont donc des vecteurs propres de A
0 3
pour la valeur propre 1. De plus ces deux vecteurs sont linéairement indépendants : ils constituent
une base de E1 (A) :    
1 2
E1 (A) = Vect (−1 , 0)
0 3
– Espace propre E−2 (A) : on a  
2 −1 2
A + 2I3 = 0 3 0
1 1 1
 
1
On remarque que C1 − C3 = 0 donc que  0  ∈ E−2 (A). Comme on sait que cet espace est de
−1
dimension 1, on en déduit que  
1
E−2 (A) = Vect  0 
−1
 
1 2 1
• On sait donc qu’en posant P = −1 0 0 , alors
0 1 −1
 
1 0 0
P −1 AP = 0 1 0
0 0 −2

J.Gärtner 143 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

 
0 −3 0
• Ceux qui veulent peuvent calculer P −1 et trouveront en principe P −1 = 13 1 1 1 .
1 1 −2

Exemple 28
 
5 −6 2
On a vu à l’exemple 18 que si A = 3 −4 2, alors χA = (X − 1)(X − 2)2 . Or
2 −5 4
 
3 −6 2
A − 2I3 = 3 −6 2
2 −5 2

Comme les deux premières colonnes de A − 2I3 sont linéairement indépendantes, on sait
que rg (A−2I3 ) > 2. Ainsi dim E2 (A) = 3−rg (A−2I3 ) 6 1 ; en particulier dim E2 (A) 6= 2
et A n’est pas diagonalisable.

Attention ! Être diagonalisable ou non dépend du choix de K !

Exemple 29 (Différence entre R et C)

 
0 −1
La matrice A = est diagonalisable sur C car χA = X 2 + 1 est scindé à racines
1 0
simples dans C. En revanche ce polynôme n’est pas scindé dans R donc A n’est pas
diagonalisable dans R.

 
2/3 1/6 1/6
Exercice. Diagonaliser A = 1/6 2/3 1/6
1/6 1/6 2/3

 
4B B B
Exercice. Soit B ∈ Mn (R) une matrice diagonalisable. Montrer que C = 61  B 4B B  est
B B 4B
diagonalisable.

V Applications de la diagonalisation

1 Calcul des puissances d’une matrice

La remarque suivante est fondamentale : si A ∈ Mn (K) est diagonalisable, et si A = P BP −1
avec P ∈ GL n (K), alors

∀k ∈ N, Ak = P B k P −1

Ainsi, si B est une matrice diagonale, les calculs sont assez simples.

J.Gärtner 144 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 30
 
0 −1 2
Calculons les puissances de la matrice A = 0 1 0 . On a vu que Sp (A) =
    1 1 −1  
1 2 1
{1, −2}, que E1 (A) = Vect (−1 , 0) et que E−2 (A) = Vect  0 .
0 3  −1
1 2 1
On sait donc qu’en posant P = −1 0 0 , alors
0 1 −1
 
1 0 0
P −1 AP = 0 1 0
0 0 −2
 
0 −3 0
De plus, P −1 = 13 1 1 1 . Ainsi
1 1 −2

2 + (−2)n (−2)n − 1 2 − 2(−2)n

 
1
∀n ∈ N, An = P Dn P −1 =  0 3 0 
3
1 − (−2)n 1 − (−2)n 1 + 2(−2)n

 
2/3 1/6 1/6
Exercice. Soit A = 1/6 2/3 1/6.
1/6 1/6 2/3
1. Calculer Ak pour tout k.
2. Déterminer toutes les suites (an ), (bn ) et (cn ) telles que a0 = 1, b0 = 0 et c0 = 0 et

 an+1 = 4an +b6n +cn



∀n ∈ N, b = an +4b6n +cn
 n+1
cn+1 = an +bn6 +4cn

3. Dans le désert, un dromadaire erre entre trois points d’eau A, B et C. À l’instant t = 0, il se

trouve au point A. Il reste en un point avec probabilité 23 et part vers un des deux autres points
avec même probabilité 16 . Soit An (resp. Bn , Cn ) l’événement « l’animal est en A après sont n-ième
trajet » (resp B, C). On note an = P (An ), bn = P (Bn ) et cn = P (Cn ). Déterminer lim an ,
n→+∞
lim bn et lim cn . Interprétation ?
n→+∞ n→+∞

2 Suites récurrentes linéaires à coefficients constants

Soit p ∈ N∗ et a0 , . . . , ap−1 ∈ K. Considérons l’ensemble E des suites vérifiant la relation de
récurrence linéaire
∀n ∈ N, un+p = ap−1 un+p−1 + · · · + a1 un+1 + a0 un
On va généraliser une partie des résultats que vous avez vu l’année dernière pour p = 2.

Proposition 32

L’ensemble E est un K-espace vectoriel de dimension p.

J.Gärtner 145 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Démonstration. C’est un sous-espace vectoriel de KN (vérification laissée au lecteur) et

E −→ Kp

f:
u 7−→ (u0 , . . . , up−1 )

est une application linéaire, bijective car on sait d’après le cours sur les suites récurrentes que pour
tout (y0 , . . . , yp−1 ) ∈ Kp , il existe une unique suite (un ) telle que u0 = y0 , . . . , up−1 = yp−1 et
∀n ∈ N, un+p = ap−1 un+p−1 + · · · + a1 un+1 + a0 un . Donc dim E = dim Kp .
Pour essayer d’expliciter les un en fonction de n et des premiers termes u0 , . . . , up−1 , on re-
marque – et c’est une méthode à connaître – qu’en posant
 
un
Xn =  ...  ,
 

un+p−1
on a pour tout entier n :
   
un+1 un+1
 ..   .. 
Xn+1 = . = .  = AXn ,
   
un+p−1   un+p−1 
un+p a0 un + a1 un+1 + · · · + ap−1 un+p−1

où  
0 1 0
 .. .. .. 

 . . . 

A= .. .

 . 1 0 
 0 1 
a0 a1 ... ap−2 ap−1
n
Par récurrence, on montre que Xn = A X0 . Calculer le terme général de un , c’est calculer le
premier coefficient de Xn peut donc se faire en calculant les puissances de A. On va voir si A est
diagonalisable.

Proposition 33

Le polynôme caractéristique de A est

χA = X p − ap−1 X p−1 − · · · − a1 X − a0

Démonstration. Soit t ∈ K. On cherche à calculer

t −1 0
.. ..
0 t . .
χa (t) = det(tIp − A) = ..
. −1 0
t −1
−a0 −a1 ... −ap−2 t − ap−1

On développe par rapport à la dernière ligne. On note ∆k le mineur obtenu en supprimant la

dernière ligne et la k-ième colonne, colonnes que par commodité nous allons numéroter de 0 à
p − 1. On a
p−1
X
χA (t) = (−1)p+k+1 × (−ak ) × ∆k
k=0

Détaillons le calcul de ∆k :

J.Gärtner 146 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

• pour k = 0 on a
−1 0 ... 0
.. ..
t −1 . .
∆0 = = (−1)p−1
.. ..
0 . . 0
0 ... t −1
Ainsi (−1)p+1 × (−a0 ) × ∆0 = (−1)p+1 × (−a0 ) × (−1)p−1 = −a0 .
• pour k = 1 on a
t 0 ... ... 0
..
0 −1 0 .
∆1 = .. .. .. = (−1)p−2 t
. . .
t −1
0 . . . . . . t −1
Ainsi (−1)p+2 × (−a1 ) × ∆1 = (−1)p+1 × a1 × t(−1)p−2 = −ta1 .
• En procédant de même pour ∆k , on constate que (−1)p+k+1 × (−ak ) × ∆k = −ak tk ; en effet ∆k
est triangulaire inférieure, et sur sa diagonale il y a d’abord k coefficients égaux à t, puis p − 1 − k
coefficients égaux à −1.
Et donc en reportant, cela permet de conclure.
 
0 1 0
 .. .. .. 

 . . . 

Remarque. La matrice   ..  . s’appelle matrice compagnon du poly-
 . 1 0 
 0 1 
a0 a1 . . . ap−2 ap−1
nôme X p − ap−1 X p−1 − · · · − a1 X − a0 qui est son polynôme caractéristique. Cela est utile pour
construire une matrice en imposant son polynôme caractéristique.

Définition 15

L’équation
rp = ap−1 rp−1 + · · · + a1 r + a0
est appelée équation caractéristique de la récurrence linéaire

un+p = ap−1 un+p−1 + · · · + a1 un+1 + a0 un

Supposons que l’équation caractéristique admette p racine distinctes, que l’on note r1 , . . . , rp .
Alors A est semblable à la matrice D = diag(r1 , . . . , rp ) et on peut calculer simplement les puis-
sances de A, puis An X0 donc son premier coefficient un . Or les coefficients de An sont alors des
combinaisons linéaires des rkn , donc on en déduit que la suite (un ) est combinaison linéaire des
(rkn )n . Ainsi E ⊂ Vect ((r1n )n , . . . , (rpn )n ). Mais l’inclusion réciproque est vraie car chacune des
suites géométriques (rkn )n est dans E. On a donc trouver une famille génératrice de p vecteurs de
E qui est de dimension p. C’est une base de E. Finalement on a montré :

Théorème 4

Si l’équation caractéristique de la récurrence linéaire d’ordre p admet p racines distinctes

r1 , . . . , rp , alors
p
X
∀(un ) ∈ E, ∃!(λ1 , . . . , λp ) ∈ Kp , ∀n ∈ N, un = λk rkn
k=1

J.Gärtner 147 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Plus précisément, on détermine λ1 , . . . , λp à l’aide des premiers termes de la suite car l’égalité

p
X
∀n ∈ N, un = λk rkn
k=1

donne en particulier pour n ∈ [[ 0 ; p − 1 ]] le système d’inconnue les λk :

λ1 r10 λp rp0

 + ... + = u0
..

.
λ1 r1p−1

+ ... + λp rpp−1 = up−1


La matrice de ce système est la matrice de Vandermonde de (r0 , . . . , rp−1 ). Comme les rk sont
deux à deux distincts par hypothèse, ce système est inversible et a une unique solution.

Remarque. Dans le cas où l’équation caractéristique n’a pas p solutions simples, la matrice A
n’est pas diagonalisable (on pourrait à titre d’exercice chercher à montrer que quoiqu’il arrive que
les espaces propres de A sont tous de dimension 1)

Exemple 31

Déterminer toutes les suites réelles (un ) telles que

∀n ∈ N, un+3 = 2un+2 + un+1 − 2un

3 Systèmes différentiels homogènes à coefficients constants

Cette section est au programme sans y être... elle est mentionnée dans la partie « architecture
et structure du programme », page 4 du programme officiel, avant-dernier paragraphe.

Définition 16 (Dérivation de fonctions vectorielles)

 
y1 (t)
Soit Y : I → Mn,1 (K) une fonction. On note Y : t 7→  ... . On dira que Y est
 

yn (t)
dérivable sur I lorsque pour tout i ∈[[ 1 ; n  ]] la fonction yi est dérivable sur I. Dans ce
y10 (t)
cas, on note pour tout t ∈ I Y 0 (t) =  ... .
 

yn0 (t)

En fin d’année on étudiera la dérivabilité des fonctions à valeurs vectorielle. Pour le moment,
on peut admettre que les opérations usuelles se généralisent et se justifient en revenant à l’étude
des fonctions « coordonnées », à savoir les yi ci-dessus. On a en particulier le résultat suivant :
Soit A ∈ Mn (R) et Y : I → Mn,1 (K) une fonction dérivable en t0 . Alors t 7→ AY (t) est
dérivable en t0 et (AY )0 (t0 ) = AY 0 (t0 ).

J.Gärtner 148 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Définition 17 (Système différentiel)

Un système différentiel homogène à coefficients constants est une équation du type

X 0 (t) = AX(t)

où A ∈ Mn (K).
Une solution de ce système différentiel est une fonction X : I → Mn,1 (K) dérivable,
vérifiant ∀t ∈ I, X 0 (t) = AX(t)

On admettra le résultat suivant :

Théorème 5 (Théorème de Cauchy)

Soit (E) : X 0 (t) = AX(t) un système différentiel homogène. Pour tout t0 ∈ I et tout
X0 ∈ Mn,1 (K), il existe une unique solution de (E) vérifiant la condition initiale X(t0 ) =
X0 .

il en résulte par exemple :

Théorème (?) 6

L’ensemble SH des solutions d’un système différentiel homogène est un espace vectoriel
de dimension n. En particulier, pour tout t0 ∈ I, l’application

SH −→ Mn,1 (K)
Φ:
X 7−→ X(t0 )

est un isomorphisme entre SH et Mn,1 (K).

De plus, si X1 , . . . , Xn sont des solutions de ce système, les trois assertions suivantes sont
équivalentes :
1. La famille (X1 , . . . , Xn ) est une base de SH .
2. Il existe un réel t0 ∈ I tel que la famille de vecteurs (X1 (t0 ), . . . , Xn (t0 )) soit une base
de Mn,1 (K).
3. Pour tout réel t0 ∈ I, la famille de vecteurs (X1 (t0 ), . . . , Xn (t0 )) est une base de
Mn,1 (K).

Démonstration. D’après le théorème de Cauchy, l’application Φ est bijective. Comme cette appli-
cation est linéaire, c’est un isomorphisme. On en déduit que dim SH = dim Mn,1 (K) = n.
Montrons l’équivalence entre les trois assertions.
• 3)⇒ 2) : évident.
• 2)⇒ 1) : Soit t0 ∈ I tel que (X1 (t0 ), . . . , Xn (t0 )) soit une base de Mn,1 (K). Montrons que
(X1 , . . . , Xn ) est libre. Comme c’est une famille de n vecteurs de l’espace SH qui est de dimension n,
cela suffit pour affirmer que c’est une base de SH . Soit λ1 , . . . , λn ∈ K tels que λ1 X1 +· · ·+λn Xn =
0 (égalité avec la fonction nulle). Alors en particulier λ1 X1 (t0 ) + · · · + λn Xn (t0 ) = 0. Or on a
supposé que la famille (Xi (t0 )) était libre, donc ∀i, λi = 0.
• 1) ⇒ 3) : Supposons que (X1 , . . . , Xn ) est une base de SH . Soit t0 ∈ I. Pour montrer que
(X1 (t0 ), . . . , Xn (t0 )) est une base de Mn,1 (K) il suffit de montrer que c’est une famille libre car
elle est constituée de n vecteurs. Soit λ1 , . . . , λn ∈ K tels que λ1 X1 (t0 ) + · · · + λn Xn (t0 ) = 0. Soit
X = λ1 X1 + · · · + λn Xn . Cette fonction est solution de (H) et vérifie que X(t0 ) = 0. Elle satisfait
donc le même problème de Cauchy (équation et condition initiale) que la fonction nulle. Par unicité

J.Gärtner 149 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

dans le théorème de Cauchy, on en déduit que X est la fonction nulle. Comme (X1 , . . . , Xn ) est
libre, tous les λi sont nuls puis (X1 (t0 ), . . . , Xn (t0 )) est une base de Mn,1 (K).

Remarque. On remarquera l’usage crucial du théorème de Cauchy. En général, si les fonctions

(f1 , . . . , fn ) sont indépendantes à valeurs vectorielles, les vecteurs (f1 (t0 ), . . . , fn (t0 )) n’ont pas de
raison d’être indépendants.

On remarquera que l’ensemble des solutions d’un système différentiel homogène à coefficient
constant est un sous-espace vectoriel de l’ensemble des fonctions dérivables de I vers Mn,1 (K) qui
est de dimension n.

Proposition 34

Soit C un vecteur propre de la matrice A, associé à la valeur propre λ. Alors la fonction

X : t 7→ eλt C est une solution du système X 0 = AX.

Démonstration. En effet, si t ∈ R on a

X 0 (t) = λeλt C = eλt · |{z}

λC = A × (eλt · C) = AX(t)
=AC

Dans le cas où la matrice A est diagonalisable, cela permet de résoudre complètement le système
différentiel.

Théorème 7 (Cas où A est diagonalisable)

On suppose que la matrice A est diagonalisable. Notons (C1 , . . . , Cn ) une base de vecteurs
propres de A. On note λk la valeur propre associée au vecteur propre Ck . Pour tout
k ∈ [[ 1 ; n ]], on note
Xk : t 7→ eλk t · Xk
Alors la famille (X1 , . . . , Xn ) est une base de l’ensemble des solutions du système diffé-
rentiel X 0 (t) = AX(t).

Démonstration. On sait déjà que chaque Xk est solution du système différentiel. Comme c’est une
famille de n fonctions d’un espace vectoriel de dimension n, il suffit de vérifier que cette famille est
libre. Les vecteurs

X1 (0) = C1 , . . . , Xn (0) = Cn

sont linéairement indépendants par hypothèse, et on a vu que cela suffisait pour affirmer que la
famille de fonctions (X1 , . . . , Xn ) était libre.

J.Gärtner 150 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Exemple 32 (Cas diagonalisable)

 
0 1 −2
Soit A = 1 0 −2. On cherche à résoudre le système différentiel X 0 = AX. Le
1 −1 0
polynôme caractéristique de A est χA = X(X +1)(X −1) qui est scindé à racines simples.
Donc A est diagonalisable et on trouve que
     
2 1 1
C1 = 2 , C2 = 1 , C3 = 3
1 0 2

sont des vecteurs propres associés respectivement à 0, 1 et −1. Comme (C1 , C2 , C3 ) est
une base de vecteurs propres de A, on a

2α + βet + γe−t
 

S = {t 7→ αe0t C1 + βet C2 + γe−t C3 = 2α + βet + 3γe−t }

α + 2γe−t

Mais pourquoi
 celafonctionne ainsi ? Si on diagonalise explicitement la matrice ci-dessus, en
2 1 1
posant P = 2 1 3, on est amené à effectuer le changement de variable Y (t) = P −1 X(t) dans
1 0 2
le système différentiel. On a X(t) = P Y (t) donc X 0 (t) = P Y 0 (t) et le système, qui s’écrit

P Y 0 (t) = AP Y (t)

devient
Y 0 (t) = P −1 AP Y (t) = DY (t)
 
0 0 0
avec D = 0 1 0 . Autrement dit
0 0 −1
 0
 y1 (t) = 0
y 0 (t) = y2 (t)
 20
y3 (t) = −y3 (t)
Bref on a décorrélé les les variables. Les solutions Y sont de la forme
 
α
y 7→ Y (t) =  βet 
γe−t

et les solution du système qui nous intéresse les X : t 7→ P Y (t) qui redonne les solutions trouvées
par la méthode précédente.
Remarquons au passage qu’à aucun moment on n’a besoin de calculer P −1 ! C’est avec
ce type d’exemple, pour des systèmes linéaires, qu’on vous a surement expliqué en PCSI l’intérêt
de cette formule de changement de base X = P Y ! Enfin, on n’a pas besoin de calculer P −1 tant
que le système est homogène.
 0
x = x + 4y + t
Exercice. Résoudre .
y0 = x + y + 1
 0
x = x + y + et
Exercice. Résoudre 0 .
y = −2x + 4y
 0
x = x + y
Exercice. Résoudre . avec x(0) = 2 et y(0) = −2.
y 0 = −2x + 4y

J.Gärtner 151 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

 
2 1 0
Exercice. Résoudre X 0 (t) = AX(t) lorsque A =  1 3 −1.
−1 2 3

VI Diagonalisation et polynôme annulateur

Attention aux dangers de cette section, en particulier aux confusions entre le polynôme carac-
téristique et un polynôme annulateur quelconque.

Théorème 8

• Un endomorphisme u ∈ L(E) d’un espace de dimension finie est diagonalisable si et

seulement s’il admet un polynôme annulateur scindé à racines simples.
• Une matrice A ∈ Mn (K) est diagonalisable si et seulement si elle admet un polynôme
annulateur scindé à racines simples.

Démonstration. (Non exigible)

p
• Si u est diagonalisable, soit λ1 , . . . , λp ses valeurs propres distinctes. On pose P = Π (X − λk ).
k=1

Lp de la proposition ci-dessous) que P

On va vérifier (on fait d’une manière différente dans la preuve
annule u. Soit x ∈ E. Comme u est diagonalisable, E = k=1 Eλk (u). On écrit x = x1 + · · · + xp
où xk ∈ Eλk (u). Soit k ∈ [[ 1 ; p ]] et Q tel que P = (X − λk )Q. Alors P (u)(xk ) = Q(u) ◦ (u −
λk Id E )(xk ) = Q(u)(0E ) = 0 donc par linéarité P (u)(x) = 0, et ce pour tout x ∈ E donc
P (u) = 0L(E) .
• Soit P un polynôme annulateur de u, scindé à racines simples notées λ1 , . . . , λq . On note (L1 , . . . , Lq )
q
la base des polynômes de Lagrange associés. On rappel que Lk = Π X−λi
i=1 λk −λi
. Si Q ∈ Kq−1 [X] on a
i6=k
q
P
Q= Q(λk )Lk et on se rappelle (avec Q = 1) que
k=1

q
X
1= Lk
k=1

Ceci donne la relation entre polynômes d’endomorphismes :

q
X
Id E = Lk (u)
k=1

q
P
donc E = Im Lk (u).
k=1
Or Im Lk (u) ⊂ Ker (u − λk Id E ). En effet il suffit pour montrer cela de voir que (u − λk Id E ) ◦
Lk (u) = 0. Mais on a
(u − λk Id R ) ◦ Lk (u) = ((X − λk )Lk )(u)
q
Or la factorisation de Lk = Π X−λ
i=1 λ −λ
k
i
i
montre que P et (X − λk )Lk sont deux polynômes associés
i6=k
(ils ont mêmes racines distinctes et même degré...) donc il existe α ∈ K tel que (X − λk )Lk = αP
et (u − λk Id E ) ◦ Lk (u) = αP (u) = 0 car P annule u.
Pq q
P
Finalement on a E = Im Lk (u) ⊂ Ker (u − λk Id E ) ⊂ E donc
k=1 k=1

q
X
E= Ker (u − λk Id E )
k=1

J.Gärtner 152 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Dans cette somme, certains sous-espaces sont {0E } (ceux pour lesquels λk n’est pas une valeur
propre de u. En les enlevant de la somme, on voit que l’on a décomposé E comme somme de
sous-espaces propres de u, qui est donc diagonalisable.

Attention ! l’équivalence est

u diagonalisable ⇔ ∃P ∈ K[X], s.r.s. P (u) = 0L(E)

Si on souhaite écrire sa négation, on écrira

u n0 est pas diagonalisable ⇔ ∀P ∈ K[X], s.r.s. P (u) 6= 0L(E)

Ce qui n’est pas pratique à vérifier !

Exemple 33
 
1 ... 1
 .. ..  ∈ M (K). On a J 2 = nJ donc X 2 − nX annule J. Comme
Soit J =  . . n
1 ... 1
n 6= 0, X 2 − nX = X(X − n) est scindé à racines simples : J est donc diagonalisable.
On remarquera que cette matrice est de rang 1, on peut donc facilement
  voir que 0 est
1 1
valeur propre de multiplicité au moins n − 1. Comme J  ...  = n  ... , on peut conclure
   

1 1
sans parler de polynôme annulateur.

En revanche, si A est une matrice nilpotente non nulle, dire que A est annulée par X p qui n’est
pas scindé à racines simples ne permet pas de conclure que A n’est pas diagonalisable.

Exemple 34
 
1 2
Soit A = . Montrer que (X − 1)2 (X − 2) annule A mais A est diagonalisable.
0 2

La caractérisation ci-dessus est utile dans des situations théoriques comme par exemple :

Proposition 35

Soit u ∈ L(E) et F un sous-espace vectoriel de E. Si u est diagonalisable et F est stable

par u, alors l’endomorphisme induit uF par u sur F est diagonalisable.

Démonstration. Soit G un supplémentaire de F dans E et soit B = BF ∪BG une base de E adaptée

à la décomposition E = F ⊕G. On  suppose que F 6= {0E } et F 6= G. Alors dans la base B la
A B
matrice de u est de la forme où A est la matrice de uF dans BF . Soit P un polynôme
0 C  
P (A) ?
annulateur scindé à racines simples de u. On vérifie que P (u) = 0L(E) a pour matrice
0 ?
dans B donc que P (A) = 0 puis que P annule uF . Comme uF est annulé par un polynôme scindé
à racines simples, uF est diagonalisable.

J.Gärtner 153 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Lp
On en déduit par exemple que si E = k=1 Fk où tous les Fk sont stables par u, alors u est
diagonalisable ssi tous les uFk sont diagonalisables.
On a vu ci-dessus que la caractérisation n’était pas pratique pour manipuler les endomorphismes
non diagonalisables. On peut néanmoins manipuler, parmi les polynômes en u, un polynôme par-
ticulier :

Proposition 36

Soit u un endomorphisme admettant au moins une valeur propre. Alors u est diagonali-
sable si et seulement s’il admet Π
λ∈Sp (u)
(X − λ) pour polynôme annulateur.

Remarque. Π
λ∈Sp (u)
(X − λ) est dans un polynôme scindé à racines simples.

Démonstration. Il est conseillé d’écrire la démonstration avec deux valeurs propres distinctes pour
se convaincre.  
λ1 . . . 0
• Si u est diagonalisable, il existe une base dans laquelle sa matrice est D = 
 ..  où

.
0 . . . λp
Sp (u) = {λ1 , . . . , λp } et les valeurs propres sont répétées autant de fois que leur multiplicité :

D = diag(λ1 Im1 , . . . , λp Imp )

Notons pour tout k ∈ [[ 1 ; p ]], Pk = (X − λk ). On a

Pk (D) = diag((λ1 − λk )Im1 , . . . , (λp − λk )Imp )

p
il y a donc un bloc nul en k-ème position. Ainsi, si P = Π
λ∈Sp (u)
(X − λ) = Π Pk on a en effectuant
k=1
le produit par blocs
p
P (D) = Π (D − λk In ) = 0
k=1

et P est bien un polynôme annulateur.

• Réciproquement, si Π
λ∈Sp (u)
(X − λ) annule u, alors u est annulé par un polynôme scindé à racines
simples donc est diagonalisable.

Exemple 35


1 2
On reprend l’exemple ci-dessus : A = . On voit que le polynôme (X − 1)(X − 2)
0 2
est annulateur (et scindé à racines simples) donc que A est diagonalisable.

Exemple 36
 
1 0 0
Soit A = 0 2 1. On voit que le polynôme (X − 1)(X − 2) n’est pas annulateur de
0 0 2
A donc que A n’est pas diagonalisable.

J.Gärtner 154 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

VII Trigonalisation
E est toujours un espace vectoriel de dimension finie n > 1.

1 Endomorphismes et matrices trigonalisables

Dans cette section, on énonce les résultat pour les endomorphismes et pour les matrices en
même temps.

Définition 18 (Endomorphisme et matrice trigonalisable)

1. Soit u ∈ L(E). On dit que u est trigonalisable lorsqu’il existe une base B de E dans
laquelle MatB (u) est triangulaire supérieure.
2. Soit A ∈ Mn (K). On dit que A est trigonalisable lorsqu’elle est semblable à une matrice
triangulaire supérieure. Autrement dit lorsqu’il existe P ∈ GL n (K) telle que
 
λ1 ? . . . ?
 0 λ2 . . . ? 
P −1 AP =  .
 
. .. . . .. 
. . . . 
0 0 . . . λn

Attention aux changements de base, si T est triangulaire supérieure et P −1 AP = T , alors

A = P T P −1 .
 
λ1 ? . . . ?
 0 λ2 . . . ? 
Remarque. Si A est semblable à  . , alors les λi sont les valeurs propres de A
 
.. . . ..
 .. . . . 
0 0 ... λn
répétées avec leurs multiplicités :
n
χA = Π (X − λk )
k=1
et Sp (A) = {λ1 , . . . , λn }

Remarque.1. Comme pour la diagonalisation, être trigonalisable ou non dépend du choix de K.

2. Si u (resp. A) est diagonalisable, alors u (resp. A) est trigonalisable.
3. Comme pour le cas de la diagonalisation, si B est une base de E et u ∈ L(E), alors u est
trigonalisable si et seulement si MatB (u) est trigonalisable.
4. En particulier A ∈ Mn (K) est trigonalisable si et seulement si l’endomorphisme canoniquement
assicié à A l’est.
Théorème (?) 9

1. L’endomorphisme u ∈ L(E) est trigonalisable (sur K) si et seulement si χu est scindé

(sur K).
2. La matrice A ∈ Mn (K) est trigonalisable si et seulement si χA est scindé.

Démonstration. (Non exigible)

• ⇒ : Si u est trigonalisable. Soit B une base de E de trigonalisation, autrement dit telle que
 
λ1 ? . . . ?
 0 λ2 . . . ? 
MatB (u) =  .
 
.. . . .. 
 .. . . . 
0 0 . . . λn

J.Gärtner 155 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Alors
t − λ1 ? ... ?
0 t − λ2 ... ? n
χu (t) = .. .. .. .. = Π (t − λi )
. . . . i=1

0 0 . . . t − λn
qui est scindé sur K.
La remarque précédent le théorème fait le lien entre le résultat que l’on vient de montrer pour les
endomorphismes et les matrices.
• ⇐ : Par récurrence sur la dimension de E (ou, pour le cas matriciel, la taille de la matrice). Pour
n ∈ N∗ , on définit :
P(n) : « pour tout K-espace vectoriel E de dimension n et tout endomorphisme u de E, si χu
est scindé, alors u est trigonalisable et pour tout A ∈ Mn (K), si χA est scindé, alors A est
trigonalisable. »
– Initialisation : le cas n = 1 est clair car toute matrice de taille 1 est par définition triangulaire
supérieure.
– Hérédité : soit n ∈ N∗ . On suppose P(n). Soit E un K-espace vectoriel de dimension n + 1, et
u ∈ L(E) tel que χu soit scindé. Alors χu admet au moins une racine, que l’on note λ1 .
On en déduit que λ1 est valeur propre de u : il existe donc e1 ∈ E r {0} tel que u(e1 ) = λ1 e1 .
Comme e1 6= 0E , la famille (e1 ) est libre et on peut la compléter en une base (e1 , . . . , en+1 ) de
E. Alors la matrice de u dans B est triangulaire par blocs :
 
λ1 L
A = MatB (u) =
0 M1

avec L ∈ M1,n (K) et M1 ∈ Mn (K). Dans ce cas

t − λ1 −L
χA (t) = = (t − λ1 ) det(tIn − M1 ) = (t − λ1 )χM1 (t).
0 t − M1

Comme χA est scindé, alors χM1 aussi (c’est une conséquence du théorème de factorisation en
produit de polynômes irréductibles).
Par hypothèse de récurrence, il existe P ∈ GL n (K) tel que P −1 M1 P =  T avec T triangulaire
1 0
supérieure. On définit alors par blocs la matrice suivante : Q = ∈ Mn+1 (K). Cette
0 P
 
1 0
matrice est inversible et, comme on l’a vu lors du chapitre sur les matrices, Q−1 = .
0 P −1
Ainsi
       
−1 1 0 λ1 L 1 0 λ1 LP λ1 LP
Q AQ = = = .
0 P −1 0 M1 0 P 0 P −1 M1 P 0 T

Donc A est trigonalisable et on en déduit que u aussi (c.f. remarque précédent le théorème).
Pour être tout à fait cohérent avec notre propriété de récurrence, il nous faut encore affirmer que si
A est une matrice de taille n+1 a son polynôme caractéristique scindé, alors l’endomorphisme uA
de Kn+1 canoniquement associé à A aussi, et donc (on vient de le montrer), uA est trigonalisable,
ce qui montre que A est trigonalisable. Ceci achève la récurrence.

Corollaire 37 (Trigonalisation dans C)

1. Tout endomorphisme d’un C-espace vectoriel est trigonalisable (dans C).

2. Toute matrice de Mn (C) est trigonalisable (dans C).

Démonstration. C’est immédiat sachant que tout polynôme non constant de C[X] est scindé sur
C.

J.Gärtner 156 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Remarque. Si A ∈ Mn (R), alors A est trigonalisable dans C. Cela signifie qu’il existe P ∈
GL n (C) et T ∈ Mn (C) une matrice triangulaire supérieure, telles que P −1 AP = D. En revanche,
si χA ∈ R[X] n’est pas scindé sur R, alors il n’existe pas de couple (Q, U ) ∈ GL n (R) × Mn (R)
avec U triangulaire supérieure tel que Q−1 AQ = U .
 
λ1 0 . . . 0
 λ2 . . . 0 
Exercice. Si B =  . .  ∈ Mn (K), montrer que B est trigonalisable.
 
.. . .
 .. . . .. 
∗ ... λn
Exercice. Soit A ∈ Mn (R) tel que A2 + A + In = 0.
1. Résoudre dans C l’équation z 2 + z + 1 = 0.
2. Déterminer Tr A et det A.
Exercice. Soit A ∈ Mn (K) nilpotente. Déterminer χA puis det(In + A).
Remarque. Soit A ∈ Mn (K). On a vu proposition 22 que si χA est scindé sur K, alors Tr (A)
était la somme de ses valeurs propres et det(A) le produit de ses valeurs propres. Si on considère
A comme une matrice de Mn (C), alors χA est scindé : Tr (A) est la somme de ses valeurs propres
(complexes). Par ailleurs, comme A est alors trigonalisable dans C, on a l’existence de P ∈ GL n (C)
telle que  
λ1 ? . . . ?
 0 λ2 . . . ? 
P −1 AP =  . . =T
 
.. . .
 .. . . .. 
0 0 ... λn
Or par récurrence on a pour tout k ∈ N,
λk1
 
? ... ?
0 λk2 ... ? 
Ak = P T k P −1
 −1
=P . P

.. .. ..
 .. . . . 
0 0 ... λkn

Ainsi les valeurs propres de Ak sont les λki et en particulier

n
X
Tr (Ak ) = λki
i=1

Exemple 37

Soit A ∈ Mn (K) telle que Sp (A) = {λ1 , . . . , λp }. Si p > 2, on suppose que ∀i ∈

[[ 1 ; p − 1 ]] , |λi | < |λp |. Alors

Tr (Ak+1 )
lim = λp
k→+∞ Tr (Ak )

k+1
Ainsi, en calculant TrTr(A(Ak ) ) pour k « grand », on a une valeur approchée de λp . C’est
une méthode utilisée en analyse numérique matricielle pour déterminer la valeur propre
de plus grand module d’une matrice.

Exercice. Soit E un C-espace vectoriel de dimension n et u ∈ L(E). On suppose que

Tr (u) = Tr (u2 ) = · · · = Tr (un ) = 0.

Montrer que Sp (u) = {0} puis que u est un endomorphisme nilpotent.

J.Gärtner 157 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

2 Étude pratique d’une trigonalisation

La technique générale de trigonalisation n’est pas au programme. Pour trigonaliser une matrice,
vous serez toujours guidés.
 
0 1
Exemple Soit r ∈ K et A = . On a
−r2 2r
χA = X 2 − 2rX + r2 = (X − r)2
donc A admet r comme valeur propre de multiplicité 2. Si la dimension de Er (A) était égale à 2,
on aurait A semblable à rI2 , donc égale à rI2 , ce qui n’est pas le cas. La matrice A n’est donc pas
diagonalisable. Notons f l’endomorphisme canoniquement associé à A. On a
   
−r 1 1
Er (A) = Ker (A − rI2 ) = Ker = Vect
−r2 r r
Soit alors ε1 = (1, r). On complète ce vecteur ε1 en une base de K2 en posant par exemple
ε2 = (0, 1) ; on vérifie que (ε1 , ε2 ) est libre donc constitue une base de K2 . On calcule
       
0 1 1 0
A = = +r
1 2r r 1
donc
f (ε2 ) = ε1 + rε2
et  
r 1
Mat(ε1 ,ε2 ) (f ) = = P −1 AP
0 r
 
1 0
où P = .
r 1
 
5 −6 2
Exemple Si on reprend l’exemple de la matrice A = 3 −4 2 vu à l’exemple 18. On vu
2 −5 4
que χA = (X − 1)(X − 2)2 et que A n’était pas diagonalisable. Comme χA est scindé, A est
trigonalisable. Soit f l’endomorphisme canoniquement associé   à A.  
1 1
• On sait que E1 (A) est de dimension 1. On remarque que A 1 = 1 (ou on explicite Ker (A −
1 1
I3 ) si on ne le voit pas !) donc en posant ε1 = (1, 1, 1), on a
E1 (f ) = Vect (ε1 ).
• On a aussi vu que E2 (A) était de dimension 1 (on a déterminé la dimension pour montrer que A
n’était pas diagonalisable). Comme
 
3 −6 2
A − 2I3 = 3 −6 2
2 −5 2
on remarque que sur cette matrice 2C1 + 2C2 + 3C3 = 0 donc que ε2 = (2, 2, 3) ∈ E2 (f ) puis que
E2 (f ) = Vect (ε2 ).
• La famille (ε1 , ε2 ) est une base adaptée à E1 (f ) ⊕ E2 (f ) donc est libre. On la complète en une
base B = (ε1 , ε2 , ε3 ) de K3 . Alors
 
1 0 ∗
MatB (f ) = 0 2 ∗
0 0 ∗
Ainsi, quelque soit le choix de ε3 , la matrice de f dans la base B sera triangulaire supérieure.

J.Gärtner 158 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

Remarquons que l’on peut préciser un peu les choses. Comme Tr (A) = 5 et que la trace est
invariante par similitude, le dernier coefficient de la diagonale de MatB (f ) est 2 et ce, pour tout
choix que l’on fera de ε3 tel que (ε1 , ε2 , ε3 ) soit une base de K3 .

Remarque. Pour trigonaliser complètement la matrice de l’exemple précédent, il faut savoir com-
pléter une famille libre en une base. D’après le théorème de la base incomplète (c.f. cours
de PCSI !) cela peut se faire à l’aide d’un ou plusieurs vecteurs d’une famille génératrice connue.
Si l’on souhaite poursuivre l’exemple on peut par exemple remarquer que ε3 = (1, 0, 0) convient
(mais que (0, 0, 1) = ε2 − 2ε1 ne conviendrait pas !) Pour finir de trigonaliser, avec ce choix de ε3 ,
on peut :    
1 2 1 0 3 −2
• Soit poser P = 1 2 0, calculer P −1 = 0 −1 1  et vérifier que
1 3 0 1 −1 0
 
1 0 5
P −1 AP = 0 2 −1
0 0 2

• Soit chercher a et b tels que

f (ε3 ) = aε1 + bε2 + 2ε3 .
Il suffit donc de calculer f (ε3 ) − 2ε3 que l’on cherche à exprimer comme combinaison linéaire de
ε1 et ε2 . On a
          
1 3 −6 2 1 3 1 2
(A − 2I3 ) 0 = 3 −6 2 0 = 3 = 5 1 − 2
0 2 −5 2 1 2 1 3

ce qui montre que f (ε3 ) − 2ε3 = 5ε1 − ε2 et donc que

 
1 0 5
Mat(ε1 ,ε2 ,ε3 ) (f ) = 0 2 −1 .
0 0 2

Attention ! avec cette méthode, il faut prendre garde qu’il est nécessaire d’exprimer f (ε3 ) =
(5, 3, 2) dans la base (ε1 , ε2 , ε3 ).
 
5 −6 2
Exercice. On reprend la matrice A = 3 −4 2 de l’exemple ci-dessus. Montrer qu’il existe
 2 −5 4
1 0 0
Q ∈ GL 3 (R) tel que Q−1 AQ = 0 2 1. La forme de la matrice attendue est suffisante comme
0 0 2
indication...
 
2 0 −1
Exercice. Soit A = 0 2 0 .
1 −1 0
1. A est-elle diagonalisable ?
 
2 0 0
2. Montrer qu’il existe P ∈ GL 3 (R) tel que A = P 0 1 1 P −1 .
0 0 1
3. Calculer Ak pour tout k ∈ N.

3 Application aux suites récurrentes d’ordre 2 à coefficients constants

On revient à l’étude des suites satisfaisant une relation de récurrence linéaire à coefficients
constants. On ne traite maintenant que le cas particulier p = 2. On a traité le cas où l’équation

J.Gärtner 159 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

caractéristique admet deux solutions distinctes. Traitons le cas où il y a une solution double. Dans
ce cas, on dispose alors d’une suite (un ) telle qu’il existe r ∈ K vérifiant
∀n ∈ N, un+2 = 2run+1 − r2 un
L’équation caractéristique de cette suite x2 − 2rx
+ r 
2
= 0 admet pour solution double r.
un
Rappelons que dans ce cas, en notant Xn = on a
un+1
∀n ∈ N, Xn+1 = AXn
donc par récurrence
∀n ∈ N, Xn = An X0
 
0 1
La matrice associée est A = , que nous avons étudiée à l’exemple 2. On a vu qu’en
  −r2 2r
1 0
posant P = on avait
r 1  
r 1
P −1 AP = =T
0 r
Or pour tout n on a
rn nrn−1
 
n
T =
0 rn
Donc les coefficients de An sont combinaisons linéaires de rn et nrn . Ainsi
Théorème 10

Si l’équation caractéristique de la récurrence linéaire un+2 = aun+1 + bun admet une

racine double, notée r, alors

E = {(un ) ∈ KN | ∀n ∈ N, un+2 = aun+1 + bun } = Vect ((rn )n , (nrn )n )

Rappelons que l’on sait que cet espace vectoriel E est de dimension 2. On a trouvé une famille
génératrice de deux vecteurs, qui est donc une base de E : l’écriture de (un ) comme combinaison
linéaire de (rn ) et de (nrn ) est unique.

4 Application aux systèmes différentiels

Commençons par remarquer qu’un système différentiel triangulaire peut s’étudier assez facile-
ment :  
2 1
Résolvons le système X 0 (t) = X(t), qui s’écrit donc
0 2
 0
x1 (t) = 2x1 (t) + x2 (t)
x02 (t) = 2x2 (t)
On a immédiatement avec la deuxième équation l’existence de β ∈ K tel que
∀t ∈ R, x2 (t) = β = e2t
On reporte pour obtenir
x01 (t) = 2x1 (t) + βe2t
on a une équation linéaire d’ordre 1 avec un second membre de la forme t 7→ βe2t . Cette équation,
on sait la résoudre depuis le premier semestre de PCSI : ses solutions sont les t 7→ (α + βt)e2t .
Ainsi les solutions du système sont les
(α + βt)e2t
 
t 7→ X(t) =
βe2t
Les exemple comme celui-ci ou le suivant sont des exemples de techniques. Il n’est pas attendu
de vous que vous connaissiez de résultat théoriques dans ce cadre.

J.Gärtner 160 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

 
5 −6 2
Exemple Soit A = 3 −4 2. Le polynôme caractéristique de cette matrice est χA = (X −
2 −5 4
1)(X − 2)2 . La matrice A − 2I3 est de rang 2, donc son noyau est de dimension 1 et A n’est
pas diagonalisable. Comme le polynôme caractéristique est scindé, A est trigonalisable. Soit f
l’endomorphisme canoniquement associé à A. Soit e1 (resp. e2 ) vecteur propre de f associé à la
valeur propre 1 (resp. 2) et e3 un vecteur linéairement indépendant de (e1 , e2 ). Alors la matrice T
de f dans la base (e1 , e2 , e3 ) est de la forme
 
1 0 ?
T = 0 2 ?
0 0 2

Ici on peut par exemple prendre e1 = (1, 1, 1) et e2 = (2, 2, 3). On voit choisir e3 pour avoir une
dernière colonne la plus simple possible (vous serez guidé pour cela !) On va chercher e3 tel que
f (eR ) = e2 + 2e3 , autrement dit tel que (f − 2 Id )(e3 ) = e2 . On résout donc le système linéaire
   
3 −6 2 2
(A − 2I3 )X = 3 −6 2 X = 2
2 −5 2 3
 
−1
On trouve que  0  est solution de ce sytème. On pose donc e3 = (−1, 0, 25 ) et on est assuré que
5
2
f (e3 ) = e2 + 2e3 , on vérifie que (e1 , e2 , e3 ) est libre, donc une base de K3 et donc en posant
 
1 2 −1
P = 1 2 0 
1 3 25

on sait que P est inversible et que

 
1 0 0
P −1 AP = 0 2 1 = T
0 0 2

Comme dans le cas diagonalisable, on pose alors Y = P −1 X. La fonction X est solution de

X 0 = AX si et seulement si Y est solution de Y 0 = T Y . Ce qui s’écrit
 0
 y1 = y1
y0 = 2y2 + y3
 20
y3 = 2y3

On a donc l’existence de α tel que y1 : t 7→ αet et (y2 , y3 ) est solution du système de l’exemple
précédent. Ainsi
αet
 

Y : t 7→ (β + γt)e2t 
γe2t
est solution de Y 0 = T Y puis

αet + (2β − γ + 2γt)e2t

 

X : t 7→ P Y (t) =  αet + 2(β + γt)e2t 

t 5 2t
αe + (3β + 2 γ + 3γt)e

est la forme générale des solutions de X 0 = AX.

 
8 −1 −5
Exercice. On pose A = −2 3 1 .
4 −1 −1

J.Gärtner 161 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

 
4 3 0
Montrer que A est semblable à B = 0 4 0, et qu’il est possible d’avoir une matrice de
0 0 2
passage de coefficients dans {−1, 0, 1}.
Résoudre le système différentiel Y 0 = BY puis X 0 = AX.

5 Cas des équations différentielles linéaires homogènes d’ordre 2 à co-

efficients constants
Soit a, b, c ∈ K avec a 6= 0. L’équation linéaire d’ordre 2 à coefficients constants, ax00 (t) +
0
bx (t) + cx(t) = 0. Comme a 6= 0 cette équation s’écrit

b c
x00 (t) + x0 (t) + x(t) = 0
a a
et le système différentiel associé est
 
0 0 1
X (t) = AX(t) avec A =
− ac − ab

Cette matrice A admet pour polynôme caractéristique

b c
χA = X 2 + X +
a a
ses racines, les valeurs propres de A sont les racines de l’équation caractéristique ar2 + br + c = 0
de l’équation différentielle.
• Dans le cas où les valeurs propres sont distinctes, la matrice A est diagonalisable. Elle s’écrit
 
r 0
A=P 1 P −1
0 r2

αer1 t
 
En posant Y = P −1 X on a donc Y (t) = , puis en notant P = (pi,j )
βer2 t

p1,1 αer1 t + p1,2 er2 t

   
x(t)
X(t) = = PY =
x0 (t) ?

Ce qui redonne l’expression précédente.

• Dans le cas où A admet une seule valeur propre, que l’on note r0 , alors  A esttrigonalisable et ne
r α
possède qu’une valeur prorpe : il existe P inversible telle que A = P 0 P −1 . On sait aussi
0 r0
que α 6= 0 car sinon on aurait A = P (r0 I2 )P −1 = r0 I2 ce qui
 n’est
 pas le cas (coefficient 1 en haut à
1
droite). Donc A n’est pas diagonalisable. On remarque que est un vecteur propre de A associé
r0
         
b 1 0 0 1 1 0
à r0 car − a = 2r0 . On pose alors P = . On remarque que A = = +
r0 1 1 − ab r0 r0
ainsi  
−1 r0 1
P AP = =T
0 r0
On résout alors le système correspondant à Y 0 = T Y . On a
 0  0
C2 er0 t = (C1 + C2 t)er0 t

y1 = r0 y1 + y2 y1 = r0 y1 + y1
⇔ ⇔
y20 = r0 y2 y2 = C2 er0 t y2 = C2 er0 t

Ainsi les solutions du système trigonalisé sont les

   
0 t
t 7→ C1 er0 t + C2 er0 t
1 1

J.Gärtner 162 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

et celles du système X 0 = AX sont, après multiplication par P :

   
1 t
t 7→ C1 er0 t + C2 er0 t
r0 1

On ne considère que la première ligne et on trouve les solutions de la forme voulue.

Exercice. Résoudre (E) : y 00 + y 0 − 2y = 8 sin(2x) + 3ex .

J.Gärtner 163 PC Janson

 CHAPITRE 4. RÉDUCTION DES ENDOMORPHISMES 2022/2023

J.Gärtner 164 PC Janson

 Chapitre 5

Espaces vectoriels normés

Objectifs :
• Révisions d’analyse réelle concernant les limites et la continuité.
• Notion de norme et topologie associée (ouverts, fermés).
• Extension des notions de limite et continuité dans un cadre plus général.
Disclaimer : certaines images de ce chapitres sont dues à un collègue.

Dans ce chapitre E est un K-espace vectoriel. En PCSI, on voit de quelle manière la valeur
absolue sur R et le module sur C permettent de définir une notion de distance et de parler de
limites. Dans ce chapitre, on va étudier en particulier les normes, qui permettent d’étendre ces
notions aux espaces vectoriels.

I Rappels sur l’ensemble des réels

1 Valeur absolue
On rappelle que la valeur absolue d’un réel x est définie par
|x| = max(x, −x)
La distance entre deux réels x et y est alors donnée par |x − y|.

|b − a|
a b

2
√
Rappelons que l’on a |x| = x2 et ∀x ∈ R, x2 = |x| .
Rappelons aussi les propositions suivantes :
Proposition 1 (Inégalité triangulaire)

∀x, y ∈ R, |x + y| 6 |x| + |y| et ||x| − |y|| 6 |x − y|

165
 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Soit x ∈ R et a ∈ R+ . On a
|x| 6 a ⇔ −a 6 x 6 a
et donc, pour x, y ∈ R et a ∈ R+ , on a

|x − y| 6 a ⇔ x ∈ [y − a, y + a]

|x − y| > a ⇔ x ∈] − ∞, y − a] ∪ [y + a, +∞[

2 Bornes supérieures, inférieures, minima et maxima

Définition 1 (Maximum, minimum)

Soit A une partie de R. On dit que M ∈ R est le maximum (ou le plus grand élément)
de A lorsque M ∈ A et M est un majorant de A. On le note max A. Autrement dit :

∀a ∈ A, a 6 M et
M = max A ⇔
M ∈A

De manière analogue, si m ∈ A est un minorant de A, on parle de minimum.


∀a ∈ A, a > m et
m = min A ⇔
m∈A

Définition 2 (Borne sup, borne inf)

Soit A une partie majorée de R. Si l’ensemble des majorants de A admet un minimum,

celui-ci est appelé borne supérieure de A et noté sup A.
Soit A une partie minorée de R. Si l’ensemble des minorants de A admet un maximum,
celui-ci est appelé borne inférieure de A et noté inf A.

Remarque. Si A a une borne supérieure sup A et que sup A ∈ A, alors A a un maximum et

max A = sup A. Par contre une partie de R peut très bien avoir une borne supérieure, mais pas de
maximum.
Rappelons que :

 ∀a ∈ A a 6 S
S = sup A ⇔ et
∀ε > 0, ∃a ∈ A, S − ε < a 6 S


Théorème 1 (Théorème de la borne supérieure)

Toute partie de R non vide et majorée admet une borne supérieure.

Méthode 1

• Pour montrer que sup A 6 M , il suffit de montrer que pour tout élément x ∈ A on a
x 6 M.
• Pour montrer que sup A > M il suffit de montrer qu’il existe un élément x ∈ A tel que
x > M.

J.Gärtner 166 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Les notions de bornes supérieures, inférieures, minimum, maximum s’étendent aux fonctions à
valeurs réelles. Si f : I → R, alors

sup f (x) = sup{f (x) | x ∈ I} = sup f (I)

x∈I

Méthode 2

Pour étudier les bornes supérieures et inférieures d’une fonction sur un intervalle, on peut
tracer un tableau de variations.

Exemple 1

Soit n ∈ N∗ . On pose fn (x) = xn (1 − x). Déterminer lim supx∈[0,1] fn (x).

n→+∞

Convention : on rappelle que dans le programme de PCSI actuel (celui de 2021), on convient
de poser sup A = +∞ si A est une partie de R non majorée.
On pourra par la suite utiliser la proposition suivante sans la prouver.

Proposition 2

Soit A une partie non vide de R et k ∈ R+ . Alors sup(kA) = k sup(A).

On rappelle que kA = {ka, a ∈ A}.

Démonstration. Distinguons deux cas :

• Supposons dans un premier temps A majorée : la borne supérieure existe et est réelle. Soit a ∈ A.
On a a 6 sup A donc ka 6 k sup A et k sup A majore kA donc sup(kA) 6 k sup(A).
Si k 6= 0 on a donc en appliquant cette relation à B = kA, sup( k1 B) 6 k1 sup B. Or k1 B = A donc
sup A 6 k1 sup(kA) ce qui donne, puisque k > 0, k sup(A) 6 sup(kA) et on peut conclure.
Si k = 0, la relation s’écrit 0 = 0 et ne pose pas de problème.
• Supposons A non majorée. Si k = 0, alors kA = {0} et on a encore la relation 0 = 0.
Sinon kA n’est pas majorée et sup(kA) = +∞ = k sup(A).

3 Parties entières
Théorème 2 (Définition de la partie entière)

Soit x ∈ R. Il existe un unique élément p ∈ Z tel que p 6 x < p + 1. Cet élément est
appelé partie entière de x et on note p = bxc.

Démonstration. Soit A = {k ∈ Z k 6 x}. A est une partie de Z.

• A est non vide : en effet d’après le lemme d’Archimède il existe n ∈ Z tel que −x < n.
• A est majoré dans Z : toujours d’après le lemme d’Archimède, il existe m ∈ Z tel que x < m. m
majore A.
Donc A admet un maximum dans Z. Notons p ce maximum. On a bien p 6 x < p + 1 car p + 1 ∈ / A.
De plus si q ∈ Z vérifie q 6 x < q + 1, on a p < q + 1 donc p 6 q et q < p + 1 donc q 6 p. Ceci
montre l’unicité.
Ce qu’il faut retenir :

J.Gärtner 167 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

∀x ∈ R, bxc 6 x < bxc + 1

∀x ∈ R, x − 1 < bxc 6 x

Exemple 2

b3, 2c = 3 mais b−2, 7c = −3.

Proposition 3

b10n xc
Soit x ∈ R et n ∈ N. Le nombre décimal dn (x) = 10n satisfait l’encadrement

dn (x) 6 x < dn (x) + 10−n

Les nombres dn (x) et dn (x) + 10−n sont appelés respectivement valeur décimale par
défaut et par excès de x à la précision 10−n ; on a lim dn (x) = x. En particulier tout
n→+∞
nombre réel est limite d’une suite de nombres décimaux donc rationnels.

II Normes et distances
1 Normes
Définition 3 (Norme)

Soit E un K-espace vectoriel. On appelle norme sur E une application N : E → R

vérifiant les propriétés suivantes :
• positivité : ∀x ∈ E, N (x) > 0,
• séparation : ∀x ∈ E, N (x) = 0 ⇔ x = 0,
• homogénéité : ∀x ∈ E, ∀λ ∈ K, N (λx) = |λ| N (x),
• inégalité triangulaire : ∀x, y ∈ E, N (x + y) 6 N (x) + N (y).
Dans ce cas on dit que le couple (E, N ) est un espace vectoriel normé.

Remarquons qu’il arrive que l’on note N : x 7→ kxk.

Remarque. Vous avez vu en PCSI, que si K = R et (·|·) est un produit scalaire sur E, alors
l’application p
x 7→ kxk = (x|x)
est une norme sur E, que l’on appelle norme euclidienne associée au produit scalaire (·|·).

Exemple 3

Sur E = R[X], l’application N : P 7→ supt∈[0,1] |P (t)| est bien définie et est une norme.

Contre-exemple 4

L’application définie sur R2 par (x, y) 7→ |x − y| n’est pas une norme.

J.Gärtner 168 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Comme pour les valeurs absolues et les modules, on peut obtenir :

Proposition 4

• Inégalité triangulaire généralisée : pour tout n ∈ N∗ et x1 , . . . , xn ∈ E,

n
! n
X X
N xk 6 N (xk )
k=1 k=1

• Inégalité triangulaire inverse :

∀x, y ∈ E, |N (x) − N (y)| 6 N (x − y)

Définition 4 (Vecteur unitaire)

Soit (E, k · k) un espace vectoriel normé. Un vecteur x ∈ E est dit unitaire lorsque
x
kxk = 1. Pout tout x 6= 0E , il existe un vecteur unitaire dans Vect (x), le vecteur kxk .

Méthode 3

Pour montrer que N : E 7→ R est une norme, on vérifie les 4 points de la définition, ou
– selon le contexte – si K = R, on essaye de montrer que c’est la norme associée à un
produit scalaire.

p p
Exercice.1. Montrer que (x, y) 7→ x2 + y 2 définit une norme sur R2 mais que (x, y) 7→ x4 + y 2
n’en n’est pas une.
s Z 1
2. Montrer que (f, g) 7→ f (0)2 + f 0 (t)2 dt est une norme sur C 1 ([0, 1], R). On pourra s’intéresser
0
Z 1
0 0
à (f, g) 7→ f (0)g(0) + f (t)g (t)dt.
0

2 Normes usuelles
Sur Kn

Voici des exemples de normes usuelles à connaître :

Exemple 5 (Normes usuelles dans Kn )

Sur Kn pour tout u = (u1 , . . . , un ) ∈ Kn , on pose

v
X n u n
uX 2
kuk1 = |uk | kuk2 = t |uk | kuk∞ = Max (|uk |)
16k6n
k=1 k=1

Détaillons pourquoi :

J.Gärtner 169 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Norme k · k1
Cette application vérifie clairement les propriétés de positivité, de séparation, d’homogénéité
(exercice si vous n’êtes pas convaincus). Pour l’inégalité triangulaire : soit x, y ∈ Kn . Alors

kx + yk1 = |x1 + y1 | + · · · + |xn + yn | 6 |x1 | + |y1 | + · · · + |xn | + |yn | = kxk1 + kyk1

Remarquons que si K = R, cette norme n’est pas associée à un produit scalaire.L’application

(x, y) 7→ 21 (kx + yk21 − kxk21 − kyk21 ) n’est pas linéaire à gauche.

Norme k · k2
Lorsque K = R, la norme k · k2 dérive du produit scalaire usuel : l’appelle norme
euclidienne.
Lorsque K = C, la norme k · k2 s’appelle norme hermitienne. Elle est définie par
√
∀u ∈ Cn , kuk2 = u1 u1 + · · · + un un .

La positivité, la séparation et l’homogénéité sont plus ou moins immédiates. Pour prouver l’inégalité
triangulaire on remarque que cela revient à montrer que pour x, y ∈ Cn ,
v v
Xn n
X n
X
u n
X
u n
2 2 2
u uX
2t 2
|xi + yi | 6 |xi | + |yi | + 2 t |xi | |yi |
i=1 i=1 i=1 i=1 i=1

2 2 2
Or pour i ∈ [[ 1 ; n ]] on a |xi + yi | = |xi | + 2 Re (xi yi ) + |yi | donc l’inégalité est équivalente à
! v v
Xn u n u n
uX 2
uX 2
2 Re xi yi 6 2 t |xi | t |yi |
i=1 i=1 i=1

Pour cela, il suffit de montrer que

v v
n u n
u n
X uX
uX
xi yi 6 t xi yi t yj yj
i=1 i=1 j=1

ce qui s’écrit
!  v v
n n n u n
u n n
X X X uX
uX X
xi yi  xj yj  6 xi yi t xi yi t yj yj yj yj
i=1 j=1 i=1 i=1 j=1 j=1

autrement dit
!  v v
n n n u n
u n n
X X X uX
uX X
xi yi  xj yj  6 xi yi t xi yi t yj yj yj yj
i=1 j=1 i=1 i=1 j=1 j=1

ou encore X X
xi yi xj yj 6 xi xi yj yj
16i,j6n 16i,j6n

Ces deux sommes doubles ont les mêmes termes lorsque i = j. L’inégalité est alors équivalente à
écrire
X
06 (xi xi yj yj + xj xj yi yi − xi ui xj yj − xj yj xi yi )
16i<j6=n

autrement dit à X 2
06 |xi yj − xj yi |
16i<j6n

ce qui est vrai...

J.Gärtner 170 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Norme k · k∞
Ici aussi le seul problème est l’inégalité triangulaire. Soit x, y ∈ Kn . Soit p, q ∈ [[ 1 ; n ]] tels que
|xp | = max(|x1 | , . . . , |xn |) = kxk∞ et |yq | = max(|y1 | , . . . , |yn |) = kyk∞
Soit i ∈ [[ 1 ; n ]] quelconque. On a
|xi + yi | 6 |xi | + |yi | 6 |xp | + |yq | 6 kxk∞ + kyk∞
ceci étant valable pour tout i, on a
kx + yk∞ = max(|x1 + y1 | , . . . , |xn + yn |) 6 kxk∞ + kyk∞
Remarquons que cette norme non plus n’est pas associée à un produit scalaire lorsque K = R.

Applications
Ces normes usuelles peuvent se généraliser : si E est un espace vectoriel de dimension finie
n
P
n > 1 et B = (e1 , . . . , en ) une base de E, on pose pour x ∈ E que l’on écrit x = xk ek :
k=1
v
n
X
u n
uX 2
kxk1 = |xk | kxk2 = t |xk | kxk∞ = Max (|xk |)
16k6n
k=1 k=1

Exemple 6 (Normes usuelles dans Mn (K))

2
On identifie une matrice A = (ai,j )16i,j6n avec un élément de Kn en écrivant les co-
efficients en ligne : (a1,1 , a1,2 , . . . , a1,n , a2,1 , a2,2 . . . , an,n ). On reprend alors les normes
précédentes :
q s
X > X
kAk1 = |ai,j | kAk2 = Tr (A A) = a2i,j kAk∞ = Max |ai,j |
16i,j6n
16i,j6n 16i,j6n

q r P
>
Exercice. Vérifier que Tr (A A) = a2i,j .
16i,j6n

Dans les espaces de fonctions

Attention ! Dans cette section, les vecteurs sont des fonctions. On prendra donc garde à
écrire kf k et non kf (x)k.

Norme uniforme Soit E = B(I, K) l’ensemble des fonctions bornées sur un intervalle I de R à
valeurs dans K. Pour f ∈ E on pose
kf k∞ = sup |f (t)|
t∈I

Ceci existe car f est bornée. On définit ainsi une norme sur E. En effet :
• kf k∞ > 0 par définition.
• On a de plus kf k∞ = 0 si et seulement si ∀t ∈ I, f (t) = 0 i.e. f est la fonction nulle.
• Pour tout λ ∈ K, kλf k∞ = |λ| kf k∞ .
• Soient f, g ∈ E. Alors pour tout t ∈ I on a
|(f + g)(t)| = |f (t) + g(t)| 6 |f (t)| + |g(t)| 6 kf k∞ + kgk∞
Donc kf + gk∞ = supt∈I |(f + g)(t)| 6 kf k∞ + kgk∞ .
Cette norme sur E s’appelle norme uniforme ou norme de la convergence uniforme. En
particulier, on a ainsi défini une norme sur l’ensemble des fonctions continues sur un segment, ou
sur l’ensemble des fonctions continues et T -périodiques.

J.Gärtner 171 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Norme de la convergence en moyenne Sur l’ensemble L1c (I, K) des fonctions continues et
intégrables sur un intervalle I qu’on a étudié dans le chapitre sur les intégrales, on peut définir
l’application
Z
f 7→ kf k1 = |f |
I

qui est une norme appelée norme de la convergence en moyenne.

En effet, si f, g ∈ L1c (I, K) :
• kf k1 > 0. Z
• kf k1 = 0 si et seulement si |f | = 0 si et seulement si |f | est la fonction nulle (car |f | est continue
I
et positive sur I) si etZseulement siZf = 0.
• pour λ ∈ K, kλf k1 = |λf | = |λ| |f | = |λ| · kf k1 .
I I
• Pour tout t ∈ I, |f (t) + g(t)| 6 |f (t)| + |g(t)| donc
Z Z Z Z
kf + gk1 = |f + g| 6 (|f | + |g|) 6 |f | + |g| = kf k1 + kgk1
I I I I

Exemple 7 (Normes usuelles pour les fonctions continues sur un segment)

Pour tout f ∈ C 0 ([a, b], K) on pose

s
Z b Z b
2
kf k1 = |f (t)| dt kf k2 = |f (t)| dt kf k∞ = Sup |f (x)| = Max |f (x)|
a a x∈[a,b] x∈[a,b]

Z b
La norme k · k2 est associée au produit scalaire (f, g) 7→ f (t)g(t)dt.
a

3 Distances
Définition 5 (Distance)

Soit x, y ∈ E. La distance entre x et y associée à la norme k · k est le nombre réel

d(x, y) = kx − yk.

Proposition 5 (Propriétés des distances)

Soit d la distance associée à une norme k · k sur E et x, y, z ∈ E.

1. Positivité : d(x, y) > 0.
2. Séparation : d(x, y) = 0 si et seulement si x = y.
3. Symétrie : d(x, y) = d(y, x).
4. Inégalité triangulaire : d(x, y) 6 d(x, z) + d(z, y).

La démonstration de cette proposition est un exercice qui découle des propriétés d’une norme !

J.Gärtner 172 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Définition 6 (Boules ouvertes/fermées)

Soit a ∈ E et r ∈ R+∗ . On appelle et on note :

1. B(a, r) = {x ∈ E, d(a, x) < r} la boule ouverte de centre a et de rayon r,
2. Bf (a, r) = {x ∈ E, d(a, x) 6 r} la boule fermée de centre a et de rayon r,
3. S(a, r) = {x ∈ E, d(a, x) = r} la sphère de centre a et de rayon r.
Lorsque r = 1 on parle de boule (ouverte, fermée ou sphère) unité.

Remarque. Dans le cas des boules fermées ou des sphères, on peut autoriser r = 0. Dans ce cas
Bf (a, 0) = {a} = S(a, 0).

Attention ! il ne faut pas penser que toutes les boules sont « rondes » ! Voici les boules unité
pour les trois normes usuelles de R2 :

J.Gärtner 173 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

4 Parties convexes et bornées

Définition 7 (Segment)

Soient x et y deux vecteurs de E. Le segment d’extrémités x et y, noté [x, y], est

l’ensemble des vecteurs de la forme tx + (1 − t)y avec t ∈ [0, 1].

L’application t 7→ tx + (1 − t)y définie sur [0, 1] est dans ce cas une paramétrisation du
segment [x, y]. Si t = 0 on obtient x, si t = 1, on obtient y et pour t = 21 le milieu de [x, y].

Définition 8 (Partie convexe)

Soit A ⊂ E une partie de E. On dit que A est convexe lorsque

∀x, y ∈ E, ∀t ∈ [0, 1], tx + (1 − t)y ∈ A

autrement dit lorsque « pour tout x, y ∈ A, le segment [x, y] est inclus dans A ».

Exemple 8

Dans R (muni de la valeur absolue), les parties convexes sont exactement les intervalles.
C’est ce qui a été démontré en PCSI.
Tout sous-espace vectoriel F de E est convexe.

Contre-exemple 9

La partie A, dessinée en bleu n’est pas convexe car le segment que l’on a tracé n’est pas
inclus dans la partie, bien qu’il ait ses deux extrémités dans A.

Proposition 6 (Convexité des boules)

Toute boule (ouverte ou fermée) est convexe.

J.Gärtner 174 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Démonstration. Traitons le cas d’une boule ouverte, de centre a et de rayon r > 0 (le cas des
boules fermées est laissé au lecteur). Soit x, y ∈ B(a, r). On sait dans ce cas que d(a, x) < r et
d(a, y) < r. On souhaite montrer que pour tout t ∈ [0, 1], d(a, tx + (1 − t)y) < r. Pour t = 0 ou
t = 1 c’est évident. Sinon :

d(a, tx + (1 − t)y) = ktx + (1 − t)y − ak

= ktx + (1 − t)y − ta − (1 − t)ak
= kt(x − a) + (1 − t)(y − a)k
6 tkx − ak + (1 − t)ky − ak car t > 0 et 1 − t > 0
< tr + (1 − t)r = r car t > 0 et 1 − t > 0

Exercice. L’ensemble {(x, y) ∈ R2 , x + y > 1} est-il une partie convexe de R2 ?

Exercice. Parmi les sphères unité pour les normes 1, 2 et ∞ dans R2 , lesquelles sont convexes ?

Définition 9 (Partie bornée)

Soit A ⊂ E. On dit que A est une partie bornée de E lorsqu’il existe K > 0 tel que

∀x ∈ A, kxk 6 K

Autrement dit lorsque A est entièrement contenue dans une certaine boule fermée (par
exemple de la forme Bf (0, K)).

Comme souvent, il en découle une notion analogue pour les suites et les fonctions :

Définition 10 (Suite bornée, fonction bornée)

Soit (un ) ∈ E N une suite d’éléments de E et f une fonction d’un ensemble I à valeurs
dans E.
1. On dit (un ) est bornée lorsqu’il existe K ∈ R+ telle que

∀n ∈ N, kun k 6 K

2. On dit que f est bornée lorsque f (I) est une partie bornée de E, autrement dit lorsqu’il
existe K ∈ R+ tel que
∀x ∈ I, kf (x)k 6 K

Exemple 10

Une boule est bornée : soit a ∈ E et r > 0, on pose K = kak + r. Alors

∀x ∈ B(a, r), kxk = d(0, x) 6 K

En effet, si x ∈ B(a, r), alors d(0, x) 6 d(0, a) + d(a, x) 6 kak + r 6 K car x ∈ B(a, r)
donc d(a, x) < r. Le cas d’une boule fermée se traite de la même manière.

R2 r {(0, 0)}

−→ R
Exercice. Montrer que f : xy est bornée.
(x, y) 7−→ x2 +y 2

J.Gärtner 175 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Exercice. On munit R2 de la norme infinie. Montrer que la fonction

[0, 1]3 −→ R2

g:
(x, y, z) 7−→ (x − y + 2z, x2 + y 2 + z 2 )

est bornée.

Attention ! le caractère borné ou non dépend du choix de la norme, comme le montre l’exercice
suivant :

Exercice. On se place dans E = C 0 ([0, 1], R).

√ Soit (fn ) la suite de fonctions continues de [0, 1]
dans R définie pour tout n ∈ N par fn : x 7→ nxn . C’est une suite d’éléments de E.
1. Montrer que (fn ) n’est pas bornée pour k · k∞ .
2. Montrer que (fn ) est bornée pour k · k2 .

III Suites dans un espace vectoriel normé

Dans tout ce qui suit, E est un espace vectoriel et k · k une norme sur E.

Définition 11 (Convergence)

Soit (un ) une suite d’éléments de E et ` ∈ E. La suite (un ) converge vers ` (pour le
norme k · k) lorsque lim kun − `k = 0. S’il n’existe pas de ` vérifiant cette propriété,
n→+∞
on dit que la suite (un ) diverge.

Remarque. Ainsi (un ) converge vers ` ∈ E si et seulement si

∀ε > 0, ∃N ∈ N, ∀n > N, kun − `k 6 ε

On peut se représenter la convergence de suites dans un espace vectoriel normé comme la

convergence de suites complexes :

J.Gärtner 176 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 7

1. Si (un ) possède une limite, celle-ci est unique.

2. Si (un ) et (vn ) sont des suites d’éléments de E, qui convergent respectivement vers ` et
`0 ∈ E. Alors pour tout λ ∈ K on a lim (un + λvn ) = ` + λ`0 .
n→+∞
3. Si (un ) converge vers `, alors (kun k) converge vers k`k.

Démonstration.1. Supposons que ` et `0 soient deux limites de (un ). Soit n ∈ N. On a

0 6 k` − `0 k 6 kun − `k + kun − `0 k

Comme lim kun − `k = lim kun − `0 k = 0 on en déduit que k` − `0 k = 0 donc que ` = `0 .

n→+∞ n→+∞
2. Il suffit d’écrire

k(un + λvn ) − (` + λ`0 )k = k(un − `) + λ(vn − `0 )k 6 kun − `k + |λ| kvn − `0 k

3. C’est l’inégalité triangulaire inverse : |kun k − k`k| 6 kun − `k.

Remarque. Bien entendu, on ne cherchera pas à faire d’autres opérations dans un cadre abstrait :
les vecteurs ne se multiplient pas et ne se divisent pas !
Exercice. Soit A ∈ Mn (K) telle que kAk∞ < 1. Alors lim Ak = 0.
k→+∞

Exemple 11

Soit (fn ) la suite de fonctions continues sur R+ définies par


 0 si x 6 n − n1 ou x > n + 1
n
fn (x) = n(x − n + n1 ) si x ∈ [n − n1 , n]
−n(x − n − n1 ) si x ∈ [n, n + n1 ]


Ces fonctions sont dans l’espace vectoriel E des fonctions bornées, continues et intégrables
sur R+ . On peut munir E de la norme k · k1 ou de la norme k · k∞ par exemple. Notons
f la fonction nulle. On a
Z +∞
1
kfn − f k = |fn (t)| dt = → 0
0 n

donc (fn ) converge vers f au sens de la norme k · k1 . En revanche

kfn − f k∞ = sup |fn (t)| = 1

t∈R+

donc (fn ) ne converge pas vers f pour la norme k · k∞ .

J.Gärtner 177 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Exemple 12

On se place sur le même espace E que dans l’exemple précédent. Soit

si x 6 n2 ou x > 32 n

 0
n
fn (x) = 2
2 (x − 2 ) si x ∈ [ n2 , n]
 n 2
− n2 (x − 2 n) si x ∈ [n, 32 n]
3

Cette suite vérifie

1
kfn − f k∞ = sup |fn (t)| = →0
t∈R+ n
donc (fn ) converge vers la fonction nulle f pour k · k∞ mais
Z +∞
1
kfn − f k1 = |fn (t)| dt =
0 2

donc (fn ) ne converge pas vers f pour k · k1 .

Proposition 8 (Convergence entraîne borné)

Toute suite convergente d’éléments de E est bornée.

Démonstration. Si lim un = `, alors lim kun − `k = 0 et donc la suite (kun − `k)n est bornée :
n→+∞ n→+∞
il existe K ∈ R+ telle que ∀n ∈ N, kun − `k 6 K. Ainsi pour tout n ∈ N,
kun k = kun − ` + `k 6 kun − `k + k`k 6 K + k`k

Bien entendu, la réciproque est fausse (elle l’est déjà pour les suites numériques !)

Contre-exemple 13
 
k 0 1
La suite (A )k où A = est bornée mais diverge ; pour le montrer le plus simple
1 0
est d’utiliser les suites extraites et la proposition suivante.

Une suite extraite se définit comme pour les suites numériques : (vn ) est extraite de (un )
lorsqu’il existe ϕ : N → N strictement croissante telle que ∀n ∈ N, vn = uϕ(n) .

Proposition 9 (Suites extraites d’une suite convergente)

Soit (un ) une suite de limite ` ∈ E. Alors toute suite extraite de (un ) converge vers `.

J.Gärtner 178 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Démonstration. Si (un ) converge vers `, alors (kun − `k)n converge vers 0, donc la suite extraite
(kuϕ(n) − `k)n converge vers 0 et (uϕ(n) ) converge vers `.

Méthode 4

Pour montrer qu’une suite diverge, il suffit de montrer qu’il existe deux suites extraites
qui n’ont pas la même limite.

IV Comparaison des normes

Dans cette section, on introduit la comparaison des normes, qui permet de savoir par exemple
si la notion de convergence des suites est la même pour deux normes différentes.
Montrons pour commencer que
√
∀x ∈ Kp , kxk∞ 6 kxk1 6 pkxk2 6 pkxk∞
En effet si x = (x1 , . . . , xp ) ∈ Kp :
p
P
• Déjà, supk∈[[ 1 ; p ]] |xk | 6 |xk |.
k=1 s s
p p
p
P P
P 2 √
• D’après l’inégalité de Cauchy-Schwarz : 1 × |xk | 6 12
|xk | = pkxk2 .
k=1 k=1 k=1
s s
p p p
2 2 √ √ p
|xk | 6 pkxk2∞ donc
P P 2 P
• Enfin 1 |xk | 6 p p kxk2∞ = pkxk∞ .
k=1 k=1 k=1
Maintenant on peut voir que
• si (un ) est une suite d’éléments de Kp . On suppose que (un ) converge vers ` pour k · k2 . Alors
√
kun − `k1 6 pkun − `k2 donc lim kun − `k1 = 0 et (un ) converge vers ` pour k · k1 .
n→+∞
• de même si (un ) converge vers ` pour k · k1 , alors (un ) converge vers ` pour k · k∞ .
On voit donc entre autres que de l’encadrement
√
∀x ∈ Kp , kxk∞ 6 pkxk2 6 pkxk∞
que si (un ) ∈ (Kp )N converge vers ` ∈ Kp pour la norme k · k2 , alors elle converge vers ` pour la
norme k · k∞ et réciproquement : on dit que la notion de convergence ne dépend pas de la norme
choisie entre k · k2 et k · k∞ .
Attention ! ce n’est pas vrai pour deux normes quelconques !
Contre-exemple 14

Dans E = C 0 ([0, 1], R). Pour tout n ∈ N, on pose fn : x 7→ xn ∈ E. On a kfn k1 =

Z 1
1
xn dx = donc pour la norme k · k1 lim fn = 0 (la fonction nulle sur [0, 1]).
0 n + 1 n→+∞
En revanche, kfn k∞ = 1 donc (fn ) ne converge pas vers la fonction nulle pour la norme
k · k∞ .

Moralité : en général, il faut toujours préciser le mode de convergence, autrement dit la norme
choisie.
Définition 12 (Normes équivalentes)

Soit N1 et N2 deux normes sur E. On dit que N1 et N2 sont équivalentes lorsque :

∃α, β ∈ R+∗ , ∀x ∈ E, αN1 (x) 6 N2 (x) 6 βN1 (x)

J.Gärtner 179 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 10 (Invariance du caractère borné)

Soient N1 et N2 sont deux normes équivalentes sur E. Une partie A de E est bornée
pour la norme N1 si et seulement si elle est bornée pour la norme N2 .
En particulier une suite bornée pour N1 est bornée pour N2 et réciproquement.

Démonstration. Soit α, β ∈ R+∗ donnés par la définition de normes équivalentes : ∀x ∈ E, αN1 (x) 6
N2 (x) 6 βN1 (x). Supposons A bornée pour N1 . Il existe donc M ∈ R tel que ∀x ∈ A, N1 (x) 6 M .
En posant K = βM on a ∀x ∈ A, N2 (x) 6 βN1 (x) 6 βM = K. Donc A est bornée pour N2 .
Si A est bornée pour N2 , on fait de même car α > 0 donc N1 6 α1 N2 .

Proposition 11 (Invariance de la convergence)

Soient N1 et N2 deux normes équivalentes sur E. Une suite (un ) de E converge vers
` ∈ E pour la norme N1 si et seulement si elle converge vers ` pour la norme N2 .

Démonstration. Soit α, β ∈ R+∗ tels que ∀x ∈ E, αN1 (x) 6 N2 (x) 6 βN1 (x). Si lim un = `
n→+∞
pour la norme N1 , alors lim N1 (un − `) = 0R . Comme pour tout n ∈ N, 0 6 N2 (un − `) 6
n→+∞
N1 (un − `), le théorème d’encadrement donne lim N2 (un − `) = 0 donc lim un = ` pour la
n→+∞ n→+∞
norme N2 .
1
Comme dans la démonstration précédente, comme N1 6 α N2 on peut montrer la réciproque.

Méthode 5

Pour montrer que deux normes N1 et N2 ne sont pas équivalentes, on peut trouver une
suite de vecteurs qui a une limite ` ∈ E pour N1 , mais qui n’a pas pour limite ` pour N2 .

Exercice. À l’aide du contre-exemple 14, montrer que k · k1 et k · k∞ ne sont pas équivalentes sur
C 0 ([0, 1], R).

Exercice. Soit E = {f ∈ C 1 ([0, 1], R), f (0) = 0}. On pose N1 (f ) = kf k∞ + kf 0 k∞ et N2 (f ) =

kf + f 0 k∞ .
1. Montrer que E est un R-espace vectoriel, et que N1 et N2 sont des normes sur E.
2. Soit f ∈ E. On pose g : x 7→ ex f (x). Montrer que kgk∞ 6 eN2 (f ).
3. En déduire que les normes N1 et N2 sont équivalentes.

1 Convergence des suites dans les espaces de dimension finie

Théorème (?) 3 (Équivalence des normes en dimension finie)

Si E est de dimension finie alors toutes les normes définies sur E sont équivalentes.

Démonstration. Admis.

En particulier, si E est de dimension finie la convergence d’une suite (un ) ∈ E N ne dépend

pas de la norme choisie. C’est le cas par exemple des suites de matrices.

J.Gärtner 180 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

+∞
ak X k (les ak sont nuls a.p.c.rg.), on pose N1 (P ) =
P
Exercice. Soit E = R[X]. So P =
k=0
Sup |P (t)| et N2 (P ) = Sup |pk |. On note Bn l’ensemble des polynômes unitaires de degré n.
t∈[0,1] k∈N

1. Montrer que N1 et N2 sont des normes sur E.

2. Montrer que ∀n ∈ N, bn = Inf N1 (P ) > 0.
P ∈Bn
3. Montrer que (bn ) est décroissante.
On reconnaitra dans la proposition suivante un résultat appliqué fréquemment en PCSI sur les
suites complexes :

Proposition 12 (Convergence et coordonnées)

Soit (un ) une suite d’éléments d’un espace vectoriel normé E de dimension finie p > 1 et
p
P
(e1 , . . . , ep ) une base de E. Pour n ∈ N, on note un = un,i ei , avec un,i ∈ K. La suite
i=1
(un ) est convergente si et seulement si pour tout i ∈ [[ 1 ; p ]] la suite (un,i )n converge vers
un scalaire `i . Dans ce cas
p 
X  p
X
lim un = lim un,u ei = `i ei
n→+∞ n→+∞
i=1 i=1

Démonstration. Comme la notion de convergence ne dépend pas de la norme choisie, on va utiliser

p
P
la norme k · k1 associée à la base (e1 , . . . , ep ). Rappelons qu’elle est définie par kxk1 = |xi | lors
i=1
p
P
que x = xi ei .
i=1
p
P p
P
• Si (un ) converge vers ` = `i ei . Alors pour i ∈ [[ 1 ; p ]] et n ∈ N on a |un,i − `i | 6 |un,k − `k | =
i=1 k=1
kun − `k1 . Par encadrement on a donc lim |un,i − `i | = 0 puis lim un,i = `i .
n→+∞ n,i
• Réciproquement, supposons que pour tout i ∈ [[ 1 ; p ]], la suite (un,i )n converge vers un scalaire
p
P
`i . Alors pour n ∈ N on a kun − `k1 = |un,i − `i |. Le nombre de termes de cette somme reste
i=1
toujours égal à p (la dimension de E), donc lim kun − `k1 = 0.
n→+∞

Comme en dimension finie la convergence ne dépend pas de la norme choisie, dans les exemples
suivants, on ne précise pas de norme :

Exemple 15

1 2
 
1− n n
Soit pour n ∈ N∗ , Mn =  . Montrer que (Mn ) converge.
cos(n) 1
en e n

Exercice. Soit A une matrice diagonale. Donner une condition nécessaire et suffisante sur les
n
Ak existe et dans ce cas déterminer cette limite.
P
coefficients de A pour que lim
n→+∞ k=0
 
λ 0 1
Exercice. Soit B =  0 λ 0. On suppose que |λ| < 1. Déterminer lim B n .
n→+∞
0 0 1

J.Gärtner 181 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

 
λ1 a1,2 . . . a1,n
0 λ2 . . . a2,n 
Exercice. Soit C =  . ..  ∈ Mn (K). Pour k ∈ N∗ , on pose
 
.. ..
 .. . . . 
0 0 . . . λn

1
 
λ1 + k a1,2 ... a1,n
 0 λ2 + k2 ... a2,n 
Ck =  .
 
.. .. ..
 ..

. . . 
n
0 0 ... λn + k

1. Montrer que pour k suffisamment grand, les coefficients diagonaux de Ck sont deux à deux dis-
tincts.

2. En déduire que C est limite d’une suite de matrices diagonalisables.

Exercice. Montrer que toute matrice de Mn (K) est limite d’une suite de matrices inversibles.

V Topologie

Dans cette section, on donner un peu de vocabulaire concernant les parties d’un espace vectoriel
normé. Les propriétés que nous allons voir sont nécessaire à l’étude des limites et de la continuité de
fonctions définies sur un espace vectoriel normé. En PCSI, vous avez vu que le comportement d’une
fonction définie sur [a, b] n’était pas le même que celui d’une fonction définie sur ]a, b[ : on peut
dans certain cas parler de limite à gauche ou à droite, pas dans d’autres ; certains d’entre vous on
peut être entendu parlé de point intérieur à un intervalle I (qui sont les points de l’intervalle sans
tenir compte de ses bornes) et de point adhérent à un intervalle (qui sont les points de l’intervalle,
auquel on rajoute les bornes réelles mais pas les bornes infinies). Ce sont ces notions que l’on
généralise.

1 Intérieur

Définition 13 (Point intérieur)

Soit A ⊂ E une partie de E et a ∈ A.

1. on dit que le vecteur a est un point intérieur à A lorsqu’il existe une boule ouverte non
vide centrée en a et incluse dans A.
◦
2. L’intérieur de A, que l’on note A, est l’ensemble des points intérieurs à A.
◦
On remarquera que A ⊂ A.

Exemple 16

◦
Si I = [0, 1], alors I =]0, 1[.

J.Gärtner 182 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Le point a est intérieur à la partie grise.

Définition 14 (Partie ouverte)

Soit A ⊂ E. On dit que A est une partie ouverte de E (ou plus simplement un ouvert de
E) lorsque chacun de ses point est intérieur à A :

∀a ∈ A, ∃r > 0, B(a, r) ⊂ A

Exemple 17

Dans R2 muni de la norme euclidienne, U1 = {x = (x1 , x2 ) ∈ R2 , | x1 > 0} est un ouvert

de R2 .

a1
Soit a = (a1 , a2 ) ∈ U1 . Alors a1 > 0. Posons ε = 2 . On a B(a, ε) ⊂ U1 .

J.Gärtner 183 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Contre-exemple 18

U1 = {x = (x1 , x2 ) ∈ R2 , | x1 > 0} n’est pas un ouvert de R2 .

On remarque par exemple que O = (0, 0) ∈ U2 . Pour tout ε > 0, la boule B(O, ε) déborde
de U2 : le point (− 2ε , 0) est dans cette boule mais n’est pas dans U2 .

◦
Remarque. Dire que A est un ouvert revient à dire que A = A : un ouvert « n’a pas de bord ».

Exemple 19

E et ∅ sont des ouverts de E.

Attention ! toujours préciser de quel espace ou est un ouvert. Par exemple R est un ouvert de
R mais n’est pas un ouvert de C (penser que les boules ouvertes de R et de C ne se ressemblent
pas...)

Proposition 13

• Soit (Ui )i∈I une famille quelconque (éventuellement infinie) d’ouverts de E. Alors
[
Ui
i∈I

est un ouvert de E.
• Soit n ∈ N∗ et (Vi )i∈[[ 1 ; n ]] une famille finie d’ouverts de E. Alors
n
\
Vi
i=1

est un ouvert de E.

[
Démonstration.• Soit x ∈ Ui . Il existe j ∈ I tel que x ∈ Uj . Comme Uj est un ouvert, il existe
i∈I
[ [
r > 0 tel que B(x, r) ⊂ Uj ⊂ Ui . Donc x est intérieur à Ui et ce, pour tout x.
i∈I i∈I

J.Gärtner 184 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

n
\
• Soit x ∈ Vi . Alors pour tout i ∈ [[ 1 ; n ]] il existe ri > 0 tel que B(x, ri ) ⊂ Vi . Posons r =
i=1
n
\
min(r1 , . . . , rn ). Alors r > 0 et ∀i ∈ [[ 1 ; n ]] , B(x, r) ⊂ Vi . Autrement dit B(x, r) ⊂ Vi .
i=1

Contre-exemple 20

Le résultat sur l’intersection serait faux pour une famille quelconque d’ouverts. Par
1 1
exemple, les In =] − n+1 , n+1 [ sont tous ouverts dans R mais

+∞
\
In = {0}
n=1

r
qui n’est manifestement pas un ouvert : si r > 0, B(0, r) contient le nombre 2 qui n’est
pas dans {0}.

Proposition 14

Si N1 et N2 sont deux normes équivalentes de E et A une partie de E, alors A est

un ouvert pour la norme N1 si et seulement si c’est un ouvert pour la norme N2 . En
particulier, si E est de dimension finie, la propriété « être un ouvert » ne dépend pas de
la norme choisie.

Démonstration. Soit N1 et N2 deux normes équivalentes de E et α, β > 0 tels que ∀x ∈ E, αN1 (x) 6
N2 (x) 6 βN1 (x). Supposons que A est un ouvert pour la norme N2 . Soit a ∈ A. Montrons que
a est intérieur à A pour la norme N1 . On sait déjà que c’est le cas pour la norme N2 : il existe
r2 > 0 tel que B(a, r2 , N2 ) ⊂ A. Soit r1 > 0. Si x ∈ B(a, r1 , N1 ), on a N1 (x − a) < r1 donc donc
αN2 (x − a) 6 N1 (x − a) < r1 . Ainsi on voit que si r1 6 α1 r2 , on a N1 (x − a) < r1 ⇒ N2 (x − a) < r2 .
Prenons donc r1 = α1 r2 . On a alors B(a, r1 , N1 ) ⊂ B(a, r2 , N2 ) ⊂ A donc a est intérieur à A pour
la norme N1 . Autrement dit, puisque c’est vrai pour tout a ∈ A, A est un ouvert pour N1 .
On procède de même pour la réciproque.

Proposition 15 (Les boules ouvertes sont ouvertes)

Toute boule ouverte est ouverte.

J.Gärtner 185 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Démonstration. a ∈ E, r > 0 et x ∈ B(a, r). Notons d = d(a, x). Alors pour tout ε tel que
0 < ε < r − d la boule B(x, ε) est incluse dans B(a, r) car si y ∈ B(x, ε), alors

d(a, y) 6 d(a, x) + d(x, y) < d + r − d = r

On remarquera qu’une boule fermée n’est pas un ouvert de E :

◦
On pourrait montrer que Bf (a, r) = B(a, r).

Méthode 6

Pour le moment, pour vérifier si une partie est ou non ouverte dans E, essayer de faire
un dessin et de vérifier la définition. Une méthode plus systématique sera vue plus loin.

Exercice. Montrer que tout intervalle ouvert est un ouvert de R.

Est-ce que Q est un ouvert de R ?

Exercice. Est-ce que A = {(x, y) ∈ R2 , 0 < |x − 1| < 1} est un ouvert de R2 ?

2 Adhérence
Définition 15 (Point adhérent)

Soit A ⊂ E et a ∈ E.
1. On dit que le vecteur a est un point adhérent à A lorsque toute boule ouverte non vide
centrée en a rencontre A :
∀r > 0, B(a, r) ∩ A 6= ∅
2. L’adhérence de A, que l’on note A est l’ensemble des points adhérents à A.
On prendra garde à distinguer A l’adhérence de A et Ac = E r A le complémentaire de
A dans E.

J.Gärtner 186 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Remarque. Tout point de A est adhérent à A : A ⊂ A : soit x ∈ A, alors ∀r > 0, x ∈ B(x, r) ∩ A

donc ∀r > 0, B(x, r) ∩ A 6= ∅. Un point est adhérent à A s’il est dans A ou « sur le bord de A ».

Exemple 21

L’adhérence de A = [0, 1[ est [0, 1]. Le point 1 est adhérent à A mais n’est pas dans A.

Proposition 16 (Caractérisation séquentielle)

Soit A ⊂ E et a ∈ E. Le point a est adhérent à A si et seulement si il existe une suite

d’éléments de A qui converge vers a.

1
Démonstration.• Supposons que a soit adhérent à A. Soit n ∈ N. Par définition, A∩B(a, n+1 ) 6= ∅.
1
Soit xn ∈ A ∩ B(a, n+1 ). On a alors construit une suite (xn ) d’éléments de A qui vérifie ∀n ∈
1
N, kxn − ak 6 n+1 donc telle que lim kxn − ak = 0, ce qui signifie que lim xn = a.
n→+∞ n→+∞
• Réciproquement, soit (xn ) une suite d’éléments de A qui converge vers a. Soit r > 0. Comme
lim kxn − ak = 0, il existe N ∈ N tel que pour tout n > N on ait kxn − ak < r. Alors
n→+∞
xn ∈ B(a, r) ∩ A ce qui prouve que B(a, r) ∩ A 6= ∅. Donc ∀r > 0, B(a, r) ∩ A 6= ∅ et a est
adhérent à A.

Exemple 22

1
Le point 1 est adhérent à [0, 1[ car la suite (1 − n+1 )n est une suite d’éléments de [0, 1[
qui converge vers 1.

Exercice. Montrer que la matrice nulle est dans l’adhérence de l’ensemble des matrices inversibles.

Exercice. Soit A une partie bornée de R. Montrer que sup(A) est dans A.

Remarque. Soit a ∈ E et r > 0. Alors B(a, r) = Bf (a, r). Montrons le par double inclusion :
• Soit x ∈ B(a, r). Soit (xn ) une suite d’éléments de B(a, r) qui converge vers x. Montrons que
x ∈ Bf (a, r). On a pour tout n ∈ N, kxn − ak < r. Or |kxn − ak − kx − ak| 6 kxn − xk donc
lim kxn − ak = kx − ak. Le passage à la limite transforme l’inégalité kxn − ak < r en une
n→+∞
inégalité large : lim kxn − ak = kx − ak 6 r. Donc x ∈ Bf (a, r).
n→+∞

J.Gärtner 187 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

   
1 1
• Soit x ∈ Bf (a, r). Soit n ∈ N. On a kx − ak 6 r donc k 1 − n+1 (x − a)k 6 1 − n+1 r < r.
 
1 1
Donc en posant xn = 1 − n+1 x + n+1 · a on a kxn − ak < r : autrement dit xn ∈ B(a, r). De
plus lim xn = x donc x ∈ B(a, r).
n→+∞

Définition 16 (Partie fermée)

Soit A ⊂ E. On dit que A est une partie fermée de E lorsque tous les points adhérents
à A sont des éléments de A (i.e. lorsque A ⊂ A).

Proposition 17 (Caractérisation séquentielle des fermés)

Une partie A de E est fermée si et seulement si toute suite convergente d’éléments

de A converge vers un élément de A donc si et seulement si ∀n ∈ N, xn ∈ A et si
lim xn = x ∈ E, alors x ∈ A.
n→+∞

Remarque. E et ∅ sont des fermés de E.

Corollaire 18

Si N1 et N2 sont deux normes équivalentes sur E, et A ⊂ E une partie de E, alors A est

fermée pour N1 si et seulement si A est fermée pour N2 .

Démonstration. Soit (xn ) une suite d’éléments de A qui converge vers ` ∈ E pour la norme N1 .
Supposons A fermé pour la norme N1 . Alors ` ∈ A. De plus, comme N1 et N2 sont équivalentes,
si (xn ) converge vers `0 ∈ E pour N2 , on a nécessairement ` = `0 donc `0 ∈ A et A est fermé pour
N2 .
Remarque. La preuve ci-dessus permet aussi de montrer que si N1 et N2 sont équivalentes,
l’adhérence d’une partie pour N1 est la même que pour N2 . En général : Les notions topologiques
sont invariantes par passage à une norme équivalente.
Méthode 7

Pour montrer qu’une partie est fermée dans E, on utilise la caractérisation séquentielle,
ou la méthode qu’on explicitera plus loin.

Exemple 23

Un intervalle fermé de R est fermé. Rappelons que l’on appelle fermés les intervalles de
la forme [a, b], [a, +∞[ ou ] − ∞, a].

Exercice. Montrer que {(x, y) ∈ R2 , 0 6 x 6 y} est fermé dans R2 .

Contre-exemple 24

On a vu que la matrice nulle était dans l’adhérence de GL n (K) : cela montre que GL n (K)
n’est pas un fermé de Mn (K).

J.Gärtner 188 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Exercice. {(x, y) ∈ R2 , 0 < |x| < 1 et |y| 6 1} est-il fermé dans R2 ?

P
Exercice. L’ensemble {(ai,j ) ∈ Mn (K), ai,j = 1} est-il fermé dans E ?
16i,j6n

Exercice. Si E est de dimension finie, alors tout sous-espace vectoriel de E est fermé dans E.

Proposition 19 (Boules et sphères)

Toute boule fermée est fermée, toute sphère est fermée.

Démonstration.• Soit (xn ) une suite d’éléments de Bf (a, r) qui converge vers x ∈ E. Alors comme
on l’a vu lors de la remarque 2 lim kxn − ak = kx − ak. Or ∀n ∈ N, kxn − ak 6 r, donc par
n→+∞
passage à la limite kx − ak 6 r et x ∈ Bf (a, r). Ceci prouve que Bf (a, r) est fermée.
• On a de même, si (xn ) est une suite d’éléments de S(a, r) qui converge vers x, lim kxn − ak =
n→+∞
kx − ak mais la suite (kxn − ak)n est constante égale à r donc kx − ak = r et x ∈ S(a, r).

Proposition 20 (Ouverts et fermés)

Soit A ⊂ E. La partie A est fermée si et seulement si Ac = E r A est ouverte.

Démonstration.• Supposons que A soit un fermé de E. Soit x ∈ E r A. Comme x ∈ / A = A, il

existe rx > 0 tel que B(x, rx ) ∩ A = ∅. Ainsi B(x, rx ) ⊂ E r A. Ce qui prouve que x est intérieur
à E r A. Ainsi E r A est un ouvert de E.
• Supposons que E r A soit ouvert. Soit (xn ) une suite d’éléments de A qui converge vers x ∈ E.
Montrons que x ∈ A, en raisonnant par l’absurde. Supposons que x ∈ E r A. Par hypothèse cet
ensemble est un ouvert de E. Il existe donc r > 0 tel que B(x, r) ⊂ E r A ce qui est impossible
car puisque lim xn = x on doit avoir tous les termes de (xn ) dans B(x, r) à partir d’un certain
n→+∞
rang – en effet il existe N tel que pour n > N on ait kxn − xk < r. La contradiction est donc dans
le fait que xN ∈ B(x, r) ∩ A = ∅. Ainsi x ∈ A et A est fermé.

Attention ! il existe des parties ni ouvertes ni fermées (comme par exemple [0, 1[ dans R) et
des parties ouvertes et fermées (comme E ou ∅).

Proposition 21

• Soit (Fi )i∈I une famille quelconque (éventuellement infinie) de fermés de E. Alors
\
Fi
i∈I

est un fermé de E.
• Soit n ∈ N∗ et (Gi )i∈[[ 1 ; n ]] une famille finie de fermés de E. Alors
n
[
Gi
i=1

est un fermé de E.

J.Gärtner 189 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

\
Démonstration.• Soit (xn ) une suite d’éléments de Fi qui converge vers x ∈ E. Soit i ∈ I.
i∈I
Comme (xn ) est une suite d’éléments du fermé Fi , sa limite x ∈ Fi . Ceci est vrai pour tout Sni.
• Pour
Tnce point, il est plus simple d’utiliser la proposition précédente : le complémentaire
Sn de i=1 Gi
est i=1 Gci qui est une intersection finie d’ouverts donc ouvert. Ainsi i=1 Gi est un fermé de E.

Exemple 25

Montrer que A = {(x, y) ∈ R2 , 0 < |x − 1| < 1} est un ouvert de R2 .

Exemple 26

Montrer qu’un ensemble fini {x1 , . . . , xn } de E est fermé.

◦
Remarque. On appelle fontière de A ⊂ E l’ensemble noté Fr(A) défini par FrA = A r A : c’est
l’ensemble des points adhérents à A mais qui ne sont pas intérieurs à A.
Exemple 27

FrB(a, r) = ∂Bf (a, r) = S(a, r).

Définition 17 (partie dense)

Soit A une partie de E. On dit que A est dense dans E lors que E = A. Autrement dit
(caractérisation séquentielle) :

∀x ∈ E, ∃(an ) ∈ AN , lim an = x
n→+∞

On verra plus loin dans ce chapitre des utilisations de la notion de densité : on peut par exemple
montrer que deux fonctions continues sont égales sur une partie dense pour conclure qu’elles sont
égales partout.
Exemple 28

Q est dense dans R.

Exemple 29

GL n (K) est dense dans Mn (K) : toute matrice carrée est limite d’une suite de matrices
inversibles.

Exemple 30

L’ensemble des matrices (complexes) diagonalisables est dense dans Mn (C) : pour une
preuve, c.f. partie VII (nécessite la continuité du changement de base).

J.Gärtner 190 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

VI Limite et continuité en un point

Dans cette section f désigne une application entre deux K-espaces vectoriels E et F . On sup-
posera que E et F sont des espaces vectoriels normés, et on notera k · kE la norme de E et k · kF
celle de F . Le choix de ces normes est important lorsque les espaces sont de dimension infinie. En
revanche si E et F sont de dimension finie, les notions définies ici seront les mêmes pour tout choix
de norme.... puisque toutes les normes d’un espace de dimension finie sont équivalentes !

1 Définition de la limite
Définition 18 (Limite en un point)

Soit A ⊂ E. Soit a ∈ A et b ∈ F . La fonction f : A → F a pour limite b en a lorsque

∀ε > 0, ∃η > 0, ∀x ∈ A, kx − akE 6 η ⇒ kf (x) − bkF 6 ε

Lorsque cette limite existe, on note alors lim f (x) = b ou lim f = b.

x→a a

Remarque.1. Si f admet une limite en a, alors celle-ci est unique (exercice !)

2. On peut trouver x ∈ A tel que kx − akE 6 ε car a ∈ A.
3. On voit que lim f (x) = b si et seulement si lim kf (x) − bkF = 0.
x→a x→a
4. Lorsque F = R, on peut aussi considérer b = ±∞. Il suffit d’adapter les définitions. Pour b = +∞ :

∀M ∈ R, ∃α > 0, ∀x ∈ A, kx − akE 6 α ⇒ f (x) > M

pour b = −∞ :
∀M ∈ R, ∃α > 0, ∀x ∈ A, kx − akE 6 α ⇒ f (x) 6 M

5. Bien entendu si E = R, le cours a déjà été fait en PCSI !

Méthode 8

Pour étudier une fonction de plusieurs variables réelles, comme par exemple une fonction
de R2 dans R, on peut choisir la p norme la plus adaptée de R2 . En particulier, utiliser
la norme euclidienne k(x, y)k2 = x2 + y 2 laisse la possibilité d’écrire les expressions
ne coordonnées polaires : on pose x = r cos θ et y = r sin θ – dans ce cas k(x, y)k2 = r.
Montrer que lim f (x, y) = 0 revient à montrer que lim |f (r cos θ, r sin θ)| = 0.
(x,y)→(0,0) r→0

x3
Exemple La fonction f : (x, y) 7→ x2 +y 2 définie sur R2 r {(0, 0)} a pour limite 0 en (0, 0).
1. Méthode directe : ∀x ∈ R, ∀y ∈ R x3 = x2 × |x| 6 (x2 + y 2 ) |x|. Ainsi

(x2 + y 2 ) |x|
|f (x, y)| 6 = |x|
x2 + y 2

donc par encadrement lim f (x, y) = 0.

(x,y)→(0,0)

2. À l’aide de coordonnées polaires : soit (x, y) ∈ R2 r {(0, 0)}. En posant x = r cos θ et y = r sin θ
(ce qui est possible car (x, y) 6= (0, 0)) on a

r3 cos3 θ
|f (r cos θ, r sin θ)| = 6r
r2

J.Gärtner 191 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Définition 19 (Continuité)

Soit A ⊂ E. Soit a ∈ A et f : A → F . Si f admet une limite en a, alors lim f (x) = f (a).

x→a
Dans ce cas on dit que la fonction f est continue en a.
La fonction f est continue sur A lorsque f est continue en tout point de A.

Exemple 31

x2 y 2 ln(x2 + y 2 ) si (x, y) 6= (0, 0)


2
Soit f la fonction définie sur R par f (x, y) =
0 si (x, y) = (0, 0)
Montrons que f est continue en (0, 0). Rappelons que pour tout x, y ∈ R, on a |xy| 6
1 2 2 2 2
2 (x + y ) car (|x| − |y|) > 0. Ceci permet d’affirmer que si (x, y) ∈ R r {(0, 0)} alors

1 2
|f (x, y) − f (0, 0)| 6 (x + y 2 )4 ln x2 + y 2
4
1 4

4u ln(u2 ) si u 6= 0
Soit ϕ(u) = . Cette fonction a pour limite 0 en 0 et ∀(x, y) ∈
0 si u = 0
R2 , |f (x, y)| 6 ϕ(x2 + y 2 ) donc

lim f (x, y) = 0 = f (0, 0)

(x,y)→(0,0)

Remarquons que l’on aurait pu passer en coordonnées polaires.

Exemple 32

Id E est une application continue de E dans E. Soit a ∈ E et ε > 0. Soit x ∈ E tel que
kx − ak 6 ε. On a
k Id E (x) − Id E (a)k = kx − ak 6 ε
On a donc vérifié que lim Id E (x) = Id E (a).
x→a

Exemple 33

Soit a ∈ E. L’application définie sur E à valeurs réelles x 7→ kx − ak est continue sur

E. En effet, si x0 ∈ E, on a |kx − ak − kx0 − ak| 6 kx − x0 k. Or lim kx − x0 k = 0
x→x0
par définition de limite et d’après le théorème d’encadrement (qui reste valable, c.f. la
remarque 3 ci-dessous) on a lim kx − ak = kx0 − ak.
x→x0

J.Gärtner 192 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

2 Caractérisation par les suites

Proposition 22 (Caractérisation séquentielle)

Soit a ∈ A et f : A → F . Les propriétés suivantes sont équivalentes :

1. f a pour limite ` ∈ F en a.
2. Pour tout suite (an ) d’éléments de A qui converge vers a, la suite (f (an )) converge vers
`. Dans ce cas lim f (x) = lim f (an ).
x→a n→+∞
En particulier si a ∈ A, f est continue en a si et seulement si pour toute suite (an )
d’éléments de A qui converge vers a, la suite (f (an )) converge vers f (a).

Démonstration.• Si f a pour limite ` en a. Soit ε > 0. Il existe η > 0 tel que ∀x ∈ A, kx − ak 6

η ⇒ kf (x) − `k 6 ε. Soit (an ) une suite d’éléments de A qui converge vers a. Il existe donc N
tel que ∀n > N, kan − ak 6 η. On a donc pour n > N kf (an ) − `k 6 ε. Ce qui montre que
lim f (an ) = `.
n→+∞
• Par contraposée. Supposons que f ne tende pas vers ` en a. Il existe donc ε0 > 0 tel que

∀η > 0, ∃x ∈ A, kx − ak 6 η et kf (x) − `k > ε0

1 1
Soit n ∈ N. Pour η = n+1 il existe donc xn ∈ A tel que kxn − ak 6 n+1 et kf (xn ) − `k > ε0 . La
suite (xn ) converge vers a, mais (f (xn )) ne converge pas vers `.

Méthode 9

Cette propriété permet de montrer qu’une fonction ne tend pas vers une certaine valeur,
ou qu’elle n’a pas de limite

Exemple 34

Soit f : (x, y) 7→ x2xy

+y 2 . Montrons que f n’a pas de limite en (0, 0). Raisonnons par
l’absurde et supposons que f admet pour limite ` en (0, 0).
1
1 1 1 1 (n+1)2 1
La suite (( n+1 , n+1 ))n converge vers (0, 0) et f ( n+1 , n+1 ) = 2 = 2. Donc
(n+1)2
1 1
lim f ( n+1 , n+1 ) = 21 . On en déduit que nécessairement ` = 12 . Mais la suite ((0, n+1
1
))n
n→+∞
1
converge aussi vers (0, 0) et f (0, n+1 ) = 0. Donc on a aussi ` = 0. Ceci est contradictoire :
f n’a pas de limite en (0, 0).
Remarque : on peut aussi utiliser les coordonnées polaires.

ATTENTION ! Dans l’exemple précédent, on constate que pour une fonction f de deux (ou
plus !) variables, avoir une limite par rapport à x en a et par rapport à y en b séparément ne
permet pas d’affirmer que f a une limite en (a, b) : dans cet exemple on voit que

lim f (x, 0) = lim f (0, y) = 0

x→0 y→0

mais f n’a pas de limite en (0, 0).

Exercice. Soit f : Mn (K) → K une fonction continue en 0 telle que ∀A ∈ Mn (K), f (2A) = f (A).
Montrer que f est constante.

J.Gärtner 193 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Corollaire 23

Si N1 et N2 sont équivalentes sur E et N10 , N20 sont équivalentes sur F , a ∈ A, alors f

admet pour limite ` ∈ F en a pour les normes N1 et N10 si et seulement si f admet pour
limite ` en a pour les normes N2 et N20 .

Démonstration. Exo !

3 Opérations sur les limites

Proposition 24 (Opérations algébriques)

Soit f et g deux fonctions définies sur A ⊂ E et à valeurs dans F . Soit h une fonction
définie sur A à valeurs dans K et α ∈ K. Soit a ∈ A. On suppose que f , g et h admettent
respectivement une limite `, `0 et `00 en a. Alors :
1. f + αg admet une limite en a et lim (f (x) + αg(x)) = ` + α`0 .
x→a
2. hf admet une limite en a et lim (h(x)f (x)) = `00 `.
x→a
f
3. Si h ne s’annule pas sur une boule centrée en a, alors h admet une limite en a et
lim fh(x)
(x)
= ``00 .
x→a
Ainsi si f , g et h sont continues en a (resp. sur A), alors f + αg et hf sont continues en
a (resp. sur A).

Attention ! Ne pas multiplier ou diviser de vecteurs, c’est pour cela que la fonction h de la
proposition est à valeurs dans K.
Démonstration. Montrons le premier point (les autres sont laissés à titre d’exercice). On utilise
la caractérisation séquentielle. Soit (an ) une suite qui converge vers a. Alors lim f (an ) = ` et
n→+∞
lim g(an ) = `0 . Par opération sur les suites convergentes : lim (f (an ) + αg(an )) = ` + α`0 . Ceci
n→+∞ n→+∞
est valable pour toute suite (an ) la caractérisation séquentielle permet d’affirmer que lim (f (x) +
x→a
αg(x)) = ` + α`0 .

Proposition 25 (Composition)

Soient E, F et G trois espaces vectoriels normés, A ⊂ E et B ⊂ F . On suppose que

f : E → F et g : F → G. On suppose que f est définie sur A, que f (A) ⊂ B et que g est
définie sur B. Soit a ∈ A tel que lim f (x) = b. Alors
x→a
• b∈B
• si on a lim g(x) = c ∈ G, alors g ◦ f a une limite en a et lim g (f (x)) = c.
x→b x→a
En particulier si f est continue en a et g est continue en b (resp. f continue sur A et g
continue sur B), alors g ◦ f est continue en a (resp. sur A).

Démonstration. On utilise la caractérisation séquentielle. Soit (an ) une suite d’éléments de A qui
converge vers a. Alors lim f (an ) = b. Donc b est limite d’une suite d’éléments de f (A) ⊂ B.
n→+∞
Ceci prouve déjà que b ∈ B. Ensuite, d’après la caractérisation séquentielle pour g appliquée à la
suite (f (an )) qui converge vers b, on a lim g(f (an )) = c donc pour toute suite (an ) d’éléments
n→+∞
de A tel que lim an = a, on a lim (g ◦ f )(an ) = c ce qui montre que lim g(f (x)) = c.
n→+∞ n→+∞ x→a

J.Gärtner 194 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Remarque. À l’aide de la caractérisation séquentielle des limites, on retrouve beaucoup de ré-

sultats sur les fonctions à valeurs réelles (attention ! les inégalités n’ont de sens que si F = R
ici) :
• Le théorème d’encadrement : si f, g, h sont définies sur A ⊂ E, à valeurs dans R, et si a ∈ A et
` ∈ R, si ∀x ∈ A, f (x) 6 g(x) 6 h(x) et si f et h admettent pour limite ` en a, alors g a pour
limite ` en a.
• Le théorème de minoration : avec les mêmes notations, si lim f (x) = +∞, alors lim g(x) = +∞.
x→a x→a
• Le théorème de majoration : avec les mêmes notations, si lim h(x) = −∞, alors lim g(x) = −∞.
x→a x→a

4 Coordonnées
Proposition 26 (Lien avec les composantes)

Supposons que F est de dimension finie p > 1. Soit (e1 , . . . , ep ) une base de F . Soit
f : A ⊂ E → F . On peut alors définir ϕ1 , . . . , ϕp : A → K par
p
X
∀x ∈ E, f (x) = ϕk (x)ek
k=1

Ces fonctions s’appellent fonctions composantes (ou coordonnées) de f .

1. Soit a ∈ A. La fonction f admet une limite en a si et seulement si pour tout i ∈ [[ 1 ; p ]],
p
P
la fonction ϕi admet une limite en a. Alors lim f (x) = ( lim ϕi (x))ei .
x→a i=1 x→a
2. Soit a ∈ A. La fonction f est continue en a si et seulement si pour tout i ∈ [[ 1 ; p ]] la
fonction ϕi est continue en a.
3. La fonction f est continue sur A si et seulement si pour tout i ∈ [[ 1 ; p ]] la fonction ϕi
est continue sur A.

Démonstration. Exercice : utiliser la caractérisation séquentielle et la proposition 12.

Remarque. La proposition précédente justifie le fait qu’étudier limite et continuité d’une fonction
de E dans F , revient à étudier limite et continuité de chacune de ses composantes suivant une base :
on étudie donc des fonctions de E dans K.

Attention ! ne pas confondre applications coordonnées et applications partielles. Comme on

l’a vu à l’exemple 34, l’existence d’une limite pour f en a n’est pas équivalente à l’existence de
limite pour les applications partielles. Retournez voir cet exemple et son commentaire pour bien
comprendre.

Exemple 35
 
xy x3
La fonction (x, y) 7→ x2 +y 2 , x2 +y 2 admet-elle une limite en (0, 0) ?

Exemple 36

Comme on l’a vu, l’application Id Kn est continue sur Kn donc pour tout k ∈ [[ 1 ; n ]]
l’application (x1 , . . . , xn ) 7→ xk est continue sur Kn .

J.Gärtner 195 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Définition 20 (Fonctions polynomiales)

On dit que f : Kn → K est polynomiale lorsqu’elle est combinaison linéaire de fonctions

de la forme (x1 , . . . , xn ) 7→ xk11 xk22 . . . xknn avec k1 , . . . , kn ∈ N. C’est donc une fonction
construite comme somme et produit de fonctions de la forme (x1 , . . . , xn ) 7→ xi .

D’après l’exemple ci-dessus et les opérations sur les fonctions continues, on a immédiatement :

Proposition 27

Toute fonction polynomiale est continue sur Kn .

On dispose donc d’une réserve de fonctions que l’on sait continues. Par opérations algébriques
et composition, on en déduit que beaucoup de fonctions sont continues.

Exemple 37

La fonction (x, y, z) 7→ 2x7 y 2 z + z 4 − 3x7 z 1 1 + y 3 est continue.

Exemple 38
 
a b
L’application det : 7→ ad − bc est polynomiale (on identifie M2 (K) et K4 ) donc
c d
continue. De même pour la fonction déterminant en dimension n.

VII Continuité sur une partie

1 Fonctions continues , images directes et réciproques
Proposition 28

Soit f : E → F une fonction continue sur E.

1. Si V est un ouvert de F , alors f −1 (V ) est un ouvert de E.
2. Si W est un fermé de F , alors f −1 (W ) est un fermé de E.

Démonstration. Pour fermé : utiliser la caractérisation séquentielle, pour ouvert : passer au com-
plémentaire !

Remarque. Attention, f est continue sur E tout entier. Si on avait f définie sur A seulement,√on
devrait parler d’ouvert ou de fermé relatif, ce qui est une notion difficile. Par exemple f : x 7→ x,
avec A = R+ ⊂ E = R et F = R vérifie que f −1 (] − 2, 2[) = [0, 4[ : l’image réciproque obtenue
n’est ni ouvert ni fermée dans R (mais c’est bien un ouvert de R+ ... notion que l’on ne définit pas
dans ce chapitre).

Cas particulier utile :

J.Gärtner 196 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 29 (Ensembles de niveau)

Soit f une application continue de E dans R. Alors

1. L’ensemble U = {x ∈ E, f (x) > 0} est une partie ouverte de E.
2. Les ensembles V = {x ∈ E, f (x) > 0} et W = {x ∈ E, f (x) = 0} sont des parties
fermées de E.

Démonstration.• Si l’ensemble U est vide, alors il est ouvert. Sinon soit a ∈ U . Le réel 12 f (a) est
strictement positif : il existe donc ε > 0 tel que pour x ∈ B(a, ε) on ait |f (x) − f (a)| 6 12 f (a).
Alors pour x ∈ B(a, ε) on a
1 1
f (x) = f (a) + (f (x) − f (a)) > f (a) − f (a) = f (a) > 0
2 2
donc x ∈ U et donc B(a, ε) ⊂ U . Ceci montre que a est intérieur à U et ce, pour tout a de U .
L’ensemble U est ouvert.
• On a V c = {x ∈ E, −f (x) > 0}. La fonction −f est continue sur E donc V c est ouvert,
puis V est fermé. Enfin, si V 0 = {x ∈ E, f (x) 6 0}, on a W = V ∩ V 0 . En remarquant que
V 0 = {x ∈ E, −f (x) > 0} et que −f est continue sur E, on montre que V 0 est un fermé donc que
W , intersection de deux fermés, est un fermé de E.

Méthode 10

Pour montrer qu’un ensemble est un ouvert ou un fermé, on peut essayer de l’écrire
comme réunion ou intersection d’ouverts et de fermés de la forme de la proposition
précédente. Attention à ce qui est valable pour une intersection/réunion finie ou non (c.f.
propositions 13 et 21).
On pourra essayer de montrer, lorsqu’on a affaire à des inégalités strictes, que la partie
est ouverte, et que lorsque les inégalités sont larges, la partie est fermée.

Exemple 39

{(x, y) ∈ R2 , 0 < |x − 1| < 1} est un ouvert de R2 et {(x, y) ∈ R2 , 0 6 x 6 y} est un

fermé de R2 .

Remarquons que l’on retrouve ainsi, en utilisant l’application continue x 7→ kx − ak de E dans

R, que les boules ouvertes sont ouvertes et les boules fermées sont fermées.

Attention ! La fonction f de la proposition 29 doit être définie sur E tout entier pour que
le théorème s’applique. Sinon, on doit considérer la difficile notion d’ouvert et de fermé d’une
partie de E (on appelle cela des ouverts relatifs et des fermés relatifs).

Contre-exemple 40
√
La fonction f : x 7→ x + 1 est continue sur R+ . L’ensemble {x ∈ R+ , f (x) > 0} = R+
n’est pas un ouvert de R. Pour pouvoir avoir un résultat correct, il faudrait étudier la
notion « d’ouvert de R+ », qui ne relève pas vraiment de ce qu’on a dit jusqu’à présent :
nous n’avons parlé que d’ouvert ou de fermé d’un espace vectoriel normé — et ici R+
n’est pas un R-espace vectoriel normé pour les opérations usuelles.

J.Gärtner 197 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

On va maintenant énoncer un théorème qui généralise le « théorème des bornes atteintes »vu
en PCSI. Attention aux hypothèses, et en particulier au fait que ce théorème ne s’applique qu’aux
fonctions à valeurs réelles (normal car on y parle de notions relatives à des inégalités).

Théorème (?) 4 (Théorème des bornes atteintes – fonction continue sur un fermé borné)

On suppose que E est de dimension finie. Soit K une partie non vide de E que l’on
suppose fermée et bornée. Soit f : K → R une fonction continue. Alors f est bornée
et atteint ses bornes.

Démonstration. Admis !

Exemple 41

Soit f définie sur R2 par (x, y) 7→ x3 − 3x(1 + y 2 ) et U = {(x, y) ∈ R2 , x2 + y 2 = 1}.

Montrer que f admet sur U un minimum et un maximum.

2 Fonctions lipschitziennes et applications linéaires

Définition 21 (Fonctions lipschitziennes)

Soit k ∈ R+ et A ⊂ E. La fonction f : E → F est dite k-lipschitzienne sur A lorsque

∀(x, y) ∈ A2 , kf (x) − f (y)kF 6 kkx − ykE

Si A = E on dit simplement que f est k-lipschitzienne ou lipschitzienne de rapport k.

Lorsqu’on ne précise pas le rapport k, on parle simplement de fonction lipschitzienne.

Rappelons que cette notion a déjà été rencontrée en PCSI pour les fonctions réelles d’une
variable réelle.

Exemple 42

La fonction cosinus est lipschitzienne sur R.

Exemple 43

Pour tout x, y ∈ E, on a |kxk − kyk| 6 kx − yk : la norme est 1-lipschitzienne sur E.

Exemple 44

La trace est 1-lipschitzienne pour la norme k · k1 sur Mn (K).

Exercice. Montrer que l’ensemble des fonctions lipschitziennes sur A est un sous-espace vectoriel
de l’ensemble F(A, F ) des fonctions définies sur A à valeurs dans F .

J.Gärtner 198 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 30

Toute fonction lipschitzienne est continue.

Démonstration. Soit f : A → F une fonctions k-lipschitzienne sur A. Soit a ∈ A. Pour tout x ∈ A

on a kf (x) − f (a)kF 6 kkx − ak. Donc d’après le théorème d’encadrement lim kf (x) − f (a)kF = 0
x→a
et f est continue en a, et ce pour tout a ∈ A. Ainsi f est continue sur A.
Remarque. On retrouve donc que la norme est continue, puis qu’elle est 1-lipschitzienne : |kxk − kyk| 6
kx − yk.

Contre-exemple 45

La fonction x 7→ x2 est continue sur R mais n’est pas lipschitzienne.

Exercice. Soit E = C 0 ([0, 1], R) et ϕ ∈ E. On muni R de sa topologie usuelle (définie par la valeur
Z 1
absolue). Soit T : f 7→ ϕ(t)f (t)dt. Étudier la continuité de T pour les normes k · k1 et k · k2 .
0

Théorème (?) 5 (Applications linéaires)

Soit E et F deux K-espaces vectoriels. On suppose que E est de dimension finie. Alors
toute application linéaire de E dans F est lipschitzienne donc continue.

Démonstration. On note k · kE et k · kF les normes choisies pour E et F . Soit (e1 , . . . , ep ) une

base de E et considérons la norme infinie relative à ce choix de base, que nous noterons k · kB : si
p
P
x= xk ek , on pose
k=1

kxkB = kx1 e1 + · · · + xp ep kB = max(|x1 | , . . . , |xp |)

Notons B = {x ∈ E, kxkB 6 1} la boule unité de E pour la norme k · kB . Si x ∈ B, qui s’écrit
x1 e1 + · · · + xp ep , on a |xi | 6 1 pour tout i. Soit x ∈ B. Alors
kf (x)kF = kx1 f (e1 )+· · ·+xp f (ep )kF 6 |x1 | kf (e1 )kF +· · ·+|xp | kf (ep )kF 6 kf (e1 )kF +· · ·+kf (ep )kp
Notons M = kf (e1 )kF + · · · + kf (ep )kp qui est une constante (ce nombre dépend uniquement du
1
choix de B). Soit maintenant x ∈ E r {0E }. Le vecteur kxk B
x est un élément de B donc
 
1
kf x kF 6 M
kxkB
et donc (la relation est immédiate si x = 0 :)
∀x ∈ E, kf (x)kF 6 M kxkB
D’après la proposition 3 il existe c > 0 tel que k · kB 6 ck · kE . Pour tout x ∈ E on a donc
kf (x)kF 6 M kxkB 6 cM kxkE
Par linéarité on a donc pour tout x, y ∈ E :
kf (x) − f (y)kF = kf (x − y)kF 6 cM kx − ykE
l’application f est cM -lipschitzienne donc continue.

J.Gärtner 199 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Remarque. Seule la dimension finie de E est requise.

Exemple 46

Cet exemple est à savoir réutiliser : soit (Mk )k une suite d’éléments de Mn (K). On
suppose que lim Mk = A ∈ Mn (K). Alors pour toute matrice P ∈ GL n (K) on a
k→+∞

lim P −1 Mk P = P −1 AP
k→+∞

En effet l’application M 7→ P −1 M P est un endomorphisme de Mn (K).

Contre-exemple 47

Soit E = C 0 ([0, 1], R) muni de la norme k · k1 . Soit Φ : E → R l’application définie par

Φ(f ) = f (0). On considère la suite de fonctions (fn )n définies par le fait que fn (0) = 1,
fn est affine par morceaux et continue et fn est nulle sur [ n1 , +∞[ :

Soit f la fonction nulle. La suite (fn ) converge vers f pour la norme k · k1 (on dit que
(fn ) converge en moyenne vers la fonction nulle). En effet :
Z 1
1
kfn − f k1 = |fn (t) − 0| dt =
0 2n

donc lim kfn − f k1 = 0. Pourtant la suite (Φ(fn ))n ne converge pas vers Φ(f ) = 0.
n→+∞
En effet, pour tout n on a Φ(fn ) = 1. L’application Φ, qui est linéaire, n’est pas
continue.

Exercice. Montrer que l’ensemble des matrices de Mn (K) de trace nulle est un fermé de Mn (K).
Même question pour les matrices symétriques.

Exercice (il faut y penser !). Soit n ∈ N et a0 , . . . , an des réels deux à deux distincts. Montrer
qu’il existe k > 0 tel que
Z 1 n
X
∀P ∈ Rn [X], P (t)dt 6 k |P (ai )|
0 i=0

Exercice (autre contre-exemple en dimension infinie). On munit R[X] de la norme kP k =

n n
ai X i k = |ai |. Montrer que l’endomorphisme D : P 7→ P 0 n’est pas continue pour cette
P P
k
i=0 i=0
norme.

J.Gärtner 200 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Exercice. — c’est la suite de l’exercice qui précède la section V —

Montrer que toute matrice de Mn (C) est limite d’une suite de matrices diagonalisables. En
déduire l’adhérence de l’ensemble D des matrices diagonalisables de Mn (C).
Application : montrer que le théorème de Cayley-Hamilton est vrai pour les matrices diago-
nalisables, en déduire (argument de densité) une preuve du théorème de Cayley-Hamilton.

Définition 22 (Application multilinéaire)

Soit p ∈ N ∗ . On dit qu’une application f : E p → F est p-linéaire lorsque pour tout

(x1 , . . . , xp ) ∈ E p , et pour tout i ∈ [[ 1 ; p ]] l’application

E −→ F
u 7−→ f (x1 , . . . , xi−1 , |{z}
u , xi+1 , . . . , xp )
i

est linéaire. Sans préciser p on dit simplement multilinéaire.

Exemple 48

Si E est un espace préhilbertien, (x, y) 7→ (x|y) est bilinéaire.

Exemple 49

L’application (A, B) 7→ AB définie sur Mn (K) est bilinéaire.

Théorème 6 (Continuité des applications multilinéaires)

Soit E et F deux espaces vectoriels normés. Supposons E de dimension finie. Alors

toute application multilinéaire de E p dans F est continue.

Démonstration. Pour plus de simplicité, voici la preuve dans le cas d’une application bilinéaire 1 .
Soit B = (e1 , . . . , en ) une base de E. On note k · kE et k · kF les normes choisies sur E et F et

kx1 e1 + · · · + cn en kB = max(|x1 | , . . . , |xn |)

Soit (x, y) ∈ E 2 tel que kxkB 6 1 et kykB 6 1. On a donc pour tout i ∈ [[ 1 ; n ]] |x1 | 6 1 et |yi | 6 1.
Ainsi
 
Xn n
X
kf (x, y)kF = kf  xi ei , yj ej  kF
i=1 j=1
n X
X n
=k xi yj f (ei , ej )kF
i=1 j=1
n X
X n
6 |xi yj | kf (ei , ej )kF
i=1 j=1
Xn X n
6 kf (ei , ej )kF = M
i=1 j=1

1. Ceux qui aiment les indices ne doivent pas se priver de l’écrire dans le cas d’application multilinéaires.

J.Gärtner 201 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

1 1
Si x 6= 0 et y 6= 0, on a k kxk B
xkB 6 1 et k kyk B
ykB 6 1 donc
 
1 1
kf x, y k6M
kxkB kykB F
et donc
kf (x, y)kF 6 M kxkB kykB
Or si x = 0 f (0, y) = 0 car u 7→ f (u, y) est linéaire, de même pour le cas où y = 0. Donc l’inégalité
ci-dessus est vraie pour tout (x, y) ∈ E 2 . D’après la proposition d’équivalence des normes en
dimension finie il existe c > 0 tel que kxkB 6 ckxkE et kykB 6 ckxkE . Ainsi
∀(x, y) ∈ E 2 , kf (x, y)kF 6 c2 M kxkE kykE
Maintenant on a pour (x, y) ∈ E 2 et (a, b) ∈ E 2 :
kf (x, y) − f (a, b)kF = kf (x, y) − f (x, b) + f (x, b) − f (a, b)kF
6 kf (x, y) − f (x, b)kF + kf (x, b) − f (a, b)kF
6 c2 M kxkE ky − bkE +c2 M kx − akE kbkF
| {z } | {z }
→ 0 → 0
(x,y)→(a,b) (x,y)→(a,b)

Donc f est continue en (a, b) pour tout (a, b) ∈ E 2 .

Remarquons qu’une démonstration alternative, lorsque F est de plus de dimension finie, serait
d’utiliser le fait que la continuité revient à la continuité des composantes, qui sont aussi multili-
néaires. En regardant dans une base, on peut voir qu’une application multilinéaire peut s’identifier
à une fonction polynomiale, que l’on sait continue.
Exemple 50

Si E est de dimension finie, L(E) aussi. L’application bilinéaire (f, g) 7→ f ◦g est continue.
Ainsi, si fn → f et gn → g, alors fn ◦ gn → f ◦ g.

Corollaire 31 (Continuité du déterminant)

L’application det : Mn (K) → K est continue.

Démonstration. L’application Mn,1 (K)n → K définie par (C1 , . . . , Cn ) 7→ det(C1 , . . . , Cn ) est

multilinéaire sur un espace de dimension finie donc continue. De plus l’application de Mn (K) dans
Mn,1 (K)n définie par M 7→ (C1 (M ), . . . , Cn (M )) est linéaire sur un espace de dimension finie donc
continue. Le déterminant est continu car composée de ces deux applications continues.
Exemple 51

GL n (K) est un ouvert de Mn (K).

Exercice. Soit M ∈ Mn (K) et k ∈ N∗ . Montrer qu’à partir d’un certain rang, Ak = A − k1 In est
inversible. En déduire que GL n (K) = Mn (K).
Remarque. Pour finir voici les points pour lesquels la dimension finie est essentielle :
• Sur un espace de dimension finie, toutes les normes sont équivalentes.
• Si F est de dimension finie, lien limite/coordonnées dans une base.
• Si E est de dimension finie : théorème des bornes atteintes.
• Si E est de dimension finie, les applications linéaires (resp. multilinéaires) de E (resp. E p ) dans
F sont continues sur E.

J.Gärtner 202 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

VIII Révisions de PCSI sur les fonctions de la variable réelle

Dans ce chapitre, on a généralisé l’étude de limite et de continuité aux fonctions définies de E
dans F où E et F sont des espaces vectoriels normés. Certains résultats de PCSI sont cependant
spécifiques aux fonctions d’une variable réelle à valeurs réelles : ce sont les résultats liés à la
monotonie. Dans cette section, les fonctions sont donc définies sur un intervalle de R et à
valeurs réelles.

Fonctions monotones, théorème des valeurs intermédiaires

Commençons par le théorème de la limite monotone, qui est un théorème d’existence de limite.

Théorème 7

Soit f une fonction définie et croissante sur un intervalle ouvert I =]a, b[⊂ R̄. Alors
1. f possède une limite en b. Cette limite est supI f si f est majorée, +∞ sinon.
2. f possède une limite en a. Cette limite est inf I f si f est minorée, −∞ sinon.

Proposition 32

Si f est définie et décroissante sur un intervalle ouvert I =]a, b[, alors f a une limite dans
R̄ en a et en b.

Théorème 8 (Théorème de la limite monotone)

Soit f une fonction définie et monotone sur I =]a, b[⊂ R̄. Alors pour tout x0 ∈ I, f
admet une limite à droite et une limite à gauche en x0 .

Ensuite le théorème des valeurs intermédiaires et ses conséquences :

Théorème 9 (Théorème des valeurs intermédiaires)

Soit a, b ∈ I avec a < b. Soit f une fonction continue sur I, alors pour tout réel y compris
entre f (a) et f (b), il existe c ∈ [a, b] tel que f (c) = y.

Corollaire 33

L’image d’un intervalle par une fonction continue est un intervalle.

Remarque : la nature de l’intervalle n’est pas nécessairement conservée. Par exemple, la fonction
sin envoie l’intervalle ]0, 3π[ sur [−1, 1].

Corollaire 34

Si f est continue sur I, et qu’il existe a, b ∈ I tels que f (a)f (b) 6 0, alors l’équation
f (x) = 0 admet au moins une solution.

J.Gärtner 203 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Il en résulte la proposition suivante, qui n’est pas explicitement au programme mais à redé-
montrer si besoin :

Proposition (?) 35

Soit f une fonction continue sur I. Si f ne s’annule pas sur I, alors f est de signe constant
sur I.

Exercice. Soit f : [a, b] → [a, b] une application continue. Montrer que f a un point fixe.

Théorème 10 (de la bijection)

Si f est une fonction continue et strictement monotone sur un intervalle I, alors f

réalise une bijection de I sur l’intervalle J = f (I). La bijection réciproque f −1 : J → I
est monotone, de même sens de variation que f et continue sur J.

Remarque. Dans le cadre du théorème, on a suivant la nature de l’intervalle et le sens de stricte

monotonie de la fonction :

I f (I) si f croissante (stt) f (I) si f decroissante (stt)

[a, b] [f (a), f (b)] [f (b), f (a)]
[a, b[ [f (a), limb f [ ] limb f, f (a)]
]a, b] ] lima f, f (b)] [f (b), lima f [
]a, b[ ] lima f, limb f [ ] limb f, lima f [

Exercice. Soit (En ) : ln(x) + n = x pour n ∈ N avec n > 2.

1. Montrer que cette équation a une unique solution réelle xn ∈]0, 1[.

2. Montrer que la suite (xn ) est décroissante.

3. Déterminer lim xn .
n→+∞

4. Déterminer un équivalent de xn .

5. Donner un développement asymptotique à deux termes de xn .

Rappels sur les fonctions usuelles

• La fonction cos réalise une bijection de [0, π] sur [−1, 1],

• La fonction sin réalise une bijection de [− π2 , π2 ] sur [−1, 1],
• La fonction tan réalise une bijection de ] − π2 , π2 [ sur R.

J.Gärtner 204 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Définition 23

• On appelle Arccosinus la fonction

Arccos : [−1, 1] −→ [0, π]

réciproque de la fonction cos : [0, π] → [−1, 1].

• On appelle Arcsinus la fonction
π π
Arcsin : [−1, 1] −→ [− , ]
2 2
réciproque de la fonction sin : [− π2 , π2 ] → [−1, 1].
• On appelle Arctangente la fonction
π π
Arctan : R →] − , [
2 2
réciproque de la fonction tan :] − π2 , π2 [→ R.

Remarque. Ainsi Arccos (x) est « l’arc dont le cosinus est x », de même pour Arcsin et Arctan .

Proposition 36 (Arccosinus)

La fonction Arccosinus est continue et strictement décroissante sur [−1, 1]. Sa courbe
représentative est symétrique par rapport au point (0, π2 ) : ∀x ∈ [−1, 1], Arccos (−x) =
π − Arccos (x). C’est une fonction dérivable sur ] − 1, 1[ et
1
∀x ∈] − 1, 1[, Arccos 0 (x) = − √
1 − x2
Elle n’est pas dérivable en −1 ni en 1, mais la courbe représentative admet en ces points
une tangente verticale.

J.Gärtner 205 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 37 (Arcsinus)

La fonction Arcsinus est continue, strictement croissante et impaire sur [−1, 1] : ∀x ∈

[−1, 1], Arcsin (−x) = − Arcsin (x). C’est une fonction dérivable sur ] − 1, 1[ et
1
∀x ∈] − 1, 1[, Arcsin 0 (x) = √
1 − x2
Elle n’est pas dérivable en −1 ni en 1, mais la courbe représentative admet en ces points
une tangente verticale.

Proposition 38 (Arctangente)

La fonction Arctangente est continue, strictement croissante sur R et impaire : ∀x ∈

R, Arctan (−x) = − Arctan (x). C’est une fonction dérivable sur R, et
1
∀x ∈ R, Arctan 0 (x) =
1 + x2
π
Elle admet des asymptotes horizontales en ±∞ : lim Arctan (x) = 2 et
x→+∞
lim Arctan (x) = − π2 . La droite d’équation y = x est tangente à sa courbe repré-
x→−∞
sentative en l’origine.

J.Gärtner 206 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 39 (Difficile de retenir les domaines !)

∀x ∈ [−1, 1], cos(Arccos (x)) = x ∀x ∈ [0, π], Arccos (cos(x)) = x

π π
∀x ∈ [−1, 1], sin(Arcsin (x)) = x ∀x ∈ [− , ], Arcsin (sin(x)) = x
2 2
π π
∀x ∈ R, tan(Arctan (x)) = x ∀x ∈] − , [, Arctan (tan(x)) = x
2 2

Attention ! on a donc par exemple

π π
x = Arctan y ⇔ x ∈] − , [ et tan(x) = y
2 2
en particulier on a
∀y ∈ R, tan(Arctan (y)) = y
mais en général Arctan (tan(x)) n’est égal à x qu’à π près. Pour déterminer sa valeur il faut
connaître en plus un encadrement.

Exemple 52

tan(Arctan (7)) = 7, mais

3π π π π
Arctan (tan( )) = Arctan (tan(− )) = − Arctan (tan( )) = −
4 4 4 4
π
De même Arccos (cos( 5π 3 )) = 3 6= 5π
3 . Cette valeur serait impossible car Arccosinus est
à valeurs dans [0, π] !

Finissons avec deux égalités utiles dans les calculs :

J.Gärtner 207 PC Janson

 CHAPITRE 5. ESPACES VECTORIELS NORMÉS 2022/2023

Proposition 40

π
∀x ∈ [−1, 1], Arccos (x) + Arcsin (x) =
2
 
1 π
∀x ∈]0, +∞[, Arctan (x) + Arctan =
x 2
 
1 π
∀x < 0, Arctan (x) + Arctan =−
x 2

Exercice. Montrer que ∀x ∈ R, cos(Arctan (x)) = √ 1 .

1+x2

J.Gärtner 208 PC Janson

 Chapitre 6

Suites et séries de fonctions

Objectifs :
• Comprendre les différentes notions de convergences mises en jeu et leur champ d’application
• Savoir étudier la limite d’une suite de fonctions (continuité, dérivabilité...)
• Savoir étudier la somme d’une série de fonctions.
Dans ce chapitre, on considère une suite de fonctions (fn ) où pour tout n ∈ N, fn : I → K ; I
est un intervalle de R non vide, non réduit à un point.

I Convergence d’une suite de fonctions

1 Convergence simple
La manière la plus élémentaire de parler de convergence d’une suite de fonctions (fn ) consiste
en l’étude de la convergence de la suite numérique (fn (x))n à x ∈ I fixé.

Définition 1

On dit que la suite de fonctions (fn ) converge simplement vers f : I → K lorsque pour
tout x ∈ I la suite numérique (fn (x))n∈N converge vers f (x).

Exemple 1

Soit I = [0, +∞[ et fn : x 7→ xn .

• Si x ∈ [0, 1[, lim fn (x) = lim xn = 0 ;
n→+∞ n→+∞
• si x = 1, lim fn (1) = 1 ;
n→+∞
• si x > 1, lim fn (x) = +∞.
n→+∞
On en déduit que la suite (fn ) converge simplement sur [0, 1] vers la fonction

0 si x ∈ [0, 1[
f : x 7→
1 si x = 1

À l’aide des instructions suivantes, on peut obtenir les représentations graphiques ci-dessous :
 

import numpy as np
import matplotlib . pyplot as plt

def f(n, x):

209
 CHAPITRE 6. SUITES ET SÉRIES DE FONCTIONS 2022/2023

return x ∗ ∗ n

X = np. linspace (0 ,1 ,101)

for n in range (1, 21):
Y = [f(n, x) for x in X]
plt.plot(X,Y)
plt.grid ()
plt.show ()
 

Remarque. Sur cet exemple on peut déjà voir que certaines propriétés de la fonctions limite
ne pourront pas être déduites facilement de celles de la suite de fonction. Ici : on a une
suite de fonctions continues sur [0, 1], qui converge simplement vers une fonction non continue en
1. Ceci vaut aussi pour l’intégrabilité, la dérivabilité, le caractère borné... C.f. exemples ci-dessous.

Exemple 2

n
fn : x 7→ 1 + nx sur I = R. Soit n ∈ N∗ et x ∈ R. Pour étudier les limites de suites de
cette forme, on l’habitude d’écrire
x
fn (x) = en ln(1+ n )

Mais attention ! Le logarithme n’est défini que sur R+∗ . Avec x = −10 l’expression ci-
dessus n’a pas toujours de sens... mais si n > 11 dans ce cas nx < 1 donc l’expression a
un sens...
x
Comme lim nx = 0, l’expression fn (x) = en ln(1+ n ) est valable à partir d’un certain
n→+∞
rang. Ce qui permet quand même d’étudier la limite.
Maintenant je sais que ln(1 + nx ) = nx + o n1 donc fn (x) = ex+o(1) . Ceci prouve


n→+∞ n→+∞
que

Pour tout x ∈ R, la suite (fn (x))n converge vers ex ,

et comme ce raisonnement est valable pour tout x ∈ R, on en déduit que
La suite (fn )n converge simplement vers x 7→ ex sur R.

J.Gärtner 210 PC Janson

 CHAPITRE 6. SUITES ET SÉRIES DE FONCTIONS 2022/2023

Remarque. Attention ! avec les développements limités. Lorsque j’écris