Académique Documents
Professionnel Documents
Culture Documents
de
Mathmatiques
Pierre Guillot
Chapitres
Une table des matires dtaille se trouve la fin du livre
1 Ensembles
2 Nombres
22
3 Polynmes
44
4 Suites
62
5 Matrices
84
6 Continuit
108
7 Dterminants
126
8 Compacit
146
9 Drives
154
10 Lexponentielle
176
11 Espaces vectoriels
195
12 Formules de Taylor
220
13 Applications linaires
235
14 Intgrale de Riemann
262
15 Fractions rationnelles
298
16 Diagonalisation
317
342
Chapitre 1
Ensembles
Premire lecture
Ensembles et appartenance
Les objets mathmatiques peuvent tre rangs dans des ensembles, que lon crit avec des accolades. Par exemple,
E = {1, 2, 3} et
F = {19, 11}
sont des ensembles. On note x X pour signifier que x appartient X, et dans le cas contraire on emploie le symbole < ; par
exemple, on a 2 E et 3 < F.
Un ensemble ne comprend jamais de rptition , et nest
pas ordonn : ainsi
{2, 2, 2, 3, 3} = {2, 3} et
{3, 2, 1} = {1, 2, 3} .
Fixant B, on peut considrer lensemble P (B) dont les lments sont toutes les parties de B ; ainsi dans le cas o B =
{1, 2, 3}, on a
P (B) = {, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}} .
(On noublie ni la partie vide, ni B lui-mme.)
Enfin, tant donns deux ensembles A et B, on peut former leur produit cartsien not A B, dont les lments sont les
paires (a, b) avec a A et b B. Lorsque A = {1, 3} et B = {2, 4, 6}
par exemple, on a
A B = {(1, 2), (1, 4), (1, 6), (3, 2), (3, 4), (3, 6)} .
On notera que pour les paires, lordre est important : ainsi llment (1, 2) de N N est diffrent de llment (2, 1).
Quelques constructions
Lorsquon dispose dun ensemble E, on peut sintresser
aux lements de E qui vrifient une certaine proprit P. Ceuxci forment nouveau un ensemble, que lon note ainsi :
{x E | P(x)} .
(Parfois le | est remplac par deux points, ou par lexpression
complte tels que . Il y a de nombreuses variantes et il faut
shabituer des notations qui changent de temps en temps, en
gnral pour viter les lourdeurs.)
Propositions mathmatiques
On ne peut pas utiliser tout et nimporte quoi pour dcrire
les ensembles. Pour se convaincre que les proprits P comme
ci-dessus ne peuvent pas tre compltement arbitraires, voir
lencadr Deux paradoxes . Pour bien faire les choses, il
conviendrait de dfinir prcisment quelles sont les proprits
acceptables, ou en dautres termes, dfinir ce quest un nonc
mathmatique .
Cette thorie existe, et il existe mme plusieurs systmes
concurrents. Cependant il serait compltement hors de pro-
Deux paradoxes
Lnonc selon lequel {x E | P(x)}
est un ensemble lorsque E est un
ensemble peut paratre anodin. En
ralit il est bien plus fin quon pourrait le croire. Nous allons voir deux
paradoxes clbres, dont llucidation fait intervenir de manire subtile cette construction.
Voici le premier. Pour un entier n,
considrons la proprit n ne
peut pas tre dcrit en moins de
16 mots . Appelons cette proprit P(n), et soit
A = {n N | P(n)} .
Les mots de la langue franaise
sont en nombre fini, donc en 16
mots on ne peut dcrire quun
nombre fini de nombres. Ainsi, A est
infini et en particulier, non-vide. Soit
alors a le plus petit lment de A. Ce
nombre est le plus petit nombre qui
ne peut pas tre dcrit en moins de
16 mots . On vient tout juste de dcrire a en 15 mots !
Cest absurde. Et pour cause, la
proprit P(n) ne fait pas partie
des proprits mathmatiques acceptables.
pratique cependant, la moindre dfinition, le moindre thorme, occuperaient des milliers de symboles si on voulait les
dcortiquer compltement. En consquence, il faut veiller en
permanence ce que les noncs que lon produit soient thoriquement remplaables par des symboles, sans jamais effectuer
concrtement ce remplacement. Notons tout de mme qu
laide dun ordinateur, on peut parfois rdiger certaines dmonstrations jusquau moindre dtail : cest ce quon appelle
les preuves automatiques .
Ajoutons enfin que dans certaines situations, nous utiliserons les symboles , ou autres, lorsque lon souhaite lever toute ambigit. Ainsi de la dfinition des limites, par
exemple.
Fonctions
tant donns deux ensembles A et B, une fonction f de A
vers B associe tout lment x A un lment f (x) B et
un seul. On peut traduire cette dfinition (un peu vague) en
termes densembles. Si lon souhaite tre extrmement prcis,
on dira :
Dfinition 1.2 Une fonction, ou application, est un objet f dtermin par trois ensembles :
1. un ensemble A, appel le domaine de dfinition de f , ou
parfois la source de f ;
2. un ensemble B, appel le but de f ;
3. un ensemble , qui est une partie de A B et que lon
appele le graphe de f , ayant la proprit suivante : pour
chaque x A, il existe un unique y B tel que (x, y) .
Ce y est not f (x).
On utilise la notation
f : A B
pour indiquer que f est une fonction dont le domaine de dfinition est A et dont le but est B.
On reprsente typiquement une fonction A B de la manire suivante :
8
N
2n2 + 1
pour dsigner cette fonction. Cest trs souvent par des formules, telles que 2n2 + 1, que lon va dfinir les fonctions.
Ici le domaine de dfinition est A = N, le but est B = N, et le
graphe de f est = {(n, 2n2 + 1) | n N}.
Exemple 1.4 Soit p : N r {0} N la fonction telle que p(n) =
le n-ime nombre premier. Ainsi p(1) = 2, p(2) = 3, p(3) = 5,
p(4) = 7 et ainsi de suite. Cette fonction p est bien dfinie,
mme si on na pas utilis de formule. (Cela dit, il en existe.)
Exemple 1.5 Nous allons anticiper un peu et supposer que
vous connaissez un minimum lensemble R. On le reprsente
par une droite, et R R par un plan. Une fonction A B
avec A R et B R est donne par son graphe, qui ressemble
de prs ou de loin une courbe dans le plan. Par exemple la
figure suivante reprsente un tel graphe.
9
10
Deuxime lecture
Fonctions injectives
Dfinition 1.6 Soit f : A B une fonction. Supposons que,
pour tout choix de deux lments distincts x1 , x2 dans lensemble A, on ait galement f (x1 ) , f (x2 ). On alors dit que f est
injective, ou encore que f est une injection.
Il existe bien des faons de reformuler ceci. Par exemple,
f est injective si et seulement si lgalit f (x1 ) = f (x2 ) entrane x1 = x2 . galement, il est bon de noter que f est injective
si et seulement si lquation
f (x) = b ,
dont linconnue est x A et qui comporte le paramtre b B,
possde au maximum une solution.
Exemple 1.7 La fonction d : N N dfinie par d(n) = 2n, est
injective : en effet si 2x1 = 2x2 , alors x1 = x2 . Lquation d(x) = b
scrit 2x = b ; elle a une solution x = 2b si b est pair, et aucune
solution si b est impair.
Exemple 1.8 La fonction c : Z N dfinie par c(n) = n2 , nest
pas injective (ici Z est lensemble de tous les nombres entiers,
positifs ou ngatifs). En effet c(n) = c(n), de sorte que lquation c(x) = b, qui scrit x2 = b, peut possder deux solutions,
comme par exemple 2 et 2 qui sont solutions pour b = 4.
Voici comment on reprsente une fonction injective :
11
12
13
14
15
Attention, si lon sintresse dautres intervalles, la fonction sinus ne sera pas forcment une bijection : par exemple ce
16
17
toujours donner un sens la notation b ? Bien sr nous venons daffirmer ci-dessus que la rponse est oui, mais comment
le dmontrer ?
Cest lobjet du chapitre suivant, et cest aussi notre premire rencontre avec un nonc considr comme vident jusquau lyce et quil va falloir lucider. Les exemples ci-dessus
en contiennent bien dautres (quest-ce que lexponentielle, au
juste ? quest-ce quun cosinus ? etc)
18
La mthode axiomatique
Sil existe une distinction essentielle entre les mathmatiques (en tout cas dans la vision idalise quon peut en avoir)
et la plupart des autres disciplines, cest sans doute quon y a
tout le loisir de poser des questions. Quon essaie de demander un physicien la dfinition dune force, ou la dfinition de
lnergie (et non pas la formule qui calcule telle ou telle incarnation de lnergie), et on rencontrera rapidement des difficults, qui sont profondes et invitables. Richard Feynman dans
son Cours de Physique donne une belle dfinition de lnergie, par ailleurs trs mathmatique et sans doute dcevante par
certains gards pour les physiciens. Il ne parvient pas en faire
autant pour les forces, et il est intressant de lire ses explications.
En thorie, ceci narrive jamais en mathmatiques. Vous
pouvez demander votre professeur de dfinir ce quest le
logarithme, il le fera (par exemple) en disant que cest une intgrale ; vous pouvez demander ce quest une intgrale, vous
aurez une rponse qui fait intervenir des limites ; vous pouvez ensuite demander ce que signifie un passage la limite ,
etc. Mais que va-til arriver lorsquon en finit par demander ce
quest un ensemble, ce que sont les nombres entiers, et pourquoi 2 + 2 = 4 ? Il va bien falloir trouver une rponse.
Cependant, a-t-on vraiment le dsir de traiter cette question maintenant, dans le premier chapitre dun livre destin aux
tudiants en premire anne ? Nous affrontons un vritable dilemme. Dun ct, par simple honntet (et pas seulement pour
avoir des rponses disposition dun tudiant rcalcitrant qui
aurait lide incongrue de demander la dfinition des choses
videntes ), on a bien envie de commencer par le commencement, et de dfinir tous les objets que lon rencontre en partant
de rien . Dun autre ct, on peut objecter que cette exigence
serait aussi draisonnable que dimposer chaque candidat au
permis de conduire de connatre entirement la mcanique automobile avant mme sa premire heure de conduite.
De fait, la vaste majorit des mathmaticiens de profession
ne connaissent pas et ne souhaitent pas connatre les dtails des
19
Richard
Feynman, Le
cours de
Physique de
Feynman,
Dunod, 1999.
fondements logiques des mathmatiques. Ils en connaissent cependant les grands principes, que nous allons exposer dans la
fin de ce chapitre.
Le principe de dpart de la mthode axiomatique est
simple. On postule lexistence de certains objets, vrifiants certaines proprits appeles axiomes. Par postuler , il faut
comprendre quil sagit de se donner des rgles du jeu, que
lon accepte sans les questionner. Ensuite, les rsultats que lon
peut dmontrer partir de ces axiomes sont considrs comme
vrais dans la thorie .
Le premier exemple remonte lAntiquit, cest celui des
axiomes dEuclide pour la gomtrie. Euclide postule lexistence dobjets appels points et droites (et dautres encore), sachant quun point peut appartenir une droite. Ceci dans
le respect de certaines proprits, comme deux droites parallles une mme troisime sont parallles (et bien sr,
dans cette thorie lexpression tre parallles est elle-mme
dfinie, laide de concepts premiers comme lappartenance
dun point une droite). Toute la gomtrie est dduite de ces
axiomes.
En principe, comme le disait Hilbert, on pourrait remplacer
point par table , droite par chaise , et appartenir
par nimporte quel verbe, et on pourrait toujours dvelopper
la thorie, de manire purement formelle. Ceci est vrai ; ce ne
sont que des mots. Toutefois, il faut se garder de prendre ceci
trop au srieux : les axiomes ont t choisis parce quEuclide a
lintuition que le monde rel comporte des points et des droites
(ou au moins des segments), et parce quil souhaite considrer
chaque rsultat vrai dans la thorie comme une assertion
vraie sur le monde rel.
Lavantage de la mthode axiomatique est de couper court
aux dbats sur lexistence des objets de dpart. On suppose
quils existent, vrifiant certaines proprits, le reste nest que
dduction. Celui qui doute de lexistence de ces objets peut
entrer dans un dbat philosophique, par ailleurs intressant,
mais il ne peut pas critiquer le travail mathmatique de ceux
qui ont choisi ces axiomes (sauf montrer que les axiomes
sont contradictoires et que lon peut en dduire des choses ab-
20
21
Chapitre 2
Nombres
Premire lecture
Les premiers nombres
Le premier ensemble de nombres notre disposition est celui des nombres naturels :
N = {0, 1, 2, 3, . . .} .
Puis vient lensemble des nombres relatifs Z, qui contient N,
et comprend galement les nombres ngatifs comme 4. Enfin
nous avons lensemble des nombres rationnels Q, cest--dire
p
lensemble des fractions q avec p, q Z et q , 0. Noter les inclusions N Z Q.
Dans le chapitre prcdent nous avons expliqu que nous
ne dfinirons pas lensemble N, considr comme naturel (do
son nom). Par contre on peut parfaitement donner une dfinition des ensembles Z et Q partir de N : voir lencadr Une
dfinition de Q . Quoi quil en soit, nous pouvons considrer
que nous sommes laise avec les nombres rationnels.
A-ton besoin dautres nombres que des rationnels ? La question remonte aux Grecs de lAntiquit. Les difficults apparaissent peu prs ainsi. Les nombres doivent au minimum
22
Une dfinition de Q
Imaginons quelquun qui connaisse
lensemble Z mais pas Q : comment le lui dcrire ? ( titre dexercice vous pourrez ensuite dcrire Z
quelquun qui connait N).
On peut facilement imaginer dfinir
une fraction comme tant une paire
de nombres (p, q) Z Z avec q ,
0, avec la convention que (p, q)
et (a, b) reprsentent la mme fraction lorsque bp = aq, puisque
p a
= bp = aq .
q b
En tant tout--fait prcis, on est
amen la dfinition suivante,
tonnamment complique : tant
donne une paire (p, q) de nombres
avec q , 0, la fraction dfinie par ce
couple est lensemble
Fp,q = {(a, b) ZZ | b , 0 et pb = aq} .
F1 + F2 =
pb + aq
,
qb
et
F1 F2 =
pa
.
qb
23
24
p2
p
q
tel
2q2 .
que
= 2, donc
=
Quitte simplifier la fraction un
certain nombre de fois par 2, on peut supposer que p et q ne
sont pas tous les deux pairs.
Maintenant si lon observe la relation p2 = 2q2 , on voit
que p2 est pair ; donc p est pair galement, ce que lon va
crire p = 2r. Par suite p2 = 4r2 = 2q2 , donc q2 = 2r2 .
On en conclut que q2 est pair, donc q aussi. Cest une contradiction.
Que faut-il en conclure ? Tout simplement que les nombres
rationnels ne sont pas assez comptents pour dcrire le monde
rel. Pour tre plus prcis, si lon veut assigner des nombres
aux longueurs et aux aires, de sorte que certaines proprits
souhaitables soient satisfaites (par exemple en sassurant que
laire dun rectangle est le produit des longueurs), alors on ne
peut pas utiliser (seulement) les nombres rationnels.
La proprit de la borne suprieure
Nous venons de montrer
quil ny a pas de nombre rationnel digne dtre appel 2, et on pourrait avoir envie de rajouter simplement ce nombre au lyce on vous a bien appris
rajouter un nombre i tel que i 2 = 1. (Plus loin dans ce chapitre lexpression rajouter prendra un sens tout--fait
prcis
allons mettre le doigt exactement sur le phnomne qui empche, entre bien dautres choses, les racines carres de certains
nombres dexister dans Q.
Dfinition 2.2 Soit A Q.
Soit M Q. On dit que M est un majorant de A si a
A, a M.
Soit M Q. On dit que M est le plus grand lment de A si
cest un majorant de A et si M A.
En remplaant par , on obtient les notions de minorant
et de plus petit lment.
Soit
B = {M Q | M est un majorant de A} .
Si B possde un plus petit lment b, on dit que cest la
borne suprieure de A et on note b = sup A.
De mme, si lensemble des minorants de A possde un
plus grand lment, celui-ci est appel la borne infrieure
de A, note inf A.
On retient que le sup est le plus petit des majorants , de
mme que linf est le plus grand des minorants . Nous allons
voir que le sup et linf nexistent pas toujours, et cest bien l le
problme. Voyons quelques exemples.
Exemple 2.3 Soit
A = {x Q | 0 x < 1} .
Les minorants de A, pour commencer, sont tous les nombres m
tels que m 0, cest--dire quils forment lensemble
C = {m Q | m 0} .
Cet ensemble possde un plus grand lement, savoir 0. Cest
donc le plus grand minorant de A, et par dfinition on peut
crire inf A = 0. Ce nombre est galement le plus petit lment
de A.
Nous affirmons que lensemble des majorants de A est
B = {M Q | M 1} .
26
Montrons-le. Il est clair que les lments de B sont des majorants de A, et il faut montrer quil ny en a pas dautres. Soit
donc M un majorant quelconque, et supposons par labsurde
que M < 1. On a M 0 puisque 0 A, donc 0 M < 1. Considrons alors a = 21 (M + 1). On a M < a < 1, donc ce nombre sest
gliss entre M et 1, ce qui est absurde : on a a A donc on devrait avoir a M. Ainsi M 1 comme on souhaitait le montrer.
Lensemble B possde un plus petit lment, savoir 1. Cest
le plus petit majorant de A, de sorte que sup A = 1. Par contre A
na pas de plus grand lment.
Les bornes infrieure et suprieure de A sont donc 0 et 1
respectivement, et nous voyons sur cet example quil sagit
bien des bornes naturelles de A au sens intuitif. La diffrence sup A inf A = 1 0 = 1 donne une mesure de la taille
de A.
Exemple 2.4 Soit maintenant
A = {x Q | x2 2} .
Intressons-nous aux majorants de A, et notons comme dhabitude B lensemble quils forment. Cet ensemble est non-vide :
on a par exemple 10 B puisque tous les lments de A sont
10. En effet, un nombre x > 10 satisfait x2 > 102 = 100 > 2 et ne
peut pas tre dans A.
Pour les mmes raisons, on a 3 B puisque 32 = 9 > 2. Approchons nous encore : on voit que 32 B puisque ( 32 )2 = 94 > 2.
Bien. Supposons que B possde un plus petit lment ` ;
en dautres termes, supposons que A possde une borne suprieure. Que peut-on dire de `2 ? En particulier, ce nombre est-il
plus grand ou plus petit que 2 ?
Examinons lventualit `2 > 2. Notons = `2 2 > 0, et
prenons = 2`
. Si on calcule
(` )2 = `2 + 2 2` ,
on saperoit de la chose suivante : lingalit
2` 2 < 2` = = `2 2
27
(e) xy = yx,
(f) 1x = x,
(g) (xy)z = x(yz),
(h) x(y + z) = xy + xz.
(i) pour tout y , 0 il existe un nombre not y 1 ou
que
yy 1
1
y
tel
= 1.
2. Proprits dordre. Les lments de R peuvent tre compars. Plus prcisment, il y a une relation note telle que :
(a) tant donns x et y dans R, on a soit x y, soit y x,
(b) pour tout x on a x x,
(c) si x y et si y z, alors x z,
(d) si x y et y x alors x = y,
(e) si x y alors x + z y + z,
(f) si x y et si 0 z, alors xz yz.
De plus, on a la proprit fondamentale de la borne suprieure : si A R est une partie non-vide de R possdant au
moins un majorant, alors elle possde une borne suprieure.
De mme toute partie non-vide minore possde une borne
infrieure.
3. Relation avec Q. On a Q R, et les oprations usuelles daddition, de multiplication et dordre dans Q concident avec
celles calcules dans R.
De plus, pour tout a, b dans R tels que a < b, il existe x Q
tel que a < x < b.
Nous allons commenter ce thorme point par point. Mais
la premire chose remarquer, cest quil sagit dun rsultat
trs abstrait : on affirme quil existe un ensemble un peu plus
gros que Q, ayant toutes les qualits de ce dernier, et possdant
en plus toutes les bornes suprieures que lon puisse dsirer.
Pourquoi noncer lexistence de cet objet plutt que lexhiber
directement ?
Tout simplement, parce que cest trs difficile, et dailleurs
nous ne parlerons pas de la dmonstration du thorme (qui
29
Pour la
dmonstration,
voir le trs bon
article
Construction
des nombres
rels sur
Wikipedia.
x2 x20 = 0 ,
(x x0 )(x + x0 ) = 0 .
(Pourquoi cette factorisation est-elle valide ?) Lorsquun produit ab de deux nombres rels a et b vaut 0, lun de ces nombres
doit tre nul : en effet si a , 0, alors 1a existe daprs le (1)(i) du
thorme 2.5, et en multipliant par 1a on obtient 1a (ab) = ( 1a a)b =
1b = b = 1a 0 = 0 (nous avons utilis les proprits (1)(g), puis
(1)(i), puis (1)f ; le fait que x0 = 0 pour tout x se montre partir
des proprits : faites-le !) Donc b = 0.
Ici (avec a = x x0 et b = x + x0 ) on voit que x = x0 ou x =
x0 . Comme 0 x0 , on observe en ajoutant x0 de chaque ct
que x0 0 (proprit (2)(e) du thorme). Ainsi, dans le cas
o x = x0 , on constate que x est la fois 0 et 0 ; cest donc
que x = 0 par la proprit (2)(d), do x = x0 = 0. Finalement x =
x0 quoi quil arrive, et lunicit est dmontre.
Passons lexistence. Sans surprise, on pose
A = {x R | x2 a} .
Si lon trouve un nombre M tel que M2 > a, alors ce sera un
majorant de A. (Pour vrifier ceci, dmontrez que si x M,
alors x2 M2 lorsque M 0.) Or on peut tout simplement
prendre M = a si a > 1, et M = 1 si a < 1 (pour le cas a = 1,
la proposition est videmment vraie). .
Puisque lon est dans R, on sait que A possde une borne
suprieure, en tant quensemble non vide (il contient 0) et major ; posons donc x = sup A. Il faut montrer que x2 = a. Nous
avons dj fait le raisonnement dans lexemple 2.4 dans le
cas o a = 2 ; en procdant exactement de la mme manire,
31
32
et
= (0, 1)(0, 1)
= (1, 0)
= 1 .
Enfin, pour tout rel y, on a iy = (0, 1)(y, 0) = (0, y). Finalement tout nombre complexe (x, y) peut scrire (x, y) = (x, 0) +
(0, y) = x + iy.
On vient de montrer que R C, que C contient une racine
de 1, et visiblement C ne pouvait pas tre plus petit. Tout se
passe dcidment bien, puisquon a le rsultat suivant :
Proposition 2.10 Lensemble C satisfait les neuf proprits (1)
(a-b-c-d-ef-g-h-i) du Thorme 2.5. En dautres termes, les rgles
de calcul usuelles sappliquent.
Dmonstration. Ce sont des vrifications videntes, sauf la (1)(i).
tant donn z = x + iy un nombre complexe non-nul, il faut
trouver un nombre complexe w tel que zw = 1. Un tel nombre,
sil existe, serait videmment unique, et ce serait z1 .
On appelle conjugu de z le nombre z = x iy. On a zz =
x2 + y 2 ; pce dernier nombre est un rel positif, on peut noter |z| = x2 + y 2 , que lon appelle le module de z. Notons que
1
lorsque z , 0, on a |z| > 0 ; en particulier |z|
existe.
Soit alors
w=
y
z
x
= 2
i 2
.
2
2
|z|
x +y
x + y2
zz
zz
= 1. Donc w =
z2 z02 = 0
(z z0 )(z + z0 ) = 0
z = z0 ou z = z0 .
(3) .
x2 + y 2 = a 2 + b 2
En faisant (1) + (3) on tire
a + a2 + b2
x =
.
2
Le membre de droite est un rel 0, donc cette dernire quation a bien des solutions, ce qui donne deux choix opposs
pour x. De mme en faisant (3) (1) on obtient
a + a2 + b2
2
.
y =
2
2
35
x y2 =
1
2xy
=
2
x2 + y 2 =
5.
Toujours en suivant le modle de la dmonstration, on en dduit
1+ 5
1 + 5
2
2
x =
et y =
.
2
2
Lquation 2xy = 2 nous dit que x et y doivent tre de signes
opposs. On peut donc prendre
s
s
1+ 5
1 + 5
et y =
.
x=
2
2
Les deux solutions sont alors x + iy et x iy.
On sait mme rsoudre dans C des quations un peu plus
compliques :
Proposition 2.14 Soient a, b et c trois nombres complexes avec a ,
0, soit = b2 4ac, et enfin soit C tel que 2 = .
Alors lquation
az2 + bz + c = 0
possde exactement deux solutions lorsque , 0, donnes par :
z=
b
.
2a
36
Deuxime lecture
Calculs sur machine et corps
Les systmes de nombres R et C semblent rpondre tous
nos besoins en thorie. En pratique par contre, les choses ne
sont pas aussi simples. Ds que lon commence faire des calculs un peu longs, le besoin de confier la tche un ordinateur se fait sentir. Or, les nombres rels sont trs abstraits, nous
lavons dit ; tout ce quune machine va savoir faire, cest utiliser
des approximations, comme par exemple
x = 1.414213 =
1414213
1000000
ce problme de ct). Ces approximations sont une source derreur importante. Ainsi si lon calcule
x32 = 65535, 1660562286
32
on est bien loin de 2 = 216 = 65536. Mme en sachant
que x32 est cens approcher un nombre entier, arrondir lentier le plus proche ne donne pas la bonne rponse ! Aussi, notons que 7 chiffres de x sont corrects, alors que seulement 4
chiffres de x32 sont corrects.
Cependant, admettons que lon entreprenne une srie de
calculs, dans lesquelson est certains de nutiliser que des
nombres rationnels et 2, mais rien dautre. On peut tout simplement apprendre
lordinateur manipuler les nombres de
(a + b 2) + (a0 + b0 2) = (a + a0 ) + (b + b0 ) 2 ,
et
K
x+y
et dune multiplication
K K
(x, y) 7
38
K
xy
Anneau est
une mauvaise
traduction de
lAllemand
Ringe, qui
signifie
cercle , dans le
sens de
communaut .
xy = yx ,
ab 2
1
1
=
=
x a+b 2
(a + b 2)(a b 2)
a
b
=
+
2 K.
a2 2b2 a2 2b2
Un avertissement.Nous avons multipli numrateur
et dnominateur par a b 2, et ceci na un sens que si a b 2 , 0. Or
39
Lexpression
corps
lorigine tait
comprise dans le
sens dun corps
de mtier, ou
dun corps
darme.
dans le cas contraire, on aurait 2 = ba avec a et b rationnels, ce
qui est impossible daprs la proposition
2.1.
Ce corps est not gnralement Q[ 2].
Exemple 2.18 Lensemble Z est un anneau commutatif, mais
ce nest pas un corps. En effet la proprit (i) de linverse nest
pas satisfaite, par exemple 12 < Z.
Il va falloir attendre le chapitre 5 pour avoir un exemple
danneau non-commutatif.
Arithmtique de lhorloge
Nous allons donner dautres exemples de corps, qui ne
possdent quun nombre fini dlments. Ils sont utilis extrmement souvent en thorie des nombres, en informatique,
en cryptographie, etc.
Lide de dpart est simple. Lorsquil est 23h et quon attend un vnement qui doit se drouler 4h plus tard, on calcule
rapidement quil aura lieu 3h du matin. Sil est 19h et que lon
a 7h attendre, on sait bien que cela va nous amener 2h du
matin. Le raisonnement que lon fait sans y penser consiste
additionner les deux nombres (on obtient 27 dans le premier
cas, et 26 dans le deuxime), puis retrancher 24 puisque les
journes reprennent 0 ce moment-l.
On dit que lon calcule modulo 24. Vous savez aussi spontanment calculer modulo 12 : il suffit de ne pas diffrencier
le matin et laprs-midi, comme lorsquon vous demande dattendre pendant 5h partir de 11h et que vous savez presque
immdiatement que vous en avez jusqu 4h (de laprs-midi).
L encore on fait 11 + 5 = 16 puis 16 12 = 4 puisque lon veut
un rsultat entre 0 et 12.
On va dfinir maintenant des oprations modulo N, pour
tout entier N 2, sur le mme modle. Rappelons avant de
commencer ce quest une division euclidienne : tant donns
deux nombres entiers a et b, vous savez que lon peut trouver
deux nombres entiers q (le quotient) et r (le reste), uniques, tels
que
a = bq + r ,
40
1
1
0
et
0
0 0
1 0
1
0
1
Z/NZ
R(x) = le reste dans la division de x par N .
41
Proposition 2.22 On a
R(x + y) = R(x) R(y)
et
et
xy = x y ,
43
Chapitre 3
Polynmes
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Premire lecture
Dfinitions & Notations
Dfinition 3.1 Donnons-nous un symbole X. Un polynme
en X coefficients dans K est une expression formelle
a0 + a1 X + a2 X2 + + an Xn
avec an , 0. Lentier n est appel le degr du polynme.
Lensemble de ces polynmes est not K[X], et le sousensemble des polynmes de degr n est not Kn [X].
Les termes symbole et expression formelle sont
comprendre de manire intuitive : disons quun polynme est
une criture. Si vous trouvez a insatisfaisant, essayez lencadr
Dfinition complte des polynmes .
Par exemple, P = 3X2 5X + 1 est un polynme de Q[X],
et Q = X3 + iX2 7 C[X].
Lorsque lon dispose dun polynme P K[X] et dun lement x K, on peut donner un sens P(x). Sans surprise, si
P = a0 + a1 X + + an Xn ,
44
Le lecteur ayant
assimil la
dfinition 2.15
peut prendre
pour K
nimporte quel
corps.
alors
P(x) = a0 + a1 x + + an xn .
X3 = X X2 = (0, 0, 0, 1, 0, . . .) ,
et de mme on constate que Xn est
reprsent par une suite de 0, sauf
la position n o lon trouve un 1.
Finalement, soient a0 , a1 , . . . , an des
lments de K. Si lon calcule a0
a1 X an Xn , on trouve
a = (a0 , a1 , a2 , . . .) ,
(a0 , a1 , . . . , an , 0, 0, 0, . . .) .
avec an = a(n).
On dfinit une addition le plus
simplement du monde : si b =
(b0 , b1 , . . .), alors nous dfinissons
a b = (a0 + b0 , a1 + b1 , a2 + b2 , . . .) .
Dfinissons maintenant une multiplication , qui parat bien plus tordue : a b = (c0 , c1 , c2 , . . .), o
cn =
n
X
ap bnp .
P = a0 + a1 X + + an Xn .
p=0
et appele une srie formelle, lorsquon veut faire rfrence aux oprations daddition et de multiplication que lon vient de dfinir. Attention cependant : cette notation
ne doit pas donner lillusion dune
somme infinie ou dun passage
la limite (dailleurs nous navons pas
encore tudi les limites !).
On note K[[X]] lensemble des sries formelles.
45
R
P(x) = 7x5 12x3 .
C
P(z) = 7z5 12z3 ,
47
1 + i 3
j=
.
2
Cest une solution de X2 + X + 1 = 0, cest--dire que j 2 + j +
1 = 0 (proposition 2.14). Combien
vaut 4j 3 2j 2 + 1 ? Si lon
3
2
ce qui donne
en valuant en X = j la rponse 4j 2j + 1 =
2j + 7 = 6 + i 3.
Notez bien que la division Euclidienne
ne fait intervenir
Racines
Dfinition 3.5 Soit P K[X] un polynme, et soit r K. On
dit que r est une racine de P lorsque P(r) = 0. (Parfois on dit
que r est une solution de P, et parfois on dit (assez curieusement, dailleurs) que r est un zro de P.)
Proposition 3.6 Le nombre r K est une racine de P si et seulement si le polynme X r divise P dans K[X].
Dmonstration. On crit la division Euclidienne de P par X r :
P = (X r)Q + R .
Ici le degr de R doit tre < 1, donc R est de degr 0 (on dit que
cest une constante ). En faisant X = r, ceci devient P(r) = R,
donc finalement
P = (X r)Q + P(r) .
Il est alors clair que P(r) = 0 (X r) | P.
La dmonstration indique clairement que pour trouver exP
plicitement le polynme Xr
, le plus simple est deffectuer une
division Euclidienne.
Exemple 3.7 Soit P = 5X2 15X + 10. Ce polynme a deux
racines, savoir 1 et 2. Il doit donc tre divisible par X 1 en
particulier, et en faisant la division Euclidienne on obtient
5X2 15X + 10 = (X 1)(5X 10) = 5(X 1)(X 2) ,
ce qui confirme que P est galement divisible par X 2.
49
51
Le quotient dans la division de P par (X r1 ), qui est uniquement dtermin, peut donc tre calcul de deux faons diffrentes, ce qui donne lgalit
Q = (X y2 )(X y3 ) (X yn ) .
Par rcurrence, on sait que cette criture est unique, cest--dire
que (quitte renumroter) on a xi = yi pour tous les indices i.
La situation pour les polynmes de R[X] est peine plus
complique. Faisons une remarque simple :
Lemme 3.11 Soit P R[X], et soit r C une racine de P. Alors le
nombre conjugu r est galement racine de P.
Dmonstration. Si P(r) = 0, on a aussi P(r) = 0 = 0. Mais comme
P(r) = a0 + a1 r + + an rn
avec ai = ai (puisque ai R), on constate que
P(r) = a0 + a1 r + + an rn = P(r) = 0 .
Proposition 3.12 Soit P un polynme de R[X]. On peut crire de
manire unique
P = (X x1 )(X x2 ) (X xi )Q1 Q2 Qj
avec xk R et Qk un polynme de degr 2 dans R[X] sans racine
relle.
Dmonstration. Daprs le corollaire, on peut crire
P = (X r1 )(X r2 ) (X rn ) ,
avec rk C. Si certains de ces nombres sont en fait dans R,
appelons-les x1 , x2 , . . . xi . Les autres racines rk qui ne sont pas
relles sont regroupes en paires : en effet daprs le lemme,
si rk est une racine de P, alors rk aussi (et rk , rk dans ce cas). Le
facteur
(X rk )(X rk ) = X2 2<(rk ) X + |rk |2
est un polynme de R[X] de degr 2, sans racine relle. La proposition sen dduit.
Lunicit est laiss en exercice.
52
53
Lemme 3.15 Le polynme pgcd(P, Q) divise P et divise Q. De plus
si D est un polynme qui divise P et Q, alors D divise pgcd(P, Q).
En particulier pgcd(P, Q) est lunique diviseur unitaire de P et de Q
de degr maximal.
On comprend donc pourquoi pgcd(P, Q) est appel le plus
grand diviseur commun de P et Q.
Dmonstration. Daprs le (2) du lemme prcdent, il est clair
que si D | P et D | Q, alors D | pgcd(P, Q), et donc que deg(D)
deg(pgcd(P, Q)).
Vrifions lunicit. Soit D un diviseur unitaire de P et de Q
dont le degr est maximal. On a D | pgcd(P, Q) donc deg(D)
deg(pgcd(P, Q)) do par maximalit deg(D) = pgcd(P, Q). Par
suite D = pgcd(P, Q) puisquils sont tous les deux unitaires.
Cette approche des pgcds a pas mal de dfauts. Tout dabord,
il est difficile de calculer pgcd(P, Q) par la dfinition ci-dessus :
il faut dabord factoriser entirement P et Q ! Ensuite, si K nest
pas C, on ne sait rien dire. Vous arrivez certainement traiter
le cas K = R laide de la proposition 3.12 (en lieu et place du
corollaire 3.10), mais pour K = Q on est dans une impasse.
Dans la suite du chapitre on va indiquer une toute autre
mthode, plus gnrale et entranant des calculs assez faciles.
Par contre les dfinitions sont moins directes.
54
Deuxime lecture
Plus grand diviseur commun
Dfinition 3.16 Soient A et B deux polynmes. Lensemble
des diviseurs communs A et B est not div(A, B).
Notez que div(A, 0) est lensemble des diviseurs de A (tout
polynme P divise le polynme nul, puisque 0 = 0 P).
Lemme 3.17 Soient A et B des polynmes (ou des nombres entiers). crivons la division euclidienne A = BQ + R. Alors
div(A, B) = div(B, R) .
Dmonstration. Si D divise A et B, alors il divise R = A BQ (en
effet si A = A0 D et B = B0 D alors R = (A0 + B0 Q)D). Rciproquement si D divise R et B, alors il divise A, par le mme raisonnement. Donc les diviseurs considrer pour la paire (A, B) sont
les mmes que pour la paire (B, R).
Pourquoi est-ce utile ? Tout simplement parce quen passant
(B, R), les degrs (ou les nombres) sont plus petits. On peut
ensuite recommencer avec (B, R), et recommencer encore, et on
va finir par obtenir une paire de la forme (P, 0) : en effet tant
que le deuxime terme nest pas nul, on fait une nouvelle division euclidienne, et on obtient un nouveau terme strictement
plus petit. En fait on a :
Proposition 3.18 Soient A et B des polynmes.
1. Il existe un unique polynme unitaire P tel que
div(A, B) = div(P, 0) .
On le note pgcd(A, B).
2. Si D divise A et B, alors D divise galement leur pgcd.
3. Le polynme pgcd(A, B) est galement caractris comme
lunique diviseur unitaire commun A et B dont le degr est maximal.
55
1
7
X + ) R + 0,
51
51
donc
14 = b a .
donc
7 = a 5(b a) = 6a 5b .
1
1
(X 7)A + B,
51
51
1
qui est la forme annonce avec U = 51
(X 7) et V =
1
51 .
Premiers
Un nombre ou un polynme va tre appel premier lorsquil na aucun diviseur part ceux qui sont vidents. Prcisons :
Dfinition 3.25 Soit p Z un nombre , 1. On dit que p est
premier lorsque la seule faon dobtenir une factorisation p = ab
(avec a, b Z) est de prendre a = 1 ou b = 1.
58
59
Dmonstration. Montrons lexistence de cette criture, par rcurrence sur le degr de P (cest vident si deg(P) = 0). On peut
supposer que P est unitaire. Si P est lui-mme irreductible,
alors il ny a rien dire. Dans le cas contraire, on crit P = QR
avec deg(Q) < deg(P) et galement deg(R) < deg(P). Par rcurrence on peut factoriser Q et R en produit dirrductibles,
donc P aussi.
Montrons lunicit (cest plus fin). On doit donc montrer
que si on a deux critures
P1 P2 Pk = Q1 Q2 Q` ,
(*)
(**)
Lgalit (**) est de degr plus petit que (*), donc par rcurrence
on sait que k = ` et que les polynmes P2 , . . . , Pk sont les mmes
que les polynmes Q2 , . . . , Q` . Ceci termine la dmonstration.
Une fois de plus, ce thorme existe pour les nombres entiers, essentiellement avec la mme dmonstration, et vous le
connaissez probablement dj :
Thorme 3.31 Soit n Z. On peut crire de manire unique
n = p1 p2 pk ,
o chaque pi est un nombre premier positif.
61
Chapitre 4
Suites
Premire lecture
Suites de rels
Dfinition 4.1 Une suite de nombres rels est simplement
une fonction u : N R. En gnral on crit un au lieu de u(n),
et on crit (un )n0 pour dsigner la suite elle-mme.
Exemple 4.2 La suite dfinie par un = n2 commence par
0, 1, 4, 9, 16, 25, 36, . . .
On emploie souvent une formule directe pour un en fonction
de n, et dans ce cas on parlera directement de la suite (n2 )n0 .
On sautorise aussi parler de suites qui ne sont dfinies
que pour des valeurs de n suffisamment grandes ; ainsi de la
suite ( n1 )n1 par exemple. On veillera toujours indiquer le
domaine de dfinition, ici lensemble des entiers 1. videm1
ment ltude de cette suite se ramne celle de ( n+1
)n0 : dans
les deux cas il sagit de comprendre la squence de nombres
1,
1 1 1 1
, , , ,...
2 3 4 5
n
X
rk =
k=0
63
1 rn+1
.
1r
Cest une formule qui sert tout le temps, elle est donc savoir.
Convergence
Cest laide des suites que lon va pouvoir traduire mathmatiquement diverses notions de rapprochement : quantit qui
sapproche infiniment prs de 0, courbes qui se rapprochent
linfini , droites et cercles tangents une courbe, et tant
dautres ides intuitives vont dune faon ou dune autre se ramener des questions de suites.
La dfinition ci-dessous est au coeur de nombreux concepts
dans ce livre. Il est donc normal quelle paraisse un peu difficile
saisir au dbut, et il faut prendre le temps de lapprivoiser.
Il sagit de donner un sens lide dune suite qui se rapprocherait aussi prs que lon souhaite dune valeur donne. La
formulation finale est due Cauchy.
Dfinition 4.6 Soit (un )n0 une suite de nombres rels, et
soit ` R. On dit que (un ) converge vers `, ou admet ` pour limite, lorsque la condition suivante est satisfaite : pour tout > 0
il doit y avoir un entier N tel que |un `| < ds que n N .
En dautres termes, pour toute marge derreur donne, la
distance entre un et ` va devenir infrieure pour peu que
lon prenne des indices suffisamment grands.
Dans ce cas on note
un `
n
ou
lim un = ` .
Essayons de comprendre cette dfinition graphiquement,
pour commencer. Et dabord, comment dessiner une suite ?
Nous allons procder comme sur la figure ci-dessous. Les
points reprsents sont ceux de la forme (n, un ), cest--dire
que le diagramme se lit de la gauche vers la droite mesure que les indices augmentent. On a trac les axes dans le
plan R R, ainsi quune droite dquation y = ` vers laquelle la
suite semble saccumuler. Cest une bonne faon de visualiser
la convergence vers un nombre `.
64
Revenons la dfinition. tant donn un rel , la condition |un `| < est vrifie lorsque (n, un ) se trouve dans une
bande horizontale dlimite par les droites y = ` + et y = ` .
Le nombre N existe lorsquon peut tracer une droite verticale
comme ci-dessous, dquation x = N , la droite de laquelle
tous les points (n, un ) sans exception sont dans la bande.
Ce N doit exister pour tout , et bien sr les difficults arrivent lorsque devient de plus en plus petit. La bande devient
65
(Voir lencadr R est archimdien pour quelques commentaires sur cet exemple.)
Exemple 4.8 Maintenant voyons (n )n0 pour un rel 0 <
1. Montrons que la suite tend encore vers 0. Puisque |n 0| =
|n | = n , il sagit de majorer les termes de la suite par quelque
chose de facile comprendre.
p
p
Prenons un nombre rationnel q tel que < q < 1 (voir (3)
du thorme 2.5). On a q > p et comme il sagit dentiers, on est
mme sr que q p + 1 ; ainsi
n <
pn
pn
<
.
qn (p + 1)n
66
Remarquons que
(p + 1)n
On a donc
(p+1)n
pn
= (p + 1)(p + 1) (p + 1)
= pn + npn1 + (termes 0)
> pn + npn1 .
n <
p
1
1
1
= ( )n1
n! 2n1
2
et donc
1
0 .
n! n
R est archimdien
Dans lexemple 4.7, on utilise le fait
suivant : tant donn un rel x,
il existe un entier N tel que N >
x (dans lexemple on avait x = 1
et N = N ).
Dabord, pourquoi est-ce vrai ? Le (3)
du thorme 2.5 affirme quil existe
p
p
un rationnel q tel que x < q < x + 1 ;
il suffit alors de prendre N = p.
Cest Archimde qui le premier avait
nonc : Pour deux grandeurs ingales, il existe toujours un multiple entier de la plus petite, suprieur la plus grande. En
clair, tant donn a et b rationnels ou rels (mais Archimde pen-
67
n
0
1. (somme) un + vn ` + ` ;
n
2. (produit) un vn ` `0 ;
n
1
1
3. (inverse)
lorsque ` , 0.
un n `
Avant de donner la dmonstration, montrons un petit rsultat intermdiaire :
Lemme 4.11 Toute suite qui converge est borne. En dautres
termes, si (un )n0 admet une limite, alors il existe un nombre C tel
que pour tout entier n, on a |un | C.
De plus, si la limite est > 0, alors il existe une constante > 0
telle que un > pour tous les n assez grands.
Dmonstration. Soit ` la limite. On crit
|un | = |(un `) + `| |un `| + |`| .
Soit > 0, par exemple = 1. Il existe un entier N tel que pour
tous les n N , on a |un `| < . Il suffit alors de prendre C
plus grand que + |`|, et plus grand que tous les nombres |un |
pour n < N (qui sont en nombre fini).
68
(*)
|un `| <
ds que n N1 ; de mme on a un N2 tel que
|vn `0 | <
(2)
ds que n N2 .
Si nous prenons N nimporte quel nombre la fois plus
grand que N1 et plus grand que N2 , alors on a la fois (1) et
(2) lorsque n N . Prenons une constante C comme dans le
lemme. Alors en reportant ces ingalits dans (*), on aboutit
|un vn ``0 | (C + |`0 |)
pour n N .
(**)
Avec lhabitude, vous vous rendrez compte que ce genre dargument est suffisant, et que lon a essentiellement dj montr
que un vn a pour limite ``0 . Pourquoi ?
Simplement parce que pour tout > 0, on vient de montrer que lon sait trouver N tel que lingalit (**) est valable.
1
un
converge vers 1` .
Exemple 4.12 Voyons comment cette proposition nous simplifie la vie. Admettons que lon souhaite connatre la limite
de
4n2 + 1
un = 2
.
5n n + 2
On commence par diviser par n2 au numrateur comme au dnominateur :
4 + n12
un =
.
5 n1 + n22
On a vu dans lexemple 4.7 que n1 0. Grce la formule pour
le produit, on sait dsormais que n12 = ( n1 )( n1 ) converge galement vers 00 = 0. De mme n22 20 = 0 et n1 (1)0 = 0,
encore par la formule pour le produit.
Maintenant, la formule pour la somme nous dit que 4 +
1
4 et que 5 n1 + n22 5 , 0. On peut donc utiliser la
2
n
formule pour linverse qui donne finalement
un
n
4
.
5
On doit donc avoir ` = `. Si on avait ` , 0, on en dduirait = 1 ce qui contredit les hypothses. Donc ` = 0.
71
Convergence vers
Dfinition 4.16 On crit
un + ou
lim un = + ,
1. (somme) si ` , alors un + vn + ;
2. (produit)
(a) si ` > 0 alors un vn +, et
n
3. (inverse)
1
(a)
0 ;
un n
1
+ ;
vn n
1
(c) si ` = 0, et si n on a vn < 0, alors
.
vn n
+1
un+1
< + =
< 1.
un
2
En posant = +1
2 , on voit dabord que uN+1 < uN ; puis uN+2 <
uN+1 < 2 uN ; et une rcurrence nous mne immdiatement
uN+n < n uN ,
73
TO DO : ajouter
la comparaison
factorielle/puissances
Deuxime lecture
Convergence absolue
Partant dune premire suite (an )n0 , on peut considrer la
srie de terme gnral an , cest--dire la suite
un = a0 + a1 + a2 + + an =
n
X
ak .
k=0
n
X
|ak |
k=0
n
X
ak
k=0
n
X
|ak | et
k=0
un =
n
X
k=0
74
ak .
Par hypothse Sn `. Soit > 0, alors pour tous les n suffisamment grands on aura |Sn `| < 2 , et donc
|Sn Sm | = |(Sn `) + (` Sm )| |Sn `| + |Sn `| <
lorsque n et m sont tous les deux suprieurs un certain N. On
en dduit pour la suite (un ) que
n
n
X
X
|un um | =
ak
|ak | = Sn Sm < ,
k=m+1 k=m+1
lorsque n m N. On dit souvent que (un ) est une suite de
Cauchy pour exprimer cette proprit ( savoir que |un um | <
pour n et m suffisamment grands). La fin de la dmonstration
va tablir quune suite de Cauchy de nombres rels converge
toujours.
En effet, soient
n = inf{uk | k n} et
n = sup{uk | k n} ,
75
Dornavant, nous utiliserons la notation suivante, plus suggestive, pour les limites de sommes. On crit :
+
X
ak = lim
k=0
n
X
ak ,
k=0
n
X
xk
.
k!
k=0
<
.
(K + 1)! K + 1 K!
K!
De mme on a
|x|K+2
|x|
|x|K+1
|x|K+1
|x|K
=
<
< 2
.
(K + 2)! K + 2 (K + 1)!
(K + 1)!
K!
Par rcurrence on obtient
|x|K+k
|x|K
< k
.
(K + k)!
K!
Ceci va nous suffire, puisquen posant C = SK1 on peut crire
76
pour n K :
Sn
C+
nK
X
k=0
|x|K
|x|K+k
(K + k)!
(1 + + 2 + + kK )
K!
|x|K 1 n+1K
C+
K! 1
|x|K 1
C+
.
K! 1
C+
+ k
X
x
k=0
k!
(1)k+1
k+1 ,
la s-
+
X
(1)k+1
1 1 1 1
= 1 + + + = ln(2) .
k+1
2 3 4 5
k=0
1
1 1 1 1
= 1 + + + + + = + ,
k+1
2 3 4 5
Suites de complexes
Lorsque lon se donne pour chaque entier n un nombre
complexe zn = an + ibn , et lorsque an `1 et bn `2 , on dit
que (zn )n0 converge vers ` = `1 + i`2 , et on note zn `. Par
n
exemple
3n2
2n + 5
2i
+
i .
n
n
2
7n 12
7
Cette dfinition a le mrite dtre simple. Cependant on peut
donner une dfinition plus directe, sans rfrence aux suites
relles, en remplaant simplement les valeurs absolues par les
modules ; en clair :
Proposition 4.23 La suite (zn )n0 converge vers ` exactement
lorsque la condition suivante est remplie. Pour chaque rel > 0, il
doit y avoir un entier N tel que |zn `| < ds que n N .
Ici |zn `| est le module du nombre complexe zn `. part
a, la condition est la mme que pour les suites relles.
Dmonstration. crivons zn = an + bn . Pour commencer, supposons que an `1 et bn `2 . tant donn > 0, on trouve N1 tel
que |an `1 | < pour n N1 , et de mme pour tous les n plus
grands quun certain entier N2 on a |bn `2 | < . Lorsque n est
la fois plus grand que N1 et que N2 , on a
q
78
k=0
n
X
zk
k=0
n
X
|ak |
k=0
n
X
|zk |
k=0
+
X
|zk | .
k=0
bk .
k=0
Mais bien sr on a
n
n
X X
<
zk =
ak ,
k=0
k=0
n
n
X X
=
zk =
bk .
k=0
k=0
79
Suites de vecteurs
Lensemble C des nombres complexes peut tre identifi
avec lensemble R R, que lon va noter R2 , en voyant a +
ib comme la paire (a, b). De mme, on peut considrer lensemble R R R des triplets (a, b, c) de nombres rels ; on va
noter cet ensemble R3 . Lensemble R4 est compos des quadriplets (a, b, c, d).
Rien de nous enpche de continuer : tant donn un entier r, lensemble Rr est constitu des r-uplets (a, b, c, d, . . .)
(squence de r nombre rels). Ces lments sont appels vecteurs.
Dfinition 4.27 La norme (ou norme euclidienne) dun vecteur est :
k(a, b, c, d, . . .)k = a2 + b2 + c2 + d 2 + .
En particulier, si z = a + ib, alors |z| = k(a, b)k. La norme est
donc une gnralisation du module.
Une suite de vecteurs est une fonction N Rr , cest--dire
que pour tout entier n on se donne un vecteur
un = (an , bn , cn , dn , . . .) Rr .
Exactement comme dans le cas des complexes, on a :
Proposition 4.28 Soit un = (an , bn , cn , dn , . . .) une suite de vecteurs de Rr . Les deux noncs ci-dessous sont quivalents :
1. Chacune des suites (an )n0 , (bn )n0 , (cn )n0 , . . . , converge
respectivement vers `1 , `2 , `3 , . . .
2. Soit ` = (`1 , `2 , . . . , `r ). Pour chaque rel > 0, il existe un
entier N tel que pour n N on a kun `k < .
Thorme 4.29 Soit (an )n0 une suite de vecteurs dans Rr . Si la
limite
n
X
lim
kak k
n
k=0
81
n
X
ak
k=0
r
r
X
X
X
xi yi
x2i
yi2 .
i=1
i=1
i=1
Supposons de plus que les nombres y1 , y2 , . . . , yr ne sont pas tous
nuls ; alors cette ingalit est une galit exactement lorsquil existe
un rel t tel que xi + tyi = 0 pour tous les indices i la fois.
Dmonstration. Si tous les yi sont nuls, les deux membres de
lingalit sont nuls, et lingalit est donc satisfaite. On suppose maintenant quil ne sont pas tous nuls.
Pour t R, considrons
P(t) =
r
X
i=0
avec
A=
r
X
i=0
yi2 ,
B=2
r
X
i=0
82
xi y i ,
C=
r
X
i=0
x2i .
r
X
i=0
avec
(a, b) =
r
X
xi yi kak kbk ,
i=0
83
Chapitre 5
Matrices
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Premire lecture
Introduction
Une matrice nest rien dautre quun tableau de nombres. Si
lon sintresse mathmatiquement aux tableaux, cest toujours
de prs ou de loin parce quils interviennent dans les systmes
linaires, cest--dire les quations du genre
(
3x 7y + 9z = 1
2x +
y
= 3
Ici on pourra associer ce systme la matrice
!
3 7 9 1
.
2
1 0 3
Il est clair que toutes les informations concernant le systme
sont contenues dans cette matrice, mais de plus on va voir (et
vous en avez sans doute eu un aperu au lyce) que la rsolution du systme gagne mme en clart lorsquelle est faite partir de manipulations sur la matrice. Lobservation clef que nous
84
Le lecteur ayant
lu la dfinition
2.15 peut
prendre pour K
nimporte quel
corps.
allons voir tout de suite est que les matrices peuvent tre multiplies entre elles. Il en rsulte des notations simples et puissantes.
Dans les chapitres suivants, nous montrerons que les systmes linaires, sous des formes plus sophistiques, sont omniprsents en mathmatiques, un point qui devrait vous surprendre. Dans ce chapitre le but est simplement de se familiariser avec les matrices, et dapprendre rsoudre les systmes.
Commenons par les dfinitions.
Dfinition 5.1 Une matrice de type nm coefficients dans K
est un tableau dlments de K comprenant n lignes et m colonnes. Lensemble des matrices nm est not Mn,m (K). On utilise parfois la notation Mn (K) au lieu de Mn,n (K), dans le cas
des matrices carres .
Par exemple,
3 7 9 1
2
1 0 3
!
M2,4 (K)
et
2
3i
17
4
2
3
!
M2 (C) .
x1
x
2
.. Kn .
.
xn
On fait ce choix particulier dans le but de simplifier (normment) certaines formules qui vont apparatre dans la suite.
Dans dautres chapitres de ce livre, vous lavez sans doute dj
remarqu, les lments de Kn sont nots (x1 , . . . , xn ), donc en
ligne : il faut voir a comme une notation que lon sautorise ds
quil ny a pas dambigut, dans le but dconomiser la place.
Mais ds lors quil y a des matrices en vue, et des oprations
sur ces matrices, les vecteurs sont des colonnes.
85
1jm
cos(1) sin(1)
cos(2) sin(1)
cos(3) sin(1)
cos(1) sin(2)
cos(2) sin(2)
cos(3) sin(2)
cos(1) sin(3)
cos(2) sin(3)
cos(3) sin(3)
A = (aji ) 1 i m
1jn
a11 a21
t
A = a12 a22 .
a13 a23
Si B est la matrice 3 3 ci-dessus, alors
t
B = cos(1) sin(2) cos(2) sin(2)
cos(3) sin(1)
cos(3) sin(2)
cos(3) sin(3)
Addition et multiplication
Pour commencer, on peut additionner deux matrices de
mme type coefficient par coefficient : par exemple
!
!
!
1 2 3
1
1
1
1 3 4
+
=
.
4 5 6
1 1 1
3 4 5
(En dautres termes (aij )i,j + (bij )i,j = (aij + bij )i,j .)
On peut aussi multiplier une matrice par un scalaire ,
cest--dire un lment de K, en multipliant tous les coefficients par ce nombre : par exemple
!
!
1
3
2
6
2
=
.
9 27
18 54
(En dautres termes (aij )i,j = (aij )i,j .)
Multiplier deux matrices entre elles est plus compliqu.
Commenons par un cas simple.
Dfinition 5.3 Donnons-nous une matrice-ligne de type 1
m, disons
A = a1 a2 am ;
prenons galement une matrice-colonne de type m 1, disons
b1
b
2
B = . .
..
bm
Alors le produit AB est par dfinition la matrice 1 1 dont
lunique coefficient est
a1 b1 + a2 b2 + + am bm .
(Si le nombre de coefficients de A ntait pas gal au nombre de
coefficients de B, le produit AB ne serait pas dfini.)
Par exemple
1
4 1 10 0 = 4 (1) + (1) 0 + 10 1 = 6 ;
1
87
ou encore
2 3
x
y
!
=
2x 3y
1 4
1
2
A =
1
1
par
B=
3 14
5
1
1
0 19 7
!
.
2
4
6
3
!
,
x
y
X=
!
et
B=
9
1
!
.
2x + 6y
4x + 3y
!
.
89
Rgles de calcul
Il y a deux matrices qui jouent des rles particuliers dans
les oprations arithmtiques. Tout dabord la matrice dont tous
les coefficients sont nuls : on la note simplement 0, quelle que
soit sa taille. Dans le cas des matrices carres de taille n, on a
galement la matrice identit ci-dessous :
1 0 0
0 1 0
.
.
0 0 . . 0
0 0 1
On la note Idn ou Id ou encore I.
Proposition 5.7 Les rgles de calcul suivantes sont valables
dans Mn (K) :
(a) A + B = B + A,
(e) A(B + C) = AB + AC
(b) 0 + A = A,
et (A + B)C = AC + BC,
(c) (A + B) + C = A + (B + C),
(f) Id A = A Id = A,
(d) A (A) tel que A + (A) = 0, (g) (AB)C = A(BC).
(En dautres termes, Mn (K) est un anneau, les rles de 0 et 1
tant jous par les matrices nulle et identit. Cet anneau nest pas
commutatif.)
De plus lopration de multiplication par un scalaire vrifie
A = ( Id)A = A( Id) .
La dmonstration est facile et vous est laisse titre dexercice. Par exemple examinez bien lgalit Id A = Id A = A. Cest
cause de cette rgle que lon crit parfois 1 pour la matrice
identit.
Cet nonc signifie que les rgles de calcul habituelles sappliquent aux matrices, sauf les deux suivantes. Dabord la commutativit : on na pas toujours AB = BA, par exemple pour
!
!
0
3
2 1
A=
et B =
,
1 1
2 1
on a
AB =
6 3
0
2
!
et
90
BA =
1 5
1
7
!
.
et
BA = Id .
a
c
b
d
!
.
d b
c
a
!
.
Alors
ad bc
0
=
AA
0
ad bc
!
.
1
adbc ,
on obtient
1
= Id .
A
ad bc
11/
10
et y =
17/
15 .
Matrices chelonnes
Dfinition 5.11 Soit A une matrice. On dit que A est chelonne, ou parfois chelonne en lignes, lorsque les trois conditions
suivantes sont satisfaites :
1. Dans chaque ligne de A, le premier coefficient non-nul
(en partant de la gauche) est un 1. On lappelle le pivot de
la ligne.
2. mesure que lon descend dans les lignes, les pivots se
dcalent vers la droite.
3. Les lignes nulles de A sont situes en-dessous des lignes
non-nulles.
De plus, on dit que A est bien chelonne lorsquelle est chelonne et que les pivots sont les seuls coefficients non-nuls dans
leur colonne.
Exemple 5.12 Les matrices suivantes sont chelonnes (les pivots sont encadrs) :
!
1 4 0 3
1
2
0 0 1
,
.
0
0
1
0 0 0
0
La premire est bien chelonne, mais pas la deuxime (il faudrait que le 2 soit un 0).
Les matrices Ai ci-dessous ne sont pas chelonnes, car elles
violent les rgles 1, 2, 3 respectivement :
!
1
2 0 0
1 1
0
1
0 .
A1 = 0 5 1 ,
A2 =
,
A3 = 0 0
1 2
0 0 0
0 1 10
93
1 4 0 3
A = 0 0 1
0 .
0 0 0
0
Elle a quatre colonnes, elle peut donc dcrire un systme
quatre inconnues sur le modle de lexemple 5.6. En clair, posons
x
4
y
et, par exemple, B = 2 ,
X =
0
t
alors le systme AX = B scrit
x + 4y
3t
= 4
= 2
0 = 0
4 4y + 3t
avec
y,
t
K
K4 .
94
4
4
3
0
1
0
+
y
+
t
avec
y,
t
K
.
0
2
0
0
1
Cette mthode aurait fonctionn tout aussi bien pour nimporte quel second membre B, sauf dans les cas o cest encore
plus facile. Imaginons en effet que le dernier coefficient de B ne
soit pas nul, disons
1
1
B =
,
1
alors le systme devient
x + 4y
3t
= 1
= 1
0 = 1
= b1
.
= b2
0
1 1 2
3
1
1 1 ,
1
1 1
5
et faisons quelques oprations. Retranchons la premire ligne
la dernire ligne (oprations de type (3)) :
0
1 1 2
3
1
1 1
L3 L3 L1
0
2
1
5
96
0
1 1 2
0
4
7 1
0
2
1
5
L2 L2 3L1
1 1
0
4
0
1
2
0
7 1
1/
5/
2
2
0
5/
2
1
1 2
1 1/2
4
7
L3 1/2 L3
L2 L3
0
1 1 2
1
5
L3 L3 4L2
1 /2
/2
0
0
0
5 11
1
1
0
0
5/
2
11/
5
2
1/
2
1
L3
1
L
5 3
0
1 1 2
1
0
18/
1
0
L2 L2 L3
2
0
0
1 11/5
1 1 0
1 0
0
0
0 1
22/
18/
11/
5
5
5
97
L1 L1 + 2L3
et enfin
0
1
0
0
0
1
18/
11/
5
4/
L1 L1 + L2
x y 2z =
0
3x
+
y
+
z
=
1
x + y
z =
5
Il est de la forme AX = B en posant
1 1 2
x
1
1 , X = y ,
A = 3
1
1 1
z
B = 1 .
Daprs la proposition, on ne change pas les solutions en faisant des oprations sur A et B en mme temps. Il sagit de faire
les mmes oprations sur ces deux matrices, et en pratique de
nombreux tudiants prfrent ajouter B comme colonne A,
de sorte que lon fait des oprations sur la matrice
0
1 1 2
3
1
1 1 .
1
1 1
5
(La ligne verticale est juste l pour rappeler do vient la dernire colonne.) Cest la matrice sur laquelle nous avons travaill dans lexemple 5.15. Nous avons vu quaprs quelques
oprations, on arrive
4/
1
0
0
5
18/
.
0
1
0
5
11
0
0
1
/5
En faisant la traduction inverse,
est particulirement simple :
4/
5
18/
5
11/
5
Ces trois valeurs de x, y et z sont les solutions du systme initial AX = B, comme vous pouvez le vrifier.
99
1 1
1
0 1
1 .
A =
1
2
3
On va faire des oprations sur les lignes de A pour trouver sa
forme bien chelonne, et chaque opration est faite en parallle sur la matrice identit. On commence donc par prsenter
les matrices cte cte :
1 1
1
1 0 0
0 1
0 1 0
1
1
2
3
0 0 1
100
On commence :
1 1
1
0 1
1
0
3
2
1 1
1
0 1
1
0
0
5
1
1 1
0
1 1
0
0
1
1 1 0
0
1 0
0
0 1
1 0 0
0 1 0
0 0 1
1
0
0
1
0
0
0
1
L3 L3 + L1
1
0
0
1
3
0
0
1
L3 L3 + L2
0
1
0 1
1
/5 3/5
6/
5
1/
5
1/
5
3/
2/
1
1/
5
1/
5
2/
3/
5
5
5
1
3/
5
5
0
0
1/
5
1/
L1 L1
L2 L2
L3 15 L3
L L + L
2
3
1/
2
5
1/ L1 L1 L3
5
0
1/
L1 L1 + L2
5
1/
5
5
0
1 1
1
3
1
/5
/5 /5
Prenons un autre exemple, disons
1
2 1
B = 6 16 2
11
6
3
Cest reparti :
2 1
1
0 28 8
0 28 8
1 0 0
6 1 0
11 0 1
101
L3 L3 + 6L1
L2 L2 + 11L1
1
0
2 1
28 8
0
0
0 0
1
6
1 0
5 1 1
L3 L3 L2
Arrtons-nous : on vient dobtenir une ligne de zros. En effet, si lon poursuivait le calcul on obtiendrait une matrice bien
chelonne qui elle-mme aurait une ligne de zros, donc EB ,
Id. Daprs la proposition, la matrice B nest pas inversible. Les
calculs que lon a fait sur la matrice identit nauront servi
rien : cest lun des petits dfauts de la mthode.
Deuxime lecture
Un autre point de vue sur les oprations sur les lignes
Lobservation suivante est riche de consquences : faire une
opration sur les lignes revient multiplier gauche par une
matrice inversible. Plus prcisment :
Proposition 5.21 Soit A une matrice, et A0 obtenue en faisant
une opration sur les lignes de A. Alors il existe une matrice inversible P telle que A0 = PA.
De plus, on peut trouver une matrice P unique qui convient
pour toutes les matrices A la fois.
Dmonstration. Cherchons P qui convient pour toutes les matrices A. On na pas beaucoup de choix, puisquen faisant A =
Id, on a A0 = P Id = P : en dautres termes, la matrice P ellemme doit tre obtenue en faisant lopration en question sur
les lignes de la matrice identit.
Par exemple, pour multiplier la premire ligne par , 0,
on doit prendre
0 0
0 1 0
P = M = 0 0 1 .
.
0 0 0 ..
102
Or on vrifie que pour toute matrice A, le produit M A est effectivement obtenu en multipliant la premire ligne de A par .
De plus M est bien inversible, dinverse M1 . Donc la proposition est vraie pour cette opration. Pour multiplier une autre
ligne, dplacer le long de la diagonale.
Pour permuter la premire ligne et la deuxime, on doit
prendre
0 1 0 0
1 0 0 0
0
0
1
0
P =
0 0 0 1
0 0 0 0 ..
On vrifie que cette matrice convient effectivement. Elle est inversible, et mme gale on inverse.
Pour ajouter fois la deuxime ligne la premire, prendre
1 0
0 1 0
0 0 1 .
P = C12
=
. .
.
0 0 0
Cette matrice convient, et son inverse est C12
.
Les autres cas sont similaires.
Corollaire 5.22 Pour chaque matrice A, il existe une matrice P
inversible telle que EA = PA.
Attention, cette matrice P dpend de A fortement !
Dmonstration. On peut obtenir EA en faisant des oprations
sur les lignes de A ; disons que cela ncessite k tapes. Si la
premire opration correspond la matrice P1 , alors aprs une
tape on travaille avec P1 A. Si la deuxime opration est donne par P2 , on se retrouve avec P2 P1 A. Aprs k oprations, on
a Pk Pk1 P1 A = EA . La matrice P = Pk Pk1 P1 est inversible et
son inverse est P11 P21 Pk1 .
On peut maintenant dmontrer trs facilement la proposition 5.17 :
103
1
0
. ,
.
.
0
puisque E1 est bien chelonne. En consquence, la matrice PE1
commence galement par k colonnes de 0, et sa k + 1-me colonne est la k + 1-me colonne de P. Mais PE1 = E2 est chelonne, donc cette colonne de P est elle aussi de la forme
1
0
. .
.
.
0
On voit donc dj que E1 et E2 sont identiques dans les k + 1
105
0 0 1
0 0 0
Ei = 0 0 0
Fi
.. ..
..
. .
.
0 0 0
a2 a3 an
1
0
P =
0
P
..
0
Cette matrice P0 est inversible ; en fait si P est de dimension n
n, alors linverse de P0 est le bloc (n 1) (n 1) en bas droite
de P1 .
partir de lgalit E2 = PE1 , on tire facilement F2 = P0 F1 .
Faisons une rcurrence sur la taille des matrices. Comme Fi
est strictement plus petite que Ei , on peut supposer que lon
connait la proposition dans ce cas, et donc que F1 = F2 et que P0
est de la forme annonce. On voit dj que P est aussi de la
forme annonce. Reste montrer que E1 et E2 ont la mme
premire ligne.
Si E1 a un pivot dans la ligne i > 1, alors E2 aussi puisque F1 =
F2 . Un pivot tant seul dans sa colonne, on constate que, dans
la mme colonne de PE1 , on trouve ai sur la premire ligne.
Puisque PE1 = E2 est bien chelonne avec un pivot dans cette
colonne, on doit avoir ai = 0 dans ce cas.
Si par contre la ligne i de E1 na pas de pivot, cest quelle
est nulle. Peu importe alors la valeur de ai pour cet indice i : la
premire ligne de PE1 est gale la premire ligne de E1 .
Dmonstration du thorme 5.16 . Si E1 et E2 sont deux matrices
bien chelonnes obtenues partir de A, alors il existe des matrices inversibles P1 et P2 telles que P1 A = E1 et P2 A = E2 (pro106
position 5.21). Ainsi E2 = P2 P11 E1 , donc la proposition prcdente montre que E2 = E1 . La matrice chelonne associe A
est bien unique.
107
Chapitre 6
Continuit
Premire lecture
Introduction & Dfinitions
Une fonction continue, intuitivement, est une fonction que
lon peut dessiner sans lever le stylo, comme celle-ci :
Ci-dessous, un dessin dune fonction qui nest pas continue. On a mme lintuition, plus prcisment, quelle nest pas
continue au point x0 :
108
ou
] ; b] .
ou
[a, b[ .
111
112
Exemple 6.9 (Racine n-imes) Prenons lexemple de la fonction f : [0; +[ R dfinie par f (x) = xn , pour un entier n. Cest
une fonction polynomiale, donc continue.
Prenons un nombre rel y 0, et choisissons un nombre b
tel que bn > y. On a donc f (0) y f (b), et le thorme
des valeurs intermdiaires affirme donc lexistence dun x tel
que f (x) = y, cest--dire xn = y. On constate que tout nombre
rel positif possde une racine n-ime.
De plus, si 0 x1 < x2 , on a xn1 < xn2 ; cette remarque simple
entrane lunicit du x 0 tel que xn = y. La racine n-ime po
sitive de y est bien dfinie, on la note n y.
Nous avions dmontr ce rsultat pour n = 2, avec pas mal
defforts (proposition 2.6). Le thorme des valeurs intermdiaires, maintenant quil est dmontr, simplifie considrablement ce genre de questions.
Il nous reste considrer les racines n-imes dans C, ce qui
ncessite de nouveaux outils.
Autres exemples de fonctions continues
Les fonctions usuelles sont toutes continues :
Proposition 6.10 Les fonctions suivantes sont continues en tout
point de leur domaine de dfinition :
x 7 ex sur R,
113
x 7 sin(x) sur R,
x 7 cos(x) sur R,
x 7 tan(x) sur R r { 2 + k avec k Z},
x 7 ln(x) sur ]0; +[,
x 7 arcsin(x) sur [1, 1],
x 7 arccos(x) sur [1, 1],
x 7 arctan(x)
sur R,
Pour linstant, on ne risque pas de donner une dmonstration de cette proposition : on na mme pas de dfinition rigoureuse de la plupart de ces fonctions !Toutefois, dans le reste
de ce chapitre, on va tablir que x 7 n x est continue, et montrer galement quil suffit de montrer la continuit des quatre
premires fonction dans la liste ci-dessus pour obtenir automatiquement la continuit des autres. Grce certaines formules
de trigonomtrie quil faudra tablir et que vous devinez peuttre, on se ramnera montrer seulement la continuit de lexponentielle. Pour cela, on travaillera directement avec la dfinition donne dans lexemple 4.21. Nous traiterons ceci dans le
chapitre intitul Lexponentielle .
Pour construire encore plus de fonctions continues, on utilise le rsultat suivant :
Proposition 6.11 Soient f et g deux fonctions dfinies sur I et
continues en x0 I. Alors
(somme) x 7 f (x) + g(x) est continue en x0 ,
(produit) x 7 f (x)g(x) est continue en x0 ,
1
(inverse) si f (x) , 0 sur I, alors x 7 f (x)
est continue en x0 .
En effet, ceci dcoule directement de la proposition 4.10.
Exemple 6.12 Si lon admet que le sinus et le cosinus sont des
fonctions continues, alors
x 7 tan(x) =
sin(x)
cos(x)
ecos(x) ln(x)
.
1 + (arctan(x))2
1
1 + (arctan(x))2
115
lorsque pour toute suite (un )n0 qui converge vers x0 , avec un
I, la suite (f (un )) converge vers `.
Dans un premier temps, cette notion apparat comme une
reformulation de la continuit, notamment cause du rsultat
suivant :
Proposition 6.16 Soit f : I R et x0 I. Alors
f est continue en x0
xx0
lim f (x) = + .
x0
116
x+
x0
Dfinissons alors
(
f(x) =
f (x) si x , 0 ,
0 sinon .
Deuxime lecture
119
121
n
x est continue sur [0; +[ : en effet, cest la rciproque de la
fonction x 7 xn , qui est continue puisquelle est polynomiale.
122
123
Mn (R)
f (A, B) = AB.
ai,k bk,j .
k=0
Cette expression est continue (elle est obtenue partir des projections en faisant des produits et des sommes). Puisque les
composantes de f sont continues, cest que f est elle-mme
continue.
Notons maintenant GLn (R) lensemble des matrices inversibles de Mn (R) ; cest une notation standard qui fait rfrence
124
GLn (R)
A1 .
125
Chapitre 7
Dterminants
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Premire lecture
Mthode de calcul
Lobjectif de ce chapitre est de montrer une gnralisation
de la proposition 5.9. Plus prcisment, on cherche associer
toute matrice carre un nombre, son dterminant, qui soit facilement calculable et qui permette de dcider si la matrice est
inversible ou non. On aimerait aussi avoir une formule pour
linverse (bien que lon sache dj calculer les inverses efficacement).
Cest dans la deuxime partie de ce chapitre que nous montrerons le thorme suivant :
Thorme 7.1 Il existe une unique fonction
det : Mn (K)
A 7
K
det(A)
Le lecteur ayant
lu la dfinition
2.15 peut
prendre pour K
nimporte quel
corps.
M = 3
1
2
2
3
1
2
2
3
12
127
2
2 2
2
3 3 3 = det 3
1 1
1
1
2
2 2
2
2
3
1
2
2
3
12
1
1 1
N = 3 3 3 .
1 1
1
2
2 2
On a donc det(M) = 2 det(N). La rgle est simple : on sort
le 2 du dterminant. On va crire les choses comme ceci (on
continue avec les autres lignes) :
2
1
2 2
1 1
3 3 3 = 2 3 3 3
1 1
1 1
1
1
2
2 2
2
2 2
1
1
1 1
1 1
1
= 2 3 1 1 1 = 2 3 1 1 1 .
1 1
2
1
1 1 1
2
2 2
Maintenant faisons une opration de type (3) :
1
1 1 1
1 1
1 1 1 = 0 2
0
L2 L2 + L1 .
1 1 1
1 1 1
Ces oprations ne changent pas le dterminant. On continue :
1 1 1
1
1 1
0 2
0
0 = 0 2
L3 L3 L1 .
0 0 2
1 1 1
Avec lhabitude, vous verrez immdiatement que ce dernier dterminant vaut 4. Pourquoi ? Voyons :
1
1 1
1 1 1
0 2
0 = 2 (2) 0 1 0
0 0 2
0 0 1
128
1
= 4 0
0
1
1
0
0
0
1
1
= 4 0
0
0
1
0
0
0
1
1 0 0
0 1 0
A =
?
0 0 0
Cest bien simple : en multipliant la troisme ligne de A par 0,
on obtient encore la matrice A. Donc det(A) = 0 det(A) = 0. Le
dterminant dune matrice ayant une ligne nulle est nul. Et pareil
avec les colonnes.
Le rsultat suivant est alors facile :
Proposition 7.5 Une matrice carre est inversible si et seulement
si son dterminant est non-nul.
Dmonstration. Si A0 est obtenue partir de A en faisant une
opration sur les lignes, on a det(A0 ) , 0 det(A) , 0 (on
se rappellera que les oprations autorises pour chelonner
une matrice, donnes dans la dfinition 5.14, comprennent la
multiplication dune ligne par un scalaire non-nul). Si EA dsigne comme dhabitude la matrice bien chelonne associe
A, on constate que det(A) , 0 si et seulement si det(EA ) , 0.
129
1
.
det(A)
Dmonstration. La matrice B tant fixe, considrons la fonction dfinie par (A) = det(AB). On voit tout de suite quelle
vrifie les proprits (1), (2) et (3) du thorme 7.1. (Noter que
faire des oprations sur les lignes de AB revient faire des oprations sur les lignes de A, puis multiplier par B.) Daprs le
thorme, il existe une constante tel que (A) = det(A).
En prenant A = Id, on observe (Id) = det(Id B) = det(B) =
det(Id) = , cest--dire = det(B). Ceci montre que det(AB) =
det(A) det(B).
Si A1 existe, on calcule det(AA1 ) = det(A) det(A1 ) =
det(Id) = 1.
Dveloppements des dterminants
Dfinition 7.8 Soit A une matrice n n. On appelle mineur
en i, j, et on note ij , le dterminant de la matrice (n1)(n1)
obtenue en supprimant la ligne i et la colonne j de A.
Exemple 7.9 Soit
A = 4
2
5
8
3
6
9
Alors
5
11 =
8
6
9
, = 1
22
7
131
3
9
, =
23
1
7
2
8
!
.
n
X
(1)i+j aij ij .
j=1
n
X
(1)i+j aij ij .
i=1
A = 2
1 1
0
5 .
0 1
+ +
+
+ +
La rgle est simple : on commence par + en haut gauche, et on
alterne de sorte quil ny a jamais deux signes identiques cte
cte.
Pour dvelopper par rapport la premire ligne, disons, on
prend les mineurs et les coefficients dans la matrices, les signes
dans le tableau, et on ajoute :
2 0
0
5
2
5
+ (1)
(1)
det1 (A) = +0
3 0
3 1
0 1
= 0 + 17 + 0 = 17 .
Par rapport la troisime colonne, on a
0 1
2 0
3
5
det (A) = +(1)
3 0
3 1
+ (1)
= 0 5 (3) (2) = 17 .
Ce nest pas un hasard si on trouve le mme rsultat.
132
0
2
1
0
1
0
2 1
A =
7
2
2
0
0
1
9
0
.
4 5
1 1
ligne, videmment,
,
1
13
24
(Dune manire gnrale, le dterminant dune matrice triangulaire est le produit des coefficients sur la diagonale). Finalement det(A) = 240.
Les formules de Cramer
Nous allons maintenant voir une formule pour calculer linverse dune matrice, qui est une gnralisation de celle donne
dans la proposition 5.9.
Soit A = (aij ) une matrice. On pose
= ((1)i+j ij )ij ,
A
et on lappelle la comatrice de A. (On rappelle que le mineur ij a t introduit dans la dfinition 7.8).
Proposition 7.14 On a
= det(A) Id .
A tA
n
X
aik (1)k+j jk .
k=0
135
1 3 1
1 4
0 .
A =
0
1
2
Pour calculer la comatrice, on commence par le coefficient en
haut gauche, qui doit tre
4 0 = 8 .
1 2
Le coefficient sur la ligne 1, dans la colonne 2, est
1 0
= 2 .
0 2
(On noublie pas le signe.) Ainsi de suite, on finit par obtenir
1
8 2
= 5
2 1 .
A
4 1 1
On calcule det(A) = 3. Finalement
5 4
8
1
2 1 =
A1 = 2
3
1 1 1
8/
3
2/
3
1/
3
5/
3
2/
3
1/
3
4/
.
1/
3
1/
3
3
GLn (R)
A1
est continue.
Daprs lexpression pour A1 , cest vident.
Deuxime lecture
Unicit du dterminant
Nous allons nous tourner vers la dmonstration du thorme 7.1. La partie unicit est en fait trs simple, et en ralit nous lavons presque dj vue.
En effet, si : Mn (K) K vrifie les fameuses proprits (1), (2), (3) et (4), alors pour calculer (A), on peut faire
des oprations sur les lignes dont on sait prcisment comment elles changent la quantit (A), et se ramener une matrice chelonne. Mais pour une matrice chelonn, on constate
que prend la valeur 0 sil y a une ligne nulle, ou 1 sinon (voir
la discussion dans lexemple 7.4 et la dmonstration de la proposition 7.5). Finalement, on na tout simplement pas le choix
pour la valeur de (A). Do lunicit dune fonction qui vrifierait les quatre proprits.
137
a12
a22
a32
a13
a23
a33
= a13 a22 a31 + a12 a23 a31 + a13 a21 a32
a11 a23 a32 a12 a21 a33 + a11 a22 a33 .
le symbole S est
un S majuscule
en criture
gothique
allemande.
1
2
(1) (2)
n
(n)
!
;
1
3
2
2
3
1
(j) (i)
.
ji
139
On a qij = qji , de sorte que qij ne dpend que de la paire {i, j}.
On pose ensuite
Y
() =
qij .
{i,j}
On appelle () la signature de .
1
2
2
3
3
1
!
S3 .
Les paires considrer sont {1, 2}, {1, 3}, {2, 3}. On trouve
q12 =
32
= 1,
21
q13 =
12
1
= ,
31
2
q23 =
13
= 2 .
32
Finalement () = 1 12 (2) = 1.
Notons que la quantit qij est positive si (i) et (j) sont
dans le mme ordre que i et j, et ngative sinon : on dit
alors quil y a une inversion en i, j.
Lemme 7.23 Pour toute permutation , on a () = 1.
Dmonstration. Montrons que |()| = 1. En posant dij = |j i|,
de sorte que dij = dji , on peut crire () = N/D avec
Y
Y
d(i)(j) et D =
dij .
N=
{i,j}
{i,j}
.
ji
(j) (i)
ji
Multiplions ces galits pour toutes les paires {i, j}, on obtient
Y (j) (i)
() =
() .
(j) (i)
{i,j}
141
(j) (i)
Y (j) (i)
{i,j}
j i
Nous allons montrer toutes les proprits (attendues depuis
lnonc du thorme 7.1) sous forme de lemmes.
Lemme 7.29 On a det(A) = det(t A).
Dmonstration. On doit vrifier que
X
X
() a1(1) a2(2) an(n) =
() a(1)1 a(2)2 a(n)n .
Sn
Sn
Il reste observer que la somme ci-dessus est det(A) : en effet le terme correspondant dans la dfinition de det(A) se
retrouve dans cette somme correspondant 1 .
Pour le reste des dmonstrations, fixons une matrice A,
et choisissons une ligne i. Pour x1 , x2 , . . . , xn K, on va noter f (x1 , . . . , xn ) le dterminant de la matrice obtenue en remplaant la ligne i de A par (x1 , . . . , xn ). Par exemple si A = (aij )
est une matrice 3 3 et que lon regarde la ligne 2, cela signifie
que
a11 a12 a13
f (x1 , x2 , x3 ) = x1 x2 x3 .
a31 a32 a33
En particulier on a det(A) = f (ai1 , ai2 , . . . , ain ).
143
(*)
..
M
.
0 0
1
o M est obtenue partir de A en supprimant la ligne i et la
colonne j. Vous montrerez titre dexercice que le dterminant
de cette matrice est det(M) (cest un cas archi-particulier de
dveloppement par une ligne, qui se dduit directement de la
formule de la dfinition 7.28).
Par dfinition ij = det(M), et les oprations sur les lignes et
colonnes ont introduit le signe (1)i+j , donc le dterminant j
est bien (1)i+j ij .
Lemme 7.33 Lorsque la matrice A possde deux lignes identiques,
on a det(A) = 0.
Dmonstration. En permutant ces deux lignes, on ne change
pas A ; donc det(A) = det(A). On en dduit que det(A) = 0.
Les plus observateurs auront not que cet argument ne
fonctionne que parce que 1 , 1, on encore 2 , 0. Or il se peut
144
145
Chapitre 8
Compacit
Premire lecture
Le thorme de Bolzano et Weierstrass
Dfinition 8.1 Soit (un )n0 une suite. Une sous-suite de (un )
est une suite de la forme (u(n) )n0 o : N N est une fonction strictement croissante.
Les exemples typiques sont (u2n )n0 et (u2n+1 )n0 .
Thorme 8.2 (Bolzano & Weierstrass) Soit (un )n0 une suite
de nombre rels. On suppose quil existe deux nombres a et b tels
que un [a, b] pour chaque indice n. Alors il existe une soussuite (u(n) )n0 qui possde une limite ` [a, b].
Souvent on nonce : de toute suite de rels borne on peut
extraire une sous-suite convergente .
0
Dmonstration. Posons a0 = a, b0 = b, et m = a0 +b
2 , le milieu
de [a0 , b0 ]. Soit A N lensemble des entiers n tels que un
[a0 , m], et soit B lensemble des entiers n tels que un [m, b0 ].
Les ensembles A et B ne peuvent pas tre tous les deux finis,
puisque A B = N. Si A est infini, on pose a1 = a0 et b1 = m ;
dans le cas contraire on pose a1 = m et b1 = b0 .
146
147
Deuxime lecture
Parties compactes
Les arguments utilisant le thorme de Bolzano et Weierstrass sont tellement efficaces que lon en vient donner un nom
aux ensembles sur lesquels on peut ladapter.
Dfinition 8.5 Soit X Rn . On dit que X est compact lorsque
de toute suite (un )n0 avec un X on peut extraire une soussuite (u(n) )n0 qui converge vers ` X.
149
On peut se demander pourquoi rentrer dans des considrations si prcises. La rponse arrivera avec le chapitre sur les
intgrales : il se trouve que, pour dfinir rigoureusement lintgrale dune fonction, nous aurons besoin de savoir que ladite fonction est uniformment continue. Heureusement, nous
naurons pas refaire un travail comme ci-dessus pour chaque
fonction, puisque le thorme suivant nous pargne toutes les
difficults.
Thorme 8.11 (Heine) Soit f une fonction continue sur un
intervalle compact. Alors elle est uniformment continue.
Dmonstration. Par labsurde. Si f nest pas uniformment continue, alors il existe un > 0 tel que pour chaque > 0, on peut
choisir x et y tels que |x y| < et cependant |f (x) f (y)| .
Prenons n = n1 pour chaque entier n 1, et notons xn et yn nos
choix pour n .
Soit I = [a, b] lintervalle sur lequel f est dfinie. Daprs
la proposition 8.6, le rectangle R = I I est compact. La suite
dfinie par un = (xn , yn ) possde donc une sous-suite u(n) =
(x(n) , y(n) ) qui converge vers (`, `0 ) R. En dautres termes on
a x(n) ` et y(n) `0 , et donc x(n) y(n) ` `0 . De plus,
puisque
1
x(n) y(n) < (n) =
0 ,
(n) n
on constate ` = `0 .
Enfin, par continuit de f , on a f (x(n) ) f (`) et f (y(n) )
f (`), donc
f (x(n) ) f (y(n) ) 0 .
Mais dans la mesure o
f (x(n) ) f (y(n) ) > 0 ,
cette dernire convergence vers 0 est impossible. Cette conclusion absurde montre que f est uniformment continue.
153
Chapitre 9
Drives
Premire lecture
Dfinitions & Premires proprits
Dfinition 9.1 Soit f une fonction dfinie sur un intervalle I.
On dit que f est drivable au point x0 I lorsque le taux daccroissement, cest--dire la fonction dfinie par
Tx0 (x) =
f (x) f (x0 )
x x0
x x0
= 1.
x x0
et donc g 0 (x0 ) = 0.
Un peu plus compliqu, prenons h(x) = 1x sur R . Alors le
taux daccroissement est
!
h(x) h(x0 )
1 1
1
1
=
=
.
x x0
x x0 x x0
xx0
Cette expression tend vers 12 lorsque x x0 , donc h est drivable et h0 (x0 ) = 12 .
x0
x0
f (x) f (x0 )
0 f 0 (x0 ) = 0 ,
x x0
156
Autre exemple, la fonction dfinie sur [0, +[ par x 7
En x0 = 0, le taux daccroissement est
x 0
1
T0 (x) =
= ,
x0
x
x.
xx0
h0
= f [g(x0 + h)]
= f [g(x0 ) + g 0 (x0 ) h + h(h)]
= f (y0 + u) ,
o lon a rassembl tous les termes manquants dans (h), cest-dire que lon a pos
(h) = f 0 (y0 )(h) + (g 0 (x0 ) + (h)) h(g 0 (x0 ) + (h)) .
159
g 0 (x)
1
g 0 (x) =
.
2
g(x)
g(x)2
ve x 7 g(x)2 .
Proposition 9.11 Les fonctions suivantes sont drivables sur le
domaine indiqu :
x 7 ex sur R, et sa drive est x 7 ex ,
x 7 sin(x) sur R, et sa drive est x 7 cos(x),
x 7 cos(x) sur R, et sa drive est x 7 sin(x),
x 7 tan(x) sur R r { 2 + k avec k Z}, et sa drive est x 7
1 + (tan(x))2 ,
x 7 ln(x) sur ]0; +[, et sa drive est x 7 1x ,
x 7 arcsin(x) sur [1, 1], et sa drive est x 7 1 2 ,
1x
1
,
1x2
1
x 7 arctan(x) sur R, et sa drive est x 7 1+x
2,
1/
n
x 7 x = x n sur ]0; +[ pour n 1, et sa drive est x 7
n
1
1n = 1 x 1/n 1 .
n ( x)
n
160
161
f (b) f (a)
.
ba
162
Dmonstration. Posons
A=
f (b) f (a)
,
ba
b
2a
et
x2 =
b +
.
2a
b
b2
) = + c,
2a
4a
Deuxime lecture
Le thorme du point fixe
Dfinition 9.16 Soit f : I R une fonction et soit k 0. On
dit que f est k-lipschitzienne sur I lorsque
|f (x) f (y)| k |x y| ,
pour tous x, y I.
Lorsque 0 < k < 1, on dit parfois dune fonction lipschitzienne quelle est contractante , cest--dire quelle rduit les
distances.
Vous montrerez titre dexercice trs facile que si f est klipschitzienne, alors elle est continue, et mme uniformment
continue (dfinition 8.10).
Il est important de garder en tte que lorsque f est drivable, alors cette notion nouvelle se ramne un critre trs
simple :
Lemme 9.17 Soit f : I R une fonction drivable. Alors f est klipschitzienne si et seulement si |f 0 (x)| k pour tout x I.
165
Pour lintuition il est donc raisonnable, ds lors quon a affaire une fonction lipschitzienne, de penser une fonction
drivable de drive borne.
Dmonstration. Si f est k-lipschitzienne, on crit
f (x) f (x0 ) k x x0 = k ,
x x0
x x0
do |f 0 (x0 )| k en passant la limite.
Rciproquement si |f 0 (x0 )| k pour chaque x0 , alors on utilise le thorme des accroissements finis pour crire
f (x) f (y) = |f 0 (c)| k
xy
pour tous x, y. Le rsultat en dcoule.
Thorme 9.18 (Thorme du point fixe) Soit f : I I une
fonction k-lipschitzienne, pour 0 < k < 1. Alors f possde un
unique point fixe dans I, cest--dire quil existe un unique x0 I
tel que f (x0 ) = x0 .
De plus, si u0 I est choisi arbitrairement, et si lon dfinit une
suite (un )n0 par un+1 = f (un ), alors (un ) x0 .
n
166
n
X
ai .
i=1
i=1
1 kn
1k
|u1 u0 |
On a donc bien
+
X
1
.
1k
|ai | < + ,
i=1
167
Pour dessiner les points suivants de la suite, on doit reporter f (u0 ) sur laxe des abscisses. Pour cela, nous devons en fait
prendre le symtrique du point (0, f (u0 )), qui se trouve dj sur
la figure sur laxe des ordonnes, par rapport la diagonale.
Nous allons poursuivre en conservant uniquement les segments indiqus en traits pleins. La recette est simple : on part
dun point du graphe, on rejoint la diagonale, puis on vire
angle droit en direction du graphe. On obtient une figure en
forme de spirale, qui montre bien la convergence de la suite
168
Pour
se
ramener
au
cadre
du
thorme,
prenons
a
=
et b > quelconque, et posons I = [a, b]. La drive est donne par f 0 (x) = 12 (1 2x2 ), et on vrifie alors que 0 f 0 (x) 12
pour x I. On en dduit que f est 12 -lipschitzienne sur I. De
plus, f est croissante sur cet intervalle ; comme f (a) = a, et
169
u1 =
3
= 1, 5 ,
2
u2 =
17
= 1, 41666 . . .
12
puis
u3 =
577
665857
= 1, 4121568627 . . . , u4 =
= 1, 41421356237 . . .
408
470832
1
2
1
1
|un 2| n |2 2| n .
2
2
170
Drives et rciproques
Proposition 9.20 Soit f : I J une bijection, et soit f 1 : J I
sa rciproque. On suppose que f est continue, et quelle est drivable au point x0 I, avec f 0 (x0 ) , 0. Alors en notant y0 = f (x0 ),
la fonction f 1 est drivable au point y0 et
(f 1 )0 (y0 ) =
1
.
f 0 (x0 )
f 1 (y) f 1 (y0 )
,
y y0
pour y , y0 . On a donc
Ty0 (f (x)) =
f 1 (f (x)) f 1 (f (x0 ))
x x0
=
,
f (x) f (x0 )
f (x) f (x0 )
1
,
f 0 (f 1 (y))
171
pour tout y J.
Enfin, si I est ouvert, alors J lest aussi.
Notez que lon dit dune fonction f quelle est continument
drivable pour indiquer quelle est drivable et que f 0 est continue. On parle aussi parfois de fonction de classe C1 .
Dmonstration. Puisque la fonction f 0 est continue et ne sannule pas, elle ne peut pas changer de signe en vertu du thorme des valeurs intermdiaires : ainsi, ou bien f 0 (x) > 0 pour
tout x I et f est croissante, ou bien f 0 (x) < 0 et f est dcroissante. Dans tous les cas, f est monotone. En notant J = f (I), qui
est un intervalle encore daprs le thorme des valeurs intermdiaires, on a donc tabli que f : I J est une bijection.
La proposition prcdente montre que f 1 est drivable en
tout point de J, et montre galement la formule pour (f 1 )0 . Le
thorme 6.24 montre que f 1 est continue, et on en conclut
que (f 1 )0 = f 0 f1 1 est elle-mme continue.
Enfin, une fonction (strictement) monotone ne peut pas
avoir de minimum ni de maximum sur un intervalle ouvert
(vrifiez-le), donc J doit tre ouvert si I est ouvert.
Exemple 9.22 On peut retrouver certains des rsultats de la
proposition 9.11. Par exemple, sachant que la fonction exponentielle est drivable, et que cest mme sa propre drive, on
peut calculer la drive de sa rciproque, le logarithme, partir
du thorme :
ln0 (x) =
1
1
1
=
= .
exp0 (ln(x)) exp(ln(x)) x
1
1
1
=
=
.
tan0 (arctan(x)) 1 + tan(arctan(x))2 1 + x2
172
Avant 1990,
lorthographe
recommande
tait
continment .
1
1
1
1
n
= ( x)1n .
=
=
f 0 (f 1 (x)) n(f 1 (x))n1 n( n x)n1 n
le numrateur est une diffrence de vecteurs (ou de matricescolonnes, si lon veut), alors que le dnominateur est un scalaire. Cest--dire que
f1 (t) f1 (t0 )
f (t) f (t0 )
1
..
=
.
t t0
t t0
fn (t) fn (t0 )
Ayant ralis ceci, la dmonstration est facile.
Exemple 9.24 Une fonction de la forme : I R2 , donc de la
forme
t 7 (t) = (x(t), y(t)) ,
est appele une courbe. La drive, lorsquelle existe, est
t 7 0 (t) = (x0 (t), y 0 (t)) ,
et 0 (t) est appel le vecteur-vitesse linstant t : en effet on peut
penser comme un point qui se dplace dans le plan. La
vitesse linstant t est
q
k0 (t)k = x0 (t)2 + y 0 (t)2 .
Par abus de langage, limage de , cest--dire lensemble
(I) = {(t) | t I} ,
est parfois galement appel une courbe. Au point (t), on peut
tracer la droite de vecteur directeur 0 (t), qui est appele la
tangente la courbe linstant t. Nous allons tudier quelques
courbes dans les exercices. a se fait simplement en tudiant
sparment les fonctions t 7 x(t) et t 7 y(t).
Les proprits usuelles des drives restent vraies pour les
fonctions valeurs vectorielles, par exemple il est clair que (f +
g)0 = f 0 + g 0 . Il ny a pas de formule pour le produit, puisque le
produit de deux vecteurs nest pas en gnral dfini.
Par contre, on peut considrer les fonctions dont les valeurs sont des matrices, cest--dire les fonctions du type I
Mn,m (R). On peut identifier Mn,m (R) avec Rnm , et ce qui prcde sapplique. On a alors sans surprise :
174
Lemme 9.25 Si f : I Mn,m (R) et g : I Mm,` (R) sont drivables, alors f g : I Mn,` (R) est drivable et
(f g)0 (t) = f 0 (t)g(t) + f (t)g 0 (t) .
La dmonstration peut se faire directement par le calcul,
en se basant sur la formule pour les fonctions valeurs relles
(voir la proposition 9.5).
Par contre, il faut faire attention une chose : le thorme
des accroissements finis concerne strictement les fonctions
valeurs relles, et na pas dquivalent pour les fonctions vectorielles. Il reste nanmoins vrai que si une fonction drivable f
sur un intervalle I vrifie f 0 (t) = 0 pour tout t I, alors f est
constante : en effet il suffit de le vrifier pour chaque composante de f .
Enfin, concluons en indiquant que ces dernires remarques
sur les fonctions valeurs vectorielles ou matricielles restent
vraies en remplaant R par C.
175
Chapitre 10
Lexponentielle
Premire lecture
Lexponentielle complexe
Dfinition 10.1 Soit z C. On note exp(z) ou ez le nombre
+ k
n
X
X
z
zk
= lim
.
k! n
k!
ez =
k=0
Le nombre complexe
ez
k=0
176
n X
k
X
ap bkp
=
.
p! (k p)!
k=0 p=0
ap bq
p! q! ,
et si on note
Tn = {(p, q) N N | 0 p + q n} ,
alors le calcul prcdent scrit
X
un =
p,q .
(p,q)Tn
De mme, on a ea eb = lim vn o
n
n
X
ap X bq
vn =
p!
q!
p=0
q=0
n X
n
X
ap bq
.
p! q!
p=0 q=0
p,q .
(p,q)Cn
177
On a donc la majoration
|vn un |
|p,q | ,
(p,q)Cn rTn
p
178
On dit parfois
que la fonction
z 7 ez est
holomorphe .
+
+
|z|
2! 3!
2! 3!
(n + 2)!
n!
= |z|(e 1) 0 .
z0
ez 1
cex .
Proposition 10.5 La fonction exponentielle ralise une bijection R R>0 . Sa rciproque, que lon appelle le logarithme nprien et que lon note ln : R>0 R, est drivable. De plus, on a
ln0 (x) = 1x .
Dmonstration. On a vu que lexponentielle ne sannulait pas.
Daprs le thorme des valeurs intermdiaires, elle ne peut
pas changer de signe sur R, et comme e0 = 1, on conclut que ex >
0 pour x R.
Comme exp0 = exp > 0, lexponentielle est croissante. On a
donc ex 1 pour x 0. En considrant g(x) = ex x 1, qui
satisfait g(0) = 0 et g 0 (x) = ex 1 0 pour x 0, on saperoit que g est croissante et donc reste positive pour x 0. En
dautres termes ex x + 1 pour x 0, et en particulier
lim ex = + .
x7+
On en dduit
lim ex = lim ex = lim
x7
x7+
x7+ ex
= 0.
180
et
lim xN ex = 0 .
x7
Enfin
lim t ln(t) = 0 .
t0
x+
Pn (x)
= + ,
xN
ez ,
alors que
n
X
zn
un =
n!
k=0
converge vers ez .
181
eit eit
,
2i
z
|z|
z
|z|
185
2k
+
,
n
n
ei = ei n e
2ki
n
2ki
n
pour un certain k Z.
Rci-
2ki
2ki
n
2`i
186
P(z0 + X)
;
P(z0 )
Deuxime lecture
Matrices et normes
Dfinition 10.17 Soit A = (aij ) Mn,m (R). Sa norme (euclidienne) est
1
X 2
2
kAk =
aij .
i,j
2
X
2
|aij | .
kAk =
i,j
188
m
X
aik bkj .
k=1
189
m
X
|aik | |bkj |
k=1
1
1
2 X
2
X
|aik |2
|bkj |2
k
= kLi k kCj k .
La premire est lingalit triangulaire, la deuxime est lingalit de Cauchy-Schwarz (lemme 4.31). En prenant la somme, il
vient
X
X
kABk2 =
|cij |2
kLi k2 kCj k2
i,j
i,j
X
X
=
kLi k2
kCj k2
= kAk kBk .
Le rsultat en dcoule.
Lexponentielle de matrice
Lemme 10.19 Soit A une matrice carre. On note
Sn (A) =
n
X
1 k
A .
k!
k=0
k=0
190
lim
k=0
existe. Or, on a
1 k
1
A k kAkk ,
k!
k!
daprs le lemme 10.18. Si on note
k
un =
n
X
1
k Ak k ,
k!
k=0
on a donc
un
n
+
X
X
1
1
kAkk
kAkk = ekAk .
k!
k!
k=0
k=0
xn
0
Pn xk
Sn (A) = k=0 k!
0
0
yn
!
,
0
yk
k=0 k!
Pn
ex 0
0 ey
191
!
.
eP
= P1 eA P .
eA+B = eA eB .
192
11
18
6 10
P AP =
On a donc
eA = ePDP
0
2
!
= D.
= PeD P1 ,
N=
0
0
7
0
!
.
193
194
Chapitre 11
Espaces vectoriels
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Premire lecture
Au collge on vous a prsent les vecteurs, dans le cadre
de la gomtrie lmentaire dans le plan ou lespace. Ces mthodes sont tellement efficaces que lon souhaite les appliquer
le plus largement possible, non seulement en dimension
quelconque, mais galement dans des cadres abstraits. Un espace vectoriel va tre dfini comme un ensemble sur lequel
on peut faire ce type de gomtrie.
Il se trouve que les calculs que nous allons tre amens
faire se ramnent presque tous des oprations sur les matrices, que nous savons dj faire. Ce chapitre prsente une organisation abstraite de ces calculs, en quelque sorte. Au fur et
mesure de vos tudes en mathmatiques, les espaces vectoriels
vont prendre de plus en plus de place.
195
Le lecteur ayant
assimil la
dfinition 2.15
peut prendre
pour K
nimporte quel
corps.
E
u+v
K E
(, u) 7
E
u
et dune opration
(e) (u + v) = u + v,
(f) ( + ) u = u + u,
(g) 1 u = u,
(h) () u = ( u),
x1 y1 x1 + y1
x y x + y
2 2 2 2
. + . =
,
..
. .
. .
.
xn + y n
xn
yn
et
x1
x2
=
.. .
.
xn
xn
x1
x2
..
.
x
y
v =
R3 .
z
Alors v E lorsque Av = 0, cest--dire lorsque
(
3x + y + 2z = 0
7x
+ 8z = 0
On dit que ce sont les quations qui dfinissent E. On retiendra que les solutions dun systme linaire, dont le second
membre est 0, forment un espace vectoriel.
Exemple 11.7 On note Kn [X] lensemble des polynmes dont
le degr est n. Alors Kn [X] est un sous-espace vectoriel de
lespace K[X] (vrifiez-le).
Voyons un exemple plus abstrait.
Exemple 11.8 Soit C(I, R) lensemble des fonctions continues
sur lintervalle I. On a C(I, R) F (I, R), et la proposition 6.11
nous dit que cest un sous-espace vectoriel.
On peut remplacer continue par drivable , ou encore
paire , ou impaire . . . On peut mme considrer
E = {f F (I, R) | f est drivable deux fois et 3f 00 5f 0 + f = 0} ,
on vrifie que E est alors un sous-espace vectoriel de F (I, R).
Familles gnratrices
Pour dcrire un sous-espace vectoriel, il est trs commun de
donner des quations comme dans lexemple 11.6, mais il y a
une autre mthode galement utile.
198
e1 =
1
5
2
et
e2 =
3
0
1
x
y
v =
,
199
1 + 32 = x
5
= y
21 32 = z
Nous savons faire ; commenons
L3 + 2L1 :
32
1 +
15
32
par L2 L2 5L1 et L3
=
=
=
x
y 5x
z + 2x
+ 32 =
x
1
3
=
z
+
2x
0 = 5x + y + 5z
Pour que v Vect(e1 , e2 ), il est donc ncessaire que 5x+y+5z = 0.
Mais rciproquement, si 5x + y + 5z = 0, alors on peut rsoudre
le systme ( savoir, 2 = 13 (z + 2x) et 1 = x 32 = x z,
mais peu importent ces valeurs). Donc finalement lespace vectoriel Vect(e1 , e2 ) est compltement dcrit par lquation 5x+y +
5z = 0.
Il est important de savoir passer dun espace dcrit comme
un vect une description par des quations comme dans
lexemple 11.6. On peut toujours le faire sur le modle du calcul ci-dessus. Plus loin nous verrons comment faire la transition inverse (vous pouvez dj essayer dimaginer la mthode).
Les descriptions par des quations permettent de vrifier
rapidement si un lment donn appartient au sous-espace en
question ; les descriptions par les vects permettent dobtenir
facilement des vecteurs appartenant au sous-espace.
Un espace vectoriel donn peut tre dcrit comme un vect
de plusieurs faons, et nous allons nous attacher trouver les
meilleures familles de vecteurs, notamment celles contenant le
plus petit nombre dlments. Commenons par donner une
dfinition :
200
1
0
!
+y
0
1
0
1
!
.
!
= xe1 + ye2 .
1
2
= .
..
m
tel que A = v.
Supposons que cest le cas. Prenons une matrice inversible P
telle que PA = EA (corollaire 5.22), et choisissons
v = P1 u
avec u =
0
0
..
.
1
2
EA = . = les n premires lignes de ,
..
n
et le systme EA = Pv possde certainement des solutions,
puisquil scrit en fait i = le coefficient sur la ligne i de Pv,
pour 1 i n.
La remarque suivante est trs utile :
Corollaire 11.15 Si e1 , e2 , . . . , em est une famille gnratrice
de Kn , alors m n.
De plus, si m = n, alors la famille est gnratrice si et seulement
si la matrice A est inversible.
Dmonstration. Si m < n la matrice chelonn EA , ayant plus
de lignes que de colonnes, est certaine davoir une ligne nulle,
donc la famille ne pourrait pas tre gnratrice daprs la proposition. Donc m n.
Si m = n, la matrice EA est carre ; elle ne possde pas de
ligne nulle exactement lorsquelle vaut lidentit, puisquelle
est bien chelonne. Daprs la proposition 5.19, ceci quivaut
linversibilit de A.
Familles libres
Dfinition 11.16 Soit E un espace vectoriel et e1 , e2 , . . . , en
une famille dlments de E. On dit que cest une famille libre
lorsque lquation
1 e1 + 2 e2 + + n en = 0 ,
avec i K, ne possde quune seule solution, savoir 1 =
2 = = n = 0.
203
3
7
!
.
Pour vrifier si la famille est libre, nous devons examiner lquation 1 e1 + 2 e2 = 0, qui scrit comme le systme
(
51 + 32 = 0
1 + 72 = 0
Le dterminant tant 32 , 0, le systme a une solution unique,
qui est bien sr 1 = 2 = 0. Donc la famille
est libre.
!
2
, la famille e1 , e2 , e3 estSi maintenant on pose e3 =
8
elle libre ? Le systme devient
(
51 + 32 23 = 0
1 + 72 + 83 = 0
En faisant L1 L1 + 5L2 , puis en permutant les lignes, on obtient
(
1 +
72 +
83 = 0
382 + 383 = 0
Le systme est chelonn, on prend 3 comme paramtre, et on
tire 1 = 2 = 3 . En particulier, on a la solution 1 = 2 = 1,
3 = 1, et dailleurs on vrifie effectivement que e1 +e2 e3 = 0.
La famille nest donc pas libre. (Ceux dentre vous qui auraient
repr que e1 + e2 e3 = 0 peuvent simplement faire cette remarque, et il est alors tabli que la famille nest pas libre).
Exemple 11.18 Voyons un exemple plus abstrait. On prend E =
F (R, R), lespace vectoriel de toutes les fonctions R R, et on
204
1 cos(x) + 2 sin(x) = 0 ,
1
2
= . .
..
m
Il possde les mmes solutions que le systme chelonn EA =
0. ce stade on doit se rappeler que les inconnues qui vont
servir de paramtres dans lcriture des solutions sont celles
qui correspondent aux colonnes dans lesquelles il ny a pas de
pivot (relire au besoin lexemple 5.13).
Ainsi la famille est libre le systme na quune solution il ny a pas de paramtres il y a un pivot dans
chaque colonne.
Corollaire 11.20 Si e1 , e2 , . . . , em est une famille libre de Kn ,
alors m n.
De plus, si m = n, alors la famille est libre si et seulement si la
matrice A est inversible.
205
1
0
0
0
1
0
e1 = . , e2 = . , . . . , en = . .
.
.
.
.
.
.
0
0
1
Exemple 11.24 Considrions E = Kn [X], lespace vectoriel des
polynmes de degr n. Posons ei = Xi , pour 0 i n. Tout
206
1 4 0
A = 0 0 1
0 0 0
3
0
0
x
y
v =
,
z
4 3
1 0
.
avec
y,
t
K
y
+
t
E=
0
0
0
1
(Pour les calculs intermdiaires, reprendre lexemple 5.13.)
Prenons les notations
4
3
1
0
e1 =
e2 =
,
,
0
0
0
1
207
41 + 32 0
0
=
,
0
0
2
0
do 1 = 2 = 0. La famille est bien libre et cest donc une base
de E.
Ce nest pas un hasard : lorsquon crit les solutions de la
manire dcrite dans lexemple 5.13, les vecteurs que lon obtient forment toujours une base. On peut le vrifier rapidement
dans chaque cas.
la fin du chapitre nous verrons comment trouver une base
dun sous-espace prsent comme un vect. En attendant, vous
pourriez crire des quations pour lespace et procder comme
ci-dessus (mais la mthode que nous verrons est plus efficace).
Coordonnes
Lintrt des bases est de permettre lutilisation de coordonnes, de la faon suivante. Soit e1 , e2 , . . . , en une base de lespace
vectoriel E, et soit v E un vecteur quelconque. La famille tant
gnratrice, on peut trouver des nombres i tels que
v = 1 e1 + 2 e2 + + n en .
La famille tant libre, on peut voir que cette criture est en fait
unique : en effet, si on a galement
v = 1 e 1 + 2 e 2 + + n e n ,
alors en faisant la diffrence on obtient
v v = 0 = (1 1 )e1 + (2 2 )e2 + + (n n )en .
Puisque la famille est libre, on doit avoir i i = 0 et donc i =
i .
208
1
2
. Kn .
B [v] =
.
.
n
Lorsque la base B sera vidente daprs le contexte on crira
tout simplement [v].
Exemple 11.27 Soit B = e1 , e2 la base de R2 donne par
!
!
1
1
e1 =
et e2 =
.
1
1
Cest bien une base, puisque si nous mettons ces vecteurs en
colonnes dans
!
1
1
A=
,
1 1
alors det(A) = 2 , 0. Prenons maintenant un vecteur quelconque de R2 , disons
!
x1
v=
.
x2
Pour trouver ses coordones 1 , 2 dans la base B nous devons
rsoudre 1 e1 + 2 e2 = v, ce qui revient
!
1
A = v avec =
.
2
Puisque A est inversible on a
1
=A v=
1/
2
1/
2
1/
2
1/
2
209
x1
x2
!
=
1
2 x1 +
1
2 x1
1
2 x2
1
2 x2
!
.
Finalement
1
2 x1 +
1
2 x1
B [v] =
1
2 x2
1
2 x2
B [P] =
a0
a1
..
.
an
Kn+1 .
Les coordonnes vont nous permettre de ramener de nombreuses questions abstraites sur un espace vectoriel E des
questions sur Kn , que lon sait traiter. Considrons par exemple :
Proposition 11.29 Soit E un espace vectoriel, et soit B = e1 , e2 ,
. . . , en une base. crivons [v] pour B [v]. Alors
1. [u + v] = [u] + [v],
2. [v] = [v],
3. si 1 , 2 , . . . , m est une famille de vecteurs de E, alors elle est
libre si et seulement si la famille [1 ], [2 ], . . . , [m ] de vecteurs
de Kn est libre.
210
polynme dans Vect(P1 , P2 , . . . , Pn ) est de degr N. En particulier Vect(P1 , . . . , Pn ) nest pas K[X] tout entier.
Dans ce livre nous ne parlerons pas de familles infinies de
vecteurs. Ceci dit, il existe des dfinitions que vous pouvez
imaginer de famille libre , famille gnratrice et base
ayant ventuellement un nombre infini de vecteurs. Avec ces
dfinitions, on montre que la famille infinie 1, X, X2 , . . . , Xk , . . .
est une base de K[X].
Quoi quil en soit, nous dirons quun espace vectoriel est de
dimension finie lorsquil possde une base finie. Ce nest pas le
cas de K[X], qui est de dimension infinie.
Exemple 11.35 Voici une application clbre. Prenons E =
Rn [X], qui est de dimension n + 1. Choisissons un nombre x0
R, et considrons
ei = (X x0 )i
pour
0 i n.
212
que la famille est gnratrice par un calcul naf serait bien pnible.
On en dduit que tout polynme P Rn [X] peut scrire de
manire unique sous la forme
P = 0 + 1 (X x0 ) + 2 (X x0 )2 + + n (X x0 )n = 0 .
(*)
Sachant que cette criture existe, il est maintenant facile de calculer les nombres i . En valuant en X = x0 , on trouve dj 0 =
P(x0 ). Prenons maintenant la drive :
P0 = 1 + 22 (X x0 ) + + nn (X x0 )n1 .
On en tire 1 = P0 (x0 ). En drivant une deuxime fois on
voit 22 = P00 (x0 ), puis 63 = P(3) (x0 ), et par rcurrence on
montre (faites-le) que k! k = P(k) (x0 ).
Lquation () sappelle la formule de Taylor, quon crit donc
P(X) =
deg(P)
X
k=0
P(k) (x0 )
(X x0 )k .
k!
Deuxime lecture
Le thorme de la base incomplte
Nous avons vu que les bases sont trs utiles pour tudier les
espaces vectoriels, mais quil nexiste pas toujours de base finie
(cf exemple 11.34). Nous aurions bien besoin de critres faciles
pour garantir lexistence de bases, et cest le thorme suivant
qui va en donner. Commenons par un lemme trs simple.
Lemme 11.36 Soit E un espace vectoriel, soit e1 , . . . , en une famille
libre de E, et soit v E tel que la famille e1 , e2 , . . . , en , v nest pas
libre.
Alors v Vect(e1 , . . . , en ).
213
215
4
0
7 1
2
8
51
A = 1
5 5 12 102
16/
17/
1 0
15
5
EA = 0 1 52/15 119/5 .
0 0
0
0
Le rang de A est donc 2. Les pivots sont dans les colonnes 1 et 2
de EA , donc on va prendre les colonnes 1 et 2 de A :
1
7
2
1
e1 =
.
, e2 =
5
5
La proposition nous dit que e1 , e2 est une base de Vect(A).
Passons la deuxime mthode : les colonnes vont remplacer les lignes. Les choses se passent maintenant dans lordre
inverse, car le rsultat suivant est assez vident.
217
Lemme 11.44 On ne change pas le rang dune matrice A en faisant des oprations sur les colonnes. En fait on ne change mme
pas Vect(A).
Dmonstration. Si A0 est obtenue partir de A par de telles
oprations, chaque colonne de A0 est visiblement dans Vect(A).
Ainsi Vect(A0 ) Vect(A). Mais bien sr on peut retrouver A en
faisant des oprations sur les colonnes de A0 , donc de la mme
manire on a Vect(A) Vect(A0 ).
Dans lnonc suivant, on va dire quune matrice est chelonne en colonnes lorsque cest la transpose dune matrice
chelonne. En dautres termes, reprenez la dfinition de matrice chelonne et remplacez ligne par colonne . En faisant des oprations sur les colonnes dune matrice A, on peut
la mettre sous une forme unique bien chelonne en colonnes :
pour sen assurer, il suffit dobserver que cela revient mettre
la transpose t A sous forme bien chelonne en faisant des
oprations sur les lignes.
Proposition 11.45 Le rang de A est le nombre de colonnes nonnulles dans la matrice bien chelonne en colonnes associe A.
Pour trouver une base de Vect(A), il suffit de prendre les colonnes non-nulles de cette matrice chelonne en colonnes.
Dmonstration. Soit B la matrice bien chelonne en colonnes
obtenue partir de A. Daprs le lemme Vect(B) = Vect(A).
Si g1 , g2 , . . . , gr sont les colonnes non-nulles de B, il est clair
que Vect(g1 , . . . , gr ) = Vect(B), donc il suffit de sassurer que cest
une famille libre. Or les pivots tant seuls dans leurs lignes,
cest clair (voir lexemple).
Exemple 11.46 Reprenons le mme exemple, cest--dire :
4
0
7 1
2
8
51
A = 1
5 5 12 102
218
sous la forme
1
0
0 0 0
1 0 0 ,
2 0 0
0
1
0
1
1 =
, 2 =
.
1
2
La famille 1 , 2 est une base de Vect(A).
En comparant les deux mthodes, il vient le rsultat suivant, qui est loin dtre vident si on part de la dfinition :
Thorme 11.47 Le rang dune matrice est gal au rang de sa
transpose.
Dmonstration. Le rang de A est le nombre de lignes nonnulles dans EA , qui est gal au nombre de colonnes non-nulles
dans t EA . Or t EA est bien chelonne en colonnes, et obtenue
partir de t A en faisant des oprations sur les colonnes, donc le
nombre de ses colonnes non-nulles est bien le rang de t A.
219
Chapitre 12
Formules de Taylor
Introduction
Soit f une fonction dfinie sur un intervalle I contenant 0.
Nous allons examiner les conditions de continuit et de drivabilit en 0 sous un angle un peu nouveau.
La fonction f est continue en 0 si et seulement si lim f (x) =
f (0) lorsque x 0. Dans ce cas, on peut crire, mme si a
parat artificiel pour linstant, que
f (x) = f (0) + (x) ,
avec (x) = f (x) f (0) ; on observe alors que (x) 0 lorsque
x 0. En dautres termes, la fonction f se rapproche de la valeur (constante) f (0) lorsque x approche de 0. On ne sait pas
quelle vitesse cette approche se fait.
De la mme manire, le lemme 9.7 nous dit que si f est
drivable en 0, alors
f (x) = f (0) + f 0 (0) x + x(x) ,
o l encore (x) 0 lorsque x 0. crivons P(x) = f (0) +
f 0 (0) x ; cest un polynme en x, de degr 1. Comme nous le faisions remarquer aprs le lemme 9.7, la diffrence f (x) P(x) =
x(x) est le produit de deux fonctions qui tendent vers 0 avec x,
220
f 00 (0) 2
f (n1) (0) n1 f (n) (x) n
x + +
x
+
x .
2
(n 1)!
n!
221
F(x) F(0)
= 0.
x0
(x t)n1
f (n) (t)
A
(xt)n1
(xt)n1 = A f (n) (t)
.
(n 1)!
(n 1)!
(n 1)!
xn1
ex n
x2
+ +
+
x .
2
(n 1)! n!
Puisque
dduit
|x|n
n!
ex = lim
k=0
k=0
1
1+x
donc
f 00 (x) =
1
(1 + x)2
et
f (3) (x) =
2
.
(1 + x)3
x2 x3 x4
xn1 (1)n1 xn
+ + +(1)n1
+
.
2 3 4
n 1 n(1 + x)n
223
n+
k1
X
(1)k1
k=1
xk X
xk
=
(1)k1 .
k
k
k=1
Cest cette formule qui est utilise par les calculatrices pour
calculer un logarithme ! Notons pour x = 1 que lon a
ln(2) =
+
X
(1)k1
1 1 1
= 1 + +
k
2 3 4
k=1
f 00 (0) 2
f (n) (0) n
x + +
x + xn (x)
2
n!
o (x) 0 quand x 0.
Dmonstration. La dmonstration complte sera donne plus
loin. Ici nous donnons une dmonstration avec une toute petite restriction : on va supposer que, en plus des hypothses
ci-dessus, la fonction f (n) est continue en 0. Cest par exemple
le cas si f est drivable n + 1 fois, et en pratique dans tous nos
exemples nous serons dans cette situation.
On a alors f (n) (x) f (n) (0) ; en dautres termes, si on pose
h(x) = f (n) (x) f (n) (0), on peut crire f (n) (x) = f (n) (0) + h(x) avec
h(x) 0. La formule de Taylor-Lagrange donne alors :
f (x) = f (0) + +
x2
+ x2 (x)
2
cos00 = cos ,
cos(3) = sin
et
cos(4) = cos .
1, 0, 1, 0,
225
1, 0, 1, 0, . . . ,
x2 x4 x6
x2n
+
+ + (1)n
+ x2n+1 (x) ,
2
4! 6!
(2n)!
o (x) 0 lorsque x 0.
sin(x)x
sin00 = sin ,
sin(3) = cos
et
sin(4) = sin .
0, 1, 0, 1,
0, 1, 0, 1, . . . .
x2n1
x3 x5 x7
+
+ + (1)n
+ x2n (x) ,
3! 5! 7!
(2n 1)!
x3
+ x4 (x) ,
6
3
1 + 2x 1 + 3x
,
x2
lorsque x tend vers 0. Introduisons la notation f (t) = (1 + t) ,
pour > 0, et calculons la formule de Taylor-Young pour f . On
a
f0 (t) = (1 + t)1 ,
f00 (t) = ( 1)(1 + t)2 ,
226
f (0) ( 1)( 2) ( n + 1)
=
,
n!
n!
et ce nombre est souvent not n , ce qui est cohrent avec la
notation lorsque est un entier. On a donc
!
( 1) 2
n n
(1 + t) = 1 + t +
t + +
t + t (t) ,
2
n
avec (t) 0. Pour =
1
2
et n = 2, on obtient
1
1
t2
1 + t = (1 + t) 2 = 1 + t + t2 1 (t) .
2
8
Pour t = 2x ceci donne
1 + 2x = 1 + x
x2
+ 4x2 1 (2x) .
2
1
3
on en arrive
3
1 + 3x = 1 + x x2 + 9x2 2 (x) .
Finalement lexpression dont on cherche la limite est de la
forme
1 2
2
1
2 x + x h(x)
= + h(x) ,
2
2
x
o h(x) est une certaine expression qui tend vers 0 avec x. La
limite vaut 12 .
Si vous avez trouv ce dernier calcul un peu compliqu,
alors vous conviendrez quon aurait besoin de notations plus
simples, et de quelques conseils pratiques.
227
Dveloppements limits
Les expressions telles que 4x2 1 (x) ci-dessus sont rapidement pnibles manier. Donner des noms diffrents aux fonctions qui tendent vers 0 qui apparassent (1 , 2 , . . . ) devient
vite compliqu, et on se demande sil est vraiment utile de baptiser toutes ces fonctions. On ne peut pourtant pas toutes les
nommer de la mme manire.
Pour rsoudre ce problme, on introduit la notation de Landau, qui en toute rigueur est un peu ambige, mais en pratique
conomise bien des efforts. Elle fonctionne de la manire suivante : tout dabord on crit
o(1)
qui se prononce petit o de 1 , pour dsigner une fonction
anonyme qui tend vers 0. On ne dit pas quand qui tend vers
quoi , cest pourquoi la notation est ambige, mais cest le
contexte qui rend les choses claires.
Ensuite, tant donne une fonction , qui en pratique sera
trs souvent de la forme (x) = xn , on utilise le raccourci
o((x)) = (x) o(1) .
o(xn )
f 00 (0) 2
f (n) (0) n
x + +
x + o(xn ) .
2
n!
Le thorme de Taylor-Young affirme donc que si f est drivable n fois, alors elle possde un dveloppement limit
f (k) (0)
x
1x
et
sin(x) x =
x3
+ o(x3 ) ;
3!
229
o(x4 ).
x4
+ o(x4 ) .
3!
=
=
a0 + a1 x + an xn + o(xn )
b0 + b1 x + bn xn + o(xn )
=
=
230
Daprs Taylor-Young, nous savons que cette fonction possde un dveloppement limit tous les ordres, et le terme
en xk est prcisment
f (k) (0) k
k! x .
1
= 1 + u + u2 + o(u2 ) ,
1u
depuis lexemple 12.9, donc en prenant u = 2x3 :
1
= 1 2x3 + 4x6 + o(x6 ) .
1 + 2x3
Dtaillons un peu ce qui vient de se passer avec le reste. Le
terme o(u 2 ) scrit donc u 2 (u) avec (u) 0 lorsque u 0.
Lorsque lon fait u = 2x3 , ce terme devient 4x6 (2x3 ), et cette
expression est bien de la forme x6 o(1) = o(x6 ). L encore il faut
faire a de tte, avec lhabitude.
Daprs la proposition, on peut comparer ce dveloppement
limit avec celui donn par Taylor-Young, et en particulier pour
les termes en x6 la comparaison donne
f (6) (0)
=4
6!
donc
x2 5x4
+
+ o(x4 ) .
2
24
On a utilis au passage o(u(x)2 ) = o(x4 ). Dune manire gnrale le petit rsultat suivant est retenir : si u(x) possde un
dveloppement limit qui commence par un terme en xm , alors
o(u(x)n ) = o(xnm ).
Exemple 12.14 (Intgration) Le principe est le suivant. Soit f
une fonction drivable n+1 fois. Daprs Taylor-Young, f admet
un dveloppement limit lordre n + 1, donc f (x) = a0 + a1 x +
f (k) (0)
232
x3 x5 x7
x2n+1
+
+ + (1)n
+ o(x2n+1 ) .
3
5
7
2n + 1
x3
+ o(x3 ) .
3
Et on recommence :
!2
x3
3
+ o(x )
f (x) = 1 + x +
3
2
= 1 + x2 + x4 + o(x4 ) .
3
0
On intgre de nouveau :
f (x) = x +
x3
2
+ x5 + o(x5 ) .
3
15
x3
2
17 7
62 9
+ x5 +
x +
x + o(x9 ) .
3
15
315
2835
+ + (1)n
+ o(x2n+1 ).
2
4! 6!
(2n)!
(On garde les termes pairs de lexponentielle avec un
signe une fois sur deux.)
x3 x5 x7
x2n1
sin(x) = x
+
+ + (1)n
+ o(x2n ).
3! 5! 7!
(2n 1)!
(Pareil avec les termes impairs.)
!
( 1) 2
n
(1 + x) = 1 + x +
x + +
x + o(xn )
2
n
( Formule du binme .)
1
= 1 + x + x2 + + xn + o(xn ).
1x
(Cest un cas particulier de la formule prcdente, mais il
est tellement important quil faut savoir lcrire rapidement.)
x2 x3
xn
ln(1 + x) = x
+
+ + (1)n1 + o(xn ).
2
3
n
(En drivant on doit retrouver la formule pour (1 + x)1 .)
Pour arctan, arcsin et arccos, on drive et on fait un dveloppement de la drive laide de la formule pour (1 +
x) .
234
Chapitre 13
Applications linaires
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Premire lecture
nimporte quel
corps.
Le lecteur ayant
assimil la
dfinition 2.15
peut prendre
pour K
Km
f (v) = Av .
(Comme dhabitude, les vecteurs sont vus comme des matricescolonnes.) On vrifie trs simplement que f (u + v) = A (u + v) =
Au + Av = f (u) + f (v), et f (v) = A (v) = Av = f (v). Cest
donc bien une application linaire.
Ainsi lapplication f : R3 R2 dfinie par
!
! x
x
5x + 7y z
5
7 1
f y =
=
y
x y + 19z
1 1 19
z
z
235
est linaire.
Exemple 13.3 Prenons E = F = C, qui est un espace vectoriel
de dimension 1 sur K = C. Fixons un nombre rel . Lapplication f (z) = ei z est alors linaire, exactement comme dans
lexemple prcdent.
On peut aussi identifier C avec R2 de la manire habituelle ;
on le voit alors comme un espace vectoriel de dimension 2
sur K = R. La mme application f est toujours linaire, bien
sr, quand on la voit comme une fonction R2 R2 . On lappelle la rotation dangle , ce qui doit correspondre lide de
rotation que vous avez tudie au collge ou au lyce.
Exemple 13.4 Voyons un exemple plus abstrait. Prenons
E = { : R R drivable } ,
lespace vectoriel des fonctions drivables, et
F = F (R, R) ,
lespace vectoriel de toutes les fonctions R R. Alors on peut
dfinir une application f : E F par f () = 0 . Cette application f est linaire, car (+)0 = 0 +0 et ()0 = 0 pour toute
constante (cf proposition 9.5).
Dfinition 13.5 (et Proposition) Soit f : E F linaire. On
dfinit son noyau ker(f ) comme tant
ker(f ) = {v E | f (v) = 0} .
On dfinit limage de f , note =(f ), par
=(f ) = {w F | il existe v E tel que w = f (v)} .
On utilise aussi la notation f (E) pour =(f ).
Alors ker(f ) et =(f ) sont des sous-espaces vectoriels (de E
et F respectivement).
La dimension de =(f ) est appele le rang de f .
La vrification que ker(f ) et =(f ) sont bien des sousespaces vectoriels vous est laisse.
236
kernel en
Anglais = noyau
f (ei ) = Aei = A
0
..
.
1
..
.
0
= la i-me colonne de A .
Donc =(f ) est lespace engendr par les colonnes de A, cest-dire que =(f ) = Vect(A). En particulier, par dfinition mme
le rang de f concide avec le rang de A (rappelez-vous la dfinition 11.40).
Ces deux derniers exemples montrent que les deux grands
types de sous-espaces de Kn qui nous sont familiers, savoir
237
ceux dfinis par des quations et ceux donns comme des vects,
peuvent tre vus comme des noyaux ou des images dapplications linaires. Comprendre les applications linaires permet
donc de comprendre bien des choses.
Exemple 13.9 Reprenons lapplication f () = 0 comme dans
lexemple 13.4. Le noyau de f est constitu des fonctions
telles que 0 = 0 ; daprs le thorme des accroissements finis,
ceci revient dire que est constante.
Limage de f est lensemble des applications qui sont de
la forme = 0 . En dautres termes il sagit des fonctions qui
possdent une primitive. Peut-on dcrire facilement cet espace
vectoriel ? Cest une question trs difficile ! Dans le chapitre
suivant nous montrerons au moins que toutes les fonctions
continues possdent une primitive (mais a nest quune description partielle de =(f ) bien sr).
Sommes directes
Nous souhaitons dcrire deux types dapplications linaires
trs courantes et de nature gomtrique, les projections et les
symtries. Ce sont des gnralisations des projections et symtries orthogonales que vous aviez vues au collge. Pour prparer correctement la version la plus gnrale, il nous faut examiner un peu les relations quil peut y avoir entre deux sousespaces dun espace donn.
On part donc dun espace vectoriel E, et on prend deux
sous-espaces U et V. On peut tout dabord considrer lintersection U V, constitue des vecteurs qui sont la fois dans U
et dans V : vous vrifirez sans peine que cest encore un sousespace vectoriel. Une autre opration possible est la suivante.
Dfinition 13.10 La somme de U et V, note U + V est lensemble des vecteurs de E de la forme u + v avec u U et v V.
L encore, cest un sous-espace vectoriel de E.
Exemple 13.11 Lorsque U et V sont donns par des quations,
dcrire U V est facile. Par exemple dans E = R3 , si U est dcrit
238
3x
x
y
3y
+
+
z
5z
=
=
0
0
et si V est dcrit par lquation x z = 0, alors U V est lensemble des vecteurs dont les coordonnes vrifient toutes ces
quations la fois. En clair U V est dcrit par
3x
y +
z = 0
x
+
3y
+
5z
= 0
z = 0
Si maintenant U et V sont donns comme des vects, cest U+
V qui est facile dcrire. En effet, les dfinitions entranent
immdiatement que
Vect(u1 , . . . , un ) + Vect(v1 , . . . , vm ) = Vect(u1 , . . . , un , v1 , . . . , vm ) .
(Vrifiez-le.)
Si maintenant on souhaite dcrire UV pour U et V donns
comme des vects, ou U + V pour U et V donns par des quations, la seule solution est de faire dabord une traduction des
quations aux vects ou vice-versa, comme on sait le faire.
Il existe une relation simple entre les dimensions de U V
et U + V :
Proposition 13.12 Soit E un espace vectoriel et U, V deux sousespaces de dimension finie. Alors U + V et U V sont de dimension
finie, et on a
dim(U + V) = dim(U) + dim(V) dim(U V) .
Dmonstration. Puisque UV est un sous-espace de U, il est de
dimension finie par le corollaire 11.39. Prenons donc une base
de U V, disons e1 , e2 , . . . , ed .
Daprs le thorme de la base incomplte (11.37), on peut
trouver u1 , u2 , . . . , uk U tels que BU = e1 , . . . , ed , u1 , . . . , uk est
une base de U. De mme, on peut trouver v1 , . . . , v` V tels
que BV = e1 , . . . , ed , v1 , . . . , v` est une base de V. Montrons que
B = e1 , . . . , ed , u1 , . . . , uk , v1 , . . . , v`
239
est une base de U+V. Ceci montrera que U+V est de dimension
finie, et que sa dimension est d + k + ` = (d + k) + (d + `) d =
dim(U) + dim(V) dim(U V), comme prvu.
Pour commencer, puisque U = Vect(BU ) et V = Vect(BV ), il
est clair que U + V = Vect(B) (voir lexemple prcdent). Donc
B est gnratrice. Pour montrer quelle est libre, nous devons
tudier lquation
1 e1 + + d ed + 1 u1 + + k uk + 1 v1 + ` v` = 0 ,
que nous rcrivons
1 e1 + + d ed + 1 u1 + + k uk = (1 v1 + + ` v` ) .
Le membre de gauche appartient U et le membre de droite
appartient V ; pour quils soient gaux, il faut donc quils
appartiennent tous les deux U V. Lespace U V ayant
pour base e1 , . . . , ed , les deux membres de la dernire quation
doivent donc tre de la forme 1 e1 + + d ed pour certains
scalaires i . crivons en particulier
(1 v1 + + ` v` ) = 1 e1 + + d ed ,
ou encore
1 e1 + + d ed + 1 v1 + + ` v` = 0 .
La famille BV tant libre, tous les coefficients ci-dessus sont
nuls : 1 = = d = 1 = ` = 0. Si nous revenons lquation de dpart, il ne reste plus que
1 e1 + + d ed + 1 u1 + + k uk = 0 .
Et finalement, la famille BU tant libre, ces derniers coefficients
sont galement nuls : 1 = = d = 1 = = k = 0. La famille B est bien libre.
Corollaire 13.13 Soit E un espace vectoriel de dimension finie, et soient U, V deux sous-espaces. Alors, lorsque deux des trois
conditions ci-dessous sont remplies, la troisime lest galement :
1. U V = {0},
240
2. E = U + V,
3. dim(U) + dim(V) = dim(E).
Dmonstration. Il faut simplement se rappeler les choses suivantes : si F est un sous-espace de E, alors F = E dim(F) =
dim(E) (corollaire 11.39) ; en outre F = {0} dim(F) = 0.
Donc on peut rcrire les trois conditions de la faon suivante :
1. dim(U V) = 0,
2. dim(E) = dim(U) + dim(V) dim(U V),
3. dim(U) + dim(V) = dim(E).
(On a utilis la proposition pour le (2)). Il est maintenant clair
que si deux galits sont vraies, alors la troisime aussi.
Dfinition 13.14 On dit que E est la somme directe de U et V,
et on crit E = U V, lorsque lon a U V = {0} et E = U + V.
Le corollaire indique donc que, dans le cas de la dimension finie qui est celui que nous recontrons presque toujours,
on peut vrifier si E = U V de plusieurs faons. Typiquement,
vrifier si E = U + V peut tre plus difficile que de vrifier les
deux autres conditions du corollaire.
Exemple 13.15 Prenons E = R3 , puis U dfini par lquation 2x y + 7z = 0, et enfin V = Vect(v) avec
v = 1 .
2
Alors dim(U) = 2 (on peut prendre y et z comme paramtres),
et dim(V) = 1, donc dim(U)+dim(V) = dim(E). Daprs le corollaire, pour vrifier que E = UV il suffit de montrer que UV =
{0}. Ceci nous vite de montrer directement E = U + V, ce qui
est un peu plus pnible.
Un vecteur de V est de la forme
v = ,
2
241
Rciproquement, si s est une application de E vers lui-mme vrifiant (1) et (2), et si on dfinit U et V par les galits ci-dessus,
alors E = U V et s est la symtrie par rapport U, dans la direction V.
Dmonstration. On vous laisse montrer les trois points, titre
dexercice. Montrons la rciproque : on prend s linaire telle
que s(s(x)) = x et on dfinit U et V par les galits proposes.
crivons
1
1
x = (x + s(x)) + (x s(x)) .
2
2
En posant ux = 12 (x + s(x)) et vx = 12 (x s(x)), on a donc x = ux +
vx . De plus
s(ux ) =
1
1
(s(x) + s(s(x))) = (s(x) + x) = ux ,
2
2
245
(*)
246
1
0
0
0
!
.
6
7
2
7
3
7
1
7
!
.
toujours tre capable dcrire au moins une matrice (pour certaines bases), la formule donnera les matrices dans les autres
bases. Dans lexemple, le plus simple est de commencer par
!
1 0
B
.
B [p] =
0 0
Nous commenons dailleurs avec cet exemple voir lintrt de toutes ces matrices : puisquelles contiennent toutes
la mme information, savoir une description de lapplication p, libre nous de choisir la plus simple. Et vous voyez
bien que B [p]B est beaucoup plus simple que les autres ! Cette
ide sera pousse dans le chapitre Diagonalisation .
Commenons par constater, avec la proposition suivante,
que toutes les applications linaires (entre espaces vectoriels
de dimension finie) se ramnent multiplier une matrice par
un vecteur-colonne ; et la composition des applications se ramne multiplier les matrices.
Proposition 13.25 Soient E, F et G des espaces vectoriels, et
soient B, C et D des bases de ces espaces respectifs.
1. Si f : E F est linaire, et si x E, alors [f (x)] = [f ][x]. Plus
prcisment
B
C [f (x)] = C [f ] B [x] .
2. Si g : F G est linaire, alors [g f ] = [g][f ]. Plus prcisment
B
C
B
D [g f ] = D [g] C [f ] .
Nous ne donnerons pas les dtails de la dmonstration : elle
consiste seulement vrifier les dfinitions.
Exemple 13.26 Reprenons lexemple prcdent. Nous avons
calcul
!
6
3
M = C [p]C = 72 17 .
7
alors
p(x) = C [p(x)] = C [p]CC [x] = Mx =
6
7 x1 +
2
7 x1 +
3
7 x2
1
7 x2
!
.
250
B
BP
B
DP
= Id (matrice identit).
= D PCC PB .
1
3. B PC = C PB .
2.
Dmonstration. Le premier point est vident daprs les dfinitions. Pour le deuxime, le plus simple est de noter la chose
suivante : si : E E est lapplication (x) = x, alors les dfinitions entranent que
B
B
C P = C [] .
On exploite ensuite le fait que ((x)) = x donc = et par
suite, en utilisant la proposition 13.25 :
B
DP
= C PC = Id ,
B0
= C0 PCC [f ]BB PB .
Dmonstration. On utilise la mme astuce. Soit E : E E lapplication E (x) = x, et soit F dfinit de la mme manire. On
a F (f (E (x))) = f (x), donc F f E = f , ce qui donne en termes
de matrices (en utilisant la proposition 13.25) :
C0 [f ]
B0
= C0 [F f E ]B = C0 [F ]CC [f ]BB [E ]B
B
C
B0
C0 P C [f ] B P
puisque C0 [F ]C = C0 PC et B0 [E ]B = B0 PB .
Exemple 13.31 Reprenons lexemple 13.24 : les choses vont
tre maintenant beaucoup plus simples. Il sagit donc de la
projection p : R2 R2 sur U = Vect(e1 ) paralllement V =
Vect(e2 ). Dans la base B = e1 , e2 on a
!
1 0
B
,
B [p] =
0 0
puisque p(e1 ) = e1 et p(e2 ) = 0 (pour linstant les vecteurs e1
et e2 particuliers que lon choisit ne changent rien laffaire).
Si maintenant on considre la base canonique C et que lon veut
la matrice de p dans cette base, on utilise la formule du changement de base :
C
B
B
C
C [p] = C P B [p] B P .
Dans lexemple 13.28, nous avons vu que
!
3 1
B
.
CP =
1
2
Pour lautre, on utilise le fait que B PC =
dj fait ce calcul, et on trouve
!
2
1
C
7
7
P
=
.
B
17 37
B 1 .
CP
Nous avons
3 1
1
2
1
0
0
0
252
2
7
1
7
1
7
3
7
!
=
6
7
2
7
3
7
1
7
!
.
Deuxime lecture
Applications injectives, surjectives, bijectives
Le lecteur est invit revoir les dfinitions des termes injectif , surjectif , et bijectif , introduits dans le tout premier chapitre de ce livre.
Nous allons examiner ces concepts dans le cadre des applications linaires. Il se trouve que la situation est bien plus
simple que dans le cas gnral. Commenons par :
Lemme 13.32 Soit f : E F linaire. Si f possde une rciproque f 1 : F E, alors f 1 est galement linaire.
Dmonstration. Prenons u et v dans F, et soit x = f 1 (u + v).
On a f (x) = u + v = f (f 1 (u)) + f (f 1 (v)) = f (f 1 (u) + f 1 (v))
puisque f est linaire. En applicant f 1 , on obtient x = f 1 (u)+
f 1 (v) = f 1 (u+v). On vous laisse montrer de la mme manire
que f 1 (v) = f 1 (v).
On utilise un mot savant pour les applications bijectives et
linaires :
253
Dfinition 13.33 Une application linaire et bijective est appele un isomorphisme. Lorsquil existe un isomorphisme E
F, on dit que E et F sont isomorphes.
Ce nouveau nom ne doit pas cacher un vieux calcul :
Proposition 13.34 Soit f : E F linaire, soit B une base (finie)
de E, et soit C une base (finie) de F. Alors
f est un isomorphisme la matrice C [f ]B est inversible .
De plus la matrice de la rciproque f 1 est linverse de la matrice
de f .
Ce qui veut dire que lon peut se ramener un calcul de
dterminant.
Dmonstration. Si f 1 existe, on note que f 1 (f (x)) = x donc la
matrice de f 1 f dans la base B est lidentit. Ainsi
h
iC
h
iB
Id = B f 1 f = B f 1 C [f ]B .
De la mme manire, on montre dans lautre sens que
B
C [f ] B
h
iC
f 1 = Id ,
f 1
iC
C [f ]
B 1
et
N = M1 ,
254
= A.
2. f est surjective,
3. dim(E) = dim(F).
Dmonstration. Dans le prcdent corollaire on a vu que (1) et
(2) entranent (3). Supposons que lon ait (1) et (3). Alors
dim(=(f )) = dim(E) dim(ker(f )) = dim(F) 0 = dim(F) ,
donc =(f ) = F et f est surjective. Si lon a (2) et (3), alors
dim(ker(f )) = dim(E) dim(=(f )) = dim(F) dim(F) = 0 ,
donc ker(f ) = {0} est f est injective.
Nous verrons de nombreuses applications dans les exercices.
Vieux rsultats, nouvelles dmonstrations
Le thorme du rang occupe une place centrale en algbre
linaire. tel point que dans certains livres sur le sujet, on
trouve une dmonstration de ce thorme trs tt dans lexposition, avec les autres rsultats prsents comme consquences.
Ce genre dapproche est plus concis mais plus difficile suivre
pour les dbutants. Il est probable quen deuxime anne, on
vous donne un rsum de lalgbre linaire de premire anne
qui soit de ce genre.
Pour se faire une ide, voici de nouvelles dmonstrations
de rsultats dj obtenus, qui font usage du thorme du rang.
Notez la concision des arguments en contrepartie de leur ct
abstrait. Il est naturel que ces dmonstrations soient plus difficiles suivre pour linstant.
Lemme 13.45 Soit A et B des matrices carres telles que AB = Id.
Alors on a galement BA = Id, et B = A1
Nous avions vu a en tant que lemme 5.23, et la dmonstration faisait appel la notion de matrice bien chelonne.
259
Mn (K)
f (M) = BM .
..
mn
,
Ir
=
.
.
0
cest--dire la matrice dont tous les coefficients sont nuls, sauf
les r premiers sur la diagonale, qui valent 1. Lorsque la taille
est vidente, on crit juste Ir .
Proposition 13.46 Soit A une matrice m n.
1. Si P Mn (K) est inversible, alors rang(AP) = rang(A).
2. Si Q Mm (K) est inversible, alors rang(QA) = rang(A).
3. rang(A) = r il existe P et Q telles que QAP = Ir .
4. rang(A) = rang(t A).
Nous avons vu tous ces rsultats, part le (3). La dmonstration va tre trs diffrente.
260
= Ir .
Mais alors C [fA ]B = QAP o Q et P sont des matrices de passages bien choisies (et en particulier inversibles). Ceci donne le
(3).
Le (4) est maintenant vident. En effet si A est de rang r,
do t Pt At Q = t Imn
= Irnm . Daprs le (3)
on a QAP = Imn
r
r
t
t
appliqu A, on en dduit que A est de rang r galement.
261
Chapitre 14
Intgrale de Riemann
Premire lecture
Introduction
Le problme de dpart que nous nous proposons de rsoudre dans ce chapitre est le suivant. tant donne une fonction f , existe-t-il une fonction F telle que
F0 = f
(*)
Le point dlicat est de montrer que, sous certaines conditions, il existe au moins une primitive. On aimerait galement
pouvoir calculer explicitement les valeurs prises par F. Dans ce
chapitre nous allons dmontrer quune primitive existe lorsque
la fonction f est continue.
La stratgie est la suivante. Supposons que F0 = f , que
F(x0 ) = 0, et examinons la condition F0 (x0 ) = f (x0 ). Si lon
scarte un peu de x0 pour atteindre le point x0 + h avec h
petit , alors F(x0 +h) est proche de F(x0 )+F0 (x0 )h = f (x0 )h (on
remplace la fonction par son dveloppement limit lordre 1).
Lide est dinterprter la quantit F(x0 + h) ' f (x0 )h comme
laire du rectangle de hauteur f (x0 ) et de largeur h. De mme la
diffrence F(x0 +2h)F(x0 +h) devrait tre proche de F0 (x0 +h)h =
f (x0 + h)h, qui est laire du rectangle de hauteur f (x0 + h) et de
largeur h. Au total F(x0 +2h) = (F(x0 +2h)F(x0 +h))+F(x0 +h) est
proche de la somme des aires des deux rectangles considrs
sur le dessin ci-dessous.
rectangles obtenus. Lorsque h devient de plus en plus petit, intuitivement, on obtient laire de la zone situe entre le graphe
de f et laxe des abscisses, et entre les droites verticales dquations x = x0 et x = x1 .
Notez que la valeur de en ai peut tre quelconque, indpendamment des valeurs prises sur ]ai1 , ai [ et ]ai , ai+1 [. Sur
cet exemple on voit bien que la subdivision a = (a0 , a1 , a2 , a3 , a4 )
nest pas unique : en effet est en ralit constante sur ]a2 , a4 [,
et on aurait pu prendre la subdivision a0 = (a0 , a1 , a2 , a4 ).
On peut alors poser la dfinition suivante :
Dfinition 14.2 Soit en escaliers, et a = (a0 , . . . , an ) une subdivision adapte. Soit i la valeur de sur ]ai , ai+1 [. On pose :
I(, a) =
n1
X
(ai+1 ai )i .
i=0
Ce nombre est bien laire des rectangles dfinis par
(avec cependant la possibilit que i soit ngatif). Gomtriquement on sattend donc ce que I() ne dpende pas du
choix de la subdivision. Cest le cas :
265
n1
X
i=0
(ai+1 ai )i
n1
X
(ai+1 ai )0i = I() ,
i=0
266
comme annonc.
Il est bon de noter quon ne change pas I() si on change la
fonction en un nombre fini de points. De mme, si (x) (x)
pour tous les x dans [a; b] sauf pour un nombre fini de valeurs
x = x1 , . . . , x = xk , alors on peut quand mme conclure que I()
I(). Dans ce qui suit, on va utiliser ce genre de simplifications
de manire implicite.
Nous arrivons la dfinition de lintgrale de Riemann. Soit
f une fonction quelconque, borne, sur [a; b]. On dfinit
I+ (f ) = inf {I() | en escalier telle que f }
et
267
Z
lim
n+ a
Z
n
n = 0 .
On a alors
Z
Z
f = lim
n a
n = lim
n .
n a
par
dfinition
;
de
mme
I
n
a
a n
+
0 I (f ) I (f )
a
Z
n
n .
268
n1
n =
1X
f (ai ).
n
i=0
269
De mme
Z
On tire
Z
n1
n =
i=0
Z
n
1X
f (ai+1 ).
n
n =
f (b) f (a)
.
n
Exemple 14.9 Prenons f (t) = t sur [0, 1]. Elle est croissante,
donc intgrable, et on peut mme calculer son intgrale grce
au procd dcrit dans la dmonstration. En effet dans ce cas
on a n (t) = ni sur lintervalle ] ni , i+1
n [. Par suite
I(n ) =
n1
n1
X
i+1 i
i
1 X
i.
= 2
n
n
n
n
i=0
i=0
270
i = 0 + 1 + 2 + 3 + + (n 1) =
i=0
Ceci donne
I(n ) =
et
Z
1 1
,
2 2n
t dt = lim I(n ) =
n
n(n 1)
.
2
1
.
2
Exemple 14.10 Prenons maintenant f (t) = et sur [0, 1]. L encore f est croissante donc intgrable, et cette fois on a (toujours
i
avec les notations de la dmonstration) n (t) = e n sur ] ni , i+1
n [.
Ici
n1
n1
X
i
i+1 i
1X i
I(n ) =
=
en
en .
n
n
n
i=0
i=0
1
n
Si on pose = e , on a
n1
X
en
i
= 1 + + 2 + + n1 =
i=0
1 n 1 e
=
.
1
1
1 en
1
1e
1e
1
.
=
1
n n + o( n ) 1 + o(1)
f =
a
f+
a
f.
x
En particulier on a
Zx
Zx
Zb
Zb
0
n
n
n
n
a
Donc le lemme 14.7 (dans le sens = !) nous dit que f est intgrable sur [a; x]. De mme entre x et b.
Montrons maintenant =. Notons f1 la restriction de f
[a; x]. On suppose f1 intgrable, donc on peut choisir des suites
n,1 et n,1 comme dans le lemme 14.7. De mme, on dfinit
f2 , n,2 et n,2 sur [x; b]. On recolle les morceaux, en dfinissant
n sur [a; b] par n (t) = n,1 (t) si t [a; x], et n (t) = n,2 (t) si
t ]x; b] ; de mme on dfinit n .
On veut utiliser encore le lemme 14.7 pour conclure. Vrifions les hypothses : n et n sont en escaliers ; on a bien
n f n , car on peut vrifier ceci sparment sur [a; x] et
sur [x; b] et on a suppos que n,i f n,i pour i = 1 ou 2 ; enfin, la relation de Chasles pour les fonctions en escaliers donne
encore :
Zx ! Zb
Zb !
Zb
Zb
Zx
n
n =
n
n +
n
n .
a
n+ a
273
n+ a
et que
Z
f =
x
f2 = lim
n+ x
n,2 .
(f (t) + g(t)) dt =
a
f (t) dt +
a
g(t) dt .
a
f
a
g.
a
Esquisse. Le principe est le mme que pour la proposition prcdente : on vrifie les proprits pour les fonctions en escaliers dabord (par exemple le point 2 est donn dans ce cas par
274
275
f
|f |.
a
(n n ) =
n1
X
(ai+1 ai )(i i ) + + + = .
n n
n
i=0
276
Rb
Ainsi, pour tout > 0, on a 0 a (n n ) ds que n est
suffisamment grand ; cest dire que
Zb
lim
(n n ) = 0 .
n+ a
ba X
lim
f (xi,n ) =
n+ n
i=0
f (t) dt .
a
lim
i=0
n1
X
i=0
n
.
i 2 + n2
Sn =
n1
1 X n2
1X 1
=
.
i2
n
i 2 + n2 n
i=0
i=0 1 + n2
n1
i
1X
f
.
n
n
i=0
La fonction x 7
Rx
a
x0
279
dt
x x0 x0
(x x0 )
= .
x x0
On a donc bien
lim
xx0
F(x) F(x0 )
f (x0 ) = 0 .
x x0
280
Dmonstration. Cest une reformulation de la proposition prcdente. Dire que f est continument drivable signifie que f 0
est continue, on peut donc appliquer la proposition 14.19 avec
f 0 a la place de f . On en dduit que lapplication dfinie par
Zx
g(x) =
f 0 (t) dt
a
f 0.
= arctan(1) arctan(0) = .
2
4
0 1+t
En particulier, grce lexemple 14.17, on a une formule pour
calculer :
n1
X
n
.
= lim 4
2
n
i + n2
i=0
"
t dt =
t2
2
#1
=
0
1
.
2
Ici on a utilis la notation avec les crochets qui vous est familire depuis la Terminale, savoir
[f (t)]ba = f (b) f (a) .
De mme on a
Z
h i1
et dt = et = e 1 .
0
Hn = 1 +
1 1
1 X1
+ + + =
.
2 3
n
i
i=1
(On appelle parfois (Hn ) la srie harmonique , do la notation.) Nous allons montrer que Hn tend vers +. partir de la
dfinition, cest difficile.
Essayons donc dutiliser des intgrales. Nous navons pas
une somme de Riemann, mais nous pouvons malgr tout essayer dintroduire certaines fonctions en escaliers. En loccurence, considrons lintervalle [1, n] et la fonction en escaliers n qui vaut 1i sur lintervalle ]i, i + 1[. En comptant laire
des rectangles, on constate que
Zn
n = Hn .
1
282
Mais grce la mthode des primitives, nous pouvons facilement calculer lintgrale de f : en effet le logarithme ln vrifie ln0 = f . Ainsi
Zn
dt
= ln(n) ln(1) = ln(n) .
1 t
Or nous savons que ln(n) + lorsque n +, donc lingalit Hn ln(n) que nous venons dobtenir garantit que Hn
+.
La formule du changement de variables
Une autre consquence plus ou moins immdiate de la proposition 14.19 est la formule du changement de variables
qui est trs pratique dans les calculs :
Proposition 14.24 Soit u une fonction continument drivable
sur [a; b], et supposons que limage de [a; b] par u soit lintervalle
[u(a); u(b)]. Soit f une fonction continue sur [u(a); u(b)]. Alors :
Z
f (u(t)) u 0 (t) dt =
u(b)
f (x) dx .
u(a)
f (u(t))u0 (t) dt
h(T) =
a
u(b)
f (u(t)) u0 (t) dt =
f (u) du .
u(a)
dt
.
1 + et
284
1
0
dt
=
1 + et
1
0
et dt
=
t
e (1 + et )
1
0
u 0 (t) dt
=
u(t)(1 + u(t))
du
.
u(1 + u)
On va pouvoir finir ce calcul facilement. Avant de le faire, remarquons que si les choses se sont bien passes, cest surtout
parce que u0 (t) peut sexprimer facilement en termes de u(t). Cest
la grande qualit que lon cherche dans un changement de variables. Faites lexprience suivante : essayez le changement de
variables v(t) = 1/(1 + et ). Vous vous rendrez compte que pour
faire apparatre le v0 (t) dt, on est amen exprimer v0 (t) en
fonction de v(t). Cest faisable, mais moins facile que pour u ;
au total on finit avec la mme expression, mais aprs bien plus
defforts.
Terminons tout de mme. On crit
1
1
1
=
.
u(1 + u) u 1 + u
Vous vrifierez cette galit sans peine ; au chapitre suivant
nous verrons comment systmatiser ce genre dastuce. Maintenant il vient :
Ze
Ze
Ze
du
du
du
=
u(1
+
u)
u
1
+u
1
1
1
= [ln(u)]e1 [ln(1 + u)]e1
= 1 + ln(2) ln(1 + e) .
Deuxime lecture
Fonctions valeurs vectorielles
Dfinition 14.26 Soit f : [a, b] Rr une fonction, et crivons
f (t) = (f1 (t), . . . , fr (t)) .
285
f =
a
f1 ,
Z
f2 , . . . ,
!
fr .
f (t) dt =
a
x(t) dt + i
a
y(t) dt .
a
Z
(f (t) + g(t)) dt =
g(t) dt .
f (t) dt +
a
f (t) v dt =
a
!
f (t) dt v .
286
La dmonstration de cette proposition est laisse en exercice ; cest une consquence directe des dfinitions. Nous allons
nous contenter de la remarque suivante. Si e1 , . . . , er est une base
de Rr , alors pour chaque t on peut crire
f (t) = 1 (t)e1 + + r (t)er .
En utilisant les deux proprits nonces dans le (1) de la proposition, on en dduit, si f est intgrable, que
Z
f (t) dt =
a
1 (t)e1 dt + +
=
a
r (t)er dt
!
!
Zb
1 (t) dt e1 + +
r (t) dt er .
a
b
a
Z
n (t) dt
n
287
f (t) dt .
a
(1)
kf (t) n (t)k dt 0 ,
n
(2)
et enfin
Z
Z
kn (t)k dt
n
kf (t)k dt .
(3)
Z
k,n (t) dt
n
fk (t) dt .
(*)
do
Zb
a
Z
kf (t) n (t)k dt
Z
f1 (t) dt
Z
a
b
+
a
1,n (t) dt +
Z
fr (t) dt
r,n (t) dt .
kf (t) n (t)k dt .
a
o f est constante de valeur k sur ]ak , ak+1 [. Lingalit triangulaire pour les vecteurs donne
X
X
(ak+1 ak )k
(ak+1 ak ) kk k .
k
k
289
290
On dit parfois dune courbe telle que `() < + quelle est
rectifiable.
Le rsultat qui va rendre les choses calculables est le suivant :
291
`() =
k0 (t)k dt .
k0 (t)k dt ,
(*)
ak
en utilisant le thorme fondamental de lanalyse puis lingalit triangulaire. En faisant la somme sur tous les indices k, par
la relation de Chasles il vient
Zb
`(, a)
k0 (t)k dt ,
a
et donc
Z
`()
k0 (t)k dt .
Soit maintenant > 0. On va montrer quil existe une subdivision a telle que
Z
k0 (t)k dt (`, a) + ,
ak+1
a
Z kak+1
ak+1
k (ak )k dt +
k0 (t) 0 (ak )k dt
ak
ak
Z
Z
ak+1
ak+1 0
=
(ak ) dt
+
k0 (t) 0 (ak )k dt
ak
ak
Z
ak+1 0
(ak ) dt
+ Mk (ak+1 ak )
ak
Z
ak+1
0
0
0
=
(t) + ( (ak ) (t)) dt
+ Mk (ak+1 ak )
ak
Z
Z
ak+1
ak+1
0 (t) dt
+
k0 (ak ) 0 (t)k dt
ak
ak
+ Mk (ak+1 ak )
k(ak+1 ) (ak )k + 2Mk (ak+1 ak ) .
Puisque 0 est continue sur lintervalle compact [a, b], elle est
uniformment continue daprs le thorme de Heine. Ainsi, il
existe un > 0 tel que k0 (x) 0 (y)k < /2(ba) ds que |x y| < .
On peut alors choisir n un entier tel que ba
n < , et poser ak =
ba
a + k ba
,
de
sorte
que
|a
a
|
=
<
et donc Mk 2(ba)
.
k+1
k
n
n
Si on fait la somme des ingalits
Z ak+1
comme annonc.
293
a
b
k0 (t)k dt
= `() .
Donc la longueur de la courbe est toujours suprieure ou
gale la distance euclidienne kq pk. Prenons maintenant la
ligne droite, disons : [0, 1] Rr dfinie par
(t) = (1 t) p + t q
(= p + t (q p)) .
(Cest bien un dplacement en ligne droite de p vers q.) La drive est 0 (t) = q p, un vecteur constant, donc
Z1
k0 (t)k dt = kq pk = `() .
0
294
295
de variables :
Z
`(2 ) =
=
c
=
c
=
a
k02 (t)k dt
k01 (u(t)) u0 (t)k dt
k01 (u(t))k u 0 (t) dt
k01 (u)k du
= `(1 ) .
Pour en revenir au cercle, la courbe 1 : [0, 2] R2 dfinie par 1 (t) = p + Reit et la courbe 2 : [0, 1] R2 dfinie
par 2 (t) = p + Re2i t sont lies comme ci-dessus, avec u(t) =
2t, donc elles ont la mme longueur (comme on le vrifie tout
de suite).
Dmonstration de Taylor-Young
Nous allons conclure ce chapitre avec la dmonstration du
thorme de Taylor-Young dans sa forme gnrale (dans le chapitre sur les formules de Taylor nous avions une petite hypothse restrictive). laide des intgrales, cest trs facile.
Lemme 14.35 Soit I un intervalle contenant 0 et f : I R une
fonction intgrable. On suppose que f (t) = o(tn ) pour un certain
entier n. Si on pose
Z
x
F(x) =
f (t) dt ,
0
296
tn dt
0
" n+1 #x
xn+1
t
=
.
=
n+1 0
n+1
On traite de la mme faon le cas < x < 0, et finalement on
constate que si |x| < , alors
F(x) .
xn+1 n + 1
Cest donc que
F(x)
0
xn+1
lorsque x 0, comme on le souhaitait.
On peut alors montrer facilement
Thorme 14.36 (Taylor-Young) Soit f une fonction drivable
n fois sur un intervalle I contenant 0. Alors on peut crire
f (x) = f (0) + f 0 (0)x +
f (n) (0) n
f 00 (0) 2
x + +
x + o(xn ) .
2
n!
(f 0 )(n) (0) n1
t
+ o(tn1 ) .
(n 1)!
En intgrant ceci entre 0 et x, et en utilisant le lemme prcdent, on obtient la formule pour f au rang n.
297
Chapitre 15
Fractions rationnelles
Dans ce chapitre, la lettre K dsigne Q, R ou C.
Fractions rationnelles
Dfinition 15.1 Une fraction rationnelle F coefficients dans K
est un quotient de deux polynmes de K[X] :
F=
P
,
Q
298
PQ0 = P0 Q ,
Le lecteur ayant
assimil la
dfinition 2.15
peut prendre
pour K
nimporte quel
corps.
F=
P1 P2
+ .
A B
299
suite
1
AU + BV U V
=
= + .
AB
AB
B A
En multipliant par P, il vient
F=
PV PU
P
=
+
,
AB
A
B
P1 P2
P
+ 2 + + ,
Q Q
Q
A
R
.
+
Q
Q1
300
i
n X
X
Pi,j
j
i=1 j=1
Qi
P1 P2
+ ,
A B
Avant de donner des exemples de calculs, donnons des versions de ce thorme spcialises R et C.
Corollaire 15.5 (lments simples sur C.) Soit
F=
P
(X x1
)1 (X x
n)
C(X) ,
i
n X
X
i,j
i=1 j=1
(X xi )j
X3 X
.
X2 + 1
Le premier rflexe est de faire une division euclidienne du numrateur par le dnominateur. Ici on a X3 X = X(X2 + 1) 2X,
de sorte que
2X
F = X 2
.
X +1
On va maintenant appliquer le thorme au dernier terme
droite. Puisque X2 + 1 = (X i)(X + i), on sait quil existe et
tels que
2X
=
+
.
X2 + 1 X i X + i
Le plus simple pour trouver les valeurs de et nest pas
de procder comme dans la dmonstration du thorme, mais
simplement didentifier les numrateurs :
( + )X + ( )i
2X
+
=
= 2
.
Xi X+i
X2 + 1
X +1
On a donc = 0 et + = 2, donc = = 1. Finalement
F = X
1
1
.
Xi X+i
302
(X x1 )1 (X xn )n Q11 Qmm
R(X) ,
i
n X
X
i,j
i=1 j=1
(X xi )j
i
n X
X
i,j X + i,j
j
i=1 j=1
Qi
X3 X
,
X2 + 1
2X
.
X2 + 1
Sur R, on sarrte l : on ne peut pas factoriser plus le dnominateur X2 + 1, et lexpression obtenue est bien de la forme
annonce dans le corollaire. Notons dailleurs que lon a assez
travaill pour calculer une primitive, en effet
Z
#b
x2
2
ln(x + 1) .
F(x) dx =
2
a
"
1
X5 2X4 + 6X3 12X2 + 9X 18
1
.
(X 2)(X2 + 3)2
X + 1 2 X + 2
+ 12
+ 2
.
X2
X +3
(X + 3)2
(*)
(**)
( X + 1 )(X 2) (2 X + 2 )(X 2)
1
+
= + 1
.
(X2 + 3)2
X2 + 3
(X2 + 3)2
1
= 2 i 3 + 2 .
i 32
304
1
2 i 3
=
,
7
i 32
do 2 = 27 et 2 = 71 .
Ensuite, on peut choisir dvaluer (*) en X = 0, parce que
cest relativement facile : on obtient
1
37
1
=
,
18 3 1 882
2
do 1 = 49
.
Regardons le numrateur (**) ci-dessus. Il commence par (+
1 )X4 , ce que lon peut vrifier de tte trs vite sans tout mettre
au mme dnominateur. On a donc + 1 = 0 do 1 = =
1
49
.
Finalement
!
1
1
X+2
7X + 2
.
F=
49 X 2 X2 + 3 (X2 + 3)2
+1
p (x x0 )
p
pour > 1 et
Z
dx
q
= [ ln |x x0 | ]p
x x0
p (ax + bx + c)
Il y a toute une srie dtapes pour y arriver. Le premier
rflexe est de faire apparatre la drive du dnominateur au
numrateur . En effet on sait calculer
" 2
#q
Zq
(ax + bx + c)+1
2ax + b
dx
=
2
+1
p (ax + bx + c)
p
pour > 1 et
Z
h
iq
2ax + b
dx = ln |ax2 + bx + c| .
2
p
ax + bx + c
.
x2 + x + 1 2 x2 + x + 1
2(x2 + x + 1)
On a alors
Zq
iq 11 Z q
5x 3
5h
dx
2
dx =
ln(x + x + 1)
.
2
2
p
2
2 p x +x+1
p x +x+1
Retournons au cas gnral. Nous sommes ramens calculer les intgrales de la forme
Zq
dx
,
2 + bx + c)n
(ax
p
avec b2 4ac < 0 puisquon suppose que le dnominateur ne
sannule pas. On en connat une :
Zq
dx
q
= [ arctan(x) ]p .
2
p x +1
Nous allons voir que lon peut toujours se ramener ce cas-l
(ce qui explique la prsence abondante de la fonction arctangente dans toutes les questions de primitives). La prochaine
tape est de faire un changement de variables pour mettre le
dnominateur sous la forme u(x)2 + 1.
307
x .
3
1
2
3( x3
+ 1)
On a u0 (x) =
1
3(( x )2 + 1)
3
1
3
1
3(u(x)2 + 1)
et donc
Z q 1 dx
Zq 0
u (x) dx
dx
3
3
3
=
=
3 p u(x)2 + 1
3 p u(x)2 + 1
x2 + 3
Z q/ 3
3
3
du
q/ 3
.
=
=
arctan(u)
[
]
p/ 3
3 p/ 3 u 2 + 1
3
mitives que lon souhaite garder en tte). Pour a = 3 onretrouve le rsultat ci-dessus videmment (noter que 1 = 33 ).
3
Cependant, il est parfois prfrable de refaire le changement
de variables, notamment lorsque le dnominateur est lev
une puissance (voir plus bas).
Essayons maintenant x2 +x+1 au dnominateur. La prsence
du terme de degr 1 nous force une tape prliminaire :
1
1
3
x2 + x + 1 = (x + )2 + 1 = t(x)2 +
2
4
4
avec t(x) = x + 12 . On peut faire un premier changement de variables :
Zq
Zq 0
Z q+ 1
2
t (x) dx
dx
dt
=
=
.
2 +x+1
2+ 3
2+ 3
1
x
t(x)
t
p
p
p+ 2
4
4
Ou bien on change encore de variables, ou bien on utilise la
primitive que lon connait, pour en arriver :
Z
q+ 12
p+ 12
"
#q+ 12
dt
2
2t
=
arctan(
)
.
t2 + 34
3
3 p+ 21
308
p
q
= [x ln(x) x]p
x
(x2 + 1)n
#q
+ 2n
p
1
,
(x2 +1)n
do
x2 dx
.
(x2 + 1)n
dx
(x2 + 3)2
q0
p0
et q0 =
q
.
3
"
#q0
Z q0 2
du
u
u +11
=
+4
2
2
2
2
2
2
(u + 1)
(u + 1) p0
p0 (u + 1)
"
#q 0
Z q0
u
du
=
+
4
arctan(u)
,
4
2 + 1)2
(u2 + 1)2
(u
0
0
p
p
do
Z
q0
p0
Finalement
Zq
p
"
#q0
du
1
u
=
+
4
arctan(u)
.
(u 2 + 1)2 5 (u 2 + 1)2
p0
"
#q/ 3
dx
3
u
=
+ 4 arctan(u) .
(x2 + 3)2 15 (u 2 + 1)2
p/ 3
Ces calculs sont difficiles. Cependant, nous pouvons nouveau remarquer que rien nempche un ordinateur de les faire
pour nous : toutes les tapes sont parfaitement mcaniques.
310
Ici on suppose que lon a une fonction (x, y) 7 F(x, y), deux
variables, dfinie au moins au point (x, y) = (cos(), sin())
pour p q. Lensemble de ces points est un arc de cercle,
et en faisant un peu de gomtrie nous allons trouver un changement de variables judicieux. En particulier, lintgrale cidessus va se ramener une intgrale de fraction rationnelle
lorsque F(x, y) est une expression utilisant seulement des oprations arithmtiques (addition, soustraction, multiplication et
division), disons par exemple
F(cos(), sin()) =
3 cos()2 sin() 1
.
sin()3 + cos()
On dit parfois alors que F(cos(), sin()) est une fraction rationnelle trigonomtrique .
Pour les impatients, il est trs simple de rsumer la mthode : utiliser le changement de variables t() = tan( 2 ). Vous
pouvez de suite aller voir lexemple 15.17 ci-dessous, en prenant connaissance des quations (**) au passage. Mais il est
instructif de prendre le temps de comprendre pourquoi cette
astuce fonctionne.
311
=
=
= tan( ) .
2
cos() + 1
2
2 cos( 2 ) 1
cos( 2 )
de . Posons t = tan( 2 ) =
1 + t2 =
y
x+1 ,
et calculons
y 2 + x2 + 2x + 1
2
=
,
2
x
+
1
(x + 1)
puisque x2 + y 2 = 1. On en tire
x+1 =
2
,
1 + t2
(*)
do
1 t2
2t
et y = sin() =
.
(**)
1 + t2
1 + t2
(La deuxime en multipliant (*) par t, puisque y = t(x + 1).) Ces
relations sont trs intressantes, puisquelles nous poussent
utiliser en ralit t, et non pas lui-mme, pour reprer le
point z sur le cercle : lavantage est alors que les coordonnes x
et y de z sont des fractions rationnelles en t. Par contraste,
lorsque lon exprime x et y en fonction de , on fait appel aux
fonctions cosinus et sinus, qui sont bien plus compliques (la
diffrence va devenir trs claire dans le calcul des primitives,
ci-dessous).
Pour rsumer, nous avons montr la chose suivante.
x = cos() =
Proposition 15.16 Soit z = x + iy un nombre complexe ; on suppose z , 1. Alors z est de module 1 si et seulement sil existe un
nombre rel t tel que
x=
1 t2
1 + t2
et
y=
2t
.
1 + t2
Dans ce cas, on a
y
,
x+1
donc en particulier t est uniquement dtermin par z.
t=
Ce rsultat nest pas seulement intressant pour les primitives (voir lencadr Triplets pythagoriciens ). Mais pour
linstant, faisons donc le lien avec le calcul des intgrales, dont
313
Triplets pythagoriciens
La proposition 15.16 tablit une bijection entre lensemble R dune
part, et lensemble des points sur
le cercle unit (sauf (1, 0)) dautre
part. Cette bijection tant donne
par la formule explicite
1 t2 2t
,
),
1 + t2 1 + t2
on constate quelle possde la proprit remarquable dtablir galement une bijection entre Q et lensemble des points (x, y) sur le cercle
tels que x Q et y Q (et (x, y) ,
(1, 0)).
Voici une application clbre. Un
triplet pythagoricien est donn par
trois nombres entiers (a, b, c) tels
que a2 + b2 = c2 . Grce au thorme
de Pythagore, on peut interprter un
tel triplet comme donnant les longueurs (entires !) dun triangle rectangle. Par exemple (3, 4, 5) est un
triplet pythagoricien.
Connaissant un triplet (a, b, c), on
peut en fabriquer une infinit en
multipliant par un mme nombre
n, cest--dire en considrant
(na, nb, nc), mais les triangles correspondants ont le mme aspect.
Peut-on construire une infinit de
triplets pythagoriciens, y compris
en considrant comme identiques
deux triplets proportionnels ?
Sans parler dinfinit, peut-on dj
t 7 (
314
t() = tan( ) .
2
Est-ce un bon changement de variables ? Tout dabord, daprs
(**) nous avons
!
1 t()2 2t()
,
.
F(cos(), sin()) = F
1 + t()2 1 + t()2
Quant la drive t0 (), nous sommes chanceux car elle vaut
1
1
(1 + tan( )2 ) = (1 + t()2 ) .
2
2
2
t0 () =
cos() d
.
cos() + sin()
1t2
,
1+t2
2t
.
1t2
Il vient
1
(1 t2 )(1 + t2 )
cos()
1 t2
= 2
= 1 2
.
cos() + sin() t + 2t + 1 2 (t2 + 2t + 1)(1 + t2 )
315
I=2
0
(1 t2 ) dt
(t2 + 2t + 1)(1 + t2 )
1
1
=
2(1 + t2 )
Do la primitive
1
1
1
1
ln |t 1 2| + ln |t 1 + 2| ln(1 + t2 ) + arctan(t) .
4
4
4
2
2
ln( 2 + 1) = ln( 2 1) = ln(1) = 0), et elle vaut 8 pour t = 1.
Finalement I = 4 .
316
Chapitre 16
Diagonalisation
Le lecteur ayant
assimil la
dfinition 2.15
peut prendre
pour K
nimporte quel
corps.
Premire lecture
Motivation
Dans ce chapitre, les concepts dalgbre linaire des chapitres prcdents vont tre mis en application. Nous allons dcrire la technique gnrale de la diagonalisation, qui sera utilise dans ce livre dans le cadre de problmes trs concrets :
lors de ltude de certaines quations diffrentielles dune part
(dcrite dans le chapitre suivant), et dautre part pour analyser certaines suites rcurrentes. Voyons ce dernier point tout
de suite.
Imaginons une suite de vecteurs (Xn )n0 , avec Xn Rd , dfinie par rcurrence de la manire suivante : on se donne X0 ,
on fixe une matrice A de dimension d d, et on pose
Xn+1 = AXn .
(*)
Xn =
!
R2 .
On a alors
Xn+1 =
un+1
un+2
!
=
un+1
un+1 + un
0
1
1
1
un
un+1
!
= AXn ,
X2 = AX1 = A2 X0 ,
X3 = AX2 = A3 X0 ,
!
1 5
1+ 5
2
2
P=
.
1
1
Do sort cette matrice ? Tout le but de ce chapitre, justement,
et dexpliquer do provient P, et comment la trouver par vousmme. Pour linstant, supposons donc que lon ait envie dessayer cette matrice, et de calculer P1 AP. On trouve
P1 =
5
5
55
5
10
105
puis
P AP =
1
1+ 5
2
0
318
+ 12
,
+ 12
0
1 5
2
Voil qui nous arrange bien. En effet, la matrice P1 AP est diagonale, cest--dire que seuls les coefficients sur sa diagonale
sont non-nuls ; on peut donc calculer les puissances de cette
matrice sans effort :
n
1+ 5
0
2
1
n
n
(P AP) =
.
1 5
0
2
n
1+ 5
0
n P1 .
An = P(P1 AP)n P1 = P
1 5
0
2
1 5
1+ 5
,
2 =
,
1 =
2
2
de sorte que
P=
2 1
1
1
!
et
1
P1 =
5
1
1
1 2
!
.
Pouvez-vous
utiliser cette
expression
pour un afin de
calculer la limite
u
de un+1 ?
n
D =
1+ 5
2
0
1 5
2
1+ 5
2
1 5
2
!
.
321
1+ 5 1 5
Tr(D) =
+
= 1.
2
2
On obtient le mme rsultat, et ce nest pas un hasard.
Lemme 16.7 La trace possde les proprits suivantes :
1. Si M et N sont carres, alors Tr(MN) = Tr(NM).
2. Si A et B sont conjugues, alors Tr(A) = Tr(B).
Dmonstration. Pour le (1), on fait un calcul direct. Si M =
(mij )i,j et N = (nk` )k,` , on trouve en fait
X
mik nki = Tr(NM) .
Tr(MN) =
i,k
323
et
B = B [f ]B .
= B PAA [f ]AA PB .
= C PAA [f ]AA PC = P1 AP = C.
324
Proposition 16.10 Soit A Mn (K), et soit f : Kn Kn lapplication linaire dfinie par A, cest--dire f (v) = Av. Alors A est
diagonalisable il existe une base e1 , e2 , . . ., en de Kn avec la
proprit que f (ei ) = i ei pour un certain scalaire i K.
Lorsque cest le cas, soit P la matrice dont les colonnes sont les
vecteurs ei ; on a alors
1 0 0
0 0
P1 AP =
(*)
.. .
..
0
.
0
.
0
0 n
Dmonstration. Soit C la base canonique de Kn , de sorte que A =
C
C [f ] . Supposons que la base B = e1 , . . ., en existe avec la proprit ci-dessus, alors par dfinition mme de la matrice dune
application linaire, on a
1 0 0
0 0
B
=
(**)
[f
]
.. .
B
..
0
.
0
.
0
0 n
Mais daprs la formule du changement de base, on a B [f ]B =
P1 AP avec P = C [f ]B . Donc (*) est vrifie, et A est diagonalisable.
Rciproquement, si (*) est vrifie, on procde lenvers :
on appelle e1 , . . ., en les colonnes de P, qui forment une base B
puisque P est inversible ; la formule du changement de variable
nous dit que (**) est vrifie ; et par dfinition mme cela signifie que f (ei ) = i ei .
De nouveau, ces choses portent des noms classiques :
Dfinition 16.11 Soit f : E E une application linaire. Un
vecteur propre de f est un vecteur v , 0 tel que f (v) = v pour
un certain scalaire K. On dit que v et sont associs.
Lorsque K est associ au moins un vecteur propre, on
dit que cest une valeur propre de f .
325
1+ 5
1 5
1 =
,
2 =
.
2
2
y
(1 1 )y
=
=
0
0
c d
0
a
b
= 2 (a + d) + (ad bc) ,
=
c
d
ce qui donne dans ce cas particulier
A = 2 Tr(A) + det(A) .
On retrouve donc le polynme de degr 2 qui tait apparu dans
nos calculs avec les matrices 2 2.
Exemple 16.16 Prenons maintenant
2
1
6
A = 6 1 2
0
0
3
2
1
= (3 )(2 5 + 6) = ( 3)2 ( 2) .
Les valeurs propres sont donc 2 et 3, et on dit que 3 a une multiplicit de 2 puisque le polynme caractristique a (3)2 en
facteur.
Examinons les vecteurs propres. Pour trouver ceux associs la valeur propre 2, on rsoud comme dhabitude le systme Av = 2v. Faites le calcul, vous trouverez un espace de dimension 1, avec pour base par exemple
e1 = 2 .
0
329
2
1
1
1
e2 =
et e3 =
.
0
1
(Vrifiez ceci.)
Il se trouve que e1 , e2 , e3 est une base de R3 . Nous avons
donc une base de vecteurs propres, ce qui signifie que A est
diagonalisable. Plus prcisment, si P est la matrice dont les
colonnes sont e1 , e2 , e3 , on sait sans calcul supplmentaire que
2 0 0
A = P1 0 3 0 P .
0 0 3
Donnons quelques prorits gnrales du polynmes caractristique.
Proposition 16.17 Soient A et B des matrices de Mn (K).
1. Si A et B sont conjugues, alors A = B .
2. Si A est diagonalisable, alors son polynme caractristique A
est scind sur K.
Rappelons quun polynme en est dit scind si cest un
produit de facteurs de degr 1, cest--dire sil est de la forme
c( 1 )( 2 ) ( n ) .
Dmonstration. Si B = P1 AP alors
P1 (A Id)P = P1 AP P1 P = A Id ,
donc B Id et A Id sont conjugues. Elles ont donc le mme
dterminant, ce qui donne le (1).
Pour le (2), on utilise le (1) dans le cas o B est diagonale.
On a alors
0
0
1
0
2
0
= (1 ) (n ) .
A = B =
.
.
..
..
0
0
0
0
n
330
(*)
(**)
Du coup, lentreprise de diagonalisation sen trouve simplifie : en deux mots, lorsque lon runit des bases des diffrents
espaces propres, on obtient une famille qui est automatiquement libre. Si elle comporte suffisamment de vecteurs, et seulement dans ce cas, on a russi diagonaliser. Plus prcisment :
Proposition 16.19 Soit A Mn (K), et soit f lapplication linaire associe. Soient 1 , 2 , . . . , m les racines distinctes du polynme caractristique de A.
Pour chaque i , soit ni la dimension de lespace propre associ ker(f i Id), et soit
ei1 , ei2 , . . . , eini
une base de cet espace.
Alors A est diagonalisable si et seulement si
m
X
ni = n .
i=1
Lorsque cest le cas, la famille comprenant tous les vecteurs eij est
une base de Kn , forme de vecteurs propres de f .
Dmonstration. Montrons que la famille forme de tous les eij
est libre. Si on a une combinaison linaire nulle de la forme
X
i,j eij = 0 ,
i,j
P
Pour finir, supposons que i ni < n. Un vecteur propre v
de f doit appartenir un ker(f i Id) pour un certain i, donc
en particulier
v Vect(eij ). Mais lespace Vect(eij ) est de dimenP
sion i ni < n, et il ne peut pas contenir une base de Kn . Donc
il nexiste pas de base de Kn forme de vecteurs propres de f ,
et A nest pas diagonalisable.
En particulier, on a le rsultat suivant, tonnament simple :
Corollaire 16.20 Soit A Mn (K). Si le polynme caractristique de A possde n racines distinctes dans K, alors A est diagonalisable.
Dmonstration. Soient 1 , . . . , n les valeurs propres (distinctes).
Chaque espace ker(f i Id) est , {0},P
par dfinition, donc il est
de dimension 1. Ainsi, la somme i ni du corollaire prcdent est n ; mais bien sr cette somme est aussi n puisque
lon a vu que cest le nombre de vecteurs dans une certaine
famille libre. P
Finalement i ni = n, donc A est diagonalisable (et de plus
chaque ni = 1).
Lorsque lon souhaite montrer quune matrice est diagonalisable, mais que lon na pas besoin de trouver expressment
les vecteurs propres, ce corollaire est videmment idal. Nous
verrons une application dans le chapitre sur les quations diffrentielles.
Avant de donner des exemples dutilisation de ces derniers
rsultats, nous allons rsumer la mthode dveloppe dans ce
chapitre.
Rsum
Soit A Mn (K), soit f : Kn Kn lapplication linaire dfinie par f (v) = Av. Pour tenter de diagonaliser A, on suit les
tapes suivantes.
1. On calcule le polynme caractristique A = det(A Id),
et on trouve ses racines 1 , . . . , m dans K.
Si A nest pas scind, alors A nest pas diagonalisable,
et on sarrte.
333
Si A est scind, on passe ltape suivante. Si les valeurs propres sont distinctes, on sait dj que A est diagonalisable.
2. Pour chaque i , on calcule une base de ker(f i Id). On
en dduit sa dimension ni .
P
Si i ni < n, la matrice A nest pas diagonalisable, et on
sarrte.
P
Si i ni = n, la matrice est diagonalisable, et on passe
ltape suivante.
3. Soit ei1 , ei2 , . . . , eini une base de ker(f i Id). Alors la
runion de tous ces vecteurs est une base de Kn . Soit P la
matrice dont les colonnes sont, dans lordre :
e11 , . . . , e1n1 , . . . , em1 , . . . , emnm .
Alors sans calcul supplmentaire on sait que
P1 AP =
1
..
.
0
0
..
.
0
..
.
..
.
0
0
0
1
0
0
0
2
0
0
0
0
0
0
0
0
0
0
0
0
..
.
0
..
.
0
2
..
.
. .
.
A = 2
1 3
3 2 .
1 1
334
2 0 0
P1 AP = 0 4 0 .
0 0 3
Ce sont les conclusions de ltape 3. Si les valeurs propres
navaient pas t distinctes, on naurait pas pu prvoir le rsultat de ltape 2.
Cette tape 2 reste faire, de toute faon. Pour la valeur
propre 2 par exemple, on cherche ker(f + 2 Id) ce qui revient
rsoudre
3x
y + 3z = 0
2x
+
5y
+ 2z = 0
3x +
y + 3z = 0
En quelques tapes on constate que ce systme quivaut aux
quations y = 0 et x + z = 0. En prenant z = 1 par exemple, on
335
obtient
e1 = 0 .
1
1
5
12
e2 =
e3 =
,
.
1
5
Deuxime lecture
Trigonalisation
Nous lavons vu, la diagonalisation ne fonctionne pas toujours. dfaut de pouvoir diagonaliser, on tente parfois de trigonaliser.
Dfinition 16.22 Une matrice carre est dite triangulaire (suprieure) lorsque les coefficients sous la diagonale sonts nuls.
On dit quune matrice carre A est trigonalisable lorsquelle
est conjugue une matrice triangulaire, cest--dire lorsquil
existe P telle que P1 AP est triangulaire.
Exemple 16.23 La matrice
A=
3
0
1
3
B
,
B [f ] =
0
..
A
0
o A0 est une matrice (n 1) (n 1) (et est un coefficient
quelconque).
Par rcurrence, il existe une matrice inversible Q telle que
la matrice T0 = Q1 A0 Q est triangulaire. Posons alors
0 0
1
P = .
..
Q
0
Linverse de P est de la mme forme, avec Q remplace par Q1 .
Un petit calcul montre alors que
0
B
1
.
P B [f ] P = .
1
0
0
Q AQ=T
..
0
En particulier cette matrice est triangulaire, puisque T0 lest ;
notons-la T, de sorte que B [f ]B = PTP1 .
Enfin, notons C la base canonique, ce qui permet dcrire A =
C
C
C [f ] . Notons galement R = B P . La formule du changement
de base nous dit que
A = R1 B [f ]B R = R1 PTP1 R = S1 TS,
avec S = P1 R. Ainsi, la matrice A est bien conjugue la matrice triangulaire T.
338
P1 AP =
.. .
..
.
.
n
Le polynme caractristique de A est donc
(1 ) (n ) ,
et les nombres i sont les valeurs propres de A. On observe
alors que 1 + 2 + + n = Tr(A), et 1 2 n = det(A), formules que nous connaissions pour n = 2. En dautres termes :
Corollaire 16.25 La somme des valeurs propres dune matrice
complexe, comptes avec leurs multiplicits, est gale sa trace ; le
produit de ces valeurs propres est gale son dterminant.
On a une notion vidente de matrice triangulaire infrieure,
lorsque les coefficients au-dessus de la diagonale sont nuls. On
dduit du thorme prcdent que :
Corollaire 16.26 Toute matrice complexe est conjugue une
matrice triangulaire infrieure.
Dmonstration. On applique le thorme la matrice transpose t A : il existe donc P telle que T = P1 (t A)P est triangulaire suprieure. En transposant, on obtient t P A t P1 = t T.
Posant Q = t P1 , on a bien montr que Q1 AQ = t T tait triangulaire infrieure.
Approximations
laide de la proposition 16.24, on peut montrer que la
plupart des matrices sont diagonalisables. Plus prcisment,
nous allons montrer :
Proposition 16.27 Soit A une matrice coefficients complexes.
Alors il existe une suite (An )n0 de matrices diagonalisables, telle
que
An A .
n
339
1
.
T = P AP =
()
.
..
N
Soit maintenant Tn obtenue en prenant les coefficients de T
mais avec les changements suivants sur la diagonale :
1 + n
2
2 n
.
Tn =
..
N
N + n
(Les coefficients sont les mmes que dans () ; seule la diagonale est change.) Donc sur la ligne i on rencontre le coefficient i = i,n = i + ni .
Nous allons voir que les coefficients i sont tous distincts,
pour n suffisamment grand. En effet, si i et j sont deux indices,
340
et que
PTn P1 PTP1 = A .
n
Enfin, nous notons que PTn P1 est diagonalisable pour n suffisamment grand, comme Tn .
341
Chapitre 17
quations
diffrentielles linaires
Premire lecture
Une quation diffrentielle est une quation dans laquelle
linconnue est une fonction, souvent note y dans ce chapitre.
Par exemple, si f est une fonction quelconque, on peut considrer lquation diffrentielle trs simple
y0 = f ,
dont les solutions sont les primitives de f . Nous avons tudi cette quation dans le chapitre sur les intgrales. Autre
exemple : lquation
y0 = y
a pour solutions (dfinies sur R) les fonctions de la forme y(x) =
cex avec c R, et aucune autre. Nous avons vu ce rsultat
loccasion du lemme 10.4, et nous allons le redmontrer sous
peu.
Dans ce chapitre, nous donnons un certain nombre de recettes pour rsoudre des quations bien particulires, qui sont
parmi celles que lon rencontre le plus souvent. Nous aurons
besoin du calcul de primitives, et aussi de lalgbre linaire
342
pour les quations les plus compliques. Dans le chapitre suivant, nous donnerons quelques rsultats gnraux, notamment
sur lexistence et lunicit des solutions. Cette thorie gnrale
nest pas ncessaire pour linstant.
quations linaires dordre 1
Ce sont les quations de la forme
y 0 (x) = a(x)y(x) + b(x) .
(E)
(H)
(x I)
x2
+ constante ,
2
puis
x2
y(x) = ce 2 .
(On retient que la valeur absolue est passe dans c .)
Trouver une solution particulire
Nous savons dsormais rsoudre (H). Pour rsoudre (E),
reste trouver une solution de (E), et appliquer la proposition 17.1. cette fin, il existe un principe gnral, qui servira
dans tout le chapitre (et mrite dtre tent avec nimporte
quelle quation diffrentielle). Cette mthode porte le nom
troublant de variation des constantes.
Le principe est le suivant. Aprs avoir trouv les solutions
de lquation homogne, on constate quelles scrivent avec
un certain nombre de paramtres (les constantes ). On peut
alors essayer de trouver une solution de lquation gnrale en
remplaant ces paramtres par des fonctions (donc en les faisant varier ).
Cest une recette assez vague, qui sapplique dans de nombreuses situations. Dans le cas des quations linaires dordre
1, les choses sont trs simples. Les solutions de (H) sont de la
forme y(x) = ce(x) . Pour trouver une solution de (E), on peut
alors essayer une fonction de la forme y(x) = c(x)e(x) .
346
(E)
347
y(x)
+ earctan(x) .
1 + x2
(E)
y(x)
1 + x2
(H)
y 0 (x)
1
=
,
y(x) 1 + x2
do
ln |y(x)| = arctan(x) + c ,
et
y(x) = cearctan(x) .
348
(E)
(H)
(E)
349
(H)
(*)
Mais cette fois-ci, on peut se demander quelle forme particulire est prise par les solutions valeurs dans R. crivons simplement que y(x) R si et seulement si y(x) = <(y(x)). En prenant la partie relle de (*), on constate alors que y(x) est de la
forme
y(x) = a cos(x) + b sin(x) ,
(**)
o a et b sont des constantes relles. (Si vous faites le calcul
vous verrez que lon a prcisment
a = <(c1 ) + <(c2 )
et b = =(c2 ) =(c1 ) ,
mais ces valeurs importent peu.) Rciproquement, toute fonction de la forme (**) est solution de (H), clairement. Finalement
lexpression (**) est la forme gnrale des solutions de lquation y 00 = y qui sont valeurs dans R.
On peut retenir que les solutions relles sobtiennent en
prenant les parties relles et imaginaires des solutions complexes.
Passons la dmonstration de la proposition.
Dmonstration. Soit y une fonction dfinie sur un intervalle
de R, valeurs dans C. Dfinissons alors
y(x)
y 0 (x)
,
Y(x) =
(*)
..
(n)
y (x)
351
de sorte que
Y0 (x) =
y 0 (x)
y 00 (x)
..
.
y (n+1) (x)
y 0 (x)
y 00 (x)
0
.
Y (x) =
..
(n)
(n1)
an y (x) + an1 y
(x) + + a0 y(x)
Il se trouve que lon peut crire ceci laide dune matrice. Posons
0 1 0 0
0 0 1 0
.. .
.. . . . .
A = ...
. .
.
.
0 0 0 1
a0 a1 a2 an
Alors y est solution de (H) si et seulement si Y est solution de
Y0 (x) = AY(x) .
(V)
0 0 0
0 0
1
P AP =
.. .
..
0
. .
0
0
0 n
Appelons D cette matrice diagonale, de sorte que A = PDP1 .
Lquation diffrentielle peut alors scrire
Y0 (x) = PDP1 Y(x) P1 Y0 (x) = DP1 Y(x)
Z0 (x) = DZ(x) ,
en posant Z(x) = P1 Y(x).
Comme D est diagonale, cette nouvelle quation est trs
simple. crivons
z0 (x)
.
Z(x) = .. .
zn (x)
(Si on calculait P, on pourrait exprimer zk en fonction de y,
mais nous naurons mme pas besoin de faire ce calcul). Lquation Z0 (x) = DZ(x) scrit zk0 (x) = k zk (x) pour chaque k, quation que lon sait rsoudre : on a zk (x) = ck ek x .
Pour rcuprer Y, et donc y, on utilise Y = PZ. On constate
bien que y(x) est une combinaison linaire des ek x , comme annonc.
Pour rsoudre compltement lquation (E), il faut savoir
trouver une solution particulire. cette fin, on peut appliquer des techniques du type variation des constantes , mais
les calculs sont souvent compliqus. Il convient de connatre
un certain nombre dastuces, et elles seront explores dans les
exercices. Cest galement dans les exercices que nous verrons
353
comment grer les quations pour lesquelles le polynme caractristique a des racines multiples.
Deuxime lecture
Systmes dquations diffrentielles
Un systme dquations diffrentielles linaires, coefficients constants, est par dfinition une quation diffrentielle
de la forme
Y0 (x) = AY(x) + B(x) ,
(E)
o Y est une fonction valeurs dans Cn , ainsi que B, et A est
une matrice n n. Lquation homogne associe est
Y0 (x) = AY(x) .
(H)
Exemple 17.13 Au cours de la dmonstration de la proposition 17.9, nous avons vu que les quations linaires dordre suprieur, coefficients constants, peuvent se ramener un systme (trs particulier). Tout ce que nous allons maintenant dmontrer sur les systmes sapplique donc cette situation.
De nouveau, la proposition 17.1 sapplique : le soin vous
est laiss de faire cette dmonstration trs facile. Nous allons
surtout nous intresser aux quations homognes, dans un premier temps du moins, et voir quelques techniques pour lquation (E) dans les exercices.
La mthode pour rsoudre lquation homogne est simple
et tient en un mot : diagonaliser. Plus prcisment :
1. On commence par tenter de diagonaliser A, donc de trouver P telle que la matrice D = P1 AP est diagonale. Si cest
impossible, on cherchera une matrice P telle que P1 AP
est la plus simple possible (en premire anne on vous
donnera des indications pour a).
2. Lquation Y0 (x) = AY(x), puisque A = PDP1 , se rcrit
de la manire suivante :
Y0 (x) = PDP1 Y(x) P1 Y0 (x) = DP1 Y(x)
Z0 (x) = DZ(x) ,
en posant Z(x) = P1 Y(x).
3. On note
z1 (x)
Z(x) = ...
zn (x)
P AP =
7
0
0
5
!
= D.
On pose alors
1
Z(x) = P Y(x) =
z1 (x)
z2 (x)
!
.
Le polynme caractristique est ( 2)2 , et lespace propre associ lunique valeur propre 2 est de dimension 1, avec pour
base par exemple
!
1
e1 =
.
1
La matrice nest pas diagonalisable. Prenons nimporte quel
vecteur e2 tel que e1 , e2 est une base, par exemple
!
1
e2 =
,
0
et soit P la matrice dont les colonnes sont e1 et e2 . Calculons
!
2 1
1
P AP =
= D.
0
2
(Un peu de rflexion montre que, quel que soit notre choix
pour e2 , la matrice P1 AP doit tre triangulaire, et en calculant la trace ou le dterminant on sassure que la diagonale
doit tre (2, 2). La mthode qui suit ne dpend pas vraiment
du choix de e2 .)
On continue dappliquer la mthode. On pose
!
z1 (x)
1
Z(x) = P Y(x) =
.
z2 (x)
On a Z0 (x) = DZ(x), ce qui scrit
( 0
z1 (x) = 2z1 (x)
z2 (x)
z20 (x) =
2z2 (x)
On peut rsoudre la deuxime dabord : z2 (x) = c2 e2x . En remplaant dans la premire, nous obtenons
z10 (x) = 2z1 (x) c2 e2x .
(*)
Cn [X]
Q + Q0 .
y1 (x)
Y(x) = ...
yn (x)
et soit
A () = (1 )m1 (s )ms
359
SB
P1 Y .
Linverse est donn par Z 7 PZ, bien sr. On en dduit que dim SA =
dim SB . Dautre part, chaque composante zk de Z est une combinaison linaire des composantes yk de Y (et rciproquement),
donc elles ont la mme forme (combinaisons de certains polynmes et dexponentielles). Conclusion : il suffit de montrer
le thorme pour B, il sera alors vrai pour A.
Choisissons donc P telle que la matrice B = P1 AP est de la
forme
..
An1
. .
B =
n
Cest possible daprs le corollaire 16.26 (qui dit mme que lon
peut prendre An1 triangulaire infrieure, mais a ne sera pas
utile). Notons que
A () = B () = (n )An1 () ,
comme on le voit en dveloppant par la dernire colonne.
Soit donc Z une solution de Z0 (x) = BZ(x), et notons
z1 (x)
Z(x) = ...
zn (x)
Enfin notons
z1 (x)
..
Zn1 (x) =
.
zn1 (x)
cest--dire que Zn1 est obtenu en ne gardant que les n 1 premires composantes de Z. Daprs la forme de B, on constate
que Zn1 vrifie Z0n1 (x) = An1 Zn1 (x) (cest ce que lon voit
en ne regardant que les n 1 premires quations du systme Z0 (x) = BZ(x)). On a donc une application linaire
: SB
Z 7
360
SAn1
Zn1 .
Nous allons montrer deux choses : dune part, que est surjective, et dautre part que dim ker() = 1. En effet, supposons
ces deux choses tablies, et appliquons le thorme du rang.
Nous avons
dim SB = dim ker() + dim(=()) ,
et par rcurrence, on sait que dim =() = dim SAn1 = n 1.
On a donc dim SB = 1 + (n 1) = n = dim SA . Ceci donne bien le
calcul de la dimension au rang n.
Le plus simple est ltude de ker(). Si (Z) = 0, alors Z est
de la forme
0
0
Z(x) = . ,
..
zn
et lquation Z0 (x) = BZ(x) quivaut zn0 (x) = n zn ; cette dernire quation est un systme dordre 1, donc ses solutions
forment un espace de dimension 1 (et concrtement, zn (x) =
cen x ). Ceci montre que dim ker() = 1.
Montrons que est surjective. Il faut montrer que, tant
donnes des fonctions z1 , . . . , zn1 qui forment une solution
de Z0n1 (x) = An1 (x)Zn1 , on peut les complter en une solution Z de Z0 (x) = BZ(x) en ajoutant une fonction bien choisie zn .
Or la seule quation du systme Z0 (x) = BZ(x) faisant intervenir zn est la dernire, qui est de la forme
zn0 (x) = n zn (x) + b(x) .
(*)
361
en regardant de plus prs lquation (*). Puisque les fonctions zk sont des combinaisons de polynmes et dexponentielles, pour 1 k n 1, on a
X
b(x) =
Pi (x)ei x .
i
Pi (x)e(i n )x .
o a, b, c, d sont des constantes ; lespace des solutions est de dimension 2 donc il doit y avoir des relations entre ces constantes.
Nous avions fait les calculs et trouv que
y1 (x) = (c1 + c2 )e2x c2 xe2x ,
et que
y2 (x) = c2 e2x ,
(H)
Soit
() = n+1 [an n + + a0 ] = ( 1 )m1 ( s )ms
le polynme caractristique, factoris sur C. Alors toute solution y
de (H) peut scrire de manire unique
y(x) =
s m
i i
X
X
cij xj ei x ,
i=1 j=0
A =
0
0
..
.
1
0
..
.
0
1
..
.
..
.
0
a0
0
a1
0
a2
364
0
0
..
.
an
y(x)
y 0 (x)
,
Y(x) =
(*)
..
(n)
y (x)
avec y solution de (H).
Si on note SA lespace des solutions de Y0 = AY, et SH lespace des solutions de (H), alors on a un isomorphisme SA SH
donn par Y 7 y ; linverse envoie y sur la fonction Y dfinie
par (*). On en conclut, daprs le thorme 17.17, que dim SH =
dim SA = n.
Or, daprs le mme thorme, on sait que y doit avoir prcisment la forme annonce dans la proposition (rappelons que
le polynme caractristique de A est, au signe prs, le polynme caractristique considr dans lnonc).
Il est facile de conclure. Soit eij la fonction dfinie sur R
par eij (x) = xj ei x , pour 1 i s et 0 j < mi . Ces fonctions
sont au nombre de n, qui est le degr du polynme . Considrons alors lespace vectoriel E = Vect(eij ) (cest un sous-espace
de lespace de toutes les fonctions R C). Il est donc de dimension n. Mais on vient de voir que SH E et que dim SH = n.
On en conclut que SH = E et que dim E = n ; de plus la famille
des eij doit donc tre libre.
On a donc bien montr que chaque eij SH , donc est solution de (H), et que chaque solution de (H) scrivait de manire
unique comme combinaison linaire de ces fonctions.
Exemple 17.20 Considrons lquation
y (3) (x) + 3y 00 (x) + 3y 0 (x) + y(x) = 0 .
Le polynme caractristique est 3 + 32 + 3 + 1 = ( + 1)3 . On
en conclut que les solutions sont prcisment les fonctions de
la forme
(a + bx + cx2 )ex ,
o a, b et c sont des constantes arbitraires.
365
+
X
1 k
A .
k!
k=0
367
368
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
4
6
8
11
11
13
15
19
2 Nombres
Premire lecture . . . . . . . . . . . . . . .
Les premiers nombres . . . . . . . .
La proprit de la borne suprieure
Lensemble des rels . . . . . . . . .
Les nombres complexes . . . . . . .
Deuxime lecture . . . . . . . . . . . . . .
Calculs sur machine et corps . . . .
Arithmtique de lhorloge . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
22
22
22
25
28
33
37
37
40
3 Polynmes
Premire lecture . . . . . . . . . . . . . . . . . . . . . . .
Dfinitions & Notations . . . . . . . . . . . . . . .
La division Euclidienne . . . . . . . . . . . . . . .
44
44
44
46
369
Racines . . . . . . . . . . . .
Diviseurs dans C[X] . . . . .
Deuxime lecture . . . . . . . . . .
Plus grand diviseur commun
Le thorme de Bzout . . .
Premiers . . . . . . . . . . .
Factorisation . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
53
55
55
57
58
60
4 Suites
Premire lecture . . . . . . . . . . . . . .
Suites de rels . . . . . . . . . . .
Convergence . . . . . . . . . . . .
Combiner les limites . . . . . . .
Suites croissantes et dcroissantes
Convergence vers . . . . . . .
Deuxime lecture . . . . . . . . . . . . .
Convergence absolue . . . . . . .
Suites de complexes . . . . . . . .
Suites de vecteurs . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
62
62
62
64
68
70
72
74
74
78
81
5 Matrices
Premire lecture . . . . . . . . . . . . . . . . . . . . . . .
Introduction . . . . . . . . . . . . . . . . . . . . .
Addition et multiplication . . . . . . . . . . . . .
Rgles de calcul . . . . . . . . . . . . . . . . . . .
Matrices chelonnes . . . . . . . . . . . . . . . .
Oprations sur les lignes . . . . . . . . . . . . . .
Calcul de linverse dune matrice . . . . . . . . .
Deuxime lecture . . . . . . . . . . . . . . . . . . . . . .
Un autre point de vue sur les oprations sur les
lignes . . . . . . . . . . . . . . . . . . . . .
Justification de la mthode de calcul de linverse
Lunicit de la matrice bien chelonne . . . . . .
84
84
84
87
90
93
96
100
102
6 Continuit
Premire lecture . . . . . . . . . . . . . . . . . . . . . . .
Introduction & Dfinitions . . . . . . . . . . . . .
Le thorme des valeurs intermdiaires . . . . . .
108
108
108
111
370
102
104
105
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
113
116
118
119
120
123
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
126
126
126
131
135
137
137
138
142
8 Compacit
Premire lecture . . . . . . . . . . . . . . . . . . . .
Le thorme de Bolzano et Weierstrass . . .
Fonctions continues et intervalles compacts
Deuxime lecture . . . . . . . . . . . . . . . . . . .
Parties compactes . . . . . . . . . . . . . . .
Autres tudes de minima et maxima . . . .
Continuit uniforme . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
146
146
146
147
149
149
151
151
9 Drives
Premire lecture . . . . . . . . . . . . . . . .
Dfinitions & Premires proprits .
Le thorme des accroissements finis
Deuxime lecture . . . . . . . . . . . . . . .
Le thorme du point fixe . . . . . .
Drives et rciproques . . . . . . . .
Fonctions valeurs vectorielles . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
154
154
154
161
165
165
171
173
7 Dterminants
Premire lecture . . . . . . . . . . . . . . .
Mthode de calcul . . . . . . . . . .
Dveloppements des dterminants
Les formules de Cramer . . . . . . .
Deuxime lecture . . . . . . . . . . . . . .
Unicit du dterminant . . . . . . .
Permutations . . . . . . . . . . . . .
La dfinition du dterminant . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10 Lexponentielle
176
Premire lecture . . . . . . . . . . . . . . . . . . . . . . . 176
Lexponentielle complexe . . . . . . . . . . . . . . 176
Lexponentielle relle . . . . . . . . . . . . . . . . 179
371
Le cercle et le nombre . . . . . . . .
Forme polaire et racines n-imes . . . .
Le thorme fondamental de lalgbre
Deuxime lecture . . . . . . . . . . . . . . . .
Matrices et normes . . . . . . . . . . .
Lexponentielle de matrice . . . . . . .
Exponentielle et drive . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
181
185
187
188
188
190
194
11 Espaces vectoriels
Premire lecture . . . . . . . . . . . . . . . . .
Dfinitions & Exemples fondamentaux
Sous-espaces . . . . . . . . . . . . . . .
Familles gnratrices . . . . . . . . . .
Familles libres . . . . . . . . . . . . . .
Bases . . . . . . . . . . . . . . . . . . .
Coordonnes . . . . . . . . . . . . . . .
Deuxime lecture . . . . . . . . . . . . . . . .
Le thorme de la base incomplte . .
Le rang dune matrice . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
195
195
196
197
198
203
206
208
213
213
216
12 Formules de Taylor
Introduction . . . . . . . . . . . . . . . . . . . .
La formule de Taylor-Lagrange . . . . . . . . . .
La formule de Taylor-Young . . . . . . . . . . .
Dveloppements limits . . . . . . . . . . . . .
Mthodes de calcul des dveloppements limits
Le minimum savoir par coeur . . . . . . . . .
.
.
.
.
.
.
220
220
221
224
228
231
234
13 Applications linaires
Premire lecture . . . . . . . . . . . . . . . . . . . . .
Dfinition & Exemples . . . . . . . . . . . . .
Sommes directes . . . . . . . . . . . . . . . . .
Projections et symtries . . . . . . . . . . . . .
La matrice dune application linaire . . . . .
Formule du changement de base . . . . . . . .
Deuxime lecture . . . . . . . . . . . . . . . . . . . .
Applications injectives, surjectives, bijectives
Le thorme du rang . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
235
235
235
238
242
245
250
253
253
257
372
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
262
262
262
264
268
272
276
279
283
285
285
290
296
15 Fractions rationnelles
298
Fractions rationnelles . . . . . . . . . . . . . . . . 298
Intgration des lments simples . . . . . . . . . 306
Fractions rationnelles trigonomtriques . . . . . 311
16 Diagonalisation
Premire lecture . . . . . . . . . . . . . . . . . . . . . .
Motivation . . . . . . . . . . . . . . . . . . . . .
Matrices conjugues . . . . . . . . . . . . . . . .
Interprtation laide des applications linaires
Le polynme caractristique . . . . . . . . . . .
Compter les vecteurs propres . . . . . . . . . .
Rsum . . . . . . . . . . . . . . . . . . . . . . .
Deuxime lecture . . . . . . . . . . . . . . . . . . . . .
Trigonalisation . . . . . . . . . . . . . . . . . . .
Approximations . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
317
317
317
320
323
328
331
333
336
336
339
.
.
.
.
.
342
342
343
346
349
354
373
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
374
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
354
358
364
366
Index
algorithme dEuclide, 53
anneau, 38
application, 8
application linaire, 231
arccosinus, 17
archimdien, 63
arcsinus, 16
arctangente, 17
base, 202
base canonique, 202, 203
Bzout (thorme), 54
bijection, 14
Bolzano-Weierstrass
(thorme de), 142
borne infrieure, 26
borne suprieure, 26
but (dune fonction), 8
dcomposition en lments
simples, 297
dense (Q est dense dans R), 30
drive, 150
dterminant, 122, 138
C1 (fonction), 168
dveloppement des
Cauchy (suite de), 71
dterminants, 128
Cauchy-Schwarz (ingalit de), dveloppement limit, 224
78
diagonalisable, 316
changement de variables, 279 dimension, 207
Chasles (relation de), 268
division euclidienne, 40, 47
circonfrence, 290
domaine de dfinition, 8
combinaison linaire, 195
chelonne (matrice), 89
compact, 145
complexe (nombre), 33
lments simples, 297
conjugu (dun complexe), 34 ensemble, 3
375
R, 28
racine (dun polynme), 49
racine carre, 18, 30, 35
majorant, 26
matrice, 81
famille gnratrice, 197
matrice de passage, 246
matrice dune application
famille libre, 199
linaire, 242
Fibonacci (suite de), 59, 313
matrices conjugues, 316
fonction, 8
matrices semblables, 316
formes indtermines, 69
mineur, 127
formule du changement
de base, 247
minorant, 26
module (dun complexe), 34
fraction rationnelle, 294
modulo, 40
fraction rationnelle
trigonomtrique, 307 monotone (fonction), 116
multiplication des
Gauss (lemme), 56
matrices, 84
graphe, 8
norme, 77
groupe symtrique, 134
notation de Landau, 224
Heine (thorme), 149
noyau, 232
376
thorme fondamental de
lalgbre, 51, 183
thorme du point fixe, 162
trace, 317
transpose (dune matrice), 82
transposition, 137
triangulaire (matrice), 332
trigonalisable, 332
triplet pythagoricien, 310
valeur absolue, 32
valeur propre, 321
Vect, 195
vecteur propre, 321
Z/NZ, 40
tangente, 17
Taylor (formule pour les
polynmes), 209
Taylor-Lagrange, 217
Taylor-Young, 220, 293
thorme des accroissements
finis, 158
thorme de la base
incomplte, 210
thorme des valeurs
intermdiaires, 108
thorme du rang, 253
thorme fondamental de
lanalyse, 276
377