Académique Documents
Professionnel Documents
Culture Documents
sur K
n
. Normes
usuelles | |
1
, | |
2
et | |
sur /
n,p
(K).
|A|
1
= sup
1jp
n
i=1
[a
i,j
[, |A|
= sup
1in
p
j=1
[a
i,j
[,
|A|
2
=
_
1in
1jp
[a
i,j
[
2
_
1/2
, A = (a
i,j
)/
n,p
(K).
Si X est un ensemble, norme de la convergence uni-
forme sur lespace des fonctions bornees de X dans
K.
Norme dite innie ou uniforme.
Normes de la convergence en moyenne et de la
convergence en moyenne quadratique sur lespace
des fonctions continues sur un segment `a valeurs
dans K.
Produit ni despaces vectoriels normes. Norme produit.
2.2.2 Suites delements dun espace vectoriel norme
8
9
Suite convergente, divergente. Unicite de la li-
mite. Caract`ere borne dune suite convergente.
Operations algebriques sur les suites convergentes.
Convergence dune suite `a valeurs dans un produit
ni despaces normes.
Suites extraites, valeurs dadherence. Une suite ayant au moins deux valeurs
dadherence diverge.
2.2.3 Topologie dun espace vectoriel norme
Ouvert dun espace norme. Stabilite par reunion
quelconque, par intersection nie.
Une boule ouverte est un ouvert.
Voisinage dun point.
Ferme dun espace norme. Stabilite par intersection
quelconque, par reunion nie.
Une boule fermee et une sph`ere sont fermees.
Point interieur, point adherent. Interieur,
adherence, fronti`ere dune partie. Caracterisation
sequentielle des points adherents, des fermes.
Partie dense.
Si A est une partie dun espace norme, ou-
vert et ferme relatifs de A. Voisinage relatif. Ca-
racterisation sequentielle des fermes de A.
2.2.4 Comparaison des normes
Normes equivalentes. Invariance du caract`ere
borne, de la convergence dune suite et des notions
topologiques par passage `a une norme equivalente.
Utilisation des suites pour etablir que deux
normes ne sont pas equivalentes.
La comparaison de normes denies sur des es-
paces fonctionnels fait partie des capacites at-
tendues des el`eves.
2.2.5
Etude locale dune application, continuite
Limite en un point adherent `a une partie A. Ca-
racterisation sequentielle.
Extensions de la notion de limite : limite de f(x)
lorsque |x| tend vers +; limite de f(x) quand
x tend vers+ ou vers , lorsque A est une
partie de R; limite innie en a adherent `a A
pour une application `a valeurs reelles.
Cas dune application `a valeurs dans un produit ni
despaces normes.
Operations algebriques sur les limites.
Limite dune composee.
Continuite en un point. Caracterisation sequentielle
de la continuite en un point.
Applications continues. Operations algebriques sur
les applications continues. Composition de deux ap-
plications continues.
Les el`eves doivent savoir que deux applications
continues qui concident sur une partie dense
sont egales.
9
10
Image reciproque dun ouvert, dun ferme par une
application continue.
Applications uniformement continues, applications
lipschitziennes ; uniforme continuite des applica-
tions lipschitziennes.
Exemple : lapplication x d(x, B) o` u B est
une partie dun espace vectoriel norme.
Si u est une application lineaire dun espace vec-
toriel norme E dans un espace vectoriel norme F,
la continuite de u equivaut `a lexistence dun reel
C > 0 tel que, pour tout x E, |u(x)| C|x|.
Notation /
c
(E, F).
La notion de norme subordonnee est hors pro-
gramme.
2.2.6 Parties compactes dun espace vectoriel norme
Denition dune partie compacte K par la propriete
de Bolzano-Weierstrass : toute suite delement de
K poss`ede une valeur dadherence dans K.
La propriete de Borel-Lebesgue est hors pro-
gramme.
Une partie compacte est fermee et bornee. Une par-
tie fermee dune partie compacte est compacte.
Une suite delements dune partie compacte
converge si, et seulement si, elle admet une unique
valeur dadherence.
Produit dune famille nie de compacts.
Image dune partie compacte par une application
continue.
Cas particulier des applications `a valeurs
reelles : theor`eme des bornes atteintes.
Theor`eme de Heine. Toute application continue sur une partie com-
pacte est uniformement continue.
2.2.7 Parties connexes par arcs dun espace vectoriel norme
Arc (ou chemin continu) joignant deux points. Relation dequivalence associee sur une partie A
de E. Les classes dequivalence sont les compo-
santes connexes par arcs de la partie A.
Parties connexes par arcs. Cas des parties convexes, des parties etoilees.
Les parties connexes par arcs de R sont les inter-
valles.
Image continue dune partie connexe par arcs. Cas particulier des applications `a valeurs
reelles : theor`eme des valeurs intermediaires.
2.2.8 Espaces vectoriels normes de dimension nie
n
u
n
designe la serie de terme general u
n
, on
dit aussi serie associee `a la suite (u
n
)
nN
.
Somme et restes dune serie convergente. Lorsquune serie
n
u
n
est convergente, on note
+
n=0
u
n
la somme de la serie et, pour tout n N,
+
k=n+1
u
k
designe son reste dorder n.
Le terme general dune serie convergente tend vers
0.
Divergence grossi`ere.
Espace vectoriel des series convergentes ; linearite
de la somme.
Lien entre suite et serie. La suite (u
n
)
n
et la serie
n
(u
n+1
u
n
) sont de
meme nature.
Serie absolument convergente.
Une serie absolument convergente delements dun
espace vectoriel norme de dimension nie est
convergente ; inegalite triangulaire.
Le crit`re de Cauchy est hors programme.
Cas dune alg`ebre normee de dimension nie :
serie geometrique de Neumann, application expo-
nentielle dans une telle alg`ebre.
Cas particuliers dun nombre complexe, dun endo-
morphisme dun espace vectoriel norme de dimen-
sion nie, dune matrice carree reelle ou complexe.
Notations exp(a), e
a
pour a / et exp(A), e
A
pour
A /
n
(K).
Si / est une alg`ebre normee de dimension nie
ayant e pour element unite alors :
- si a / est tel que |a| < 1, la serie
geometrique de Neumann
n0
a
n
(a
0
:= e) est
absolument convergente, ea est inversible dans
/ et (e a)
1
=
n=0
a
n
.
- de meme, pour tout u /, la serie
n0
u
n
n!
est absolument convergente ; sa somme se note
exp u et sappelle lexponentielle de u :
exp u =
n=0
u
n
n!
.
2.4.2 Familles sommables de nombres complexes
On introduit ici la notion densemble denombrable et de famille sommable, de nombres reels ou com-
plexes, indexee par un tel ensemble. Il sagit dune extension de la notion de serie absolument convergente
basee sur le fait que pour une telle serie, la structure dordre de N nintervient pas pour en calculer la
somme.
Ensemble denombrable, au plus denombrable. Un ensemble est dit denombrable sil est en bi-
jection avec N; il est dit au plus denombrable
sil est en bijection avec une partie de N.
Z est denombrable ; les parties innies de N sont
denombrables.
15
16
Un ensemble est au plus denombrable si, et seule-
ment si, il est ni ou denombrable.
Un produit cartesien ni densembles denombrables
est denombrable.
Lensemble N N est denombrable.
Une reunion nie ou denombrable densembles
denombrables (resp. au plus denombrables) est
denombrable (resp. au plus denombrable).
Lensemble Q est denombrable.
Lensemble R nest pas denombrable. Demonstration non exigible.
Famille sommable de reels positifs indexee par un
ensemble au plus denombrable I. Somme.
La famille (u
i
)
iI
est dite sommable si len-
semble des sommes
iJ
u
i
, o` u J decrit len-
semble des parties nies de I, est majore, au-
quel cas la borne superieure de cet ensemble est
egale `a la somme de la famille ; dans le cas o` u
la famille nest pas sommable, il est pratique de
convenir que sa somme est egale `a +.
Dans tous les cas, la somme est notee
iI
u
i
.
Crit`ere de comparaison. Si 0 u
i
v
i
, pour tout i I, alors :
- la sommabilte da la famille (v
i
)
iI
entrane
celle de (u
i
)
iI
et on a 0
iI
u
i
iI
v
i
.
- la non sommabilte de la famille (u
i
)
iI
entrane
la non sommabilte de (v
i
)
iI
.
Si (v
i
)
iI
est une famille de reels positifs indexee
par un ensemble denombrable I et : N I une
bijection, alors, la famille (v
i
)
iI
est sommable si,
et seulement si, la serie
n
v
(n)
est convergente,
auquel cas
+
n=0
v
(n)
=
iI
v
i
.
Theor`eme de sommation par paquets (cas dune fa-
mille de reels positifs) : si (I
n
)
nN
est une partition
de I, alors, pour toute famille (u
i
)
iI
de reels posi-
tifs :
iI
u
i
=
+
n=0
_
iIn
u
i
_
.
Demonstration hors programme.
Famille sommable de nombres reels ou complexes
indexee par un ensemble au plus denombrable.
La famille (u
k
)
kI
est dite sommable si la famille
([u
k
[)
kI
lest.
16
17
Somme dune telle famille (cas reel, cas complexe). Si la famille (u
k
)
kI
est reelle, sa somme est
denie comme etant la dierence des sommes
des familles, de reels positifs, composees par ses
parties positive et negative :
kI
u
k
=
kI
u
+
k
kI
u
k
;
dans le cas general, sa somme est denie par
kI
u
k
=
kI
Re(u
k
) +i
kI
Im(u
k
).
Lorsque I = N, lien avec la convergence absolue de
la serie
n
u
n
.
La suite (u
n
)
nN
est sommable si, et seulement
si, la serie
n
u
n
est absolument convergente,
auquel cas
nN
u
n
=
+
n=0
u
n
.
Invariance de la sommabilite et de la valeur de la
somme par permutation de lensemble des indices.
Si (v
i
)
iI
est une famille de complexes indexee
par un ensemble denombrable I et : N I
une bijection, alors, la famille (v
i
)
iI
est som-
mable si, et seulement si, la serie
n
v
(n)
est
convergente, auquel cas
+
n=0
v
(n)
=
iI
v
i
.
Espace vectoriel des familles sommables delements
de K, K = R ou C; linearite de la somme, inegalite
triangulaire. Sous famille dune famille sommable.
Si la famille (u
i
)
iI
est sommable alors
iI
u
i
iI
[u
i
[.
Theor`eme de sommation par paquets : soit (u
i
)
iI
une famille sommable de complexes et soit (I
n
)
nN
une partition de I. Alors, pour tout n N, la
famille (u
i
)
iIn
est sommable de somme s
n
=
iIn
u
i
; la famille (s
n
)
nN
est aussi sommable et
on a :
iI
u
i
=
+
n=0
s
n
=
+
n=0
_
iIn
u
i
_
.
Demonstration hors programme.
Crit`ere susant de sommabilite. On verie lhypoth`ese de sommabilite dune fa-
mille (u
i
)
iI
en appliquant le theor`eme de som-
mation par paquets, enonce pour les familles de
reels positifs, `a la famille ([u
i
[)
iI
.
17
18
Cas des suites doubles ; interversion des somma-
tions :
- la famille (a
m,n
)
(m,n)N
2 delements de R
+
est
sommable si, et seulement si, pour tout n, la
serie
m
a
m,n
converge et la serie
n
_
+
m=0
a
m,n
_
converge , auquel cas
+
n=0
_
+
m=0
a
m,n
_
=
+
m=0
_
+
n=0
a
m,n
_
qui vaut aussi la somme de la famille.
- si la famille (u
m,n
)
(m,n)N
2 de complexes est som-
mable, alors
+
n=0
_
+
m=0
u
m,n
_
=
+
m=0
_
+
n=0
u
m,n
_
qui vaut aussi la somme de la famille.
On verie lhypoth`ese de sommabilite en ap-
pliquant le resultat precedent `a la famille
([u
m,n
[)
(m,n)N
2.
Denition du produit de Cauchy de deux series de
nombres complexes.
La serie
n0
c
n
o` u pour tout n N,
c
n
=
n
k=0
a
k
b
nk
, est appelee la serie produit
de Cauchy des series
n0
a
n
et
n0
b
n
.
Produit de Cauchy de deux series absolument
convergentes : si les series
n0
a
n
et
n0
b
n
sont
absolument convergentes, alors la serie
n0
c
n
lest
aussi et la famille (a
p
b
q
)
(p,q)N
2 est sommable.
Dans ce cas
n=0
c
n
=
_
n=0
a
n
__
n=0
b
n
_
qui
vaut aussi la somme de la famille
_
a
p
b
q
_
(p,q)N
2
.
Application : si u et v sont deux elements commu-
tables dune alg`ebre normee de dimension nie /,
alors exp(u +v) = exp(u) exp(v).
Si S
n
(w) =
n
k=0
w
k
k!
, w / R et n N, alors
|S
n
(u)S
n
(v)S
n
(u+v)| S
n
(|u|)S
n
(|v|)S
n
(|u|+|v|).
2.5 Fonctions vectorielles dune variable reelle, arcs parametres
Ce chapitre poursuit quatre objectifs :
Consolider les acquis de premi`ere annee MPSI concernant la derivation des fonctions dune va-
riable reelle `a valeurs reelles ou complexes et etendre ces resultats au cas des fonctions dune
variable reelle `a valeurs dans un espace vectoriel norme de dimension nie ;
preciser les notions de tangente et de vitesse instantanee ;
denir lintegrale dune fonction continue par morceaux sur un segment `a valeurs dans un es-
pace norme de dimension nie, en etablir les principales proprietes puis en deduire linegalite des
accroissements nis et les formules de Taylor ;
fournir des outils pour letude des equations dierentielles lineaires et le calcul dierentiel.
Il est attendu qu`a lissue de ce chapitre, les el`eves
18
19
connassent et sachent exploiter linterpretation cinematique et graphique de la notion de derivee
en un point ;
soient capables de mener letude de fonctions dune variable reelle `a valeurs dans un espace vec-
toriel de dimension nie et en particulier den etablir les proprietes liees `a la continuite, `a la
derivabilite et `a la classe (
k
, k N
;
connassent la dierence de nature entre la formule de Taylor-Young (locale) et les formules de
Taylor globales (reste integral et inegalite de Taylor-Lagrange) ;
sachent determiner la tangente et la normale `a un arc parametre plan en un point associe `a un
param`etre regulier.
Les fonctions etudiees ici sont denies sur un intervalle I de R, `a valeurs dans un espace norme de
dimension nie F.
2.5.1 Derivation
Derivabilite dune fonction en un point.
Derivabilite `a droite et `a gauche.
Formes equivalentes : taux daccroissement,
developpement limite `a lordre 1.
Interpretation cinematique, vitesse instantanee.
Caracterisation de la derivabilite `a laide dune base
de F ; expression des composantes de la derivee en
un point.
Derivabilite sur un intervalle, application derivee.
Combinaison lineaire de fonctions derivables,
linearite de la derivation.
(f +g)
= f
+g
.
Derivabilite et derivee dune application de la forme
L f o` u L est une application lineaire de F dans
un espace vectoriel de dimension nie.
(L f)
= L f
.
Derivabilite et derivee dune application de la forme
B(f, g) : t B(f(t), g(t)) o` u B est une application
bilineaire ; cas du produit scalaire et du carre de la
norme dun espace euclidien.
Si (F, (.[.)) est un espace euclidien et | | sa
norme euclidienne, la derivee de t (f(t)[g(t))
est lapplication t (f
(t)[g(t)) + (f(t)[g
(t)),
celle de t |f(t)|
2
est t 2(f
(t)[f(t)).
Derivabilite et derivee de f o` u est une fonction
reelle de variable reelle et f une fonction vectorielle.
(f )
.(f
).
Applications k fois derivables, de classe (
k
, de
classe (
(k N
).
Interpretation cinematique de la derivee se-
conde, acceleration.
Operations algebriques sur les applications de
classe (
k
.
Espace vectoriel (
k
(I, F) des applications de
classe (
k
sur I `a valeurs dans F, algbre (
k
(I)
des fonctions de classe (
k
sur I `a valeurs relles
ou complexes, 0 k +.
Derivee k-i`eme dune application de la forme
B(f, g) : t B(f(t), g(t)), B etant une applica-
tion bilineaire : si f et g sont k fois derivables (resp.
de classe (
k
) alors B(f, g) lest aussi. Expression de
la derivee k-i`eme de B(f, g) : formule de Leibniz.
_
B(f, g)
_
(k)
(t) =
k
p=0
_
k
p
_
B
_
f
(p)
(t), g
(kp)
(t)
_
, t I.
19
20
La composee f dune application f : I F
de classe (
k
sur I et dune application de classe
(
k
sur un intervalle J de R `a valeurs dans I est de
classe (
k
sur J.
2.5.2 Integration sur un segment
Integrale dune fonction f continue par morceaux
sur un segment [a, b] de R, `a valeurs dans F.
Denie par les integrales des coordonnees dans
une base. Notations
_
[a,b]
f,
_
b
a
f,
_
b
a
f(t) dt.
Proprietes de lintegrale : linearite, additivite (rela-
tion de Chasles), composition par une application
lineaire entre espaces vectoriels normes de dimen-
sion nie.
Si L est une application lineaire de F dans
un espace vectoriel de dimension nie alors
L
_
_
b
a
f
_
=
_
b
a
L f.
Inegalite triangulaire :
_
_
_
_
_
b
a
f
_
_
_
_
_
b
a
|f|. On peut etablir cette inegalite, evidente pour les
fonctions en escalier, en admettant le resultat
dapproximation de f, uniformement sur [a, b],
par une suite de fonctions en escalier.
Sommes de Riemann associees `a une subdivision de
pas constant.
Si f : [a, b] F est continue par morceaux, alors
b a
n
n1
k=0
f
_
a +k
b a
n
_
n+
_
b
a
f(t) dt.
Derivation de x
_
x
a
f(t) dt pour f continue.
Theor`eme fondamental du calcul integral : toute
fonction continue sur un intervalle poss`ede une pri-
mitive. Techniques de calcul de primitives notam-
ment dans le cas des fonctions numeriques.
f etant une fonction continue sur I et a I, la
fonction x
_
x
a
f(t) dt est une primitive de f
sur I. Cest lunique primitive de f qui sannule
en a. De plus pour toute primitive G de f sur I
G(x) = G(a) +
_
x
a
f(t) dt.
Inegalite des accroissements nis pour une fonction
de classe (
1
.
Soit f une application de classe (
1
sur [a, b] telle
que |f
, ` a valeurs dans
F. Support de larc (ou courbe associee). Multipli-
cite dun point du support. Param`etre regulie. Tan-
gente en un point associe `a un param`etre regulier ;
normale `a un arc parametre plan en un point as-
socie `a un param`etre regulier.
Interpretation cinematique des derivees dordre
1 et 2.
20
21
Exemples simples darcs parametres plans. La pratique du trace des arcs parametres nest
pas un objectif du programme de deuxi`eme
annee.
2.6 Suites et series de fonctions
Ce chapitre vise deux objectifs :
denir les modes usuels de convergence des suites et series de fonctions (convergence simple,
convergence uniforme, convergence normale dune serie de fonctions) ;
exploiter ces types de convergence pour etudier la stabilite des proprietes des fonctions par passage
`a la limite (interversion des limites, continuite, derivation, integration) ainsi que lapproximation
dune fonction par des fonctions plus simples.
Il est attendu qu`a lissue de ce chapitre, les el`eves
soient capables de mener letude de la convergence dune suite ou dune serie de fonctions et en
matrisent les techniques ;
soient en mesure de mettre en uvre ces techniques et les exploiter pour letude des proprietes de
la limite dune suite (ou de la somme dune serie) de fonctions (regularite, etude asymptotique,
comparaison serie-integrale) ;
puissent exploiter les resultats obtenus lors de la mise en place des outils pour letude des equations
dierentielles lineaires ( fonction exponentielle).
2.6.1 Modes de convergence dune suites ou dune series de fonctions
Convergence simple dune suite ou dune serie dap-
plications dun ensemble X dans un espace vectoriel
norme de dimension nie F.
Les notions de convergence simple et uniforme
dune serie de fonctions sont denies via la suite
de ses sommes partielles.
Convergence uniforme dune suite ou dune serie
dapplications de X dans F.
La convergence uniforme implique la convergence
simple.
Une serie de fonctions converge uniformement si, et
seulement si, elle converge simplement et la suite de
ses restes converge uniformement vers 0.
Dans lespace B(X; F) des applications bornees
de X dans F, muni de la norme de la conver-
gence uniforme, interpretation de la convergence
uniforme en terme de norme.
Convergence normale dune serie dapplications de
X dans F. La convergence normale implique la
convergence uniforme et la convergence absolue en
tout point.
2.6.2 Stabilite des proprietes des fonctions par passage `a la limite
X designe ici une partie dun espace vectoriel norme de dimension nie E.
21
22
Theor`eme dinterversion des limites (double limite) :
soient (f
n
)
n0
une suite de fonctions de X dans F
convergeant uniformement vers f sur X, a un point
de E adherent `a X ; si, pour tout n 0, la fonction
f
n
admet une limite
n
F en a, alors la suite
(
n
)
n0
admet une limite F et on a f(x)
xa
;
autrement dit
lim
xa
_
lim
n+
f
n
(x)
_
= lim
n+
_
lim
xa
f
n
(x)
_
.
Demonstration non exigible.
Adaptation, si X est un intervalle non majore
(resp. non minore) de R, au cas o` u a = +
(resp. a = ).
Extension du theor`eme et de son adaptation au
cas des series de fonctions : interversion dune
limite et dune somme.
Theor`eme de continuite :
Continuite en x
0
X de la limite dune suite (ou
de la somme dune serie) dapplications de X dans
F, continues en x
0
, convergeant uniformement sur
un voisinage de x
0
.
Continuite de la limite dune suite (ou de la somme
dune serie) uniformement convergente dapplica-
tions continues de X dans F.
Adaptation au cas o` u la convergence est uni-
forme sur tout compact de X.
Application : Dans une alg`ebre normee / de dimen-
sion nie, continuite, sur la boule unite |a| < 1, de
lapplication a (ea)
1
et sur / de lapplication
exponentielle a exp(a).
Integration dune limite uniforme sur un segment :
Soient I un intervalle de R, x
0
un point de I et
(f
n
)
n0
une suite de fonctions continues de I dans
F. On suppose que la suite (f
n
)
n0
converge uni-
formement sur tout segment contenu dans I vers
une fonction f : I F. Pour n dans N
et x dans
I, on pose : g
n
(x) =
_
x
x
0
f
n
et g(x) =
_
x
x
0
f. Alors la
suite de fonctions (g
n
)
n0
converge uniformement
vers g sur tout segment contenu dans I.
En particulier, si la suite (f
n
)
n0
converge uni-
formement vers f sur le segment J, alors :
lim
n+
_
J
f
n
=
_
J
f.
Adaptation au cas des series de fonctions :
theor`eme dintegration terme `a terme dune
series de fonctions continues convergeant uni-
formement.
Derivation de la limite dune suite de fonctions :
Soient I un intervalle de R et (f
n
)
n0
une suite
de fonctions de classe (
1
de I dans F. On suppose
que la suite (f
n
)
n0
converge simplement sur I vers
une fonction f : I F et que la suite (f
n
)
n0
converge uniformement sur tout segment contenu
dans I vers une fonction h : I F. Alors la suite
de fonctions (f
n
)
n0
converge uniformement vers f
sur tout segment contenu dans I, f est de classe (
1
sur I et f
= h.
Extension aux suites de fonctions de classe (
k
,
sous lhypoth`ese de convergence simple de la
suite (f
(p)
n
)
n0
pour tout p 0, . . . , k 1 et
de convergence uniforme de la suite (f
(k)
n
)
n0
sur tout segment contenu dans I.
Adaptation au cas des series de fonctions :
theor`eme de derivation terme `a terme dune serie
de fonctions de classe (
1
; extension aux series de
fonctions de classe (
k
.
22
23
Application : Derivation, si a est un element dune
alg`ebre normee de dimension nie, de lapplication
e
a
: t exp(ta) =
n=0
t
n
n!
a
n
, denie sur R.
e
a
(t) =
d
dt
[exp(ta)] = a exp(ta) = exp(ta)a ; en
particulier e
a
est de classe (
sur R. Relation
e
a
(t +s) = e
a
(t)e
a
(s) = e
a
(s)e
a
(t), (s, t) R
2
.
2.6.3 Approximation uniforme
Approximation uniforme dune fonction f : [a, b]
F, continue par morceaux sur [a, b], par des fonc-
tions en escalier.
Theor`eme dapproximation polynomiale de Weiers-
trass : toute fonction complexe continue sur un seg-
ment y est limite uniforme dune suite de fonctions
polynomiales.
Demonstration non exigible.
2.7 Series enti`eres
Ce chapitre a trois objectifs :
etudier la convergence dune serie enti`ere et les proprietes de sa somme, grace au concept fonda-
mental de rayon de convergence ;
introduire la notion de developpement dune fonction en serie enti`ere (serie de Taylor) ;
etablir les developpements en serie enti`ere des fonctions usuelles.
Il est attendu qu`a lissue de ce chapitre, les el`eves
puissent determiner le rayon de convergence dune serie enti`ere dans des cas standard ;
connaissent les proprietes dune telle serie et celles de sa somme (domaines de convergence simple,
uniforme et normale ; continuite de la somme ; derivation et integration terme `a terme) ;
connaissent les developpements en serie enti`ere usuels et sachent les exploiter pour exprimer la
somme dune serie de fonctions ou les solutions dune equation ` a laide des fonctions elementaires.
Pour tout r R
+
+, on pose D(0, r) := z C, [z[ < r ; si 0 < r < +, D(0, r) est le disque
ouvert de centre 0 et de rayon r ; par abus de langage, on dira que C est le disque ouvert de rayon +.
2.7.1 Rayon de convergence dune serie enti`ere
Notion de serie enti`ere associee `a une suite (a
n
)
n0
de nombres complexes.
Notation
n0
a
n
z
n
.
Lemme dAbel : si la suite (a
n
z
n
0
)
n0
est bornee
alors, pour tout nombre complexe z D(0, [z
0
[), la
serie
n0
a
n
z
n
est absolument convergente.
Rayon de convergence R
a
ou R dune serie enti`ere. Disque ouvert D(0, R) de convergence ; inter-
valle ouvert ] R, R[ de convergence.
La serie numerique
n0
a
n
z
n
est absolument conver-
gente pour tout z D(0, R) ; elle est grossi`erement
divergente pour tout z tel que [z[ > R.
23
24
Si [a
n
[ [b
n
[ alors R
a
R
b
. En particulier, si a
n
= O(b
n
) alors R
a
R
b
et
si [a
n
[ [b
n
[ alors R
a
= R
b
.
Une serie enti`ere
n0
a
n
z
n
et sa serie enti`ere derivee
n0
na
n
z
n
ont meme rayon de convergence.
Plus generalement, pour tout R, les series
enti`eres
n0
a
n
z
n
et
n1
n
a
n
z
n
ont meme rayon
de convergence.
R`egle de dAlembert : rayon de convergence de la
serie enti`ere
n0
a
n
z
n
si la suite
_
a
n+1
an
_
n0
est
denie et admet une limite dans [0, +].
Somme et produit de Cauchy de deux series
enti`eres.
Minoration des rayons de convergences ; linearite
de la somme, somme du produit de Cauchy.
2.7.2 Proprietes de la somme
La convergence dune serie enti`ere de rayon de
convergence R > 0 est normale sur tout disque
ferme de centre 0 et de rayon strictement inferieur
`a R.
En particulier, la convergence est normale sur
tout compact contenu dans D(0, R).
Continuite de la somme dune telle serie sur son
disque ouvert de convergence.
Letude des proprietes de la somme au bord du
disque ouvert de convergence nest pas un ob-
jectif du programme.
Primitivation dune serie enti`ere sur lintervalle ou-
vert de convergence.
Si
n0
a
n
z
n
est une serie enti`ere de rayon de
convergence R > 0, une primitive sur lintervalle
] R, R[ de la fonction f : t
+
n=0
a
n
t
n
sobtient
en integrant terme `a terme la serie denissant f.
La somme dune serie enti`ere est de classe (
sur
son intervalle ouvert de convergence et ses derivees
sobtiennent par derivation terme `a terme.
La fonction f : t
+
n=0
a
n
t
n
est de classe (
n=k
_
n
k
_
a
n
t
nk
, t ] R, R[.
Expression des coecients dune serie enti`ere de
rayon de convergence strictement positif `a laide
des derivees en 0 de sa somme : avec les notations
precedentes, a
k
=
f
(k)
(0)
k!
.
Si les fonctions x
+
n=0
a
n
x
n
et x
+
n=0
b
n
x
n
concident sur un voisinage de 0, alors a
n
= b
n
pour tout n N.
2.7.3 Developpement dune fonction en serie enti`ere
24
25
Developpement de z e
z
sur C; developpement
de z
1
1 z
sur D(0, 1).
e
z
=
+
n=0
z
n
n!
, z C;
1
1 z
=
+
n=0
z
n
, [z[ < 1.
Fonction developpable en serie enti`ere sur un inter-
valle ] r, r[, r > 0.
Une telle fonction est en particulier de classe (
sur un
intervalle ] r, r[, r > 0.
Developpements en serie enti`ere en 0 des fonctions :
t e
ta
(a C), t sinh t, t cosh t, t sin t,
t cos t, t arctan t, t ln(1 + t), t (1 + t)
( R).
Les el`eves doivent etre capables de determiner
un developpement en serie enti`ere `a laide dune
equation dierentielle.
2.8 Calcul dierentiel
Lobjectif de ce chapitre est de presenter les premi`eres notions de calcul dierentiel dans le cadre des
espaces vectoriels normes de dimensions nies sur R; ce qui permet detendre les notions de base du
calcul dierentiel dune variable aux fonctions de plusieurs variables en vue de les appliquer `a la recherche
dextremums, la resolution dequations aux derivees partielles et letude locale des courbes et des surfaces.
Seront etudiees dans ce chapitre les notions de dierentielle en un point, de derivee selon un vecteur
et de derivees partielles, les notions dapplications contin ument dierentiables, de gradient, de points
critiques et de derivees partielles dordre superieur. Ces notions se pretent `a des representations issues
de dierents cadres ou registres ; on tachera de souligner cet aspect en faisant intervenir ` a la fois les
aspects intrins`eques et calculatoires, et en ayant reguli`erement recours `a des gures et `a des croquis.
Lors de cette etude, la dierentielle en un point dune application est introduite `a laide dun developpement
limite ; on tachera de mettre en valeur les faits suivants :
de nombreuses questions de calcul dierentiel setudient en se ramenant, via une parametrisation
de chemins, `a des enonces relatifs aux fonctions dune variable reelle ; par exemple, en param`etrant
le segment [a, a +h] par lapplication t a +th, on obtient f(a +h) f(a) =
h
(1)
h
(0) o` u,
pour tout t [0, 1],
h
(t) = f(a +th) ;
les derivees partielles fournissent un outil pratique de calcul dans le cas o` u lespace de depart est
muni dune base ;
le choix dune base de lespace darrivee permet de se ramener au cas des fonctions `a valeurs
reelles.
Il est attendu qu`a lissue de ce chapitre, les el`eves
sachent verier si une fonction est dierentiable, de classe (
k
, (k N
(a) = df(a)(1).
2.8.2 Operations sur les applications dierentiables
Dierentiabilite et dierentielle dune combinaison
lineaire dapplications dierentiables.
d(.f +g)(a) = .df(a) +dg(a).
Dierentiabilite et dierentielle de lapplication
B(f, g) : (x, y) B(f(x), g(y)) o` u B est une ap-
plication bilineaire et f et g sont deux applications
dierentiables.
On utilise lexistence de C > 0 tel que, pour tout
couple (u, v), on ait |B(u, v)| C|u| |v|. Tout
developpement sur les applications bilineaires
continues est hors programme.
Dierentiabilite et dierentielle dune composee
dapplications dierentiables.
Derivee le long dun arc : si : I E est
derivable en t et f dierentiable en (t), alors lap-
plication f : I F est derivable en t et
(f )
(t) = df((t)).
(t).
Interpretation geometrique en termes de tan-
gentes.
Cas particulier fondamental : (t) = x +th.
Derivation de t f(x
1
(t), . . . , x
n
(t)).
Composition dapplications dierentiables,
derivees partielles dune composee dapplica-
tions dierentiables.
R`egle de la chane (chain rule) : x
1
, . . . , x
m
etant
dierentiables, calcul des derivees partielles de
(t
1
, . . . , t
m
) f
_
x
1
(t
1
, . . . , t
m
), . . . , x
n
(t
1
, . . . , t
m
)
_
.
26
27
2.8.3 Cas des applications numeriques
Si lespace E est euclidien, gradient en a dune ap-
plication numerique dierentiable en a. Expression
du gradient dans une base orthonormee.
Le theor`eme de representation des formes
lineaires dans un espace euclidien est admis `a
ce stade ; il sera etabli dans le chapitre sur les
espaces prehilbertiens.
Notation f(a). Interpretation geometrique du gradient : si
f(a) ,= 0, il est colineaire et de meme sens
que le vecteur unitaire selon lequel la derivee de
f en a est maximale (il pointe la direction se-
lon laquelle la variation de f est maximale, dite
direction de la plus grande pente de f).
Point critique dune application dierentiable.
Condition necessaire dexistence dun extremum lo-
cal. Exemples de recherche dextremums globaux.
Une condition susante sera etudiee plus tard,
apr`es lintroduction de la classe (
2
et la
demonstration du theor`eme spectral.
2.8.4 Vecteurs tangents `a une partie dun espace norme de dimension nie
Notion de vecteur tangent `a une partie ; ensemble
T
a
/ des vecteurs tangents `a / en a.
Sil existe > 0 et un arc parametre :], [E,
derivable en 0 et `a valeurs dans /, tel que (0) = a
et
n
.(x
n
a)
_
n
converge vers v.
Dans le cas o` u T
a
/ est un sous espace vectoriel
de E, variete ane tangente `a / en a, dite aussi
espace tangent `a / en a.
Dans ce cas, on appelle variete ane tangente `a
/ en a, lensemble image de T
a
/ par la transla-
tion de vecteur a, cest `a dire a +T
a
/.
Cas o` u E = R
3
et o` u / est le graphe dune fonction
reelle dierentiable sur un ouvert de R
2
:
/ =
_
x, y, (x, y)
_
; (x, y) .
Plan ane tangent en un point `a une surface
dequation z = (x, y) : equation cartesienne.
Si E est euclidien et f est une fonction `a valeurs
reelles denie et dierentiable sur un ouvert de E,
et / une ligne de niveau de f, alors les vecteurs
tangents `a / en un point a sont orthogonaux au
gradient de f en a.
Application dans lespace euclidien de dimension 3
pour une surface dequation f(x, y, z) = c.
Si f : U R, U etant un ouvert de E, len-
semble / = x U ; f(x) = c est appele
la ligne de niveau de f denie par lequation
f(x) = c, c R; en dimension 3, on parle de
surface de niveau c et en dimension 2 de ligne
(ou de courbe) de niveau c.
Le theor`eme des fonctions implicites est hors
programme.
2.8.5 Applications de classe (
1
Une application f est dite de classe (
1
sur un ou-
vert U de E si elle est dierentiable sur U et si
lapplication df : a df(a) est continue sur U.
27
28
Lapplication f est de classe (
1
sur U si, et seule-
ment si, ses derivees partielles relativement `a une
base de E existent en tout point de U et sont conti-
nues sur U.
Demonstration non exigible.
Operations algebriques sur les applications de
classe (
1
.
Si f est de classe (
1
de U dans F et une appli-
cation de classe (
1
dun intervalle I de R `a valeur
dans U, alors en posant a = () et b = (), avec
(, ) I
2
, on obtient
f(b) f(a) =
_
df((t)).
(t) dt.
Application au calcul de la circulation dun
champ de vecteurs derivant dun potentiel.
Si U est connexe par arcs, caracterisation des fonc-
tions constantes sur U.
Demonstration exigible pour U convexe.
2.8.6 Applications de classe (
k
Derivees partielles dordre k. Une application est
dite de classe (
k
sur un ouvert U de E si ses derivees
partielles dordre k existent et sont continues sur U.
La notion de dierentielle seconde est hors pro-
gramme.
Theor`eme de Schwarz. Demonstration non exigible.
Operations algebriques sur les applications de
classe (
k
. Composition dapplications de classe (
k
.
Demonstrations non exigibles.
Developpement limite `a lordre deux, au voisinage
dun point, pour une application de classe (
2
.
Exemples dequations aux derivees partielles du
premier et du second ordre.
Pour letude dequations aux derivees partielles,
les el`eves doivent savoir exploiter les techniques
de changements de variables : transformations
anes, passage en coordonnees polaires.
La notion de dieomorphisme etant hors pro-
gramme, lexpression des solutions en fonction
des variables initiales nest pas exigee.
28
29
3 Seconde periode
3.1
Espaces prehilbertiens reels. Endomorphismes des espaces euclidiens
Lobjectif de ce chapitre est triple :
consolider les acquis de premi`ere annee MPSI concernant les espaces prehilbertiens reels et les
espaces euclidiens ;
introduire la notion de suite orthonormale totale de vecteurs dun espace prehilbertien, qui constitue
un exemple important de convergence dans un espace norme ;
etudier les endomorphismes symetriques et orthogonaux, ce qui permet dapprofondir simultanement
la reduction des endomorphismes et les connaissances de premi`ere annee MPSI relatives aux
isometries.
Il est attendu qu`a lissue de ce chapitre, les el`eves
matrisent les notions de bases sur le produit scalaire, sachent orthogonaliser une famille libre
(indexee par une partie de N) dun espace prehilbertien au moyen de lalgorithme de Gram-Schmidt,
et soient capables dexprimer la projection orthogonale sur un sous-espace vectoriel de dimension
nie ;
matrisent, dans le cas euclidien, les relations entre le point de vue geometrique (vecteurs, endo-
morphismes symetriques, automorphismes orthogonaux) et le point de vue matriciel ;
Hormis la denition et quelques exemples simples, letude de la notion de ladjoint dun endomorphisme
est hors programme. Cette notion est introduite `a titre dinformation pour preparer les el`eves aux cursus
post classes preparatoires. Les resultats importants dans ce domaine seront traites dans ces cursus.
Les espaces prehilbertiens consideres dans ce chapitre sont reels. Toute notion sur les espaces prehilbertiens
complexes est hors programme.
Les notions de forme quadratique et dendomorphisme symetrique positif sont hors programme.
3.1.1 Projection orthogonale sur un sous-espace de dimension nie
Projection orthogonale sur un sous-espace de di-
mension nie.
Rappels de premi`ere annee.
Caracterisation metrique du projete orthogonal.
Expression du projete orthogonal dans une base or-
thonormale.
Caracterisation du projete orthogonal comme
solution dun probl`eme de minimisation de dis-
tance.
3.1.2 Suites orthonormales, suites totales
Suites orthonormales (e
n
)
nN
. Exemples de suites orthogonales de polynomes.
29
30
Inegalite de Bessel : si (e
n
)
nN
est orthonormale,
alors, pour tout x E, la suite (< x, e
n
>)
nN
est
de carre sommable et on a
nN
<x, e
n
>
2
|x|
2
.
Suites totales. Bases hilbertiennes (denombrables). Exemples de bases hilbertiennes : dans lespace
des polyomes, dans lespace des fonctions conti-
nues T-periodiques, etc.
Si (e
n
)
nN
est une suite orthonormale totale de E
et si, pour tout n N, p
n
designe le projecteur
orthogonal de E sur Vect(e
0
, . . . , e
n
), alors, pour
tout x E, la suite (p
n
(x))
nN
converge vers x.
En particulier, on a legalite de Parseval :
nN
<x, e
n
>
2
= |x|
2
.
3.1.3 Endomorphismes symetriques dun espace prehilbertien. Cas euclidien.
Lendomorphisme u est dit symetrique si, pour tout
(x, y) E
2
, <u(x), y >=<x, u(y)>.
Pas detude systematique de cette notion en di-
mension innie. Des exemples peuvent etre pro-
poses en liaison avec les equations dierentielles.
Stabilite de lorthogonal dun sous-espace stable
par un endomorphisme symetrique.
Si u est un endomorphisme symetrique, lortho-
gonal dun sous-espace stable par u est aussi
stable par u.
Dans le cas euclidien, caracterisation de la symetrie
dun endomorphisme u par la matrice representant
u dans une base orthonormale.
Dans le cas euclidien, caracterisation des endomor-
phismes symetriques idempotents, involutifs.
Theor`eme spectral : tout endomorphisme
symetrique u dun espace euclidien E est dia-
gonalisable dans une base orthonormale.
Son polynome caracteristique
u
est scinde sur
R et E est somme directe orthogonale des sous-
espaces propres de u.
Traduction matricielle du theor`eme spectral. Toute matrice carree symetrique reelle est or-
thogonalement diagonalisable.
Si u est un endomorphisme symetrique dun espace
euclidien E, expression des extremums de la fonc-
tion x <u(x), x> sur la sph`ere unite de E `a laide
des valeurs propres de u.
Interpretation dans le registre matriciel : si A est
une matrice carree symetrique reelle, extremums
de la fonction X
t
XAX sur la sph`ere unite.
3.1.4 Endomorphismes orthogonaux dun espace euclidien.
Notion disometrie (ou endomorphisme orthogonal)
dun espace vectoriel euclidien E. Lien avec les ma-
trices orthogonales.
Rappels de premi`ere annee MPSI.
Stabilite de lorthogonal dun sous-espace stable. Si u est un endomorphisme orthogonal de E,
lorthogonal dun sous-espace stable par u est
aussi stable par u.
Reduction dun endomorphisme orthogonal en base
orthonormale.
Traduction matricielle.
30
31
Cas des dimensions 2 et 3 ; reduction dune
isometrie vectorielle directe dun espace euclidien
de dimension 3.
Matrice dune rotation dans une base orthonor-
male adaptee `a son axe.
Non commutativite de SO(E) en dimension 3.
3.1.5 Formes lineaires dun espace euclidien, adjoint dun endomorphisme
Theor`eme de representation : pour toute forme
lineaire sur E, il existe un et un seul vecteur
x tel que
y E, (y) =<x, y > .
Isomorphisme canonique entre E et lespace vec-
toriel des formes lineaires sur E.
Si u est un endomorphisme dun espace vectoriel
euclidien E, il existe un unique endomorphisme v
de E tel que,
(x, y) E
2
, <u(x), y >=<x, v(y)>
Adjoint dun endomorphisme symetrique ou ortho-
gonal.
Traduction matricielle dans une base orthonor-
male.
Il sagit dune presentation minimale de la no-
tion dadjoint. Les resultats importants dans
ce domaine seront traites dans les cursus post
classes preparatoires.
3.1.6 Application `a letude des extrema dune fonction de plusieurs variables reelles
Rappels sur le developpement de Taylor `a lordre
2 en un point critique a, pour une fonction f de
classe (
2
sur un ouvert ; matrice hessienne H
a
(f)
de f en a, elle est symetrique reelle.
Application du theor`eme spectral `a la matrice
H
a
(f) pour obtenir une condition susante de
maximum (minimum) local en un point critique.
En dimension 2, avec les notations de Monge, on
obtient un extremum local si rt s
2
> 0 et un
point-col (ou point-selle) si rt s
2
< 0.
Indiquer la necessite dun developpement limite
dordre superieur pour le cas rt s
2
= 0.
3.2 Integrales dependant dun parm`etre
Lobjectif de ce chapitre est double :
etudier les suites et les series de fonctions integrables, grace au theor`eme de convergence dominee
et le theor`eme dinegration terme `a terme dune series de fonctions ;
appliquer les resultats obtenus `a letude des fonctions denies par une integrale dependant dun
param`etre (theor`emes de continuite et de derivation sous le signe
_
).
Il est attendu qu`a lissue de ce chapitre, les el`eves connaissent ces theor`emes et soient en mesure de
les exploiter notamment pour mener letude de fonctions denies par des integrales dependant dun
param`etre ; cette exploitation suppose en particulier la capacite `a en verier les conditions dapplication
en insistant dabord sur les hypoth`eses importantes (hypoth`ese de domination , hypoth`ese de convergence,
hypoth`ese dintegrabilite, . . . ).
Il est recommande de commencer ce chapitre par des rappels de cours et des exercices de revision
sur lintegration sur un intervalle quelconque, vue en premi`ere annee MPSI, et de previligier letude
31
32
dexemples signicatifs (integrales euleriennes, transformees de Fourier, transformees de Laplace, . . . )
en evitant les situations articielles et les exercices de pure virtuosite technique.
3.2.1 Passage `a la limite sous lintegrale
Theor`eme de convergence domine : Soit (f
n
)
n0
une
suite de fonctions continues par morceaux sur I et
`a valeurs complexes. Si (f
n
)
n
converge simplement
sur I vers une fonction f continue par morceaux
sur I et sil existe une fonction continue par mor-
ceaux, positive et integrable sur I, telle que pour
tout entier n, [f
n
[ ( hypoth`ese de domination),
alors les fonctions f
n
et f sont integrables sur I et
lim
n
_
I
f
n
=
_
I
f.
La demonstration de ce theor`eme est hors pro-
gramme.
Lhypoth`ese de domination est plus importante
que lhypoth`ese de continuite par morceaux de
f ; cette derni`ere etant imposee par les limita-
tions du programme.
Extension au cas dune famille (f
)
J
o` u J est
un intervalle de R.
Inegration terme `a terme dune series de fonctions :
Soit (f
n
)
n
une suite de fonctions complexes conti-
nues par morceaux et integrables sur I telle que
la serie
n
f
n
converge simplement sur I vers une
fonction f, continue par morceaux sur I, et que
la serie
n
__
I
[f
n
[
_
soit convergente. Alors, f est
integrable sur I et
_
I
f =
n=0
_
I
f
n
.
La demonstration de ce theor`eme est hors pro-
gramme.
Lhypoth`ese de convergence de la serie
n
__
I
[f
n
[
_
est plus importante que lhy-
poth`ese de continuite par morceaux de f ; cette
derni`ere etant imposee par les limitations du
programme.
Dans la pratique, on commence par eectuer un
calcul formel, o` u lon permute les signes
et
_
,
que lon justie ensuite.
3.2.2 Continuite et derivation dune inegrale dependant dun param`etre
Theor`eme de continuite : Soient A une partie dun
espace vectoriel de dimension nie, I un intervalle
de R et f : (x, t) f(x, t) une fonction `a va-
leurs reelles ou complexes denie sur A I ; on
suppose que f est continue par rapport `a x, conti-
nue par morceaux par rapport `a t et telle que, pour
tout element x de A, la fonction t f(x, t) soit
integrable sur I. Sil existe une fonction positive
, continue par morceaux et integrable sur I, telle
que, pour tout element (x, t) de A I, [f(x, t)[
(t) (hypoth`ese de domination), alors la fonction g
denie sur A par la relation g(x) =
_
I
f(x, t) dt est
continue sur A.
Lhypoth`ese de domination est plus importante
que lhypoth`ese de continuite par morceaux ;
cette derni`ere etant imposee par les limitations
du programme.
Extension au cas o` u lhypoth`ese de domination
est veriee au voisinage dun point a de A.
Si A est intervalle de R, extension au cas o` u
lhypoth`ese de domination est veriee sur tout
segment contenu dans A.
32
33
Theor`eme de derivation : Soient I et J deux inter-
valles de R et f : (x, t) f(x, t) une fonction `a
valeurs reelles ou complexes denie sur J I et
derivable par rapport `a x. On suppose que :
- pour tout x J, la fonction t f(x, t) est conti-
nue par morceaux et integrables sur I ;
- pour tout t I, la fonction x
f
x
(x, t) est conti-
nue et, pour tout x J, la fonction t
f
x
(x, t)
est continue par morceaux sur I ;
- il existe une fonction positive, continue par
morceaux et integrable sur I telle que, pour tout
(x, t) J I,
f
x
(x, t)
(x) =
_
I
f
x
(x, t) dt, x J.
Extension au cas o` u lhypoth`ese de domination
est veriee sur tout segment contenu dans J.
Extension aux fonctions de classe (
k
: classe (
k
dune integrale dependant dun param`etre, sous
lhypoth`ese dintegrabilite de
p
f
x
p
(x, .), pour
tout x de J si 0 p k 1, et domination
sur tout segment contenu dans J de
k
f
x
k
(x, .).
3.2.3 Exemples dapplications
Exemples demploi du theor`eme de convergence do-
mine et du theor`eme dinegration terme `a terme
dune series de fonctions integrables.
Exemples signicatifs detude de fonctions denies
comme integrales dependant dun parm`etre :
regularite, etude asymptotique.
Inegrales euleriennes, transformees integrales
(facteur dechelle, retard, amortissement, valeur
initiale ou nale, . . . ).
3.3 Probabilites
Ce chapitre compl`ete letude des variables aleatoires discr`etes dej`a entamee en premi`ere annee MPSI et
aborde celle des variables aleatoires `a densite ; on y etudie aussi quelques resultat dapproximation.
Le chapitre est organise autour des axes suivants :
consolider les acquis de premi`ere annee MPSI sur les variables aleatoires discr`etes ;
introduire les notions de fonction de repatition, de moments et de fonction generatrice, et familia-
riser les el`eves avec ces notions en mettant en uvre les denitions et resultats du cours sur des
exemples simples ;
etudier des exemples usuels de lois discr`etes relles (loi de Bernoulli, loi binomiale, loi geom`etrique,
loi de Poisson, . . . ) et de lois `a densite sur R (loi uniforme, loi exponentielle, loi gamma, loi
gaussienne (ou normale), . . . ) ;
etudier la notion de convergence et quelques theor`emes limites.
Il est attendu qu`a lissue de ce chapitre, les el`eves
aient etudie des exemples usuels de lois discr`etes relles et de lois `a densite ;
33
34
sachent reconnatre les situations classiques de modelisation par des lois discr`etes ou continues
usuelles ;
sachent utiliser les fonctions generatrices pour determiner la loi ou calculer les moments dune
variable aleatoire enti`ere dans des cas standard ;
soient capables de determiner la densite dune variable aleatoire `a partir de sa fonction de repartition ;
apprennent `a utiliser le produit de convolution pour determiner la loi de la somme de deux variables
aleatoires independantes, discr`etes ou `a densite ;
apprennent `a approcher, sous certaines conditions, une loi binomiale par une loi de Poisson, et
une loi hypergeometrique par une loi binomiale ;
sachent utilisent les theor`emes limites, dans des cas standard, pour donner des estimations `a
certains param`etres (esperance, variance, . . . ).
3.3.1 Revisions du programme de premi`ere annee MPSI sur les espaces probabilises
Espace probabilise (, T , P).
On appelle evenement toute partie de qui est
element de la tribu T .
Rappeler les axiomes veries par une tribu et
ceux veries par une probabilite, en particulier
ladditivite denombrable et la continuite mono-
tone sequentielle de P.
Si est ni ou denombrable le choix T = T(),
lensemble des parties de , est le plus usuel.
Le choix de tribus dans le cas general nest pas
un objectif du programme.
kN
(X ]a 1/k, +[),
(X ] , a[) = (X [a, +[),
(X ]a, b]) = (X ] , b]) (X ] , a]),
(X [a, b]) = (X ] , b]) (X ] , a[),
(X [a, b[) = (X ] , b[) (X ] , a[),
(X ]a, b[) = (X ] , b[) (X ] , a]).
Si (X
1
, X
2
, . . . , X
k
) est une famille nie de variables
aleatoires reelles denies sur le meme espace pro-
babilise (, T , P) et si f : R
k
R est une
application continue alors lapplication composee
f(X
1
(), . . . , X
k
()) est une variable aleatoire
reelle sur (, T , P).
Notation f(X
1
, . . . , X
k
).
La preuve de ce resultat nest pas au pro-
gramme ; on en deduit le fait que la somme, le
produit, le minimum, le maximum, . . . dune fa-
mille nie de variables aleatoires reelles est une
variable aleatoire reelle.
Si X est une variable aleatoire reelle sur (, T , P)
et f une application monotone de R vers R, alors
lapplication composee f X est une variable
aleatoire reelle sur (, T , P).
Notation f(X).
Le resultat setend au cas o` u f est monotone par
morceaux.
Soit (X
n
)
n
une suite de variables aleatoires reelles
sur (, T , P) qui converge simplement vers X, une
application de vers R. Alors X est une variable
aleatoire reelle sur (, T , P).
La preuve utilise la denition de limite et les
proprietes des tribus.
On appelle loi (relativement `a P) de la variable
aleatoire reelle X lapplication de J(R) vers R qui
`a tout intervalle reel J associe le nombre P(X J).
J(R) designe lensemble de tous les intervalles
de R. Cest un sous ensemble de T(R).
On appelle loi (relativement `a P) dune famille nie
(X
1
, . . . , X
k
) de variables aleatoires reelles lappli-
cation de J(R)
k
vers R qui `a tout produit cartesien
J
1
J
k
dintervalles reels associe le nombre
P
_
k
i=1
(X
i
J
i
)
_
.
On note (X
1
J
1
, . . . , X
k
J
k
) levenement
k
i=1
(X
i
J
i
).
Fonction de repartition F
X
dune variable aleatoire
reelle X : cest lapplication de R dans R denie
par
t R, F
X
(t) = P(X t).
35
36
Proprietes de F
X
: cest une fonction croissante,
continue `a droite en tout point, de limite 0 en
et de limite 1 en +.
La reciproque (au sens o` u toute fonction de
R dans R veriant ces trois proprietes est la
fonction de repartition dune variable aleatoire
reelle) nest pas au programme.
La fonction de repartition caracterise la loi dune
variable aleatoire reelle : la connaissance de F
X
per-
met de calculer P(X I) pour tout intervalle I de
R.
La continuite de la fonction F
X
en t equivaut `a
P(X = t) = 0.
On doit savoir
P(X ]a, +[) = 1 F
X
(a),
P(X [a, +[ = 1 lim
a
F
X
,
P(X ] , a[) = lim
a
F
X
,
P(X ]a, b]) = F
X
(b) F
X
(a),
P(X [a, b]) = F
X
(b) lim
a
F
X
,
P(X [a, b[) = lim
b
F
X
lim
a
F
X
,
P(X ]a, b[) = lim
b
F
X
F
X
(a),
P(X = a) = F
X
(a) lim
a
F
X
.
On denit la fonction de repartition dune fa-
mille nie (X
1
, . . . , X
k
) de variables aleatoires
reelles comme etant lapplication de R
k
vers R,
(t
1
, . . . , t
k
) P(X
1
t
1
, . . . , X
k
t
k
). Les
resultats precedents setendent au cas dune famille
nie (X
1
, . . . , X
k
).
Pas de resultats theoriques au programme dans
le cas de plusieurs variables.
Deux familles de lois sont au programme : lois
discr`etes et lois `a densite.
Une variable aleatoire reelle X est dite de loi
discr`ete (relativement `a la probabilite P) sil existe
) soit au
plus denombrable.
On peut supprimer de D tous les elements x tels
que P(X = x) = 0 ; les x restants sont appelees
valeurs possibles de la variable discr`ete X.
On obtient
P(X A) =
xA
P(X = x).
La loi de X est caracterisee par la donnee de D
et de lapplication x P(X = x), de D dans
R.
On dit que la loi de X est discr`ete usuelle sil existe
un intervalle J de Z et une bijection croissante
: J D, k x
k
.
Lusage est, dans ce cas, de representer la loi de X
par un tableau de lignes comportant en premi`ere
ligne les x
k
, elements de D, ecrits en ordre crois-
sant, en deuxi`eme ligne les probabilites correspon-
dantes p
k
= P(X = x
k
).
Des lignes supplementaires peuvent donner les
cumuls
jk
p
j
ou les produits x
k
p
k
. Il est
interessant dutiliser un tableur.
Exemples premiers de lois discr`etes. Rappeler les lois vues en premi`ere annee.
36
37
Une variable aleatoire reelle X est dite de loi `a den-
site (relativement `a la probabilite P) si sa fonc-
tion de repartition F
X
est continue sur R et de
classe (
1
sur R prive dun sous-ensemble ni F
(eventuellement vide).
Une telle variable aleatoire est dite aussi de
loi continue. On appelle alors densite de X la
fonction denie sur R par f
X
(t) = F
X
(t) pour
t R F et f
X
(t) = 0 pour t F.
La densite est une fonction positive, continue sur
R F, dintegrale convergente et valant 1 sur R.
Pour tout intervalle I de borne inferieure a R
et de borne superieure b R, on a :
P(X I) = F
X
(b) F
X
(a) =
_
b
a
f
X
(t) dt.
Exemples premiers de lois continues. Loi uniforme sur un segment reel [a, b], loi ex-
ponentielle de param`etre > 0, loi gamma de
param`etre (, ), lois gaussiennes.
Loi dune variable aleatoire obtenue par composi-
tion.
Il sagit detudier la loi de Y = g(X) o` u
X est une variable aleatoire de loi connue et
g une fonction de la variable reelle, ou plus
generalement, celle de Y = g(X
1
, . . . , X
k
).
Aucun resultat theorique general nest au pro-
gramme ; les exercices porteront sur des cas
simples.
Une famille (X
j
)
jJ
de variables aleatoires reelles
est dite independante si, pour toute famille (I
j
)
jJ
dintervalles de R, la famille
_
(X
j
I
j
)
_
jJ
devenements est independante.
On distinguera lindependance de la fa-
mille de variables (dite mutuelle parfois) et
lindependance deux `a deux des variables. On
notera que lindependance dune famille de va-
riables est relative `a une probabilite donnee.
Independance heritee : Si la famille
(X
j
)
1jn
k
est independante et si
0 < n
1
< < n
k
, alors la famille
_
f
1
(X
1
, . . . , X
n
1
), f
2
(X
n
1
+1
, . . . , X
n
2
), . . . , f
k
(X
n
k1
+1
, . . . , X
n
k
)
_
est independante.
Existence despaces probabilises portant une
suite (X
j
)
jN
de variables aleatoires reelles
independantes de lois discr`etes donnees.
Modelisation du jeu Pile-Face repete (ou inni).
Loi conditionnelle de X sachant un evenement non
negligeable A.
Cest (P
A
)
X
la loi de X sous la probabilite P
A
.
On lutilise notamment dans le cas o` u (X, Y ) est
un couple de variables aleatoires reelles discr`etes
et A = (Y = t), t reel donne.
Loi de la somme de variables independantes. Proposer de nombreux exemples de somme de
variables independantes. Dans certains cas, on a
une propriete de stabillite : la loi de la somme
est du meme type.
Etudier notamment les cas
de lois gaussiennes et de lois de Poisson.
37
38
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes dont les lois sont discr`etes
densembles de valeurs possibles respectifs D
1
et
D
2
(sous ensembles de R au plus denombrables),
alors la variable aleatoire S = X
1
+X
2
est discr`ete.
Dans ce cas, lensemble des valeurs possibles de
S est D = u + v ; (u, v) D
1
D
2
et la loi
de S est donnee, pour tout s D, par :
P(S = s) =
uD
1
P(X
1
= u)P(X
2
= s u)
=
vD
2
P(X
1
= s v)P(X
2
= v).
Cette formule est appelee la convolution discr`ete
des lois de X
1
et X
2
.
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes telles que X
1
soit discr`ete,
densemble de valeurs possibles D
1
, et X
2
soit
continue, de densite f
2
, alors la variable aleatoire
S = X
1
+X
2
est `a densite.
Dans ce cas, la densite de S est la fonction :
f : s
uD
1
P(X
1
= u)f
2
(s u).
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles independantes dont les lois sont continues,
de densites respectives f
1
et f
2
, alors la variable
aleatoire S = X
1
+X
2
est `a densite.
Dans ce cas, la de densite de S est la fonction
f : s
_
+
f
1
(u)f
2
(s u) du.
Cette fonction est appelee le produit de convo-
lution des densites f
1
et f
2
.
3.3.3 Esperance, moments
Il est recommande de proposer ici de nombreux exercices sur des calculs desperances, de moments et
de variances.
Si X est une variable aleatoire reelle de loi discr`ete,
caracterisee par (x
k
, p
k
)
k
, ou continue, de densite
f
X
, on denit lesperance de X par la formule
E(X) =
_
k
x
k
p
k
(cas discret)
_
+
t f
X
(t) dt (cas continu)
sous reserve de la sommabilite (resp. lintegrabilite
sur R) de la famille (x
k
p
k
)
k
(resp. de la fonction
t t f
X
(t)).
La sommabilite permet de donner une valeur -
nie qui ne depend pas dun ordre choisi des x
k
;
lintegrabilite pour une fonction est lanalogue
de la sommabilite pour une famille.
Esperance de variables aleatoires reelles de lois
usuelles.
Propriete de transfert `a une variable :
Si X est une variable aleatoire reelle de loi discr`ete,
caracterisee par (x
k
, p
k
)
k
, alors la variable aleatoire
Y = g(X) admet une esperence si, et seulement si,
la famille (g(x
k
) p
k
)
k
est sommable.
En cas de sommabilite, on a :
E(Y ) =
k
g(x
k
) p
k
.
38
39
Si X est une variable aleatoire reelle continue, de
densite f
X
, alors la variable aleatoire Y = g(X)
admet une esperence si, et seulement si, la fonction
t g(t)f
X
(t) est integrable sur R.
En cas dintegrabilite, on a :
E(Y ) =
_
+
g(t)f
X
(t) dt.
Les demonstrations de ces resultats ne sont
pas exigibles dans le cas general. On pourra
en revanche traiter des exemples de recherche
de lesperence de Y = g(X) ; on evitera les
exemples inutilement compliques.
Propriete de transfert `a deux variables (cas discret) :
Si (X
1
, X
2
) est un couple de variables aleatoires
reelles de loi discr`ete (loi conjointe caracterisee par
_
(x
i
, y
j
), p
i,j
_
i,j
), alors la variable aleatoire Y =
g(X
1
, X
2
) admet une esperence si, et seulement si,
la famille
_
g(x
i
, y
j
) p
i,j
_
i,j
est sommable.
En cas de sommabilite, on a :
E(Y ) =
i,j
g(x
i
, y
j
) p
i,j
.
La demonstration de ce resultat nest pas exi-
gible dans le cas general. On traitera des
exemples simples de recherche de lesperence de
Y = g(X
1
, X
2
).
Le transfert `a deux variables dans le cas continu
(`a densite) nest pas au programme.
Si X et Y sont des variables aleatoires reelles
sur lespace probabilise (, T , P), si Y admet une
esperance et si [X[ Y alors X admet une
esperance.
Resultat admis qui rel`eve en fait de lintegration
de Lebesgue.
Proprietes de lesperance : Linearite, positivite,
croissance, inegalite triangulaire.
Esperance dun produit de variables aleatoires
reelles independantes, sous reserve dexistence.
Les demonstrations de ces proprietes dans le
cas general sont admises. Elles peuvent etre
presentees dans le cas discret.
Moments, variance, ecart-type, covariance :
Le moment dordre k N
=
1
(X)
(X E(X)).
3.3.4 Fonctions generatrices
Fonction generatrice dune variable aleatoire reelle
X `a valeurs dans N :
G
X
(t) = E(t
X
) =
kN
t
k
P(X = k).
La serie enti`ere denissant G
X
est de rayon de
convergence superieur ou egal `a 1 et G
X
(1) = 1 ;
cette serie converge normalement sur le disque
ferme de centre 0 et de rayon 1.
La fonction G
X
est continue sur [-1,1] et est de
classe (
sur ] 1, 1[.
La loi de X est caracterisee par G
X
(pour X `a
valeurs dans N).
On pourra presenter la notion de transformee de
Laplace-Fourier dans le cas dune loi `a densite
mais aucun resultat nest au programme concer-
nant ces transformations.
40
41
Lien entre fonction generatrice et moments : la va-
riable aleatoire X admet une esperance si, et seule-
ment si, G
X
est derivable en 1, auquel cas E(X) =
G
X
(1) ; la variable aleatoire X admet un moment
dordre 2 si, et seulement si, G
X
admet une derivee
seconde en 1, auquel cas E(X
2
) E(X) = G
X
(1).
Les el`eves doivent savoir retrouver lexpression
de la variance de X `a laide de G
X
(1) et G
X
(1).
Les el`eves doivent savoir calculer la fonction
generatrice dune variable aleatoire de Bernoulli,
binomiale, geometrique, de Poisson.
Fonction generatrice dune somme nie de variables
aleatoires independantes `a valeurs dans N.
Expression de la fonction generatrice de la va-
riable aleatoire X
1
+ +X
n
quand les X
i
sont
independantes.
3.3.5 Inegalites, notions de convergence et theor`emes limites
Inegalite de Markov : Si X est une variable aleatoire
reelle positive admettant une esperance, alors, pour
tout > 0,
P(X )
E(X)
.
Cette inegalite permet de demontrer linegalite
de Bienayme-Tchebychev.
Inegalite de Bienayme-Tchebychev : Si X est une va-
riable aleatoire reelle admettant un moment dordre
2, alors, pour tout > 0,
P([X E(X)[ )
V (X)
2
.
Interpretation : la variance permet de controler
lecart entre X et sa valeur moyenne E(X).
Inegalite de Jensen : Si X est une variable aleatoire
reelle admettant une esperance, si f : R R est
une application convexe sur R et si Y = f(X) ad-
met une esperance, alors
f (E(X)) E(f(X)).
Demonstration uniquement dans le cas o` u la loi
de X est discr`ete.
Denition de la convergence en probabilite dune
suite (X
n
)
n
de variables aleatoires reelles vers une
variable aleatoire reelle Y :
> 0, lim
n+
P([Y X
n
[ ) = 0.
Si la suite de fonctions (f
k
)
k
converge simple-
ment sur R vers g, la suite de variables aleatoires
reelles (f
k
(X))
k
converge en probabilite vers
g(X).
Denition de la convergence en loi dune suite
(X
n
)
n
de variables aleatoires reelles vers une va-
riable aleatoire reelle Y :
t R D
Y
, lim
n+
F
Xn
(t) = F
Y
(t),
o` u D
Y
designe lensemble des points de disconti-
nuite de la fonction F
Y
.
En fait la limite dune convergence en loi est la
loi de Y .
41
42
Si les variables aleatoires X
n
ainsi que Y sont `a
valeurs dans N, la convergence en loi de la suite
(X
n
)
n
vers Y equivaut `a :
k N, lim
n+
P(X
n
= k) = P(Y = k).
Exemple `a connatre : soit > 0 et soit (p
n
)
n1
une suite de reels positifs telle que la suite
(np
n
)
n1
converge vers ; si, pour tout n 1,
X
n
est une variable aleatoire qui suit la loi bino-
miale de param`etre (n, p
n
) alors la suite (X
n
)
n1
converge en loi vers la variable aleatoire suivant
la loi de Poisson de param`etre .
Interpretation de la loi de Poisson comme loi des
evenements rares.
La convergence en probabilite implique la conver-
gence en loi. La reciproque est fausse.
Resultat admis.
Loi faible des grands Nombres : si (X
n
)
n1
est une
suite de variables aleatoires independantes et de
meme loi, admettant un moment dordre 2, alors
la suite
_
1
n
n
k=1
X
k
_
n1
, de variables aleatoires,
converge en probabilite vers la variable constante
= E(X
1
).
Application : interpretation frequentiste de
P(A).
Theor`eme de la limite centree : si (X
n
)
n1
est une
suite de variables aleatoires independantes et de
meme loi, admettant un moment dordre 2, alors la
suite
_
1
n
_
n
k=1
X
k
n
_
_
n1
, o` u = E(X
1
) et
= (X
1
), converge en loi vers la variable aleatoire
suivant la loi gaussienne standard.
la vitesse de convergence de la loi des grands
nombre est donc en
n
.
Ce theor`eme admet de nombreuses applications,
notamment en statistiques ; elles ne sont pas au
programme.
3.4
Equations dierentielles lineaires
Ce chapitre a pour objectifs dintroduire quelques notions de base sur les equations dierentielles non
lineaires et detudier les equations dierentielles lineaires. Lintroduction du cas non lineaire vise `a
eclairer les resultats du cas lineaire en montrant leurs specicites ; elle sert aussi pour preparer les
el`eves aux enseignements dispenses dans les cursus post classes preparatoires.
Le chapitre est organise autour des axes suivants :
introduire quelques notions de base sur les equations dierentielles non lineaires et familiariser les
el`eves avec ces notions en mettant en uvre les resultats du cours sur des exemples simples ;
etudier les equations dierentielles lineaires dordre 1 `a valeurs vectorielles, et leurs traductions
en termes de syst`emes dequations dierentielles lineaires scalaires dordre 1 ;
etudier le cas particulier des syst`emes dequations dierentielles lineaires scalaires dordre 1 `a
coecients constants, en relation avec lexponentielle dendomorphismes et de matrices ;
etudier les equations dierentielles lineaires scalaires dordre 1 et 2.
La resolution explicite des syst`emes lineaires `a coecients constants nest pas un objectif du pro-
gramme. On limitera en consequence la technicite des exercices dapplication. On pourra en revanche
presenter aux el`eves divers exemples detudes qualitatives dequations dierentielles lineaires scalaires
ou de syst`emes lineaires. Concernant les syst`emes `a coecients constants, on pourra souligner le role
du signe des parties reelles des valeurs propres de la matrice et son inuence sur le comportement des
solutions ; on pourra egalement, en dimension 2, representer certaines des courbes integrales.
42
43
Il est attendu qu`a lissue de ce chapitre, les el`eves
aient traite des exemples de recherche et detude de courbes integrales dun champ lineaire de
vecteurs dans le plan ;
matrisent la pratique de la resolution dune equation dierentielle du type X
= AX, o` u A est
une matrice `a coecients reels ou complexes, par reduction de A `a une forme diagonale (ou
triangulaire en dimension 3), et connaissent lexpression integrale des solutions de lequation
X
= AX +B(t) ;
aient pratique, sur des exemples, letude dequations dierentielles lineaires scalaires dordre 1 ou
2 et notamment la recherche de solutions developpables en serie enti`ere ainsi que les probl`emes de
raccordements de solutions.
Dans ce chapitre, I est un intervalle de R, F un espace norme de dimension nie.
3.4.1 Generalites
(resp. y
) :
a(t)x
(t) +b(t)x
= AX.
Si x
0
est un element de F et a /(F), resolution
du probl`eme de Cauchy
x
+q(t)x = 0.
3.5 Fonctions holomorphes
Lobjectif de ce chapitre est detudier la derivation complexe et les fonctions holomorphes puis etablir le
principe du prolongement analytique et le principe des zeros isoles.
Il est attendu qu`a lissue de ce chapitre, les el`eves acqui`erent des notions de base de lanalyse complexe
notamment `a travers letude dexemples.
Dans ce qui suit, designe un ouvert non vide de C et
= (x, y) R
2
, x +iy ;
est un ouvert
non vide de R
2
.
Soit f : C une application ; on note
f lapplication denie sur
par
f(x, y) = f(x+iy) et on pose
u(x, y) = Re
_
f(x, y)
_
et v(x, y) = Im
_
f(x, y)
_
, (x, y)
.
Pour tout z
0
C et tout r R
+
+, on pose
D(z
0
, r) := z C, [z z
0
[ < r.
Si 0 < r < +, D(z
0
, r) est le disque ouvert de
centre z
0
et de rayon r ; par abus de langage, on
dira que C est le disque ouvert de rayon +.
Derivation complexe. Une application f : C est dite C-derivable
en z
o
si lim
zzo
z=zo
f(z)f(zo)
zzo
existe, auquel cas elle
est notee f
(z
o
).
f est C-derivable en z
o
= x
o
+ iy
o
si, et seulement
si,
f est dierentiable en (x
o
, y
o
) et
f
y
(x
o
, y
o
) = i
f
x
(x
o
, y
o
).
f
y
(x
o
, y
o
) = i
f
x
(x
o
, y
o
) se traduit par les
deux equations
u
x
(x
o
, y
o
) =
v
y
(x
o
, y
o
) et
u
y
(x
o
, y
o
) =
v
x
(x
o
, y
o
), dites equations de
Cauchy-Riemann.
Fonction holomorphe sur .
f est est holomorphe sur si, et seulement si,
f
est de classe (
1
sur
et verie les equations de
Cauchy-Riemann :
u
x
=
v
y
,
u
y
=
v
x
.
On dit que f est holomorphe sur si elle est
C-derivable en tout point de et si la fonction
z f
.
Toute fonction polynomiale est holomorphe sur C
et sa derivee au sens complexe concide avec sa
derivee algebrique.
Plus generalement, si
n0
a
n
z
n
est une serie
enti`ere de rayon de convergence R > 0 et de somme
f, alors f est holomorphe sur D(0, R) et lon a
f
(z) =
+
n=1
na
n
z
n1
, z D(0, R).
On peut demontrer ce resultat par un calcul di-
rect en utilisant le theor`eme de derivation de la
somme dune serie dapplications de classe (
1
.
Il en resulte que f est indeniment C-derivable
sur D(0, R) et quon a, pour tout k N,
f
(k)
(z)
k!
=
+
n=k
_
n
k
_
a
n
z
nk
, z D(0, R).
45
46
Lensembles des fonctions holomorphes sur est
une sous-alg`ebre de la C-alg`ebre des applications
de dans C; on la note 1().
La derivation est lineaire et verie la formule de
Leibniz (fg)
= f
g +fg
pour f, g holomorphes
sur ; de plus, si f
1
est holomorphe sur un ou-
vert
1
et si f
2
est holomorphe sur un ouvert
2
contenant f
1
(
1
), alors f
2
f
1
est holomorphe
sur
1
et (f
2
f
1
)
= (f
2
f
1
)f
1
.
Fonction analytique sur . Une application f : C est dite analytique
sur si elle est developpable en serie enti`ere
autour de tout point de , cest `a dire si pour
tout z
0
, il existe un reel r > 0 et une serie
enti`ere
n0
a
n
z
n
de rayon de convergence r
tels quon ait D(z
0
, r) et
f(z) =
+
n=0
a
n
(z z
0
)
n
, z D(z
0
, r).
Toute fonction polynomiale est analytique sur C. Formule de Taylor algebrique.
La fonction exponentielle est analytique sur C. e
z
= e
z
0
e
zz
0
= e
z
0
+
n=0
(z z
0
)
n
n!
, z
0
, z C.
Plus generalement, la somme dune serie enti`ere est
analytique sur son disque ouvert de convergence.
On peut demontrer ce resultat par un calcul di-
rect, en utilisant la technique des suites doubles
sommables de nombres complexes.
Lensembles des fonctions analytiques sur est une
sous-alg`ebre de la C-alg`ebre des applications de
dans C; on la note O().
Toute fonction f analytique sur est holomorphe
sur : O() 1().
f est de plus indeniment C-derivable sur et,
pour tout z
0
, le developpement de f autour
de z
0
est donne par sa serie de Taylor en z
0
, cest
`a dire
f(z) =
+
n=0
f
(n)
(z
0
)
n!
(z z
0
)
n
,
valable dans le plus grand disque ouvert de
centre z
0
contenu dans .
Toute fonction f holomorphe sur est analytique
sur : 1() O(). Plus precisement, pour tout
z
0
, si D(z
0
, R) dsigne le plus grand disque
ouvert de centre z
0
inclus dans , il existe une
suite (a
n
)
n0
de nombre complexes, uniquement
determinee, telle que le rayon de convergence de
la serie enti`ere
n0
a
n
z
n
soit R et quon ait
f(z) =
+
n=0
a
n
(z z
0
)
n
z D(z
0
, R).
La demonstration de ce resultat est hors pro-
gramme.
46
47
Principe du prolongement analytique : Soit g une
fonction holomorphe sur un ouvert non vide
1
;
sil existe un ouvert connexe par arcs contenant
1
et une fonction f holomorphe sur et prolon-
geant g, alors f est unique.
On en deduit que si f est une fonction ho-
lomorphe sur , ouvert connexe par arcs, et
sil existe z
o
tel que, pour tout n N,
f
(n)
(z
o
) = 0, alors f est nulle sur .
Principe des zeros isoles : soit f une fonction non
nulle et holomorphe sur , ouvert connexe par arcs ;
si z
o
est un point de tel que f(z
o
) = 0 alors, il
existe r > 0 tel que D(z
o
, r) et que f(z) ,= 0
pour tout z D(z
o
, r) z
o
.
47